• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1723-1735
• /
• 2022

산사태는 가장 널리 퍼진 자연재해 중 하나로 인명 및 재산피해 뿐만 아니라 범 국가적 차원의 피해를 유발할 수 있기 때문에 효과적인 예측 및 예방이 필수적이다. 높은 정확도를 갖는 산사태 취약성도를 제작하려는 연구는 꾸준히 진행되고 있으며 다양한 모델이 산사태 취약성 분석에 적용되어 왔다. 빈도비 모델, logistic regression 모델, ensembles 모델, 인공신경망 등의 모델과 같이 픽셀기반 머신러닝 모델들이 주로 적용되어 왔고 최근 연구에서는 커널기반의 합성곱신경망 기법이 효과적이라는 사실과 함께 입력자료의 공간적 특성이 산사태 취약성 매핑의 정확도에 중요한 영향을 미친다는 사실이 알려졌다. 이러한 이유로 본 연구에서는 픽셀기반 deep neural network (DNN) 모델과 패치기반 convolutional neural network (CNN) 모델을 이용하여 산사태 취약성을 분석하는 것을 목적으로 한다. 연구지역은 산사태 발생 빈도가 높고 피해가 큰 인제, 강릉, 평창을 포함한 강원도 지역으로 설정하였고, 산사태 관련인자로는 경사도, 곡률, 하천강도지수, 지형습윤지수, 지형위치 지수, 임상경급, 임상영급, 암상, 토지이용, 유효토심, 토양모재, 선구조 밀도, 단층 밀도, 정규식생지수, 정규수분지수의 15개 데이터를 이용하였다. 데이터 전처리 과정을 통해 산사태관련인자를 공간데이터베이스로 구축하였으며 DNN, CNN 모델을 이용하여 산사태 취약성도를 작성하였다. 정량적인 지표를 통해 모델과 산사태 취약성도에 대한 검증을 진행하였으며 검증결과 패치기반의 CNN 모델에서 픽셀기반의 DNN 모델에 비해 3.4% 향상된 성능을 보였다. 본 연구의 결과는 산사태를 예측하는데 사용될 수 있고 토지 이용 정책 및 산사태 관리에 관한 정책 수립에 있어 기초자료 역할을 할 수 있을 것으로 기대된다.

• 지질공학
• /
• 제15권4호
• /
• pp.447-462
• /
• 2005

본 연구의 목적은 산사태가 발생된 편마암, 화강암 및 퇴적암지역 자연사면의 토층을 대상으로 이들의 미세조직, 입도분포, 광물조성 및 지화학분석을 실시하여, 산사태 발생 에 영 향을 줄 수 있는 토층물질의 특성을 고찰하는데 있다. 이를 위하여 편마암류인 장흥지역, 화강암류인 상주지역, 제3기퇴적암류인 포항지역의 산사태현장 및 그와 대비되는 곳의 토층으로부터 채취 한 흙을 대상으로 레이저입도분석, X-선회절분석 (XRD), 주사전자현미경 (FE-SEM) 및 에너지분산스펙트럼(EDS)을 이용하여 분석하였다. 편마암류와 화강암류지 역은 산사태 발생지역의 토층이 미발생지역에 비해 점토광물의 함량이 더 높은 것으로 나타났는데, 이러한 양상은 화강암지역에서 특히 두드러지는 경향성을 보였다. 따라서 편마암류와 화강암류지역은 점토광물의 함유비율이 산사태에 유의한 영향인자로 간주될 수 있다. 점 토광물로는 일라이트(illite)가 가장 풍부하고 녹니석과 카올리나이트(kaolinite) 순으로 구성 비가 높고, 몬모릴로나이트(montmorillonite)도 부분적으로 함유된다. 제3기퇴적암지역은 편마암류와 화강암류지역에 비해서 점토광물의 함량이 전반적으로 높고 팽창성 점토광물인 몬모릴로나이트의 함유비율이 특히 높다 따라서 이들이 집중호우시 토층의 지지력에 크게 영향을 미침으로써 상대적으로 적은 강우조건에서도 다른 지역보다 산사태가 더 쉽게 발생된다. 그리고 산사태 발생지역과 미발생지역간 광물조성의 차별성이 특징적으로 관찰되지 않아 산사태가 광물조성의 차이에 큰 영향을 받기보다는 국지적인 지형조건이나 흙의 공학적 특성 등에 주로 지배를 받을 것으로 예측된다. 자연사면의 산사태를 연구할 때 기존의 토질 및 지질공학적 특성평가외에도 토층의 풍화특성과 구성 광물의 종류, 점토광물의 함량, 흙입 자의 미세조직과 같은 다양한 지화학적 정보가 추가된다면 산사태 발생 원인을 보다 정확하게 해석할 수 있을 것으로 기대된다.

• 한국방재학회 논문집
• /
• 제10권3호
• /
• pp.133-145
• /
• 2010

본 연구에서는 강우에 기인하는 산사태에 의한 토사발생특성을 분석하였다. 이를 위해 1차원 불포화 지하수해석을 수행하여 강우에 따른 토양수분의 거동을 추정하였으며, 무한사면해석법을 이용하여 토양수분상태에 따른 유역단위 사면안정해석을 수행하였다. 사면안정해석에는 산사태의 발생 및 파괴깊이에 영향을 주는 토양심 및 여러 식생인자들을 함께 고려하였다. 파괴사면의 회복기간을 고려하여 연별토사발생량을 계산한 결과, 1963, 1970, 2002년에 유역 내에서 많은 양의 토사가 발생하였음을 알 수 있었다. 위성영상을 이용한 모의결과의 검증결과, 분석에 사용한 매개변수의 불확실성에 기인하여 위성영상과 모형을 이용한 결과에서 나타나는 산사태 발생위치에는 다소 차이를 보이는 것을 알 수 있었다. 하지만, 오봉댐유역을 왕산천과 도마천 유역으로 구분하는 경우, 이 둘 소유역 단위의 결과는 약 20% 전후의 오차를 가지는 것을 알 수 있었고, 전체유역에 대하여 비교하면 약 4%의 오차만을 가지는 것을 확인할 수 있었다. 위성영상을 이용한 토지피복분류과정상의 오차, 토지피복자료를 이용한 산사태 발생지역 구분과정상의 오차, 아울러 모형의 오차 등을 고려할 때, 이러한 오차는 매우 미미한 수준인 것으로 판단되며, 이를 통해 모형의 적용성을 확인할 수 있었다.

• 한국산림과학회지
• /
• 제45권1호
• /
• pp.11-25
• /
• 1979

1979년(年) 8월(月) 4일(日)과 5일(日)에 걸쳐 강원도 평창지구에 많은 사태(沙汰)가 발생된 바 있었다. 이 지역(地域)을 답사할 기회를 통해 산사태에 대한 조사연구(調査硏究)가 부족(不足)하고 예방대책(豫防對策)이 미약하다는 사실을 알게 되었다. 이에 현지답사시(現地踏査時) 얻었던 자료(資料)와 기 연구자들의 보고서 등을 참조로 하여 우리나라 산사태(山沙汰)의 발생조직과예방대책을 살펴본 결과는 다음과 같았다. 1. 지난 6년간(年間)의 자료(資料)로 1일(日)200mm이상(以上), 1시간당(時間當) 60mm이상(以上)의 호우지대(豪雨地帶)를 보면 횡성, 원주, 영동, 무주, 남원과 순천을 연결하는 서부지역과 경상남도의 남부해안지방(南部海岸地方)에 분포(分布)되 있다. 이 원인(原因)은 산맥(山脈)과 저기압(低氣壓)의 방향(方向)에 영향을 받은 것으로 사료(思料)된다. 2, 호우(豪雨)의 정점(頂點)의 분포(分布)는 야간에 나타나며 이 시점에서 산사태(山沙汰)를 일으키고 막대한 피해(被害)를 주는 것 같다. 3. 평창지역(平昌地域)의 산사태(山沙汰)는 화강암(花崗巖)의 조사질양토(粗砂質壤土)와 석회암(石灰巖) 정암(貞岩)의 점토질토양(粘土質土壤)에서 발생(發生)하며 토석류(土石流)는 기암면(基岩面)이나 석회암토양(石灰巖土壤)에서 나타나는 반시(盤尸)을 따라 일어나고 있었다. 4. 이들 암석(岩石)에서 유래한 토양(土壤)의 투수력(透水力)은 빠른 것 같으며 화강암토양(花崗巖土壤)은 토성(土性)의 영향으로 석회암토양(石灰岩土壤)은 토양구조(土壤構造), 폐식(廢植)의 높은 함량(含量)과 근계(根系)의 영향 때문이다. 5. 산사태발생(山沙汰發生)의 근원지의 지형(地形)은 대부분 곡두(谷頭)의 요형지(凹型地)와 산복 상부의 요형(凹型)지에서 나타나고 있다. 이는 유거수(流去水)의 집수력(集水力)때문인것 같고 이 지점의 토양단면(土壤斷面)을 보면 석회암지대(石灰岩地帶)는 혼연성토양(混淵性土壤), 화강암지대(花崗岩地帶)는 발(髮)한 심토호(深土戶)으로 되있다. 6. 산사태지(山沙汰地)의 경사도(傾斜度)는 대부분 $25^{\circ}$이상(以上)에서 나타났고 경사위치(傾斜位置)는 산복상부의 6~9부 능선에서 나타났다. 7. 산사태지(山沙汰地)의 식피(植被)는 대부분 화전(火田)경작지, 화전초지(火田草地), 화전조림지(火田造林地), 황폐지(荒廢地)의 불량임분(不良林分)과 미림목지(未林木地)이었다. 일부 성림지(成林地)(중경목지)에도 나타났으나 대개 표상(表上)에 암석시(岩石尸)이 있는 지역이다. 8. 산사태위험도(山沙汰危險度)는 몇가지 환경인자(環境因子)로 즉 식피(植被), 경사도(傾斜度), 경사형태(傾斜形態) 및 위치(位置), 기암(基岩)과 분포형태(分布形態), 토양단면(土壤斷面)의 특성(特性) 등(等)으로 추정이 가능할 것 같다. 9. 가옥피해(家屋被害)는 대부분 다음과 같은 지형(地形)에서 나타나고 있다. 충적추(沖積錐)와 선상지요형사면(扇狀地凹型斜面)의 산록, 곡간(谷間)이나 야계변(野溪邊)의 소단구(小段丘)와 붕적토지(崩積土地) 등(等)이다. 가옥피해위험지(家屋被害危險地)는 항공사진으로 가옥(家屋)주위의 지형상태(地形狀態)를 참고를 하면 판정(判定)이 가능할 것 같다. 10. 산사태(山沙汰)의 예방대책(豫防對策)으로 위험지(危險地)의 진단기술(診斷技術)의 개발(開發), 현지조사(現地調査)를 통해 가능한 조속(早速)히 예방사방(豫防砂防)이 이루어져야 할 것이다. 가옥(家屋)과 부락(部落)의 피해예방대책(被害豫防對策)이 수립(樹立) 실행(實行)하여야 되며 재해방비림(災害防備林)의 조성책(造成策)이 고려되어야 할 것이다. 11. 산사태(山沙汰)에 의한 가옥(家屋)과 부락(部落)의 피해위험도(被害危險度)를 판정(判定)하여 지도사업(指導事業)을 통해 알려 주어야 한다. 12. 사태위험지(沙汰危險地)의 계벌작업(階伐作業), 화전경작(火田耕作), 연료채취(燃料採取)를 철저히 금지(禁止)시키고 피해위험지(被害危險地)의 가옥(家屋)신축을 규제시켜야 될 것이다. 따라서 산림경영계획(山林經營計劃)의 편성시 산사태(山沙汰)여부 토양침식(土壤浸蝕)과 홍수문제(洪水問題)들이 고려되어야 하며 재해예방대책(災害豫防對策)이 포함되어야 할 것이다.

• 한국지반공학회논문집
• /
• 제29권5호
• /
• pp.19-27
• /
• 2013

여름철 강우로 인한 산사태는 대부분 토석류의 형태로 나타난다. 토석류는 빠른 이동속도와 체적 때문에 경제적 손실 뿐만 아니라 많은 인명피해를 일으킨다. 토석류 해석 프로그램인 FLO-2D를 사용하여 유동학적 인자인 점성과 항복응력에 따른 토석류의 이동과 퇴적 특성을 분석하였다. 수치해석을 수행한 결과, 점성이 증가할수록 토석류 입자간의 응집력이 증가하여 토석류의 퇴적거리와 속도가 감소한다. 그에 따라 유동심은 증가하고 충격력은 감소하였다. 항복응력은 토석류의 발생과 퇴적에 큰 영향을 미치는 요인이다. 항복응력이 증가할수록 충격력은 증가하였다. 수치 해석 결과에 의하면, 토석류의 이동속도는 주로 점성에 의존하나 토석류의 퇴적 특성(퇴적거리, 퇴적 폭, 퇴적면적)은 점성과 항복응력에 의존한다.

• 한국산림과학회지
• /
• 제83권2호
• /
• pp.175-190
• /
• 1994

산지사면붕괴(山地斜面崩壞)에 의(依)한 피해(被害)를 예방(豫防) 또는 극소화(極小化)하기 위(爲)하여 산사태(山沙汰)가 자주 발생(發生)하는 지역(地域)을 중심(中心)으로 각(各) 조사(調査) 단위사면(單位斜面)에 대(對)하여 산지사면붕괴(山地斜面崩壞)에 영향(影響)하리라고 예상(豫想)되는 12개(個) 환경요인(環境要因)을 현지조사(現地調査)하고 붕괴(崩壞)와 환경인자(環境因子)와의 관계(關係)를 수량화(數量化) 이론(理論)에 의(依)한 방법(方法)으로 분석(分析)하여 산사태발생(山沙汰發生)의 위험도(危險度)를 평가(評價)할 수 있는 예측(豫測)모델을 도출(導出)하였으며, 또한 이를 기초(基礎)로 하여 위험도(危險度)를 각(各) 급별(級別)로 구분(區分)하고 예지(豫知)모델을 검토(檢討)하였던 바 그 결과(結果)을 요약(要約)하면 다음과 같다. 산지붕괴발생면적(山地崩壞發生面積)에 영향(影響)을 주는 인자(因子)는 강우(降雨), 령급(齡級), 표고(標高), 토성(土性), 경사(傾斜), 사면위치(斜面位置), 임상(林相), 곡차수(谷次數), 종단사면형(縱斷斜面形), 모암(母岩), 토심(土深), 방위(方位)의 순(順)이었으며, 편상관계수(偏相關係數)에 의(依)한 인자(因子)는 령급(令級), 강우(降雨), 토성(土性), 모암(母岩), 경사(傾斜), 사면위치(斜面位置), 표고(標高), 종단사면형(縱斷斜面形), 곡차수(谷次數), 임상(林相), 토심(土深), 방위(方位)의 순(順)으로 나타났다. 또한 산지붕괴발생빈도(山地崩壞發生頻度)에 의(依)한 인자(因子)의 순위(順位)는 령급(令級), 표고(標高), 토성(土性), 경사도(傾斜度), 식생(植生), 강우(降雨), 종단사면(縱斷斜面), 곡차수(谷次數), 모암(母岩), 토심(土深)이었으며 사면위치(斜面位置) 및 방위(方位)는 기여도(寄與度)가 낮게 나타났다. 산지사면붕괴위험(山地斜面崩壞危險) 예지(豫知)를 위(爲)하여 붕괴발생면적(崩壞發生面積)에 의(依)한 예측(豫測)모델에서 위험도(危險度) 예측점수표(豫測點數表)를 작성(作成)할 수 있었으며, 점수합계(點數合計)가 9.1636이면 붕괴발생위험(崩壞發生危險)이 높은 것으로 평가(評價)되었으며 산지(山地) 사면붕괴(斜面崩壞)가 발생(發生)한 사면(斜面)과 발생(發生)하지 않은 사면(斜面)에 의(依)한 예측(豫測)모델에서 우사면(雨斜面)에 대(對)한 사면판별(斜面判別) 구분치(區分値)는 -0.02였고, 그 적중율(適中率)은 73%로 높았다. 또한 판별구분치(判別區分値)를 기준(基準)으로 한 산지사면붕괴발생(山地斜面崩壞發生) 위험도별(危險度別) 점수(點數)는 A급(級)은 0.3132 이상(以上)이었고, B급(級)은 0.3132~-0.1051, C급(級)은 -0.1050~-0.4195, D급(級)은 -0.4195 이하(以下)였다. 그리고 산지사면붕괴발생(山地斜面崩壞發生)의 예지(豫知)는 판별구분치(判別區分値)를 기준(基準)으로 위험도(危險度)을 A, B, C, D의 4등급(等級)으로 구분(區分)할 수 있었으며, 총(總) 300개(個) 사면(斜面) 중(中) A급사면(級斜面) 68개(個), B급사면(級斜面) 115개(個), C급사면(級斜面) 65개, D급사면(級斜面) 52개(個)였다. 위험도(危險度) A, B급(級)에서의 산사태발생(山沙汰發生)은 150개(個) 붕괴지(崩壞地) 중 125개(個)로서 약(約) 83.3%의 높은 적중율(適中率)을 보여 예측(豫測)모델로서 응용(應用) 가능성(可能性)이 높게 나타났다. 따라서 이러한 예지방법(豫知方法)에 의(依)하여 선정(選定)한 위험(危險)한 지역(地域)에 대(對)하여 산지재해위험도(山地災害危險度) 지도(地圖)를 작성(作成)하여 토지이용(土地利用) 계획(計劃) 및 재해위험지(災害危險地) 선정기준(選定基準)의 행정지표(行政指標)로서 활용(活用)할 수 있을 것이다. 또한 산지재해(山地災害)에 대(對)한 종합(綜合) 대책(對策)에 유용(有用)하게 활용(活用)함으로써 막대(莫大)한 재산(財産) 피해(被害)와 인명(人命) 손실(損失)을 사전(事前)에 방지(防止)할 수 있을 것이다.