본 연구는 산사태 발생 취약성을 평가하기 위해 2006년 7월 11일부터 7월 18일까지 집중호우 시 다수의 산사태가 발생한 인제지역의 지형요인, 임상, 토질, 지질과의 상관관계를 분석하였다. 미래에 발생할 산사태의 취약성 평가를 위해 인제지역에 발생한 산사태를 활동형태와 흐름형태로 구분하고 지형에서 경사, 경사각, 곡률, 능선, 계곡을 추출하였다. 그리고 임상요인에서 경급, 영급, 밀도, 임상을 추출하여 베이지안을 기반으로 하는 LR 모델과 WOE 모델을 적용하여 연구지역 산사태의 취약성을 평가하고 예측비율곡선을 이용하여 적합도 검증하였다. 취약성 평가 결과의 적합도 검증 결과 산사태를 유형별 구분 없이 적용한 결과 상위 20%에서 LR 모델은 75%, WOE 모델은 73%의 적합도를 보이고 있으며, 활동형태와 흐름형태로 구별하여 검증한 결과 활동 형태는 상위 20%에서 LR 모델은 71%, WOE 모델은 69%의 적합도를 나타내고, 흐름 형태에서는 상위 20%에서 LR 모델은 86%, WOE 모델은 82%의 적합도를 나타내었다. 평가결과 적합도는 LR 모델 적용 결과가 WOE 모델 적용 결과 보다 높은 적합도를 보였으며, 활동형태 보다는 흐름형태의 적합도가 높게 나타났다. 이러한 결과로 보아 산사태 취약성 평가와 검증 시에는 기존의 연구 방법과는 달리 산사태 발생 예측 시 유형별로 구분하여 실시하는 것이 타당한 것으로 사료된다.
본 연구는 산사태 발생 취약성을 평가하기 위해 2006년 7월 11일부터 7월 18일까지 집중호우 시 다수의 산사태가 발생한 인제지역의 지형요인, 임상, 토질, 지질과의 상관관계를 분석하였다. 미래에 발생할 산사태의 취약성 평가를 위해 인제지역에 발생한 산사태를 활동형태와 흐름형태로 구분하고 지형에서 경사, 경사각, 곡률, 능선, 계곡을 추출하였다. 그리고 임상요인에서 경급, 영급, 밀도, 임상을 추출하여 베이지안을 기반으로 하는 LR 모델과 WOE 모델을 적용하여 연구지역 산사태의 취약성을 평가하고 예측비율곡선을 이용하여 적합도 검증하였다. 취약성 평가 결과의 적합도 검증 결과 산사태를 유형별 구분 없이 적용한 결과 상위 20%에서 LR 모델은 75%, WOE 모델은 73%의 적합도를 보이고 있으며, 활동형태와 흐름형태로 구별하여 검증한 결과 활동 형태는 상위 20%에서 LR 모델은 71%, WOE 모델은 69%의 적합도를 나타내고, 흐름 형태에서는 상위 20%에서 LR 모델은 86%, WOE 모델은 82%의 적합도를 나타내었다. 평가결과 적합도는 LR 모델 적용 결과가 WOE 모델 적용 결과 보다 높은 적합도를 보였으며, 활동형태 보다는 흐름형태의 적합도가 높게 나타났다. 이러한 결과로 보아 산사태 취약성 평가와 검증 시에는 기존의 연구 방법과는 달리 산사태 발생 예측 시 유형별로 구분하여 실시하는 것이 타당한 것으로 사료된다.
This study examined the correlation among topography, forest type, soil and geology in Inje area where landslides occurred during heavy rainfall from July 11 to July 18, 2006 to assess the landslide susceptibility. In order to assess the susceptibility of future landslides, landslides occurred in In...
This study examined the correlation among topography, forest type, soil and geology in Inje area where landslides occurred during heavy rainfall from July 11 to July 18, 2006 to assess the landslide susceptibility. In order to assess the susceptibility of future landslides, landslides occurred in Inje area were classified into slide type and flow type, and slope angle, aspect, curvature, ridge and valley were extracted from the area. The landslide susceptibility was assessed by applying diameter class, age class, density, and forest type to Bayesianbased LR (Logistic Regression) model and WOE (Weight of Evidence) model, and the fitness of modeling was verified by predict rate curve. As the results of susceptibility assessment, using all landslides without no distintion, it was found that 75% of the LR model and 73% of the WOE model were fit in terms of the top 20% of the landslides. According to slide type and flow type in the top 20% of the landslides, it was found that 71% of the LR model and 69% of the WOE model were fit in terms of the slide type. Whereas, it was found that 86% of the LR model and 82% of the WOE model were fit in terms of the flow type. That is, the results of the LR model showed higher fitness than the results of the WOE model, and the fitness of the flow type was higher than that of the slide type. Consequently, it suggests that it is reasonable to assess and verify the landslide susceptibility according to the types of landslides.
This study examined the correlation among topography, forest type, soil and geology in Inje area where landslides occurred during heavy rainfall from July 11 to July 18, 2006 to assess the landslide susceptibility. In order to assess the susceptibility of future landslides, landslides occurred in Inje area were classified into slide type and flow type, and slope angle, aspect, curvature, ridge and valley were extracted from the area. The landslide susceptibility was assessed by applying diameter class, age class, density, and forest type to Bayesianbased LR (Logistic Regression) model and WOE (Weight of Evidence) model, and the fitness of modeling was verified by predict rate curve. As the results of susceptibility assessment, using all landslides without no distintion, it was found that 75% of the LR model and 73% of the WOE model were fit in terms of the top 20% of the landslides. According to slide type and flow type in the top 20% of the landslides, it was found that 71% of the LR model and 69% of the WOE model were fit in terms of the slide type. Whereas, it was found that 86% of the LR model and 82% of the WOE model were fit in terms of the flow type. That is, the results of the LR model showed higher fitness than the results of the WOE model, and the fitness of the flow type was higher than that of the slide type. Consequently, it suggests that it is reasonable to assess and verify the landslide susceptibility according to the types of landslides.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한 유형별로 구분하여 예측을 수행한 것과 유형별로 구분하지 않은 예측결과를 비교하고자 한다. 결과 확인을 위해 각 분석 대상 요소들의 등급 값을 등면적화하여 단위면적당 발생하는 사건의 확률을 연산해 보고자 한다. 이 연구의 수행 방법 및 절차를 Fig.
취약성 평가 결과의 적합도 검증을 위해 예측비율곡선을 활용하였다. 또한 유형별로 구분하여 예측을 수행한 것과 유형별로 구분하지 않은 예측결과를 비교하고자 한다. 결과 확인을 위해 각 분석 대상 요소들의 등급 값을 등면적화하여 단위면적당 발생하는 사건의 확률을 연산해 보고자 한다.
이를 위해 지형과 임상에서 9개의 인자를 추출하여 베이지안(Bayesian)을 기반으로 하는 LR 모델과 WOE 모델을 실제 현장 데이터에 적용하여 그 효용성을 평가했다. 또한 이 과정에서 보다 정확한 예측을 위해 산사태를 유형별로 분류하여 예측모델을 적용해보고 그 결과를 비교함으로써 유형별 분류가 산사태의 발생확률을 예측하는데 어떤 효용성이 있는지 살펴보고자 하였다.
본 논문에서는 산사태 발생에 대한 예측을 수행하기 위해 기존의 산사태 발생지역의 환경을 고려하여 그와 유사한 지역에 대한 산사태 발생 확률을 예측하고자 한다. 이를 위해 지형과 임상에서 9개의 인자를 추출하여 베이지안(Bayesian)을 기반으로 하는 LR 모델과 WOE 모델을 실제 현장 데이터에 적용하여 그 효용성을 평가했다.
산사태를 유형별로 구분하여 취약성을 평가한다면 보다 높은 예측결과를 얻을 수 있을 것이다. 본 연구에서는 선행 연구자들과는 다르게 산사태 발생 지점의 특성을 고려하여 흐름형태와 활동 형태로 유형을 분류하여 취약성 평가와 적합도 검증을 실시하여 비교해 보고자 한다.
산사태 유발요인들의 상관관계 분석을 위해, 한국지질자원연구원에서 발행한 1:250,000 강릉-속초 지질도폭과 국립산림과학원에서 작성한 인제 지역 임상도, 수해 발생 후 항공사진, 국립농업과학원에서 작성한 정밀 토양도 등을 활용하고자 한다. 이렇게 발생 지역의 특성을 고려하여 지형적인 요인과 임상적인 요인에서 9개의 요인을 추출하여 인제 지역에 적용하여, 유형별 산사태의 위험도를 평가하고 평가 결과 적합도 검증을 실시하고자 한다.
제안 방법
0 SW를 활용하여 상대적인 등급 값을 연산하고, 항공사진의 산사태 발생위치와 공간자료를 통합하여 주제도를 작성하였다. GIS(Geographic Information System) 기반의 공간 데이터베이스를 구축하기 위해 세계 측지계의 TM (Transverse Mercator) 중부원점 좌표계에 맞게 좌표체계를 통일하였다. 산사태에 영향을 미치는 인자들의 연산 값을 구하기 위해, 5m×5m 크기의 격자형 Cell(총 격자수는 2,170,844 개)로 나누었으며, Arc Toolbox의 Zonal Statistics 기능을 이용하여 인자들의 등급 값을 계산하였다.
일반적으로 산사태 취약성 평가를 위해 지질도, 토양도, 임상도 등과 같은 범주형 자료와 지형, 사면경사, 사면방위, 곡률 등의 연속형 자료를 활용한다. 그러나 산사태가 발생한 인제지역은 기반암이 화강암이고, 토양의 토성이 사양 질이며, 토층이 1m 미만으로 배수등급이 양호한 지역이므로, 산사태 취약성 평가에서는 임상과 지형적 인자들과의 상관관계만 모델에 적용하였다. 상관관계 분석을 위해 임상에서는 영급, 경급, 상급, 밀도를 모델에 적용하고 각 인자들의 상대적인 등급 값을 계산하였다.
3장과 4장에서 작성한 취약성도는 산사태 발생 확률에 대한 추정 값이므로 이에 대한 적합도 검증이 필요하다. 본 연구에서는 취약성 예측 능력 향상을 위해 산사태를 유형별로 분류하여 취약성도의 적합도를 예측비율곡선(Prediction Rate Curve, PRC)을 이용하여 검증하였다.
산사태에 영향을 미치는 인자들의 연산 값을 구하기 위해, 5m×5m 크기의 격자형 Cell(총 격자수는 2,170,844 개)로 나누었으며, Arc Toolbox의 Zonal Statistics 기능을 이용하여 인자들의 등급 값을 계산하였다.
그러나 산사태가 발생한 인제지역은 기반암이 화강암이고, 토양의 토성이 사양 질이며, 토층이 1m 미만으로 배수등급이 양호한 지역이므로, 산사태 취약성 평가에서는 임상과 지형적 인자들과의 상관관계만 모델에 적용하였다. 상관관계 분석을 위해 임상에서는 영급, 경급, 상급, 밀도를 모델에 적용하고 각 인자들의 상대적인 등급 값을 계산하였다. 각 요소들의 LR값을 계산하는 식은 다음과 같다.
예측비율곡선은 연구대상 지역에 대하여, 각 인자들의 상대적 등급 값을 백분율로 치환하고, 과거 산사태 발생 위치를 중첩하여 과거 발생된 사건이 어느 등급에 포함되는지를 평가하였다. 이러한 방법으로 등급이 높은 것부터 누적하여 누적결과를 빈도 기반으로 표현함으로써 산사태 발생 빈도를 명확하게 표현이 가능하기 때문에 검증 방법으로 자주 이용되고 있다(Chung and Fabbri, 1999).
이 연구에서 인자들은 C/S(C)의 최대값을 가지는 등급의 W+가중치와 W-가중치로 이분화되고, 이분화된 인자들의 중첩 분석을 통하여 산사태 취약지수를 계산하여 가능성도를 작성한다. WOE의 값이 0의 값을 가지면 상관관계가 없고,(-)값을 가지면 음의 상관관계를, (+)값을 가지면 양의 상관관계를 나타낸다.
산사태 유발요인들의 상관관계 분석을 위해, 한국지질자원연구원에서 발행한 1:250,000 강릉-속초 지질도폭과 국립산림과학원에서 작성한 인제 지역 임상도, 수해 발생 후 항공사진, 국립농업과학원에서 작성한 정밀 토양도 등을 활용하고자 한다. 이렇게 발생 지역의 특성을 고려하여 지형적인 요인과 임상적인 요인에서 9개의 요인을 추출하여 인제 지역에 적용하여, 유형별 산사태의 위험도를 평가하고 평가 결과 적합도 검증을 실시하고자 한다. 이를 위해 LR 모델과 WOE 모델을 활용하고자 한다.
인제지역에 발생한 산사태의 유발요인을 분석하기 위해, 지형도에서 경사, 경사각, 곡률 등을 추출하고, 한국지질자원연구원에서 작성한 인제 설악산 지질도를 사용하였으며, 국립농업과학기술원에서 작성한 정밀토양도에서 토양의 토성, 심토석력, 배수등급, 토양의 경사, 토심 등을 추출하고, 국립산림과학원에서 작성한 임상도에서 임상, 영급, 경급, 밀도 등을 추출하였다. 이렇게 추출한 자료를 GIS 기법을 이용하여 공간적으로 통합하여 주제도를 작성하고, 인자별 산사태 발생 건수를 분석하였다(Fig. 3).
또한, 지형, 지질, 토양, 임상 등이 산사태 발생률과의 상관관계를 알아보기 위해, 관련인자들에 대해 GIS 기반의 공간 데이터베이스를 구축하는 것이 선행되어야 한다. 이를 위해 수치지형도, 산사태 발생 전후의 항공사진, 국립산림과학원에서 작성한 임상도, 한국지질자원연구원에서 작성한 지질도, 국립농업과학원에서 작성한 정밀 토양도 등을 ArcGIS 9.0 SW를 활용하여 상대적인 등급 값을 연산하고, 항공사진의 산사태 발생위치와 공간자료를 통합하여 주제도를 작성하였다. GIS(Geographic Information System) 기반의 공간 데이터베이스를 구축하기 위해 세계 측지계의 TM (Transverse Mercator) 중부원점 좌표계에 맞게 좌표체계를 통일하였다.
이를 위해 인제 지역에 적용하여, 유형별 산사태의 위험도를 평가하고 평가 결과에 대한 적합도 검증을 실시하고자 한다. 취약성 평가 결과의 적합도 검증을 위해 예측비율곡선을 활용하였다.
본 논문에서는 산사태 발생에 대한 예측을 수행하기 위해 기존의 산사태 발생지역의 환경을 고려하여 그와 유사한 지역에 대한 산사태 발생 확률을 예측하고자 한다. 이를 위해 지형과 임상에서 9개의 인자를 추출하여 베이지안(Bayesian)을 기반으로 하는 LR 모델과 WOE 모델을 실제 현장 데이터에 적용하여 그 효용성을 평가했다. 또한 이 과정에서 보다 정확한 예측을 위해 산사태를 유형별로 분류하여 예측모델을 적용해보고 그 결과를 비교함으로써 유형별 분류가 산사태의 발생확률을 예측하는데 어떤 효용성이 있는지 살펴보고자 하였다.
인제지역에 발생한 산사태의 유발요인을 분석하기 위해, 지형도에서 경사, 경사각, 곡률 등을 추출하고, 한국지질자원연구원에서 작성한 인제 설악산 지질도를 사용하였으며, 국립농업과학기술원에서 작성한 정밀토양도에서 토양의 토성, 심토석력, 배수등급, 토양의 경사, 토심 등을 추출하고, 국립산림과학원에서 작성한 임상도에서 임상, 영급, 경급, 밀도 등을 추출하였다. 이렇게 추출한 자료를 GIS 기법을 이용하여 공간적으로 통합하여 주제도를 작성하고, 인자별 산사태 발생 건수를 분석하였다(Fig.
이를 위해 LR 모델과 WOE 모델을 활용하고자 한다. 취약성 평가 결과의 적합도 검증을 위해 예측비율곡선을 활용하였다. 또한 유형별로 구분하여 예측을 수행한 것과 유형별로 구분하지 않은 예측결과를 비교하고자 한다.
대상 데이터
본 연구는 토석류 산사태의 특성과 취약성 분석을 위해, 2006년 7월 집중 호우 시 산사태가 많이 발생한 강원도 인제지역을 대상으로 하였다. 즉, 인제군 인제읍 북면 기린면을 대상으로 약 47Km2(동경 128°12′10″E-128°20′09″E, 북위 38°03′57″N- 38°06′09″N)내에서 114개의 산사태가 발생한 지역을 연구 대상 지역으로 선정하였다.
연구대상지역은 2006년 7월 집중호우로 산사태가 많이 발생한 인제군 인제읍 북면, 기린면을 대상으로 약 47Km2(동경128°12′10″E-128°20′09″E, 북위 38°03′57″N- 38°06′09″N)내에서 114개의 산사태가 발생한 지역을 선정하였다(Fig. 2).
즉, 인제군 인제읍 북면 기린면을 대상으로 약 47Km2(동경 128°12′10″E-128°20′09″E, 북위 38°03′57″N- 38°06′09″N)내에서 114개의 산사태가 발생한 지역을 연구 대상 지역으로 선정하였다.
이론/모형
이렇게 발생 지역의 특성을 고려하여 지형적인 요인과 임상적인 요인에서 9개의 요인을 추출하여 인제 지역에 적용하여, 유형별 산사태의 위험도를 평가하고 평가 결과 적합도 검증을 실시하고자 한다. 이를 위해 LR 모델과 WOE 모델을 활용하고자 한다. 취약성 평가 결과의 적합도 검증을 위해 예측비율곡선을 활용하였다.
성능/효과
Fig. 6(c)에 나타난 것과 같이, 흐름 형태는 LR 모델의 경우 86%, WOE 모델의 경우 82 %의 취약성 적합도를 보였다. 흐름형태의 취약성 적합도가 높게 나타나는 이유는 강우강도와 강우지속시간으로 인해 활동형태가 흐름형태로 전환되어 발생하는 특징 때문임을 알 수 있다.
결과적으로 평가결과 적합도는 LR 모델 적용 결과가 WOE모델 적용 결과 보다 높은 적합도를 보였으며, 활동형태 보다는 흐름형태의 적합도가 높게 나타났다. 이러한 결과는 산사태 취약성 분석 시, 기존의 연구 방법과는 달리 유형별로 구분하여 취약성 분석을 실시하는 것이 타당한 것으로 사료된다.
평가 결과, 산사태를 유형별 구분 없이 적용했을 때에는 상위 20%에서 LR값은 75%, WOE값은 73%의 적합도를 보이고 있다. 그러나 산사태를 유형별로 구분했을 때, 활동 형태에서는 상위 20%에서 LR 값은 71%, WOE 값은 69%의 적합도를 보이며, 흐름 형태에서는 상위 20%에서 LR 값은 86%, WOE 값은 82%의 적합도를 나타내었다.
즉, 인제군 인제읍 북면 기린면을 대상으로 약 47Km2(동경 128°12′10″E-128°20′09″E, 북위 38°03′57″N- 38°06′09″N)내에서 114개의 산사태가 발생한 지역을 연구 대상 지역으로 선정하였다. 또한 연구 대상지에서 발생한 산사태 114개에 대해 발생 당시의 항공사진과 현장조사를 통해, 연구 대상 지역의 산사태가 발생 시점부에서 사면에서 발생한 활동 형태의 산사태 42개와 계곡에서 발생한 흐름형태의 산사태 72개가 발생되었음을 확인하였다.
사면의 경사각은 흐름형태와 활동형태 모두 3등급인 24°~36° 범위의 경사각에서 가장 취약한 것으로 평가되었다.
지형적 요소들의 사건 발생 등급과 취약지수가 높은 등급이 다른 이유는 활동형태의 산사태가 시간이 경과함에 따라 강우의 영향으로 흐름형태의 산사태로 발전하고, 활동형태의 산사태는 사면의 경사각에 대한 영향을 많이 받지만, 흐름형태의 산사태 발생에는 사면의 경사각의 영향이 상대적으로 덜하다는 것을 알 수 있다. 위의 결과를 살펴보면 형태를 구분하지 않은 것보다 형태를 구분하여 취약성을 평가한 것이 취약지수가 높아 산사태 예측확률이 높아지는 것을 알 수 있다.
결과적으로 평가결과 적합도는 LR 모델 적용 결과가 WOE모델 적용 결과 보다 높은 적합도를 보였으며, 활동형태 보다는 흐름형태의 적합도가 높게 나타났다. 이러한 결과는 산사태 취약성 분석 시, 기존의 연구 방법과는 달리 유형별로 구분하여 취약성 분석을 실시하는 것이 타당한 것으로 사료된다. 따라서 미래에 발생할 수 있는 산사태 예측 역시, 동일한 지질환경 조건이라면 산사태를 발생 유형별로 구분하여 적용하는 것이 유형을 구분하지 않은 것보다 예측 능력이 향상될 것으로 기대된다.
52%가 분포하고 있는 것으로 분석되었다. 이러한 결과를 바탕으로 하였을 때, 산사태가 발생한 지역은 대체로 교목의 수관 점유 비율이 75% 이상이고, 수령이 오래되어 직경이 굵은 소나무와 전나무가 주로 자라는 지역에서 발생하였음을 알 수 있다. 이는 집중호우 발생시 지하로 침투하는 빗물이 수목의 뿌리에 영향을 주어, 지반의 균열을 발생시킴으로써 붕괴로 이어졌을 것으로 판단된다.
사면의 경사각은 흐름형태와 활동형태 모두 3등급인 24°~36° 범위의 경사각에서 가장 취약한 것으로 평가되었다. 이러한 분석 결과를 종합하면 임상에서는 산지에 식재되어 있는 수목의 종류가 다른 임상 요인들에 비해 산사태에 미치는 영향이 큰 것으로 보여 교목보다는 관목 수종의 음성 수목을 식재하는 것이 사면 안정에 훨씬 유리한 것으로 판단된다. 또한, 지형 요인들 중에는 남쪽 방향에서 경사각이 24°~36° 되는 사면이 산사태 발생에 가장 취약한 것으로 나타난다.
이러한 연구 결과는 유형을 구별하여 취약성 평가와 적합도 검증을 실시하는 것이 민감도가 높아 예측 확률이 높아지는 것을 알 수 있다. 따라서 미래에 발생할 수 있는 산사태 예측 역시, 동일한 지질환경 조건이라면 산사태를 발생 유형별로 구분하여 적용하는 것이 유형을 구분하지 않은 것보다 예측 능력이 향상될 것으로 기대된다.
인제 지역의 산사태 취약성 분석 결과, 남동 방향으로 24°~36°의 경사각을 갖는 하향 경사면과 오목한 지형, 인공조림한 소나무숲, 2영급, 중밀도, 소경목인 지역에서 산사태 발생확률이 가장 높게 나타났다.
인제 지역의 산사태 취약성 분석 결과, 남동 방향으로 24°~36°의 경사각을 갖는 하향 경사면과 오목한 지형, 인공조림한 소나무숲, 2영급, 중밀도, 소경목인 지역에서 산사태 발생확률이 가장 높게 나타났다. 평가 결과, 산사태를 유형별 구분 없이 적용했을 때에는 상위 20%에서 LR값은 75%, WOE값은 73%의 적합도를 보이고 있다. 그러나 산사태를 유형별로 구분했을 때, 활동 형태에서는 상위 20%에서 LR 값은 71%, WOE 값은 69%의 적합도를 보이며, 흐름 형태에서는 상위 20%에서 LR 값은 86%, WOE 값은 82%의 적합도를 나타내었다.
후속연구
그러나 본 연구에서는 산사태 발생지에 대한 제한된 정보로 인해 보다 다각적인 분석이 어려웠으며, 다양한 분석방법론과의 비교분석이 이루어지지 않은 한계가 있었다. 이러한 한계를 보완하고, 본 연구 결과인 유형별 산사태 취약성도가 효율적으로 활용되기 위해서는 지금까지 산사태가 발생한 지역에 대해 국가적인 DB를 구축하고, 이를 활용하여 체계적인 분석을 수행함으로써 보다 정확한 예측 모델이 개발 및 적용되어야 할 것이다.
이러한 연구 결과는 유형을 구별하여 취약성 평가와 적합도 검증을 실시하는 것이 민감도가 높아 예측 확률이 높아지는 것을 알 수 있다. 따라서 미래에 발생할 수 있는 산사태 예측 역시, 동일한 지질환경 조건이라면 산사태를 발생 유형별로 구분하여 적용하는 것이 유형을 구분하지 않은 것보다 예측 능력이 향상될 것으로 기대된다.
그러나 지금까지 산사태 취약성 분석을 수행한 선행 연구 결과는, 산사태의 발생유형을 고려하지 않고 수행한 것이 대부분이었다. 산사태를 유형별로 구분하여 취약성을 평가한다면 보다 높은 예측결과를 얻을 수 있을 것이다. 본 연구에서는 선행 연구자들과는 다르게 산사태 발생 지점의 특성을 고려하여 흐름형태와 활동 형태로 유형을 분류하여 취약성 평가와 적합도 검증을 실시하여 비교해 보고자 한다.
그러나 본 연구에서는 산사태 발생지에 대한 제한된 정보로 인해 보다 다각적인 분석이 어려웠으며, 다양한 분석방법론과의 비교분석이 이루어지지 않은 한계가 있었다. 이러한 한계를 보완하고, 본 연구 결과인 유형별 산사태 취약성도가 효율적으로 활용되기 위해서는 지금까지 산사태가 발생한 지역에 대해 국가적인 DB를 구축하고, 이를 활용하여 체계적인 분석을 수행함으로써 보다 정확한 예측 모델이 개발 및 적용되어야 할 것이다.
이처럼 반복하여 발생하는 산사태를 발생 이전에 산사태 발생 가능 지역을 정확히 예측 할 수 있다면 사회적 손실을 줄여나가는데 크게 이바지할 것이다. 산사태 취약성 분석은 산사태를 유발시키는 성향으로 정의되어 대상 지역을 확률적으로 표현한다(Guzzetti et al.
질의응답
핵심어
질문
논문에서 추출한 답변
산사태 취약성 지도를 제작하는 방법은 어떻게 구분할 수 있는가?
, 2006). 산사태 취약성 지도를 제작하는 방법은 크게 정성적 해석 기법과 정량적 해석 기법으로 구분할 수 있다(Aleotti and Chowdhury, 1999).
한국 지질자원연구원에서 수행한 산사태 취약성 분석 결과는 무엇인가?
, 2005) 등 다양한 방법을 통해 산사태 취약성을 분석하고 지도화하여 그의 적합성을 검증하는 연구가 주를 이루었다. 우리나라의 경우 한국 지질자원연구원이 1998-2005년도까지 발생한 10개 지역의 3,485개의 산사태를 분석한 결과 42.3%인 1,452개가 평면 슬라이드이고 1,452개의 산사태는 평면 슬라이드와 토사류의 복합된 산사태로 분류되었다(KIGAM, 2004). 그러나 지금까지 산사태 취약성 분석을 수행한 선행 연구 결과는, 산사태의 발생유형을 고려하지 않고 수행한 것이 대부분이었다.
산사태 취약성 분석은 무엇인가?
이처럼 반복하여 발생하는 산사태를 발생 이전에 산사태 발생 가능 지역을 정확히 예측 할 수 있다면 사회적 손실을 줄여나가는데 크게 이바지할 것이다. 산사태 취약성 분석은 산사태를 유발시키는 성향으로 정의되어 대상 지역을 확률적으로 표현한다(Guzzetti et al., 2006).
참고문헌 (12)
Aleotti, P. and Chowdhury, R. (1999), Landslide hazard assessment: summary review and new perspectives, Bulletin of Engineering Geology and the Environment, Vol. 58, No. 1, pp. 21-44.
Bonham-Carter, G.F. (1994), Geographic Information Systems for Geoscientist : Modeling with GIS, Oxford: Pergamon Press, London.
Chung, C.F. and Fabbri, A.G. (1999), Probabilistic prediction models for landslide hazard mapping, Photogrammetric Engineering & Remote Sensing, Vol. 65, No. 12, pp. 1388-1399.
Dahal, R.K., Hasegawa, S., Nonomura, A., Yamanaka, M., Masuda, T., and Nishino, K. (2007), GIS-based weights of-evidence modelling of rainfall-induced landslides in small catchments for landslide susceptibility mapping, Environmental Geology, Vol. 54, No. 2, pp. 311-324.
Ermini, L., Catani, L., and Casagli, N. (2005), Artificial neural networks applied to and landslide susceptibility assessment, Geomorphology, Vol. 66, No. 1-4, pp. 327-343.
Guzzetti, F., Reichenbach, P., Ardizzone, F., Cardinali, M., and Galli, M. (2006), Estimating the quality of landslide susceptibility models, Geomorphology, Vol. 81, pp. 166-184.
KIGAM (2004), Development Landslide Risk Assessment System and Damage Mitigation Technology, M1-0324-00-0003-03-831-00-001-00, Daejeon, Korea, 288p.
Kim, J.H. and Kim, W.Y. (2013), Review of research trends on landslide hazards, The Journal of Engineering Geology, Vol. 23, No. 3, pp. 305-314. (in Korean with English abstract)
Lee, S. and Sambath, T. (2006), Landslide susceptibility mapping in the Damrei Romel area, Cambodia using frequency ratio and logistic regression models, Environmental Geology, Vol. 50, No. 6, pp. 847-855.
Pradhan, B., Lee, S., Mansor, S., Buchroithner, M., Jamaluddin, N., and Khujaimah, Z. (2008), Utilization of optical remote sensing data and geographic information system tools for regional landslide hazard analysis by using binomial logistic regression model, Journal of Applied Remote Sensing, Vol. 2, No. 1, pp. 35-42.
Suzen, M.L. and Doyuran, V. (2004), A comparison of the GIS based landslide susceptibility assessment methods: multivariate versus bivariate, Environmental Geology. Vol. 45, No. 5, pp. 665-679.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.