초기 산사태 위험도 구축을 위한 지형요소의 활용
Application of Geomorphological Features for Establishing the Preliminary Landslide Hazard
1)
차아름*ㆍ김태훈**ㆍ강석구***
Cha, A ReumㆍKim, Tai HoonㆍGang, Seok Koo
要 旨
토석류를 포함하는 산사태 재해는 빠른 이동속도로 인한 대응 및 대피가 어려운 특성으로 인해 발생 초기에 그 위 험성을 파악, 예방대책을 수립하는 것이 무엇보다 필요하다 할 수 있다. 하지만 현재까지 다양한 방법들이 초기 산 사태 재해의 발생 및 위험도를 파악하기 위해 활용되었으나, 분석과정과 입력변수의 복잡함, 그리고 이로 인한 모 델의 단순화로 인해 산정된 산사태 위험도의 정확성에는 많은 의문이 제기되고 있는 실정이다. 이에 본 연구는 산 사태 재해예방을 목적으로 실제 지형의 특성을 파악, 이를 초기 산사태 위험도 평가에 적용하는 방안에 대해 알아 보고자 하였다. 지형특성 분석을 위해 방향성 벡터의 통계적 방법을 이용한 벡터분산(vector dispersion)과 평면도 (planarity) 기법을 이용, 지형특성과 산사태 위험도간의 상관관계를 규명하고자 하였다. 분석결과는 제안한 두 방 법 모두 초기 산사태 위험도 분석에 있어 매우 효과적인 것으로 나타났다. 결국, 지형특성은 산사태 위험도에 영향 을 미치고 있으며, 보다 객관적인 산사태 위험성 평가를 수행하기 위해서는 개별 모형보다는 다수의 모형을 이용, 각각의 장점을 극대화할 필요가 있다. 이는 결국 산사태의 발생이 단순한 특정 요소만으로 결정되는 것이 아니며, 내·외부적인 요인들간의 상호작용에 의해 유발되는 복합적인 자연현상임을 인지하고 보다 다양한 방법들을 통해 산사태 발생 메커니즘에 대한 추가적인 연구가 수행되어야 할 것이다.
핵심용어 : 산사태, 토석류, 평면도, 위험도, 벡터분산, 평면도
Abstract
Due to the characteristics of landslide disasters including debris flow, the rapid speed to downward and difficulty to respond or evacuate from them, it is imperative to identify their potential hazards and prepare the reduction plans.
However, the current landslide hazards generated by a variety of methods has been raised its accuracy because of the complexity of input data and their analyses, and the simplification of the landslide model. The main objective of this study is, therefore, to evaluate the preliminary landslide hazard based on the identification of geomorphological features. Especially, two methodologies based on the statistics of the directional data, Vector dispersion and Planarity analyses, are used to find some relationships between geomorphological characteristics and the landslide hazard. Results show that both methods well discriminate geomorphological features between stable and unstable domains in the landslide areas. Geomorphological features are closely related to the landslide hazard and it is imperative to maximize their characteristics by adapting multiple models rather than individual model only. In conclusions, the mechanism of landslide is not determined solely by a simple cause but the complex natural phenomenon caused by the interactions of the numerous factors and it is of primary importance to require additional researches for the outbreaking mechanism that are based on various methodologies.
Keywords : Landslide, Debris Flow, Hazard, Vector Dispersion, Planarity
Received: 2015.06.02, revised: 2015.07.30, accepted: 2015.08.04
* 정회원ㆍ국립재난안전연구원 선임연구원, 한양대학교 건설환경공학과 박사과정(Member, Researcher, National Disaster Management Institute, Department of Civil and Environmental Engineering, Hanyang University, [email protected])
** 국립재난안전연구원 시설연구관(Senior Analyst, National Disaster Management Institute, [email protected])
*** 교신저자ㆍ정회원ㆍ한양대학교 건설환경공학과 교수(Corresponding author, Member, Assistant Professor, Department of Civil and Environmental Engineering, Hanyang University, [email protected])
23 Vol.23 No.3 September 2015 pp.23-29
연구논문
ISSN: 2287-6693(Online) http://dx.doi.org/10.7319/kogsis.2015.23.3.023
1. 서 론
최근 기후변화로 인한 재해발생 형태가 비정형화 및 대형화 되고 있다. 이중 토석류를 포함하는 산사태 재해 는 우리나라에서 자주 발생하는 자연재해의 하나로, 매년 인명 및 재산피해를 증가시키고 있으며 실제로 연평균 15.1명의 인명피해를 유발, 자연재해 전체 연평균 사망자 43.5명의 35%를 차지하고 있다(National Emergency Management Agency, 2012).
산사태 재해는 중력과 제체의 가속으로 인해 발생, 이동하게 되며 완경사로 인한 마찰력으로 정지하기 전 까지 이동경로 상에 위치하고 있는 모든 것을 파괴하는 특성으로 인해 발생 초기에 그 위험성을 파악하여 예방 대책을 수립하는 것이 무엇보다 요구된다. 그러나, 초 기 산사태 재해 발생 및 위험도를 파악하기 위한 다양 한 방법들은 분석과정과 입력변수의 복잡함, 그리고 이 로 인한 모델의 단순화라는 한계점으로 인해 그 정확성 에 많은 의문이 제기되고 있다.
이에 본 연구는 지형특성 분석을 기반으로 하는 초기 산사태 위험도를 신속하게 평가하는데 활용할 수 있는 방안을 제시하고자 하였다. 이를 위해 벡터 분산(vector dispersion)과 평면도(planarity) 기법을 이용하였으며, 도출된 결과를 2011년 발생한 춘천 ○○ 지역에 적용, 지형특성과 산사태 위험도간의 관계를 규명하고자 하 였다.
2. 연구방법
2.1 벡터분산(vector dispersion)을 활용한 초 기 산사태 위험지역 분석
산사태를 통해 생성되는 다양한 지형요소들(사면 상 부의 균열, 퇴적물질 등)은 산사태가 발생한 지역을 발 생하지 않은 지역과 구분할 수 있는 특성을 가지고 있 다. 이러한 지형요소는 과거에 발생한 곳에서 발생하는 경우가 대다수이고(Varnes & IAEG Commission on Landslides and other Mass Movement on Slopes, 1984), 지표면의 거칠기(roughness)를 증가시키는 주요 원인으로 작용한다. 그러므로 지표면의 형상정보는 과 거 산사태 발생지역을 보여줄 뿐만 아니라 잠재적인 산 사태의 발생 위험도를 확인하는데 유용한 기초자료로 활용할 수 있다. 따라서 본 연구에서는 산사태로 발생 하는 지형요소의 거칠기를 방향성 벡터를 활용해 분석, 이를 통해 산사태 위험도를 파악하고자 하였다.
방향성 벡터를 활용한 지형요소의 분석은 지형을 구 성하고 있는 표면의 지형학적 이질성(heterogeneity)의
(a) Uniform ground surface (b) Non-uniform ground surface
Figure 1. Direction and shape of the ground surface(Modified from Hobson, 1972)
정도를 정량적으로 평가하는 방법의 하나로(Kim, 2012), 연구대상 지표면의 방향과 그 분포를 평가하여 지표면 의 거칠기를 결정한다. Hobson(1972)은 특정 지역의 한 영역(domain)안의 지표면은 다수의 평면으로 구성 되어 있으며 이들은 서로 연결되어 있다고 가정하고, 이러한 평면들의 거칠기 정도를 평면에 수직한 단위벡 터의 형태로 나타낼 수 있다고 하였다. 결국 전체 단위 벡터의 합은 거친 지표면에서 작은 값을, 평평한 지표 면에서는 큰 값을 가지게 된다(Fig. 1). 이와 같은 단위 벡터와 지표면의 거칠기 간의 관계는 벡터 강도(vector strength)와 분산(vector dispersion)이라는 두 가지 매 개변수로 정의할 수 있으며(Hobson, 1972), 단위 벡터 의 x, y, z 성분은 방향 코사인(direction cosines)으로 얻을 수 있다(Eq. (1)).
∙
∙
∙
∙
(1)
여기서, α = 사면 경사(slope, 수평면 기준), β = 사 면 방향(aspect)
벡터 강도는 단위벡터 합의 길이 R을 단위 벡터의 수 N으로 나눈 값이며, 벡터 분산은 1에서 벡터 강도 값을 뺀 값으로 Eq. (2)와 같이 나타낼 수 있다.
벡터 강도
벡터 분산 벡터강도
(2)
Eq. (2)의 물리적인 의미는 다음과 같다. 벡터 합 R 이 벡터 수 N에 근접하게 되면 지표면은 균등하게 되
고(즉, 평평한 지면) 벡터 강도는 1이 된다. 반면, 벡터 분산은 0이 된다. 반대로 벡터 합 R이 0에 가까워지면 벡터 강도는 0, 벡터 분산은 1, 그리고 지표면은 비균등 상태, 즉 거칠게 된다.
2.2 평면도(planarity)를 활용한 초기 산사태 위 험지역 분석
산사태는 산사태 미발생지역과 달리 발생지역을 중 심으로 첨단부의 급경사지, 인장균열, 그리고 사태물질 과 같은 다양한 형태의 지형정보를 생성한다(Kim et al., 2012). 이러한 지형정보를 이용한 산사태의 위험도 를 결정하는데 있어 필수적으로 요구되는 것은 바로 지 형요소의 정량화(quantification)이다. 전술한 바와 같이 Hobson(1972)는 평면요소에 수직으로 분포하는 단위 벡터를 이용하여 평면의 방향성을 결정한 바 있다. 이 때 평면이 아닌 구(sphere)의 형태로 구성된 축방향 데 이터의 방향성 결정은 고유치(eigen value) 및 고유벡 터(eigen vector)로 나타낼 수 있다(Watson, 1966). 개의 단위벡터()가 일정한 방향()으로 구평면 (spherical surface)에 분포되는 경우, 관성 모멘트 는 다음과 같다(Eq. (3)).
′
(3)여기서 은 방향 매트릭스(orientation matrix)이며, Eqs. (4)와 같이 단위벡터의 방향 코사인(direction cosines)으로 구성된다.
(4)
방향 매트릭스 의 고유치(eigen value)는 특성방정 식 의 해()와 같으며, N개의 단위벡터로 정규화된 고유치(eigen value, )는 다음과 같다(Eq. (5)).
,
(5)
이와 같은 통계적 분석은 대량의 지질 및 지형 자료 가 확보될 경우 특히 유용하다. 실제로Mark(1974)와 Woodcock(1977)은 방향성 데이터를 이용하여 암반의 거칠기 모양과 이와 연관된 변형률의 진행에 대하여 논 의한 바 있다.
본 연구에서는 산사태 발생 후 형성되는 지형요소를 확인하기 위해 다음과 같은 방법에 의해 방향성 자료의 통계적 평가를 통해 얻어지는 고유치(eigen value)를 분 석하였다. 먼저, 고유치를 활용한 지형요소의 판독은 우 선 LiDAR 시스템 등을 통해 취득한 정밀 고도정보를 산사태 발생 전 대축척 수치표고모델(Digital Elevation Model, DEM)로 변환하는 것으로 시작된다. 다음으로 수치표고모델을 이용, 연구지역의 지형에 대한 기본정 보(경사와 경사방향)와 방향 코사인(direction cosines) 을 계산하게 된다. 각각의 방향 코사인은 Eq. (4)에 나 타낸 방향 매트릭스의 요소로 사용된다. 방향성 자료의 특성을 나타내는 고유치 값은 3차 방정식을 이용하여 계산되었으며(), 이 값들은 다시 연구지역 전체요소 의 수(N)로 나누어 정규화() 하였다.
마지막으로 정규화된 고유치() 비율 중 단위 벡터의 집적정도를 나타내는 에 자연로그를 이용, 다음과 같이 구분되어 도시 할 수 있다(Woodcock, 1977; Woodcock and Naylor, 1983).
(6)
Eq. (6)의 는 고유치 비로 나타낸 지형의 평면정도 를 나타내는 값으로 이를 평면도(planarity)라 정의한다 (Kim et al., 2012).
높은 평면도는 각 평면을 구성하는 단위벡터(unit vector)가 일정한 방향으로 수렴하는 경우를 가리키며 결과적으로 매끄러운(smooth) 지형을 형성한다 (McKean and Roering, 2004; Kasai et al., 2009). 이 와는 반대로 거친(rough) 지표면의 경우 이를 구성하는 단위벡터의 방향이 일정하지 않게 되고 결과적으로 평 면도는 낮은 값을 가지게 된다.
3. 연구지역 개요
춘천 ○○지역(위도 37°56.099', 경도 127°47.591') 은 2011년 발생한 2개의 산사태(A, B)로 많은 인명(사 망 13명) 및 건물피해(7동)가 발생한 지역이다. 이 현장
(a) Before landslide disaster (b) After landslide disaster Figure 2. Change of the ground surface due to landslides in 2011(Cha, 2014)
의 지질특성은 전반적으로 붕적층이 발달되어 있으며 전석이나 자갈이 포함된 점성이 있는 세립질의 토사로 구성되어 있다. 세립질 흙은 강우 등으로 흙이 포화되 었을 때 전단강도가 급격히 저하, 토층 내에서 사면파 괴가 일어나기 쉽게 전단 파괴면(rupture surface)을 형 성할 수 있다.
산사태 발생 당시 강우특성을 살펴보면, 2011년 6월 22일에서 7월 14일까지 23일간 724 mm에 상당하는 선행강우가 발생하였고, 7월 26일 23시경에는 65 mm 의 최대 시우량이 관측되었고, 이후 약 1시간 후 토석 류가 발생한 것으로 조사되었다.
현장조사를 통해 조사된 자료를 기반으로 연구지역 의 산사태 발생 및 그 대략적인 거동은: ① 집중호우로 인해 산 정상부 인근에서부터의 사면 붕괴; ② 붕괴된 토사물질이 하부로 흘러내리며 확산되면서 지표수와 결합, 토석류(Debris flow) 거동; ③ 사면 하부에 위치 하고 있는 가옥 파손 및 인명피해 유발로 요약할 수 있 다. 유발된 토석류의 길이는 약 436m이며, 주요 발생 원인으로는 집중호우와 같은 외부요인과 임도와 같이 내부적인 요인의 결합으로 발생한 것으로 조사되었다 (National Disaster Management Institute, 2011; Cha, 2014). 산사태 발생 전후의 지형 변화는 Fig. 2와 같다.
Fig. 2에 나타낸 바와 같이 연구지역의 산사태 발생 전 의 지형을 보면, 연구지역의 북동쪽에서 남서쪽으로 흐 르는 소양강을 중심으로 북쪽 지역은 계곡지형의 모습 을 보여주고 있다. 특히 하천에 직각으로 발달한 다수 의 계곡들이 사면 내의 지표수를 하천으로 손쉽게 유입 시키며, 수로형 토석류(channelized debris flow)로 발 전될 위험성을 내포하고 있다. 또한, 계곡지형에 인접 하여 하천으로 인한 퇴적지대(river deposit) 및 홍수터 (flood plain)가 존재하고 있으며 이곳에 대부분의 주거 지역이 위치하고 있다. 사면 하부의 넓게 분포되어 있
는 이러한 지형학적 요소는 산사태 발생시 토사물질로 피해가 가중될 수 있는 특징을 보여준다(Cha et al., 2013; Cha, 2014).
4. 분석 및 적용
4.1 지형요소 분석결과
먼저, 방향 벡터를 활용하여 벡터 분산을 도출, 이를 기반으로 연구지역 내 지표면의 거칠기 정도를 평가하 였다. 본 연구를 위해 산출된 DEM은 모두 산사태 발 생 전인 2009년 LiDAR 시스템 기반 DEM이며, 그 범 위는 2011년 실제 산사태가 발생한 지역으로 국한하였 다(Fig. 2).
다음으로, 이동경로의 범위를 VanDine(1996)에 따 라 발생지역(initiation zone), 이동지역(transportation zone), 그리고 퇴적지역(deposition zone)으로 분류하 였다. Fig. 3은 연구지역의 벡터 분산값을 보여주고 있 다. 높은 벡터 분산값(0.03 이상), 즉 비균등 상태가 심 한 지형은 주로 계곡의 중간부분인 이동지역에 집중되 고 있음을 알 수 있다. 이를 조금 더 살펴보면 하천과 인접하고 있는 남쪽 지역, 즉, 퇴적지역의 경우 직선모 양의 비균등 지형(0.03 이하의 벡터 분산값)이 존재하 고 있는 것으로 나타나고 있는데 이는 하천의 침식작용 으로 인해 하천과 맞닿아 있는 사면하부가 수직으로 형 성되어 있기 때문으로 판단된다. 한편 사면경사가 급하 고(28° 이상), 상대적으로 매우 비균등한(벡터 분산 값 0.01 이상) 지형요소는 연구지역 내 정상부 및 사면 하 부로 내려가는 경로를 따라 대부분 위치하고 있으며, 이는 피해범위 전체 대비 각각 0.19 %(산사태 A), 0.20
%(산사태 B)에 해당하는 것으로 나타났다. 이러한 결 과는 산사태의 발생이 단일요소로만 결정되는 것이 아 니며, 전술한 바와 같이 인공물의 설치 및 이로 인한 자
(a) Landslides A (b) Landslides B Figure 3. Distribution of vector dispersion within the boundary of 2011 landslides
(a) Landslides A (b) Landslides B
Figure 4. Distribution of planarity within the boundary of 2011 landslides
연사면의 형상 변경과 같은 내부적인 요인과 집중호우 와 같은 외부요인의 상호작용에 의해 유발되는 복합적 인 작용임을 간접적으로 보여주는 것이라 할 수 있다.
다음으로, 지형학적 분석을 위해 전술한 방향성 데이 터를 통해 얻어진 고유치(eigen value)를 활용한 평면 도(planarity)를 산정하여 동일지형의 평면정도를 평가 하였다. Fig. 4는 연구지역의 평면도를 보여주고 있다.
낮은 평면도(planarity)의 값(3 이하), 즉 단위벡터의 방향이 일정하지 않은 거친(rough) 지표면 상태인 지형 은 주로 토석류 이동지역에 집중되고 있음을 알 수 있 다. 또한, 남쪽 지역, 즉, 퇴적지역의 경우 직선모양의 낮은 평면도의 값(3 이하)이 존재하고 있는 것으로 나 타나고 있는데 이는 주거지 사이의 도로 등의 구조물이 보여주는 급격한 경사변화 때문으로 분석되었고 이러 한 결과는 전술한 벡터분산의 결과와 일치하는 것을 알 수 있다. 한편 토석류 발생지역의 평면도는 3에서 5로 나타났다.
4.2 지형요소 기반 산사태 위험도 평가
이제 연구지역에서 2011년 실제 발생한 산사태를 이 용, 본 연구에서 제시한 두 가지 기법이 산사태 위험도 에 미치는 영향을 알아본 결과는 다음과 같다. Fig. 5는 실제 발생 산사태 A의 고도(elevation)에 따른 두 기법 의 결과값을 보여주고 있다. Fig. 5에 나타낸 바와 같이 벡터분산을 통해 도출된 결과를 3개의 구역으로 구분 하여 그 분포를 도시한 결과, 이동지역에서의 결과값이 가장 많은 분포를 보이고 있는 것을 알 수 있었다. 또 한, 산정된 벡터 분산값의 비균등 정보를 구역별로 비 교하여 보면, 이동지역에서 값이 상대적으로 크게 도시 된 것을 알 수 있다.
이러한 지형의 비균등성은 강우 등으로 발생한 지표 수가 이동지역 내에서의 지표 거칠기 증가로 하부로 유 하하지 않고 적체, 사면안정을 저해하여(지표로의 침투 및 흙의 자중 증가), 결국 산사태 발생 위험(hazard)을 가중시키는 원인으로 작용할 수 있다. 뿐만 아니라, 이 동지역 내의 위험요소(element at risk)의 존재는 산사 태로 인한 위험발생 확률(vulnerability)을 추가적으로
(a) Vector dispersion (b) Planarity
Figure 5. Distribution of the vector dispersion and planarity along the longitude of landslides A
높이고, 이러한 두 가지 조건(hazard와 vulnerability의 증가)이 충족되었을 경우 산사태 위험도(risk) 또한 증 가하게 된다.
한편, 산사태 A 내부에 분포하는 평면도(planarity)와 고도(elevation)를 비교해보면 지표면에 가까울수록 즉, 퇴적지역에서는 평면도 값이 증가하는 것으로 나타났 다. 한편, 토석류 발생지역 부근에서는 평면도 값이 낮 게 나타났다. 이는 토석류 발생에 따른 불규칙한 지형 정보가 반영된 것으로 분석된다. 또한, 이동지역에서는 평면도 값의 증가와 감소가 주기적으로 반복하는 것으 로 나타났다.
이는 그 부근에서 지형적 변화가 발생하였음을 의미 하며, 실제로 DEM 상에서도 일부 사면의 붕괴흔적으 로 지형이 완만하게 형성되어 있는 것을 관찰할 수 있 다. 이러한 지형적 변형은 동일한 고도에서 산출된 평 면도 값의 분포에서도 확인할 수 있다.
결론적으로 보다 객관적인 산사태 위험도 평가를 위 한 해석방법이 상이한 두 기법을 동일 산사태의 거동분 석에 적용한 결과, 유사한 거동 메커니즘을 보여주고 있 는 것으로 나타났다. 따라서 본 연구에서 제시한 산사태 발생시 특정요소의 위험성을 구체적으로 설명할 수 있 는 기법을 추가로 고려한다면, 보다 정확한 초기 산사태 위험도 평가를 수행할 수 있을 것으로 판단된다.
5. 결 론
본 연구에서는 벡터분산(vector dispersion)과 평면도 (planarity) 기법을 산사태의 지형요소 분석에 이용, 이 를 통한 초기 산사태 발생 위험도를 평가하는 방안을 제시하고자 하였다. 본 연구에서 제시한 방법은 지형특 성이 산사태 위험도에 미치는 영향을 보여주고 있으며, 개별 모형보다는 다수의 모형을 이용, 각각의 장점을
활용하여 보다 현실적인 산사태 위험성 평가를 수행해 야 한다는 것을 잘 보여주고 있다.
이는 결국 산사태의 발생이 단순한 특정 요소만으로 결정되는 것이 아니며, 내·외부적인 요인들간의 상호작 용에 의해 유발되는 복합적인 자연현상임을 인지하고 보다 다양한 방법들을 통해 산사태 발생 메커니즘에 대 한 추가적인 연구가 이루어져야 할 것이다.
감사의 글
본 연구는 ‘국토교통부 국토교통기술촉진연구개발 사업(14CTAP-C077530-01)’의 연구비지원에 의해 수 행되었습니다.
References
1. National Emergency Management Agency, 2012, 2012 Annual disaster report, National Emergency Management Agency, pp. 1226-1242.
2. Cha, A. R., Kim, T. H. and Jung, M. S., 2013, Preliminary risk assessment for landslides using directional vectors, Proc. of KGS Fall National Conference, pp. 1041-1046.
3. Cha, A. R., 2014, A comparative study on the identi- fication of landslide hazard using geomorphological characteristics, Journal of Korean Geo-Environmental Society, Vol. 15, No. 6, pp. 67-73.
4. Hobson, R. D., 1972, Surface roughness in topography: quantitative approach, Spatial Analysis in Geomorphology, Methuen & Co Ltd., London, Great Britain, pp. 221-245.
5. Kasai, M., Ikeda, M., Asahina, T. and Fujisawa, K., 2009, LiDAR-derived DEM evaluation of deep-seated
landslides in a steep and rocky region of Japan, Geomorphology, Vol. 113, No. 1-2, pp. 57-69.
6. Kim, T. H., Cruden, D. M. and Martin, C. D., 2012, Identification of geomorphological features of landslides using airborne laser altimetry, Proc. of 11th International Symposium on Landslides and 2nd North American Symposium on Landslides, Banff, Alberta, Canada, pp. 567-573.
7. Mark, D. M., 1974, On the interpretation of till fabrics, Geology, Vol. 2, No. 2, pp. 101-104.
8. McKean, J. and Roering, J., 2004, Objective landslide detection and surface morphology mapping using high-resolution airborne laser altimetry, Geomorphology, Vol. 57, pp. 331-351.
9. National Disaster Management Institute, 2011, Establishment of collapse warning & evacuation criteria for steep slopes, Developments of the GIS based steep slope collapse determination system (Ⅰ), Primary Research Report, NDMI-PR-2011- 14-01, p. 154.
10. VanDine, D. F., 1996, Debris flow control structures for forest engineering, Research Branch, B.C.
Ministry of Forests, Victoria, B.C., Working Paper No. 8, pp. 4-6.
11. Varnes, D. J. and International Association of Engineering Geology(IAEG) Commission on Landslides and other Mass Movement on Slopes, 1984, Landslide hazard zonation: a review of principles and practices, UNESCO, Paris, pp. 11-15.
12. Watson, G. S., 1966, Statistics of orientation data, Journal of Geology, Vol. 74, No. 5, pp. 786-797.
13. Woodcock, N. H., 1977, Specification of fabric shapes using an eigenvalue method, Geological Society of America Bulletin, Vol. 88 No. 9, pp.
1231-1236.
14. Woodcock, N. H. and Naylor, M. A., 1983, Randomness testing in 3-dimensional orientation data, Journal of Structural Geology, Vol. 5, No. 5, pp. 539-548.
