GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성

전체 글

(1)GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. 환경정책연구 12(3) : 21~47. GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성 1). 2). 1). 1). 이명진 ․ 이사로 ․ 전성우 * ․ 김근한. Landslide Vulnerability Mapping considering GCI(Geospatial Correlative Integration) and Rainfall Probability In Inje Moung-Jin Lee1), Sa-Ro Lee2), Seong-Woo Jeon1)*, Geun-Han Kim1) 1) 한국환경정책․평가연구원(Korea Environment Institute), 2) 한국지질자원연구원(Korea Institute of Geoscience & Mineral Resources). 제출: 2013년 5월 16일 수정: 2013년 8월 26일 승인: 2013년 9월 9일. 국 문 요 약 GCI(Geospatial Correlative Integration) 중 Frequency ratio 모델을 적용하여 2006년 태풍 에위니아에 의하여 발생한 강원도 인제 가리산리 지역의 산사태 취약성도를 작성하였다. 또한 연구지역의 미래 확률강우량을 적용하여 미래 목표연도별 산사태 취약성도를 작성하였다. 산사태 취약성와 관련된 요인으로는 기후노출은 확률강우량, 민감도는 지질, 지형도(경사, 경사방향, 곡률도), 토양도(토양 지형, 토질, 토양 배수, 토양 모재 및 유효토심) 및 적응능력으로 는 임상도(영급, 경급, 소밀도 및 수종) 등을 GIS 기반의 공간 데이터베이스로 구축하였다. 전체 산사태 발생 위치는 470개소이며 이 중 50%는 Frequency ratio 및 Neural network 모델의 산사태 발생 지역으로 적용하였으며, 나머지 50%는 취약성도 검증에 활용하였다. 산사태 발생 강우량 임계치는 3일 누적 449mm로 적용하였다. 확률강우량은 1973년부터 2006년까지의 실측 강우량을 정리하여 2106년까지 목표연도별(1년, 3년, 10년, 50년 및 100년) 산사태 취약 성도를 작성하였다. 연구결과 연구지역은 경사도가 다른 항목에 비하여 산사태 발생에 높은 가중치를 나타냈으며 경 사도 항목의 세부 항목의 산사태 발생과의 상관관계에서는 경사도 25~30°인 지역이 높은 상관관계를 나타냈다. 또한 강우량의 증가에 의하여 미래 산사태 발생 가능성이 매우 높은 지역이 2006년을 기준으로 2100년까지 약 110% 증가하였 다. 앞으로 강우량의 변화에 의한 산사태 위험성 분석에 한 축을 차지할 수 있다는 점에서 중요성이 있다. 기존에 확률강우량 변화에 따른 산사태 발생의 불명확한 관계를 정량적으로 분석하였으며, 미래 기후변화 예측 결과를 반영한 연구지역 내 산사태 발생 변화를 시-공간적으로 산정하고, 기존 산정 결과와의 비교를 통해, 향후 기후 변화를 고려한 국내 산사태 관리 방안 수립을 위한 방향을 제시하기 위한 연구라고 할 수 있다. 앞으로 분석모델의 고도화 방안 및 현장조사가 추가된다면 보다 정량적으로 기후변화와 산사태의 상관관계를 파악할 수 있으며, 산사태 의 전반적인 관리 및 효율적인 운영 체제 구축을 위하여 기여할 수 있다는 점에서 그 중요성이 있다.. ❙주제어❙ GCI(Geospatial Correlative Integration), Frequency ratio, 미래 확률강우량, 취약성도, 산사태. * 교신저자: swjeon@kei.re.kr ** 본 논문은 한국환경정책 ․ 평가연구원의 2013년도 기초연구과제 중 “기후변화에 따른 도심지역 지질재해 리스크 체계 마련”의 지원으로 이루어졌으며 이에 감사를 드립니다.. 21.

(2) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. Abstract The aim is to analysis landslide vulnerability in Inje, Korea, using GCI(Geospatial Correlative Integration) and probability rainfalls based on geographic information system (GIS). In order to achieve this goal, identified indicators influencing landslides based on literature review. We include indicators of exposure to climate(rainfall probability), sensitivity(slope, aspect, curvature, geology, topography, soil drainage, soil material, soil thickness and soil texture) and adaptive capacity(timber diameter, timber type, timber density and timber age). All data were collected, processed, and compiled in a spatial database using GIS. Karisan-ri that had experienced 470 landslides by Typhoon Ewinia in 2006 was selected for analysis and verification. The 50% of landslide data were randomly selected to use as training data, while the other 50% being used for verification. The probability of landslides for target years (1 year, 3 years, 10 years, 50 years, and 100 years) was calculated assuming that landslides are triggered by 3-day cumulative rainfalls of 449 mm. Results show that number of slope has comparatively strong influence on landslide damage. And inclination of 25~30°, the highest correlation landslide. Improved previous landslide vulnerability methodology by adopting GCI. Also, vulnerability map provides meaningful information for decision makers regarding priority areas for implementing landslide mitigation policies. ❙Keywords❙ GCI(Geospatial Correlative Integration), Frequency ratio, Rainfall probability, Vulnerability, Landslide. Ⅰ. 서론 1970년대 이후 급격한 산업화를 통하여 압축 성장한 우리나라는 자연환경을 개발 및 이용하는 발전방향을 선택하였다. 2000년대 들어 지난 세기의 산업화의 영향은 “기후 변화”라는 형태로 나타났으며, 이러한 자연환경에 대한 인위적 변형을 유도한 산업화 의 결과 및 기후변화의 영향은 자연재해를 급격하게 증가시키고 있다. 자연재해 중에 서도 특히 태풍, 홍수와 같은 수문기상 재해가 증가하는 경향이며, 수문기상 재해 중에서 자연의 형태적·물리적 변화를 동한하는 산사태는 인류의 삶을 직접적으로 파괴한다 (녹색성장위원회, 2010). 산사태는 집중호우, 태풍 또는 지진 등의 급격한 자연환경의 변화에 의하여 일시에 사면의 일부가 무너져 내려오는 현상이다. 우리나라는 매년 6월과 9월 사이의 우기가 집중되어 있다. 우리나라는 주로 이 시기에 산사태가 발생하며, 이로 인한 인명 및 재산피해도 날로 증가하고 있는 실정이다. 최근에는 기후변화에 의하여 수백 mm의 국지성 폭우가 내리는 강우강도가 증가하는 극단적 기후현상이 잦아지고 있다. IPCC(Intergovernmental Panel on Climate Change)에서 2007년 발간된 “제4차 기후. 22.

(3) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. 변화 평가 보고서(IPCC 2007)”는 온실가스 배출감축과 같은 노력으로 기후변화 현상 을 완화시켜도 기후변화는 기존 배출된 온실가스에 의하여 앞으로 수세기 이상 계속 진행될 것으로 예측하였다. 이러한 기후변화로 인한 극단적 기후사상인 태풍, 폭설 및 집중호우와 같은 강우량이 특정 시기의 쏠림 현상은 증가할 것이며(Kirshen, P. H. 2002; 백경혜 등, 2010) 지속적으로 산사태 발생을 유발할 것이다. 기후변화를 고려하여 향후 발생이 증가할 것으로 예상되는 산사태에 대한 다각적이고 종합적인 원인 분석이 필요 하다. 산사태 발생 가능성 및 위험성 평가를 통하여 산사태 발생 피해를 최소한으로 줄일 수 있다(김경수 등, 2006; 홍원평 등, 1990). 국내외 산사태와 관련된 GIS 및 공간통계학적 연구는 이사로 등(2004) 및 이명진 등 (2004)이 확률, 통계 분석을 통하여 산사태 발생 원인의 관계를 객관적이고 정량화하는 연구를 수행하였다. 이용준 등(2006)은 보은 지역의 산사태 통계 방법 중 로지스틱 회귀 분석 및 AHP를 통하여 산사태 취약성 평가를 실시하였다. 이명진 등(2012)은 인공신 경망 기법을 이용하여 산사태 발생 원인의 상대적 가중치를 산정하였다. 국외의 경우 Lee S et al.(2001), Collison A et al.(2006)은 GIS를 활용하여 기후변화에 따른 산사태 발생 빈도를 분석하였다. Lisa Borgatti et al.(2010)은 이탈리아 지역의 실제 산사태 발생과 원인에 대한 상관관계를 분석하였다. 이러한 기존의 연구는 각각의 통계학적 방법론을 적용한 개별 사례로 볼 수 있으며, 공간통계학의 개념부터 실제 사례적용 연구는 진행 되지 못하였다. 본 연구의 목적은 공간 통계 모델링 기법인 GCI(Geospatial Correlative Integration) 기반의 산사태 취약성도를 작성하고, 미래 확률강우량을 적용하여 강원도 인제 지역의 향후 실질적인 미래 산사태 취약성를 분석하고자 한다. 이를 위하여 첫째, 2006년 태풍 에웨니아 및 빌리스에 의한 집중호우에 의하여 산사태가 발생한 강원도 인제 지역을 연구지역으로 선정하였다. 둘째, 연구지역의 산사태 관련 항목을 선정하여 GIS 형태로 구축하였다. 셋째, GCI 방법 중 Frequency ratio을 적용하여 2006년 기준 산사태 취약 성도를 작성하였다. 넷째, 연구지역 3일(449mm) 누적강우량을 적용하여 미래 목표연 도별(1, 3, 10, 50 및 100년) 확률강우량을 산정하였다. 다섯째, 산정된 확률강우량을 적 용하여 연구지역의 목표년도별 산사태 위험도를 작성하였다. 여섯째, 2006년 산사태 발생 자료를 바탕으로 미래 목표년도별 산사태 위험도를 검증하였다. 일곱째, 향후 기 후변화를 고려한 국내 산사태 관리 방안 수립을 위한 정책방향을 제시하였다. 본 연구 는 GCI 방법 기반의 산사태 취약성 및 미래 확률강우량을 적용한 시계열 취약성 분석. 23.

(4) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. 의 기초연구를 수행하였다(그림 1). 그림 1 연구 흐름도. Ⅱ. 연구방법 및 내용 1. GCI(Geospatial Correlative Integration) 지난 수세기 동안의 인간의 활동 및 온실가스 배출이 현 시점에서의 자연재해 및 환 경문제의 발생의 직접적인 원인이다(IPCC 2007). 최근 발생하는 자연재해 및 환경문제 의 특징은 크게 두 가지이다. 첫째, 발생하는 지역적 및 공간적으로 확대되고 있다는 것이다. 둘째, 발생하는 분야(자연재해, 지질재해, 환경오염, 동·식물 분포 및 생태계) 등으로 확대되고 있다는 것이다. 이러한 문제를 해결하는 다양한 방법 중에서 CGI는 GIS(Geographic information system) 및 원격탐사(Remote Sensing)를 바탕으로 통계. 24.

(5) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. 및 데이터 마이닝 방법론을 적용한 것으로 발생 문제의 공간적 및 다양한 분야로 확대 를 분석하는 방법으로 공간통계학의 개념을 보다 정리하고 정립한 것이다. GCI 분석에서 환경 및 자연재해와 같은 발생하는 문제는 종속 데이터(Dependent Data)로 구분하며, 발생하는 문제에 영향을 미치는 개별 항목들은 독립 데이터 (Independent Data)로 구분한다. 이렇게 선정된 개별 독립 데이터는 기존의 Statistic model(Logistic Regression(S. Lee et al., 2007) 및 Structural Equation Modeling 등), Probabilirt model(Frequency ratio(이명진, 2004), Weight of evidence 등(M. J. Lee et al., 2011)), Data mining model(Artificial Neural Network(Paola, J. D. et al., 1995; S. Lee et al., 2003; S. Lee et al., 2006; 오현주, 2010), Fuzzy, Neuro Fuzzy(Hardin, Jensen., 2007; Hines, J. W., 1997) 및 Decision Tree 등) 및 Expert-opinion model(Analytic Hierarchy Process) 등을 통하여 종속 데이터와의 상관관계 및 가중치를 계산한다. 개 별 항목의 가중치와 상관관계를 분야별로 연계하여 분야별 최종적으로 분야별 취약성 도를 작성한다(그림 2).. 그림 2 GCI 개념도 및 프로세스 흐름도. 25.

(6) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. 2. Frequency ratio model 본 연구에서 적용된 GCI 방법은 Probabilirt model 중 Frequency ratio이다. 일반적 으로 의사결정을 할 때 사전정보를 이용하는 경우가 많으나 이것만으로는 효과적인 의사결정을 할 수 없기 때문에 추가정보를 활용한다. 이때 이용할 수 있는 통계적인 방법이 조건부확률의 원리이며, 그 응용으로 추론된 정리가 Frequency ratio 모델이다. Frequency ratio 모델은 주어진 요인들에서 종속변수가 존재하는 상황을 확률로 설명 한다. 따라서 각 요인의 어떤 등급에서 사건이 가장 많이 발생했는지 쉽게 계산할 수 있고 사건발생에 대한 각 요인의 등급별 중요도를 쉽게 파악할 수 있는 장점이 있다. 그러나 Frequency ratio 모델은 단변량 분석방법이기 때문에 사건 발생에 대한 독립변 수들 간의 중요도는 설명할 수 없다. Frequency ratio 모델을 벤 다이어그램을 이용하 여 설명하면 <그림 3>과 같다(Qiuming chang, 1996). 연구지역을 표본공간 T로 표시하 고 일정한 크기를 갖는 단위 픽셀 s로 나누면, N{T } = t / s 는 표본공간 T에 대한 총 단위 픽셀들이 된다. 여기서 T는 연구지역의 표본공간이며, 사건 발생지역을 점으로 표시하 는 것이 D이다. 일정한 크기를 갖는 단위 픽셀들로 이루어진 연구지역의 주제별 요소 를 B로 나타낸다. P{D} =. N {D} N {T }. 그림 3 Frequency ratio 모델의 Veen diagram 산정 흐름도(이명진, 2012). 26. (식 1).

(7) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. 최종적으로 Frequency ratio 모델에서 계산된 각 침수관련 항목 간의 상관관계를 계산 한다. 만약 상관관계가 1보다 크다면, 침수와의 상관관계가 높은 것이며, 1보다 작다면 상관관계가 낮은 것이다. 계산된 상관관계는 침수 취약성도 작성에 활용된다. 각 항목 간의 상관관계를 합하여 LVI(Landslide area Vulnerability index)를 작성하였다. 식 2는 LVI를 나타내는 것으로 LRa는 빈도비 모델 결과에 해당하는 각 항목 간의 상관관계의 합을 의미한다. LVI는 GCI 방법의 Integration에 해당하는 방법론이다(이명진, 2012). LVI = ∑LRa. (식 2). 본 연구에서 사용된 Frequency ratio 모델은 침수 피해 분석에 적합하도록 수정 및 보완하여 사용하였다. Frequency ratio 모델에서 적절한 학습데이터의 선정은 분석 결 과에 영향을 주기 때문에 정량적인 기준으로 선정되어야 한다. 시공간 상에 발생하는 사건의 예측도는 반드시 검증작업이 수행되어야 하며, 검증자료는 동일한 공간에서 다 른 시간에 발생한 사건이어야 한다. 하지만 산사태 피해 지역은 일시적으로 지표에 나 타나기 때문에 시간적 특성으로 인하여 검증자료를 수집하기에는 많은 제한이 존재한 다. 따라서 본 분석에서는 산사태피해 지역 분석에 대한 시간적인 고려를 배제하고, 산사태피해 위치 수를 상관관계 분석용(50%)과 검증용(50%)으로 분류 및 이용하여 취 약성도를 작성하고 검증하였다.. 3. 확률강우량 확률강우량은 과거의 강우량 자료를 바탕으로 동일 강우량이 발생할 수 있는 목표연 도 기준의 빈도를 계산하는 것이다. 확률강우량 변화에 따른 미래 기후변화를 간접적 으로 예측하는 방법으로 확률강우량을 적용하였다. 확률강우량은 지속시간별 일간 최 대치 수문자료를 이용하여 특정 재현기간에 해당하는 빈도해석을 통하여 계산된다. 확 률강우량을 바탕으로 매개변수를 추정하여 확률강우량의 변화를 미래 강우량의 변화 로 타 연구 결과에 적용할 수 있다. <그림 1>은 확률강우량을 산정하는 빈도해석 과정 및 매개변수 계산과정을 나타낸 것이다. 기상자료 해석에 일반적으로 사용되는 확률분 포형으로 gamma 분포형, GEV(Genera1 Extreme Value)분포형, Gumbel 분포형, log-Gumbel 분포형, lognormal 분포형, log-Pearson type III 분포형, Weibull 분포형,. 27.

(8) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. Wakeby 분포형이 있다. 확률분포형의 매개변수의 추정 방법은 여러 가지가 있으나 수 문학 관련 일반적으로 빈도해석 시 널리 사용되는 모멘트법(method of moments: MOM), 최우도법(method of maximum likelihood: ML)(이승춘, 2009), 확률가중모멘 트법(method of probability weighted moments: PWM)을 적용한다. 본 연구에서는 확 률분포형으로 Gumbel 분포 및 매개변수를 추정에는 모멘트법(Method of Moments: MOM)을 적용하였다(그림 4). 그림 4 확률강우량 흐름도(국립방재연구소, 1998). 본 연구에 활용된 Gumbel 분포는 연최대치 홍수량, 저유량, 연유출량 및 계절별 유 출량 등 수문자료의 해석에 널리 사용되고 있으며 확률밀도함수는 다음과 같다..                  exp       . 28. (식 3).

(9) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. 여기서,  는 규모 매개변수(scale parameter),  는 형상 매개변수(shape parameter),.   는 위치 매계변수(location parameter)로,  가 양수일 때는  ≤   ∞ , 음수일 때 의 범위는  ∞   ≤   이며,    이다. 본 연구에서 적용된 매개변수 추정법은 모멘트법(Method of Moments: MOM)이며, 본 방법은 가장 오래되고 간단하여 많이 사용되는 매개변수 추정방법중의 하나로 모집 단의 모멘트(population moments)와 표본자료의 모멘트(sample moments)를 같다고 하여 적용 확률분포형의 매개변수를 추정하는 방법이다. 이 추정방법은 일반적으로 왜 곡된 분포인 경우 1보다 작으며, 정규분포와 같은 대칭형 분포는 1이거나 거의 1과 가 깝게 나타난다. 따라서 대칭형 분포의 경우에는 모멘트법이 유리하다.. 4. 미래 산사태 취약성도 분석 미래 산사태 위험도 분석은 Frequency ratio를 이용하여 구축된 산사태 취약성에 미 래 확률강우량을 통하여 계산된 매개변수와 연산하여 계산된다(식 4). PH 미래 산사태 취약성도이고, PS GCI를 통하역 구축된 산사태 취약성도이다. Ti 산사태 발생 강우량 의 임계치(3일(449mm))이며, a와 b는 미래 확률 강우량에 의하여 계산된 매계변수이 다(표 3, Nefeslioglu et al., 2011)..              . (식 4). 5. 연구지역 연구지역은 2006년 7월 14일부터 태풍 에위니아에 의하여 산사태가 발생한 지역으 로 인제군에서 발생한 피해의 공식집계는 인명피해는 사망 17명, 실종 12명으로 총 29 명이다. 재산피해는 약 5천억 원이며 산사태는 대부분 7월 14일부터 17일(누적 3일)에 집중적으로 발생하였다(인제군청, 2006). 인제군 내에서 주요 피해가 발생한 지역은 한 계리, 덕적리, 가리산리, 하추리, 귀둔리 및 북리 등이며 주로 설악산의 계곡을 이루는 하천에서 피해가 발생하였다. 이 가운데에서 상세 연구 대상지역은 인제 읍내로부터 약 5km 정도 동북쪽 지역에 위치한 가리산리 지역으로 470개의 산사태가 발생한 지역 이다(인제군청, 2006). 강원도 인제 지역 산사태 전체 발생 중 일부를 대상으로 하였다.. 29.

(10) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. 지리좌표는 동경 128° 17‘ 30 ~ 128° 24’ 50 , 북위 38° 1‘ 50 ~ 38° 61’ 10 사이에 위치한 다(그림 5). 또한 2009년에도 100mm 이하의 강우량에도 산사태가 인제군 일원에 발생 하였다. 그림 5 연구지역 및 산사태 발생 위치도. 그림 6 산사태 피해 현황(일부). 30.

(11) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. 6. 공간 데이터베이스 구축 산사태가 발생하는 다양한 사건은 여러 요인의 복잡한 특성과 연관되어 발생한다. 따라서 사건의 예측분석을 위해서는 관련 요인들을 지리정보 환경의 공간 데이터베이 스로 구축하는 것이 첫 번째 작업으로 수행되어야 한다. 공간 데이터베이스 구축을 위 해 먼저 자료를 수집 후 입력자료의 구축형태를 점, 선, 면으로 설정, 공간자료의 속성 값 설정, 좌표계 설정 및 축척에 따른 공간해상도를 설정하였다(이명진, 2012). 좌표계 는 Bessel 1841타원체를 기준으로 한 TM(Transverse Mercator)은 동부원점 127° E를 사용하였다. 또한 모든 자료의 공간 데이터베이스 구축은 ArcGIS 9.3를 이용하여 구축 하였다. 연구지역인 인제 지역의 산사태 취약성 및 위험도 분석을 위해 수집된 자료는 <표 1> 및 <그림 7>과 같이 산사태 분포도, 지형도, 토양도, 임상도 및 지질도이다. 산사태 발생 위치는 우선적으로 항공사진 및 현장조사를 통하여 파악하였다. 지형자료로서는 1:5,000 수치지형도를 자료변환 후 내삽의 과정을 거쳐 수치표고모델(DEM)을 작성하 였다. 이렇게 작성된 수치표고모델로부터 경사도, 경사방향도, 곡률도를 작성하였다. 경사도는 지형의 기울기를 나타내며, 경사 방향도는 지형사면의 경사방향을 나타낸다. 곡률도의 경우, 0값을 기준으로 음의 값으로 갈수록 경사면의 형태가 오목한 것을 나 타내며, 양의 값으로 갈수록 경사면의 형태가 볼록하다. 0은 경사면의 형태가 평탄한 것을 나타낸다. 토양자료는 1:25,000 정밀토양도로부터 토양 지형도, 토질도, 토양 배수 도, 토양 모재도, 유효토심도 등을 작성하였다. 지형은 토양이 분포한 지역의 지형에 의해 분류된 것이며, 토질은 토양입자크기에 의하여, 모재는 토양이 어떤 암상으로부 터 형성되었는가를, 배수는 물의 배수정도를, 유효토심은 토양의 유효두께를 각각 나 타낸다. 또한 1:25,000 임상도로부터 임상 종류도, 임상 경급도, 임상 영급도, 임상밀도 도, 등을 구축하였다. 임상 종류 도는 나무의 종류를 나타내며, 임상 경급 도는 나무의 지름을, 임상 영급 도는 나무의 수령을, 임상 밀도도는 나무의 밀도를 각각 나타낸다. 지질자료는 1:250,000 지질도로부터 암상분포도를 구축하였다. 산사태와 관련있는 모든 요인은 <표 1>과 같이 공간 데이터베이스로 구축하였고 입 력자료의 축척을 고려하여 5m × 5m 크기의 격자로 설정하였으며, 연구지역의 격자수 는 가리산리는 2,088 × 1,139으로 총 격자수는 2,378,232이다.. 31.

(12) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. 표 1 연구지역의 산사태 관련 데이터 구성 Classification. Factors. Data Type. Scale. Raw Data. Geological Hazard. Landslide. Point. 1:5,000. -. Rainfall probability. 3-day accumulate(449mm). Point. 1:5,000. Korea Meteorological Administration. Topographic Map. Slope Aspect Curvature. Grid. 1:5,000. National Geographic Information Institute. Geological Map. Geology. Polygon. 1:50,000. Korea Institute of Geoscience & Mineral Resources. Soil Map. Topography Soil drainage Soil material Soil thickness Soil texture. Polygon. 1:25,000. Rural Development Administration. Forest Map. Timber diameter Timber type Timber density Timber age. Polygon. 1:25,000. Korea Forest Service. Climate-Exposure. Sensitivity. Adaptive capacity. 그림 7 산사태 발생 관련 입력자료 작성. (A) Slope. 32. (B) Aspect.

(13) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. (C) Curvature. (D) Timber diameter. (E) Timber type. (F) Timber density. (F) Timber age. (H) Topography. 33.

(14) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. (I) Soil drainage. (J) Soil material. (K) Soil thickness. (L) Soil texture. (M) Geological. 34.

(15) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. Ⅲ. 연구결과 및 검증 1. Frequency ratio 결과 Frequency ratio model의 적용은 관측된 산사태 발생 지역의 분포와 산사태와 관련 된 요인들의 등급별 상관관계를 밝히고, 각 요인의 등급별 Frequency ratio model을 통해 산사태 취약지수를 계산하여 산사태 취약 지역을 예측하는 데 있다. Frequency ratio model은 특정 값의 범위 내에서 사건발생 확률을 예측하는 방법이므로 연속형 자료의 경우 원자료의 값이 잘 반영되도록 적절한 등급으로 분리되어야 한다. 따라서 본 분석에 사용된 연속형 자료인 경사는 등급별 균등한 면적을 갖도록 값의 범위를 10등급으로 재분류하였다(S. Lee., 2007; M. J. Lee., 2011). Frequency ratio model은 조건부 확률 원리를 바탕으로 한, 각 요인의 등급별 산사 태 발생 면적의 비율을 의미한다. Frequency ratio model에서 1이면 산사태피해 영향 이 관련항목과 비교하여 평균적이라는 것을 의미하며, 1보다 크면 관련항목 중 산사태 발생 확률이 상대적으로 높다는 것을, 1보다 작으면 산사태 발생 확률이 상대적으로 작다는 것을 의미한다. Frequency ratio model을 통하여 각 요인의 등급에서 산사태 발생에 기여한 정도를 알 수 있다. <표 2>에 제시된 Frequency ratio 값은 각 요인의 등급에 부여하는 상관관계로 고려 하였다. ‘경사도’ 요인은 경사도가 0~5°인, 6~10°, 11~15° 및 16~20° 등급에서 1보다 작 은 상관관계를 나타냈으며 이는 경사도가 낮은 지역에서는 산사태 발생 확률이 낮다는 것을 정량적으로 나타낸다. 또한 경사도에서 산사태 발생 확률이 가장 높은 지역은 36~40°인 지역이며, 이는 경사도가 높을수록 산사태 발생이 무조건적으로 높아지는 것 이 아니라, 연구지역에서 산사태 발생 확률이 가장 높은 경사도가 존재하는 것으로 정 량적으로 분석하였다. ‘곡률’ 요인은 오목한 지역이 1.18로 1보다 높은 상관관계를 나 타냈다. 경사방향에서는 동쪽(1.81)과 남동쪽(1.69)이 높은 상관관계를 나타냈다. ‘임상 영급’에서는 2영급이 1.84로 영급 중에서 가장 높은 상관관계를 나타냈다. 토양에서는 ‘토양 깊이’가 20cm이하인 지역이 1.71로 가장 높은 상관관계를 나타냈다. Frequency ratio model의 결과를 바탕으로 인제군 가리산리의 산사태 취약성 지역 은 경사도 36~40°, 경사 방향 동쪽, 2영급의 임상 분포 지역 및 토양 깊이가 20cm 이하 인 지역으로 파악되었다. 또한 기후변화 취약성 평가 중 적응능력으로 적용한 임상의. 35.

(16) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. 경우 임상의 종류, 수종 등과 같은 임상관련에서도 임상이 없는 지역이 산사태에 취약한 지역으로 분석되었다. 이러한 결과를 바탕으로 강원도 인제군 가리산리 지역에 대한 산사태 피해에 직간접적으로 영향을 미치는 요소들을 추출할 수 있다. 또한 Frequency ratio model이 높은 상관관계를 보이는 지역을 중첩 연계 분석하여 산사태에 취약한 지역을 도출할 수 있다(그림 8).. 표 2 Frequency ratio model을 적용한 각 항목별 상관관계 Class. Slope. Curvature. Aspect. Geology. Timber diameter. 36. 0~5° 6~10° 11~15° 16~20° 21~25° 26~30° 31~35° 36~40° 41~90° Concave Flat Convex Flat North Northeast East Southeast South Southwest West Northwest Banded gneiss Granite Non forest area Very small diameter Small diameter Medium diameter Large. Occurrence point 0 6 15 14 55 97 119 95 68 198 123 148 0 16 29 102 138 76 52 36 20 321 148 6 36 160 248 19. Percent of Occurrence 0 1.28 3.2 2.99 11.73 20.68 25.37 20.26 14.5 42.22 26.23 31.56 0 3.41 6.18 21.75 29.42 16.2 11.09 7.68 4.26 68.45 31.56 1.28 7.68 34.12 52.88 4.05. No. of pixels in domain 36565 65520 114810 150224 240876 309084 352580 259657 207803 623402 500735 612982 10991 150071 152909 222981 283079 289183 259809 206304 161792 1124137 612982 148148 121903 484305 969918 13291. Percent domain 2.1 3.77 6.61 8.65 13.87 17.79 20.3 14.95 11.96 35.89 28.83 35.29 0.63 8.64 8.8 12.84 16.3 16.65 14.96 11.88 9.31 64.72 35.29 8.53 7.02 27.87 55.82 0.76. Ratio 0 0.34 0.48 0.35 0.85 1.16 1.25 1.36 1.21 1.18 0.91 0.89 0 0.39 0.7 1.69 1.81 0.97 0.74 0.65 0.46 2.09 0.89 0.15 1.09 1.22 0.95 5.3.

(17) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. Timber type. Timber density. Timber age. Topography. Soil drainage. Soil material. Soil thickness. Soil texture. Class. Occ. point. Pct. occ.. Non forest area Mixed broad-leaf tree Needle and broad Rigida pine Pine Artificial Larch Larch Korea nut pine Artificial pine Non forest area Loose Moderate Dense Non forest area 1stage 2ndage 3rdage 4thage 5thage 6thage No Data Valley area Valley and alluvial Piedmont slope area Hill area Alluvial fan No data Well drained Moderately well dra No data Valley alluvium Gneiss residuum Fluvial alluvium Colluvium Alluvial colluvium No Data 20 50 100 150 No Data Very rocky loam Sandy loam Rocky sandy loam Rocky loam Overflow area. 0 193 69 1 174 17 4 9 2 302 111 42 14 6 36 73 70 122 123 39 3 12 0 454 0 0 0 15 454 2 12 0 1 454 0 9 3 0 3 454 0 5 10 0 453 1. 0 41.15 14.71 0.21 37.1 3.62 0.85 1.92 0.43 64.39 23.67 8.96 2.99 1.28 7.68 15.57 14.93 26.01 26.23 8.32 0.64 2.56 0 96.8 0 0 0 3.2 96.8 0.43 2.56 0 0.21 96.8 0 1.92 0.64 0 0.64 96.8 0 1.07 2.13 0 96.59 0.21. No. of pixels in domain 2086 680282 324465 37321 482280 76008 89958 37041 8124 1090897 353119 270051 23498 148148 121903 147013 241545 533415 460668 84873 46632 94202 7794 1583576 1479 3471 13932 139646 1583576 14416 93864 338 43481 1583576 1479 97031 6511 718 49318 1583576 13932 11231 128192 223 1562952 20624. Pct.domain. Ratio. 0.12 39.15 18.67 2.15 27.76 4.37 5.18 2.13 0.47 62.78 20.32 15.54 1.35 8.53 7.02 8.46 13.9 30.7 26.51 4.88 2.68 5.42 0.45 91.16 0.09 0.2 0.8 8.04 91.16 0.83 5.4 0.02 2.5 91.16 0.09 5.59 0.37 0.04 2.84 91.16 0.8 0.65 7.38 0.01 89.97 1.19. 0 1.05 0.79 0.1 1.58 0.83 0.16 0.9 0.91 1.03 1.16 0.58 2.21 0.15 1.09 1.84 1.07 0.85 0.99 1.7 0.24 0.47 0 1.06 0 0 0 0.4 1.06 0.51 0.47 0 0.09 1.06 0 0.34 1.71 0 0.23 1.06 0 1.65 0.29 0 1.07 0.18. 37.

(18) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. 그림 8 Frequency ratio를 적용한 산사태 취약성도. 2. 미래 확률강우량 및 매개변수 본 연구에서 확률강우량을 분석한 지역은 강원도 인제 지역이다. 보다 정확한 미래 확률강우량 분석을 위해서 과거 강우자료의 정확도 및 자료의 양이 중요한 영향을 미 친다. 그렇기 때문에 시계열 과거 강우자료의 획득 및 분석이 선행되어야 한다. 획득된 자료는 기상청으로부터 시간 단위로 제공 받았다. 인제지역 기상관측지점의 시간별 강 우량 자료를 1973년 1월 1일부터 2006년 12월 31일까지 획득하였다. 전체 획득된 자료 는 일별 시간단위 강우량 자료이다. 시계열 자료를 분석하는 목적은 기술, 예측, 설명 및 제어의 네 가지이다. 시계열 분석에서는 과거의 자료로부터 얻어진 변화의 패턴이 미래에도 유지될 것이라는 가정에서 예측하는 것이다. 그러므로 시계열 분석을 위해서 는 누적되어 있는 과거 자료의 정확한 분석이 필요하다. 연구지역은 2006년 태풍 에위니아에 의하여 7월 14일 일일 최대 강우량(202mm)를 기록하였다. 3일 누적 강우량은 449mm이다. 본 연구에서의 확률강우량 산정은 FARD2006 빈도해석 프로그램(국립방재연구원, 1998)을 활용하였다. <표 2>는 3일 누적 강우량(449mm)이 미래 목표연도별 발생확률을 의미한다. 목표. 38.

(19) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. 연도 1년, 지속시간 1일의 163.5mm가 의미하는 것은 연구지역에 3일 누적 기간에 163.5.mm 이상의 강우량이 발생하기 위해서는 1년 빈도라는 확률을 의미한다. 같은 맥락에서 목표연도 100년, 지속시간 3일의 447.8mm가 의미하는 것은 연구지역에 3일 동안 100년 빈도라는 것이다. 즉, 본 연구에서 3일 누적 강우량 449mm를 적용하여 본 다면 연구지역에서 3일 누적 강우량이 449mm발생할 확률은 100년(447.7mm)이 지나 도 발생하지 않지만, 발생 확률은 목표연도의 증가에 따라서 지속적으로 증가함을 나 타낸다(표 3). 이러한 결과의 해석은 목표년도의 증가는 보다 많은 시간 및 가능성의 동시 증가를 의미하며 결국 일정 강우량의 경우는 목표연도가 증가하면 발생할 수 있 는 확률이 증가한다는 것을 의미한다. <표 4>는 3일 확률강우량을 적용하여 매개변수 를 산정하였다.. 표 3 목표연도별 확률강우량l(mm) Recurrence interval. 3 Day. 1year. 163.5. 3 year. 199.5. 10 year. 290.0. 50 year. 400.9. 100 year. 447.8. 표 4 3일 누적 강우량에 따른 매개변수 3 Day parameter. a. b. 2 year. 28.85. 56.28. 3 year. 33.71. 65.17. 10 year. 46.06. 87.49. 50 year. 61.28. 114.76. 100 year. 67.74. 126.30. 3. 산사태 취약성도 결과 산사태 위험도 분석은 식 4와 같이 취약성도에 가능성 요인을 고려하여 산정하는 것 이다. 본 연구에서는 기후노출을 확률강우량을 반영하여 미래 산사태 취약성도를 작성 하였다. 또한 연구지역 중 가리산리 지역의 산사태 발생 가중치를 Frequency ratio. 39.

(20) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. model을 통하여 산정하였다. 마지막으로 산사태 취약성도에 확률강우량 변화에 따른 미래 기후변화 사상을 적용하여 미래 목표년도별 산사태 위험도를 작성하였다. 산사태 위험도의 경우 확률강우량 임계치 447.8mm를 적용한 목표연도 1년, 3년, 10년, 50년 및 100년까지의 전체 연구지역 면적대비 등급 중 Very high는 취약성도에서는 5.45% 에서 목표연도 증가에 따라서(1년 : 5.49%, 3년 : 8.08%, 10년 10.67%, 50년 : 13.37% 및 100년 : 16.90%) 100년에는 약 11.55% 증가하였다(표 5). 전체적으로 미래 목표연도 증가에 따라서 상대적으로 산사태에 안전한 Low 지역은 감소하고 Very High 및 High 지역은 증가하였다. 이러한 결과를 도면으로 모식화하면 <그림 9>과 같다.. 그림 9 미래 목표연도별 위험지역의 등급 변화도. 40.

(21) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. 표 5 미래 목표연도별 위험지역의 등급 변화 Thresholds. Class. Low(1~57%). Medium(58~75%). High(76~875). Very High(88~100%). -. 2006 Year Vulnerability. 31.60. 59.89. 21.47. 5.45. 1. 10.28. 80.89. 21.59. 5.49. 3. 8.26. 78.12. 23.80. 8.08. 10. 6.59. 74.38. 26.61. 10.67. 447.8. 50. 5.36. 68.18. 31.34. 13.37. 100. 4.58. 62.29. 34.48. 16.90. 4. 검증 본 연구에서 GCI 방법론 중 Frquency ratio model을 이용하여 도출된 산사태피해 취약성도는 추정(assessment)값에 해당되므로 검증이 필요하다. 이를 위해 Success Rate Curve (SRC) 방법을 이용하였다. SRC는 가능성도에서 얻어진 가능지수 값을 등 면적당 검증용 산사태 발생한 곳의 비율값으로 표현하였다. 그 결과 SRC는 그림 9와 같다. 그래프의 X축에는 산사태 취약성이 높은 지역을 상위 퍼센트로 나열한 값이고, Y축은 검증용 산사태가 위치한 하위 퍼센트 값을 나타낸 것이다. 예를 들어, X축의 값 이 1%일 때 Y축의 값이 100%라면 산사태 취약성도 및 위험도에서 이들의 가능성이 높게 나타난 1%의 픽셀 안에 산사태의 위치가 모두 속한다는 것을 의미하며 또한 이 들의 예측이 올바르게 되었음을 의미한다(그림 10). 보다 정량적인 검증을 위해 AUC(Area Under the Curve)방법을 이용하였다. AUC 방법은 SRC 방법을 개선한 것 으로, SRC 방법에 의한 결과검증 곡선의 면적을 구하는 것으로써 X축과 Y축을 1:1로 곱하면 그 SRC 아래의 면적을 구할 수 있고 이 면적이 넓을수록 산사태 발생 가능성도 의 예측 정확도를 알 수 있다(M J Lee, 2011). 산사태 위험도의 경우 확률강우량 임계치 447.8mm를 적용한 목표연도 1년, 3년, 10 년, 50년 및 100년의 AUC 검증 결과(2006년 취약성도 81.86%, 1년 : 81.39%, 3년 : 81.11%, 10년 82.84%, 50년 : 83.98% 및 100년 : 86.50%)는 취약성도 81.86%에 비하여 목표연도 100년은 약 4.64%의 정확도가 증가하였다.. 41.

(22) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. 그림 10 AUC를 활용한 미래 목표연도별 산사태 취약성도 검증 결과. Landsldie Occurrence (Y-axis). 100. 80. 60. 40 2006 Year Vulnerability(81.86%) 1 Year(81.39%) 3 Year(81.11%) 10 Year(82.84%) 50 Year(83.98%) 100 Year(86.50%). 20. 0 0. 20. 40. 60. 80. 100. Landslide Vulnerability Index Rank (X-axis). 5. 기후변화를 고려한 산사태 관리를 위한 정책적 시사점 기후변화에 따른 산사태 취약성의 시계열적 변화는 강우량 증감과 밀접한 연계가 있 다. 또한 기후변화로 인한 부정기적이며 극단적 기후사상의 변화로 인하여 집중호우의 발생은 빈번하게 발생할 것이다. 이에 대한 대응방안으로 안정적인 산사태 관리 방안 을 제공할 수 있는 정책수립이 필요한 시점이다. 본 연구는 주로 기후변화를 고려한 산사태 취약성도 방법론 및 모델 개발에 중점을 두었다. 모델을 적용한 시범지역 역시 국내에 발생하는 전체 산사태를 대표할 수 없기 때문에 국내 산사태 및 자연재해 관리에 관한 구체적인 방안을 수립하기는 어려우나, 연구결과를 토대로 향후 산사태 취약지역 관리에 대한 다음과 같은 정책 방향을 제시 할 수 있다. 현재 국가 차원에서 기후변화와 관련된 정부 부처의 대책은 크게 두 가지이다. 첫째,. 42.

(23) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. 2010년 수립된 ｢저탄소 녹색성장 기본법 시행에 따른 국가기후변화 적응대책｣(관계부 처협동 2010 및 환경부 2010)이며, 본 대책은 2012년 기상청의 미래 기후변화 신시나리 오 RCP(Reprensentative Concentration Pathway)를 반영하여 수정보완이 진행되었다 (관계부처협동 2012). 둘째 2011년 수립된 ｢국가 기후변화 적응대책 세부시행계획｣(관 계부처협동 2011)이다. 2010년 수립된 적응대책에서는 산사태를 산림 분야에서 ｢기후 변화에 따른 산림재해 취약성 평가｣ 및 ｢산림재해예방 및 피해저감 시스템 고도화｣에 서 다루고 있다. 2011년에 계획된 세부이행계획에서는 산림분야의 ｢기후변화에 따른 산림재해 취약성 평가｣를 통하여 다루고 있다. 또한 2012년에 수정·보완된 대책에서도 산림의 ｢건강한 생태계 유지를 위한 자연환경 관리 강화｣에서 산림생태계 영향평가를 다루고 있다. 이렇게 기후변화를 고려한 산사태 및 자연재해의 정책이 국가차원에서 정책 및 계획으로 수립되고 관리되는 것은 기존의 산사태의 피해와 향후 중요성을 고 려한 적절한 방안이라고 할 수 있다. 그러나 세부 내용을 보다 검토해 보면, 2010년 발표된 국가기후변화 적응대책 중 산사태 관련 사항(산지토사재해 위험성 변화예측 및 위험지도 작성·보급 등)은 대부분 기존의 산림 관련 정책의 일환으로 추진되고 있는 정책을 중심으로 하고 있으며 최신의 기후변화 동향, 취약성도 분석 및 작성의 동향이 미진한 것으로 사료된다. 더불어, 2012년 수정·보완된 적응대책에서는 산림지역 통합 정보 활용(산림기상 정보 활용 및 산사태 대응체계 구축 등)은 기존 산림 관련 정보의 활용을 극대화하는 방안을 제시하고 있다. 그러나 기존 발생한 산사태와 강우량과의 관계를 정량적으로 분석하고, 특정 강우 패턴에 의하여 산사태 발생이 증가하는지 등 과 같은 상관관계 분석 및 산사태 발생 지역 확대에 따른 관리지역의 과학적 정량적 선정에 대한 방법론 미흡한 것으로 사료된다. 또한 적응대책 세부시행계획은 2011년에 발표되어 현재 국가 신시나리오를 반영한 수정보완이 진행되지 못하였으며 또한 산사 태를 토사유출이 중심이 되어 시행계획을 수립한 것으로 사료된다. 본 연구를 통해 개발된 산사태 취약성도 작성기법은 공간적으로 증가하는 문제와 시 계열적으로 빈번하게 발생할 것으로 예측되는 문제에 부분적이나마 해답을 제시할 수 있을 것이다. 또한 연구지역과 유사한 자연환경을 나타내는 지역에서 산사태가 발생한 다면, 본 연구를 통하여 계산된 가중치를 교차적용하여 실시간 취약성 분석 및 피해 현황을 분석할 수 있을 것으로 본다.. 43.

(24) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. Ⅳ. 결론 및 토의 본 연구에서는 GCI 기반의 Frequency ratio를 바탕으로 산사태 취약성도를 작성하 고, 확률강우량 변화에 따른 미래 기후사상 변화를 예측하는 방법을 선정하였다. 두 가지 방법을 연동하여 미래 목표 년도별 산사태 취약성도를 작성 및 분석하였다. Frequency ratio model은 비선형관계를 규명하고 입력 자료에 대한 정규분포 가정이 없기 때문에 복잡한 자연재해 발생 예측분석에 적합하다. 확률강우량은 과거 기상자료 를 바탕으로 목표연도별 강우빈도를 통하여 미래 강우량을 예측하였다. 산사태 취약성도 및 미래 목표연도별 취약성도의 동일 등급 간의 면적 변화는 목표 년도가 증가함에 따라서 산사태에 상대적으로 안전한 등급인 Low 및 Medium 은 감 소하고, 위험등급인 High 와 Very High는 지속적으로 증가하였다. 이러한 결과를 고 려했을 때, 연구지역은 현재 산사태 발생을 저감하는 사방활동이 없다면 지속적으로 산사태 발생 위험이 증가할 것으로 분석되었다. 또한 정확도 검증을 수행한 결과에서 도 취약성도에 비하여 목표연도의 증가는 정확도가 증가하였다. 본 연구를 통하여 공간통계학 기반의 GCI 방법론을 통하여 산사태, 강우량 및 지형 공간정보 간의 관계를 파악할 수 있었다. 미래 강우량 변화를 적용함으로써 연구지역 에서의 지역별 향후 산사태 취약성을 예측할 수 있었다. 미래 강우량 변화를 고려한 산사태 취약성도의 결과가 보다 구체적으로 활용되기 위해서는 정확성 높은 미래 기후 변화를 예측하는 연구가 선행되어야 한다. 미래를 예측하는 것은 불가피하게 불확실성을 포함한다. 불확실성을 줄이는 연구를 통하여 정확한 미래 기후변화를 예측하고 이를 개별 미래 예측 연구에 적용함으로써 정확성 높은 연구결과를 도출할 수 있다. 지속적으로 발생하는 집중호우는 앞으로 증가할 것으로 예상된다. 정확한 기후변화 및 강우량 변화를 예측 및 지속적인 산사태 발생에 대한 자료의 누적이 이루어진다면 GCI 방법을 통하여 쉽고 편리하게 산사태 취약성 분석이 가능하다. 또한 산사태의 종류나 지역의 특성에 맞는 가중치를 계산할 수 있다. 최종적으로 산사태에 영향을 미 치는 요인의 가중치와 이를 바탕으로 하는 취약성도에서 불필요한 요인을 제거함으로 써 예측하여 불필요한 시간과 노력을 줄일 수 있다. 이를 바탕으로 효율적인 산사태 예방에도 사용될 수 있을 것이다. 최종적으로 본 연구결과는 현재 국가차원에서 수행 되는 정책 수립 및 이행계획 수립을 보완하는 데 활용될 수 있을 것으로 사료된다.. 44.

(25) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. 참고 문헌 국립방재연구소. 1998. ｢강우분석 프로그램의 개발｣. ______________. 2007. ｢강우분석 프로그램의 개선 및 활용｣. 관계부처 협동. 2010. ｢저탄소 녹색성장 기본법 시행에 따른 국가 기후변화 적응대책｣. _____________. 2011. ｢국가 기후변화 적응대책 세부시행계획｣. _____________. 2012. ｢기후변화 新시나리오 반영, 국가 기후변화 적응대책 수정·보완｣. 김경수, 송영석, 조용찬, 김원영, 정교철. 2006. “지질조건에 따른 강우와 산사태의 특성분석”. ｢대한지질공학회｣ 16: 201-214. 녹색성장위원회, 기상청. 2010. ｢2010 이상기후 특별보고서｣. p.84. 백경혜, 이명진, 강병진. 2010. “GIS를 활용한 KMA-RCM의 규모 상세화 기법 개발 및 검증”. ｢한국지리정보학회｣ 14: 136-149. 오현주. 2010. “GIS와 인공신경망을 이용한 금-은 광물 부존적지 선정 및 검증”. ｢한국지리정보학 회지｣ 13: 1-13. 이명진, 이사로, 원중선. 2004. “GIS와 원격탐사를 이용한 강릉지역 산사태 연구(Ⅰ) - 산사태 발생 위치와 영향인자의 상관관계 분석”. ｢자원환경지질｣ 37: 425-436. 이명진, 이정호. 2011. “GIS를 이용한 기후변화 연동 지하수 함양량 산정 모델 개발 및 검증”. ｢한국지리정보학회｣ 14: 36-51. 이명진, 이사로, 전성우. 2012. “미래 확률강우량 및 인공신경망을 이용한 산사태 위험도 분석 기법 개발 및 검증”. ｢한국지리정보학회｣ 15: 57-70. 이명진, 강정은. 2012. “빈도비 모델과 GIS를 이용한 침수 취약지역 예측 기법 개발 및 검증”. ｢한국지리정보학회｣ 15: 86-102. 이사로, 이명진, 원중선. 2004. “GIS 및 원격탐사를 이용한 2002년 강릉지역 태풍 루사로 인한 산사태 연구(Ⅱ) - 확률기법을 이용한 강릉지역 산사태 취약성도 작성 및 교차 검증”. ｢자원 환경지질｣ 37: 521-532. 이승춘. 2009. ｢기후변화에 따른 확률강우량의 지역적 변동성 분석｣ 단국대학교 석사학위 논문. p.52. 이용준, 박근애, 김성준. 2006. “로지스틱 회귀분석 및 AHP 기법을 이용한 산사태 위험지역 분석”. ｢대한토목학회논문집｣ 26(5D): 861-867. 인제군청. 2006. ｢재해대장(산사태)｣. 인제군청 산림녹지과.. 45.

(26) 이명진 ․ 이사로 ․ 전성우 ․ 김근한. 홍원평, 김윤원, 김상규, 한정건, 김마리아. 1990. “강우로 기인되는 우리나라 사면활동의 예측”. ｢한국지반공학회｣ 6: 55-63. 한국환경정책·평가연구원. 2010. ｢2011~2015 국가 기후변화 적응 기본계획 수립연구｣. Collison, A., Wade, S., J. Griffiths, M. Dehn. 2006. “Modelling the impact of predicted climate change on landslide frequency and magnitude in SE England”. Engineering Geology, 55: 205-218. Hardin, Jensen. 2007. “The effect of urban leaf area on summertime urban surface kinetic temperatures: a Terre Haute case study”. Urban Forestry and Urban greening, 7: 63-72. Hines, J. W. 1997. Fuzzy and Neural Approaches in Engineering Matlab Supplement. John Wiley and Sons. New York. p.209. IPCC. 2007. Climate Change 2007 – IPCC 4th Assessment Report, Working Group 1 – The Physical Science basics. Lee, S., Min, K. 2001. “Statistical analysis of landslide susceptibility at Yongin, Korea”. Environmental Geology, 40: 1095-1113. Lee, S., J. H. Ryu, M. J. Lee, J. S. Won. 2003. “Landslide susceptibility analysis using artificial neural network at Boun, Korea”. Environmental Geology, 44: 820-833. Lee, S., J. H. Ryu, M. J. Lee, J. S. Won. 2006. “The application of artificial Neural networks to landslide susceptibility mapping at Janghung, Korea”. Mathematical Geology, 38: 119-220. Lee, S., J. H. Ryu, and I. S. Kim. 2007. “Landslide susceptibility analysis and its verification using likelihood ratio, logistic regression, and artificial neural network models: case study of Youngin, Korea”. Landslides, 4: 327-338. Lee, M. J., J. W. Lee, H. J. Oh, J. S. Won, S. Lee. 2011. “Ensemble-based landslide susceptibility maps in Jinbu area, Korea”. Environmental Earth Sciences, 67: 23-37. Lisa, Borgatti., Mauro, Soldati. 2010. “Landslides as a geomorphological proxy for climate change: A record from the Dolomites (northern Italy)”. Geomorphology, 120: 56-64. Nefeslioglu, HA., C. Gokceoglu, H. Sonmez, T. Gorum. 2011. “Medium-scale hazard mapping for shallow landslide initiation: the Buyukkoy catchment area (Cayeli, Rize, Turkey)”. Landslides, 8: 459-483. Paola, J. D., R. A, Schowengerdt. 1995. “A review and analysis of backpropagation neural networks for classification of remotely-sensed multi-spectral imagery”. International Journal of Remote Sensing, 16: 3033-3058. IPCC_Task Group on Data and Scenario Support for Impact and Climate Assessment. Guidelines on the. 46.

(27) GCI(Geospatial Correlative Integration) 및 확률강우량을 고려한 인제지역 산사태 취약성도 작성. Use of Scenario Data for Climate Impact and Adaptation Assessment, p.66. Kirshen, P. H. 2002. "Potential impacts of global warming on groundwater in eastern Massachusetts". Journal of Water Resources Planning and Management, 128: 216-226. Qiuming. Cheng, F. P. Agterberg, and G. F. Bonham-Carter. 1996. “Fractal pattern integration for mineral potential estimation”. Nonrenewable Resources, 5: 117-130.. 47.

(28)

(29)