• 한국측량학회지
• /
• 제19권4호
• /
• pp.343-355
• /
• 2001

지도를 위한 최적의 투영법은 없으며, 지도의 사용목적이 무엇이냐에 따라 투영법을 결정한다. 따라서 과거 종이지도를 위한 투영방법의 결정이 오늘날의 수치지도에도 올바른 선택은 아닐 수도 있다. 지도의 도엽체계는 이 보다는 단순하지만 사용자들이 쉽게 이해할 수 있도록 결정하여야 한다. 본 연구에서는 국내외 수치지도와 일반지도의 도엽체계를 분석하여, 현재 우리나라 수치지도의 문제점을 개선하기 위한 방안을 제안하였다. 본 연구에서의 새로운 도엽체계는 수치지형도, 수치표고모형 및 수치주제도 등의 수치지형공간정보의 구축 및 활용 측면을 고려하여 제시하였다.

• 환경생물
• /
• 제23권3호
• /
• pp.215-220
• /
• 2005

Through multiple stage analysis, the biochores in Korea were classified and organized as a hierarchy system. In the 1st step, the isopleth lines of warmth index $100^{\circ}C,\;85^{\circ}C,\;55^{\circ}C\;\cdot$ month and the coldness index $-8^{\circ}C,\;or-10^{\circ}C\;\cdot$ month, which indicate the boundaries of plant formation zones (Yim and Kira 1975; Yim 1977), were applied in the determination of major biochores. In the 2nd step, these biochores were subdivided into the five classes based on Thornthwaite's moisture index (Im) and Yim and Kira (1976), as follows: $100{\le}Im,100 In the 3 rd step, the analysis of topographic features yielded three categories of flatlands, gentle slope, and steep slope areas. These were obtained by adopting the $100{\times}100-meter$ gridded DEM and by considering the physical features of the Korean Peninsula. The features of relief in mountainous areas, waters, islands, etc. were converted into climatic indices. This grouping of biochores serves as a useful tool for the interpretation of the distributional patterns of vegetation of vascular plants and similar phenomena.

• 한국지형학회지
• /
• 제26권2호
• /
• pp.1-14
• /
• 2019

This study analyzed the relativity between block stream and talus distributions by employing a likelihood ratio approach. Possible distribution sites for each debris slope landform were extracted by applying a spatial integration model, in which we combined fuzzy set model, Bayesian predictive model, and logistic regression model. Moreover, to verify model performance, a success rate curve was prepared by cross-validation. The results showed that elevation, slope, curvature, topographic wetness index, geology, soil drainage, and soil depth were closely related to the debris slope landform sites. In addition, all spatial integration models displayed an accuracy of over 90%. The accuracy of the distribution potential area map of the block stream was highest in the logistic regression model (93.79%). Eventually, the accuracy of the distribution potential area map of the talus was also highest in the logistic regression model (97.02%). We expect that the present results will provide essential data and propose methodologies to improve the performance of efficient and systematic micro-landform studies. Moreover, our research will potentially help to enhance field research and topographic resource management.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.903-916
• /
• 2021

지형은 고도, 경사, 측면으로 설명되는 지표면의 물리적인 모양을 나타내는 것으로 지형적 조건에 따라 에너지의 이동이 결정된다. 이것은 태양 에너지를 얼마나 많이 받을지, 바람이나 비가 얼마나 많은 영향을 미칠지 등에 대한 중요한 결정 요인들로 지표면 상에 존재하는 모든 생물, 특히 산림 식생의 입지 환경에 큰 영향을 준다. 도서지역 산림과 같이 자연적으로 형성된 지형 인자가 산림 식생의 생태환경을 결정하는 요인이 될 때 보다 정확한 지형 인자들의 계산은 도서산림의 입지환경을 이해하는데 매우 중요하다. 최근에는 연구자, 학교, 산업 및 정부를 위해 수많은 무료오픈소스 소프트웨어 지리정보시스템 프로그램(Free Open Source Software Geographic Information Systems, FOSS GIS)들이 이러한 지형인자들을 보다 정확하게 계산하기 위해 다양한 알고리즘을 적용하고 있다. FOSS GIS 프로그램은 사용자 요구에 맞게 수정이 가능한 유연한 알고리즘을 제공한다. 이와 같은 수요에 맞춰 이 연구에서는 지형 분석이 특히 중요한 도서지역 산림을 대상으로 하여 FOSS GIS 프로그램들의 지형인자 계산 결과값을 비교해 보고 향후 지역 생태 연구에 있어 지형 인자 계산 방법을 결정할 때 그 기준을 마련하고자 한다. 연구 지역은 전라남도 도서 지역을 대상으로 하였고 FOSS GIS 프로그램 중 가장 널리 사용되는 GRASS GIS와 SAGA GIS로 처리하였다. 입지환경에 있어 가장 널리 사용되는 설명인자인 경사도와 TWI(Topographical Wetness Index) 지도를 각 FOSS GIS 프로그램으로 생성하고 그 차이를 분석하여 각 FOSS GIS 프로그램의 장단점을 토의하였다.

• 한국지리정보학회지
• /
• 제11권1호
• /
• pp.58-67
• /
• 2008

지형은 연료의 구성과 기상 및 산불로부터 발생하는 에너지의 흐름에 영향을 미쳐 산불행동에 관여하는 인자이다. 따라서 지형에 따른 산불피해도를 정략적으로 해석할 수 있다면, 산불위험도 작성 및 진화대원 안전 확보에 있어 기초 자료로 응용될 수 있다. 이를 위해 본 연구에서는 삼척(2000년 발생), 청양(2002년 발생), 양양(2005년 발생) 산불을 대상으로 산불피해도를 분석하고 지형을 구분한 다음 통계분석을 실시하여 두 인자간의 상관관계를 알아보았다. 산불피해도는 산불 전후 Landsat TM 영상에서 추출한 정규탄화지수(Normalized Burn Ratio)의 차이를 이용하였다. 지형은 지형위치지수(Topographic Position Index)를 이용해 Weiss(2001)가 제시한 10개로 구분하였다. 분석결과 산지수로, 능선, 산복사면 등의 지형에서 산불피해도가 높게 나타났으며, 곡저구릉, 평탄곡지, 평지 등의 지형은 산불피해도가 낮게 나타났다. 이를 임상별로 세분해 보면 산불피해도는 침엽수림에서 활엽수림에 비해 지형에 더 민감하게 반응한 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제33권6_3호
• /
• pp.1233-1242
• /
• 2017

본 연구에서는 KOMPSAT 위성영상을 활용하여 산불에 의한 산림황폐화 발생 지역을 탐지하고자 하였다. 산림황폐화 분석을 위하여 다시기 위성영상에 무감독 변화탐지 기법을 적용하고자 하였다. 산불 전후에 대한 다시기 영상으로부터 생성한 NDVI(Normalized Difference Vegetation Index)에 ITPCA(ITerative Principal Component Analysis)를 적용하여 산림황폐화에 의하여 발생한 변화지역을 추출하였다. 또한, SRTM(Shuttle Radar Topographic Mission)자료를 이용한 후처리 기법을 통하여 오탐지를 최소화하고자 하였다. KOMPSAT-2, 3 영상을 이용한 실험결과, 해당 지역 내에 존재하는 산림황폐화 지역을 효과적으로 추출할 수 있음을 확인하였다.

• 한국습지학회지
• /
• 제18권1호
• /
• pp.45-57
• /
• 2016

실무에서 사용되고 있는 제방의 안전도 평가는 여러 가지 붕괴원인 중 하나의 요인에 대해서만 평가를 하거나 주로 제방의 물리적인 특성을 이용한 1차원 수리분석을 통한 평가에 국한되어 왔다. 하지만 이러한 평가기법들은 제방의 다양한 붕괴원인을 동시에 고려할 수 없으며, 정확한 지형정보를 필요로 하는 곳에서 신뢰도가 떨어지는 문제점을 안고 있다. 따라서 본 논문에서는 정확한 지형정보를 반영한 2차원 수리해석을 결과를 이용하여 제방의 다양한 붕괴원인인 월류, 침투, 침식위험도를 동시에 고려한 제방 위험도 지수를 제안하였다. 낙동강 유역의 주요 합류부에 대해 하천준설사업 전 후의 지형 변화를 고려하여 2차원 수리모형을 이용한 수리해석을 실시하고 그 결과를 통해 제방 위험도를 평가하였다. 본 연구는 정확한 하천의 형상을 반영한 수리해석 결과를 이용한 객관적이고 신뢰도 높은 제방위험도 평가에 기여할 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제33권1호
• /
• pp.87-98
• /
• 2000

본 연구의 목적은 물리적 분포형 모형인 TOPMODEL의 국내 단일 유역에서의 홍수예보 능력을 검토하는데 있다. 이를 위해서 소양강댐 상류유역을 선정하였으며, 1990~1996년의 일 및 시 홍수사상을 선택하였다. 모형의 매개변수는 1990년의 일 호우사상을 이용하여 수동보정법으로 추정하였으며, 지형지수의 분포가 유출에 미치는 영향을 해석하였다. 모형의 매개변수 추정에 이용하지 않은 95년 및 96년 일 호우사상 및 90년, 95년, 96년 시 호우사상을 이용하여 TOPMODEL의 홍수예보능을 검토한 결과 관측유량과 계산유량의 상관계수가 일 홍수사상의 경우 0.77 이상, 시 홍수사상의 경우 0.87 이상으로 우수한 결과를 나타내었다. 국내의 홍수유출 특성과 모형의 개념 및 유량 산정 결과 등을 고려할 때 TOPMODEL의 홍수예보능은 우수한 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.298-298
• /
• 2011

다양한 수문학적 순환 성분들의 영향을 받는 유역의 포화과정은 토양층의 공간적 이질성과 맞물려 매우 복잡한 거동특성을 보이는 것으로 알려져 왔다. 이와 관련하여 주목해 볼 만한 지형인자 중의 하나로서 지형지수(topographic index)를 들 수 있다. 지형지수는 TOPMODEL의 주요한 입력변수 중의 하나로서 그 공간적 분포에 따라 유역의 상대적인 포화도를 용이하게 평가할 수 있는 객관적인 수단을 제공한다. 하지만 신뢰성 있는 지형지수의 산정은 상당히 까다로운 작업으로서 정확한 지형지수를 산정할 수 있는 절대적인 방법은 존재하지 않는 것으로 알려져 있다. 이는 지금까지 개발된 DEM을 기반으로 한 각종 흐름방향 모의기술의 수준이 아직 자연적인 지형형상을 완전히 반영하지 못함에 기인한다. 본 연구에서는 8-흐름방향방법의 단점을 보완하기 위하여 개발된 바 있는 $\infty$-흐름방향방법에 따라 지형지수를 산정하여 유역이 공간적으로 포화되어 가는 과정을 모의하여 보았다. $\infty$-흐름방향방법은 각도의 형태로 흐름방향을 산정하여 고정된 흐름방향의 구속에서 벗어남과 동시에 최소한의 흐름분산(flow dispersion) 모의를 허용하여 유역규모의 포화과정을 효율적으로 모의할 수 있는 수단으로 판단된다. 대상유역으로는 설마천 유역을 선택하였으며 지형분석 과정에는 Arc GIS를 기반으로 운용되는 software 중의 하나인 TauDEM을 적용하였다. 아래 그림은 각각 포화도 20%, 50%, 90%에 해당하는 포화역을 도시한 것으로 하천망으로 중심으로 유역이 공간적으로 포화되어 가는 과정을 효율적으로 나타내고 있음을 확인할 수 있다. 본 연구를 통하여 제시되는 방법론은 자연유역의 유출응답 속에 내재하는 동적특성이나 비선형특성에 대한 체계적인 접근을 가능하게 하는 효율적인 수단을 제공할 수 있을 것으로 기대된다.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2002년도 가을 학술발표회 논문집
• /
• pp.499-506
• /
• 2002

The purpose of this study is to develop landslide susceptibility analysis techniques using artificial neural networks and to apply the newly developed techniques for assessment of landslide susceptibility to the study area of Yongin in Korea. Landslide locations were identified in the study area from interpretation of aerial Photographs and field survey data, and a spatial database of the topography, soil type and timber cover were constructed. The landslide-related factors such as topographic slope, topographic curvature, soil texture, soil drainage, soil effective thickness, timber age, and timber diameter were extracted from the spatial database. Using those factors, landslide susceptibility and weights of each factor were analyzed by two artificial neural network methods. In the first method, the landslide susceptibility index was calculated by the back propagation method, which is a type of artificial neural network method. Then, the susceptibility map was made with a GIS program. The results of the landslide susceptibility analysis were verified using landslide location data. The verification results show satisfactory agreement between the susceptibility index and existing landslide location data. In the second method, weights of each factor were determinated. The weights, relative importance of each factor, were calculated using importance-free characteristics method of artificial neural networks.