The Evaluation on the Prediction Ratio of Landslide Hazard Area based on Geospatial Information

전체 글

(1)이근상･이호준･고신영･조기성 투고일(’14. 10. 9.), 심사일(’14. 10. 31.), 게재확정일(’14. 11. 12.). 공간정보 기반 산사태 발생지역 예측비율 평가 The Evaluation on the Prediction Ratio of Landslide Hazard Area based on Geospatial Information 이근상* ･ 이호준** ･ 고신영*** ･ 조기성**** Lee, Geun-Sang ･ Lee, Ho-Jun ･ Go, Sin-Young ･ Cho, Gi-Sung. 초록 최근 집중호우에 의한 산사태 발생이 빈번해짐에 따라 산사태 취약지역을 분석하고 산사태 발생을 예측 하기 위한 다양한 연구들이 진행되고 있다. 본 연구에서는 산사태 발생지역의 토양특성을 분석하였으며, 배수 특성별 우도비를 평가한 결과 배수가 좋은 토양에서 산사태 발생 가능성이 높게 나타났다. 또한 DEM 자료에서 추출한 경사도의 우도비를 평가한 결과 20~40° 경사구간에서 산사태 발생 가능성이 높게 나타났 다. 그리고 공간분석에 의한 사면방향도의 우도비를 평가한 결과 북향에서 산사태 발생 가능성이 높게 나 타났다. 아울러 토양배수, 경사도 그리고 사면방향도의 우도비를 중첩하여 산사태 취약도를 평가할 수 있 었으며, 산사태 발생지역에 대하여 분석과 검증 프로세스를 수행함으로써 미래 산사태 발생 예측비율을 평가할 수 있었다. 주요어: 산사태, 공간정보, 우도비, 예측비율. ABSTRACT Recently landslide occurs frequently by heavy rainfall, therefore there area many studies to analyze the vulnerable district of landslide and forecast the occurrence of landslide. This study analyzed soil characteristics in the occurrence district of landslide and the occurrence possibility of landslide ranked. * 전주비전대학교 지적토목학과 조교수(E-mail : [email protected]) ** 전북대학교 토목공학과 석사(E-mail : [email protected]) *** 전북대학교 토목공학과 박사과정(E-mail : [email protected]) **** 전북대학교 토목공학과 교수, 교신저자(E-mail : [email protected]). 학술지 ｢地籍｣ (제44권 제2호, 2014). 113.

(2) 공간정보 기반 산사태 발생지역 예측비율 평가. high in well draining soil as the result of frequency ratio according to the characteristics of drainage. Also as the result of frequency ratio of slope derived from DEM data, the occurrence possibility of landslide ranked high in slope range of 20~40°. And Also as the result of frequency ratio of aspect by geospatial analysis, the occurrence possibility of landslide ranked high in north aspect. Also, it is possible to evaluate the vulnerability of landslide by overlapping frequency ratio of the drainage of soil, slope and aspect. And future prediction ratio of landslide occurrence can be evaluated by performing the analysis and validation process respectively on the subject of the occurrence district of landslide.. Keywords: Landslide, Geospatial Information, Frequency Ratio, Prediction Ratio. 1. 서론. 망하고, 298억 원의 경제적 손실이 발생하였다. 2012년 한해에만 492ha의 피해물량 발생으로 970. 최근 급속한 도시화와 산업화로 인한 환경오염 은 이상기후를 유발하게 되며, 이로 인해 발생하게. 억 원 가량의 복구비용이 투입되는 등 재정적 손실 이 발생한 바 있다(김석우 등, 2012).. 되는 집중호우는 자연재해의 빈도와 규모를 점차. 산사태 발생을 모니터링하고 분석하기 위한 다양. 증가시키고 있다(김석우 등, 2012). 대표적으로. 한 공간정보 관련 연구들이 발표되었다. 먼저, 이명. 2011년 7월 우리나라의 중심부를 강타한 게릴라. 진 등(2004a; 2004b)은 GIS와 원격탐사를 기반으로. 성 집중호우로 인해 밀양, 춘천 그리고 우면산 산. 산사태 취약도 및 영향인자를 평가하였으며, 전계. 사태 등으로 약 58명의 인명피해가 발생하였으며,. 원과 오채연(2012)은 GIS 기반의 확률론적 기법을. 2012년 9월에는 집중호우로 인해 창원시 해안지. 활용하여 산사태 및 토석률 위험지역을 분석하였. 역이 침수되는 등의 피해가 발생하였다. 자연재해. 다. 또한 김기홍과 이환길(2012)은 GIS 기반의 인. 의 빈도나 규모가 증가하는 것도 문제지만 이러한. 제지역 산사태 영향인자를 분석하였으며, 윤홍식. 자연재해에 능동적으로 대처하지 못하는 구조적. 등(2009)도 GIS 기법 및 발생자료 분석을 통해 산사. 대책이 미흡한 것도 문제이다. 특히, 집중호우로. 태 위험지도를 작성한 바 있다. 그리고 송영석과 채. 인한 산사태의 발생은 공공 및 사유재산에 큰 피해. 병곤(2013)은 GIS 기반의 토석류 산사태 대응공법. 를 유발하고 있다. 우면산 산사태로 인한 피해규. 설계 프로그램을 개발하였으며, 박정술 등(2012)은. 모를 살펴보면, 사망이 16명이고 실종은 2명이었. HyGIS-Landslide라고 하는 공간정보 기반의 산사. 으며, 경제적 손실은 약 351억 원이 발생한 것으로. 태 발생 위험도 평가 프로그램을 개발하였다. 영상. 나타났다. 같은 시간대 경기도 일대에서는 3일간. 및 항공사진을 연계한 연구로서, 오치영 등(2009). 170여 건의 크고 작은 산사태가 발생하여 16명 사. 은 SPOT 영상과 GIS 분석을 통해 산사태 특성을 분. 114. LX대한지적공사 학술지 ｢地籍｣.

(3) 이근상･이호준･고신영･조기성. 석하였으며, 송정우 등(2009)은 항공사진과 GIS를. 의 이동을 뜻하는 의미에서 비교적 빠른 이동의경우를. 이용하여 산사태를 분석하였다. 또한 권혁춘 등. ‘Landslide’, 감지할 수 없는 이동의 경우를 ‘Creep’. (2008)은 인공신경망 기법과 GIS를 연계하여 제주. 라고 한다(Terzaghi, 1950). 또한 Cruden(1991)은. 도의 산사태 취약성을 분석하였으며, 양인태 등. 산사태를 암석이나 토석류가 사면의 경사를 따라. (2006)은 GIS와 AHP 기법을 이용하여 산사태 취약. 떠내려가는 현상이라 정의하였다.. 지를 결정하고 유발인자의 영향을 평가하였다. 최. 산사태 유형에 대한 연구로서, Varnes(1978)는. 근에는 정밀 산사태 예측을 위해 항공라이다를 연. 산사태의 유형을 낙석(Falls), 전도(Topples), 활동. 계한 연구도 시행되었는데, 대표적으로 이동하 등. (Slides), 수평퍼짐(Lateral spreads), 유동(Flows). (2009)은 고해상도 항공라이다 DEM 해석을 통해. 으로 분류하고 이동물질은 다시 암석(Bedrock),. 강원도 일원의 산사태 발생을 예측하였다.. 조립(Coarse), 세립(Fine)으로 분류하였다. 또한. 이와 같이 기존의 연구들은 주로 영상정보와 공. 이들 2개 이상이 혼합되어 발생하는 것을 복합. 간정보 기법을 통해 재해지역의 전후의 공간정보. (Complex)으로 나타내었다. 여기에서 낙석(Falls). 를 데이터베이스화하거나, 다양한 공간정보를 연. 은 전단변위가 거의 없는 상태의 급한 경사면에서. 계하여 산사태 발생 지역을 분석하는 부분에 초점. 흙이나 암석이 분리되는 것으로서, 변형 또는 회전. 이 맞춰져 있었다. 현재 국가 및 지자체에서는 산. 에 의해 자유낙하하는 것을 의미한다. 또한 전도. 사태를 저감할 목적으로 많은 사방댐을 설치하여. (Topples)는 중심 아래의 점 또는 축에 대한 흙이. 운영 중에 있다. 이러한 사방댐의 설치 위치는 과. 나 암괴로 구성된 사면의 전방회전으로 중력이 주. 거 산사태 발생지역과 설계자의 주관적 견해에 따. 된 원인이다. 사면상부에 인장균열 등을 통해 물. 라 결정되는 경우가 많았다.. 이 침투한다면 이는 변위를 촉진시키는 요인이 된. 본 연구에서는 공간정보를 기반으로 산사태 취. 다. 활동(Slides)은 파괴면과 크게 발달된 전단변. 약도를 평가하였으며 이를 통해 산사태 발생지역. 형에 의해 주로 발생하는 흙 또는 암괴의 하부이동. 을 예측하였다. 또한 이러한 산사태 발생 위험지. 을 말한다. 활동에는 활동면이 원호에 가까운 회. 역과 사방댐이 위치한 지역과의 공간적 위치관계. 전활동(Rotational slides)과 직선에 가까운 병진활. 를 검토하였으며, 최종적으로 산사태 유발인자와. 동(Translation slides)으로 나누어진다. 수평퍼짐. 기존 산사태 발생지역과의 공간통계기법을 통해. (Lateral spreads)은 점착물질이 균열부분의 일반적. 산사태 발생예측을 수행하고자 하였다.. 인 침전과 결합된 형태로 토괴나 암괴의 연장이다. 균열표면에서는 대규모 전단이 발생하지 않으나,. 2. 산사태 유형과 발생원인. 퍼짐은 액화현상에 의해 발생할 수도 있다. 유동 (Flow)은 전단면의 공간적 연속운동인데 전단면은. 산사태는 자연사면 또는 자연사면의 특성을 지닌. 극히 단시간에 발생하고, 매우 협소하게 유지된다.. 인공사면의 붕괴현상으로서, 사면을 구성하는 재료. Bromhead(1992)는 산사태를 유발하는 원인을 토. 학술지 ｢地籍｣ (제44권 제2호, 2014). 115.

(4) 공간정보 기반 산사태 발생지역 예측비율 평가. 질, 지질구조, 식생, 강우, 지하수, 침식, 지진 같은 자. 한 역할을 하므로 수계, 수로밀도, 하천경사, 간극. 연 환경적 요인과 절성토 등과 같은 인위적 요인으로. 수압 등이 고려대상이 된다. 임상은 산사태를 억지. 분류하였다. 또한 최경(1986)은 산사태 발생에 영. 하는 효과와 동시에 촉진하는 효과를 갖는 이중성. 향을 주는 인자로 모암, 사면의 횡단면, 사면길이, 경. 을 보인다. 억지효과로는 나뭇잎의 차양막 효과,. 사도, 사면위치, 인분경분, 석력 함량, 토심 등을 제. 수분 흡수 증발에 의한 유효 강우 감소 효과, 식물. 시하였다. 그리고 마호섭과 정원옥(2007)은 산사태. 뿌리의 보강 효과, 식물뿌리의 수분흡수에 의한 지. 발생면적에 영향을 미치는 경사, 표고, 방위, 임상,. 반 함수비 감소 효과, 식물뿌리에 의한 조립자 탈착. 사면형태 등의 각종 환경인자를 이용하여 상관분석. 효과 등이 있고, 촉진효과로는 태풍과 강우 시 지하. 및 회귀분석을 실시하였다. 국립공원관리공단. 수위의 상승, 암사면에서 뿌리의 쐐기작용, 강풍에. (2001)에서는 산사태 발생 원인을 경사도, 방위, 종. 의해 지반을 교란시켜 침투로를 형성하고 전단강. 단사면, 횡단사면, 표고, 능선길이, 사면위치, 곡차. 도를 감소시키며, 임상의 무게에 의한 상재압의 증. 수, 식생(임상), 모암 등으로 분류하여 국립공원지역. 가로 활동력 및 저항력을 증가시킨다.. 내의 산사태를 분석하였다. Brunsden(1993)은 외부. 산사태를 발생시키는 요인 중에 가장 중요한 인. 인자를 풍화, 하천, 빙하 및 해안 침식, 사면의 표면. 자는 강우이며, 강우는 간극수압의 상승, 표면유. 과 저부의 물질제거, 지반 침전, 하상퇴적물의 침전,. 수에 의한 침식, 흙의 포화로 인한 활동토층의 단. 새로운 물질이 사면의 표면과 상부에 추가, 충격과. 위중량 증가 등의 원인으로 붕괴하려는 힘의 증가. 진동 및 지진 활동, 뢰스의 낙하, 기상학적, 기상학적. 와 저항력의 감소가 동시에 발생한다. 강우에 의. 수위변, 초기 파괴, 제방붕괴, 지진에 의한 사면붕괴. 한 사면붕괴는 장마, 태풍, 집중호우 시 일어나는. 이후 연속적인 충격으로 나누어 구분하였다.. 데 특히 선행강우량, 강우강도, 최대강우량이 중. 산사태 발생원인 중 지질적인 측면으로는 암석. 요하다.. 의 종류, 풍화도, 주향과 경사, 절리면의 충진상태,. 하천 및 해안침식은 사면하부의 세굴작용을 일. 지하수 배치상태, 토양발달상태, 토심, 토양단면상. 으켜 표토층 붕괴나 대규모 붕락으로 발전한다.. 의 불연속성 등이 있다. 또한 지형적인 측면에서 산. 최근 수로변경, 임도개설, 광산개발, 주택지, 산업. 사태 발생은 광범위한 지역을 대상으로 하는 경우. 지 조성을 위한 평탄화 작업, 도로, 절･성토 등에. 와 한 지점을 대상으로 하는 경우에 있어서 고려하. 의해 자연사면이 변형되어 사면을 불안정하게 하. 는 조건이 서로 다르다. 대상 지역이 넓은 경우에는. 고 있으며, 이를 통해 전단저항의 감소와 전단력의. 지반고, 계곡의 깊이, 사면의 경사, 벼랑의 존재, 계. 증가로 활동력이 증가하여 산사태가 발생한다. 특. 곡 간 표고차 등이 주요 고려사항인 반면, 한 지점. 히, 절토사면의 경우 암석이 장시간에 걸쳐 기후변. 을 대상으로 할 때는 경사, 사면길이, 사면의 종･횡. 화와 공기에 노출되어 암석이 풍화하게 되며, 특히. 단면 형상, 경사 변화대, 방위 등이 고려사항이 된. 도로 및 철도주변의 지역에서 산사태 위험성이 높다. 다. 또한, 지형과 배수조건이 산사태 발생에 중요. (김석우 등, 2012; Cruden, 1991; Terzaghi, 1950).. 116. LX대한지적공사 학술지 ｢地籍｣.

(5) 이근상･이호준･고신영･조기성. 3. 적용 및 분석 결과 3.1. 연구 대상지 본 연구의 대상지는 전라북도 김제시 금산면으 로서 약 66.87㎢의 면적을 가지고 있다. 대상지는 2005년부터 지속적으로 산사태가 발생되고 있으 며, 인근 지역이 해발 793m의 모악산으로 둘러싸 여 있고 약 70%가 산림지역이다. [그림 1]은 연구 대상지에 위치를 나타낸 것이다.. [그림 2] 산사태 발생지역 DB 구축 사례. 금산면 지역의 산사태 발생 형태는 대부분 토석 류에 해당되는 것으로 조사되었으며, 집중호우 시 경사면의 산악지형을 따라 토사가 흘러내려가는 형태의 산사태가 발생하였다. 이러한 토석류는 계 곡 및 소하천을 따라 저지대로 흘러 내려가며, 특히 소하천 주변의 주택 및 농경지에 큰 피해가 발생한 [그림 1] 연구대상지. 다. 항공사진을 중심으로 연구대상지의 토석류에 의한 산사태는 하천의 형상을 따라 약 10m 정도의. 3.2. 산사태 발생지역 DB 구축 본 연구에서는 2012년도에 촬영한 50㎝급 항공. 폭을 가지고 있는 것으로 나타났다.. 3.3. 공간정보 기반 산사태 발생 예측비율 평가. 사진을 기반으로 육안판독을 실시하여 산사태 발 생지역을 조사하였다. 산사태에 영향을 주는 인자. 산사태 발생에 영향을 주는 요인은 매우 다양하. 들과의 검토를 위해서는 산사태 발생지역에 대한. 다. 김기홍과 이환길(2012)은 경사, 토양도, 임상. 영역을 설정하는 것이 매우 중요하다. 따라서 본. 도, 배수등급 등의 인자를 적용한 바 있으며, 이명. 연구에서는 산사태 발생지점을 중심으로 산사태. 진 등(2004a; 2004b)은 경사, 사면향, 토양도, 임상. 가 밀집된 지역은 산사태 발생군으로 묶어 산사태. 도 등을 적용하였다. 본 연구에서는 산사태 위험도. 발생지역으로 폴리곤 형태의 DB를 구축하였다.. 분석을 위해 대상지역에 존재하는 공간정보를 파. [그림 2]는 산사태 발생지역 중 대표적인 지점을 나. 악하였으며, 자료 구축 가능 여부를 고려하여 크게. 타낸 것이다.. 토양, 지형경사, 사면향 자료를 이용하였다. 특히 학술지 ｢地籍｣ (제44권 제2호, 2014). 117.

(6) 공간정보 기반 산사태 발생지역 예측비율 평가. 각 공간정보별 분포특성과 함께 산사태 발생지역. 보통인 지역도 20.51㎢로 전체지역 대비 30.67%. 과의 중첩을 통한 중첩면적도 계산하였다. 또한 공. 로 비교적 높게 나타났다. 토양배수에 따른 산사. 간정보 분포특성별 산사태 분포특성과의 통계학적. 태 발생지역을 분석한 결과 배수가 양호한 지역이. 정량관계를 규명하기 위해 우도비(LR; Likelihood. 1.71㎢로서 산사태 발생지역의 76.68%를 나타내. Ratio)를 이용하였다. 우도비는 전체 경우의 수 중. 었다. 또한 토양배수와 산사태 발생지역을 공간중. 해당 사건이 발생할 경우를 확률로 표현한 것으로,. 첩한 후 각 속성별 클래스의 우도비(LR)를 계산한. 상대적으로 비교대상이 있는 경우에 우도비를 사. 결과에서는 배수가 매우 좋은 구간에서 우도비가. 용하게 된다.. 2.00으로 가장 높게 나타났으며, 양호에서도 0.30. 먼저 1/25,000 정밀토양도를 이용하여 토성을. 으로 나타났다. 아울러 배수가 매우 불량인 지역. 분석하였다. [그림 3]은 토성분포와 산사태 발생지. 과 불량인 지역은 각각 0.30과 0.25로 분석되었다.. 역을 나타낸 것이다. 여기서 토성번호는 각각 1(사 양질･사질), 2(식양질･미사식양질), 3(자강이 있 는 사양질), 6(미사식양질･식질), 7(식양질･식질), 8(자갈이 있는 사양질), 9(미사식양질･식질), 14 (사양질･식양질), 49(암석 노출지)와 같다. 산사태 는 강우 발생 시 토양으로 침투된 물이 토양의 배 수특성에 따라 다양한 형태로 나타나게 된다. 본 연구에서는 이러한 토성별 배수특성을 분석하기 위해 배수정도에 따른 분포특성을 평가하였다. 대 상지역에서 배수가 양호한 지역은 25.68㎢로 전체 [그림 3] 토성분포와 산사태 발생지역. 지역 대비 38.40%로 가장 높게 나타났으며 배수가 <표 1> 토양배수 분포와 산사태 우도비 분석 결과 구분. 배수정도. 면적(㎢). 산사태지역 P{CA∣TP}. 면적(㎢). P{CA∣TP}. LR(λ). 1. 매우 불량. 10.07. 0.03. 0.08. 0.01. 0.30. 2. 불량. 6.32. 0.15. 0.04. 0.04. 0.25. 3. 보통. 20.51. 0.09. 0.37. 0.02. 0.20. 4. 양호. 25.68. 0.31. 1.71. 0.16. 0.53. 5. 매우 좋음. 1.99. 0.38. 0.00. 0.77. 2.00. 6. 기타. 2.31. 0.03. 0.02. 0.00. 0.07. 66.87. 1.00. 2.23. 1.00. 3.35. 계. 118. 분포. LX대한지적공사 학술지 ｢地籍｣.

(7) 이근상･이호준･고신영･조기성. 지형경사 특성을 분석하기 위해 수치지형도의. 사 25~30° 구간에서 가장 높은 값을 나타내었으며. 등고선과 표고점으로부터 구축한 DEM 자료를 이. 전반적으로 20~40° 구간에서 높은 우도비를 확인. 용하였다. [그림 4]는 경사분포와 산사태 발생지역. 할 수 있었다.. 을 중첩한 것이며 <표 2>는 경사별 분포특성과 산 사태 발생지역과의 우도비를 분석한 것이다. 분석 결과, 대상지역의 지형경사는 5° 미만 지역이 24.57㎢로 전체지역 대비 36.74%로 가장 높게 나 타났다. 경사에 따른 산사태 발생지역을 분석한 결과 경사 15~30° 구간에서 많은 산사태 발생이 관 측되었으며, 이것은 저경사보다는 고경사 지역에 서 발생한 것을 알 수 있다. 반면 급경사 지역에서 는 산사태 발생이 감소하는데 이것은 빗물이 중력 에 의해 저지대로 급속히 흐르기 때문으로 판단된 다. 경사도와 산사태 발생지역을 공간중첩한 후 [그림 4] 경사분포와 산사태 발생지역. 각 속성별 클래스의 우도비(LR)를 계산한 결과, 경. <표 2> 경사 분포와 산사태 우도비 분석 결과 구분. 경사범위. 분포특성. 산사태지역. 면적(㎢). P {CA∣TP}. 면적(㎢). P {CA∣TP}. LR(λ). 1. 0 ~ 5˚. 24.57. 0.37. 0.07. 0.03. 0.08. 2. 5 ~ 10˚. 8.36. 0.12. 0.23. 0.10. 0.81. 3. 10 ~ 15˚. 9.00. 0.13. 0.39. 0.17. 1.30. 4. 15 ~ 20˚. 9.73. 0.15. 0.45. 0.20. 1.40. 5. 20 ~ 25˚. 7.87. 0.12. 0.50. 0.22. 1.89. 6. 25 ~ 30˚. 4.08. 0.06. 0.39. 0.17. 2.86. 7. 30 ~ 35˚. 1.92. 0.03. 0.14. 0.06. 2.25. 8. 35 ~ 40˚. 0.91. 0.01. 0.06. 0.02. 1.84. 9. 40 ~ 45˚. 0.29. 0.00. 0.01. 0.00. 0.94. 10. 45 ~ 90˚. 0.15. 0.00. 0.00. 0.00. 0.01. 66.87. 1.00. 2.23. 1.00. 13.38. 계. 학술지 ｢地籍｣ (제44권 제2호, 2014). 119.

(8) 공간정보 기반 산사태 발생지역 예측비율 평가. 사면향에 따른 산사태 발생지역과의 검토를 위. 각 속성별 클래스의 우도비(LR)를 계산한 결과,. 해, DEM 자료로부터 사면향 자료를 구축하였다.. 오히려 북향에서 우도비가 1.38로서 가장 높게. 사면향은 3×3 격자셀을 기준으로 이웃하는 8개. 나타났으며 북동향, 동향, 남동향에서도 각각. 의 셀에 대한 최대경사각을 계산하여 해당 경사. 1.12, 1.05, 1.08로 높게 나타난 것을 확인할 수. 방향을 북쪽을 기준으로 한 각도로 표기할 수 있. 있었다.. 다. [그림 5]는 사면향 분포와 산사태 발생지역을 표시한 것이며 <표 3>은 사면향별 분포특성과 산 사태 발생지역과의 우도비를 분석한 것이다. 분 석결과, 대상지역의 사면향은 동향에서 11.87㎢ 로 전체지역 대비 17.75%로 가장 높게 나타났으 며, 북동향과 남동향도 각각 14.46%와 12.26%로 높게 나타났다. 사면향에 따른 산사태 발생지역 을 분석한 결과 동향, 북동향, 남동향에서 각각 0.42㎢, 0.36㎢, 0.30㎢로 많은 산사태 발생이 관 측되었으며, 전반적으로 다른 향들에 비해 동향 에서 산사태가 많이 발생한 것으로 추정된다. 그 [그림 5] 사면향 분포와 산사태 발생지역. 러나 사면향과 산사태 발생지역을 공간중첩한 후. <표 3> 사면향 분포와 산사태 우도비 분석 결과 구분. 사면향 범위. 분포특성. 산사태지역. 면적(㎢). P {CA∣TP}. 면적(㎢). P {CA∣TP}. LR(λ). F. no aspect. 0.44. 0.01. 0.00. 0.00. 0.01. N. 337.5 ~ 22.5˚. 5.93. 0.09. 0.27. 0.12. 1.38. NE. 22.5 ~ 67.5˚. 9.67. 0.14. 0.36. 0.16. 1.12. E. 67.5 ~ 112.5˚. 11.87. 0.18. 0.42. 0.19. 1.05. SE. 112.5 ~ 157.5˚. 8.20. 0.12. 0.30. 0.13. 1.08. S. 157.5 ~ 202.5˚. 7.15. 0.11. 0.15. 0.07. 0.62. SW. 202.5 ~ 247.5˚. 7.38. 0.11. 0.16. 0.07. 0.66. W. 247.5 ~ 292.5˚. 9.49. 0.14. 0.31. 0.14. 0.96. NW. 292.5 ~ 337.5˚. 6.74. 0.10. 0.27. 0.12. 1.19. 66.87. 1.00. 2.23. 1.00. 8.07. 계. 120. LX대한지적공사 학술지 ｢地籍｣.

(9) 이근상･이호준･고신영･조기성. 산사태 발생에 영향을 주는 토양, 사면경사와 방. 대한 산사태 취약모델을 통해 계산된 특정결과 값. 향에 대한 우도비를 중첩하여 산사태 취약성을 [그. 까지의 면적의 비율을 나타낸 것이며, Y축은 0%부. 림 6]과 같이 나타내었다. 적색부분은 산사태가 취. 터 특정 X값까지에 포함된 산사태발생 수의 전체. 약한 지역이며, 녹색부분은 산사태 발생위험이 적. 에 대한 누적 비율을 의미한다.. 은 지역을 의미한다. 본 연구에서는 대상지역에 설치되어 있는 사방댐의 위치를 조사하여 [그림 6] 에 표시하였으며, 확인결과 대부분의 사방댐이 산 사태 취약지역과 일치하고 있음을 알 수 있었다. 그러나 현재 설치되어 있는 사방댐은 일부 지역으 로 치우친 것으로 조사되었으며 향후 산사태 취역 지역에 대한 추가적인 설치가 필요할 것으로 판단 된다. 또한 사방댐 설치지역의 적절성을 평가하기 위하여 산사태 취약도를 기초로 과거 산사태 위치 에 대한 적합성을 정량적으로 평가하기 위하여 성 공비율곡선을 작성하였다.. [그림 7] 산사태 발생 성공비율곡선. 성공비율곡선은 통합방법의 적합성을 나타낸다 고 간주할 수 있다. 그러나 통합 결과와 통합에 사 용한 산사태를 비교한 것이기 때문에 성공비율곡 선은 엄밀한 의미에서 미래 산사태 발생에 대한 예 측의 검증이라고 볼 수 없다. 이러한 제한사항을 보완하기 위하여 교차검증 기반의 예측비율곡 선을 이용하였다. 예측비율곡선(Prediction Rate Curve)은 동일한 입력자료와 동일한 통합 방법을 사용하기 때문에 미래 산사태 발생에 대한 정량적 인 해석이 가능하다. 따라서 예측비율곡선을 작성 [그림 6] 산사태 취약도. 하기 위해 과거 발생한 산사태를 임의의 두 그룹으 로 나누어 한 그룹은 분석에 사용하였으며, 나머지. [그림 7]과 <표 4>는 연구지역에서 산사태에 취. 그룹은 분석결과와 검증하는 데 사용하였다. 그리. 약한 지역을 상위 5% 단위로 구분하여 해당지역에. 고 검증에 사용한 자료를 다시 분석에 이용하고,. 서 발생한 산사태의 수량을 누계한 통계 자료이다.. 분석에 이용되는 자료는 검증에 이용하여 교차검. 성공비율곡선에서 X축은 연구지역의 전체면적에. 증을 실시하였다. 본 연구에서는 대상지역 내의 학술지 ｢地籍｣ (제44권 제2호, 2014). 121.

(10) 공간정보 기반 산사태 발생지역 예측비율 평가. <표 4> 산사태 취약도 분석 결과 구분. X축(%). 면적(㎢). 산사태면적(㎢). 1. 5. 3.38. 2. 10. 3. 누계 Y축(%). 면적(㎢). 산사태면적(㎢). 0.61. 3.38. 0.61. 27.18. 3.23. 0.34. 6.61. 0.95. 42.53. 15. 3.36. 0.25. 9.97. 1.20. 53.94. 4. 20. 3.41. 0.19. 13.38. 1.39. 62.45. 5. 25. 3.08. 0.20. 16.46. 1.59. 71.37. 6. 30. 2.37. 0.13. 18.82. 1.72. 77.18. 7. 35. 3.54. 0.14. 22.36. 1.86. 83.40. 8. 40. 2.83. 0.04. 25.19. 1.90. 85.27. 9. 45. 2.87. 0.06. 28.06. 1.97. 88.17. 10. 50. 4.08. 0.03. 32.13. 2.00. 89.63. 11. 55. 3.09. 0.05. 35.22. 2.05. 91.91. 12. 60. 3.02. 0.03. 38.24. 2.08. 93.36. 13. 65. 3.47. 0.07. 41.71. 2.15. 96.47. 14. 70. 4.00. 0.04. 45.71. 2.19. 98.13. 15. 75. 3.54. 0.03. 49.25. 2.22. 99.38. 16. 80. 3.55. 0.00. 52.80. 2.22. 99.38. 17. 85. 3.17. 0.00. 55.97. 2.22. 99.38. 18. 90. 3.53. 0.00. 59.50. 2.22. 99.59. 19. 95. 3.91. 0.01. 63.41. 2.23. 100.00. 20. 100. 3.46. 0.00. 66.87. 2.23. 100.00. 총 482개 산사태 중 산사태 취약성 평가와 검증에 각각 241개의 산사태 자료를 이용하였다. 이러한 자료의 교차 이용을 통해 [그림 8]과 같은 예측비율 곡선을 작성하였다. 분석 및 검증그래프는 상위 20%의 지역에서 각 각 63%와 62%의 예측능력을 보이고 있으며, 상위 50%에서는 모두 90% 이상의 예측능력을 보이고 있다. 따라서, 본 연구에서 계산된 예측값을 미래 에 발생할 산사태와 연관시켜 해석해 볼 수 있다. 122. LX대한지적공사 학술지 ｢地籍｣. [그림 8] 산사태 발생 예측비율곡선.

(11) 이근상･이호준･고신영･조기성. 예를 들어 산사태에 가장 취약한 15% 이내 지역에. 으며, 산사태 면적의 누계정보를 기반으로 산사태. 서는 전체 산사태의 56%와 54%가 발생할 것으로. 발생 성공비율곡선을 작성할 수 있었다. 또한 482. 해석할 수 있으며, 40%의 지역에서도 85% 이상의. 개 산사태 지점 중 241개 지점을 각각 분석과 검증. 산사태가 발생할 것으로 예측할 수 있다.. 으로 교차 적용함으로써 미래 산사태 발생 예측비 율곡선을 작성할 수 있었으며, 그 결과 산사태에. 4. 결론. 가장 취약한 상위 구간별 산사태 발생에 대한 예측 을 수행할 수 있었다. 본 연구에서 제시한 산사태. 본 연구에서는 공간정보를 기반으로 산사태 발. 예측비율 성과는 향후 산사태 위험지역에 대한 등. 생지역의 지형 및 토양특성을 분석하고 이를 통해. 급을 사전에 평가하기 위한 기초자료로 활용이 가. 산사태 취약성 분석 및 산사태 예측비율곡선을 작. 능하리라 판단된다.. 성하였으며 주요 결론은 다음과 같다. 첫째, 대상지역의 토양도를 기반으로 토성별 배 수정도를 격자 기반의 공간정보로 구축하여 배수 정도별 분포특성을 분석할 수 있었으며, 산사태 발. 【참고문헌】 ⦁국립공원관리공단(2001), 국립공원 산사태지에 대 한 복구대책 수립을 위한 조사.. 생지역과의 공간중첩을 통해 배수정도별 우도비를. ⦁권혁춘･이병걸･조은일(2008), 인공신경망기법과 GIS. 평가한 결과 배수가 매우 좋거나 양호한 지역에서. 를 이용한 제주도 산사태 취약성분석, 한국환경과학. 산사태가 발생할 가능성이 높은 것으로 나타났다.. 회지, 한국환경과학회, 제17권 제6호. pp.679-687.. 둘째, DEM에서 추출한 경사도를 이용하여 경사 구간별 분포특성을 분석할 수 있었으며, 산사태 발 생지역과의 공간중첩을 통해 경사구간별 우도비 를 평가한 결과 20~40° 경사구간에서 산사태 발생 가능성이 높은 것으로 나타났다. 셋째, DEM에서 추출한 사면방향도를 이용하여 사면방향별 분포특성을 분석할 수 있었으며, 산사 태 발생지역과의 공간중첩을 통해 사면방향별 우 도비를 평가한 결과 북향에서 우도비가 1.38로 가. ⦁김기홍･이환길(2012), 공간정보 구축 및 응용 : 수량 화 2종법을 이용한 GIS 기반의 인제지역 산사태 영향 인자 분석, 한국공간정보학회지, 한국공간정보학회, 제20권 제3호, pp.57-66. ⦁김석우･전근우･김진학･김민식･김민석(2012), 2011년 집중호우로 인한 산사태 발생특성 분석, 한 국임학회지, 한국임학회, 제101권 제1호, pp.28-35. ⦁마호섭･정원옥(2007), 우리나라 국립공원지역의 산 사태 발생특성 분석, 한국임학회지, 한국임학회, 제 96권 제6호, pp.611-619.. 장 높은 산사태 발생 가능성을 보였으며, 북동향,. ⦁박정술･김경탁･최윤석(2012), HyGIS-Landslide를. 동향, 남동향에서도 각각 1.12, 1.05, 1.08로 높게. 이용한 산사태 발생 위험도 평가, 한국지리정보학회. 나타났다.. 지, 한국지리정보학회, 제15권 제1호, pp.119-132.. 넷째, 토양도와 경사도 그리고 사면방향도의 우. ⦁손정우･김경탁･이창헌･최철웅(2009), 항공사진과. 도비를 중첩하여 산사태 취약도를 평가할 수 있었. GIS를 이용한 인제지역 산사태 분석, 한국지형공간. 학술지 ｢地籍｣ (제44권 제2호, 2014). 123.

(12) 공간정보 기반 산사태 발생지역 예측비율 평가. 정보학회지, 한국지형공간정보학회, 제17권 제2호,. 국도시방재학회지, 한국도시방재학회, 제1권 제3호,. pp.61-69.. pp.7-14.. ⦁송영석･채병곤(2013), GIS기반 토석류 산사태 대응. ⦁Bromhead, E.N. Cooper, M.R. and, Petley, D.J.(1992),. 공법 설계 프로그램 개발, 지질공학, 대한지질공학. Instrumentation systems for selborne cutting. 회, 제23권 제1호, pp.57-65.. stability experiment, Transportation research record,. ⦁양인태･천기선･박재훈(2006), GIS와 AHP를 이용한. Vol.1343, pp.79-86.. 산사태 취약지 결정 및 유발인자의 영향, 한국지형공. ⦁Brunsden, D.(1993), Mass movement; the research. 간정보학회지, 한국지형공간정보학회, 제14권 제1. frontier and beyond : a geomorphological. 호, pp.3-12.. approach, Geomorphology, Vol.7, pp.85-128.. ⦁오치영･김경탁･최철웅(2009), SPOT5영상과 GIS분. ⦁Terzaghi, K.(1950), Mechanism of landslides: IN:. 석을 이용한 인제 지역의 산사태 특성 분석, 대한원격. Paige, S., Application of geology to engineering. 탐사학회지, 대한원격탐사학회, 제25권 제5호,. practice, New York, Geological Society of America,. pp.445-454.. pp.83-123.. ⦁윤홍식･이동하･서용철(2009), GIS 기법 및 발생자료. ⦁Varnes, D.J(1978), Slope movement types and. 분석을 이용한 산사태 위험지도 작성, 한국지리정보. process. In landslides - analysis and control. TRB. 학회지, 한국지리정보학회, 제12권 제4호, pp.59-73.. Special Report, National Academy of Science,. ⦁이동하･김영섭･서용철(2009), 고해상도 항공라이다 DEM 해석을 통한 강원도 일원의 산사태 예측 가능성 분석, 한국GIS학회지, 한국GIS학회, 제17권 제3호, 381-387. ⦁이명진･이사로･원중선(2004a), GIS와 원격탐사를 이용한 강릉지역 산사태 연구, 자원환경지질, 대한자 원환경지질학회, 제37권 제4호, pp.425-436. ⦁이명진･이사로･원중선(2004b), 원격탐사, 지리정보 시스템(GIS) 및 인공신경망을 이용한 강릉지역 산사 태 발생 요인의 가중치 분석, 한국지형공간정보학회 학술대회 발표자료집, 한국지형공간정보학회, 제1 호. pp.487-492. ⦁전계원･오채연(2012), GIS 기반 확률론적 기법을 이 용한 산사태 및 토석류 위험지역 분석, 한국안전학회 지, 한국안전학회, 제27권 제6호, pp.172-177. ⦁최경(2001), 한국의 산사태 발생현황과 발생원인, 한. 124. LX대한지적공사 학술지 ｢地籍｣. 176, pp.11-33..

(13)