• 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.

• 대한원격탐사학회지
• /
• 제26권1호
• /
• pp.47-57
• /
• 2010

본 연구의 목적은 2006년 태풍 에위니아, 빌리스, 개미와 집중호우로 인해 많은 산사태가 발생한 진부면 지역을 대상으로 항공사진을 이용한 산사태 탐지 및 인공신경망과 GIS를 이용한 산사태 취약성을 분석하는데 있다. 산사태 위치는 산사태 발생 전후의 항공사진을 판독 후 현장에서 확인하였다. 취약성 분석을 위해 지형, 지질, 토양, 임상, 선구조, 토지이용도 등의 자료는 공간 데이터베이스로 구축하였다. 산사태와 관련 요인들간의 상대적 가중치는 인공신경망의 역전파 알고리즘을 이용하여 결정하였다. 그 결과 경사방향과 경사는 다른 요인들 보다 1.2~1.5배 높게 나타났다. 이 가중치를 이용하여 취약성도를 작성 후 분석에 사용하지 않은 산사태 위치와 비교하여 검증하였다. 그 결과 예측 정확도는 81.44%로 나타났다.

• 대한원격탐사학회지
• /
• 제36권1호
• /
• pp.67-81
• /
• 2020

The rapid climatic changes being caused by global warming are resulting in abnormal weather conditions worldwide, which in some regions have increased the frequency of landslides. This study was aimed to analyze and compare the landslide susceptibility using the Frequency Ratio (FR), Statistical Index, Weight of Evidence, Certainty Factor, and Index of Entropy (IoE) at Woomyeon Mountain in South Korea. Through the construction of a landslide inventory map, 164 landslide locations in total were found, of which 50 (30%) were reserved to validate the model after 114 (70%) had been chosen at random for model training. The sixteen landslide conditioning factors related to topography, hydrology, pedology, and forestry factors were considered. The results were evaluated and compared using relative operating characteristic curve and the statistical indexes. From the analysis, it was shown that the FR and IoE models were better than the other models. The FR model, with a prediction rate of 0.805, performed slightly better than the IoE model with a prediction rate of 0.798. These models had the same sensitivity values of 0.940. The IoE model gave a specific value of 0.329 and an accuracy value of 0.710, which outperforms the FR model which gave 0.276 and 0.680, respectively, to predict the spatial landslide in the study area. The generated landslide susceptibility maps can be useful for disaster and land use planning.

• 한국지반공학회지:지반
• /
• 제10권1호
• /
• pp.47-62
• /
• 1994

산사면에서 강우에 의한 지하수위 상승은 사면의 안정성에 큰 영향을 미치는 중요한 요소임은 이미 잘 알려져 있다. 그러므로 강우로 인한 지하수위 상승을 예측하는 일은 산사면의 안정성을 해석하기 위한 매우 중요한 요소이다. 본 연구는 포화흐름과 비포화흐름을 고려한 산사면에서의 지하수위 변동을 예측하기 위한 수치해석 모델의 개발과 적용 가능성을 검토하였으며, 수치해석이 갖는 큰 약점인 입력상수에 대한 불확실성을 고려해주기 위하여 매개변수분석 및 예측법을 제시하였다. 수치해석모델을 개발하기 위해 사용한 수치해석기법은 유한요소법과 유한차분법을 동시에 이용하였다. 이와 같은 방법을 이용하여 2차원 수치해석모델을 개발한 후, 수치해석모델의 입력값들이 갖는 불확실한 상수들에 대한 매개변수분석을 수행하여 본 수치해석모델의 현장 적용성을 검토하였다. 매개변수예측방법은 Maximum-A-Posteriori(MAP)방법을 이용하여 불확실한 입력상수인 $K_e$,$\psi_e$, b에 대한 배개변수분석을 수행하였다. 개발된 수치해석모델의 적용성을 검토하기 위해 실제 산사태가 빈번히 일어났던 서울시 시흥동에 위치한 현장에 적용하여 계측된 지하수위와 비교, 검토하였다. 이 적용결과로부터 본수치해석모델이 강우로 인한 산사면에서의 지하수위 상승을 비교적 잘 예측해주고 있음을 알 수 있었다.

• 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.

• 한국농림기상학회지
• /
• 제18권4호
• /
• pp.208-220
• /
• 2016

본 연구는 매년 발생하고 있는 산불, 산사태 등의 산림 재해방지를 위해 호남과 제주의 산악지역을 대상으로 최적의 산악기상관측망 입지를 선정하는 연구를 수행하였다. 먼저 적정위치 선정을 위해 고려해야 하는 항목들을 공간자료화한 후 공간 분석을 통해서 후보지를 선정하고 현장 조사를 통해 정량적 평가를 수행함으로써 최종적인 적정위치를 선정하였다. 공간자료는 과거 10년간의 산불발생 정보와 과거 7년간의 산사태위험등급 정보, 산림청의 국사경계도, 국유지의 임도와 등산로 그리고 기상청의 자동기상관측소(AWS)와 산림청의 산악기상관측소 위치정보, 30m 해상도의 수치표고모델(DEM)을 사용하였다. 공간분석은 산불과 산사태의 1-2등급의 위험지에 대한 추출 및 중첩 분석, 산림청 국유지 내에 100m 버퍼를 준 임도와 등산로의 접근성 분석, 기상관측소의 2.5km 버퍼를 준 중복성 분석, 산악기상관측 입지 환경 조성을 위한 고도 200m 이상의 지형특성 분석을 통해 종합적인 중첩분석을 수행하였다. 공간분석 결과, 총 159개의 중첩 폴리곤이 추출되었고 구글어스 등을 활용하여 능선과 정상부에 총 64개의 적정위치 후보지를 선정하였다. 선정된 후보지는 기상관측환경, 접근성, 통신 및 전력공급 환경, 기상관측소의 중복성에 대한 정량적인 현장 평가를 통해서 총점이 70점 이상인 지점을 '적합'으로 판정하여 고득점 순으로 산악기상관측망의 적정위치 26개소를 선정하였다. 따라서 적정위치 선정 기법에 의해 구축된 산악기상관측망의 기상정보는 향후 산불, 산사태 등과 같은 산림재해위험 예측력의 향상과 산림 복잡 지형에 대한 미기상 연구에 활용이 가능할 것으로 판단된다.