우리나라는 국토의 70%가 산지로 이루어져 있고 연평균 강우량의 대부분이 6월과 9월 사이에 집중되어 산사태로 인한 피해를 지속적으로 입어 왔으며, 최근 급변하는 기후에 따라 그 빈도가 점차 증가하고 있다. 특히, 강원도의 경우 지역적 특성상 대부분 산지로 이루어져 있으며 경사가 가파르고 토심 또한 얕아 산사태에 의해 많은 피해를 입고 있다. 본 논문에서는 2006년 7월 집중호우로 인해 대규모 산사태피해가 발생하였던 강원도 인제군 인제읍 덕산리 지역을 대상으로 로지스틱 회귀분석을 수행하여 산사태 위험도평가모형을 개발하였다. 분석을 위하여 대상 지역의 현장조사 및 피해 직후 촬영된 항공사진을 통해 수집한 정보를 이용하여 GIS DB를 구축하였다. 경사도의 경우 범주형 변수와 연속형 변수로 입력하는 두 가지 방법을 적용하였다. 생성된 예측모형에 대해 정오분류를 실시한 결과 각각 81.4%와 81.9%의 분류정확도를 보였다.
우리나라는 국토의 70%가 산지로 이루어져 있고 연평균 강우량의 대부분이 6월과 9월 사이에 집중되어 산사태로 인한 피해를 지속적으로 입어 왔으며, 최근 급변하는 기후에 따라 그 빈도가 점차 증가하고 있다. 특히, 강원도의 경우 지역적 특성상 대부분 산지로 이루어져 있으며 경사가 가파르고 토심 또한 얕아 산사태에 의해 많은 피해를 입고 있다. 본 논문에서는 2006년 7월 집중호우로 인해 대규모 산사태피해가 발생하였던 강원도 인제군 인제읍 덕산리 지역을 대상으로 로지스틱 회귀분석을 수행하여 산사태 위험도평가모형을 개발하였다. 분석을 위하여 대상 지역의 현장조사 및 피해 직후 촬영된 항공사진을 통해 수집한 정보를 이용하여 GIS DB를 구축하였다. 경사도의 경우 범주형 변수와 연속형 변수로 입력하는 두 가지 방법을 적용하였다. 생성된 예측모형에 대해 정오분류를 실시한 결과 각각 81.4%와 81.9%의 분류정확도를 보였다.
Korea has been continuously affected by landslides, as 70% of the land is covered by mountains and most of annual rainfall concentrates between June and September. Recently, abrupt climate change affects the increase of landslide occurrence. Gangwon region is especially suffered by landslide damages...
Korea has been continuously affected by landslides, as 70% of the land is covered by mountains and most of annual rainfall concentrates between June and September. Recently, abrupt climate change affects the increase of landslide occurrence. Gangwon region is especially suffered by landslide damages, because the most of the part is mountainous, steep, and having shallow soil. In this study, a landslide risk assessment model was developed by applying logistic regression to the various data of Duksan-ri, Inje-eup, Inje-gun, Gangwon-do, which has suffered massive landslide triggered by heavy rain in July 2006. The information collected from field investigation and aerial photos right after the landslide of study area were stored in GIS DB for analysis. Slope gradient entered in two ways-as categorical variable and as linear variable. Error matrix for each case was made, and developed model showed the classification accuracy of 81.4% and 81.9%, respectively.
Korea has been continuously affected by landslides, as 70% of the land is covered by mountains and most of annual rainfall concentrates between June and September. Recently, abrupt climate change affects the increase of landslide occurrence. Gangwon region is especially suffered by landslide damages, because the most of the part is mountainous, steep, and having shallow soil. In this study, a landslide risk assessment model was developed by applying logistic regression to the various data of Duksan-ri, Inje-eup, Inje-gun, Gangwon-do, which has suffered massive landslide triggered by heavy rain in July 2006. The information collected from field investigation and aerial photos right after the landslide of study area were stored in GIS DB for analysis. Slope gradient entered in two ways-as categorical variable and as linear variable. Error matrix for each case was made, and developed model showed the classification accuracy of 81.4% and 81.9%, respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
김원영(2004)은 강원도와 경상도 산사태 발생지역에 대해 현장조사를 실시하고 토양 및 지질 특성 중심으로 구축된 DB 자료를 로지스틱 회귀분석에 적용하여 산사태 위험도를 산정하였다. 본 논문에서는 로지스틱 회귀분석을 이용하여 산사태 위험도 평가 모형을 생성하고 산사태 위험도를 제작하였다.
본 연구에서는 2006년 집중호우로 인한 산사태로 대규모 피해가 발생한 강원도 인제군 인제읍 덕산리 지역을 대상으로 산사태 위험도 평가모형을 제작하였다. 산사태 피해지역에 대한 현장조사를 통하여 산사태 발생부의 위치, 경사, 수종 등 각종정보를 취득하였다.
제안 방법
생성된 로지스틱 회귀식을 이용하여 산사태 위험도 평가지도를 제작하였다. 각각 인자를 래스터 자료로 변환하고, GIS 도구를 이용하여 회귀식의 계수로 등급화 과정을 거침으로서 연구 대상지역에 대한 산사태 위험도 평가지도를 제작하였다. 붉은색에 가까울수록 산사태 발생에 높은 확률을 보이며, 녹색에 가까울수록 낮은 확률을 보인다.
임상도의 주요 속성정보에는 수종, 영급, 경급 밀도가 있다. 각각의 속성정보를 분류하여 레스터자료로 변환하였고, 산사태 발생 및 미발생 지점의 위치정보와 중첩하여 자료를 취득하였다. 임상도의 자료는 범주형 변수이므로 재분류 과정을 거치지 않고 분석에 사용하였다.
경사향은 경사도와 마찬가지로 중심 셀을 기준으로 경사를 이용하여 제작하였다. 계산된 경사향은 범주형 변수로 변환하였으며, F, N, NE, E, SE, S, SW, W, NW의 총 9등급으로 재분류하였다.
경사향은 경사도와 마찬가지로 중심 셀을 기준으로 경사를 이용하여 제작하였다. 계산된 경사향은 범주형 변수로 변환하였으며, F, N, NE, E, SE, S, SW, W, NW의 총 9등급으로 재분류하였다.
또한 산사태 직후의 항공사진을 이용하여 육안판독에 의한 디지타이징 방법으로 산사태 발생지점의 위치정보를 추출하였다. 이 위치정보를 기반으로 수치표고모형(DEM), 임상도(산림청), 토양도(농촌진흥청)에서 산사태 발생 지점 및 부근의 지형, 임상, 토양 정보를 취득하였다.
산사태 발생 이후 인제읍지역에 대한 현장조사를 실시하였다(그림3). 레이저 거리 측정기, 클리노미터, 휴대용 GPS 등을 이용하여 산사태 발생부의 위치, 경사, 사면의 형상, 수목의 종류, 수목의 흉고직경 등의 정보를 수집하고 산사태 현장조사야장에 기록하였다(그림4).
로지스틱 회귀모형의 적합도를 평가하기 위해 분석모형(M)과 포화모형(S)을 비교한다. 두 모형을 비교하는 식은 식(5)와 같다.
최종적으로 경사도, 수종, 경급, 영급, 배수등급, 표토토성, 심토자갈함량이 고려된 로지스틱 회귀식을 생성하였다. 로지스틱 회귀식은 경사도를 범주형 변수로 입력하는 방법과, 선형(산사태 평균 경사와의 차이값) 변수로 입력하는 방법으로 수행하였다. 생성된 회귀식을 DB에 적용하여 정오분류를 실시한 결과 각각 81.
수치표고모형은 표고 자료를 격자 형태로 나타낸 것이다. 본 논문에서는 수치지형도에서 등고선 레이어를 추출하고, 추출된 등고선을 이용하여 해상도 10m급의 수치 표고모형을 제작하였다. 제작된 수치표고모형을 바탕으로 GIS툴을 이용하여 경사, 경사향, 사면형상을 제작하였다.
현장조사를 통해 수집하기 어려운 자료를 확보하기 위해 산사태 직후 촬영된 항공사진을 이용하였으며, 육안판독에 의한 디지타이징 방법으로 산사태 발생지점 92개소와 미발생지점 107개소의 위치를 추출하였다. 분석에 필요한 각 지점의 자료는 추출된 위치정보를 경사도, 경사향도, 사면형상도, 임상도(수종, 경급, 영급), 토양도(배수등급, 표토토성, 심토자갈 함량)와 중첩분석하여 취득하고, DB에 저장하였다. 구축된 DB를 이용하여 로지스틱 회귀분석을 수행하였으며, 이 과정에서 경사향, 사면형상, 경급은 통계적으로 유의하지 않아 분석에서 제외되었다.
현장조사와 항공사진 판독을 병행하여 자료를 취득하였다. 산사태 발생 이후 인제읍지역에 대한 현장조사를 실시하였다(그림3). 레이저 거리 측정기, 클리노미터, 휴대용 GPS 등을 이용하여 산사태 발생부의 위치, 경사, 사면의 형상, 수목의 종류, 수목의 흉고직경 등의 정보를 수집하고 산사태 현장조사야장에 기록하였다(그림4).
본 연구에서는 2006년 집중호우로 인한 산사태로 대규모 피해가 발생한 강원도 인제군 인제읍 덕산리 지역을 대상으로 산사태 위험도 평가모형을 제작하였다. 산사태 피해지역에 대한 현장조사를 통하여 산사태 발생부의 위치, 경사, 수종 등 각종정보를 취득하였다. 현장조사를 통해 수집하기 어려운 자료를 확보하기 위해 산사태 직후 촬영된 항공사진을 이용하였으며, 육안판독에 의한 디지타이징 방법으로 산사태 발생지점 92개소와 미발생지점 107개소의 위치를 추출하였다.
생성된 로지스틱 회귀식을 이용하여 산사태 위험도 평가지도를 제작하였다. 각각 인자를 래스터 자료로 변환하고, GIS 도구를 이용하여 회귀식의 계수로 등급화 과정을 거침으로서 연구 대상지역에 대한 산사태 위험도 평가지도를 제작하였다.
경사는 연속형 변수와 범주형 변수 두 가지로 정리하였다. 연속형 변수로는 원래의 경사가 아닌 산사태 발생지의 평균 경사와 해당 지점 경사의 차이값을 사용하였다. 식 (1)은 경사인자계산식이며 발생지역의 평균경사는 28.
이 위치정보를 기반으로 수치표고모형(DEM), 임상도(산림청), 토양도(농촌진흥청)에서 산사태 발생 지점 및 부근의 지형, 임상, 토양 정보를 취득하였다. 이러한 방법을 통해 산사태 발생지 92개, 미발생지 107개 지점에대한 자료를 정리하여 테이블 형식으로 DB를 구축하였다. 이 DB를 통계프로그램에 입력하여 로지스틱 회귀 분석을 수행하였다.
본 논문에서는 수치지형도에서 등고선 레이어를 추출하고, 추출된 등고선을 이용하여 해상도 10m급의 수치 표고모형을 제작하였다. 제작된 수치표고모형을 바탕으로 GIS툴을 이용하여 경사, 경사향, 사면형상을 제작하였다. 그림 5는 수치표고모형과 산사태 발생 및 미발생 지점을 중첩한 것이다.
구축된 DB를 이용하여 로지스틱 회귀분석을 수행하였으며, 이 과정에서 경사향, 사면형상, 경급은 통계적으로 유의하지 않아 분석에서 제외되었다. 최종적으로 경사도, 수종, 경급, 영급, 배수등급, 표토토성, 심토자갈함량이 고려된 로지스틱 회귀식을 생성하였다. 로지스틱 회귀식은 경사도를 범주형 변수로 입력하는 방법과, 선형(산사태 평균 경사와의 차이값) 변수로 입력하는 방법으로 수행하였다.
토양에 대한 정보는 농촌진흥청에서 제공되는 1:25,000 수치 토양도를 이용하여 수집하였다. 토양도의 여러 속성 정보 중 배수등급, 심토자갈함량, 표토토성이 분석에 활용되었다. 토양도 자료는 임상도자료와 같이 범주형 변수이므로 재분류 과정을 거치지 않았다.
대상 데이터
표토토성은 표토를 미사, 모래, 점토의 함량에 따라 구분한 것이다. 대상지역은 사양토와 양토로 구성되어 있다.
사면형상은 중심 셀을 기준으로 4방향의 경사를 참고하여 판단한다. 사면형상의 경우 현장에서 수집한 자료는 파괴 후의 형상이므로 파괴 전의 형상을 추정하기 위해 현장 조사자료를 사용하지 않고 DEM 자료만을 사용하였다. 사면형상은 오목, 평면, 볼록 3가지로 분류하였다.
연구대상 지역은 강원도 인제군 인제읍 덕산리이다(그림 2). 이 지역에서는 2006년 7월 11일에서 20일 사이에 발생한 집중호우로 인해 산사태가 발생하였으며, 7월 15일 오전에 3시간 동안 200mm 내외의 기록적 폭우가 내렸다.
임상에 대한 정보는 산림청에서 제공하는 1:25,000 수치 임상도를 이용하여 수집하였다. 임상도의 주요 속성정보에는 수종, 영급, 경급 밀도가 있다.
이로 인하여 인제군에만 4,000억 원 이상의 피해가 발생하였고 사면 하부마을에서 주민의 매몰, 사망사고가 발생하였다. 조사 대상 지역의 면적은 8.4㎢이며, 최저고도 180m, 최대고도 880m로 매우 가파르고 험준한 지형을 띄고 있다.
그림 5. 수치표고모형 중첩
중심 셀을 기준으로 8방향 경사의 평균을 계산하여 경사도를 제작하였으며 이전에 추출하였던 산사태 발생 및 미발생 지점과 중첩하여 자료를 취득하였다
. 경사는 연속형 변수와 범주형 변수 두 가지로 정리하였다.
본 연구에서는 더미코딩의 마지막 변수를 기준집단으로 활용하여 로지스틱 회귀분석을 수행하였다. 최종적으로 분석 수행된 자료는 경사, 수종, 영급, 배수등급, 심토자갈함랑, 표토토성이다. 나머지 경사향, 사면형상, 경급은 통계학적으로 유의하지 않은 것으로 나타나 분석에서 제외하였다.
토양에 대한 정보는 농촌진흥청에서 제공되는 1:25,000 수치 토양도를 이용하여 수집하였다. 토양도의 여러 속성 정보 중 배수등급, 심토자갈함량, 표토토성이 분석에 활용되었다.
산사태 피해지역에 대한 현장조사를 통하여 산사태 발생부의 위치, 경사, 수종 등 각종정보를 취득하였다. 현장조사를 통해 수집하기 어려운 자료를 확보하기 위해 산사태 직후 촬영된 항공사진을 이용하였으며, 육안판독에 의한 디지타이징 방법으로 산사태 발생지점 92개소와 미발생지점 107개소의 위치를 추출하였다. 분석에 필요한 각 지점의 자료는 추출된 위치정보를 경사도, 경사향도, 사면형상도, 임상도(수종, 경급, 영급), 토양도(배수등급, 표토토성, 심토자갈 함량)와 중첩분석하여 취득하고, DB에 저장하였다.
현장조사와 항공사진 판독을 병행하여 자료를 취득하였다. 산사태 발생 이후 인제읍지역에 대한 현장조사를 실시하였다(그림3).
데이터처리
분석에 필요한 각 지점의 자료는 추출된 위치정보를 경사도, 경사향도, 사면형상도, 임상도(수종, 경급, 영급), 토양도(배수등급, 표토토성, 심토자갈 함량)와 중첩분석하여 취득하고, DB에 저장하였다. 구축된 DB를 이용하여 로지스틱 회귀분석을 수행하였으며, 이 과정에서 경사향, 사면형상, 경급은 통계적으로 유의하지 않아 분석에서 제외되었다. 최종적으로 경사도, 수종, 경급, 영급, 배수등급, 표토토성, 심토자갈함량이 고려된 로지스틱 회귀식을 생성하였다.
단 더미 변수들 간의 관계에 대한 설명은 회귀식으로 확인할 수 없다(홍세희, 2005). 본 연구에서는 더미코딩의 마지막 변수를 기준집단으로 활용하여 로지스틱 회귀분석을 수행하였다. 최종적으로 분석 수행된 자료는 경사, 수종, 영급, 배수등급, 심토자갈함랑, 표토토성이다.
이러한 방법을 통해 산사태 발생지 92개, 미발생지 107개 지점에대한 자료를 정리하여 테이블 형식으로 DB를 구축하였다. 이 DB를 통계프로그램에 입력하여 로지스틱 회귀 분석을 수행하였다.
이론/모형
산사태위험도 예측모형의 확률 분포를 보기 위해 로지스틱 회귀분석에 적용한 각각의 DB를 산사태위험도 예측모형에 적용하였다. 산정된 예측 결과를 그림 9와 같이 나타내었다.
또한 산사태 직후의 항공사진을 이용하여 육안판독에 의한 디지타이징 방법으로 산사태 발생지점의 위치정보를 추출하였다. 이 위치정보를 기반으로 수치표고모형(DEM), 임상도(산림청), 토양도(농촌진흥청)에서 산사태 발생 지점 및 부근의 지형, 임상, 토양 정보를 취득하였다. 이러한 방법을 통해 산사태 발생지 92개, 미발생지 107개 지점에대한 자료를 정리하여 테이블 형식으로 DB를 구축하였다.
성능/효과
9%이다. 경사도를 범주형 변수로 두고 수행한 결과에 비해 약 0.5% 개선된 결과를 얻을 수 있었다.
수종은 소나무 인공림과 낙엽송이 산사태와 가장 높은 연관성을 보였으며, 영급은 임목의 수령이 높아질수록 산사태 발생 위험이 컸다. 또한 배수가 잘 될수록, 심토자갈함량이 35% 이상일 때, 표토토성이 사양토보다는 양토일수록 산사태에 취약했다.
9%의 분류 정확도를 보였다. 분류결과, 분류기준 0.5의 근삿값인 0.4-0.6사이의 값이 많이 분포하였으며, 통계적으로 유의한 인자를 추가하여야 더욱더 정확한 모형을 생성할 수 있을 것으로 사료된다. 분류정확도 오차의 원인은 산사태 발생 후 시간경과에 따른 조사의 정밀성 부족과 로지스틱 회귀분석에 사용된 표본수의 부족, 각각의 기관에서 제작한 GIS자료와 실제 지형, 임상, 토양 특성과의 오차 때문인 것으로 추정된다.
8%의 분류정확도를 보였다. 산사태 발생과 미발생 지역을 종합하면 약 81.4%의 분류 정확도를 보였다. 이는Dai(2003)의 산사태 위험도 예측 모형의 분류정확도 84.
로지스틱 회귀식은 경사도를 범주형 변수로 입력하는 방법과, 선형(산사태 평균 경사와의 차이값) 변수로 입력하는 방법으로 수행하였다. 생성된 회귀식을 DB에 적용하여 정오분류를 실시한 결과 각각 81.4%와 81.9%의 분류 정확도를 보였다. 분류결과, 분류기준 0.
경사도는 35°- 40°인경우산사태에 가장 취약한 것으로 나타났는데, 이는 Dai(2002)의 연구결과와 비슷하다. 수종은 소나무 인공림과 낙엽송이 산사태와 가장 높은 연관성을 보였으며, 영급은 임목의 수령이 높아질수록 산사태 발생 위험이 컸다. 또한 배수가 잘 될수록, 심토자갈함량이 35% 이상일 때, 표토토성이 사양토보다는 양토일수록 산사태에 취약했다.
수종은 약 20여 가지로 분류되나 연구대상지역에 분포하는 수종은 소나무림, 소나무인공림, 낙엽송림, 제지였다. 영급은 수목의 나이를 등급화한 것이다.
5보다 작으면 미발생으로 분류하는 것이 일반적이다. 정오분류 결과 산사태 발생지역 92개중 82개를 옳게 예측하여 89.1%의 분류정확도를 보였으며, 산사태가 발생하지 않은 지역은 107개 중 80개를 옳게 예측하여 74.8%의 분류정확도를 보였다. 산사태 발생과 미발생 지역을 종합하면 약 81.
표2의 계수를 로지스틱 회귀식에 적용하여 각각의 자료에 대해 정오 분류를 실시한 결과 산사태 발생지역 92개 중 81개를 발생으로 분류하여 88%의 분류 정확도를, 산사태가 발생하지 않은 103 지역 중 82개를 미발생으로 분류하여 76.6%의 분류 정확도를 보였으며, 이를 종합한 총 분류 정확도는 81.9%이다. 경사도를 범주형 변수로 두고 수행한 결과에 비해 약 0.
후속연구
2이하의 분포를 보였다. 분류기준 0.5의 근삿값인 0.40 - 0.55사이의 값이 많이 분포하여 통계적으로 유의한 인자를 추가하여야 더 정확한 모형을 개발할 수 있을 것으로 사료된다.
분류정확도 오차의 원인은 산사태 발생 후 시간경과에 따른 조사의 정밀성 부족과 로지스틱 회귀분석에 사용된 표본수의 부족, 각각의 기관에서 제작한 GIS자료와 실제 지형, 임상, 토양 특성과의 오차 때문인 것으로 추정된다. 추후 연구대상지를 확대하여 로지스틱 회귀분석에 적용할 표본수를 늘리고 대축척 GIS 자료를 이용하여 자료의 정밀도를 높인다면 더욱 개선된 산사태위험도 평가모형을 개발할 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
강원도 지역은 산지가 어느 정도로 형성되어 있는가?
강원도 지역은 약 81%의 면적이 산지로 형성되어 있다. 해발 100m 이하의 저지대는 강원도 총면적의 5.
산사태는 무엇인가?
산사태란 사면의 경계에서 발생된 전단파괴의 결과로 흙덩이 또는 돌덩이가 경사면의 하부로 내려오는 것이다(Skempton & Huchinson, 1969). 우리나라의 산사태는 주로 집중호우와 태풍이 도래하는 6~9월에 집중적으로 발생하는 특징이 있으며 많은 인명과 재산피해를 유발하고 있다.
강원도 지역 산지의 특성은?
6%에 불과하며, 50%이상의 면적이 500m이상의 고지대를 이루고 있다. 이러한 산지는 대부분 가파르고 험한 지형이 많고, 유효토심이 2m 이내로 산사태 발생에 적절한 조건을 가지고 있다. 또한, 동해안과 나란히 길고 높게 발달한 태백산맥이 서남쪽에서 접근해 오는 장마 전선이나 태풍 등의 진로를 막아 집중호우가 빈번히 발생하고 있다(임오빈, 2009). 강원도 지역의 특성상 집중호우로 인해 그림 1과 같은 대규모 재해가 발생되면 산사태로 인한 도로 유실 등으로 신속한 복구지원이힘든 실정이다.
참고문헌 (10)
김원영 (2004), 산사태 위험도 산정시스템 및 피해저감기술개발, 과학기술부 자연재해방재기술개발사업, 한국지질자원연구원, pp. 3-8.
산림청 (1998), 사방기술교본, pp. 416-417.
이용준, 박근애, 김성준 (2006), 로지스틱 회귀분석 및 AHP 기법을 이용한 산사태 위험지역분석, 대한토목학회지, 대한토목학회, 제 26권, 제 5호, pp. 861-867.
임오빈 (2009), 호우 피해지 산사태 발생의 특성 및 복구에 관한 연구 - 홍천지역을 중심으로, 석사학위논문, 강원대학교, pp. 13-14.
Kawabata, D. and Bandibas, J. (2009), Landslide susceptibility mapping using geological data, a DEM from ASTER images and an artificial Neural Network(ANN), Geomorphology, Vol. 113, No. 1, pp. 97-109.
Dai, F. C. and Lee, C. F. (2002), Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong, Geomorphology, Vol. 42, No. 3, pp. 213-228.
Dai, F. C. and Lee, C. F. (2003), A spatiotemporal probabilistic modelling of storm-induced shallow landsliding using aerial photographs and logistic regression, Earth Surface Processes and Landforms, Vol. 28, No. 5, pp. 527-545.
Skempton, A. W. and Hutchinson, J. N. (1969), Stability of natural slopes and embankment foundation, Proceedings of the 7th International Conference on Soil Mechanics and Foundation Engineering, Vol. 3, pp. 291-340.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.