The objective of this study is to extract the shape of the slope from the images acquired using UAV and evaluate its suitability and reliability when applied to slope stability analysis. UAV is relatively inexpensive and simple, and it is possible to make terrain survey by generating point clouds. H...
The objective of this study is to extract the shape of the slope from the images acquired using UAV and evaluate its suitability and reliability when applied to slope stability analysis. UAV is relatively inexpensive and simple, and it is possible to make terrain survey by generating point clouds. However, the image acquired from UAV can not be directly photographed by the forest canopy due to the influence of trees, resulting in severe distortion of the terrain. In this study, therefore, the effects of forest canopy were verified and the slope stability analysis was performed. Images acquired in winter and summer were used, because summer images are heavily influenced by the forest canopy and winter images are not. As a result of the study, the winter image is suitable for the extraction of slope shape, but severe terrain distortion occurs in the summer image. Therefore, slope stability analysis using slope shape extracted from summer image is impossible, so it should be modified for slope stability analysis. The modified slope did not completely eliminate the distortion of the terrain, but it could express the approximate shape of the slope. As a result of the slope stability analysis, the location and shape of the failure surface are the same, and the error of the safety factor is less than 0.2, which is close to the actual slope.
The objective of this study is to extract the shape of the slope from the images acquired using UAV and evaluate its suitability and reliability when applied to slope stability analysis. UAV is relatively inexpensive and simple, and it is possible to make terrain survey by generating point clouds. However, the image acquired from UAV can not be directly photographed by the forest canopy due to the influence of trees, resulting in severe distortion of the terrain. In this study, therefore, the effects of forest canopy were verified and the slope stability analysis was performed. Images acquired in winter and summer were used, because summer images are heavily influenced by the forest canopy and winter images are not. As a result of the study, the winter image is suitable for the extraction of slope shape, but severe terrain distortion occurs in the summer image. Therefore, slope stability analysis using slope shape extracted from summer image is impossible, so it should be modified for slope stability analysis. The modified slope did not completely eliminate the distortion of the terrain, but it could express the approximate shape of the slope. As a result of the slope stability analysis, the location and shape of the failure surface are the same, and the error of the safety factor is less than 0.2, which is close to the actual slope.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 UAV를 이용하여 항공사진측량을 실시하고, 측량 결과로부터 산림지 사면의 형상을 추출하여 forest canopy가 측량 결과에 미치는 영향을 판단하였다. 또한 이를 수정하여, 추출한 횡단면도의 정확도를 높이는 방법을 제시하고 사면 안정성 해석을 수행하였으며 이에 대한 신뢰도를 평가하고자 하였다.
forest canopy의 영향이 적은 시점의 영상을 이용할 수 없거나, 침엽수림의 형성으로 겨울철에도 수목의 영향이 큰 지역에서는 앞서 언급한 이유로 인하여 UAV 항공사진으로부터 사면의 횡단면도를 추출하여 사면안정해석에 활용 시 큰 오차가 발생할 수 있다. 따라서 본 연구에서는 forest canopy로 인한 왜곡을 제거하여 횡단면도를 수정하였고, 이에 대해 사면안정해석을 수행하여 수정된 횡단면도를 평가하였다.
따라서 본 연구에서는 UAV를 이용하여 항공사진측량을 실시하고, 측량 결과로부터 산림지 사면의 형상을 추출하여 forest canopy가 측량 결과에 미치는 영향을 판단하였다. 또한 이를 수정하여, 추출한 횡단면도의 정확도를 높이는 방법을 제시하고 사면 안정성 해석을 수행하였으며 이에 대한 신뢰도를 평가하고자 하였다.
본 연구에서는 UAV를 이용하여 획득한 디지털 이미지로부터 횡단면도를 추출하고 적정성을 평가하였다. 특히 촬영 시 수목의 영향으로 사면을 직접 투사하지 못하는 문제점을 고려하여 산림지역의 수목의 영향이 변화하는 여름과 겨울의 이미지를 이용하여 분석을 수행하였다.
제안 방법
1. 디지털 이미지를 이용하여 추출한 횡단면도의 평가를 위하여 계단식 관람석의 이미지를 획득하고 분석을 진행하였다. 추출한 계단식 관람석의 횡단면도는 실제 형상과 높은 유사성을 나타내었다.
3. 여름에 획득한 이미지로부터 추출한 횡단면도를 수정하고 이를 평가하였다. 최소자승직선의 경사를 사면의 평균 경사로 이용하여 사면의 형상을 근사적으로 단순화하였으며 RGB 영상으로부터 확인한 forest canopy의 영향이 없는 구간과 연속적으로 연결시켜 수정하였다.
4. 수정된 횡단면도를 이용한 사면안정해석 결과의 신뢰성을 검증하기 위하여 연구 대상지의 촬영 결과로부터 임의로 대규모 단면을 추출하였다. 여름철 영상으로부터 추출한 횡단면도를 수정하고 이를 겨울철 영상으로부터 추출한 횡단면도와 비교하였으며 각각에 대하여 사면안정해석을 수행하였다.
UAV를 통해 획득한 사진은 PhotoScan 소프트웨어를 이용하여 사진접합 (Align Photo), 지형구축 (Build Dense Cloud),질감구축 (Build Mesh), 재질 생성 (Build Texture)의 과정을 거쳐 영상 정합을 수행하였으며 생성된 정사영상은 Fig. 3과 같다.
제시된 forest canopy의 영향 제거 방법을 검증하기 위해본 연구의 대상지인 태화산에서 임의의 5개 사면을 추출하여 횡단면도 수정 및 사면안정성 해석을 수행하였다. 검증에 사용된 임의의 사면은 수평거리가 100 m 이상이 되도록 선정하여 대규모 사면에 대한 적용성을 확인할 수 있도록 하였다. 추출한 횡단면도는 사면의 형상을 직접적으로 관찰할 수 있는 겨울철 영상과 forest canopy의 영향이 크게 나타나는 여름철 영상을 이용하여 비교하였으며, 그 예시는 Fig.
또한 문헌상에 나타난 평균적인 수목의 높이를 차감하는 방법은 수목의 높이가 불규칙하며 지역별, 시기별로 큰편차를 가지기 때문에 사면 형상 왜곡의 해소가 불가능하며 적용에 한계가 있다. 따라서 본 연구에서는 forest canopy의 영향이 존재하는 구간의 고도를 선형근사하여 사면 형상에 대한 보정을 수행하였으며 Slope 1에 대한 보정 과정을 Fig. 11에 도시하였다.
여름철 영상으로부터 추출한 횡단면도는 앞서 제시한 방법을 이용하여 수정하였는데, 이때 대규모 사면의 경우 평균경사가 일정하지 않고 급변하는 구간이 생기기 때문에 하나의 평균경사를 적용하면 사면 형상의 변화를 표현하지 못한다. 따라서 적절히 구간을 나누어 최소자승직선을 산출하였으며 이를 접합하여 수정된 횡단면도로 이용하였다.
풍산마당은 계단식 관람석으로 이루어져 있기 때문에 횡단면도 추출 시 측량의 결과와 횡단면도의 비교에 유리하다. 또한 산림지의 정사영상에서 추출한 사면의 형상을 비교하기 위하여 경기도 광주시 태화산을 선정하였으며 접근성이 좋고 형상을 확인할 수 있는 임도구간의 한 사면으로 결정하였다. 임도와 대상 사면의 형상은 Fig.
11 Line a). 또한 수목과 나지의 경계부에서 발생하는 급경사 구간 (Fig. 11 B-C)으로 인해 발생하는 사면형상의 왜곡을 제거하기 위해 앞서 산정한 최소자승직선을 급경사 구간의 시점 (Fig. 11 C)으로 평행 이동하여 나지 구간(Fig. 11 C-D)과 접합하였다.
사진 촬영 각도는 연직방향 (90°)을적용하였고 3축 짐벌(Gimbal)을 이용하여 기체의 움직임에 의한 영향을 받지 않도록 설정하였다.
수정된 횡단면도를 이용한 사면안정해석 결과의 신뢰성을 검증하기 위하여 연구 대상지의 촬영 결과로부터 임의로 대규모 단면을 추출하였다. 여름철 영상으로부터 추출한 횡단면도를 수정하고 이를 겨울철 영상으로부터 추출한 횡단면도와 비교하였으며 각각에 대하여 사면안정해석을 수행하였다. 사면안정해석 결과 수평 거리 100 m이상의 대규모 사면에서도 겨울철 영상으로부터 추출한 사면과 수정된 사면에서 파괴면의 위치와 형상이 유사하게 나타났으며 안전율 또한 거의 동일한 값을 나타내었다.
이를 보다 명확하게 확인하기 위하여 추출된 횡단면도에대한 사면안정해석을 실시하여 Fig. 10과 같은 결과를 획득하였다. 겨울과 여름의 최소 안전율은 각각2.
제시된 forest canopy의 영향 제거 방법을 검증하기 위해본 연구의 대상지인 태화산에서 임의의 5개 사면을 추출하여 횡단면도 수정 및 사면안정성 해석을 수행하였다. 검증에 사용된 임의의 사면은 수평거리가 100 m 이상이 되도록 선정하여 대규모 사면에 대한 적용성을 확인할 수 있도록 하였다.
여름에 획득한 이미지로부터 추출한 횡단면도를 수정하고 이를 평가하였다. 최소자승직선의 경사를 사면의 평균 경사로 이용하여 사면의 형상을 근사적으로 단순화하였으며 RGB 영상으로부터 확인한 forest canopy의 영향이 없는 구간과 연속적으로 연결시켜 수정하였다. 수정 결과, 수정된 사면이 실제 사면의 형상을 잘 표현하는 것으로 나타났다.
본 연구에서는 UAV를 이용하여 획득한 디지털 이미지로부터 횡단면도를 추출하고 적정성을 평가하였다. 특히 촬영 시 수목의 영향으로 사면을 직접 투사하지 못하는 문제점을 고려하여 산림지역의 수목의 영향이 변화하는 여름과 겨울의 이미지를 이용하여 분석을 수행하였다. 본 연구 결과를 요약하면 다음과 같다.
풍산마당에서 획득한 디지털 이미지를 이용하여 추출한 횡단면도와 실제 풍산마당의 형상을 비교하여 UAV를 이용한 횡단면도 추출 방법의 적용 가능성을 판단하였다. Fig.
항공사진의 획득을 위해 대상지역의 위성지도를 이용하여 현장에 대한 사전 조사를 실시한 후 비행경로와 촬영 고도를 설정하였으며 비행 속도와 촬영 간격 설정을 통하여 항공 사진 측량 기준에 따라 30 % 횡중복도와 50 %의 종중복도를 확보하였다. 촬영한 각 사진의 해상도는 4000 × 3000 pixel 이며 150 m 고도에서 촬영하여 획득한 영상은 50 mm/pixel 이상의 고해상도를 가진다.
대상 데이터
UAV 항공사진촬영 결과로부터 추출한 횡단면도의 적용성 분석을 위하여 서울대학교 관악캠퍼스 내에 위치한 풍산마당을 대상으로 정사영상을 획득하였다. 풍산마당의 형상은 Fig.
특히 계절에 따라 forest canopy가 고도정보에 미치는 영향이 다르기 때문에 동일 위치에 대한 고도가 서로 다르게 측정된다. 따라서 본 연구에서는 대상 사면에 대하여 계절별 수목의 효과를 비교하기 위해 겨울과 여름, 두 시점의 영상을 이용하였다. 사면의 형상을 추출하기 위한 횡단면도의 추출 및 고도 계산은 ArcGis10.
사면안정해석을 위한 시뮬레이션은 Midas 社의 Soilworks를 이용하였다. 사면의 형상은 UAV를 이용하여 추출하였고 토심은 산림과학원의 산림입지도 자료를 이용하였으며,강도정수는 Slope 1에서 채취한 시료로 직접전단 시험을 수행하여 얻은 값을 이용하였다. 시뮬레이션에 이용된 정수는 Table 1과 같다.
항공사진 측량을 통해 사진상에 나타난 모든 점에 대한 고도정보를 획득할 수 있으며, 이 중 Fig. 8에 도시한 Slope 1의 고도정보를 추출하여 분석에 활용하였다. 고도정보의 추출은 ArcGIS 10.
항공사진 획득을 위해 상용 UAV 중 DJI 社의 Phantom 3 Professional (Fig. 2)모델을 사용하였다. 이 모델은 중, 소규모 지역에 대한 이미지 획득에 적합하고 상대적으로 저렴한 비용으로 시스템 구성이 가능하다.
횡단면도 추출 시 forest canopy가 고도에 미치는 영향을 분석하기 위해 경기도 태화산의 동일한 사면에 대하여 여름과 겨울, 두 시점의 항공사진을 획득하였다. 여름은 수목이 다수 분포하여 forest canopy의 영향이 큰 시점이고 겨울은 그 영향이 거의 없는 시점이다.
데이터처리
따라서 본 연구에서는 대상 사면에 대하여 계절별 수목의 효과를 비교하기 위해 겨울과 여름, 두 시점의 영상을 이용하였다. 사면의 형상을 추출하기 위한 횡단면도의 추출 및 고도 계산은 ArcGis10.0을 이용하여 수행하였으며 Georeferencing을 통해 서로 다른 시점에 획득한 영상에 대하여 위치 정보를 통일시킨후 분석에 이용하였다.
추출한 횡단면도에 대하여 모양 유사성과 평균 제곱근 오차를 이용하여 정확도를 산정하였다. 계단의 형태는 정량적으로 나타내기 어렵기 때문에 횡단면도 상에서 실제 계단의 형상과 추출한 횡단면도 아래의 넓이를 이용하여 정밀도를 계산하였다 (Henricsson and Baltsavias, 1997).
이론/모형
(2015)와 Zhu and Liu (2014)는 항공사진을 이용하여 수목과 산림을 분류하였다. UAV를 이용한 산사태 관련 연구로는, Jo et al. (2004)이 항공사진과 GIS 분석을 통해 산사태 위험 분포도를 작성하고 위성영상을 이용하여 시 단위의 넓은 지역에 대하여 지형도를 작성하였으며 Lee and Choi (2015)이 무한사면해석모형과 SINMAP 모형을 이용하여 사면의 안전율을 평가하고 위험지역을 도출하였다. Niethammer et al.
사면안정해석을 위한 시뮬레이션은 Midas 社의 Soilworks를 이용하였다. 사면의 형상은 UAV를 이용하여 추출하였고 토심은 산림과학원의 산림입지도 자료를 이용하였으며,강도정수는 Slope 1에서 채취한 시료로 직접전단 시험을 수행하여 얻은 값을 이용하였다.
현재 사면안정해석에는 주로 한계평형법 (Limit Equilibrium Method, LEM)이 이용된다. 한계평형법은 지반을 하나의 토체로 간주하여 임의의 파괴면에 대한 힘 또는 모멘트의 평형 조건을 고려하는 해석법이다.
성능/효과
실제 계단의 형상은 Fig. 6 (b)와 같은 수직구조로 이루어져 있는 데 반하여 디지털 이미지로부터 추출한 횡단면도는 정확하게 수직구조를 나타내지는 못한다. 이는 정사영상획득 시 연직 방향으로 촬영하여 계단의 옆면을 완벽하게 투사하지 못하는 한계, 사진의 왜곡, 고도정보를 가지는 DEM 파일의 해상도 문제 등에서 기인한 것으로 판단된다.
2. 산림지역의 계절 별 (여름/겨울) 이미지를 이용하여 횡단 면도를 추출한 결과, 수목의 영향으로 인하여 사면 형상에 왜곡이 발생하였다. 특히 수목이 분포한 지역과 나지의 경계부에서 가장 심각한 왜곡이 발생하였으며, 수고 (樹高) 가 일정하지 않아 실제와 다르게 사면의 형상이 매끄럽지 못하게 표현되었다.
5. 수정된 사면의 안전율은 다소 크게 산정되는 경향을 보였다. 따라서 오차범위를 고려할 때 수정된 단면을 이용하여사면안정해석을 수행할 경우 기준 안전율보다 0.
6. UAV 항공사진으로부터 추출한 산림지 고도정보는 사면안정해석 수행 시 높은 적용성을 가지는 것으로 판단되며 UAV를 이용한 사면의 형상 추출 및 사면에 대한 안정성 평가는 시간과 비용 측면에서 높은 효율성을 가진다. 하지만 산림지 촬영 시 발생하는 forest canopy의 영향은 추출한 사면의 형상에 왜곡을 발생시키며 이로 인하여 안정성 평가에 큰 오류가 발생한다.
이에 따라 RGB 이미지의 색상이 변경되는 지점, 즉 사진상의 수목과 나지의 경계부에서 극심한 왜곡이 발생하게 된다. 따라서 forest canopy의 영향이 큰 시점의 영상을 사면안정해석에 이용하기 위해서는 이러한 왜곡에 대한 수정이 필요하다는 것을 확인하였다.
특히 수목이 분포한 지역과 나지의 경계부에서 가장 심각한 왜곡이 발생하였으며, 수고 (樹高) 가 일정하지 않아 실제와 다르게 사면의 형상이 매끄럽지 못하게 표현되었다. 따라서 여름철 영상으로부터 추출한 횡단면도를 사면안정해석에 이용할 경우, 별도의 보정이 반드시 필요함을 확인하였다.
특히 사면안정해석 시에는 사면의 미세한 요철보다는 사면의 전체적인 경사와 큰굴곡이 해석 결과에 더 큰 영향을 미치므로 앞서 발생한 횡단면도의 오차가 결과에 큰 영향을 미치지 않을 것으로 판단된다. 또한 바위의 유무, 인공 구조물의 유무 등 해당 사면에 대한 사전 지식이 있을 경우 세부적인 부분에서도 횡단면도에 대한 보정이 가능할 것으로 판단되며, 필요에 따라 높은 해상도에서는 세부적으로 더욱 정확한 결과를 얻을 수 있기 때문에 추출한 횡단면도를 사면 안정성 해석에 이용할 수 있을 것으로 판단하였다.
여름철 영상으로부터 추출한 횡단면도를 수정하고 이를 겨울철 영상으로부터 추출한 횡단면도와 비교하였으며 각각에 대하여 사면안정해석을 수행하였다. 사면안정해석 결과 수평 거리 100 m이상의 대규모 사면에서도 겨울철 영상으로부터 추출한 사면과 수정된 사면에서 파괴면의 위치와 형상이 유사하게 나타났으며 안전율 또한 거의 동일한 값을 나타내었다.
최소자승직선의 경사를 사면의 평균 경사로 이용하여 사면의 형상을 근사적으로 단순화하였으며 RGB 영상으로부터 확인한 forest canopy의 영향이 없는 구간과 연속적으로 연결시켜 수정하였다. 수정 결과, 수정된 사면이 실제 사면의 형상을 잘 표현하는 것으로 나타났다.
수직구조는 카메라의 해상도에 따라 정확도가 달라졌으나, 전체적인 형상은 실제와 거의동일하게 나타나 산림지역의 사면안정해석 시 이용되는 사면의 형상을 추출하는 데 높은 적용성을 가지는 것으로 판단하였다.
실제 사면의 형상을 잘 표현하는 겨울철 영상에 비하여 수정된 사면을 이용하여 산정한 안전율이 다소 과다산정되는 것으로 나타났다. 이는 최소안전율은 다른 조건이 일정할 경우 경사가 가장 급한 구간에서 구해지는데, 본 연구에서는 실제로 작은 굴곡이 존재하는 구간에 대해서 수정된 사면의 형상이 평균적인 기울기로 근사하여 표현되었기 때문에 경사의 최대치가 나타나지 않았기 때문인 것으로 판단된다.
5는 디지털 이미지로부터 추출한 DEM을 이용하여 생성한 횡단면도이다. 전체 계단의 높이는 6.520 m로 나타났으며, 측량 결과와 비교 시 1.875 %의 오차로 나타나 추출한 횡단면도가 계단의 경사를 거의 정확하게 표현함을 알 수 있다. 또한 계단의 각층이 나뉘어 있는 모습을 개략적으로 확인할 수 있으며, 다른 칸에 비해 2배 넓은 2 m의 폭을 가지고 있는 9~11 m 지점의 넓은 칸(①)도 추출한 횡단면도에서 구분이 가능하다.
제시한 방법을 통해 forest canopy의 영향을 제거한 결과,겨울철 영상으로부터 추출한 횡단면도와 유사한 사면의 형상을 획득할 수 있었다. forest canopy의 영향이 존재하는 구간의 최소자승직선 (Line a) 산출 결과 경사는 35.
23에 비하여 약간 작게 산정되었다. 하지만 파괴면의 위치와 형상이 일치하며 최소안전율 또한 겨울철 영상으로부터 산정한 최소안전율과 근사한 값을 보였다.
후속연구
29°이며, 이는 Slope 1의 측량 결과인 1° 가량의 매우 작은 오차를 나타낸다. 따라서 겨울에 촬영한 이미지로부터 추출한 횡단면도는 실제의사면 형상을 잘 반영하고 있으며 이를 이용한 사면안정해석이 가능할 것으로 판단된다.
하지만 산림지 촬영 시 발생하는 forest canopy의 영향은 추출한 사면의 형상에 왜곡을 발생시키며 이로 인하여 안정성 평가에 큰 오류가 발생한다. 따라서 본 연구에서 제시한 forest canopy의 영향을 제거하는 방법은 산림지에서 사면재해의 위험성이 높은 지역을 구분하고 재해 발생 지역의 복구에 필요한 정보를 쉽고 빠르게 획득하는 데 크게 기여할 것으로 판단된다.
2 정도 높은 안전율을 보이는 구간은 안정한 사면으로 간주할 수 있다. 반대로 이 이하의 안전율을 보이는 구간에 대해서는 더 주의깊은 관리가 필요한 사면으로 볼 수 있으며, 이를 산림조사의 기초 자료로 이용할 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
한계평형법 중 Simplified Bishop법의 장점은?
한계평형법은 지반을 하나의 토체로 간주하여 임의의 파괴면에 대한 힘 또는 모멘트의 평형 조건을 고려하는 해석법이다. 본 연구에서는 이 중 Simplified Bishop법을 이용하였는데, 이 방법은 해석이 비교적 간편하고 결과가 이론상으로 정확한 해에 가깝게 나오기 때문에 가장 많이 사용되는 방법이다.
현재 사면안정해석에 주로 사용되는 방법은?
현재 사면안정해석에는 주로 한계평형법 (Limit Equilibrium Method, LEM)이 이용된다. 한계평형법은 지반을 하나의 토체로 간주하여 임의의 파괴면에 대한 힘 또는 모멘트의 평형 조건을 고려하는 해석법이다.
한계평형법이란?
현재 사면안정해석에는 주로 한계평형법 (Limit Equilibrium Method, LEM)이 이용된다. 한계평형법은 지반을 하나의 토체로 간주하여 임의의 파괴면에 대한 힘 또는 모멘트의 평형 조건을 고려하는 해석법이다. 본 연구에서는 이 중 Simplified Bishop법을 이용하였는데, 이 방법은 해석이 비교적 간편하고 결과가 이론상으로 정확한 해에 가깝게 나오기 때문에 가장 많이 사용되는 방법이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.