• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2004년도 GIS/RS 공동 춘계학술대회 논문집
• /
• pp.481-486
• /
• 2004

본 연구에서는 분석된 산사태 발생원인을 근거로 산사태 발생 가능 지역에 대한 산사태 발생원인에 대한 등급값을 이용하여, 인접한 연구지역에 교차 적용하여 위험성을 평가하여 취약성도를 작성하고 산사태 피해 예방을 위한 방재 사업, 국토개발 계획 및 건설계획을 위한 기초 자료로 적용 및 활용할 수 있도록 하였다. 연구대상 지역은 여름철 집중호우시 산사태가 많이 발생하는 지역으로 정하였으며, 행정구상으로 강원도 강릉시 사천면 사기막리와 주문진읍 삼교리에 해당한다. 산사태가 발생할 수 있는 요인으로 지형도로부터 경사, 경사방향, 곡률, 수계추출을, 정밀토양도로부터 토질, 모재, 배수, 유효토심, 지형을, 임상도로부터 임상, 경급, 영급, 밀도를, 지질도로부터 암상을, Landsat TM 영상으로부터 토지이용도와 추출하여 격자화 하였으며, 아리랑1호 영상으로부터 선구조를 추출하여 l00m 간격으로 버퍼링한 후 격자화 하였다. 이렇게 구축된 산사태 발생 위치 및 발생요인 데이터베이스를 이용, Frequence ratio를 이용하여 각 요소간의 분류를 산사태와의 상관관계를 바탕으로 취약성도를 구하였다. 그리고 계산된 산사태 취약성 지수의 기존 산사태 발생을 설명하는 능력을 정량적으로 표현하기 위하여 추정능력을 계산하였다 또한 이를 교차적용 하여 산사태 취약성도를 각각의 경우에 맞게 만들었다 이러한 평가는 산사태 피해 예방을 위한 방재 사업, 국토개발 계획, 건설계획 등에 기초자료로서 적용 및 활용될 수 있다.

• 한국측량학회지
• /
• 제32권4_1호
• /
• pp.281-292
• /
• 2014

본 연구는 산사태 관련 인자를 달리하여 산사태 취약성을 분석한 후, 정확도를 비교하고자 한다. 이를 위해 항공사진을 이용하여 산사태 위치를 추출하였고, 항공 LiDAR와 수치지도를 이용한 지형인자, 각종 주제도를 이용한 토양, 임상, 토지피복 인자를 추출하여 공간데이터베이스를 구축하였다. 산사태 취약성 지도는 로지스틱 회귀분석과 빈도비를 이용하여 산사태 취약지수를 산정하는 것에 의해 작성되었다. 분석결과, 항공 LiDAR와 수치지도의 상관관계는 거의 일치하였으며, 각 방법별로 작성된 산사태 취약성 지도 사이에는 강한 상관관계가 존재하였다. 각 방법별로 작성된 산사태 취약성 지도는 높은 예측 정확도를 보였다. 특히, 빈도비와 항공 LiDAR를 이용할 경우 성능이 더욱 향상되었다. 이를 통해 항공 LiDAR 자료는 효과적인 산사태 발생 예측 및 피해저감대책을 수립하는데 기여할 것으로 판단된다.

• 대한공간정보학회지
• /
• 제25권1호
• /
• pp.19-27
• /
• 2017

본 연구의 목적은 인제읍을 대상으로 빈도비와 로지스틱 회귀분석 모델을 통합한 앙상블 모델을 이용하여 산사태 취약성을 분석하고, 예측 정확도를 비교하는 것이다. 산사태 위치는 산사태 발생 전 후에 촬영된 항공사진을 이용하여 추출되었다. 추출된 총 422개의 산사태는 산사태 취약성 분석을 위해 훈련용 (70%)과 검증용 (30%) 자료로 랜덤하게 분류되었다. 산사태 관련인자는 고도, 경사도, 경사향, 배수로부터의 거리, 토양수분지수, 하천강도지수, 토질, 유효토심, 영급, 경급, 밀도, 임상 등 총 12개의 인자를 이용하였다. 산사태 및 산사태 관련인자는 공간데이터베이스로 구축된 뒤 빈도비와 앙상블 모델을 이용하여 산사태와 산사태 관련 인자 간 상관관계를 분석하였다. 그 결과를 바탕으로 각 모델별 산사태 취약성 지도를 작성하였고, relative operating characteristics(ROC) 곡선을 이용하여 예측 정확도를 검증 및 비교하였다. 분석 결과, 앙상블 모델에 의해 작성된 산사태 취약성 지도는 75.2%의 예측 정확도를 보였고, 이 결과는 빈도비 모델에 의해 작성된 산사태 취약성 지도와 비교하여 예측 정확도가 약 2% 향상된 것으로 나타났다. 본 연구에서 작성된 산사태 취약성 지도는 향후 효과적인 토지이용 계획을 수립하고, 재난재해로 인한 피해를 경감시키는데 활용 가능할 것으로 판단된다.

• 자원환경지질
• /
• 제43권4호
• /
• pp.381-391
• /
• 2010

최근 다양하게 제시되고 있는 확률론적 방법에 의한 산사태 예측기법의 경우 전문적 지식을 기반으로 조사 및 분석이 이루어질 경우에만 분석결과의 신뢰성을 확보할 수 있다. 그러나 재해 발생상황에서는 통계분석을 통한 산사태 예측의 전문가뿐만 아니라 공무원, 지질공학자 등 통계적 전문지식을 갖지 않은 재해분야 담당자도 신뢰성 있고 간편한 방법으로 산사태 취약성을 해석할 수 있어야 한다. 따라서 본 논문은 전문가는 물론 비전문가도 쉽게 의미를 이해하고 활용할 수 있으면서도 정확한 분석을 통한 통계적 접근으로 신뢰성 높은 산사태 취약성 평가표를 개발하여 제안하고자 하였다. 이를 위해 기존에 국내에서 산사태가 집중적으로 발생한 지역의 지질, 지형, 토질자료를 토대로 산사태 정준상관분석을 통한 수량화 기법을 이용하여 산사태 취약성 평가표를 개발하였다. 산사태의 현장자료와 실내시험자료를 바탕으로 통계분석을 실시하고, 그 결과를 토대로 영향인자 선정 및 인자별 급간 값을 설정한 것이다. 수량화 분석결과 산사태를 발생시키는 여러 인자 중 사면경사가 가장 큰 중요도를 가지며, 고도, 투수계수, 간극율, 암질, 건조밀도의 순서로 큰 영향을 미치는 것으로 나타났다. 각 평가항목별로 결정된 점수를 기준으로 평가항목 각각의 세부등급에 대한 점수를 할당하여 산사태재해 취약성 평가표를 개발하였다. 산사태재해 취약성 평가표를 이용하여 평가자는 평가대상 지점에 대해 각 평가항목별 해당 속성, 즉 세부등급을 선택하고, 선택된 각 속성별 평가점수를 더하면 산사태 취약성을 점수로 신속하게 파악할 수 있다. 또한, 이 결과를 토대로 GIS 기법을 이용한 산사태 예측지도 또는 취약성지도 등을 작성하여 활용할 수 있다.

• 대한원격탐사학회지
• /
• 제35권2호
• /
• pp.299-316
• /
• 2019

본 연구는 지리정보시스템(GIS) 환경에서 확률 모델인 Weight Of Evidence (WOE)와 Evidential Belief Function (EBF), 기계학습 모델인 Artificial Neural Networks (ANN) 모델을 이용하여 평창지역의 산사태 취약성도를 공간적으로 분석하고 예측하였다. 본 연구지역은 2006년 태풍 에위니아에 의한 집중호우로 산사태가 많이 발생하여 많은 재산 및 인명피해가 발생하였다. 산사태 취약성도를 작성하기 위해 항공사진을 이용하여 3,955개의 방대한 산사태 발생 위치를 탐지하였고, 환경공간정보인 지형, 지질, 토양, 산림 및 토지이용 등의 공간 데이터를 수집하여 공간데이터베이스에 구축하였다. 이러한 공간데이터베이스를 이용하여 산사태에 영향을 줄 수 있는 인자 17개를 추출하여 입력 인자와 EBF, WOE, ANN 모델을 이용하여 산사태 취약성도를 작성하고 검증하였다. 작성 및 검증을 위해 산사태 자료는 각각 50%씩 나누어서 훈련 및 검증을 실시하였고, 검증결과 WOE 모델의 경우는 74.73%, EBF 모델의 경우는 75.03%, ANN 모델의 경우는 70.87%의 예측 정확도를 나타내었다. 본 연구에 사용된 모델 중 EBF 모델이 가장 높은 정확도를 나타냈으며, 모든 모델에서 70% 이상의 예측 정확도를 보여 본 연구에서 사용된 기법이 산사태 취약성도 작성에 유효함을 나타내었다. 본 연구에서 제안된 WOE, EBF, ANN 모델과 산사태 취약성도는 이전에 산사태가 발생하지 않은 지역의 산사태를 예측하는 데 사용될 수 있다. 이러한 취약성도는 산사태 위험 감소를 촉진하고, 토지 이용 정책 및 개발을 위한 기초자료 역할을 할 수 있으며, 궁극적으로 산사태 재해 예방을 위한 시간과 비용을 절약할 수 있다. 향후 보다 많은 지역에서 산사태 취약성도 작성 방법을 적용하여 산사태 위험 예측을 위한 일반화된 모델을 이끌어 내야 한다.

• 자원환경지질
• /
• 제37권5호
• /
• pp.521-532
• /
• 2004

본 연구의 목적은 강릉지역에 대해 산사태 취약성을 GIS와 원격탄사를 이용하여 평가하는 것이다. 이를 위해 산사태 위치는 위성영상 해석 및 현지 조사를 통해 확인되었고, GIS와 원격탐사를 이용하여 지형도, 토양도, 지질도, 선구조도, 토지피복도 등이 수집되고, 처리된 후 공간 데이터베이스로 구축되었다. 확률 기법인 빈도비 모델을 이용하여 산사태와 경사, 경사방향, 곡률, 수계, 지형종류, 토질, 토양모재, 토양배수, 유효토심, 임상종류, 임상경급, 임상영급, 임상밀도, 암상, 토지피복도, 선구조도 등 산사태 발생 요인들과의 관계를 계산하여 빈도비를 구하였다. 그리고 이러한 빈도비를 모두 더하여 산사태 취약성 지수를 계산하였으며, 이러한 취약서 지수를 모두 더하여 취약성도를 작성하였다. 그 결과는 실제 산사태 위치자료를 이용하여 검증 및 교차 검증되었고, 그 검증 결과는 산사태 취약성도와 산사태 위치와 밀접한 관계가 있었다.

• 대한공간정보학회지
• /
• 제18권4호
• /
• pp.61-69
• /
• 2010

비탈면 혹은 절성토지의 파괴로 사람과 재산에 심각한 피해를 입히기 때문에 미리 산사태 취약성 분석을 수행하여 개발 혹은 자연재해로부터 위험을 대비하는 것이 필요하다. 기존의 산사태 취약성 분석은 휴리스틱, 통계학적, 결정론적 혹은 확률론적 방법을 통해 이뤄졌다. 그러나, 적은 현장정보 등으로 분석의 신뢰도가 떨어지거나, 전문가의 경험과 지식을 기존 정량적인 해석모델에 반영하기 어려웠다. 본 연구는 산사태 취약성 분석에 대한 전문가 지식과 공간입력자료의 시맨틱을 추출하여 온톨로지 모델을 구축하고, 이를 베이시안 네트워크에 반영하여 확률적인 산사태 모델링을 제안하였다. 기존에 전문가 수작업으로 이뤄지던 베이시안 네트워크의 구조 생성을 온톨로지 모델의 지식추론으로 자동화하고, 현장정보뿐만 아니라 전문가 지식을 모델링에 반영하여 조건부 산사태 발생확률분포를 작성하였다. 이 결과를 GIS에 적용하여 산사태 취약성 지도를 작성하였다. 검증을 위해 충남 홍성일원의 오서산 지역에 적용한 결과 기존 산사태 발생흔적과 86.5% 일치하였다. 본 연구를 통해 일반 사용자도 전문가 도움 없이도 광역적인 산사태 취약성 분석이 가능하리라 기대된다.

• 지질공학
• /
• 제33권4호
• /
• pp.673-687
• /
• 2023

데이터 탐색은 수집한 데이터를 다양한 각도에서 관찰 및 이해하는 과정으로 데이터 구조 및 특성 분석을 통해 데이터의 분포와 상관관계를 파악하는 과정이다. 일반적으로 산사태는 다양한 인자들에 의해 유발되고 발생 지역에 따라 유발 인자들이 미치는 영향이 상이하기 때문에 산사태 취약성 분석 이전에 데이터 탐색을 통해 유발 인자 사이의 상관관계를 파악하고 특징적인 유발 인자를 선별한다면 효과적인 분석을 수행할 수 있다. 따라서 본 연구는 데이터 탐색이 예측 모델의 성능에 미치는 결과를 확인하기 위해 두 단계에 걸친 데이터 탐색을 수행하여 인자를 선별하고, 선별된 유발 인자들 사이의 조합과 23개의 전체 유발 인자 조합을 활용하여 딥러닝 기반의 산사태 취약성 분석을 진행하였다. 데이터 탐색 과정에서는 Pearson 상관계수 heat map과 random forest의 인자 중요도 histogram을 활용하였으며, 딥러닝 기반 산사태 취약성 분석 결과의 정확도는 분석을 통해 획득한 산사태 취약 지수 값을 이용해 제작한 산사태 취약성 지도를 confusion matrix 기반의 정확도 검증 방법을 통해 분석하였다. 분석 결과, 전체 23개의 인자를 사용한 산사태 취약성 해석 결과는 55.90%의 낮은 정확도를 보였지만 한 단계의 탐색을 거쳐 선별한 13개 인자를 활용한 취약성 해석 결과는 81.25%의 분석 정확도를 보였고, 두 단계 데이터 탐색을 모두 수행하여 선별된 9개의 유발 인자를 활용한 산사태 취약성 분석 결과는 92.80%로 가장 높은 정확도를 보였다. 따라서 데이터 탐색을 통해 특징적인 유발 인자를 선별하고 분석에 활용하는 것이 산사태 취약성 분석에서 더 좋은 분석 성능을 기대할 수 있음을 확인하였다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2004년도 GIS/RS 공동 춘계학술대회 논문집
• /
• pp.487-492
• /
• 2004

본 연구에서는 인공신경망 기법을 이용하여 산사태 발생원인에 대한 가중치를 구하였다. 여름철 집중호우시 산사태가 많이 발생하는 강원도 강릉시 사천면 사기막리 와 주문진읍 삼교리에 해당한다. 산사태가 발생할 수 있는 요인으로 지형도로부터 경사, 경사방향, 곡률, 수계추출을, 정밀토양도로부터 토질, 모재, 배수, 유효토심, 지형을, 임상도로부터 임상, 경급, 영급, 밀도를, 지질도로부터 암상을, Landsat TM 영상으로부터 토지이용도와 추출하여 격자화 하였으며, 아리랑1호 영상으로부터 선구조를 추출하여 l00m 간격으로 버퍼링 한 후 격자화 하였다. 이렇게 구축된 산사태 발생 위치 및 발생요인 데이터 베이스를 이용하여 인공신경망 기법을 적용하여 산사태 발생 원인에 대한 상대적인 가중치를 구하였다. 인공신경망의 역전파 알고리즘을 이용한 사기막리 지역과 삼교리 지역의 산사태 가중치를 보면 GPS를 이용한 현장조사와 위성영상을 이용한 변화탐지 기법모두의 경우모두와 훈련지역을 실제 산사태 발생 지역과 경사도가 0°인 지역, 실제 산사태 발생 지역과 Frequence ratio를 이용하여 작성한 취약성도에서 산사태 발생이 낮을 것으로 예상되는 지역, Frequence ratio를 이용한 취약성도에서 산사태 발생이 높을 것으로 예상되는 지역 과 낮을 것으로 예상되는 지역의 경우에서도 경사도는 1.5～2.5배정도 높은 상대적 가중치를 나타냈다. 이러한 가중치는 산사태 취약성도를 작성하는데 활용될 수 있다.

• 자원환경지질
• /
• 제52권2호
• /
• pp.199-212
• /
• 2019

머신러닝 기법을 활용한 분석에서 훈련 데이터의 샘플링 전략은 예측 정확도 뿐 만 아니라 일반화 능력에도 많은 영향을 미친다. 특히, 산사태 취약성 분석의 경우, 산사태 발생부에 대한 정보에 비해 산사태 미발생부에 대한 정보가 과도하게 많은 데이터 불균형 현상이 발생하며, 이에 따라 분석 모델의 훈련 데이터 설계 시 데이터 샘플링 과정이 필수적이다. 그러나 기존의 연구들은 대부분 산사태 미발생부 선택 시 발생부 데이터와 1:1의 비율을 갖도록 무작위로 선택하는 방법을 적용하였을 뿐, 특정한 선택 기준에 따라 분석을 수행하지 않았다. 따라서 본 연구에서는 훈련 데이터의 샘플링 전략이 모델의 예측 성능에 미치는 결과를 확인하기 위하여 산사태 발생부와 미발생부의 샘플링 전략기준에 따라 서로 다른 6개의 시나리오를 만들어 Random Forest 모델의 훈련에 사용하였다. 또한 Random Forest의 결과 중 하나인 변수 중요도를 각 산사태 유발인자들에 가중치로 곱하여 줌으로써 산사태 취약지수 값을 산정하였으며, 취약지수 값을 이용해 산사태 취약성도를 제작하고 각 결과 지도의 정확도를 비교 분석하였다. 분석 결과, 훈련데이터의 샘플링 방법에 상관없이 두 지역의 산사태 취약성 분석 결과는 모두 70~80%의 정확도를 보였다. 이를 통해 Random Forest 기법의 산사태 취약성 분석기법으로서의 적용 가능성을 확인하였으며, Random Forest 모델이 제공하는 입력변수의 중요도를 산사태 유발인자 가중치로 활용할 수 있음을 확인하였다. 또한 훈련 시나리오 간의 정확도를 비교한 결과, 특정한 기준에 의해 훈련 데이터를 설계하는 것이 기존의 랜덤 선택 방법보다 높은 예측 정확도를 기대할 수 있음을 확인하였다.