• 자원환경지질
• /
• 제38권1호
• /
• pp.45-55
• /
• 2005

산사태 취약성 분석을 위해 적용된 기존 GIS 기반 확률론적 공간 통합 모델은 범주형과 연속형 자료와 같이 서로 다른 형태의 자료의 처리를 위한 이론적 배경과 효율적인 방법론을 제시하지 못하였다. 이 논문에서는 우도비의 틀 안에서 연속형 자료를 직접적으로 사용할 수 있도록 비모수적 경험적 추정 모델과 모수적 예측적 판별 분석 모델을 적용하였다. 그리고 유사율과 예측비율곡선을 계산함으로써 두 모델을 정량적으로 비교하고자 하였다. 제안 모델을 비 교하기 위해 1998년 여름 산사태로 많은 피해를 입은 장흥 지역과 보은 지역을 대상으로 사례연구를 수행하였다. 장 흥 지역에서는 두 모델이 유사한 예측 능력을 나타내었으나, 보은 지역에서는 모수적 예측적 판별 분석 모델이 보다 높은 예측 능력을 나타내었다. 결론적으로 제안한 두 모델은 산사태 취약성 분석을 위한 연속형 자료 표현에 효율적 으로 적용될 수 있으며, 두 모델이 개별적인 연속형 자료 표현의 특성을 가지고 있기 때문에 다른 사례 연구를 통한 검증 작업이 병행되어야 할 것으로 생각된다.

• 대한원격탐사학회지
• /
• 제34권1호
• /
• pp.45-74
• /
• 2018

Landslide is a natural hazard that threats lives and properties in many areas around the world. Landslides are difficult to recognize, particularly in rainforest regions. Thus, an accurate, detailed, and updated inventory map is required for landslide susceptibility, hazard, and risk analyses. The inconsistency in the results obtained using different features selection techniques in the literature has highlighted the importance of evaluating these techniques. Thus, in this study, six techniques of features selection were evaluated. Very-high-resolution LiDAR point clouds and orthophotos were acquired simultaneously in a rainforest area of Cameron Highlands, Malaysia by airborne laser scanning (LiDAR). A fuzzy-based segmentation parameter (FbSP optimizer) was used to optimize the segmentation parameters. Training samples were evaluated using a stratified random sampling method and set to 70% training samples. Two machine-learning algorithms, namely, Support Vector Machine (SVM) and Random Forest (RF), were used to evaluate the performance of each features selection algorithm. The overall accuracies of the SVM and RF models revealed that three of the six algorithms exhibited higher ranks in landslide detection. Results indicated that the classification accuracies of the RF classifier were higher than the SVM classifier using either all features or only the optimal features. The proposed techniques performed well in detecting the landslides in a rainforest area of Malaysia, and these techniques can be easily extended to similar regions.

• 한국지리정보학회지
• /
• 제14권4호
• /
• pp.116-127
• /
• 2011

본 논문에서는 로지스틱 회귀분석 기법을 이용하여 산사태 취약성 분석을 수행하였다. 예측모델의 성능은 모델의 적합도 검증을 통해 사용된 데이터가 모델에 얼마나 잘 반영되어 구축되었는지에 대한 적합도 평가뿐만 아니라 예측성능에 대한 평가가 필요하다. 따라서 이 논문에서는 모델에 대한 객관적인 결과를 얻기 위해 이와 같은 두 가지 측면에 대하여 예측성능 평가를 적용하였다. 연구지역은 2006년도 집중 호우로 많은 산사태가 발생한 강원도 인제 일대를 대상으로 하였다. 산사태 관련인자들은 지형도, 토양도, 임상도로부터 추출하였다. 예측모델에 대한 평가는 누적이득차트 곡선의 하부영역을 계산하였다. 예측모델의 적합도 평가에서는 87.9% 교차검증을 통한 예측정확도 평가 결과 84.8%로 두 평가 결과간의 큰 차이를 보이지 않으며 좋은 성능의 결과를 산출하였다. 이는 산사태와 관련성이 높은 유발인자와 예측모델 성능에서 기인된 결과로 해석 될 수 있다.

• 한국농공학회:학술대회논문집
• /
• 한국농공학회 2005년도 학술발표논문집
• /
• pp.399-403
• /
• 2005

Slope angle, ground water table and thickness of soils are the key factors affecting landslide stability. However examining the factors such as thickness of soils; geological structure, slope angle, and height, in order to use the global landslide susceptibility forecasting analysis is very expensive and time consuming effort. So most researchers prefer to use the simplest methods such as the C strata and the USGS methods. In this research thickness of soils was calculated using these two methods and stability analysis was performed with the thickness of soils calculated by the two methods at the SINMAP based on ArcView 3.2. The two safety factor maps were compared with the past landslide records. The thickness of soils calculated by USGS method showed more unstable safety factors.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.248-248
• /
• 2023

In recent years, the number of landslides in Korea has been increasing due to extreme weather events such as localized heavy rainfall and typhoons. Landslides often occur with debris flows, land subsidence, and earthquakes. They cause significant damage to life and property. 64% of Korea's land area is made up of mountains, the government wanted to predict landslides to reduce damage. In response, the Korea Forest Service has established a 'Landslide Information System' to predict the likelihood of landslides. This system selects a total of 13 landslide factors based on past landslide events. Using the LR technique (Logistic Regression) to predict the possibility of a landslide occurrence and the accuracy is known to be 0.75. However, most of the data used for learning in the current system is on landslides that occurred from 2005 to 2011, and it does not reflect recent typhoons or heavy rain. Therefore, in this study, we will apply a total of six machine learning techniques (KNN, LR, SVM, XGB, RF, GNB) to predict the occurrence of landslides based on the data of Inje, Gangwon-do, which was recently produced by the National Institute of Forest. To predict the occurrence of landslides, it is necessary to process converting landslide events and factors data into a suitable form for machine learning techniques through ArcGIS and Python. In addition, there is a large difference in the number of data between areas where landslides occurred or not. Therefore, the prediction was performed after correcting the unbalanced data using Tomek Links and Near Miss techniques. Moreover, to control unbalanced data, a model that reflects soil properties will use to remove absolute safe areas.

• 한국암반공학회:학술대회논문집
• /
• 한국암반공학회 2008년도 국제학술회의
• /
• pp.337-341
• /
• 2008

• 지질공학
• /
• 제28권4호
• /
• pp.687-699
• /
• 2018

강우변화에 따라 토층 내로 침투되는 강우양상을 파악하는 것은 산사태 위험도 평가에 있어 매우 중요한 요소라 할 수 있다. 본 연구에서는 재현기간 별 강우변화에 따른 안전율 기반의 산사태 위험도를 평가하고 이를 바탕으로 연구지역 내 산사태 위험지수를 제안하고자 하였다. 산사태 위험지수는 토층으로 침투되는 강우양상을 침투깊이비로 추정하고 이를 기반으로 산사태 위험도를 사전에 파악할 수 있도록 지수로 표현한 것이다. 연구지역에 대한 산사태 위험도 분석결과, 빈도 별 강우강도가 증가하면서 연구지역 전체 안전율은 감소하는 경향을 보였으나 50년 빈도 이상의 강우조건에서는 점차 수렴하는 경향을 보였다. 이러한 현상은 침투깊이비와 토층깊이에서도 유사하게 나타났으며 경사가 완만할수록 침투깊이가 깊은 것으로 분석되었다. 분석결과를 바탕으로 연구지역 내 복수의 산사태가 발생된 인후리 지역에 대하여 산사태위험지수를 제안하였다. 제안된 산사태위험지수는 과거 산사태 발생 시 강우조건과 비교, 분석한 결과 대부분의 산사태 발생 강우강도 조건에서는 산사태위험지수 2등급, 0.7이상에서 발생된 것으로 분석되었다.

• 한국지반공학회논문집
• /
• 제20권2호
• /
• pp.47-58
• /
• 2004

강관은 Northridge 지진이 발생했을 당시 산사태가 일어나는 언덕이나 산악지역에 매설되어 있었다. 본 논문은 지리정보체계(GIS) 시스템에서 위치에 따라 강관을 서로 다른 유형별로 분류하고 정의하였다. 이 논문은 지반속도와 강관의 손상관계를 분석하고 Northridge 지진 시 발생한 산사태의 영향을 받았던 지역을 조사하였다. 하나의 주목할 만한 사실은 Northridge 지진 후 강관의 손상률이 다른 종류의 매설관, 특히 캐스트아이런(CI)보다 더 높았다는 것이다. Northridge 지진으로 인한 상대적으로 높은 강관의 손상률은 가장 큰 내부압력을 요하는 곳에서의 설치관례와 부식으로 인한 영향으로 해석될 수 있다.

• 자원환경지질
• /
• 제35권1호
• /
• pp.67-74
• /
• 2002

본 연구의 목적은 산사태 취약성 분석을 위하여 인공신경망을 이용하여 산사태 요인의 가중치를 결정하는 것이다. 산사태 발생 지역은 항공사진, 현장조사와 지형도 등으로부터 위치를 파악하였다. 용인 지역에 대해서 산사태에 영향을 주는 지형경사, 지형곡률, 토양배수, 토양 유효심도, 토양 종류, 식생 경급과 영급 등의 자료가 사용되었다. 이들 자료를 이용하여 인공신경망의 층간 가중치가 역전파 트레이닝 알고리즘에 의해 계산되었으며, 이는 산사태 요인의 가중치를 결정하는데 사용되었다. 죽, 트레이닝 후 층간 가중치를 해석하여 분류에 미치는 영향을 고려함으로서 각 산사태 요인의 가중치가 결정되게 된다. 가장 높은 값은 지형경사로서 5.33의 값을 나타냈으며 지형 곡률과 토질은 각각 1과 1.17로 낮은 값을 나타냈다. 역전파 알고리즘을 이용한 가중치 결정 방법은 분석에 중요하지 않은 요인을 제거함으로 계산시간을 단축시킬 수 있어 GIS를 이용한 중첩 분석 연구에 활용되 수 있다.

• 환경영향평가
• /
• 제22권1호
• /
• pp.39-50
• /
• 2013

Occurrence of landslides has been increasing due to extreme weather events(e.g. heavy rainfall, torrential rains) by climate change. Pyeongchang, Korea had seriously been damaged by landslides caused by a typhoon, Ewiniar in 2006. Moreover, the frequency and intensity of landslides are increasing in summer due to torrential rain. Therefore, risk assessment and adaptation measure is urgently needed to build resilience. To support landslide adaptation measures, this study predicted landslides occurrence using MaxEnt model and suggested susceptibility map of landslides. Precipitation data of RCP 8.5 Climate change scenarios were used to analyze an impact of increase in rainfall in the future. In 2050 and 2090, the probability of landslides occurrence was predicted to increase. These were due to an increase in heavy rainfall and cumulative rainfall. As a result of analysis, factors that has major impact on landslide appeared to be climate factors, prediction accuracy of the model was very high(92%). In the future Pyeongchang will have serious rainfall compare to 2006 and more intense landslides area expected to increase. This study will help to establish adaptation measure against landslides due to heavy rainfall.