[논문]식생의 뿌리 점착력과 지표유출의 흐름 조건을 고려한 산사태의 발생 특성 분석: 충청북도 제천지역의 사례를 중심으로

이재욱; 조용찬; 김석우; 김민석; 오현주

doi:10.14578/jkfs.2023.112.4.426

[국내논문] 식생의 뿌리 점착력과 지표유출의 흐름 조건을 고려한 산사태의 발생 특성 분석: 충청북도 제천지역의 사례를 중심으로
Analysis of Landslide Occurrence Characteristics Based on the Root Cohesion of Vegetation and Flow Direction of Surface Runoff: A Case Study of Landslides in Jecheon-si, Chungcheongbuk-do, South Korea 원문보기

한국산림과학회지 = Journal of korean society of forest science, v.112 no.4, 2023년, pp.426 - 441

이재욱 (한국지질자원연구원 지질재해연구본부 산사태연구센터) , 조용찬 (한국지질자원연구원 광물자원연구본부 자원환경연구센터) , 김석우 (강원대학교 산림과학부) , 김민석 (한국지질자원연구원 지질재해연구본부 산사태연구센터) , 오현주 (한국지질자원연구원 지질재해연구본부 산사태연구센터)

초록
AI-Helper

본 연구에서는 수확벌채에 따른 수목의 뿌리 점착력의 변화와 토양의 포화를 가정한 지표유출의 세 가지 흐름 기법(SFD; Single flow direction, MFD; Multiple flow direction, IFD; Infinite flow direction)을 무한사면 안전율 공식에 적용하여 산사태 발생 예측 모델링의 정확성을 분석하였다. 이를 위해 2020년 8월 집중호우의 영향으로 자연사면과 벌채사면에서 다수의 산사태가 발생한 제천지역을 연구지역으로 선정하였다. 위성영상과 25cm급 항공사진을 이용한 산사태 인벤토리 맵핑 결과, 연구지역 내에서 총 830개소의 산사태 발생원이 확인되었다. 산사태 모델링 결과, 벌채에 따른 뿌리 점착력의 변화를 고려한 경우(MFD: 0.81, IFD: 0.80, SFD: 0.80)가 벌채의 영향을 고려하지 않은 경우(MFD: 0.79, IFD: 0.79, SFD: 0.78)에 비하여 AUROC(Area Under the Receiver Operating Characteristics) 분석에서 정확성이 1.3~2.6% 향상되는 것으로 나타났다. 또한, MFD 알고리즘을 이용한 경우는 다른 알고리즘과 비교하여 AUROC 분석에서 정확성이 최대 1.3% 향상되었다. 이러한 결과는 식생조건의 변화를 고려한 뿌리 점착력의 차등 적용과 지표유출수 흐름기법의 선정이 산사태 예측 모델링에 영향을 미칠 수 있음을 시사한다. 향후 이 연구의 결과는 현지 수문모니터링과 함께 수종별 뿌리 점착력의 특징 및 변화를 고려하여 검증되어야 할 것이다.

Abstract ▼ AI-Helper

This study investigated the predictive accuracy of a model of landslide displacement in Jecheon-si, where a great number of landslides were triggered by heavy rain on both natural (non-clear-cut) and clear-cut slopes during August 2020. This was accomplished by applying three flow direction methods (single flow direction, SFD; multiple flow direction, MFD; infinite flow direction, IFD) and the degree of root cohesion to an infinite slope stability equation. The application assumed that the soil saturation and any changes in root cohesion occurred following the timber harvest (clear-cutting). In the study area, 830 landslide locations were identified via landslide inventory mapping from satellite images and 25 cm resolution aerial photographs. The results of the landslide modeling comparison showed the accuracy of the models that considered changes in the root cohesion following clear-cutting to be improved by 1.3% to 2.6% when compared with those not considered in the area under the receiver operating characteristics (AUROC) analysis. Furthermore, the accuracy of the models that used the MFD algorithm improved by up to 1.3% when compared with the models that used the other algorithms in the AUROC analysis. These results suggest that the discriminatory application of the root cohesion, which considers changes in the vegetation condition, and the selection of the flow direction method may influence the accuracy of landslide predictive modeling. In the future, the results of this study should be verified by examining the root cohesion and its dynamic changes according to the tree species using the field hydrological monitoring technique.

주제어

표/그림 (15)

그림 Figure 1. Hyetograph and cumulative curve of rainfall in the study area.
그림 Figure 2. Comparison of the study area before and after landslide occurrence.
표 Table 1. Input parameters for landslide modelling in the study area.
그림 Figure 3. Characteristics of the study area.
표 Table 2. Values of root cohesion based on the tree species used in this study.
그림 Figure 4. Characteristics of different flow direction methods [a: Single flow direction method (O'Callaghan and Mark, 1984), b: Multiple flow direction method (Quinn et al., 1991), and c, d: Infinite flow direction method (Tarboton, 1997)].
그림 Figure 5. Annual clear-cutting area analyzed in the study area.
그림 Figure 6. Distribution of root cohesion in the study area (a: Applied root cohesion based on tree species, b: Applied root cohesion based on annual clear-cutting).
그림 Figure 7. Description of AUROC analysis [a: Processes of AUROC analysis (Godt et al., 2008), b: Description of area under the curve)].
그림 Figure 8. Flow chart of this study.
표 Table 3. Main input parameters for three analysis cases.
그림 Figure 9. Landslide occurrence characteristics in the study area.
그림 Figure 10. Results of FS and AUROC analyses.
표 Table 4. Number of cells predicted by different flow direction methods for three cases.
표 Table 5. Results of AUROC analysis using different flow direction methods for three cases.

AI 본문요약
AI-Helper

문제 정의

이러한 배경을 바탕으로 본 연구에서는 2020년 집중호우로 인하여 다수의 산사태가 발생한 제천지역을 중심으로 물리 기반 모형과 무한사면 안정해석을 활용하여 동일 강우 사상에서 벌채지 내 식생 변화에 의한 사면안정성의 정량적 평가를 목적으로 하였다. 이를 위하여 각기 다른 지표유출수의 흐름 기법(Single Flow Direction, Multiple Flow Direction, Infinite Flow Direction)을 가정한 사면안전율 분석을 통해 산사태 발생 가능성을 정량적으로 비교⋅분석하였다.
또한 산지사면의 안정성에 미치는 뿌리 점착력의 영향을 파악하기 위해 수종별 뿌리 점착력을 차등 적용하고, 벌채지에 대해서는 벌채 후의 경과 연수에 따른 뿌리 점착력의 변화를 고려해 사면안전율 분석을 실시하였다. 이를 통해 벌채 후 식생 환경의 변화에 따른 산사태 발생을 모의하고 사면안정성의 변화 양상을 분석하고자 하였다.

가설 설정

실내실험을 통한 투수계수 산정과 식 4에 의한 계산에 따라 본 연구지역에서 산사태 유발 강우강도 Q는 평균 316 mm/day로 분석되었다. 반면, 산사태 발생 시점으로 추정되는 2020년 8월 2일을 기준으로 연구지역 내 총 363 mm/day의 강우가 발생하였기 때문에 대부분의 토양이 포화되었을 것으로 가정하였다.

제안 방법

이를 위하여 각기 다른 지표유출수의 흐름 기법(Single Flow Direction, Multiple Flow Direction, Infinite Flow Direction)을 가정한 사면안전율 분석을 통해 산사태 발생 가능성을 정량적으로 비교⋅분석하였다. 또한 산지사면의 안정성에 미치는 뿌리 점착력의 영향을 파악하기 위해 수종별 뿌리 점착력을 차등 적용하고, 벌채지에 대해서는 벌채 후의 경과 연수에 따른 뿌리 점착력의 변화를 고려해 사면안전율 분석을 실시하였다. 이를 통해 벌채 후 식생 환경의 변화에 따른 산사태 발생을 모의하고 사면안정성의 변화 양상을 분석하고자 하였다.
채취한 시료는 실내에서 습윤단위중량과 건조단위중량을 측정하였다. 또한, 토양투수성측정기(Digital Pereameter, Daiki, Daiki-4056)로 포화상태의 투수성을 측정하였고, 전자동 전단강도 시험기(Shear strength tester, GEOTS, GTS-22-V20)를 이용하여 포화상태의 토양 점착력과 내부마찰각을 분석하여 연구지역에 일괄적으로 적용하였다(Table 1). 이와 함께, 다수의 선행연구에서 보고된 수종별 뿌리 점착력(Table 2)을 사면안전율 분석의 입력변수로 차등 적용하였다.
본 연구는 2020년 8월의 집중호우로 인해 많은 산사태가 발생한 제천지역을 대상으로 산사태 인벤토리 맵을 제작하여 연구지역의 요인별 산사태 발생 특성을 분석하고, 지표유출수 흐름 기법 및 임상에 따른 토양 내 점착력 변화를 반영하여 사면안전율 분석을 실시하였다. 그 결과, 연구지역 내 전체 산사태 발생원 중 벌채사면에서 자연사면보다 약 1.
본 연구에서는 연구지역의 사면안전율 분석 및 요인별 산사태 발생 특성 분석을 위해 국토지리정보원에서 제공되는 1:5,000 수치지형도를 활용하여 5 m 간격의 수치표고모형을 제작하였고, 이를 통해 사면 경사를 추출하였다[Figure 3(a)]. 연구지역을 이루고 있는 암석의 공간적 데이터는 한국지질자원연구원 지오빅데이터 오픈플랫폼(https://data.
사면안전율 분석은 연구지역에 토양 점착력만 적용한 경우, 수종별 뿌리 점착력을 고려한 경우, 벌채 후의 경과 연수에 따른 뿌리 점착력의 변화를 고려한 경우 세 가지로 나뉘며, 각각의 분석에서 지표유출수 흐름 기법을 세 가지로 나누어 총 9회의 사면안전율 분석을 진행하였다(Table 3). 흐름 기법별 사면안전율 분석에서 MFD 알고리즘의 경우 다른 지표유출수 흐름 기법을 적용하였을 때보다 TPR은 26～40% 높았으며, FPR은 36～67% 더 높게 분석되었다.
사면안전율 분석은 현장 조사 및 실내 실험을 통한 수리전도도, 내부마찰각, 점착력 등 물리적 특성을 비롯하여 항공영상 및 지질도, 임상도 등과 함께 전술한 실제 산사태 발생 당시 강우강도를 기반으로 도출된 결과를 활용하여 AUROC 분석을 실시하였다. 사면안전율 분석은 산사태 피해지역이 아닌 발생원의 분석 및 시각화를 목표로 하기 때문에 도심지역 및 주거지역은 제외하였다.
연구지역의 산사태 발생 전후의 상황은 25 cm급 정사영상을 확보(NGII, 2022)하여 각각의 정사영상별로 4개 이상의 가상의 지상기준점(Ground Control Point, GCP)을 설정하였으며, 항공사진측량 작업 및 성과에 관한 규정(국토지리정보원 고시 제2022-3487호)에 따른 25 cm 해상도 잔차 기준(Root Mean Square Error, RMSE<0.5 m)에 적합하도록 맵핑되었다(x=0.10, y=0.21)
또한, 토양투수성측정기(Digital Pereameter, Daiki, Daiki-4056)로 포화상태의 투수성을 측정하였고, 전자동 전단강도 시험기(Shear strength tester, GEOTS, GTS-22-V20)를 이용하여 포화상태의 토양 점착력과 내부마찰각을 분석하여 연구지역에 일괄적으로 적용하였다(Table 1). 이와 함께, 다수의 선행연구에서 보고된 수종별 뿌리 점착력(Table 2)을 사면안전율 분석의 입력변수로 차등 적용하였다.

대상 데이터

연구지역을 이루고 있는 암석은 거정질 흑운모 반상화강암이 대부분인 화강암 지대이며(Woo and Park, 2004), 자연사면과 벌채사면 모두 반상 화강암 및 흑운모 화강암과 같은 화강암 지대에서 다수의 산사태가 발생하였다[Figure 9(d)]. 연구지역 임상은 침엽수림 35%, 활엽수림 44%, 혼효림 8%로 구성되어있으며, 산사태 발생은 침엽수림 128개소, 활엽수림 165개소, 혼효림 30개소로 분석되었다[Figure 9(e)].
산림벌채 이후 사면에서 수목의 근계에 의한 토양 보강 효과는 점차 감소하며, 이후 새로운 식생의 활착 및 도입을 통해 수목의 뿌리가 생장하며 전체적인 토양 보강 효과는 증가한다. 연구지역은 산사태 발생 전 약 10여 년간 총 84개소의 크고 작은 산림벌채로 인하여 식생 및 산림 생태계 변화가 진행되었다. 이와 같은 상황에 고강도의 강우가 발생할 경우 산사태 발생 예측을 위한 사면안전율 분석의 정확성을 높이기 위해서는 벌채에 따른 수목의 뿌리 점착력 변화를 고려하여야 한다.
연구지역 토심은 50～100 cm로 비교적 얕은 토심 형태를 보이며 50～100 cm 구간에서 산사태 발생 빈도 또한 높은 것으로 분석되었다[Figure 9(c)]. 연구지역을 이루고 있는 암석은 거정질 흑운모 반상화강암이 대부분인 화강암 지대이며(Woo and Park, 2004), 자연사면과 벌채사면 모두 반상 화강암 및 흑운모 화강암과 같은 화강암 지대에서 다수의 산사태가 발생하였다[Figure 9(d)]. 연구지역 임상은 침엽수림 35%, 활엽수림 44%, 혼효림 8%로 구성되어있으며, 산사태 발생은 침엽수림 128개소, 활엽수림 165개소, 혼효림 30개소로 분석되었다[Figure 9(e)].
본 연구에서는 연구지역의 사면안전율 분석 및 요인별 산사태 발생 특성 분석을 위해 국토지리정보원에서 제공되는 1:5,000 수치지형도를 활용하여 5 m 간격의 수치표고모형을 제작하였고, 이를 통해 사면 경사를 추출하였다[Figure 3(a)]. 연구지역을 이루고 있는 암석의 공간적 데이터는 한국지질자원연구원 지오빅데이터 오픈플랫폼(https://data.kigam.re.kr/) 1:50,000 지질도를 활용하여 분류하였다[Figure 3(b)]. 또한 연구지역의 수종 및 영급자료[Figure 3(c)]와 토심[Figure 3(d)]은 각각 국가공간정보포털에서 제공하는 산림청의 1:5,000 임상도(http://www.
토양의 물리적 성질 분석을 위한 시료는 연구지역 내(제천시 봉양읍 삼거리 일대, 37°05'37.91"N, 128°08'27.49"E) 벌채지역에서 식생 뿌리가 존재하지 않는 토양을 고려하여 채취하였다

데이터처리

사면안전율 분석 이후 모형의 타당성 검증을 위해 Microsoft Excel 2016 프로그램을 활용하여 AUROC(Area Under the Receiver Operating Characteristics) 분석을 진행하였다. AUROC 분석은 특정 모형의 유용성을 평가하고 모형의 적합성을 판단할 수 있는 정량적 수치로 나타낼 수 있다(Shirzadi et al.
연구지역 내 벌채지 및 실제 산사태가 발생한 지점의 인벤토리 맵을 활용하여 사면안전율 분석 이후 AUROC 분석을 통해 모형의 타당성을 검증하였다. 그 결과, 활용된 세 가지 흐름 기법(SFD, MFD, IFD) 중 MFD 알고리즘을 활용한 경우는 다른 흐름 기법과 비교하여 모형의 적합성이 최대 1.
연구지역 내에서 벌채가 수행된 시기를 파악하기 위하여 Google Earth Pro에서 제공하는 영상을 활용하였으며, 이를 통해 제작된 정사영상과 QGIS(Quantum Geographic Information System) 3.28.7 프로그램을 활용하여 해당하는 시기의 벌채 면적을 분석하였다(Figure 5).
이를 위하여 각기 다른 지표유출수의 흐름 기법(Single Flow Direction, Multiple Flow Direction, Infinite Flow Direction)을 가정한 사면안전율 분석을 통해 산사태 발생 가능성을 정량적으로 비교⋅분석하였다

이론/모형

사면안전율 분석은 산사태 피해지역이 아닌 발생원의 분석 및 시각화를 목표로 하기 때문에 도심지역 및 주거지역은 제외하였다. 각각 세 가지 흐름 기법을 활용한 비 집수면적을 산정하여 사면안전율 분석에 적용하였으며, Acharya et al.(2006)이 제안한 사면 안전율 분류 기법을 참고하여 지리정보시스템을 통해 시각화 및 정량적 수치 비교를 실시한 결과는 다음과 같다.
무한사면 안정해석기법은 지형학적 특성과 토양 특성들이 반영된 모형으로, 사면이 붕괴되는 힘을 받을 때 표층토가 기반암면과 평행하게 움직인다고 가정하고 있으며, 산사태 위험지도 작성 등 사면재해영향 평가를 위하여 광범위하게 사용되고 있다. 본 연구에서 사용한 무한사면 안전율 공식은 다음의 식을 활용하였다(Coduto et al., 2011; Park et al., 2013).
본 연구에서는 5×5 m 격자의 수치표고모형과 SAGA(System for Automates Geoscientific Analyses) 7.8.2 프로그램에서 수문분석을 통해 총 세 가지 흐름 기법(Single Flow Direction Method, SFD; Multiple Flow Direction Method, MFD; Infinite Flow Direction Method, IFD)을 활용한 비 집수면적을 산정하여 사면안전율 분석에 적용하였다(Figure 4).
식 1에서 연구지역의 산사태 발생 당시 강우에 의한 지하수위 상승을 고려한 상대습윤지수 산정을 위해 Montgomery et al.(1998)의 식을 활용하였다.

성능/효과

AUROC 분석 결과 과도한 불안정 면적을 보이는 Result A에서 실제 산사태 발생 위치와 일치하는 비율은 높게 나타났으나, 일치하지 않는 비율 또한 비교적 높은 것으로 판단된다. Result A와 수종별 점착력을 고려한 Result B를 비교하였을 때 TPR은 43～47% 감소하였지만, FPR 또한 67～73% 감소하였다.
AUROC 분석을 통한 수치 비교 결과(Table 5, Figure 10k) 실제 발생한 산사태와 모형의 일치 비율인 TPR(SFD: 0.21, MFD: 0.28, IFD: 0.20)은 이전 결과에 비교하여 감소하였으나, FPR(SFD: 0.03, MFD: 0.05, IFD: 0.03)이 상당히 감소하여 결과적으로 모형의 적합성인 AUC 값(SFD: 0.78, MFD: 0.79, IFD: 0.79) 또한 소폭 상승한 것으로 나타났다.
6% 향상되었다. Result A, Result B, Result C의 값을 비교해 보았을 때 산사태가 발생할 것으로 예측되는 지역에 실제 산사태가 발생한 비율(TPR)이 가장 높은 Result A가 정확하다고 판단될 수 있다. 그러나 Result A의 경우에는 실제 물리 기반 수치모의를 통해 산사태 취약지역을 파악하거나 예방사업을 계획할 시 과도하게 큰 면적이 산사태 위험지역으로 분석될 우려가 있다.
1배로 비교적 높은 것으로 분석되었다. 결과적으로 MFD 기법을 활용한 사면안전율 분석에서 다른 기법에 비해 불안정 셀의 개수가 약 1.3～1.4배 높았고, 안정 셀의 개수는 0.96～0.98배로 비교적 낮은 것으로 분석되었다.
반면, MFD 알고리즘은 다른 두 알고리즘과 비교하여 불안정 셀 개수는 약 30～38% 더 높은 것으로 계산되었으며, 안정 셀의 경우 2～4% 더 낮은 것으로 분석되었다. 결과적으로 MFD, SFD IFD 알고리즘 순으로 불안정 셀의 개수가 높은 것으로 분석되었다. 이와 같은 결과는 MFD 알고리즘이 기여 면적 내 모든 초과강우가 직접유출 생성에 기여하는 SFD 알고리즘과 달리 흐름방향을 여러 방향으로 모의할 수 있는 반면(Park and Kim, 2018), 지표유출수가 수렴하는 형태의 지형에서는 흐름이 과도하게 측정되는 것에 기인한 결과로 판단된다(Park et al.
26으로 수종별 점착력만을 고려한 Result B에 비해서 상당히 증가하였으며, FPR은 변동이 없었다. 결과적으로 모형의 적합성인 AUC는 SFD 알고리즘에서, 0.80, MFD 알고리즘에서 0.81, IFD알고리즘에서 0.80으로 Result A, Result B와 비교하여 가장 높은 적합성으로 분석되었다(Figure 10l).
추가적으로 벌채 영향에 따른 뿌리 점착력의 변화를 고려한 Result C의 경우 단순 수종별 점착력을 고려한 Result B와 비교하여 TPR은 21～30% 증가하였으며, FPR은 변화하지 않았다. 결과적으로 토양의 점착력만을 고려한 경우(Result A) 보다 수종별 벌채에 따른 뿌리 점착력 변화를 고려하여 사면안전율을 분석한 경우(Result C) 모형의 적합성을 나타내는 AUC는 3.85～3.90% 향상되었으며, 수종별 점착력을 고려한 경우(Result B) 보다 1.3～2.6% 향상되었다. Result A, Result B, Result C의 값을 비교해 보았을 때 산사태가 발생할 것으로 예측되는 지역에 실제 산사태가 발생한 비율(TPR)이 가장 높은 Result A가 정확하다고 판단될 수 있다.
본 연구는 2020년 8월의 집중호우로 인해 많은 산사태가 발생한 제천지역을 대상으로 산사태 인벤토리 맵을 제작하여 연구지역의 요인별 산사태 발생 특성을 분석하고, 지표유출수 흐름 기법 및 임상에 따른 토양 내 점착력 변화를 반영하여 사면안전율 분석을 실시하였다. 그 결과, 연구지역 내 전체 산사태 발생원 중 벌채사면에서 자연사면보다 약 1.4배 높은 산사태 발생 빈도를 보였으며, 지질, 임상, 토심 등 연구지역의 내적요인들을 고려하면 단시간 고강도의 강우 발생 시 산사태 발생 민감성이 높은 지역으로 판단되었다.
연구지역 내 벌채지 및 실제 산사태가 발생한 지점의 인벤토리 맵을 활용하여 사면안전율 분석 이후 AUROC 분석을 통해 모형의 타당성을 검증하였다. 그 결과, 활용된 세 가지 흐름 기법(SFD, MFD, IFD) 중 MFD 알고리즘을 활용한 경우는 다른 흐름 기법과 비교하여 모형의 적합성이 최대 1.3% 소폭 향상되었다. 토양 내 점착력 분류에 따른 사면안전율 분석(토양의 점착력만을 고려한 경우, 수종별 뿌리 점착력을 고려한 경우, 벌채 영향에 따른 뿌리 점착력 변화를 고려한 경우)에서는 벌채 후의 경과 연수를 기반으로 수종별 뿌리 점착력 변화를 고려하여 사면안전율 분석을 실시하였을 때 모형의 적합성은 약 1.
6°, 포화상태 토양 점착력=3kPa)과 함께 수목 뿌리의 고사계수와 생장계수를 일괄 적용하였다는 한계는 있다. 그러나 분석결과를 통해 산사태 발생 위험 모의에 있어 수목 뿌리의 점착력과 벌채에 따른 그 변화가 산사태 예측의 정확성에 미치는 영향에 대해서 정량적으로 확인할 수 있었다. 앞으로 지질, 지형, 임상 등의 분포를 충분히 고려하여 토양의 물리적 특성의 면밀한 분석과 분류, 그리고 공간분포지도 제작이 이루어진다면 사면안전율 분석의 정확성을 향상시킬 수 있을 것으로 판단된다.
그러나 Result A의 경우에는 실제 물리 기반 수치모의를 통해 산사태 취약지역을 파악하거나 예방사업을 계획할 시 과도하게 큰 면적이 산사태 위험지역으로 분석될 우려가 있다. 따라서, 이러한 결과를 종합하면 벌채 후의 수종별 뿌리 점착력의 경년변화를 고려한 Result C가 산사태 발생 가능성 모의 및 평가에 있어서는 가장 적정하고 유의미한 결과라고 판단된다.
본 연구에서는 수확벌채가 시행된 지역에서 벌채 후의 경과 연수에 따른 토양 보강 효과를 분류하여 사면안전율을 분석한 결과, 과도한 사면불안정 값이 개선되는 것으로 나타났다. 또한, 고해상도 항공영상을 활용한 산사태 인벤토리 맵의 제작과 분석을 통해 모형의 적합성이 향상될 수 있음을 확인하였다. 산사태 발생 우려가 있는 지역에서는 효과적인 산사태 발생 예측을 위해 수종별 뿌리 점착력과 벌채 등에 따른 그 변화를 고려한 수치모의를 통하여 정량적인 산사태 발생 위험성 분석이 필요하다고 판단된다.
벌채 후 식생 변화를 고려한 점착력을 이용한 분석에서는 토양 점착력만을 적용한 Result A에서 Result B, Result C와 비교하여 불안정 셀 개수가 약 2.3～2.7배로 상당히 높은 것으로 분석되어 실제 산사태 발생 결과와는 다르게 불안정 면적이 과도하게 큰 것으로 나타났다. 이는 수목 뿌리에 의한 사면안정 보강 효과를 방증하는 결과로도 해석할 수 있다.
벌채 후의 경과 연수별 뿌리 점착력의 변화를 고려하여 사면안전율을 계산한 결과를 기반으로 AUROC 분석을 진행한 결과(Table 5) 실제 발생한 산사태와 모의결과가 일치하는 비율인 TPR은 SFD 알고리즘에서 0.26, MFD 알고리즘에서 0.34, IFD 알고리즘에서 0.26으로 수종별 점착력만을 고려한 Result B에 비해서 상당히 증가하였으며, FPR은 변동이 없었다. 결과적으로 모형의 적합성인 AUC는 SFD 알고리즘에서, 0.
본 연구에서는 수확벌채가 시행된 지역에서 벌채 후의 경과 연수에 따른 토양 보강 효과를 분류하여 사면안전율을 분석한 결과, 과도한 사면불안정 값이 개선되는 것으로 나타났다. 또한, 고해상도 항공영상을 활용한 산사태 인벤토리 맵의 제작과 분석을 통해 모형의 적합성이 향상될 수 있음을 확인하였다.
사면안전율 분류에 따른 셀 개수를 파악한 결과(Table 4)는 앞선 결과에 비해 불안정 셀의 개수(SFD: 79,688, MFD: 103,482, IFD: 74,790)가 상당히 감소한 것으로 나타났으며, 이에 따라 안정 셀의 개수(SFD: 1,532,410, MFD: 1,508,616, IFD: 1,537,308)는 증가한 것으로 분석되었으며, 불안정 셀의 비율은 SFD 알고리즘에서 4.9%, MFD 알고리즘에서 6.4%, IFD 알고리즘에서 4.6%로 이전 결과와 같이 MFD 알고리즘에서 가장 많은 불안정 셀을 계산하는 것으로 나타났다.
사면안전율 분석 이후 실제 발생한 산사태를 기반으로 제작된 인벤토리 맵과 비교하여 AUROC 분석을 진행한 결과(Table 5), 실제 발생한 산사태와 일치하는 비율인 TPR(SFD: 0.39, MFD: 0.49, IFD: 0.38)과 모형의 적합성을 나타내는 AUC 값(SFD: 0.77, MFD: 0.78, IFD: 0.77)은 세가지 흐름 기법 모두 양호한 수준인 것으로 판단되나, 실제 발생한 산사태와 일치하지 않는 비율인 FPR(SFD: 0.11, MFD: 0.15, IFD: 0.11)도 비교적 높은 것으로 나타났다.
사면안전율 분석결과, 불안정 셀의 개수(Table 4)는 SFD 알고리즘에서 87,741개, MFD 알고리즘에서 114,687개, IFD 알고리즘에서 83,006개로 앞서 분석한 Result B와 비교하여 소폭 증가한 것으로 나타났다. 안정 셀의 개수는 SFD 알고리즘에서 1,524,357개, MFD 알고리즘에서 1,497,411개, IFD 알고리즘에서 1,529,092개로 분석되었으며, 불안정 셀 비율은 SFD 알고리즘에서 5.
사면안전율 분석결과, 불안정 셀의 개수(Table 4)는 SFD 알고리즘에서 87,741개, MFD 알고리즘에서 114,687개, IFD 알고리즘에서 83,006개로 앞서 분석한 Result B와 비교하여 소폭 증가한 것으로 나타났다. 안정 셀의 개수는 SFD 알고리즘에서 1,524,357개, MFD 알고리즘에서 1,497,411개, IFD 알고리즘에서 1,529,092개로 분석되었으며, 불안정 셀 비율은 SFD 알고리즘에서 5.4%, MFD 알고리즘에서 7.1%, IFD 알고리즘에서 5.1%로 Result A, B와 같이 MFD 알고리즘에서 불안정 셀 비율이 가장 높은 것으로 계산되었다(Table 4).
연구지역 요인별 산사태 발생 특성을 분석한 결과 고도, 토심, 암석, 임상 요인의 경우 분류별로 넓은 면적을 차지하는 지역에서 다수의 산사태가 발생하였다. 연구지역 토심의 경우 50～100 cm 토심 지역이 69%로 대부분을 형성하고 있다[Figure 9(c)].
3% 소폭 향상되었다. 토양 내 점착력 분류에 따른 사면안전율 분석(토양의 점착력만을 고려한 경우, 수종별 뿌리 점착력을 고려한 경우, 벌채 영향에 따른 뿌리 점착력 변화를 고려한 경우)에서는 벌채 후의 경과 연수를 기반으로 수종별 뿌리 점착력 변화를 고려하여 사면안전율 분석을 실시하였을 때 모형의 적합성은 약 1.27～3.90% 향상되었다.
사면안전율 분석은 연구지역에 토양 점착력만 적용한 경우, 수종별 뿌리 점착력을 고려한 경우, 벌채 후의 경과 연수에 따른 뿌리 점착력의 변화를 고려한 경우 세 가지로 나뉘며, 각각의 분석에서 지표유출수 흐름 기법을 세 가지로 나누어 총 9회의 사면안전율 분석을 진행하였다(Table 3). 흐름 기법별 사면안전율 분석에서 MFD 알고리즘의 경우 다른 지표유출수 흐름 기법을 적용하였을 때보다 TPR은 26～40% 높았으며, FPR은 36～67% 더 높게 분석되었다. AUC는 약 0.
흐름 기법에 따른 사면안전율 분석에서 SFD 기법을 활용하였을 경우 MFD 기법에 비해 불안정 셀 개수는 0.8배로 낮았으며, IFD 기법과 비교하였을 때 약 1.1배로 비교적 높은 것으로 분석되었다. 결과적으로 MFD 기법을 활용한 사면안전율 분석에서 다른 기법에 비해 불안정 셀의 개수가 약 1.

후속연구

또한, 고해상도 항공영상을 활용한 산사태 인벤토리 맵의 제작과 분석을 통해 모형의 적합성이 향상될 수 있음을 확인하였다. 산사태 발생 우려가 있는 지역에서는 효과적인 산사태 발생 예측을 위해 수종별 뿌리 점착력과 벌채 등에 따른 그 변화를 고려한 수치모의를 통하여 정량적인 산사태 발생 위험성 분석이 필요하다고 판단된다. 향후 현장조사 및 실내실험에 기초하여 지질, 지형 및 임상 등 입력변수의 세분화가 이루어진다면 모형의 정확성을 향상시킬 수 있을 것으로 판단된다.
그러나 분석결과를 통해 산사태 발생 위험 모의에 있어 수목 뿌리의 점착력과 벌채에 따른 그 변화가 산사태 예측의 정확성에 미치는 영향에 대해서 정량적으로 확인할 수 있었다. 앞으로 지질, 지형, 임상 등의 분포를 충분히 고려하여 토양의 물리적 특성의 면밀한 분석과 분류, 그리고 공간분포지도 제작이 이루어진다면 사면안전율 분석의 정확성을 향상시킬 수 있을 것으로 판단된다.
한편, 본 연구에서는 토양의 물리적 특성(i.e., 내부마찰각=39.6°, 포화상태 토양 점착력=3kPa)과 함께 수목 뿌리의 고사계수와 생장계수를 일괄 적용하였다는 한계는 있다
산사태 발생 우려가 있는 지역에서는 효과적인 산사태 발생 예측을 위해 수종별 뿌리 점착력과 벌채 등에 따른 그 변화를 고려한 수치모의를 통하여 정량적인 산사태 발생 위험성 분석이 필요하다고 판단된다. 향후 현장조사 및 실내실험에 기초하여 지질, 지형 및 임상 등 입력변수의 세분화가 이루어진다면 모형의 정확성을 향상시킬 수 있을 것으로 판단된다.

참고문헌 (66)

Acharya, G., De Smedt, F. and Long, N.T. 2006. Assessing？landslide hazard in GIS: A case study from Rasuwa,？Nepal. Bulletin of Engineering Geology and the Environment 65: 99-107.

상세보기
Baum, R.L., Savage, W.Z. and Godt, J.W. 2008. TRIGRS:？a Fortran program for transient rainfall infiltration and？grid-based regional slope-stability analysis, version 2.0.？U.S. Geological Survey. Virginia, U.S.A. pp. 1159.
Bishop, D.M. and Stevens, M.E. 1964. Landslides on logged？areas in southeast Alaska. Northern Forest Experiment？Station, Forest Service, U.S. Department of Agriculture.？pp. 18.
Brardinoni, F., Hassan, M. and Slaymaker, H.O. 2002. Complex mass wasting response of drainage basins to management in coastal British Columbia. Geomorphology？49(1-2): 109-124.

상세보기
Campbell, R.H. 1975. Soil slips, debris flows, and rainstorms？in the Santa Monica Mountains and vicinity, southern？California. U.S. Government Printing Office. Columbia,？U.S.A. pp. 51.
Choi, K. 1986. Landslides occurrence and its prediction in？Korea. Doctor of Philosophy. (Dissertation). Kangwon.？Kangwon National University Korea. (in Korean)
Chun, K.W., Song, D.K., Lee, J.H., Kim, M.S. and Ezaki,？T. 2009. A study on characteristics of raingall, vegetation？and country rock in Gangwon Province Pyeongchang？landslide area. 2009 Conference Co-Hosted by Kistec？KGES pp. 342-347.
Coduto, D.P., Yeung, M.R. and Kitch, W. 2011. Geotechnical？Engineering: Principles and Practice, 2nd edition.？Pearson. London, U.K. pp. 794.
Endo, T. 1980. Effect of tree roots upon the shearing strength？of soil. Japan Agricultural Research Quarterly 14(2):？112-115.
Genet, M., Kokutse, N., Stokes, A., Fourcaud, T., Cai, X.,？Ji, J. and Mickovski, S. 2008. Root reinforcement in？plantations of Cryptomeria japonica D. Don: effect of？tree age and stand structure on slope stability. Forest？ecology and Management 256(8): 1517-1526.

상세보기
Giadrossich, F., Schwarz, M., Cohen, D., Preti, F. and Or,？D. 2013. Mechanical interactions between neighbouring？roots during pullout tests. Plant and soil 367: 391-406.

상세보기
Glade, T. 2003. Landslide occurrence as a response to land？use change: A review of evidence from New Zealand.？Catena 51(3-4): 297-314.

상세보기
Godt, J.W., Baum, R.L., Savage, W.Z., Salciarini, D., Schulz,？W.H. and Harp, E.L. 2008. Transient deterministic shallow landslide modeling: Requirements for susceptibility？and hazard assessments in a GIS framework. Engineering？Geology 102: 214-226.

상세보기
Goetz, J.N., Brenning, A., Petschko, H. and Leopold, P. 2015.？Evaluating machine learning and statistical prediction？techniques for landslide susceptibility modeling. Computers geosciences 81: 1-11.

상세보기
Hales, T.C., Ford, C.R., Hwang, T., Vose, J.M. and Band,？L.E. 2009. Topographic and ecologic controls on root？reinforcement. Journal of Geophysical Research: Earth？Surface 114(F3).
Hearn, G.J. and Hart, A.B. 2019. Landslide susceptibility？mapping: a practitioner's view. Bulletin of Engineering？Geology and the Environment 78(8): 5811-5826.

상세보기
Huang, Y. and Zhao, L. 2018. Review on landslide susceptibility mapping using support vector machines. Catena？165: 520-529.

상세보기
Imaizumi, F., Sidle, R.C. and Kamei, R. 2008. Effects of？forest harvesting on the occurrence of landslides and？devris flows in steep terrain of central Japan. Earth？Surface Processes and Landforms 33(6): 827-840.

상세보기
Imaizumi, F. and Sidle, R.C. 2012. Effect of forest harvesting？on hydrogeomorphic processes in steep terrain of central？Japan. Geomorphology 169: 109-122.

상세보기
Kim, D.Y. 2013. Regional assessment of landslide susceptibility using a physically-based model. (Dissertation).？Seoul. Seoul National University. (in Korean)
Kim, D., Lee, S.H. and Im, S. 2011. Analysis of the Effect？of Tree Roots on Soil Reinforcement Considering Its？Spatial Distribution. Journal of the Korea Society of？Environmental Restoration Technology 14(4): 41-54.
Kim, K.H., Jung, H.R., Park, J.H. and Ma, H.S. 2011. Analysis？on Rainfall and Geographical Characteristics of Landslides in Gyeongnam Province. Journal of the Korean？Society of Environmental Restoration Technology 14(2):？33-45.
Kim, K.S., Kim, W.Y., Chae, B.G., Song, Y.S. and Cho,？Y.C. 2005. Engineering Geological Analysis of Landslides on Natural Slopes Induced by Rainfall - Yongin.Ansung Area. The Journal of Engineering Geology 15(2):？105-121.
Kim, M.G., Yoon, Y.J. and Chang, H. 2005. GIS landslide？hazard mapping using root strength reinforcement model.？Journal of Korean Society for Geospatial Information？Science 13(1): 45-53.
Kim, S.W., Chun, K.W., Kim, M.S., Kim, M.S., Kim, J.H.？and Lee, D.K. 2013. Rainfall Intensity-Duration Thresholds for the Initiation of a Shallow Landslide in South？Korea. Journal of Korean Forest Society 102(3): 463-466.
Kirschbaum, D., Stanley, T. and Yatheendradas, S. 2016.？Modeling landslide susceptibility over large regions with？fuzzy overlay. Landslides 13: 485-496.

상세보기
KFS (Korea Forest Service). 2018. 6th Basic Forest Plan.？Korea Forest Service. 153.
KOSIS (Korean Statistical Information Service). 2022. Permitted area for exclusive use of other production forest？areas. https://www.index.go.kr/unity/potal/main/EachDtlPageDetail.do?idx_cd1306. (2023.05.30.).
KMA (Korea Meteorological Administration). 2022. Autimated synoptic observing system. https://data.kma.go.kr/data/grnd/selectAsosRltmList.do?pgmNo36.？(2023.05.30.).
Lee, G.H., Oh, S.R., An, H.U. and Jung, K.S. 2012. A？comparative analysis on slope stability using specific？catchment area calculation. Journal of Korea Water？Resources Association 45(7): 643-656.

원문보기 상세보기
Lee, I.M., Seong, S.G. and Im, C.M. 1991. An experimental？study on the effect of vegetation roots on slope stability？of hillside slopes. Geotechnical Engineering 7(2): 51-66.
Lehmann, P., Ruette, J.V. and Or, D. 2019. Deforestation？Effects on Rainfall-Induced Shallow Landslides: Remote？Sensing and Physically-Based Modelling. Water Resource Research 55(11): 9962-9976.

상세보기
Medina, V., Hurlimann, M., Guo, Z., Lloret, A. and Vaunat,？J. 2021. Fast physically-based model for rainfall-induced？landslide susceptibility assessment at regional scale.？Catena, 201 pp. 105213.

상세보기
Megahan, W.F., Day, N.F. and Bliss, T.M. 1978. Landslide？occurrence in the western and central Northern Rocky？Mountain physiographic province in Idaho. In 5th. North？American Forest Soils Conference pp. 116-139.
Mehrabi, M. and Moayedi, H. 2021. Landslide susceptibility？mapping using artificial neural network tuned by？metaheuristic algorithms. Environmental Earth Sciences？80: 1-20.

상세보기
Mergili, M., Marchesini, I., Rossi, M., Guzzetti, F. and Fellin,？W. 2014. Spatially distributed three-dimensional slope？stability modelling in a raster GIS. Geomorphology 206:？178-195.

상세보기
Montgomery, D.R. and Dietrich, W.E. 1994. A physically？based model for the topographic control on shallow？landsliding. Water resources research 30(4): 1153-1171.

상세보기
Montgomery, D.R., Sullivan, K. and Greenberg, H.M. 1998.？Regional test of a model for shallow landsliding.？Hydrological Process 12(6): 943-955.

상세보기
Montgomery, D.R., Schmidt, K.M., Greenberg, H.M. and？Dietrich, W.E. 2000. Forest clearing and regional？landsliding. Geology 28(4): 311-314.

상세보기
NGII (National Geographic Information Institute). 2022.？Aerial photography. http://map.ngii.go.kr/ms/map/Nlip？Map.do. (2023.05.30.).
Oh, J.H., Hwang, J.S. and Cha, D.S. 2011. Analysis of Slope？Stability Effect of Arvors; Roots -On Tensile Strength？of the Roots-. Korean Journal of Environment and？Ecology 25(1) : 031-036.
Oh, S. and Lee, G.H. 2014. Slope Stability Analysis at？Catchment Scale Using Spatially-distributed Wetness？Index. Journal of the Association of Korean Geographers？3(2): 111-126.

상세보기
O'Callaghan, J.F. and Mark, D.M. 1984. The extraction of？drainage networks from digital elevation data. Computer？vision, graphics, and image processing 28(3): 323-344.

상세보기
Pack, R.T., Tarboton, D.G. and Goodwin, C.N. 1998. The？SINMAP approach to terrain stability mapping. In: Eighth？Int. Congr. Int. Assoc. Eng. Geol. Environ. Proceedings？2: 1157-1165.
Park, H.J., Lee, J.H. and Woo, I. 2013. Assessment of？rainfall-induced shallow landslide susceptibility using a？GIS based probabilistic approach. Engineering Geology？9(5): 1-15.

상세보기
Park, H.S. and Kim, J.C. 2018. Analysis of Variation for？Drainage Structure with Flow Direction Methods on the？Basis of DEM. Journal of Korean Society on Water？Environment 34(4): 392-399.
Park, S.J., Ruecker, G.R., Agyare, W.A., Akramhanov, A.,？Kim, D. and Vlek, P.L.G. 2009. Influence of grid cell？size and flow routing algorithm on soil-landform modeling. Journal of the Korean Geographical Society 44(2):？122-145.
Pourmalekshah, A.A.M.A., Moayeri, M.H. and Parsakhoo,？A. 2019. Effect of the root biotechnical characteristics？of Alnus subcordata, Paulownia fortunei and Populus？deltoides on the soil mechanics. Journal of Forest Science？65(7): 283-290.

상세보기
Quinn, P.F.B.J., Beven, K., Chevallier, P. and Planchon, O.？1991. The prediction of hillslope flow paths for distributed hydrological modelling using digital terrain？models. Hydrological Processes 5(1): 59-79.

상세보기
Rigon, R., Bertoldi, G. and Over, T.M. 2006. GEOtop: A？distributed hydrological model with coupled water and？energy budgets. Journal of Hydrometeorology 7(3):？371-388.

상세보기
Rossi, G., Catani, F., Leoni, L., Segoni, S. and Tofani, V.？2013. HIRESSS: A physically based slope stability？simulator for HPC applications. Natural Hazards and？Earth System Sciences 13(1): 151-166.

상세보기
Saito, H., Murakami, W., Daimaru, H. and Oguchi, T. 2017.？Effect of forest clear-cutting on landslide occurrences:？Analysis of rainfall thresholds at Mt. Ichifusa, Japan.？Geomorphology 276: 1-7.

상세보기
Shirzadi, A., Solaimani, K., Roshan, M.H., Kavian, A., Chapi,？K., Shahabi, H. and Bui, D.T. 2019. Uncertainties of？prediction accuracy in shallow landslide modeling:？Sample size and raster resolution. Catena 178: 172-188.

상세보기
Sidle, R.C. Pearce, A.J. and O'Loughlin, C.L. 1985. Hillslope？stability and land use. American geophysical union.？American Geophysical Union. Wasington, U.S.A. pp.？140.
Sidle, R.C. 1992. A Theoretical Model of the Effects of？Timber Harvesting on Slope Stability. WATER Resource？Research 28(7): 1897-1910.

상세보기
Sidle, R.C. and Ochiai, H. 2006. Landslides: Processes,？Prediction, and Land Use. Water Resources Monograph.？American Geophysical Union. Washington, U.S.A. pp.？322.
Swets J.A. 1988. Measuring the accuracy of diagnostic？systems. Science 240(4857): 1285-1293.

상세보기
Tarboton, D.G. 1997. A new method for the determination？of flow directions and upslope areas in grid digital？elevation models. Water Resources Research 33(2):？309-319.

상세보기
Vergani, C., Giadrossich, F., Buckley, P., Conedera, M.,？Pividori, M., Salbitano, F. and Schwarz, M. 2017. Root？reinforcement dynamics of European coppice woodlands？and their effect on shallow landslides: A review.？Earth-science reviews 167: 88-102.

상세보기
Wang, S., Zhao, M., Meng, X., Chen, G., Zeng, R., Yang,？Q., Liu, Y. and Wang, B. 2020. Evaluation of the effects？of forest on slope stability and its implications for forest？management: A case study of Bailong River Basin, China.？Sustainability 12(16): 6655.
Wu, T.H., McKinnell III, W.P. and Swanston, D.N. 1979.？Strength of tree roots and landslides on Prince of Wales？Island, Alaska. Canadian Geotechnical Journal 16(1):？19-33.

상세보기
Woo, I. and Park, H.J. 2004. Classification of Weathering？for the Granite and Granite Gneiss in Okcheon Belt-Jecheon Geumsan Gimcheon in Korea. The Korean？Society of Economic and Environmental Geology 37(3):？355-364.
Yang, I.T., Chun, K.S., Park, J.K. and Lee, S.Y. 2007. An？Estimation to Landslide Vulnerable Area of Rainfall？Condition using GIS. Korea Society for Geospatial？Information Science 15(1): 39-46.
Yoo, C.S., Kim, K.W., Kim, S.J. and Lee, M.S. 2010. Analysis？on Characteristics of Sediment Produce by Landslide in？a Basin 1. Simulation of Sediment Produce and its？Verification. Journal of the Korean Society of Hazard？Mitigation 10(3): 133-146.
Yoo, N.J., Kim, Y.G. and Jeon, S.H. 2001. Development？of Probabilistic Model of Landslides Using Infinite Slope？Stability Analysis. KSCE Journal of Civil and Environmental Engineering Research C 21(1C): 57-68.
Zizioli, D., Meisina, C., Valentino, R. and Montrasio, L. 2013.？Comparison between different approaches to modeling？shallow landslide susceptibility: a case history in Oltrepo？Pavese, Northern Italy. Natural Hazards and Earth System？Sciences 13(3): 559-573.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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