[논문]확률론적 모델을 이용한 산사태 취약성 지도 분석: 한국 사천면과 주문진읍을 중심으로

박성재; 이창욱

doi:10.7780/kjrs.2018.34.5.2

초록
AI-Helper

이 연구의 목적은 확률모델의 2가지 방법인 Frequency Ratio(FR), Evidential Belief Functions(EBF) 모델을 사용하여 산사태 취약성을 작성하고 강릉시 사천면과 주문진읍에서의 결과 비교를 통해 각 지역에 적합한 모델을 선정하는 것이다. 사천면에서 762개, 주문진읍에서 548개의 산사태 위치를 항공 사진의 해석을 기반으로 작성되었다. 각각의 산사태 지점 중 절반을 모델링을 위해 무작위로 선택하였고 남은 산사태 지점은 검증 목적으로 사용하였다. 지형 요소, 수문 요소, 산림입지토양도(1:5,000), 임상도(1:5,000), 지질도(1:25,000)와 같은 5가지 범주로 분류된 20가지의 산사태 유발 요소가 연구에서 산사태 취약성 작성을 위해 고려되었다. 산사태 발생과 산사태 유발 요소 사이의 관계는 FR, EBF 모델을 사용하여 분석되었다. 그 후, 2 가지 모델을 AUC(curve under area) 방법을 사용하여 검증하였다. 검증 결과에 따르면 주문진읍에서 FR모델(AUC = 81.2%)이 EBF 모델(AUC = 78.9%)에 비해 정확도가 높았다. 사천면 지역에서는 EBF 모델(AUC = 83.6%)이 FR모델(AUC = 81.6%)보다 정확도가 높게 나타났다. 검증 결과 FR 모델과 EBF 모델은 정확도 80% 내외로 높은 정확도를 가지고 있음을 나타낸다.

Abstract ▼ AI-Helper

The purpose of this study is to create landslide vulnerability using frequency ratio (FR) and evidential belief functions (EBF) model which are two methods of probability model and to select appropriate model for each region through comparison of results in Sacheon-myeon and Jumunjin-eup of Gangneun...

The purpose of this study is to create landslide vulnerability using frequency ratio (FR) and evidential belief functions (EBF) model which are two methods of probability model and to select appropriate model for each region through comparison of results in Sacheon-myeon and Jumunjin-eup of Gangneung. 762 locations in Sacheon-myeon and 548 landscapes in Jeonju-eup were constructed based on the interpretation of aerial photographs. Half of each landslide point was randomly selected for modeling and remaining landslides were used for verification purposes. Twenty landslide-inducing factors classified into five categories such as topographic elements, hydrological elements, soil maps (1:5,000), forest maps (1:5,000), and geological maps (1:25,000) were considered for the preparation of landslide vulnerability in the study. The relationship between landslide occurrence and landslide inducing factors was analyzed using FR and EBF models. The two models were then verified using the AUC (curve under area) method. According to the results of verification, the FR model (AUC = 81.2%) was more accurate than the EBF model (AUC = 78.9%) at Jeonjun-eup. In the Sacheon-myeon, the EBF model (AUC = 83.6%) was more accurate than the FR model (AUC = 81.6%). Verification results show that FR model and EBF model have high accuracy with accuracy of around 80%.

주제어

표/그림 (21)

그림 Fig. 1. Location of the study area.
그림 Fig. 2. Various GIS-based approaches.
그림 Fig. 3. Workflow in this study.
그림 Fig. 4. Landslide occurrence of Jumunjin-eup (a), (b) and Sacheon-myeon (c), (d) (2008, Daum map).
그림 Fig. 5. Landslide inventory map, Jumunjin-eup (a) and Sacheon-myeon (b).
표 Table 1. The input factors used in this study
표 Table 2. FR and EBF in case of Jumunjin-eup
표 Table 2. Continued
표 Table 2. Continued
표 Table 2. Continued
그림 Fig. 6. Spatial database of factors in Jumunjin-eup, slope (a), aspect (b), maximum curvature (c), profile curvature (d), convexity (e), texture (f), surface area (g), mid-slope position (h), terrain ruggedness index (i), topographic position index (j), flow accumulation (k), topographic wetness index (l), land cover (m), soil material (n), forest type (o), forest age (p), forest density (q), forest diameter (r), lithology (s), distance from fault (t).
표 Table 2. Continued
표 Table 3. FR and EBF in case of Sacheon-myeon
표 Table 3. Continued
표 Table 3. Continued
표 Table 3. Continued
그림 Fig. 7. Spatial database of factors in Sacheon-myeon, slope (a), aspect (b), maximum curvature (c), profile curvature (d), convexity (e), texture (f), surface area (g), mid-slope position (h), terrain ruggedness index (i), topographic position index (j), flow accumulation (k), topographic wetness index (l), land cover (m), soil material (n), forest type (o), forest age (p), forest density (q), forest diameter (r), lithology (s), distance from fault (t).
그림 Fig. 8. Landslide susceptibility map in Jumunjin-eup, FR (a), EBF (b).
그림 Fig. 9. Landslide susceptibility map in Sacheon-myeon, FR (a), EBF (b).
그림 Fig. 10. ROC curve result of Jumunjin-eup, FR (Dotted line), EBF (Solid line).
그림 Fig. 11. ROC curve result of Sacheon-myeon, FR (Dotted line), EBF (Solid line).

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 산사태의 발생에 영향을 주는 요인을 분석하기 위해 강원도 강릉시 주문진읍의 산사태에 대하여 분석하였다. 항공사진을 통해 산사태 발생 위치를 추정하였다.
본 연구에서는 항공사진을 사용하여 산사태 발생 위치를 파악 한 후 해당 지점의 GIS 정보를 함께 분석하여 산사태 발생과의 상관관계를 해석하고자 한다. 강원도 강릉시의 항공사진에서 산사태 발생 위치를 조사하여 산사태가 피해가 많이 발생한 지역인 강릉시의 사천면과 주문진읍을 연구지역으로 선정하였다.
본 연구의 목적은 2002년과 2003년에 있었던 태풍으로 인해 발생한 산사태 자료를 통해 확률론적 모델을 강원도 강릉시의 연구 적용하는 데 있다. 산사태 취약성 지도 작성에 있어 같은 모델도 정확도가 변화하기 때문에, 해당 지역 특성에 알맞은 모델을 선정하는 것이 중요하다.

가설 설정

반대로 산사태 취약성과 음의 상관관계를 보이는 요인으로는 지형 습윤 지수, 흐름 집적량이 있다. 수문인자에 해당하는 지형 습윤 지수와 흐름 집적량은 건조한 사면일수록 수분에 의한 응집력이 감소하여 산사태에 취약하다고 분석이 된다. 최종적으로 추후 사면의 불안정성을 높일 수 있는 요인과 수문인자의 영향이 적은 요인을 선정한다면 더욱 좋은 결과를 얻을 것으로 분석된다.

제안 방법

지형, 수문, 토양지도 및 임상도 등 20가지 요소가 산사태의 가능성을 분석하기 위해 선정되었다. 20가지 요인의 데이터로부터 FR, EBF, 2가지 모델을 사용하여 산사태 취약성을 분석했다. FR 및 EBF 모델은 정교한 모델링 기법으로 다양한 분야에서 사용되고 있으며, 산사태 및 산사태 취약성에 환경 요인이 미치는 영향을 파악하는 데 적용되었다.
본 연구지역을 대상으로 한 산사태 발생 위치와 산사태 발생과 관련된 요소와의 관계를 분석하였다. 이 때 산사태 발생 위치는 추후 검증 과정을 위하여 총 548개소의 산사태 발생 위치 중 절반인 279개소만을 무작위로 선별하여 분석을 진행하였다.
사천면과 주문진읍의 산사태 취약도지도 작성을 위해 2가지 방법을 사용하여 산사태 취약성 검증을 수행했다. 산사태 취약성은 시각적인 해석의 용이함을 위해 분위법에 의해 경미, 경, 중, 심, 극심으로 5개의 구역으로 분류되었으며, 2가지 모델에 의해 생성된 산사태 취약성은 훈련 자료와 비교하고 취약성을 검증 자료와 비교함으로 검증하였다.
사천면과 주문진읍의 산사태 취약도지도 작성을 위해 2가지 방법을 사용하여 산사태 취약성 검증을 수행했다. 산사태 취약성은 시각적인 해석의 용이함을 위해 분위법에 의해 경미, 경, 중, 심, 극심으로 5개의 구역으로 분류되었으며, 2가지 모델에 의해 생성된 산사태 취약성은 훈련 자료와 비교하고 취약성을 검증 자료와 비교함으로 검증하였다. 이를 위해 각각 742건과, 548건의 산사태가 무작위로 2가지 data로 분리되었다.
이 후, 주문진읍의 5 m × 5 m 해상도의 DEM 자료를 ArcGIS의 SAGA GIS Module을 통해 지형 및 수문 자료와 같은 산사태에 영향을 미치는 요소를 판단하였다. 이러한 요소들과 토지이용도, 토양피복도, 암상도 임상도, 단층도와 같은 환경적인 요소를 함께 분석하여 FR, EBF를 구하였다. 검증을 위해 처음 나누었던 검증 자료와 모델링 결과를 IBM SPSS 프로그램의 ROC 곡선을 이용하여 검증하였다.
산사태 취약성 지도 작성에 있어 같은 모델도 정확도가 변화하기 때문에, 해당 지역 특성에 알맞은 모델을 선정하는 것이 중요하다. 이를 위해 본 연구에서는 해당 각 연구지역에 확률론적 모델인 FR, EBF 두 모델을 적용하여 더욱 정확도가 높은 모델을 선정하려 한다.

대상 데이터

본 연구에서는 항공사진을 사용하여 산사태 발생 위치를 파악 한 후 해당 지점의 GIS 정보를 함께 분석하여 산사태 발생과의 상관관계를 해석하고자 한다. 강원도 강릉시의 항공사진에서 산사태 발생 위치를 조사하여 산사태가 피해가 많이 발생한 지역인 강릉시의 사천면과 주문진읍을 연구지역으로 선정하였다. 항공사진 분석을 통해 총 548개의 산사태 발생 위치를 지정하였고, 이를 각각 50%의 훈련 자료와 50%의 검증 자료로 나누어 분석 하였다(Lee et al.
본 연구에서 사용된 항공사진은 2008년에 촬영된 영상을 캡처하여 사용하였다. 캡처한 영상들을 포토샵의 이미지합성 기능을 통해 하나의 영상으로 합성하였다.
본 연구의 연구지역인 강원도 강릉시 사천면과 주문진읍의 항공사진을 얻기 위하여 다음지도의 스카이뷰를 사용하였다. 다음지도의 스카이뷰는 현재의 항공사진 뿐 아니라 과거의 영상도 제공하기 때문에 유용하게 사용할 수 있다.
이러한 태풍으로 인해 한국에서는 250명 이상의 사망자를 비롯한 인명 및 재산피해가 발생하였다. 연구지역인 강원도 강릉시 사천면(면적 70.84 km², 인구 4,219명, 1,914가구)과, 주문진읍(면적 60.55 km², 인구 21,291명, 8,917가구)은 태풍 루사와 매미로 인해 많은 산사태가 발생한 지역이다. 특히 2002년 태풍 루사에 의해 발생한 산사태로 연구지역이 포함된 강릉시의 교량 7곳이 끊어졌으며, 주문진읍 삼교리의 주민 3명이 사망하고 열흘 이상 고립되는 사고가 발생하였다.
본 연구지역을 대상으로 한 산사태 발생 위치와 산사태 발생과 관련된 요소와의 관계를 분석하였다. 이 때 산사태 발생 위치는 추후 검증 과정을 위하여 총 548개소의 산사태 발생 위치 중 절반인 279개소만을 무작위로 선별하여 분석을 진행하였다. 요소의 등급별 산사태 발생비율인 FR를 계산하였고 이와 함께 EBF을 계산하였다.
강원도 강릉시의 항공사진에서 산사태 발생 위치를 조사하여 산사태가 피해가 많이 발생한 지역인 강릉시의 사천면과 주문진읍을 연구지역으로 선정하였다. 항공사진 분석을 통해 총 548개의 산사태 발생 위치를 지정하였고, 이를 각각 50%의 훈련 자료와 50%의 검증 자료로 나누어 분석 하였다(Lee et al., 2012). 이 후, 주문진읍의 5 m × 5 m 해상도의 DEM 자료를 ArcGIS의 SAGA GIS Module을 통해 지형 및 수문 자료와 같은 산사태에 영향을 미치는 요소를 판단하였다.

데이터처리

이러한 요소들과 토지이용도, 토양피복도, 암상도 임상도, 단층도와 같은 환경적인 요소를 함께 분석하여 FR, EBF를 구하였다. 검증을 위해 처음 나누었던 검증 자료와 모델링 결과를 IBM SPSS 프로그램의 ROC 곡선을 이용하여 검증하였다.
모델링의 수행 결과를 확인하기 위해서 AUC(곡선 아래의 영역)을 사용하여 3가지 모델 간의 정량적 비교를 수행하였다. 가장 높은 AUC를 가진 모델이 연구결과 가장 좋은 모델로 간주된다.
, 2012). 이 후, 주문진읍의 5 m × 5 m 해상도의 DEM 자료를 ArcGIS의 SAGA GIS Module을 통해 지형 및 수문 자료와 같은 산사태에 영향을 미치는 요소를 판단하였다. 이러한 요소들과 토지이용도, 토양피복도, 암상도 임상도, 단층도와 같은 환경적인 요소를 함께 분석하여 FR, EBF를 구하였다.

이론/모형

EBF값을 각각 20가지 요인에 대하여 계산하였다(Table 2). EBF는 Dempster-Shafer 이론에 기반한 알고리즘을 사용한다. Dempster-Shafer이론은 베이지안 확률 이론을 일반화한 것으로 확실성의 효과이다.
항공사진을 통해 산사태 발생 위치를 추정하였다. 연구지역의 DEM 자료를 ArcGIS프로그램의 SAGA tool을 이용하여 산사태의 발생에 영향을 미칠 것 같은 12가지의 요인을 선정하였다. 또한, 추가적으로 지질도, 토지피복도, 임상경급도, 임상영급도, 임상분포도, 임상밀도도, 토양도, 단층도를 분석하여 총 20가지 요인을 사용하였다.
지형자료는 1:5,000의 수치지형도를 이용하여 내삽법으로 처리가 된 수치표고모형(DEM)을 사용하였다. 수치표고모형에서 추출된 지형 인자는 경사, 경사방향, 최대 곡률, 측면 곡률, 볼록성, 구조, 표면적, 중앙 경사 위치(MSP), 지형 위치 지수 (TPI), 지형 견고성 지수(TRI)이며, 수문인자는 흐름 집적량과 지형 습윤 지수(TWI)이다.

성능/효과

이러한 과정으로 얻은 영상과 ArcBruTile의 현재의 영상을 비교, 분석하여 산사태 발생 위치를 추정하였다. 결과적으로 사천면에서 762건, 주문진읍에서 548건의 산사태 발생위치를 정하였다.
그 결과, 주문진읍 지역의 FR 모델은 AUC 값이 81.2%로 가장 높았으며 EBF 모델의 AUC 값은 78.9%이었다. 주문진읍의 5개리중 산사태 발생에 가장 취약한 지역은 산간지역이 많은 삼교리 지역으로 산사태 취약도가 극심으로 분류된 지역의 대부분이 삼교리 지역으로 나타났다.
본 연구의 결과에서 두 지역 공통적으로 산사태 취약성과 양의 상관관계를 보이는 요인으로는 사면의 경사, 지형 견고성 지수, 표면적, 볼록성 등이 있다. 이러한 요인들은 크기가 커짐에 따라 사면의 불안정성을 높이는 요인으로 작용하기에 산사태 취약성과 관계가 있는 요인으로 분석된다.
사천면 지역의 FR 모델의 AUC 값은 81.6%이었고 EBF모델의 AUC값은 83.6%로 EBF 모델의 검증 결과가 가장 높았다. 주문진읍의 결과와 마찬가지로 산간지역이 주를 이루는 사기막리와 노동리 지역이 산사태 발생에 취약한 것으로 나타났으며, 해안 지역인 사천진리, 방동리, 산대월리 등에서 낮은 취약도를 보였다.
789의 결과를 보였다. 이는 FR, EBF모델의 정확도가 각각 81.2%, 78.9%임을 나타내며, FR모델에 의한 산사태 취약성이 가장 잘 수행되었음을 확인할 수 있다.
9%이었다. 주문진읍의 5개리중 산사태 발생에 가장 취약한 지역은 산간지역이 많은 삼교리 지역으로 산사태 취약도가 극심으로 분류된 지역의 대부분이 삼교리 지역으로 나타났다. 반대로 해안과 인접한 지역인 주문리와 교향리의 경우는 산사태 취약도가 낮은 분포를 보였다.

후속연구

본 연구는 강원도 강릉시에 한정되어 진행되었으나 더욱 일반적인 결과를 위해 추후 연구를 통해 국내에 다른 산사태가 발생한 지역의 분석결과가 필요하다. 지속적인 연구를 통해 산사태 발생에 유효한 요인을 선정하게 될 경우, 국내 산사태 취약 지역에 대한 효과적 감시와 예방이 가능하다.
수문인자에 해당하는 지형 습윤 지수와 흐름 집적량은 건조한 사면일수록 수분에 의한 응집력이 감소하여 산사태에 취약하다고 분석이 된다. 최종적으로 추후 사면의 불안정성을 높일 수 있는 요인과 수문인자의 영향이 적은 요인을 선정한다면 더욱 좋은 결과를 얻을 것으로 분석된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	산사태란 무엇인가?	산사태는 자연적으로 발생할 가능성이 높은 자연재해 현상으로 발생할 경우 심각한 인명, 재산 피해를 입힐 수 있다. 일반적으로 산사태는 경사면 지형과 관계가 높기 때문에 이러한 사면 지형이 많은 산간에서 많이 발생한다.
	강원도 강릉시의 산악지형의 지질학적 특징은 무엇인가?	7 mm이다. 산지지형은 대체로 중생대 쥐라기에 생성된 화강암으로 구성되어 있으며, 주거지역이 밀집한 하천유역은 신생대 제4기에 퇴적된 충적층으로 구성되어 있다.
	산사태가 주로 일어나는 곳의 특징은 무엇인가?	산사태는 자연적으로 발생할 가능성이 높은 자연재해 현상으로 발생할 경우 심각한 인명, 재산 피해를 입힐 수 있다. 일반적으로 산사태는 경사면 지형과 관계가 높기 때문에 이러한 사면 지형이 많은 산간에서 많이 발생한다. 한국은 전체면적의 약 70%가 산악지형으로 이루어져 있어 산사태에 취약하다.

참고문헌 (12)

Althuwaynee, O.F., B. Pradhan, and S. Lee, 2012. Application of an evidential belief function model in landslide susceptibility mapping, Computers & Geosciences, 44: 120-135.

상세보기
Conoscenti, C., M. Ciaccio, N.A. Caraballo-Arias, A. Gomez-Gutierrez, E. Rotigliano, and V. Agnesi, 2015. Assessment of susceptibility to earth-flow landslide using logistic regression and multivariate adaptive regression splines: a case of the Bence River basin (western Sicily, Italy), Geomorphology, 242: 49-64.
Daum, 2018. Daum Map, http://dmaps.kr/c3ict, Accessed on Dec. 12, 2017.
Dehnavi, A., I.N. Aghdam, B. Pradhan, and M.H.M. Varzandeh, 2015. A new hybrid model using step-wise weight assessment ratio analysis (SWAM) technique and adaptive neuro-fuzzy inference system (ANFIS) for regional landslide hazard assessment in Iran, Catena, 135: 122-148.
Grozavu, A., S. Plescan, C.V. Patriche, M.C. Margarint, and B. Rosca, 2013. Landslide susceptibility assessment: GIS application to a complex mountainous environment, In: Jacek, K., Katarzyna, O., Andrzej, B., Bartlomiej, W. (Eds.), The Carpathians: Integrating Nature and Society Towards Sustainability, Springer, Berlin, Heidelberg, Germany, pp. 31-44.
Lee, S. and B. Pradhan, 2007. Landslide hazard mapping at Selangor, Malaysia using frequency ratio and logistic regression models, Landslides, 4(1): 33-41.

상세보기
Lee, S., J. Choi, and I. Woo, 2004. The effect of spatial resolution on the accuracy of landslide susceptibility mapping: a case study in Boun, Korea, Geosciences Journal, 8(1): 51-60.

상세보기
Lee, S., S. M. Hong, and H. S. Jung, 2017. A support vector machine for landslide susceptibility mapping in Gangwon Province, Korea, Sustainability, 9(1): 48-62
Mondal, S. and R. Maiti, 2013. Integrating the analytical hierarchy process (AHP) and the frequency ratio (FR) model in landslide susceptibility mapping of Shiv-khola watershed, Darjeeling Himalaya, International Journal of Disaster Risk Science, 4(4): 200-212.

상세보기
Nasiri Aghdam, I., M.H.M. Varzandeh, and B. Pradhan, 2016. Landslide susceptibility mapping using an ensemble statistical index (Wi) and adaptive neuro-fuzzy inference system (ANFIS) model at Alborz Mountains (Iran), Environmental Earth Sciences, 75(7): 553-572.
Park, S., C. Choi, B. Kim, and J. Kim, 2013. Landslide susceptibility mapping using frequency ratio, analytic hierarchy process, logistic regression, and artificial neural network methods at the Inje area, Korea, Environmental Earth Sciences, 68(5): 1443-1464.

상세보기
van Westen, C.J., T.W.J. van Asch, and R. Soeters, 2006. Landslide hazard and risk zonation-why is it still so difficult?, Bulletin of Engineering Geology and the Environment, 65(2): 167-184.

상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

확률론적 모델을 이용한 산사태 취약성 지도 분석: 한국 사천면과 주문진읍을 중심으로
Landslide Susceptibility Apping and Comparison Using Probabilistic Models: A Case Study of Sacheon, Jumunzin Area, Korea 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (21)

표/그림 (21)

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

확률론적 모델을 이용한 산사태 취약성 지도 분석: 한국 사천면과 주문진읍을 중심으로 Landslide Susceptibility Apping and Comparison Using Probabilistic Models: A Case Study of Sacheon, Jumunzin Area, Korea 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (21) 모든 표/그림 보기

표/그림 (21) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

박성재 (9)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

확률론적 모델을 이용한 산사태 취약성 지도 분석: 한국 사천면과 주문진읍을 중심으로
Landslide Susceptibility Apping and Comparison Using Probabilistic Models: A Case Study of Sacheon, Jumunzin Area, Korea 원문보기

초록
AI-Helper

표/그림 (21)

표/그림 (21)

AI 본문요약
AI-Helper