선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 보다 구체적으로는 현재 개발되어 사용되고 있는 다양한 지형분석 기법들을 비교·평가하고, 지형분석 기법을 통해 산사태 발생 가능성 예측과 취약성의 공간적인 분포를 파악할 수 있는 가능성을 모색하고자 한다.
- 이 연구는 지형특성의 분석을 통해 산사태 발생지를 예측하기 위한 목적으로 이루어졌다. 보다 구체적인 연구내용은 첫째, 현재 개발되어 사용되고 있는 다양한 지형분석 기법들을 비교·평가하고 둘째, 분류된 지형단위를 사용하여 산사태 발생가능성을 예측하고 공간적인 취약성을 파악하고자 하였다.
- 이 연구의 목적은 최근 10여 년 간 발생한 산사태 발생자료를 이용하여 산사태가 발생하는 지형 특성을 수치 고도 모델의 분석을 통해 예측 가능한지를 비교평가하는 것이다. 보다 구체적으로는 현재 개발되어 사용되고 있는 다양한 지형분석 기법들을 비교·평가하고, 지형분석 기법을 통해 산사태 발생 가능성 예측과 취약성의 공간적인 분포를 파악할 수 있는 가능성을 모색하고자 한다.
가설 설정
- 이러한 형태적 분류법의 장점은 전산화된 지형도 혹은 수치고도모델을 이용해 비교적 간편하게 지형을 분류할 수 있다는 점이다. 반면, 단점은 1) 연속적으로 나타나는 지표면의 특성을 몇 개의 소수 그룹으로 분류할 때 발생하는 분류기준자(classifier)의 선정 및 분류기준치의 객관화가 어렵고, 2) 지형의 성인에 대한 고려가 부족하여 현재 진행되고 있는 지형학적인 작용에 대한 추정이 어렵다는 것이다
제안 방법
- 전체 지형분류는 2단계의 분석과정을 거친다. 1차적으로 사면곡면률(Cs)과 사면유역지수(As)를 이용하여 지형을 Summit, Shoulder, Backslope, Footslope, Toeslope I, Toeslope II, Channel의 7개의 지형단위로 분석한다. 표 2는 각 연구지역 별로 지형분류의 구분자들을 정리한 것이다.
- 각 분류법의 일치도를 평가하기 위해 분류법간의 교차표를 만들고 그 내부에서 나타나는 변동계수(coefficient of variation)을 도표화하였다(그림 4). 변동계수가 크다는 것은 특정 지형단위의 일치도가 높게 나타나 다른 지형단위들과의 분산이 커진 것으로, 지형 단위 간의 일치도가 상대적으로 높다는 것을 의미한다.
- 표 2는 각 연구지역 별로 지형분류의 구분자들을 정리한 것이다. 그 후 사면하부에 경사급변점을 가지는 평탄지 혹은 산록완사면이 나타나는 한국 지형의 특징을 반영하기 위해(박수진, 2014), 2차적으로 평탄지와 산악지를 나누고 각각의 지형단위를 다시 이분하여 모두 14개의 지형단위로 분류하였다. 구체적인 지형분석 방법과 절차는 박수진(2004)에 제시되어 있다.
- 다음으로 각 지형분류법이 산사태를 예측하는 정도를 평가하기 위해 산사태 발생지 중 차지하는 비중이 높은 상위 50%의 지형단위를 선택한 뒤, 50%의 지형단위에서 나타나는 산사태 발생 비율을 계산하여 ‘산사태 예측력(Predictive Ability)’이라고 정의하였다.
- 지형분류 평가를 위해 산사태 예측력만 고려할 경우 면적이 넓을수록 예측력도 함께 높아질 수 있다. 따라서 종합적인 판단을 위해 산사태 예측력을 산사태 취약지역으로 나누어 면적 대비 예측력으로 점수화하여 최종지형분류를 평가하였다.
- 먼저, 지형분류를 진행하는 과정에서 나타난 각 지형분류방법의 장단점과 호환성을 검토하였다. 4개의 연구지역 중 가평을 분류한 연구 결과는 그림 2와 그림 3에 각각 제시되어 있다
- 보다 구체적인 연구내용은 첫째, 현재 개발되어 사용되고 있는 다양한 지형분석 기법들을 비교·평가하고 둘째, 분류된 지형단위를 사용하여 산사태 발생가능성을 예측하고 공간적인 취약성을 파악하고자 하였다.
- 산사태 예측과 관련하여 각 지형분류방법 별 적합성을 평가하기 위해 ‘산사태 예측력’을 ‘취약지비율’로 나누어 각 지역별 값을 평균하였다(표 9).
- 우선 지형분류를 진행하는 과정에서 나타난 각 분류기법의 장단점과 지형분류결과를 비교하여 호환성을 검토하였다. 다음으로 각 지형분류법이 산사태를 예측하는 정도를 평가하기 위해 산사태 발생지 중 차지하는 비중이 높은 상위 50%의 지형단위를 선택한 뒤, 50%의 지형단위에서 나타나는 산사태 발생 비율을 계산하여 ‘산사태 예측력(Predictive Ability)’이라고 정의하였다.
- 그러나 Geomorphons도 여전히 scale 선정의 영향을 많이 받는 방법이며, 탁한명(2014)은 30m 해상도의 dem을 기반으로 한 한반도 전체에 대한 분석에서 분석반경을 달리하면서 지형패턴의 변화를 파악하여 분석반경의 임계값이 450~750m 사이에 있다고 주장하였다. 이 연구에서는 각 지형 분류의 비율이 안정되는 scale을 찾아 그 scale을 최적 분석 반경으로 도출하였다. 분석 결과 가평의 최적 분석반경은 200m, 김천,횡성, 여주·이천의 최적 분석반경은 160m로 도출되었으며, 이 분석반경을 이용하여 지형을 분류하였다.
- 이 연구에서는 적절한 SN과 LN의 분석반경 선정을 위해 20m 해상도의 DEM을 대상으로 각 분석반경에 따른 TPI의 표준편차 기울기 값의 변화를 구하여 변화량을 비교하였다. 표준편차 기울기 값의 변화는 점점 안정되는 패턴을 보였으며, 이에 따라 변화량이 안정되는 분석반경을 LN으로 설정한 후 LN 이전에 가장 변화량이 큰 분석반경을 SN으로 설정하였다.
- 산사태 발생자료는 시군단위의 지방자치단체와 산림청 산하 지방청에서 개별적으로 수집된 자료들을 모은 자료이다. 이 자료는 산사태가 발생한 경우, 주민의 신고 혹은 다른 경로를 통해 발생에 대한 내용을 인지한 후,현장 실사를 통해 그 발생위치와 원인을 기록하고 그 피해액을 추정하는 과정을 거쳐 제작되었다. 따라서 산사태를 쉽게 인지하기 어려운 산지지역과 산림지역의 경우에는 발생사항 자체가 기록되지 않을 수 있다는 한계를 가지고 있다.
- 이 절에서는 지형분류를 통해 산사태를 예측할 수 있는지 평가하였다. 이를 위해 3개의 지형분류결과가 산사태 발생지점을 어느 정도 정확하게 예측하는지 분석하였으며, 각 지형분류방법 별로 예측도가 높은 상위 50%의 지형단위들(Catena는 7개, TPI와 Geomorphons는 5개)을 추출하여 산사태 취약지역과 이용가능지역의 공간적인 분포를 제시하였다.
- 이 절에서는 지형분류를 통해 산사태를 예측할 수 있는지 평가하였다. 이를 위해 3개의 지형분류결과가 산사태 발생지점을 어느 정도 정확하게 예측하는지 분석하였으며, 각 지형분류방법 별로 예측도가 높은 상위 50%의 지형단위들(Catena는 7개, TPI와 Geomorphons는 5개)을 추출하여 산사태 취약지역과 이용가능지역의 공간적인 분포를 제시하였다.
- 지형분류방법의 장단점은 분류기준의 명확성, 분류과정의 편의성, 분류 결과의 해석의 용의성을 기준으로 평가하였다. Catena 방법은 분류기준자가 비교적 객관적이어서 지역 간 비교가 가능하고, 지표면에 나타나는 물과 물질의 흐름을 모의할 수 있는 지형변수들을 사용하여 직관적인 이해가 가능하다.
- 이 연구에 사용된 지형분석방법은 Catena 방법(박수진,2004), TPI 방법(Weiss, 2001), Geomorphons 방법(Stepninski and Jasiewicz, 2011)이다. 최근 10년간 발생한 산사태를 기록한 자료를 이용하여, 공간적으로 균등한 분포를 보이면서 산사태발생에 관한 내용이 구체적으로 기록되어 있는 가평군, 횡성군, 김천시,여주/이천시를 대상으로 산사태 예측능력을 평가하였다
- 이 연구에서는 적절한 SN과 LN의 분석반경 선정을 위해 20m 해상도의 DEM을 대상으로 각 분석반경에 따른 TPI의 표준편차 기울기 값의 변화를 구하여 변화량을 비교하였다. 표준편차 기울기 값의 변화는 점점 안정되는 패턴을 보였으며, 이에 따라 변화량이 안정되는 분석반경을 LN으로 설정한 후 LN 이전에 가장 변화량이 큰 분석반경을 SN으로 설정하였다. 이에 따라 SN은 가평에서 80m, 가평을 제외한 모든 지역에서 60m, LN은 횡성에서는 300m, 여주·이천에서는 340m, 가평과 김천에서는 460m의 값을 가지는 것으로 나타났다.
대상 데이터
- 이 연구에 사용된 산사태 발생자료는 2001년부터 2014년까지 군 단위로 수집된 자료이다. 산사태 발생자료는 시군단위의 지방자치단체와 산림청 산하 지방청에서 개별적으로 수집된 자료들을 모은 자료이다. 이 자료는 산사태가 발생한 경우, 주민의 신고 혹은 다른 경로를 통해 발생에 대한 내용을 인지한 후,현장 실사를 통해 그 발생위치와 원인을 기록하고 그 피해액을 추정하는 과정을 거쳐 제작되었다.
- 이 연구에서는 각 시군별로 기록된 산사태 자료를 면밀히 검토하여 시군단위에서 공간적으로 균등한 분포를 보이면서 산사태 발생에 관한 내용이 구체적으로 기록되어 있는 가평군, 횡성군, 김천시, 여주/이천시를 연구대상으로 선정하였다(그림 1; 표 1). 선정된 시군과 더불어 시군경계 밖에 위치한 자료라도 연구지역방안에 포함되는 경우에는 분석에 사용하였다. 여주, 이천시 지역은 화강암으로 이루어진 비교적 평탄한 구릉지성 지형이 주로 분포하고 있으며, 산사태 발생 기록수도 상대적으로 적다.
- 이 연구에 사용된 산사태 발생자료는 2001년부터 2014년까지 군 단위로 수집된 자료이다. 산사태 발생자료는 시군단위의 지방자치단체와 산림청 산하 지방청에서 개별적으로 수집된 자료들을 모은 자료이다.
- 이 연구에서는 각 시군별로 기록된 산사태 자료를 면밀히 검토하여 시군단위에서 공간적으로 균등한 분포를 보이면서 산사태 발생에 관한 내용이 구체적으로 기록되어 있는 가평군, 횡성군, 김천시, 여주/이천시를 연구대상으로 선정하였다(그림 1; 표 1). 선정된 시군과 더불어 시군경계 밖에 위치한 자료라도 연구지역방안에 포함되는 경우에는 분석에 사용하였다.
- 지형분석을 위해 국립지리정보원에서 제작하여 배포한 5m 격자단위의 DEM을 20m 단위로 변경하여 사용하였다. DEM 분석에서 20m 격자크기를 선정한 이유는 이 격자크기가 지표면에서 나타나는 수문 및 지형현상들을 가장 정확하게 표현한다고 판단하였기 때문이다.
데이터처리
- 반면, 격자크기가 30m 이상인 경우에는 지표상에 나타나는 구체적인 지형형태를 파악하기 어려운 문제점이 있다. 이 연구에서 공간분석과 지도화는 ArcView 3.2와 ArcMAP 10.1, GRASS GIS 7.0 프로그램을 사용하였으며, 통계분석은 SPSS와 S-PLUS를 활용하였다.
이론/모형
- 이 연구에서는 Park et al.(2001)에 의해 개발된 성인과 형태를 동시에 고려할 수 있는 Catena 기법과, 형태적 분류법의 대표적인 예로 최근 다양한 문헌에서 소개되고 있는 Topographic Position Index(Weiss, 2001)와 Geomorphons(Stepninski and Jasiewicz, 2011)을 사용하여 산사태의 발생지역 예측가능성을 평가하였다.
- Geomorphons 방법은 Yokoyama et al.(2002)가 제안한 개방도(Openness)의 개념을 이용하여 지형을 분류한다. 개방도는 천정점(Zenith)과 천저점(Nadir)의 각도를 통해 중심셀과 주변셀의 높고 낮음을 분류하게 된다.
- 보다 구체적인 연구내용은 첫째, 현재 개발되어 사용되고 있는 다양한 지형분석 기법들을 비교·평가하고 둘째, 분류된 지형단위를 사용하여 산사태 발생가능성을 예측하고 공간적인 취약성을 파악하고자 하였다. 이 연구에 사용된 지형분석방법은 Catena 방법(박수진,2004), TPI 방법(Weiss, 2001), Geomorphons 방법(Stepninski and Jasiewicz, 2011)이다. 최근 10년간 발생한 산사태를 기록한 자료를 이용하여, 공간적으로 균등한 분포를 보이면서 산사태발생에 관한 내용이 구체적으로 기록되어 있는 가평군, 횡성군, 김천시,여주/이천시를 대상으로 산사태 예측능력을 평가하였다
성능/효과
- 성인적 분류법의 장점은 대상지역의 지형 발달과정과 특성을 함축적으로 표시해 준다는 점이다. 하지만, 단점은 1) 성인을 정확하게 파악하기 위해서는 장기간에 걸친 야외 및 실험실 작업이 필요하며,2) 대상지역의 지형형성과정에 관한 지식이 선행되어야 하고 조사자간 의견의 불일치가 나타날 수 있다는 것이다. 특히, 3) GIS를 활용한 효율적이고 신속한 지형분류도 작성에는 큰 제약이 따른다(박수진, 2004).
- 이 기법을 이용하여 비취약지를 추출하는 것에는 많은 한계가 있을 것으로 판단되며, 비취약지 대부분이 파편화되어 있어 효율적인 토지이용의 목적으로 이 방법을 사용하기는 어려울 것으로 판단된다. Catena 방법도 산사태 예측력에서 90% 이상의 높은 예측력을 보이며, 이에 비해 취약지 면적은 다른 방법에 비해 좁게 설정되는 것으로 나타났다. 비취약지들이 대부분 하천을 따라 나타나는 평탄지와 구릉지들 중심으로 수지상으로 연결되어 있는 것을 확인할 수 있다.
- 지형분류를 통한 산사태 예측평가에서 Catena 방법에 의한 지형분류가 다른 방법에 비해 활용도가 높은 것으로 나타났다. TPI방법은 비교한 세 개의 방법 중에서 산사태 발생지역 예측력이 가장 낮게 나타났으며, 지역 간의 예측력에서도 큰 차이를 보였다. 특히 산사태 취약지와 사용가능지를 분류한 결과가 지형의 특성을 적절하게 반영하지 못하고 있어, 산사태 예방의 효율성 측면에서 이 방법을 사용하기는 어려울 것으로 판단된다.
- TPI 방법은 Weiss(2001)가 처음 제시한 방법으로, 분석하고자 하는 셀의 고도와 인접한 셀의 평균고도와의 차이에 의해 값이 결정되며 이를 통해 특정 지역의 상대적 위치를 정량적으로 나타낼 수 있다. TPI의 결과가 양의 값이면 분석하려고 하는 셀이 주변 지역보다 높은 곳에 있다는 것을 의미하며, 음의 값이면 주변 지역보다 낮은 곳에 있다는 것을 의미한다. TPI의 값이 0에 가깝다면 이 셀은 평평하거나 조금 경사진 지역으로 분류할 수 있다.
- 각 지형분류법 간 호환성을 시각적으로 비교한 결과, 고도와 경사도가 큰 산지의 경우 전체적인 분류패턴이 유사하게 나타났으나 평지 혹은 계곡의 경우 분류방법 간 큰 차이를 보이는 것을 알 수 있었다(그림 3). Catena 방법의 경우 평지지역을 TPI와 Geomorphons에 비해 훨씬 다양하게 분류하고 있으나 사면유역지수를 구하는 알고리즘의 특성상 하천과 Toeslope의 형태가 각이 진 형태로 분류되어 실제 지형의 특성을 정확하게 반영하지 못한다는 한계가 존재한다.
- 그 결과 Geomorphons 방법에 의한 지형분류가 ‘산사태 예측력’에서 모든 지역에서 97% 이상을 보여 압도적으로 높은 예측력을 보이지만, 그 원인은 산사태 발생 가능여부를 다른 방법에 비해 넓게 설정하기 때문에 나타난 결과로 판단된다.
- 산사태 예측과 관련하여 각 지형분류방법 별 적합성을 평가하기 위해 ‘산사태 예측력’을 ‘취약지비율’로 나누어 각 지역별 값을 평균하였다(표 9). 그 결과,Catena 방법이 평균 1.20으로 가장 적합한 방법으로 평가되었으며 Geomorphons 방법이 평균 1.06으로 가장 낮은 적합도를 보였다. 또한, Catena 방법에 의한 지형분류는 Geomorphons 방법에 비해 ‘예측력’은 상대적으로 낮지만, 취약지와 비취약지들의 공간적인 연결성이 잘 나타나기 때문에 인간의 토지이용 가능성 측면에서도 다른 방법에 비해 적합한 방법으로 판단된다.
- 또한, Catena 방법에 의한 지형분류는 Geomorphons 방법에 비해 ‘예측력’은 상대적으로 낮지만, 취약지와 비취약지들의 공간적인 연결성이 잘 나타나기 때문에 인간의 토지이용 가능성 측면에서도 다른 방법에 비해 적합한 방법으로 판단된다.
- 분석 결과 가평의 최적 분석반경은 200m, 김천,횡성, 여주·이천의 최적 분석반경은 160m로 도출되었으며, 이 분석반경을 이용하여 지형을 분류하였다.
- 변동계수가 크다는 것은 특정 지형단위의 일치도가 높게 나타나 다른 지형단위들과의 분산이 커진 것으로, 지형 단위 간의 일치도가 상대적으로 높다는 것을 의미한다. 비교 결과, 몇 개의 지형단위에서 나타나는 TPI와 Geomorphons간의 유사성에도 불구하고 전체적으로는 특정한 패턴을 발견하기 어려웠다. 세 분류법 중 Catena와 TPI가 가장 높은 변동계수를 보이나, 앞서 언급했듯이 분류 단위의 불일치가 존재한다.
- 분류 결과에서 한 지형단위가 전체 산사태 발생지점을 20% 이상 예측한 경우는 Catena 방법의 Backslope(M)과 Shoulder(M), TPI방법의 Open Slope, 그리고 Geomorphons 방법의 Slope이 있다. 전체적으로 산사태가 발생하는 지형단위와 그렇지 않은 지형단위들이 명확하게 구분되는 특징을 보이며,특히 TPI방법의 경우 Open Slope에 대다수의 산사태가 집중되는 경향을 보인다.
- 종합적으로 판단하였을 때 Catena 방법은 Geomorphons방법에 비해 ‘예측력’은 상대적으로 낮지만 적합성이 가장 높게 나타났으며, 취약지의 공간적인 분포와 인간의 토지이용 가능성을 고려한다면 다른 방법에 비해 적합한 방법으로 판단된다.
- 지형단위들 간 일치도를 분석하여 호환성을 평가한 결과, TPI와 Geomorphons의 경우에는 몇 개의 지형단위의 분류 결과가 서로 중복되는 것을 알 수 있었다(표 5~7 참조). Geomorphons의 Flat은 99% 이상 TPI의 Plain으로 분류되며, Geomorphons의 Summit은 74.
- 지형분류를 통한 산사태 예측평가에서 Catena 방법에 의한 지형분류가 다른 방법에 비해 활용도가 높은 것으로 나타났다. TPI방법은 비교한 세 개의 방법 중에서 산사태 발생지역 예측력이 가장 낮게 나타났으며, 지역 간의 예측력에서도 큰 차이를 보였다.
- 가장 높은 분류 일치도를 가지는 것은 Catena의 Shoulder와 Geomorphons의 Ridge로, Geomorphons에서 Ridge로 분류된 경우 69% 정도가 Catena에서 Shoulder로 분류된다. 특히, Catena 방법과 Geomorphons 방법 사이에서 동일한 명칭을 사용하는 summit, shoulder, footslope의 경우 각각 63%, 16%, 그리고 2% 정도의 분류일치도 만을 보여, 각 분류법에서동일한 지형단위명이 서로 다른 의미로 사용된다는 것을 알 수 있다. Catena와 TPI는 몇몇 지형분류에서 높은 일치도를 보이나, TPI에서 요형으로 분류된 지형이 Catena의 철형 지형으로 나타나는 등 분류 단위의 불일치가 나타난다
후속연구
- 이 도표를 통해 각 지형분류법 간에는 지형단위들 간의 호환성이 상대적으로 낮다는 것을 알 수 있다. 이러한 결과는 사용하는 지형단위의 개념과 실제 분류하는 방법이 큰 차이를 보이기 때문인 것으로 판단되며, 지형분류법이 보다 광범위하게 사용되기 위해서는 지형분류법 간 지형단위의 명칭과 개념규정에 대한 보다 체계적인 논의가 필요할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.