ISSN 1229-2427 (Print) ISSN 2288-646X (Online) http://dx.doi.org/10.7843/kgs.2014.30.12.15 한국지반공학회논문집 제30권 12호 2014년 12월 pp. 15 ～ 25
JOURNAL OF THE KOREAN GEOTECHNICAL SOCIETY Vol.30, No.12, December 2014 pp. 15 ～ 25
GIS를 이용한 암반사면 파괴분석과 산사태 위험도
Rock Slope Failure Analysis and Landslide Risk Map by Using GIS
권 혜 진1 Kwon, Hye-Jin 김 교 원2 Kim, Gyo-Won
Abstract
In this study, types of rock slope failure are analyzed by considering both joint characteristics investigated on previous landslide regions located at northern part of Mt. Jiri and geographic features of natural slopes deduced from GIS. The landslide prediction map was produced by superposing the frequency ratio layers for the six geographic features including elevation, slope aspect, slope angle, shaded relief, curvature and stream distance, and then the landslide risk map was deduced by combination of the prediction map and the damage map obtained by taking account of humanity factors such as roads and buildings in the study area. According to analysis on geographic features for previous landslide regions, the landslides occurred as following rate: 88% at 330∼710 m in elevation, 77.7% at 90∼270o in slope aspect, 93.9%
at 10∼40o in slope angle, 82.78% at grade3∼7 in shaded relief, 86.28% at –5∼+5 in curvature, and 82.92% within 400m in stream distance. Approximately 75% of the landslide regions belongs to the region of ‘high’ or ‘very high’
grade in the prediction map, and 13.27% of the study area is exposed to ‘high risk’ of landslide.
요 지
본 연구에서는 지리산 북쪽의 과거 산사태 발생영역에서 조사된 절리특성과 GIS를 이용하여 추출한 지형특성을 근거하여 연구지역에서 예상되는 암반사면 파괴유형을 분석하였다. 또 해발고도, 사면방향, 사면경사, 음영도, 곡률, 하천 이격거리 등 6개의 지형특성 인자의 빈도비를 중첩하여 산사태 예측도를 작성하였으며, 산사태 예측도와 도로 및 주거지와 같은 지역의 인문적인 인자를 고려한 산사태 피해도를 조합하여 최종적으로 연구지역의 산사태 위험도를 작성하였다. 연구지역에서 발생한 산사태의 지형적 특성을 분석한 결과, 해발고도 330∼710m에서 88%, 사면방향 동남-남-남서 방향(90∼270o)에서 77.7%, 사면경사 10∼40o에서 93.39%, 음영도 등급3∼7에서 82.78%, 곡률특성 –5∼
+5에서 86.28%, 하천 이격거리 400m 이내에서 82.92%가 발생하였다. 산사태가 발생한 영역의 75%는 산사태 위험도 에서 위험 등급이 ‘높음’ 이상인 지역이어서 위험 예측에 대한 신뢰성이 확인되었으며, 연구지역의 13.27%는 산사태 위험에 노출된 것으로 분석되었다.
Keywords : Landslide, GIS, Rock slope failure, Frequency ratio, Prediction map, Damage map, Risk map
1 비회원, 한국광물자원공사 자원개발본부 (Resources development Division, Korea Resources Corporation)
2 정회원, 경북대학교 지질학과 (Members, Dept. of Geology, Kyungpook National Univ., Tel: +82-53-950-5357, Fax: +82-950-5362, [email protected], Corresponding author, 교신저자)
* 본 논문에 대한 토의를 원하는 회원은 2015년 6월 30일까지 그 내용을 학회로 보내주시기 바랍니다. 저자의 검토 내용과 함께 논문집에 게재하여 드립니다.
Copyright © 2014 by the Korean Geotechnical Society
This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
Fig. 1. Satellite image showing four high peaks, the river Gwangcheon, and towns and farmlands in the study area
Fig. 2. Geologic map of the study area (by KIGAM) showing bed rocks of gneiss, gabbro and granite
1. 서 론
최근 집중강우로 인하여 국립공원 지역 내에서 산사 태가 많이 발생하고 있으며 특히 지리산의 경우, 집중호 우의 원인인 태풍의 길목에 자리하고 있어 다른 국립공 원에 비해 산사태의 규모가 크며 그 빈도 또한 높다. 지 리산 지역의 산사태는 주민과 등산객들의 안전을 위협 할 뿐만 아니라 생태학적 변화를 초래하기 때문에 지리 산 산사태에 대한 기본 연구와 산사태 발생 예측시스템 구축이 절실하게 요구된다.
산사태 발생 예측과 관련한 논문에 따르면 국내에서 발생하는 산사태의 대부분이 토석류로 발생하고 있어 지반의 공극률, 밀도, 투수성 및 그 외에 지형 고도나 사 면 경사가 산사태 발생에 영향을 끼치는 인자로 고려하 고 있다(Lee, 2010; Jung, 2004; Chae et al., 2004). 또 지 반특성이나 지형특성 이외에 지질구조를 고려한 산사태 발생 예측에 관한 연구(Lee et al., 2002)도 활발히 이루 어지고 있으며 산사태 발생에 있어서 암반절리 특성에 대해서도 여러 논문이 발표된 바가 있다(Lee et al., 2002;
Cho and Jang, 2006; Choi and Paik, 2002; Gokceoglu, et al., 2000; Sturzenegger, et al., 2007). 외국에서는 산사 태 발생에 직접적으로 불연속면의 주향 및 경사, 사면의 주향 및 경사를 고려하여 산사태 발생을 예측하기도 하 며(Gokceoglu, et al., 2000; Lee, et al., 2002) Cho and Jang(2006)는 산사태 지역에서 발달하는 절리의 방향 및 경사, 절리 밀도 등의 절리특성을 연구하였다. Lee et al.(2002)는 지질구조선도의 작성을 이용한 산사태 취
약성 분석을 실시하였고 Cho and Jang(2006)의 논문에 서는 강릉지역에서 발생한 산사태 지역의 절리의 방향 및 경사, 그리고 절리 밀도에 대해 연구하였으며 Choi and Paik(2002)은 산사태 발생의 원인인 인장균열의 특 성 및 생성시기 분석과 구조선 분석을 실시하였다. 또한 Gokceoglu et al.(2000)는 절리의 방향 및 경사, 그리고 빈도를 입력하여 KINAN(Kinematic analyses program) 분석을 실시하였으며 Sturzenegger et al.(2007)는 암괴 크기와 절리빈도를 측정하여 GIS로 암괴 크기에 관한 지도를 작성하였다.
이와 같이 산사태와 절리와의 관계에 관한 연구는 다 수 있지만 GIS(Geographic Information System) 영상을 이용하여 산사태 발생 영역의 암반사면 파괴유형을 분 석한 연구는 아직도 미진한 편이다. 따라서 본 연구에서 는 산사태 발생과 관련한 암반사면 파괴유형에 대하여 검토하였다. 또 산사태 발생의 피해에 대비한 산사태 발 생 위험도를 작성하였는데, 먼저 지형특성을 바탕으로 하여 산사태 발생 예측도를 작성하고 추가하여 인문학 적 특성을 고려하였다.
연구대상 지역은 지리산의 북쪽에 위치하는데, 행정구 역상으로는 경상남도 함양군 마천면과 전라북도 남원시 산내면에 속하고, 서룡산, 삼봉산, 백운산, 금대산을 포함 한다. 지리좌표 상으로는 동경 127°36′51″～127°42′00″
북위 35°23′27″～35°28′52″으로, 가로와 세로 각 7.9km 로 면적 약 62.4km2에 해당하며 고도는 낮은 지역이 해 발 약 230m, 높은 지역이 약 1,200m로 경사가 매우 급 하고 지형이 매우 험준하다. 또한 Fig. 1과 같이 하천이 흐르며 하천을 따라서 주변에 농지 및 주거지(산내면 및 마천면 소재지)가 위치하고 있다.
연구대상 지역의 지질은 Fig. 2에서와 같이 중생대 화 성암류인 마천 반려암과 함께 흑운모편마암이 넓게 분
Table 1. TM coordinate system
Spheroid name Bessel
Datum name Tokyo (Korea)
Scale factor at central meridian 1.000 Longitude of central meridian 127:00:10.405 E Latitude of origin of projection 38:00:00.000 N
False easting 200,000 meters False northing 500,000 meters
Fig. 3. Previous landslide areas appeared in red color deduced from satellite image. Approximately 1.32% of the study area is influenced by landslide based on pixel count.
포하고 있다. 연구지역에는 절리, 단층 및 암맥이 발달 하고 있으며 이들 불연속면은 산사태 발생에 영향을 끼 칠 수 있는 중요 인자이다.
2. 연구방법
2.1 연구수행 절차
연구수행 절차는 먼저 원격탐사 영상을 이용하여 산 사태 발생영역을 추출하고 GIS를 이용하여 산사태 발 생영역의 지형특성을 분석하며 지형특성을 토대로 빈 도비 값을 계산하였다. 다음 빈도비 값을 사용하여 산사 태 발생 예측도를 작성하고 산사태가 발생했을 경우, 피 해에 민감한 정도를 분석하여 이를 최종적으로 고려하 여 산사태 위험도를 작성하였다. Raster 형태의 픽셀 값 은 5m×5m로 설정하였다.
먼저 산사태 발생영역을 추출하기 위해서 사용된 위 성사진은 Spot Image이며 좌표계는 중위도 원점으로 Table 1과 같이 TM(Transverse Mercator) 좌표계를 사용 하였으며 좌표계가 설정된 위성사진으로 육안판독에 의한 무감독 분류를 통하여 산사태 발생영역을 추출하 였다.
본 연구대상 지역의 경우와 같이 낙석류로 발생한 산 사태의 경우, 암반의 불연속면의 방향과 경사가 산사태 발생에 큰 영향을 미친다. 본 연구에서 실시한 절리 특 성분석은 먼저 야외에서 측정한 절리의 주향 및 경사를 DIPS 프로그램을 사용하여 평사 투영망에 극점으로 도 시하여 대표 절리군의 주향 및 경사를 선정하였다. 이 대표 절리와 연구지역의 자연사면 방위와 경사를 이용 하여 실제 산사태 영역의 평면파괴, 전도파괴 및 쐐기파 괴의 가능성을 분석하였다. 산사태 위험도는 산사태 예 측도와 산사태 피해도를 중첩하여 최종적으로 총 5등급 으로 구분하여 작성하였다. Melchiorre et al.(2007)는 산사태 위험도 작성에 있어서 산사태 취약도(landslide
vulnerability map)와 재해도(hazard map)을 중첩하여 보 수적인 관점에서 위험도를 결정하였으나 본 연구에서 는 위험도가 높은 정도와 낮은 정도의 차이를 크게 하기 위해서 위험도가 매우 높음과 매우 낮음을 다른 등급에 비해 많이 나타날 수 있도록 하였다.
먼저 산사태 예측도 작성은 지형특성을 기본으로 하 였는데, 고려된 지형인자로는 해발고도(elevation), 사면 방향(slope aspect), 사면경사(slope angle), 음영도(shaded relief), 곡률(curvature), 하천이격 거리(stream distance) 등 6개의 인자이다. 이와 같은 지형인자는 국내외의 여 러 논문에서 산사태에 영향을 끼친 인자로 사용되어왔 으며(Kim et al., 1998; Kim et al., 2009; Son et al., 2009;
Yang et al., 2006; Lee et al., 2004a, Lee et al., 2004b;
Lee et al., 2006; Yilmaz, 2009; Angillieri, 2010; Lee and Lee, 2006), 또 해발고도, 사면방향, 사면경사 및 하천이 격 거리 등 일부 인자는 선사유적 입지분석 등 다른 분 야에서도 사용되고 있다(Lee and Kim, 2011a; Lee and Kim, 2011b; Lee and Kim, 2012). 지형특성 분석에 사용 된 프로그램은 Arc GIS 9.0이며 1:5,000 수치지형도를 바 탕으로 하여 각 지형특성 주제도를 작성하였다. 산사태 발생 피해도는 산사태가 발생했을 때, 직접적인 피해가 예상되는 시설물인 도로와 건물의 피해를 고려하였다.
2.2 산사태 발생영역의 추출
위성사진을 통하여 산사태가 발생한 영역을 추출한
Fig. 4. Representative three joint sets : 052/37, 308/28 and 189/32
Table 2. Potential failure types for the representative joints in combination with natural slope aspect
Failure Type Joint Orientation Slope Aspect
Plane failure
set 1: 052/37 032 ≤ Aspect ≤ 072 37 ≤ Slope
set 2: 308/28 288 ≤ Aspect ≤ 328 28 ≤ Slope
set 3: 189/32 202 ≤ Aspect ≤ 262 18 ≤ Slope
Toppling failure
set 1: 052/37 202 ≤ Aspect ≤ 262 18 ≤ Slope
set 2: 308/28 98 ≤ Aspect ≤ 158 27 ≤ Slope
set 3: 189/32 339 ≤ Aspect ≤ 39 23 ≤ Slope
Wedge failure
set 1+set 2 152 ≤ Aspect ≤ 192 68 ≤ Slope
set 1+set 3 282 ≤ Aspect ≤ 322 68 ≤ Slope
set 2+set 3 051 ≤ Aspect ≤ 091 68 ≤ Slope
Fig. 5. Potential plane failure area deduced by combination with representative joints and slope aspect
Fig. 6. Potential toppling failure area deduced by combination with representative joints and slope aspect
결과는 Fig. 3의 붉은 색으로 나타내었는데, 연구지역의 총 픽셀 수(pixel count)는 2,524,912개이고 산사태 발생 영역의 픽셀 수는 33,334개로 산사태 발생영역은 전체 연구대상 면적의 약 1.32%를 차지하였다.
2.3 암반 비탈면 파괴유형 주제도
현장조사에서는 절리의 방향 및 경사의 대표성을 갖 기 위해 규칙절리 만을 측정하였으며 측정한 절리는 암 반 비탈면 파괴조건에 만족하도록 사면의 방향 및 경사 에 영향을 미치는 60°이하인 절리만 이용하여 대표 절 리군을 결정하였다. 대표 절리군은 Fig. 4와 같이 rose diagram과 Contouring point density 기법으로 결정하였 는데, 선정된 3개의 대표 절리군은 052/37, 308/28 및 189/32으로 경사는 30° 내외이고 주향은 N38W, N38E, S81E 이다.
대표 절리군의 주향과 경사를 이용하여 산사태가 발
생할 수 있는 가능성이 있는 자연사면의 방향 및 경사의 범위를 프로그램 DIPS를 이용하여 Table 2와 같이 구하 였다. 이 결과에서 평면파괴(plane failure)가 예상되는 영역을 Fig. 5, 전도파괴(toppling failure)가 예상되는 영 역을 Fig. 6과 같이 주제도로 표시하였는데 연구지역의 상당한 영역에서 대표 절리군과 사면방위가 조합되어 평면파괴 및 전도파괴의 가능성이 있는 것으로 분석되 었다. 그러나 두 개 이상의 대표 절리가 조합되어 발생 할 수 있는 쐐기파괴(wedge failure)의 가능성은 극히 적 은 영역에서만 발생하는 것으로 분석되었다.
Fig. 7. Plane failure area (red) of 7,155 pixels (21.46%) in previous landslide area (red+yellow) of 33,334 pixels
Fig. 8. Toppling failure area (red) of 7,914 pixels (23.74%) in previous landslide area (red+yellow) of 33,334 pixels
Fig. 9. Landslide area and frequency ratio for elevation feature
Table 3. Landslide area and frequency ratio for elevation feature Elevation
(m)
Pixel Count
Landslide Area (%)
Domain Area (%)
Frequency Ratio
235～330 197 0.59 8.20 0.07
330～425 4,853 14.56 19.03 0.76
425～520 9,043 27.13 21.82 1.24
520～615 10,050 30.15 16.44 1.83
615～710 5,390 16.17 12.42 1.30
710～805 2,556 7.67 9.27 0.83
805～900 840 2.52 6.78 0.37
900～995 380 1.14 4.04 0.28
995～1,090 25 0.07 1.74 0.04
1,090～1,185 0 0.00 0.26 0.00
3. 분석 및 고찰
3.1 암반 비탈면 파괴유형 분석
암반 비탈면의 평면파괴, 전도파괴 및 쐐기파괴의 가 능성이 있는 영역과 실제 산사태가 발생한 영역을 중첩 하여서 산사태 기발생영역의 파괴유형을 분석하였다. Fig. 7과 Fig. 8은 평면파괴와 전도파괴조건에 해당하는 산사태 기발생영역인데, 그림에서 실제 산사태가 발생 한 영역은 노란색(붉은색 포함)으로 표시하였고 평면 및 전도 파괴형태가 일어날 가능성이 있는 영역은 붉은 색으로 표시하였다. 산사태 기발생 면적에 포함되는 평
면파괴 가능영역은 전체 산사태 발생영역의 21.46%, 전 도파괴 가능영역은 23.74%로 나타났다.
3.2 지형특성 분석
지형특성을 나타내는 6개의 요소의 범위를 적절하게 구분하여 각각의 해당영역(domain area)을 구하고, 산 사태 발생영역의 면적을 픽셀 수(pixel count)로 산출하 여 산사태 발생영역(landslide area)으로 표시하였고, 전 체 산사태 발생영역의 총 픽셀 수는 33,334개 이었다.
산사태 발생 빈도비(frequency ratio, )는 domain area ()에 대한 landslide area()의 비이며 다음 식으로 표 시된다.
(1)
1) 해발고도(elevation) : 해발고도의 특성분석 결과는 Table 3과 Fig. 9에 정리하였는데, 산사태는 고도 330～
Fig. 10. Landslide area and frequency ratio for aspect feature
Table 4. Landslide area and frequency ratio for slope aspect feature
Aspect (°)
Pixel Count
Landslide Area (%)
Domain Area (%)
Frequency Ratio
0～45 1,547 4.64 14.53 0.32
45～90 1,580 4.74 11.71 0.40
90～135 6,910 20.73 11.76 1.76
135～180 6,854 20.56 11.42 1.80
180～225 6,022 18.07 11.29 1.60
225～270 6,069 18.21 11.19 1.63
270～315 3,267 9.80 13.41 0.73
315～360 1,085 3.25 14.68 0.22
Fig. 11. Landslide area and frequency ratio for slope feature
Table 5. Landslide area and frequency ratio for slope angle feature
Slope Angle (°)
Pixel Count
Landslide Area (%)
Domain Area (%)
Frequency Ratio
0～10 1,780 5.34 15.23 0.35
10～20 13,121 39.36 27.59 1.43
20～30 13,332 40.00 31.42 1.27
30～40 4,679 14.03 21.07 0.67
40～50 419 1.26 4.44 0.28
50～60 3 0.01 0.23 0.04
60～70 0 0.00 0.01 0.00
70≤ 0 0.00 0.00 0.00
710m에서 88.01%가 발생하였다. Kim et al.(2007)의 논문에 따르면 사면고도가 70% 미만일 경우, 산사태 발생 빈도가 현저하게 떨어지는 것으로 보고하였지 만, 본 연구에서는 산사태 발생이 오히려 많은 것으 로 분석되었다. 또 사면고도에 따른 산사태 빈도비를 분석한 결과, 높은 능선에서 산사태가 많이 발생하는 선행연구 결과와 달리 고도 425∼710m에서 산사태 발생 빈도가 높은 것으로 나타났다. 이러한 결과는 선행연구에서는 산사태 발생 시작점을 산사태 영역 으로 선정한 반면, 본 연구에서는 산사태에 영향을 받은 모든 영역을 산사태 발생영역으로 선정하였기 때문인 것으로 판단된다. 이 연구에서는 산사태 발생 후 촬영된 위성영상에서 산사태 영역을 추출하였기 때문에 산사태 발생 시작점을 확인할 수 없었다.
2) 사면방향(slope aspect) : Table 4와 Fig. 10에 사면방 향 특성과 그에 따른 산사태 발생 면적 백분율 및 빈 도비를 나타내었다. 표에서 보듯이 90～270° 방향에 서 전체의 77.7%의 산사태가 발생한 분석되어 사면
방향이 동남∼남∼남서 방향으로 경사진 사면에서 산사태가 많이 발생하였다. 이는 태양의 영향을 많이 받는 양지쪽의 암석풍화가 더 많이 진행되어 풍화대 의 심도가 깊기 때문인 것으로 판단된다. 빈도비 분 석 결과도 마찬가지로 남동∼남∼남서 방향의 사면 에서 산사태 발생확률이 높은 것으로 나타났다. 이에 반하여 북쪽으로 경사진 사면인 0°～45°와 315°～
360° 등급에서 빈도비가 가장 낮은 값을 보였다. 이 와 같은 결과는 암석풍화가 겨울철이 상대적으로 긴 우리나라의 기후에 영향을 크게 받기 때문인 것으로 볼 수 있다.
3) 사면경사(slope angle) : 사면경사 특성분석은 Table 5 및 Fig. 11과 같이 경사각 10°～40°에서 93.39%의 산사태가 발생하는 것으로 나타났으며 61°이상인 사 면경사를 가지는 영역에서는 산사태가 발생 하지 않 은 것으로 분석되었다. 이는 Lee et al.(2004b), Yilmaz (2009)의 연구에서도 40°이상의 경우, 산사태 발생 빈도가 매우 낮게 나타났으며 또한 Yilmaz(2009)는
Fig. 12. Landslide area and frequency ratio for shaded relief feature
Table 6. Landslide area and frequency ratio for shaded relief feature
Shaded relief
Pixel Count
Landslide Area (%)
Domain Area (%)
Frequency Ratio
1 482 1.45 3.04 0.48
2 2,648 7.94 6.39 1.24
3 5,671 17.01 9.41 1.81
4 7,145 21.44 11.65 1.84
5 5,471 16.41 14.59 1.13
6 4,983 14.95 19.20 0.78
7 4,324 12.97 19.61 0.66
8 2,610 7.83 16.11 0.49
Fig. 13. Landslide area and frequency ratio for curvature feature
Table 7. Landslide area and frequency ratio for curvature feature
Curvature Pixel Count
Landslide Area (%)
Domain Area (%)
Frequency Ratio
<-15 303 0.92 0.50 1.80
-15～-11 375 1.12 0.53 2.14
-11～-8 903 2.71 1.31 2.06
-8～-5 2,229 6.69 3.62 1.85
-5～0 18,764 56.29 47.69 1.18
0～5 9,997 29.99 39.82 0.75
5～8 518 1.55 3.66 0.42
8≤ 245 0.73 2.87 0.26
사면경사가 45°이상인 경우에는 산사태가 전혀 발생 하지 않는 것으로 분석된 것과 일치하는데, 그 원인 은 사면경사도가 급한 지역은 대부분 암반이 분포하 는 지역이기 때문인 것으로 추정된다. 빈도비 분석결 과는 10°～20°에서 산사태가 발생할 확률이 높은 것 으로 해석할 수 있으며 그 다음으로는 20°～30°이다.
사면경사가 50° 이상인 영역에서는 산사태가 거의 발생하지 않는 것을 볼 수 있으며 40°이상부터 산사 태 발생 확률은 현저하게 떨어지는 것을 확인하였다.
4) 음영도(shaded relief) : 음영도 특성분석은 Table 6과 Fig. 12에서 보듯이 등급 3∼7에서 13∼21%의 범위 로 비슷한 비율로 산사태가 발생한 것으로 분석되었 다. 이는 태양의 영향을 거의 받지 않는 지역은 햇빛 에 의한 풍화진행이 느리기 때문이고, 햇빛을 많이 받는 지역은 식생이 잘 자랄 수 있는 환경이 조성되 어 식생 때문에 산사태 발생 빈도가 낮아진 것이 원 인인 것으로 보인다. 음영도의 빈도비 분석결과 등급 2∼5에서 산사태 발생확률이 높은 것으로 확인되었
으며 그 외 등급에서도 산사태 발생확률이 낮았다.
5) 지형 곡률(curvature) : 지형의 곡률특성 분석은 Table 7 및 Fig. 13에서 보듯이 산사태 발생 면적의 86.28%
가 곡률 특성치 -5∼+5 사이에서 발생하여서 곡률이 적은 지역 즉, 완만한 볼록 지형 내지 완만한 오목 지형에서 대부분의 산사태가 발생한 것으로 분석되 었다. 곡률특성의 빈도비 분석 결과, 아래로 오목한 지형에서는 빈도비가 1 이하의 값을 보여서 산사태 발생 확률이 낮은 것으로 나타났다. 즉, 음의 값을 가 지는 위로 볼록한 지형이 산사태 발생 확률이 높은 것으로 해석할 수 있다. 이는 Lee et al.(2004b)의 곡 률 분석 결과에서도 아래로 볼록한 지형을 가진 지 역의 산사태 발생 빈도비가 1.01, 위로 볼록한 지역 인 약 1.46의 값을 가진 것으로 분석되어서 상대적으 로 위로 볼록한 지형을 가진 지역이 산사태 발생확 률이 높게 나타난 것과 일치한다. 산사태 발생면적과 빈도비가 서로 다른 경향을 보이는 것은 연구지역 내에 높은 음의 곡률영역(-5 이하)이 5.86%로 적었기
Fig. 14. Landslide area and frequency ratio for stream distance feature
Table 8. Landslide area and frequency ratio for stream distance feature
Stream Distance (m)
Pixel Count
Landslide Area (%)
Domain Area (%)
Frequency Ratio
100 13,736 41.21 43.84 0.94
200 5,340 16.02 23.24 0.69
300 4,969 14.91 13.36 1.12
400 3,595 10.78 8.09 1.33
500 1,999 6.00 5.07 1.18
600 1,965 5.89 3.51 1.68
700 1,306 3.92 2.15 1.82
800 424 1.27 0.74 1.73
Very low Low Moderate High Very high
Fig. 15. Landslide prediction map deduced by superposing frequency ratio of each geographic feature layers
때문에 이 곡률에서의 빈도비 값이 상대적으로 높게 산출된 것으로 사료된다.
6) 하천 이격거리(stream distance): 하천까지의 이격거 리에 따른 산사태 발생 면적과 빈도비 분석은 Table 8 및 Fig. 14와 같이 100m 단위로 실시하였다. 하천 과의 거리에 따른 산사태 발생 영역은 100m 이내인 경우가 전체 산사태 영역의 약 41%를 차지하였으며, 그 다음 200m, 300m, 400m 순으로 산사태 발생영역 의 면적 비율이 높은 것으로 분석되었다. 이와 같은 결과는 Choi et al.(2007), Lee and Lee(2006), Yilmaz (2009)의 연구 결과와 일치하며 하천과 가까운 거리 에서 산사태 발생이 많은 것을 알 수 있다. 그러나 하천 이격거리에 대한 빈도비 분석 결과는 지형특성 분석 결과와 다소 차이를 나타내었는데, 지형특성 분 석에서는 100m 이내에서 산사태 발생 면적비가 가 장 크게 나타나고 400m 이후에서 현저하게 적어졌 지만 빈도비 분석 결과에서는 하천으로부터 300m 떨어진 지점부터 산사태 발생 확률이 높아지는 것으
로 분석되었다. 이는 표에서도 볼 수 있듯이 산사태 발생영역과 지형영역의 면적 비율이 비슷하며 다른 인자들의 분석 결과와 다르게 빈도비 값의 표준편차 가 크지 않았기 때문인 것으로 보인다. 따라서 본 연 구지역의 산사태는 다른 인자들에 비해서 하천 이격 거리의 영향은 크지 않은 것으로 판단할 수 있다.
3.3 산사태 발생 위험도 분석
본 연구에서는 사용한 6개의 지형특성 인자들이 모두 같은 정도로 산사태 발생에 영향을 미친다고 가정하고 각 주제도의 빈도비를 중첩하여 다음Fig. 15와 같이 산 사태 예측도(prediction map)를 작성하였다. 여기서 산 사태 발생가능성은 누적 빈도비에 따라 ‘Natural breaks’
기법으로 ｢매우 높음(very high, ≥7.63), 높음(high, 6.57≤ ≺7.63), 보통(moderate, 5.63≤ ≺6.57), 낮 음(low, 4.69≤ ≺5.63) 및 매우 낮음(very low, ≺ 4.69)｣등 5등급으로 분류하였다. 이와 같이 분석한 산사 태 예측도와 실제 발생한 산사태 영역이 일치하는지 여 부를 확인하기 위해서 두 지도를 중첩하여 Fig. 16의 예 상되는 산사태 확률도(probability map)를 얻었다. 그 결 과 산사태 예측도에서 ‘very low’와 ‘low’ 등급으로 분석 된 지역에서는 실제 산사태가 각각 0.90% 및 7.16% 발 생하였고, ‘high’와 ‘very high’ 등급 지역에서는 실제 산 사태가 각각 28.90% 및 46.09% 발생하였으며, ‘moderate’
Very low Low Moderate High Very high
Fig. 16. Landslide probability map showing approximately 75%
of landslide area is belong to ‘high’ and ‘very high’ grades
Table 9. Cross table for determining the landslide risk grade by combination of prediction and damage grades
Grades
Landslide prediction grade
very low low moderate high very high
Landslide damage grade
very low very low very low very low low moderate
low very low very low low moderate high
moderate very low low moderate high very high
high low moderate high very high very high
very high moderate high very high very high very high
Very low Low Moderate High Very high
Fig. 17. Landslide damage map deduced by considering roads and buildings to be affected by landslide
Very low Low Moderate High Very high
Fig. 18. Landslide risk map deduced by combination both prediction map and damage map
지역의 16.95%에서 산사태가 실제로 발생하였다. 즉 실 제 발생한 산사태의 약 75% 정도가 산사태 발생확률이 높은 영역으로 예측된 지역에서 발생하여서 본 연구에 서 적용한 지형특성에 근거한 산사태 예측기법이 상당 히 신뢰성 있는 방법임이 입증되었다.
산사태 발생 시, 인명 피해가 예상되는 위치인 도로와 건물을 고려하여 Fig. 17과 같이 산사태 피해도(damage map)를 작성하였고, 이를 산사태 예측도(Fig. 15)와 중 첩하여 Fig. 18과 같이 산사태 위험도(risk map)를 작성 하였다. 여기서 산사태 위험등급은 Table 9와 같이 산사 태 피해등급과 예측등급을 조합하여 결정하였다.
산사태 발생 위험도(Fig. 18)에 의하면 연구지역은 위 험도가 ‘보통(moderate)’ 이하인 지역이 86.73%이고 ‘높 음(high)’ 이상인 지역이 13.27%로 분석되었다. 산사태 위험도(Fig. 18)는 피해도(Fig. 17)와 비슷한 양상을 나
타내었는데, 이는 산사태가 발생하는 경우 위험정도는 산사태의 피해정도와 관련이 크다는 것을 의미한다.
4. 결 론
본 연구에서는 산사태 기발생영역의 절리특성을 조 사하고 GIS를 이용하여 추출한 지형특성을 분석하여 연구지역에서 예상되는 암반사면 파괴유형을 분석하 였다. 또 해발고도, 사면방향, 사면경사, 음영도, 곡률, 하천 이격거리 등 6개의 지형특성 인자를 바탕으로 각 인자의 빈도비 분석을 실시하여 산사태 예측도를 작성 하였으며, 도로 및 주거지와 같은 지역의 인문적인 인 자를 고려하여 산사태 피해도를 작성하고 이 두 주제도 를 조합하여 최종적으로 연구지역의 산사태 위험도를 작성하였다. 본 연구에서는 6개의 지형특성 인자들의 빈도비가 같은 비중으로 산사태 발생에 영향을 미친다 고 가정하였지만, 각 인자들에 대한 민감도 분석을 실 시하여 각각의 가중치를 도출하여 적용한다면 더욱 정 확한 산사태 발생 예측이 가능할 것이다. 또한 예측 방 법으로 사용된 빈도비는 그 특성상 domain 영역의 크 기에 따라 예민하게 변화될 수 있기 때문에 이를 보완 하는 연구도 필요할 것으로 판단된다. 본 연구의 결론 은 다음과 같다.
(1) 암반사면 파괴유형 분석 결과, 평면파괴와 전도파 괴의 가능 영역은 전체 산사태 발생 역역의 각각 21.46% 및 23.74%로 나타났으며 쐐기파괴의 가능 성은 거의 없는 것으로 나타났다.
(2) 해발고도 330∼710m에서 88%의 산사태가 발생하 였으며 이 영역에서 빈도비도 높게 나타났다. 이는 선행연구결과에서 사면고도 70% 이상에서 많은 산 사태가 발생한다고 보고된 것과 대조되는데 산사태 영역의 설정에 따른 차이로 판단된다.
(3) 사면방향은 동남-남-남서 방향(90∼270o)에서 77.7%
의 산사태가 발생하였으며 빈도비 또한 높게 나타 나서, 사면 일조량이 큰 지역에서 산사태가 많았다.
이는 암석의 풍화심도가 일조량의 크기에 따라 증 가하기 때문인 것으로 사료된다.
(4) 사면경사 10∼40o에서 93.39%의 산사태가 발생하 였으며 빈도비도 높게 나타났다. 이는 사면 경사가 커지면 산사태 발생이 적어진다는 선행연구결과와 잘 부합된다.
(5) 음영도 등급 3∼7에서 산사태 발생비율이 13∼21%
로 비슷한 비율로 산사태가 발생하였고 등급 2∼5 에서 빈도비 1 이상을 보였다. 태양의 영향을 많이 받는 높은 등급에서 산사태 발생이 많은 경향을 보 였다.
(6) 곡률특성은 –5∼+5에서 86.28%의 산사태가 발생하 였으나 빈도비는 곡률 값이 –5 이하인 볼록 지형에 서 더 높게 나타났다. 이는 연구지역 내에 높은 곡률 영역(-5 이하)이 5.86%로 상대적으로 적었기 때문 에 나타난 결과로 보인다.
(7) 하천 이격거리가 가까울수록 산사태 발생 면적이 증가하였으나 빈도비는 오히려 적어지는 경향을 보 였다. 이는 하천 이격거리가 가까울수록 지형적 분 포면적도 증가하여 빈도비의 표준편차가 적었기 때 문에 나타난 결과이며, 산사태에 미치는 영향은 적 을 것으로 판단된다.
(8) 산사태 예측도를 산사태 기발생 주제도와 비교한 결과, 실제 발생한 산사태의 약 75% 정도가 산사태 발생확률이 높은 영역으로 예측된 지역에서 발생하 여서 산사태 예측도의 신뢰성을 입증하였다.
참고문헌 (References)
1. Kim, K. S., Song, Y. S., Chae, B. G., Cho, Y. C. and Lee, C.
O. (2007), Geometric Characteristics of Landslides on Natural Terrain according to the Geological Condition, The Journal of Engineering Geology, Vol.17, No.1, pp.75-87.
2. Kim, W. Y., Lee, S. R., Kim, K. S. and Chae, B. G. (1998), Landslide Types and Susceptibilities Related to Geomorphic Characteristics, The Journal of Engineering Geology, Vol.8, No.2, pp.115-130.
3. Kim, W. Y. and Chae, B. G. (2009), Characteristics of Rainfall, Geology and Failure Geometry of the Landslide Areas on Natural Terrains, Korea, The Journal of Engineering Geology, Vol.19, No.3, pp.331-344.
4. Son, J. W., Kim, K. T., Lee, C. H. and Choi C. U. (2009), Analysis of Landslide in Inje Region Using Aerial Photograph and GIS, Journal of the Korean Society for Geospatial Information System, Vol.17, No.2, pp.61-69.
5. Yang, I. T., Chun, G. S. and Park, J. H. (2006), The Effect of Landslide Factor and Determination of Landslide Vulnerable Area Using GIS and AHP, Journal of the Korean Society for Geo-spatial Information System, Vol.14, No.1, pp.3-12.
6. Lee, M. J., Lee, S. R. and Won, J. S. (2004a), Landslide susceptibility mapping and validation using the GIS and Bayesian probability model in Boeun, 2004 GIS/RS Conference on Geo-Spatial Information, pp.481-486.
7. Lee, M. J., Lee, S. R. and Won, J. S. (2004b), Study on Landslide using GIS and Remote Sensing at the Kangneung Area(I) -Relationship Analysis between Landslide Location and Related Factors, Economic
and Environmental Geology, Vol.37, No.4, pp.425-436.
8. Lee, S. R., Chawe, U. C. and Chang, B. S. (2002), Development and Application of Landslide Analysis Technique Using Geological Structure, The Journal of GIS Association of Korea, Vol.10, No.2, pp.247-261.
9. Lee, Y. J., Park, G. A. and Kim, S. J. (2006), Analysis of Landslide Hazard Area using Logistic Regression Analysis and AHP (Analytical Hierarchy Process) Approach, Journal of the Korean Society of Civil Engineers, Vol.26, No.5, pp.861-867.
10. Lee, H. N. (2010), Landslide prediction based on GIS and hazard checklist for stone cultural assets-focus on Namsan area in Kyeong-ju, Master’s thesis Kyungpook National University, pp.1-59.
11. Lee, H. D. and Kim, G. W. (2011a), Landslide Prediction and Hazard for cultural assets using GIS, 2011NSDI Conference on Geo-Spatial Information, pp.63-64.
12. Lee, H. D. and Kim, G. W. (2011b), Location Analysis of Bronze Age’s Dwelling Site using GIS, 2011NSDI Conference on Geo-Spatial Information, pp.236-237.
13. Lee, H. D. and Kim, G. W. (2012), Location Analysis and Distri- butional Forecast of Prehistoric Sites in Ulsan Region Using GIS, Journal of the Korean Association of Geographic Information Studies, Vol.15, No.3, pp.23-35.
14. Jung, J. H. (2004), Prediction mapping for landslide occurrence using GIS and result comparison in Yongin-Ansung area, Master’s thesis Kyungpook National University, pp.1-59.
15. Cho, Y. C. and Jang, T. W. (2006), The Geometric Characteristics of Landslides and Joint Characteristics in Gangneung Area, The Journal of Engineering Geology, Vol.16, No.4, pp.437-453.
16. Chae, B. G., Kim, W. Y., Cho, Y. C., Kim, K. S., Lee, C. O. and Choi, Y. S. (2004), Development of a Logistic Regression Model for Probabilistic Prediction of Debris Flow, The Journal of Engineering Geology, Vol.14, No.2, pp.211-222.
17. Choi, J. C. and Paik, I. S. (2002), Study on Analysis for Factors Inducing the Whangryeong Mountain Landslide, The Journal of Engineering Geology, Vol.12, No.2, pp.137-150.
18. Choi, J. K., Kim, K. D., Lee, S. R., KIm, I. S. and Won, J. S.
(2007), Prediction of Ground Subsidence Hazard Area Using GIS and Probability Model near Abandoned Underground Coal Mine, Economic and Environmental Geology, Vol.40, No.3, pp.295-306.
19. Angillieri, M. (2010), Application of frequency ratio and logistic regression to active rock glacier occurrence in the Andes of San Juan, Argentina, Geomorphology 114, pp.396-405.
20. Gokceoglu, C., H.Sonmez, M. Ercanoglu (2000), Discontinuity controlled probabilistic slope failure risk maps of the Altindag (settlement) region in Turkey, Engineering Geology 55, pp.277-296.
21. Lee, Saro, Ueechan Chwae, Kyungduck Min (2002), Landslide susceptibility mapping by correlation between topography and geological structure: the Janghung area, Korea, Geomorphology 46, pp.149-162.
22. Lee, Saro and Moung-Jin Lee (2006), Detecting landslide location using KOMPSAT1 and its application to landslide-susceptibility mapping at the Gangneung area, Korea, Advances in Space Research 38, pp.221-227.
23. Melchiorre, C., E. Castellanos, M. Matteucci (2007), Analysis of sensitivity in artificial neural network models:application in landslide susceptibility zonation, Guantanamo Province, Geophysical Research Abstracts.
24. Sturzenegger, M., M. Sartori, M. Jaboyedoff, D. Stead (2007), Regional deterministic characterization of fracture networks and its application to GIS-based rock fall risk assessment, Engineering Geology 94, pp.201-214.
25. Yilmaz, I. (2009), Landslide susceptibility mapping using frequency ratio, logistic regression, artificial neural networks and their comparison:
A case study from Kat landslide (Tokat-Turkey), Computers &
Geosciences 35, pp.1125-1132.
Received : September 29th, 2014 Revised : December 3rd, 2014 Accepted : December 3rd, 2014
