최근 들어 집중호우로 인한 산사태 및 토석류 피해가 종종 발생하고 있다. 이에 따라 산사태 재해 예측에 관한 연구 중 산사태 민감도 분석과 토석류 위험도 분석 관련 연구는 활발하게 진행되어 왔지만, 사면 지역에 적용하기 적합한 전이 분석 관련 연구는 부족한 실정이다. 본 연구에서는 판별분석과 로지스틱 회귀 분석과 같은 통계적 방법을 이용하여 실제 토석류가 발생했던 지역에서 추출한 지형학적 인자, 지질학적 인자 등을 토대로 토석류 전이규준을 제시하였다. 10개의 지형학적 및 지질학적 인자가 독립변수로 사용되었으며 실제 466개소(비전이: 228개소, 전이: 238개소)의 토석류 비전이 및 전이 데이터가 수집되었다. 우선, Fisher의 판별 분석이 수행되었으며, 수행 결과 실제경우와 91.6%의 분류 정확도를 보였다. 하지만 전이와 비전이 두 그룹간의 공분산 동질성이 만족되지 않았으며 또한 독립변수들이 정규분포를 보이지도 않았다. 두 번째로 이항 로지스틱 회귀분석이 수행되었으며, 분석 결과 92.3%의 분류 정확도를 나타냈으며 모든 통계적 조건들도 유의하게 나타났다. 따라서 이항 로지스틱 회귀 분석을 이용한 전이 규준은 토석류 재해 발생 여부를 예측하는데 효과적으로 사용될 수 있을 것으로 판단된다.
최근 들어 집중호우로 인한 산사태 및 토석류 피해가 종종 발생하고 있다. 이에 따라 산사태 재해 예측에 관한 연구 중 산사태 민감도 분석과 토석류 위험도 분석 관련 연구는 활발하게 진행되어 왔지만, 사면 지역에 적용하기 적합한 전이 분석 관련 연구는 부족한 실정이다. 본 연구에서는 판별분석과 로지스틱 회귀 분석과 같은 통계적 방법을 이용하여 실제 토석류가 발생했던 지역에서 추출한 지형학적 인자, 지질학적 인자 등을 토대로 토석류 전이규준을 제시하였다. 10개의 지형학적 및 지질학적 인자가 독립변수로 사용되었으며 실제 466개소(비전이: 228개소, 전이: 238개소)의 토석류 비전이 및 전이 데이터가 수집되었다. 우선, Fisher의 판별 분석이 수행되었으며, 수행 결과 실제경우와 91.6%의 분류 정확도를 보였다. 하지만 전이와 비전이 두 그룹간의 공분산 동질성이 만족되지 않았으며 또한 독립변수들이 정규분포를 보이지도 않았다. 두 번째로 이항 로지스틱 회귀분석이 수행되었으며, 분석 결과 92.3%의 분류 정확도를 나타냈으며 모든 통계적 조건들도 유의하게 나타났다. 따라서 이항 로지스틱 회귀 분석을 이용한 전이 규준은 토석류 재해 발생 여부를 예측하는데 효과적으로 사용될 수 있을 것으로 판단된다.
Recently, landslide and debris-flow disasters caused by severe rain storms have frequently occurred. Many researches related to landslide susceptibility analysis and debris-flow hazard analysis have been conducted, but there are not many researches related to mobilization analysis for landslides tra...
Recently, landslide and debris-flow disasters caused by severe rain storms have frequently occurred. Many researches related to landslide susceptibility analysis and debris-flow hazard analysis have been conducted, but there are not many researches related to mobilization analysis for landslides transforming into debris-flow in slope areas. In this study, statistical analyses such as discriminant analysis and logistic regression analysis were conducted to develop a mobilization criterion using geomorphological and geological factors. Ten parameters of geomorphological and geological factors were used as independent variables, and 466 cases (228 non-mobilization cases and 238 mobilization cases) were investigated for the statistical analyses. First of all, Fisher's discriminant function was used for the mobilization criterion. It showed 91.6 percent in the accuracy of actual mobilization cases, but homogeneity condition of variance and covariance between non-mobilization and mobilization groups was not satisfied, and independent variables did not follow normal distribution, either. Second, binomial logistic analysis was conducted for the mobilization criterion. The result showed 92.3 percent in the accuracy of actual mobilization cases, and all assumptions for the logistic analysis were satisfied. Therefore, it can be concluded that the mobilization criterion for debris-flow using binomial logistic regression analysis can be effectively applied for the prediction of debris-flow hazard analysis.
Recently, landslide and debris-flow disasters caused by severe rain storms have frequently occurred. Many researches related to landslide susceptibility analysis and debris-flow hazard analysis have been conducted, but there are not many researches related to mobilization analysis for landslides transforming into debris-flow in slope areas. In this study, statistical analyses such as discriminant analysis and logistic regression analysis were conducted to develop a mobilization criterion using geomorphological and geological factors. Ten parameters of geomorphological and geological factors were used as independent variables, and 466 cases (228 non-mobilization cases and 238 mobilization cases) were investigated for the statistical analyses. First of all, Fisher's discriminant function was used for the mobilization criterion. It showed 91.6 percent in the accuracy of actual mobilization cases, but homogeneity condition of variance and covariance between non-mobilization and mobilization groups was not satisfied, and independent variables did not follow normal distribution, either. Second, binomial logistic analysis was conducted for the mobilization criterion. The result showed 92.3 percent in the accuracy of actual mobilization cases, and all assumptions for the logistic analysis were satisfied. Therefore, it can be concluded that the mobilization criterion for debris-flow using binomial logistic regression analysis can be effectively applied for the prediction of debris-flow hazard analysis.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
인자본 연구에서는 Kang et al.(2015)이 사용하였던 지형학적인 인자들을 사용하여 산사태 토석류 전이규준을 제시하고자 하였으며 이에 사용된 지형학적인 인자들은 아래와 같다.
하지만 위와 같은 방법들은 일반인들이 쉽게 사용할 수 있는 모델들이 아니며 필요한 인자들 또한 전문적인 지식과 이론에 의해서 구하여야 한다는 복잡함이 있다. 따라서 본 연구에서는 실제 토석류가 발생했던 지역(서울 우면산 일대, 경기도 용인, 광주, 여주, 이천, 강원도 춘천)에서 추출한 지형학적 인자와 지질학적 인자 등의 데이터를 근거로 통계적 분석 방법을 적용하여 사용자가 쉽게 적용할 수 있는 예측 성능이 개선된 산사태-토석류 전이규준을 제시하고자 하였다.
제안 방법
Wieczoreket al.(1997)은 토석류 발생지점의 사면곡률은 대체로 음수에 분포한다고 하였으며, 본 연구에서는 우리나라 지형에서의 사면곡률(curvature), 경사 방향에 대한 수직 방향의 사면곡률인 등고선구배곡률(plan curavture), 경사 방향과 평행한 방향의 사면곡률인 윤곽구배곡률(profile curvature)을 토석류 전이규준 관련 인자로 사용하였다. 위에서 설명된 세가지 곡률 모두 수치고도모델(DEM)을 이용하여 GIS 프로그램에서 공간분석 기능 중 하나인 ‘Curvature’를 통해 계산될 수 있다.
본 연구에서는 산사태에서 토석류로 전이되는 경우와 전이되지 않는 경우를 종속변수로 칭하였으며 종속변수의 경우 발생은 1 미발생은 0의 값으로 입력하였다. 또한 산사태 토석류 전이에 영향을 주는 10가지 인자들을 독립변수로 칭하였으며 독립변수가 많고, 두 가지 수준의 종속변수를 가질 때 적용될 수 있는 통계 분석 기법을 채택하였다.
산사태 발생 후 토석류로 전이되기 위해서는 충분한 위치에너지를 가져야한다. 본 연구에서는 각 유역의 출구점을 최저 고도로 설정한 후 유역 내 각 지점의 해발고도와의 차를 상대 고도(relative elevation)로 명명하였으며 이를 토석류 전이규준의 인자로 사용하였다.
확률론적 해석은 일반적으로 평균값, 표준편차, 분산계수 등을 파악하고, 자료의 분포특성을 고려하여 확률분포함수를 결정하는 지반 정수의 확률특성 분석의 단계와 이를 바탕으로 상태함수에 대한 확률론적 분석을 수행하는 확률론적 분석의 단계로 나뉠 수 있다. 본 연구에서는 산사태에서 토석류로 전이되는 경우와 전이되지 않는 경우를 종속변수로 칭하였으며 종속변수의 경우 발생은 1 미발생은 0의 값으로 입력하였다. 또한 산사태 토석류 전이에 영향을 주는 10가지 인자들을 독립변수로 칭하였으며 독립변수가 많고, 두 가지 수준의 종속변수를 가질 때 적용될 수 있는 통계 분석 기법을 채택하였다.
우리나라에서는 Varnes의 산사태 분류 중에서 slide(rotational & translational)와debris flow 형태의 붕괴가 주로 발생하고, rock fall 형태의 붕괴도 종종 발생한다. 본 연구에서는 산사태와 토석류 해석을 다루었으며, 산지 비탈면에서 강우에 의해 평면 또는 원호 파괴가 발생한 후 파괴된 토사물질이 산지 아래까지 흘러 내려오지 못한 경우를 산사태(landslide)로 명명하였고, 산사태로 인해 파괴된 토사물질이 물과 섞여 산지 아래까지 흘러 내려온 경우를 토석류(debris flow)로 명명하였다(Fig. 2).
본 연구에서는 판별분석과 로지스틱 회귀 분석과 같은 통계적 방법을 이용하여 실제 토석류가 발생했던 지역에서 추출한 지형학적 인자, 지질학적 인자 등을 토대로 산사태 토석류 전이규준을 제시하였으며 다음과 같은 결론을 얻을 수 있었다.
5m이다. 이에 따라 사면의 파괴 후 파괴 지점에서 이물질이 산지 아래까지 도달한 지점까지의 수평 거리가 50m 이상인 경우를 토석류, 50m 이내인 경우를 산사태로 구분하여 각각에 대한 발생지점의 위치 정보를 구축하였다.
5m이다. 이에 따라 사면의 파괴 후 파괴 지점에서 이물질이 산지 아래까지 도달한 지점까지의 수평 거리가 50m 이상인 경우를 토석류, 50m 이내인 경우를 산사태로 구분하여 각각에 대한 발생지점의 위치 정보를 구축하였다.
(2002)은 25∼30° 범위의 사면 경사에서 토석류 발생이 가장 빈번하게 일어난다고 하였으며, Brayshaw and Hassan(2009)은 23∼35° 범위의 사면 경사에서 토석류가 발생한다고 분석하였다. 이와 같이, 토석류 발생이 가능한 사면 경사는 다양한 범위를 가지며, 본 연구에서는 우리나라에 적용하기 적합한 전이규준 개발을 위해 사면 경사를 사용하였다.
사면파괴가 발생한 지점 중 토석류로 발전된 지점(토석류 발생지점)과 발전되지 못한 지점(산사태 발생지점)에서의 지형 자료를 추출하기 위해서는 산사태 및 토석류의 위치 정보를 포함하는 인벤토리 지도가 필요하다. 인벤토리 지도를 작성하기 위해 연구 지역의 관할 시청에서 제공받은 재해 대장의 정보를 기반으로 산사태 및 토석류 피해 발생 전에 촬영된 50cm 해상도의 항공사진과 발생 후에 촬영된 1m 해상도의 위성사진을 비교한 후, GIS 프로그램을 이용하여 산사태 발생지점과 토석류 발생지점 각각의 위치 정보를 포인트 형태로 구축하였다. 토석류 발생 지점의 퇴적 지점에서 사면 파괴까지의 높이는 35m 이상에 분포하고 있으며, Hutchinson(2002)의 기준을 토대로 계산된 퇴적 지점에서 사면 파괴 시점까지의 수평 거리는 45.
대상 데이터
(1) 우선 10개의 지형학적 및 지질학적 인자를 독립변수로 사용하여 실제 466개소(비전이: 228개소, 전이:238개소)의 토석류 비전이 및 전이 데이터가 수집되었다. 10개 인자들에 대한 데이터는 수치지도를 통해 수집되었으며 산사태에서 토석류로 전이되는지점에서의 지형자료는 인벤토리 지도를 통해 추출되었다.
본 연구에서는 Kang et al.(2015)이 구축한 10개의 인자들에 대한 데이터들을 그대로 토석류 전이규준 모델 개발에 사용하였다. 10개의 인자들은 국토지리정보원에서 제작한 1:5000 수치지도(digital map)를 통해 얻을 수 있으며 Fig.
(1) 우선 10개의 지형학적 및 지질학적 인자를 독립변수로 사용하여 실제 466개소(비전이: 228개소, 전이:238개소)의 토석류 비전이 및 전이 데이터가 수집되었다. 10개 인자들에 대한 데이터는 수치지도를 통해 수집되었으며 산사태에서 토석류로 전이되는지점에서의 지형자료는 인벤토리 지도를 통해 추출되었다. 사면의 파괴 후 파괴 지점에서 이물질이 산지 아래까지 도달한 지점까지의 수평 거리가 50m 이상인 경우를 토석류, 50m 이내인 경우를 산사태로 구분하여 각각에 대한 발생지점의 위치 정보를 구축하였다.
Fig. 4는 총 연구 대상 지역을 나타내며, 2011년 폭우로 인해 산사태 및 토석류 재해가 발생하여 큰 인명 피해가 발생하였던 서울 우면산 지역 및 경기도 용인시 일대와 최근 들어 산사태 및 토석류 재해가 빈번하게 발생하는 경기도 광주시, 이천시, 여주시 그리고 강원도 춘천시 일대를 연구 대상 지역으로 선정하였다.
데이터처리
다음으로 산사태 토석류 전이규준 모델 개발을 위해 역시 SPSS를 이용하여 이분형 로지스틱 회귀분석을 수행하였다. 앞에서 설명되었듯이 로지스틱 회귀분석의 경우 판별분석과는 다르게 독립변수의 정규분포성과 그룹 간 분산-공분산 행렬이 동질하다는 가정을 만족하지 않아도 된다.
독립변수들이 정규분포를 이루지 않았고 그룹간 동질성 분산-공분산 행렬의 동질성을 충족하지 못하였지만 SPSS를 이용하여 단계적 판별분석을 수행하였으며 Table 5는 판별분석 결과를 나타낸다. Wilk의 람다값이 0에 가까울수록 그룹 간 변산이 크고 그룹 내 변산이 작은 것을 뜻하며 유의확률이 0.
이에 대한 대안으로 이분형 로지스틱 회귀분석을 수행하였으며, 변수 변환 및 결합을 통해 독립변수들간의 다중공선성을 제거하였고 회귀분석에 사용된 모든 독립변수들이 유의확률 1% 범위 이내에서 종속변수에 유의한 영향을 끼쳤다. 또한 Hosmer and Lemeshow검정 결과도 통계적으로 유의하였으며 실제 경우와 92.3% 분류 정확도를 나타냈다. 따라서 통계 분석을 통해 산사태 토석류 전이 규준을 제시한 결과 통계적 가정 조건을 만족하지 못한 Fisher의 판별분석 결과 보다는 로지스틱 회귀분석 결과가 모든 통계적 가정 조건을 만족하였으며 아울러 보다 높은 예측률을 나타냄을 알 수 있었다.
우선 10개의 독립변수가 산사태 토석류 전이규준에 미치는 영향정도를 분석하기 위해 상관분석을 실시하였다. 분석을 위해 통계 분석 프로그램인 SPSS(statistical package for the social sciences) 21이 사용되었으며 Table 2는 10개의 변수들에 대한 통계량을 보여주고 있으며 Table 3은 상관분석 결과를 나타낸다. 사면경사를 제외한 모든 인자들이 유의확률 1% 범위에서 산사태 토석류 전이 여부에 영향을 끼친 것을 알 수 있으며 영향 정도는 SPI, STI, 등고선구배곡률 순으로 나타났다.
산사태 토석류 전이규준 모델 개발을 위해 SPSS를 이용하여 판별분석을 수행하였으며 사용된 인자와 데이터들이 판별분석의 가정조건을 만족하는지를 확인하였다. Table 4는 독립변수들의 정규성 검정 결과를 보여주고 있다.
우선 10개의 독립변수가 산사태 토석류 전이규준에 미치는 영향정도를 분석하기 위해 상관분석을 실시하였다. 분석을 위해 통계 분석 프로그램인 SPSS(statistical package for the social sciences) 21이 사용되었으며 Table 2는 10개의 변수들에 대한 통계량을 보여주고 있으며 Table 3은 상관분석 결과를 나타낸다.
하지만 판별분석의 중요한 가정 조건인 토석류로의 전이 비전이 두 그룹간의 공분산의 동질성이 만족되지 않았으며 또한 독립변수들이 정규분포를 보이지도 않았다. 이에 대한 대안으로 이분형 로지스틱 회귀분석을 수행하였으며, 변수 변환 및 결합을 통해 독립변수들간의 다중공선성을 제거하였고 회귀분석에 사용된 모든 독립변수들이 유의확률 1% 범위 이내에서 종속변수에 유의한 영향을 끼쳤다. 또한 Hosmer and Lemeshow검정 결과도 통계적으로 유의하였으며 실제 경우와 92.
성능/효과
(2) 10개의 독립변수가 산사태 토석류 전이규준에 미치는 영향정도를 분석하기 위해 상관분석을 실시한 결과 사면경사를 제외한 모든 인자들이 유의확률 1% 범위에서 산사태 토석류 전이 여부에 영향을 끼친 것을 알 수 있으며 영향 정도는 SPI, STI, 등고선구배곡률 순으로 나타났다. 또한 사면곡률, 등고선구배곡률 그리고 윤곽구배곡률은 서로 상관성이 높게 나타났으며 SPI, STI, TPI, TCI 인자들도 서로 간에 높은 상관성을 나타냈다.
(3) 산사태 토석류 전이규준을 제시하기 위하여 Fisher의 판별분석을 수행한 결과, 실제 경우와 91.6%의 분류 정확도를 보였다. 하지만 판별분석의 중요한 가정 조건인 토석류로의 전이 비전이 두 그룹간의 공분산의 동질성이 만족되지 않았으며 또한 독립변수들이 정규분포를 보이지도 않았다.
3% 분류 정확도를 나타냈다. 따라서 통계 분석을 통해 산사태 토석류 전이 규준을 제시한 결과 통계적 가정 조건을 만족하지 못한 Fisher의 판별분석 결과 보다는 로지스틱 회귀분석 결과가 모든 통계적 가정 조건을 만족하였으며 아울러 보다 높은 예측률을 나타냄을 알 수 있었다. 전이규준에 사용된 인자들도 사용자가 손쉽게 획득할 수 있으므로 본연구에서 로지스틱 회귀모형을 통해 제시한 산사태 토석류 전이규준 모델은 향후 토석류 재해 예방에 효과적으로 사용될 수 있을 것으로 판단된다.
, 2015). 또한 독립변수들간의 승산비(Exp(B))의 값 차이가 크지 않았으며 상대고도와 STIxSPIxTWI의 승산비는 1 이상으로 종속변수에 비례함을 알 수 있다. 로지스틱 회귀 모형의 적합도를 파악하기 위해서는 Hosmer and Lemeshow 검정이 필수적이다.
사면경사를 제외한 모든 인자들이 유의확률 1% 범위에서 산사태 토석류 전이 여부에 영향을 끼친 것을 알 수 있으며 영향 정도는 SPI, STI, 등고선구배곡률 순으로 나타났다. 또한 사면곡률, 등고선구배곡률 그리고 윤곽구배곡률은 서로 상관성이 높게 나타났으며 SPI, STI, TPI, TCI 인자들도 서로 간에 높은 상관성을 나타냈다.
5미만이면 전이되지 않았다는 것을 의미하며 Table 9는 이에 대한 로지스틱 회귀모형의 예측 정확도를 나타낸다. 본 연구에서 제시한 로지스틱 회귀분석은 92.3%의 예측률을 나타냈으며 Fisher의 판별분석보다 높은 예측률을 보였다.
분석을 위해 통계 분석 프로그램인 SPSS(statistical package for the social sciences) 21이 사용되었으며 Table 2는 10개의 변수들에 대한 통계량을 보여주고 있으며 Table 3은 상관분석 결과를 나타낸다. 사면경사를 제외한 모든 인자들이 유의확률 1% 범위에서 산사태 토석류 전이 여부에 영향을 끼친 것을 알 수 있으며 영향 정도는 SPI, STI, 등고선구배곡률 순으로 나타났다. 또한 사면곡률, 등고선구배곡률 그리고 윤곽구배곡률은 서로 상관성이 높게 나타났으며 SPI, STI, TPI, TCI 인자들도 서로 간에 높은 상관성을 나타냈다.
후속연구
전이규준에 사용된 인자들도 사용자가 손쉽게 획득할 수 있으므로 본연구에서 로지스틱 회귀모형을 통해 제시한 산사태 토석류 전이규준 모델은 향후 토석류 재해 예방에 효과적으로 사용될 수 있을 것으로 판단된다. 또한 향후 본 연구에서 적용되지 않은 지역의 데이터를 사용하여 본 전이 규준에 대한 검증작업도 필요할 것으로 판단되며 아울러 지반공학적인 인자들과 같은 다양한 인자들을 활용하여 전이 규준 모델을 보완 발전시켜 나가야 할 것으로 사료된다.
따라서 통계 분석을 통해 산사태 토석류 전이 규준을 제시한 결과 통계적 가정 조건을 만족하지 못한 Fisher의 판별분석 결과 보다는 로지스틱 회귀분석 결과가 모든 통계적 가정 조건을 만족하였으며 아울러 보다 높은 예측률을 나타냄을 알 수 있었다. 전이규준에 사용된 인자들도 사용자가 손쉽게 획득할 수 있으므로 본연구에서 로지스틱 회귀모형을 통해 제시한 산사태 토석류 전이규준 모델은 향후 토석류 재해 예방에 효과적으로 사용될 수 있을 것으로 판단된다. 또한 향후 본 연구에서 적용되지 않은 지역의 데이터를 사용하여 본 전이 규준에 대한 검증작업도 필요할 것으로 판단되며 아울러 지반공학적인 인자들과 같은 다양한 인자들을 활용하여 전이 규준 모델을 보완 발전시켜 나가야 할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
산사태는 무엇인가?
산사태는 포괄적으로 자연적 원인(집중호우, 지진, 화산 활동 등) 또는 인위적 원인(굴착 등과 같은 건설 공사)에 의해 산지 사면이 붕괴되어 흙과 돌, 그리고 여러 잔해들이 중력에 의해 무너져 내리는 현상을 총칭한다. 산사태는 파괴 유형, 구성 물질의 종류, 함수비 상태 그리고 흐름 속도 등에 따라 여러 가지로 분류된다.
지구의 기온이 증가함에 따라 생기는 영향은?
6°C 상승하였다(Board on Atmospheric Sciences and Climate(BASC),2011). 이와 같은 지속적인 기온의 상승은 집중호우, 폭설, 폭풍 등의 이상기후의 발생률 증가에 큰 영향을 끼친다. 우리나라는 동아시아 지역에 위치하고 있으며, 동아시아 지역은 복잡한 지리적 특성으로 인해 기후 변동성이 크다.
지구 온난화 현상의 주 원인은?
산업 혁명 이래 전 세계적으로 급속한 산업 발달이 이루어졌으며, 이로 인해 수증기, 이산화탄소, 메탄 등 온실가스 배출량이 증가하였다. 온실가스는 지구 온난화 현상의 주 원인이며, 19세기 후반부터 온실 가스로 인해 지구의 기온은 꾸준히 증가하고 있다(Berti et al.,1999; Montrasio et al.
참고문헌 (40)
Ahn, H. (2012), "A Logistic Regression Analysis of Two-way Binary Attribute Data", Journal of the Society of Korea Industrial and Systems Engineering, Vol.35, No.3, pp.118-128.
Berti, M., Genevois, R., Simoni, A., and Tecca, P. R. (1999), "Field Observations of a Debris Flow Event in the Dolomites", Geomorphology, Vol.29, pp.265-274.
Caine, N. (1980), "The Rainfall Intensity-duration Control of Shallow Landslides and Debris Flows", Geogr. Ann., A62, pp.23-27.
Campbell, R. H. (1975), "Soil Slips, Debris Flows, and Rainstorms in the Santa Monica Mountains and Vicinity, Southern California", Professional Paper 851, U.S. Geologic Survey, Washington, D.C.
Chen, C. Y. and Yu, F. C. (2011), "Morphometric Analysis of Debris Flows and Their Source Areas Using GIS", Geomorphology, Vol. 129, pp.387-397.
Choi, E. K., Kim, S. W., Lee, Y. C., Lee, K. H., and Kim, I. S. (2013), "Analyzing the Disaster Vulnerability of Mt. Baekdusan Area using Terrain Factors", Journal of the Korean Earth Science Society, Vol.34, No.7, pp.605-614.
Cokluk, O. (2010), "Logistic Regression : Concept and Application", Theory and Practice, Vol.10, No.3. pp.1397-1407.
Griswold, J. P. and Iverson, R. M., (2008), "Mobility and Statistics and Automated Hazard Mapping for Debris Flows and Rock Avalanches", U.S. Geological Survey Scientific Investigations Report, 2007-5276.
Hosmer, D. W. and Lemeshow, S. (2005), "Applied Logistic Regression", Second Edition, John Wiley &Sons, Incorporation.
Hutchinson, J. N. (2002), Chalk flows from the coastal cliffs of northwest Europe, Reviews in Engineering Geology, 15, 257-302.
Iverson, R. M., Reid, M. E., and Lahusen, R. G. (1997), "Debris-flow Mobilization from Landslides", Annual Review of Earth and Planetary Sciences, 25, pp.85-138.
Jeon, K. H., Lee, S. R., and Oh, G. D. (2010), "Probabilistic Analysis of Unsaturated Soil Properties for Korean Weathered Granite Soil", 24th KKCNN Symposium on Civil Engineering, Hyogo, Japan.
Johnson, A. M. (1965), "A Model for Debris Flow", Ph.D Thesis, Pennsylvania State Univ., Pennsylvania, America.
Johnson, A. M. and Rodine, J. R. (1984), "Debris Flow", In: Brunsden, D., Prior, D. B.(Editors), Slope Instability, Wiley, Chichestr, UK, pp.257-361.
Kang, S. H,, Lee, S. R., Nikhil, V. V., and Park, J. Y. (2015), "Analysis of Differences in Geomorphological Characteristics on Initiation of Landslides and Debris flows", Journal of Korean Society of Hazard Mitigation, Vol.15, No.2, pp.1-10.
Kim, H. C. (2013), "Statistical Analysis by Self-study", Hakjisa Publishing Corporation.
Korea Institute of Geoscience and Mineral Resources (2008), "Development of landslide prediction technology and damage mitigation countermeasures", pp.124-132.
Lee, I. H. (2014), "Easy Flow Regression Analysis", Hannarae Publishing Corporation.
Lee, S. W., Kim, G. H., Yune, C. Y., Ryu, H. J., and Hong, S. J. (2012), "Development of Landslide-risk Prediction Model Through Database Construction", Journal of Korean Geotechnical Society, Vol.28, No.4, pp.23-33.
Lorente, A., Garcia-Ruiz, J. M., Begueria, S., and Arnaez, J. (2002), "Factors Explaining the Spatial Distribution of Hillslope Debris Flows", Mountain Research and Development, Vol.22, No.1, pp.32-39.
Montrasio, L., Valentino, R., and Losi, G. L. (2011), "Towards a Real-time Susceptibility Assessment of Rainfall-induced Shallow Landslides on a Regional Scale", Natural Hazards Earth Systesm, Vol.11, pp.1927-1947.
Moore, I. D. and Wilson, J. P. (1992), "Length-slope Factors for the Revised Universal Soil Loss Equation: Simplified Method of estimation", Journal of soil and water conservation, 47, pp.423-428.
Oh, H. J. (2010), "Landslide Detection and Landslide Susceptibility Mapping using Aerial Photos and Artificial Neural Networks", Korean journal of remote sensing, Vol.26, No.1, pp.47-57.
Park, D. W. (2014), "Simulation of Landslides and Debris-flows at Regional Scale using Coupled Model", M.S. Thesis, Korea Advanced Institute of Science and Technology, Korea.
Park, D. W., Lee, S. R., Nikhil, N. V., Yoon, S., and Go, G. H. (2014), "Quantitative Assessment of Landslide Susceptibility on a Regional Scale using Geotechnical Databases Developed from GIS-based Maps", Disaster Advances, Vol.7, No.5, pp.25-38.
Phoon, K. K., Santoso, A., and Quek, S. T. (2010), "Probabilistic Analysis of Soil-water Characteristic Curves", ASCE Journal of Geotechnical and Geoenvironmental Engineering, Vol.136, No.3, pp.445-455.
Rickenmann, D. and Zimmermann, M. (1993), "The 1987 Debris Flows in Switzerland: Documentation and Analysis", Geomorphology, Vol.8, No.2-3, pp.175-189.
Ryu, H. J., Shin, J. H., Seo, H. S., Kim, K. H., and Lee, S. W. (2012), "A Model for Evaluation of Debris Flow Risk in a Watershed", Journal of korean society of hazard mitigation, Vol.12, No.4, pp. 66-76.
Shapiro, S. S. and Wilk, M. B. (1965), "An Analysis of Variance Test for Normality (complete samples)", Biometrika, Vol.52, pp. 591-611.
Takahashi, T. (1978), "Mechanical Characteristics of Debris Flow", Journal of the Hydraulic Division, Vol.104, pp.1153-1169.
Takahshi, T. (1981), "Estimation of Potential Debris Flows and Their Hazardous Zones: Soft countermeasures for a disaster", Journal of Natural Disaster Science, Vol.3, No.1, pp.57-89.
Van Dine, D. (1996), "Debris Flow Control Structures for Forest Engineering", Research Branch, Ministry of Forests, Victoria, BC Working Pater 22/1996.
Varnes, D. J. (1978), "Slope Movements, Type and Processes", In: Schuster, R. L., Krizek, R. J. (Editors), Landslides Analysis and Control, Special Report 176: Transportation Research Board, National Academy of Sciences, Washington, D.C., pp.11-33.
Wieczorek, G. F., Mandrone, G., and Decola, L. (1997), "The Influence of Hillslope Shape on Debris-Flow Initiation", In: ASCE (editor), First International Conference Water Resources Engineering Division, SanFrancisco, CA, 21-31.
Yoon, S., Lee, S. R., Kim, Y. T., and Go, G. H. (2015), "Estimation of Saturated Hydraulic Conductivity of Korean Weathered Granite Soils Using a Regression Analysis", Geomechanics and Engineering, accepted.
Zou, G. (2004), "A Modified Poisson Regression Approach to Prospective Studies with Binary Data", American Journal of Epidemiology, Vol.159, No.7, pp.702-706.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.