우리나라는 여름철 강수량이 연 강수량의 약 70% 이상을 차지하고 일 강우량이 200 mm가 넘는 극한강우가 증가하고 있다. 강우는 산사태를 유발하는 가장 직접적인 인자로서 이를 활용한 산사태 발생 예측 기준을 설정하고 경보를 발령하여 산사태로 인한 피해를 최소화 하는 것이 필요하다. 본 연구에서는 기존의 발생한 산사태이력 중 발생시점 및 장소가 분명한 12개소를 선정하고 각 지역의 강우데이터를 수집하여 분석하였으며, RTI (Rainfall TriggeringIndex) 모델에 사용된 각 인자들을 한국의 산사태 유발 강우특성에 따라 적정성을 검토하여 반영하고 강우강도의 단위시간을 달리한 3가지 모델을 비교하였다. 분석결과, 60-minutes RTI 모델은 3개소에서 산사태 발생 예측에 실패하였으며, 30-minutes RTI 모델 및 10-minutes RTI 모델은 모두 사전예측 가능하였다. 각 모델별 산사태 발생 경보에 따른 평균 대응시간은 60-minutes RTI model이 4.04시간, 30-minutes RTI model과 10-minutes RTI model은 각각 6.08과 9.15시간으로 단위시간이 짧은 강우강도를 사용한 RTI 모델이 산사태 사전예측실패 가능성이 적고 보다 긴 대응시간을 확보 할 수 있는 것으로 나타났다. 이를 통해 산사태 발생 예측을 통한 대응시간은 단위시간을 세분화한 모델일수록 더 많은 시간을 확보 할 수 있음을 알 수 있다. 또한, 단시간 내 발생하는 변동성이 큰 강우강도 가진 한국의 강우특성을 고려할 때 시간 단위 이하의 강우강도를 적용하는 것이 RTI 모델을 통한 산사태 예측과 조기경보시스템의 정확도를 높일 수 있을 것으로 판단된다.
우리나라는 여름철 강수량이 연 강수량의 약 70% 이상을 차지하고 일 강우량이 200 mm가 넘는 극한강우가 증가하고 있다. 강우는 산사태를 유발하는 가장 직접적인 인자로서 이를 활용한 산사태 발생 예측 기준을 설정하고 경보를 발령하여 산사태로 인한 피해를 최소화 하는 것이 필요하다. 본 연구에서는 기존의 발생한 산사태이력 중 발생시점 및 장소가 분명한 12개소를 선정하고 각 지역의 강우데이터를 수집하여 분석하였으며, RTI (Rainfall Triggering Index) 모델에 사용된 각 인자들을 한국의 산사태 유발 강우특성에 따라 적정성을 검토하여 반영하고 강우강도의 단위시간을 달리한 3가지 모델을 비교하였다. 분석결과, 60-minutes RTI 모델은 3개소에서 산사태 발생 예측에 실패하였으며, 30-minutes RTI 모델 및 10-minutes RTI 모델은 모두 사전예측 가능하였다. 각 모델별 산사태 발생 경보에 따른 평균 대응시간은 60-minutes RTI model이 4.04시간, 30-minutes RTI model과 10-minutes RTI model은 각각 6.08과 9.15시간으로 단위시간이 짧은 강우강도를 사용한 RTI 모델이 산사태 사전예측실패 가능성이 적고 보다 긴 대응시간을 확보 할 수 있는 것으로 나타났다. 이를 통해 산사태 발생 예측을 통한 대응시간은 단위시간을 세분화한 모델일수록 더 많은 시간을 확보 할 수 있음을 알 수 있다. 또한, 단시간 내 발생하는 변동성이 큰 강우강도 가진 한국의 강우특성을 고려할 때 시간 단위 이하의 강우강도를 적용하는 것이 RTI 모델을 통한 산사태 예측과 조기경보시스템의 정확도를 높일 수 있을 것으로 판단된다.
In Korea, 70% of the annual rainfall falls in summer, and the number of days of extreme rainfall (over 200 mm) is increasing over time. Because rainfall is the most important trigger of landslides, it is necessary to decide a rainfall threshold for landslide warning and to develop a landslide warnin...
In Korea, 70% of the annual rainfall falls in summer, and the number of days of extreme rainfall (over 200 mm) is increasing over time. Because rainfall is the most important trigger of landslides, it is necessary to decide a rainfall threshold for landslide warning and to develop a landslide warning model. This study selected 12 study areas that contained landslides with exactly known triggering times and locations, and also rainfall data. The feasibility of applying a Rainfall Triggering Index (RTI) to Korea is analyzed, and three RTI models that consider different time units for rainfall intensity are compared. The analyses show that the 60-minute RTI model failed to predict landslides in three of the study areas, while both the 30- and 10-minute RTI models gave successful predictions for all of the study areas. Each RTI model showed different mean response times to landslide warning: 4.04 hours in the 60-minute RTI model, 6.08 hours in the 30-minute RTI model, and 9.15 hours in the 10-minute RTI model. Longer response times to landslides were possible using models that considered rainfall intensity for shorter periods of time. Considering the large variations in rainfall intensity that may occur within short periods in Korea, it is possible to increase the accuracy of prediction, and thereby improve the early warning of landslides, using a RTI model that considers rainfall intensity for periods of less than 1 hour.
In Korea, 70% of the annual rainfall falls in summer, and the number of days of extreme rainfall (over 200 mm) is increasing over time. Because rainfall is the most important trigger of landslides, it is necessary to decide a rainfall threshold for landslide warning and to develop a landslide warning model. This study selected 12 study areas that contained landslides with exactly known triggering times and locations, and also rainfall data. The feasibility of applying a Rainfall Triggering Index (RTI) to Korea is analyzed, and three RTI models that consider different time units for rainfall intensity are compared. The analyses show that the 60-minute RTI model failed to predict landslides in three of the study areas, while both the 30- and 10-minute RTI models gave successful predictions for all of the study areas. Each RTI model showed different mean response times to landslide warning: 4.04 hours in the 60-minute RTI model, 6.08 hours in the 30-minute RTI model, and 9.15 hours in the 10-minute RTI model. Longer response times to landslides were possible using models that considered rainfall intensity for shorter periods of time. Considering the large variations in rainfall intensity that may occur within short periods in Korea, it is possible to increase the accuracy of prediction, and thereby improve the early warning of landslides, using a RTI model that considers rainfall intensity for periods of less than 1 hour.
본 연구에서는 1998년부터 2011년동안 국내에서 발생한 산사태지역의 강우자료를 분석하고 RTI 모델을 활용하여 사전 예측 가능성 평가를 수행 하였다. 또한, 한국 강우특성을 고려하여 RTI 분석에 사용된 각 인자별 적정성을 검토하고, 산사태 사전예측에 대한 한국형 RTI 모델의 개선방향을 제안하고자 하였다.
본 분석의 목적은 단시간 내에 발생하는 집중호우로 인한 산사태 특성을 반영하고 시간단위로 설정된 예측 기준과 그 이하의 시간단위를 활용한 RTI분석 결과를 비교하여 국내 강우환경에 적합한 강우강도 시간간격 및 RTI 모델을 제시하고자 함이다. 따라서, 본 연구에서는 강우강도 설정을 3종류로 분류하여 RTI 모델에 적용하였다: (1) 연속 강우에서 60분 누적강우량을 지속시간으로 나눈 10분 단위 평균 강우 강도(60-minutes RTI model), (2) 연속강우에서 30분 누적강우량을 지속시간으로 나눈 10분 단위 평균 강우강도(30-minutes RTI model), (3) 실제 관측된 10분 단위 강우강도(10-minutes RTI model).
본 분석의 목적은 산사태를 조기에 예측하여 사전경보를 통해 산사태 예상지역 주민들의 대피시간을 확보하고 피해를 최소화하기 위함이다. 따라서 기존에 산사태 발생지역의 실시간 RTI 분석을 통해 경보시점부터 발생시점까지의 지연시간을 대피 혹은 준비태세에 대한 대응 시간으로 정의하고 실효적인 대응 시간을 확보하는 것이 중요하다.
본 연구에서는 1998년부터 2011년동안 국내에서 발생한 산사태지역의 강우자료를 분석하고 RTI 모델을 활용하여 사전 예측 가능성 평가를 수행 하였다. 또한, 한국 강우특성을 고려하여 RTI 분석에 사용된 각 인자별 적정성을 검토하고, 산사태 사전예측에 대한 한국형 RTI 모델의 개선방향을 제안하고자 하였다.
본 연구의 목적은 단계별 산사태 발생경보 뿐만 아니라 피해예상 지역에 대한 실효적인 대응시간을 확보할 수 있는 방법을 제안하기 위한 것이다. 앞서 강우강도에 따른 RTI 모델 분석결과에서 언급하였듯이 1시간 단위의 평균강우강도 개념을 적용한 모델에서는 산사태 발생예측에 실패하거나 발생 이후에 경보기준을 상회하는 결과를 보이므로 국내 적용에 있어 다소 어려움이 있다.
제안 방법
각 강우사상의 강우데이터로부터 산사태 발생 확률에 따른 RTI 기준선을 산정하고 각 모델별 조건에 따라 산사태 발생 잠재성을 평가하게 된다. 강우기간 내에서 발생한 실시간 강우사상에 대한 RTI 값이 RTI10 기준 이하일 때 발생확률은 10% 이하로 결정할 수 있고 RTI90 기준선을 상회할 경우 90% 이상의 발생 잠재 가능성을 있는 것으로 평가 할 수 있다.
앞서 제시한 산사태 발생예측 기준, 즉 RTI70 기준을 초과하는 시점을 1차 경보로 하고 RTI90 기준선을 초과하는 시점을 2차 경보로 설정하였다. 국내의 산사태 발생 지역 12개소에 대해 강우사상 동안 실시간으로 RTI 값을 평가하고 산사태 발생확률 기준선에 따라 1차 및 2차 경보시점을 예측하여 산사태 발생까지 걸리는 시간을 계산하였다. 본 분석에서는 강우강도 단위시간을 10분으로 설정하고 실제 강우관측자료(10-minutes RTI model)와 평균강우강도 개념(30-minutes RTI model, 60-minutes RTI model)을 사용한 모델로 분류하여 각 모델에 따른 산사태 발생 조기 탐지 가능성 및 경보이후 대응시간을 비교하였다.
본 분석의 목적은 단시간 내에 발생하는 집중호우로 인한 산사태 특성을 반영하고 시간단위로 설정된 예측 기준과 그 이하의 시간단위를 활용한 RTI분석 결과를 비교하여 국내 강우환경에 적합한 강우강도 시간간격 및 RTI 모델을 제시하고자 함이다. 따라서, 본 연구에서는 강우강도 설정을 3종류로 분류하여 RTI 모델에 적용하였다: (1) 연속 강우에서 60분 누적강우량을 지속시간으로 나눈 10분 단위 평균 강우 강도(60-minutes RTI model), (2) 연속강우에서 30분 누적강우량을 지속시간으로 나눈 10분 단위 평균 강우강도(30-minutes RTI model), (3) 실제 관측된 10분 단위 강우강도(10-minutes RTI model).
국내의 산사태 발생 지역 12개소에 대해 강우사상 동안 실시간으로 RTI 값을 평가하고 산사태 발생확률 기준선에 따라 1차 및 2차 경보시점을 예측하여 산사태 발생까지 걸리는 시간을 계산하였다. 본 분석에서는 강우강도 단위시간을 10분으로 설정하고 실제 강우관측자료(10-minutes RTI model)와 평균강우강도 개념(30-minutes RTI model, 60-minutes RTI model)을 사용한 모델로 분류하여 각 모델에 따른 산사태 발생 조기 탐지 가능성 및 경보이후 대응시간을 비교하였다.
본 연구에서는 RTI70 기준선을 초과하는 시점을 1번째 경보발령시점, RTI90 기준선을 초과하는 시점을 2번째 경보발령 시점으로 설정하였다. 이는 강우 발생에 따른 산사태 발생 예측 기준을 70% 미만으로 설정하게 될 경우, 안정측으로 설정되어 잦은 경보 발령으로 혼란을 야기할 수 있다.
본 연구에서는 기존에 국내에서 발생한 산사태 중 발생시간 정보가 정확한 12개소 산사태 유발강우 특성을 검토하고, 실시간 산사태 발생예측 기법인 RTI 모델을 적용하기 위해 기존모델의 강우인자를 수정하여 분석에 사용하였다. 국내의 산사태 유발 강우특성은 강우사상 기간 동안 발생한 총 강우량의 65% 이상이 산사태 발생 시점까지 발생한다.
본 연구에서는 집중강우 또는 극한강우에 의해 발생하는 국내의 산사태 특성을 고려하고 기존에 발생한 산사태 지역의 강우자료를 분석하여 RTI 모델을 수정하고 사전예측 가능성을 평가하였다. 앞서 제시한 산사태 발생예측 기준, 즉 RTI70 기준을 초과하는 시점을 1차 경보로 하고 RTI90 기준선을 초과하는 시점을 2차 경보로 설정하였다.
국내의 산사태 유발 강우특성은 강우사상 기간 동안 발생한 총 강우량의 65% 이상이 산사태 발생 시점까지 발생한다. 이러한 단시간의 큰 변동을 가지는 강우특성과 한국 산사면 토층의 원활한 배수특성을 반영하기 위해 RTI 분석인자인 강우강도를 기존의 단위시간, 30분, 및 10분 간격으로 세분화하고, 선행강우에 대한 효과를 고려하기 위해 강우사상 시점 이전 2일간의 강우를 사용하였다. 60-minute RTI model에서는 12개소 중 산사태 사전예측이 불가능한 지역과 산사태 발생 이후 발생기준을 초과하는 지역을 포함한 3개소에서 사전경보 발령에 실패하였다.
대상 데이터
강우자료는 Fig. 2와 같이 산사태 발생지점과 가장 인접한 자동강우관측소(AWS)를 최소 2개 이상 복수로 선택하고, 결측 및 오측이 없는 10분 단위 강우자료를 활용하였다. Table 1은 분석에 사용된 산사태 발생지역에 대한 발생시간, 위치 및 강우자료 수집에 사용된 강우관측소를 보여준다.
산사태 유발강우 분석을 통한 RTI경보 기법 적용을 위해서는 먼저 기존에 발생한 산사태 자료를 수집하고, 해당지역의 강우 및 지질학적 특성을 반영할 수 있는 신뢰성 높은 자료가 필요하다. 본 연구에서는 우리나라에서 발생한 기존의 산사태 발생이력 중 발생시점, 지역 등이 비교적 명확하고 발생장소 인근에 강우관측소가 존재하는 12개소를 선정했다(Fig. 1).
이론/모형
RTI50 값 결정을 위해 Weibul 경험식을 사용하였으며, 이를 수행하기 위해서 연구지역의 산사태 발생 시점의 RTI 값을 내림차순으로 정리하고 아래의 식을 이용하여 초과확률 P를 식 (15)로 결정할 수 있다.
국내에서 발생한 대부분의 산사태는 우기에 나타나는 국지성 집중호우 기간에 나타나므로, 본 연구에서 사용한 강우사상 설정은 Jan and Lee (2006)가 분류한 강우사상 정의 기법 중 Fig. 3의 방법으로 정의하였다.
이는 강우 발생에 따른 산사태 발생 예측 기준을 70% 미만으로 설정하게 될 경우, 안정측으로 설정되어 잦은 경보 발령으로 혼란을 야기할 수 있다. 또한 RTI 모델은 실시간 산사태 예·경보를 목적으로 하는 평가기법으로서 첫번째 사전감지 이후, 피해 발생에 대한 최소 대책시간 확보를 위해 RTI90 기준선을 최종 경보 기준으로 설정하였다.
발생경보 기준선 설정을 위해 Tables 5~7의 각 개소의 산사태 발생시점의 RTI 값 대하여 Weibul 경험식으로부터 중간값을 산사태 발생확률 50% 기준으로 사용한다. 본 연구지역의 산사태 발생확률에 따른 RTI 기준값을 강우강도 모델에 따라 Table 9에 나타내었고, 실시간으로 평가할 수 있는 확률 기준선을 분포를 Fig.
성능/효과
00 hr로 나타났다. 30-minute RTI model 결과에서는 산사태 발생 이전 사전경보 감지가 모두 가능하고 1차 대응시간은 모두 확보되지만, 2개소(장전리, 구포동)에서는 2차 경보발령 없이 산사태가 발생하는 것으로 나타났다. 반면, 10-minute RTI model에서는 산사태 발생 이전 1,2차 경보 작동이 가능하였으며, 다른 모델에 비해 긴 대응시간을 확보 할 수 있는 것으로 나타났다.
60-minute RTI model에서는 12개소 중 산사태 사전예측이 불가능한 지역과 산사태 발생 이후 발생기준을 초과하는 지역을 포함한 3개소에서 사전경보 발령에 실패하였다. 30-minute RTI model의 경우 1차 경보 발령은 모두 가능하였으나 2개소에서 2차 경보 발령 없이 산사태가 발생한 반면, 10-minute RTI model은 단계별 사전경보 발령이 모두 가능한 것으로 나타났다. 각 모델별 산사태 발생 경보에 따른 평균 대응시간은 60-minute RTI model이 4.
이러한 단시간의 큰 변동을 가지는 강우특성과 한국 산사면 토층의 원활한 배수특성을 반영하기 위해 RTI 분석인자인 강우강도를 기존의 단위시간, 30분, 및 10분 간격으로 세분화하고, 선행강우에 대한 효과를 고려하기 위해 강우사상 시점 이전 2일간의 강우를 사용하였다. 60-minute RTI model에서는 12개소 중 산사태 사전예측이 불가능한 지역과 산사태 발생 이후 발생기준을 초과하는 지역을 포함한 3개소에서 사전경보 발령에 실패하였다. 30-minute RTI model의 경우 1차 경보 발령은 모두 가능하였으나 2개소에서 2차 경보 발령 없이 산사태가 발생한 반면, 10-minute RTI model은 단계별 사전경보 발령이 모두 가능한 것으로 나타났다.
30-minute RTI model의 경우 1차 경보 발령은 모두 가능하였으나 2개소에서 2차 경보 발령 없이 산사태가 발생한 반면, 10-minute RTI model은 단계별 사전경보 발령이 모두 가능한 것으로 나타났다. 각 모델별 산사태 발생 경보에 따른 평균 대응시간은 60-minute RTI model이 4.04시간, 30-minute RTI model과 10-minute RTI model은 각각 6.08과 9.15시간으로 단위시간이 짧은 강우강도를 사용한 RTI 모델이 산사태 사전 예측 실패 가능성이 적고 보다 긴 대응시간을 확보 할 수 있는 것으로 나타났다. 이는 산사태 발생에 민감한 국내의 강우특성이 반영된 결과로 판단되며, 향후 국내 산사태 예·경보 시스템의 정확도 및 실시간 예측기법 향상에 기여할 수 있을 것으로 생각할 수 있고, 산사태 발생지역의 정확한 정보 축척과 선행강우 감쇠효과에 대한 추가연구를 통해 수정 보완할 필요가 있다.
각 강우사상의 강우데이터로부터 산사태 발생 확률에 따른 RTI 기준선을 산정하고 각 모델별 조건에 따라 산사태 발생 잠재성을 평가하게 된다. 강우기간 내에서 발생한 실시간 강우사상에 대한 RTI 값이 RTI10 기준 이하일 때 발생확률은 10% 이하로 결정할 수 있고 RTI90 기준선을 상회할 경우 90% 이상의 발생 잠재 가능성을 있는 것으로 평가 할 수 있다.
강우사상 기간 내 산사태 발생 시점에 가까워질수록 초과확률이 증가한다는 것은 일정 산사태의 발생예측 가능 유효 누적강우량 조건하에서 평균강우강도를 사용할 경우 예측이 불가 하거나 경보시점이 늦어질 가능성이 존재하며, 변동성이 큰 강우사상을 정확하게 반영하는 것이 어렵다. 따라서 실제 10분 단위 관측값을 사용하는 것이 RTI 모델에 정확성을 높이고 적정한 선행 예보시간을 도출하여 피해대책을 위한 대응시간 확보에 매우 효과적일 것으로 판단된다.
본 분석에 사용된 연구지역의 강우사상 기간을 보면 최소 14시간(구포3동)에서 31시간(남양동)으로 단기간에 집중된 형태를 보이며, 시간당 최대강우량이 나타는 시점 전·후에 산사태가 발생하는 것으로 나타났다. Table 2를 보면 구포동을 제외한 11개소에서 강우사상 내에서 발생한 총 강우량의 65% 이상이 산사태 발생시점 까지 발생한 것으로 볼 때 집중호우의 영향이 매우 크게 작용하였을 것으로 판단된다.
특히 강우강도는 산사태를 유발하는 강우사상의 특성을 설명 할 수 있는 인자이며 여러 산사태 발생 예측모델에 공통적으로 사용된다. 본 연구 결과, 강우강도의 단위시간 설정에 따라 그 결과가 상이하게 나타나며, 짧은 단위시간의 강우강도를 사용할 경우 좀 더 산사태 발생 예측 가능성이 높아지는 것을 볼 수 있다. 특히 단시간 내의 극한강우 발생이 증가하는 현상에 비춰볼 때 발생예측 시간간격을 더 세분화하고 선행 예보시간을 좀 더 확보해야 한다.
분석결과, 60-minutes RTI model의 경우 1개소에서 산사태 발생 이전에 사전 예측을 할 수 없는 것으로 나타났으며, 2개소에는 산사태 발생 이후에 RTI 값이 경보기준을 초과하는 결과를 보였다. 반면 30-minutes RTI model과 10-minutes RTI model의 경우 모든 개소에서 산사태 조기 감지가 가능하였으나 30-minutes RTI model에서는 1차 경보 이후 2차 경보가 발령되지 않는 곳이 2개소로 나타났다.
0 mm로 상대적으로 적은 양을 보인다. 즉, 단기간 내에 발생하는 집중강우에 의한 산사태발생 예측은 1시간 단위 강우량의 사용만으로 산사태 발생을 조기에 예측하는 것이 어렵다는 것을 의미하고 보다 정확한 예측을 위해서는 1시간 단위 이하의 상세한 강우강도를 고려하는 것이 보다 효율적인 방법임을 알 수 있다. Figs.
후속연구
국내의 산사태 유발 강우에 대한 연구는 주로 강우특성을 반영하는 여러 요소 즉, 강우강도, 선행강우, 발생당일 강우량, 강우지속 시간, 연속강우량의 개념 등을 활용한 산사태 발생 예측 연구가 주로 수행되어 왔으며, 산사태 발생 경보를 위한 기준은 산림청과 국립재난안전연구원의 강우개념을 기초로 한 시스템이 유일하다. 그러나, 최근 한국에서 발생하는 산사태는 짧은 지속시간에 큰 강우강도를 갖는 국지성 집중호우 조건에서 빈번하게 발생하므로 산사태 발생 가능성 뿐만 아니라 강우 지속시간에 따른 실시간 평가를 통해 실질적인 대응시간을 확보하고, 인명피해를 최소화하기 위한 시간적 예측이 필요하다.
15시간으로 단위시간이 짧은 강우강도를 사용한 RTI 모델이 산사태 사전 예측 실패 가능성이 적고 보다 긴 대응시간을 확보 할 수 있는 것으로 나타났다. 이는 산사태 발생에 민감한 국내의 강우특성이 반영된 결과로 판단되며, 향후 국내 산사태 예·경보 시스템의 정확도 및 실시간 예측기법 향상에 기여할 수 있을 것으로 생각할 수 있고, 산사태 발생지역의 정확한 정보 축척과 선행강우 감쇠효과에 대한 추가연구를 통해 수정 보완할 필요가 있다.
참고문헌 (45)
Aleotti, P., 2004, A warning system of rainfall-induced shallow failure, Engineering Geology, 73(3-4), 247-265.
Brand, E. W., 1984, Landslides in Southeast Asia: A state-of-art report, Proc., 4th Int. Symp. on Landslides, Canadian Geotechnical Society, Toronto, 17-59.
Bruce, J. P. and Clark, R. H., 1966, Introduction to Hydrometeorology, Pergamon Press, Oxford UK, 317.
Caine, N., 1980, The rainfall intensity-duration control of shallow landslides and debris ows, Geografiska Annaler. Sereis A, Physical Geography, 62, 23-27.
Campbell, R. H., 1975, Soil slips, debris flows, and rainstorms in the Santa Monica Mountains and Vicinity, Southern California. U.S. Geological survey professional paper, 851.
Cannon, S. H. and Ellen, S. D., 1985, Rainfall conditions for abundant debris avalanches in San Francisco Bay Region California, California Geology, 38(12), 267-272.
Chae, B. -G., Lee, J. -H., Park, H. -J., and Choi, J., 2015, A method for predicting the factor of safety on an infinite slope based on the depth ratio of the wetting front induced by rainfall infiltration, Natural Hazards Earth System Sciences, 15, 1835-1849.
Chleborad, A. F., 2000, Preliminary evaluation of a precipitation threshold for anticipating the occurrence of landslides in the Seattle, USGS Open-File Report, 469p.
Crosta, G. B. and Frattini, P., 2003, Distributed modeling of shallow landslides triggered by intense rainfall, Natural Hazards and Earth System Science, 3(1-2), 81-93.
Crozier, M. J., 1986, Landslides: causes, consequences and environment, Croom Helm, London, Geographie physique et Quaternaire, 7(1), 107-108.
Crozier, M. J., 1996, Hi-tech Pinpoints Landslide Threat, The Dominion, Wellington, New Zealand, 3.
Crozier, M. J. and Eyles, R. J., 1980, Assessing the probability of rapid mass movement, In: New Zealand Institution of Engineers, Proceedings of Technical Groups (ed.), Third Australia-New Zealand Conference on Geomechanics, Wellington, 6(1), 247-251.
Cui, P., Yang, K., and Chen, J., 2003, Relationships between occurrence debris flows and antecedent rainfall: taking Jiangjia Gully as an example, Science of Soil and Water Conservation, 1(1), 11-15.
Glade, T., Crozier, M. J., and Smith, P., 2000, Applying probability determination to refine landslide-triggering rainfall thresholds using an empirical “Antecedent Daily Rainfall Model”, Pure and Applied Geophysics, 157(6), 1059-1079.
Guo, X. J., Cui, P., and Li, T., 2013, Debris flow warning threshold based on antecedent rainfall: Case study in Jiangjia Ravine, Yunnan, China, Journal of Mountain Science, 10(2), 305-314.
Guzzetti, F., Peruccacci, S., Rossi, M., et al., 2007, Rainfall thresholds for the initiation of landslides in central and southern Europe, Meteorol Atmos Phys, 98, 239-267, DOI: 10.1007/s00703-007-0262-7.
Guzzetti, F., Peruccacci, S., Rossi, M., et al., 2008, The rainfall intensity-duration control of shallow landslides and debris flows: an update, Landslides, 5, 3-17, DOI: 10.1007/s10346-007-0112-1.
Hasnawir, Kubota, T., 2008, Analysis of critical value of rainfall to induce landslides and debris-ow in Mt. Bawakaraeng Caldera, south Sulawesi, Indonesia, Faculty of Agriculture, Kyushu University, 53(2), 523-527.
Hong, W. -P., Kim, Y. -W., Kim, S. -K., et al., 1990, Prediction of Rainfall- triggered Landslides in Korea, The Journal of Engineering Geology, 6(2), 159-167.
Hitoshi, S., Daichi, N., and Hiroshi, M., 2010, Relationship between the initiation of a shallow landslide and rainfall intensity-duration thresholds in Japan, Geomorphology, 118(1), 167-175, DOI: 10.1016/j.geomorph.2009.12.016.
Jan, C. D. and Huang, T. H., 2003, Characteristics of rains triggering debris flows in the Watershed of Chenyoulen Stream, Master thesis of National Cheng Kung University (in Chinese).
Jan, C. D. and Lee, M. H., 2004, A rainfall-based debris flow warning model and its application in Taiwan, International Conference on Slope Disaster Mitigation Strategy, 111-119.
Jan, C. D. and Lee, M. H., 2006, A rainfall-based debris flow warning analysis and its application, Doctor of philosophy in National Cheng Kung University (in Chinese).
Keefer, D. K., Wilson, R. C., Mark, R. K. et al., 1987, Real-time landslide warning during heavy rainfall, Science 238(13), 921-925, DOI: 10.1126/science.238.4829.921.
Kim, S. K., Hong, W. P., and Kim, Y. M., 1991, Prediction of rainfall triggered landslides in Korea, Bell DH (ed) landslides, AA Balkema, Rotterdam, 2, 989-994.
Li, C. Z., Liu, X. N., and Cao, S. Y., 2001, Contrast research on sediment yield relationship of minor watershed between prestrom and different sediment source conditions, Journal of Soil and Water Conservation, 15(6), 36-39.
Lin, Q. Y., 1991, An analysis of rainfall characteristics for debris flow events in Taiwan, Journal of Chinese Soil and Water Conservation, 22(2), 21-37 (in Chinese).
Ma, T. H., Li, C., and Wang, B., 2014, An effective antecedent precipitationmodel derived fromthe power-law relationship between landslide occurrence and rainfall level, Geomorphology 216(1): 187-192. DOI: 10.1016/j.geomorph.2014.03.033.
Pitts, J., 1984, An investigation of slope stability on the NTI campus, Singapore, Research Project RP1/83, Nanyang Technological Institute, Singapore.
Rahardjo, H., Leong, E. C., and Rezaur, R. B., 2008, Effect of antecedent rainfall on pore-water pressure distribution characteristics in residual soil slopes under tropical rainfall, Hydrological Processes, 22(4), 506-523, DOI: 10.1002/hyp.6880.
Rahimi, A., Rahardjo, H., and Leong, E. C., 2011, Effect of antecedent rainfall patterns on rainfall-induced slope failure, Journal of Geotechnical and Geoenvironmental Engineering, 137(5), 483-491, DOI: 10.1061/(ASCE)GT.1943-5606.0000451.
Shieh, C. L., Yu, P. S., and Luh, Y. C., 1995, A study on the critical line of debris flow occurrence, Master thesis of National Cheng Kung University (in Chinese).
Tan, S. B., Tan, S. L., Lim, T. L., et al., 1987, Landslide problems and their control in Singapore, Proc., 9th Southeast Asian Geotechnical Conf. on Geomechanics in Tropical Soils, Southeast Asian Geotechnical Society, Bangkok, Thailand.
Terlien, M. W. J., 1998, The determination of statistical and deterministic hydrological landslide-triggering thresholds, Environment Geology, 35(2), 124-130.
Terzaghi, K., Peck, R. B., and Mesri, G., 1996, Soil Mechanics in Engineering Practice, Third Edition. John Wiley and Sons, Inc., New York, 549.
Wang, Y. Y., Zhou, R. Y., and Li, C. Z., 1999, Research on the relationship between the erosion of debris flow and triggering rainfall, Journal of Soil and Water Conservation, 5(6), 34-38.
Wei, J., Heng, Y. S., Chow, W. C. et al., 1991, Landslides at Bukit Batok sports complex, Proc., 9th Asian Conf on Soil Mechanics and Foundation Engineering, Southeast Asian Geotechnical Society, Bangkok, Thailand, 445-448.
Wieczorek, G. F., 1987, Effect of rainfall intensity and duration on debris flows in central Santa Cruz Mountains, California, Geological Society of America Reviews in Engineering Geology, 7, 93-104.
Wieczorek, G. F. and Glade, T., 2005, Climatic factors influencing occurrence of debris flow, Jakob M, Hungr O. (eds) Debris flow hazards and related phenomena, Berlin. Springer 325-362, DOI: 10.1007/3-540-27129-5_14.
Wilson, R. C. and Wieczorek, G. F., 1995, Rainfall threshold for the initiation of debris flow at La Honda, California. Environmental and Engineering Geoscience, 1(1), 11-27, DOI: 10.2113/gseegeosci.l.1.1.
Wu, J. and Kang, S., 1990, Observation and Research of Debris flow in Jiangjia Ravine of Yunnan Province. Beijing: Science Press.
Zêzere, J. L., Trigo, R. M., and Trigo, I. F., 2005, Shallow and deep landslides induced by rainfall in the Lisbon region (Portugal): assessment of relationships with the North Atlantic Oscillation, Natural Hazards and Earth System Sciences, 5(3), 331-344, DOI: 10.5194/nhess-5-331-2005.
Zhang, L. P. and Tang, K. L., 1999, Artificial rain simulation the startup of formative regional loosening soil body and erosion experiment, Journal of Mountain Science, 17(1), 45-53.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.