Rock Slope Failure Analysis and Landslide Risk Map by Using GIS

전체 글

(1)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 진. 1. Kwon, Hye-Jin. 2. Kim, Gyo-Won. 김 교 원. 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, o. the landslides occurred as following rate: 88% at 330∼710 m in elevation, 77.7% at 90∼270 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.. GIS를 이용한 암반사면 파괴분석과 산사태 위험도. 15.

(2) 1. 서 론. 약성 분석을 실시하였고 Cho and Jang(2006)의 논문에 서는 강릉지역에서 발생한 산사태 지역의 절리의 방향. 최근 집중강우로 인하여 국립공원 지역 내에서 산사. 및 경사, 그리고 절리 밀도에 대해 연구하였으며 Choi. 태가 많이 발생하고 있으며 특히 지리산의 경우, 집중호. and Paik(2002)은 산사태 발생의 원인인 인장균열의 특. 우의 원인인 태풍의 길목에 자리하고 있어 다른 국립공. 성 및 생성시기 분석과 구조선 분석을 실시하였다. 또한. 원에 비해 산사태의 규모가 크며 그 빈도 또한 높다. 지. Gokceoglu et al.(2000)는 절리의 방향 및 경사, 그리고. 리산 지역의 산사태는 주민과 등산객들의 안전을 위협. 빈도를 입력하여 KINAN(Kinematic analyses program). 할 뿐만 아니라 생태학적 변화를 초래하기 때문에 지리. 분석을 실시하였으며 Sturzenegger et al.(2007)는 암괴. 산 산사태에 대한 기본 연구와 산사태 발생 예측시스템. 크기와 절리빈도를 측정하여 GIS로 암괴 크기에 관한. 구축이 절실하게 요구된다.. 지도를 작성하였다.. 산사태 발생 예측과 관련한 논문에 따르면 국내에서. 이와 같이 산사태와 절리와의 관계에 관한 연구는 다. 발생하는 산사태의 대부분이 토석류로 발생하고 있어. 수 있지만 GIS(Geographic Information System) 영상을. 지반의 공극률, 밀도, 투수성 및 그 외에 지형 고도나 사. 이용하여 산사태 발생 영역의 암반사면 파괴유형을 분. 면 경사가 산사태 발생에 영향을 끼치는 인자로 고려하. 석한 연구는 아직도 미진한 편이다. 따라서 본 연구에서. 고 있다(Lee, 2010; Jung, 2004; Chae et al., 2004). 또 지. 는 산사태 발생과 관련한 암반사면 파괴유형에 대하여. 반특성이나 지형특성 이외에 지질구조를 고려한 산사태. 검토하였다. 또 산사태 발생의 피해에 대비한 산사태 발. 발생 예측에 관한 연구(Lee et al., 2002)도 활발히 이루. 생 위험도를 작성하였는데, 먼저 지형특성을 바탕으로. 어지고 있으며 산사태 발생에 있어서 암반절리 특성에. 하여 산사태 발생 예측도를 작성하고 추가하여 인문학. 대해서도 여러 논문이 발표된 바가 있다(Lee et al., 2002;. 적 특성을 고려하였다.. Cho and Jang, 2006; Choi and Paik, 2002; Gokceoglu,. 연구대상 지역은 지리산의 북쪽에 위치하는데, 행정구. et al., 2000; Sturzenegger, et al., 2007). 외국에서는 산사. 역상으로는 경상남도 함양군 마천면과 전라북도 남원시. 태 발생에 직접적으로 불연속면의 주향 및 경사, 사면의. 산내면에 속하고, 서룡산, 삼봉산, 백운산, 금대산을 포함. 주향 및 경사를 고려하여 산사태 발생을 예측하기도 하. 한다. 지리좌표 상으로는 동경 127°36′51″～127°42′00″. 며(Gokceoglu, et al., 2000; Lee, et al., 2002) Cho and. 북위 35°23′27″～35°28′52″으로, 가로와 세로 각 7.9km. Jang(2006)는 산사태 지역에서 발달하는 절리의 방향. 로 면적 약 62.4km 에 해당하며 고도는 낮은 지역이 해. 및 경사, 절리 밀도 등의 절리특성을 연구하였다. Lee. 발 약 230m, 높은 지역이 약 1,200m로 경사가 매우 급. et al.(2002)는 지질구조선도의 작성을 이용한 산사태 취. 하고 지형이 매우 험준하다. 또한 Fig. 1과 같이 하천이. 2. 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. Fig. 1. Satellite image showing four high peaks, the river Gwangcheon, and towns and farmlands in the study area. 16. 한국지반공학회논문집 제30권 제12호. Fig. 2. Geologic map of the study area (by KIGAM) showing bed rocks of gneiss, gabbro and granite.

(3) 포하고 있다. 연구지역에는 절리, 단층 및 암맥이 발달. vulnerability map)와 재해도(hazard map)을 중첩하여 보. 하고 있으며 이들 불연속면은 산사태 발생에 영향을 끼. 수적인 관점에서 위험도를 결정하였으나 본 연구에서. 칠 수 있는 중요 인자이다.. 는 위험도가 높은 정도와 낮은 정도의 차이를 크게 하기 위해서 위험도가 매우 높음과 매우 낮음을 다른 등급에. 2. 연구방법. 비해 많이 나타날 수 있도록 하였다. 먼저 산사태 예측도 작성은 지형특성을 기본으로 하 였는데, 고려된 지형인자로는 해발고도(elevation), 사면. 2.1 연구수행 절차. 방향(slope aspect), 사면경사(slope angle), 음영도(shaded 연구수행 절차는 먼저 원격탐사 영상을 이용하여 산. relief), 곡률(curvature), 하천이격 거리(stream distance). 사태 발생영역을 추출하고 GIS를 이용하여 산사태 발. 등 6개의 인자이다. 이와 같은 지형인자는 국내외의 여. 생영역의 지형특성을 분석하며 지형특성을 토대로 빈. 러 논문에서 산사태에 영향을 끼친 인자로 사용되어왔. 도비 값을 계산하였다. 다음 빈도비 값을 사용하여 산사. 으며(Kim et al., 1998; Kim et al., 2009; Son et al., 2009;. 태 발생 예측도를 작성하고 산사태가 발생했을 경우, 피. Yang et al., 2006; Lee et al., 2004a, Lee et al., 2004b;. 해에 민감한 정도를 분석하여 이를 최종적으로 고려하. Lee et al., 2006; Yilmaz, 2009; Angillieri, 2010; Lee and. 여 산사태 위험도를 작성하였다. Raster 형태의 픽셀 값. Lee, 2006), 또 해발고도, 사면방향, 사면경사 및 하천이. 은 5m×5m로 설정하였다.. 격 거리 등 일부 인자는 선사유적 입지분석 등 다른 분. 먼저 산사태 발생영역을 추출하기 위해서 사용된 위. 야에서도 사용되고 있다(Lee and Kim, 2011a; Lee and. 성사진은 Spot Image이며 좌표계는 중위도 원점으로. Kim, 2011b; Lee and Kim, 2012). 지형특성 분석에 사용. Table 1과 같이 TM(Transverse Mercator) 좌표계를 사용. 된 프로그램은 Arc GIS 9.0이며 1:5,000 수치지형도를 바. 하였으며 좌표계가 설정된 위성사진으로 육안판독에. 탕으로 하여 각 지형특성 주제도를 작성하였다. 산사태. 의한 무감독 분류를 통하여 산사태 발생영역을 추출하. 발생 피해도는 산사태가 발생했을 때, 직접적인 피해가. 였다.. 예상되는 시설물인 도로와 건물의 피해를 고려하였다.. 본 연구대상 지역의 경우와 같이 낙석류로 발생한 산 사태의 경우, 암반의 불연속면의 방향과 경사가 산사태. 2.2 산사태 발생영역의 추출. 발생에 큰 영향을 미친다. 본 연구에서 실시한 절리 특 성분석은 먼저 야외에서 측정한 절리의 주향 및 경사를. 위성사진을 통하여 산사태가 발생한 영역을 추출한. 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 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.. GIS를 이용한 암반사면 파괴분석과 산사태 위험도. 17.

(4) 결과는 Fig. 3의 붉은 색으로 나타내었는데, 연구지역의. 생할 수 있는 가능성이 있는 자연사면의 방향 및 경사의. 총 픽셀 수(pixel count)는 2,524,912개이고 산사태 발생. 범위를 프로그램 DIPS를 이용하여 Table 2와 같이 구하. 영역의 픽셀 수는 33,334개로 산사태 발생영역은 전체. 였다. 이 결과에서 평면파괴(plane failure)가 예상되는. 연구대상 면적의 약 1.32%를 차지하였다.. 영역을 Fig. 5, 전도파괴(toppling failure)가 예상되는 영 역을 Fig. 6과 같이 주제도로 표시하였는데 연구지역의. 2.3 암반 비탈면 파괴유형 주제도. 상당한 영역에서 대표 절리군과 사면방위가 조합되어 평면파괴 및 전도파괴의 가능성이 있는 것으로 분석되. 현장조사에서는 절리의 방향 및 경사의 대표성을 갖. 었다. 그러나 두 개 이상의 대표 절리가 조합되어 발생. 기 위해 규칙절리 만을 측정하였으며 측정한 절리는 암. 할 수 있는 쐐기파괴(wedge failure)의 가능성은 극히 적. 반 비탈면 파괴조건에 만족하도록 사면의 방향 및 경사. 은 영역에서만 발생하는 것으로 분석되었다.. 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. Table 2. Potential failure types for the representative joints in combination with natural slope aspect Failure Type. 189/32으로 경사는 30° 내외이고 주향은 N38W, N38E, S81E 이다. 대표 절리군의 주향과 경사를 이용하여 산사태가 발. Plane failure. Toppling failure. Wedge failure. Fig. 4. Representative three joint sets : 052/37, 308/28 and 189/32. Fig. 5. Potential plane failure area deduced by combination with representative joints and slope aspect. 18. 한국지반공학회논문집 제30권 제12호. Joint Orientation. Slope Aspect. 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. 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. 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. 6. Potential toppling failure area deduced by combination with representative joints and slope aspect.

(5) 3. 분석 및 고찰. 면파괴 가능영역은 전체 산사태 발생영역의 21.46%, 전 도파괴 가능영역은 23.74%로 나타났다.. 3.1 암반 비탈면 파괴유형 분석 3.2 지형특성 분석 암반 비탈면의 평면파괴, 전도파괴 및 쐐기파괴의 가 능성이 있는 영역과 실제 산사태가 발생한 영역을 중첩. 지형특성을 나타내는 6개의 요소의 범위를 적절하게. 하여서 산사태 기발생영역의 파괴유형을 분석하였다.. 구분하여 각각의 해당영역(domain area)을 구하고, 산. Fig. 7과 Fig. 8은 평면파괴와 전도파괴조건에 해당하는. 사태 발생영역의 면적을 픽셀 수(pixel count)로 산출하. 산사태 기발생영역인데, 그림에서 실제 산사태가 발생. 여 산사태 발생영역(landslide area)으로 표시하였고, 전. 한 영역은 노란색(붉은색 포함)으로 표시하였고 평면. 체 산사태 발생영역의 총 픽셀 수는 33,334개 이었다.. 및 전도 파괴형태가 일어날 가능성이 있는 영역은 붉은. 산사태 발생 빈도비(frequency ratio,  )는 domain area. 색으로 표시하였다. 산사태 기발생 면적에 포함되는 평. (  )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. 7. Plane failure area (red) of 7,155 pixels (21.46%) 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). Fig. 8. Toppling failure area (red) of 7,914 pixels (23.74%) in previous landslide area (red+yellow) of 33,334 pixels. 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 0.28. 900～995. 380. 1.14. 4.04. 995～1,090. 25. 0.07. 1.74. 0.04. 1,090～1,185. 0. 0.00. 0.26. 0.00. GIS를 이용한 암반사면 파괴분석과 산사태 위험도. 19.

(6) 710m에서 88.01%가 발생하였다. Kim et al.(2007)의. 방향이 동남∼남∼남서 방향으로 경사진 사면에서. 논문에 따르면 사면고도가 70% 미만일 경우, 산사태. 산사태가 많이 발생하였다. 이는 태양의 영향을 많이. 발생 빈도가 현저하게 떨어지는 것으로 보고하였지. 받는 양지쪽의 암석풍화가 더 많이 진행되어 풍화대. 만, 본 연구에서는 산사태 발생이 오히려 많은 것으. 의 심도가 깊기 때문인 것으로 판단된다. 빈도비 분. 로 분석되었다. 또 사면고도에 따른 산사태 빈도비를. 석 결과도 마찬가지로 남동∼남∼남서 방향의 사면. 분석한 결과, 높은 능선에서 산사태가 많이 발생하는. 에서 산사태 발생확률이 높은 것으로 나타났다. 이에. 선행연구 결과와 달리 고도 425∼710m에서 산사태. 반하여 북쪽으로 경사진 사면인 0°～45°와 315°～. 발생 빈도가 높은 것으로 나타났다. 이러한 결과는. 360° 등급에서 빈도비가 가장 낮은 값을 보였다. 이. 선행연구에서는 산사태 발생 시작점을 산사태 영역. 와 같은 결과는 암석풍화가 겨울철이 상대적으로 긴. 으로 선정한 반면, 본 연구에서는 산사태에 영향을. 우리나라의 기후에 영향을 크게 받기 때문인 것으로. 받은 모든 영역을 산사태 발생영역으로 선정하였기. 볼 수 있다.. 때문인 것으로 판단된다. 이 연구에서는 산사태 발생 후 촬영된 위성영상에서 산사태 영역을 추출하였기 때문에 산사태 발생 시작점을 확인할 수 없었다.. 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. 2) 사면방향(slope aspect) : Table 4와 Fig. 10에 사면방. 면경사를 가지는 영역에서는 산사태가 발생 하지 않. 향 특성과 그에 따른 산사태 발생 면적 백분율 및 빈. 은 것으로 분석되었다. 이는 Lee et al.(2004b), Yilmaz. 도비를 나타내었다. 표에서 보듯이 90～270° 방향에. (2009)의 연구에서도 40°이상의 경우, 산사태 발생. 서 전체의 77.7%의 산사태가 발생한 분석되어 사면. 빈도가 매우 낮게 나타났으며 또한 Yilmaz(2009)는. Fig. 10. Landslide area and frequency ratio for aspect feature. Fig. 11. Landslide area and frequency ratio for slope feature. Table 4. Landslide area and frequency ratio for slope aspect feature. Table 5. Landslide area and frequency ratio for slope angle feature. Aspect (°). Pixel Count. Landslide Area (%). Domain Area (%). Frequency Ratio. Slope Angle (°). Pixel Count. Landslide Area (%). Domain Area (%). Frequency Ratio. 0～45. 1,547. 4.64. 14.53. 0.32. 0～10. 1,780. 5.34. 15.23. 0.35. 45～90. 1,580. 4.74. 11.71. 0.40. 10～20. 13,121. 39.36. 27.59. 1.43. 90～135. 6,910. 20.73. 11.76. 1.76. 20～30. 13,332. 40.00. 31.42. 1.27. 135～180. 6,854. 20.56. 11.42. 1.80. 30～40. 4,679. 14.03. 21.07. 0.67. 180～225. 6,022. 18.07. 11.29. 1.60. 40～50. 419. 1.26. 4.44. 0.28. 225～270. 6,069. 18.21. 11.19. 1.63. 50～60. 3. 0.01. 0.23. 0.04. 270～315. 3,267. 9.80. 13.41. 0.73. 60～70. 0. 0.00. 0.01. 0.00. 315～360. 1,085. 3.25. 14.68. 0.22. 70≤. 0. 0.00. 0.00. 0.00. 20. 한국지반공학회논문집 제30권 제12호.

(7) 사면경사가 45°이상인 경우에는 산사태가 전혀 발생. 으며 그 외 등급에서도 산사태 발생확률이 낮았다.. 하지 않는 것으로 분석된 것과 일치하는데, 그 원인 은 사면경사도가 급한 지역은 대부분 암반이 분포하. 5) 지형 곡률(curvature) : 지형의 곡률특성 분석은 Table. 는 지역이기 때문인 것으로 추정된다. 빈도비 분석결. 7 및 Fig. 13에서 보듯이 산사태 발생 면적의 86.28%. 과는 10°～20°에서 산사태가 발생할 확률이 높은 것. 가 곡률 특성치 -5∼+5 사이에서 발생하여서 곡률이. 으로 해석할 수 있으며 그 다음으로는 20°～30°이다.. 적은 지역 즉, 완만한 볼록 지형 내지 완만한 오목. 사면경사가 50° 이상인 영역에서는 산사태가 거의. 지형에서 대부분의 산사태가 발생한 것으로 분석되. 발생하지 않는 것을 볼 수 있으며 40°이상부터 산사. 었다. 곡률특성의 빈도비 분석 결과, 아래로 오목한. 태 발생 확률은 현저하게 떨어지는 것을 확인하였다.. 지형에서는 빈도비가 1 이하의 값을 보여서 산사태 발생 확률이 낮은 것으로 나타났다. 즉, 음의 값을 가. 4) 음영도(shaded relief) : 음영도 특성분석은 Table 6과. 지는 위로 볼록한 지형이 산사태 발생 확률이 높은. Fig. 12에서 보듯이 등급 3∼7에서 13∼21%의 범위. 것으로 해석할 수 있다. 이는 Lee et al.(2004b)의 곡. 로 비슷한 비율로 산사태가 발생한 것으로 분석되었. 률 분석 결과에서도 아래로 볼록한 지형을 가진 지. 다. 이는 태양의 영향을 거의 받지 않는 지역은 햇빛. 역의 산사태 발생 빈도비가 1.01, 위로 볼록한 지역. 에 의한 풍화진행이 느리기 때문이고, 햇빛을 많이. 인 약 1.46의 값을 가진 것으로 분석되어서 상대적으. 받는 지역은 식생이 잘 자랄 수 있는 환경이 조성되. 로 위로 볼록한 지형을 가진 지역이 산사태 발생확. 어 식생 때문에 산사태 발생 빈도가 낮아진 것이 원. 률이 높게 나타난 것과 일치한다. 산사태 발생면적과. 인인 것으로 보인다. 음영도의 빈도비 분석결과 등급. 빈도비가 서로 다른 경향을 보이는 것은 연구지역. 2∼5에서 산사태 발생확률이 높은 것으로 확인되었. 내에 높은 음의 곡률영역(-5 이하)이 5.86%로 적었기. Fig. 12. Landslide area and frequency ratio for shaded relief feature. Fig. 13. Landslide area and frequency ratio for curvature feature. Table 6. Landslide area and frequency ratio for shaded relief feature. Table 7. Landslide area and frequency ratio for curvature feature. Shaded relief. Pixel Count. Landslide Area (%). Domain Area (%). Frequency Ratio. Curvature. Pixel Count. Landslide Area (%). Domain Area (%). Frequency Ratio 1.80. 1. 482. 1.45. 3.04. 0.48. <-15. 303. 0.92. 0.50. 2. 2,648. 7.94. 6.39. 1.24. -15～-11. 375. 1.12. 0.53. 2.14. 3. 5,671. 17.01. 9.41. 1.81. -11～-8. 903. 2.71. 1.31. 2.06. 4. 7,145. 21.44. 11.65. 1.84. -8～-5. 2,229. 6.69. 3.62. 1.85. 5. 5,471. 16.41. 14.59. 1.13. -5～0. 18,764. 56.29. 47.69. 1.18. 6. 4,983. 14.95. 19.20. 0.78. 0～5. 9,997. 29.99. 39.82. 0.75. 7. 4,324. 12.97. 19.61. 0.66. 5～8. 518. 1.55. 3.66. 0.42. 8. 2,610. 7.83. 16.11. 0.49. 8≤. 245. 0.73. 2.87. 0.26. GIS를 이용한 암반사면 파괴분석과 산사태 위험도. 21.

(8) 때문에 이 곡률에서의 빈도비 값이 상대적으로 높게. 로 분석되었다. 이는 표에서도 볼 수 있듯이 산사태. 산출된 것으로 사료된다.. 발생영역과 지형영역의 면적 비율이 비슷하며 다른 인자들의 분석 결과와 다르게 빈도비 값의 표준편차. 6) 하천 이격거리(stream distance): 하천까지의 이격거. 가 크지 않았기 때문인 것으로 보인다. 따라서 본 연. 리에 따른 산사태 발생 면적과 빈도비 분석은 Table. 구지역의 산사태는 다른 인자들에 비해서 하천 이격. 8 및 Fig. 14와 같이 100m 단위로 실시하였다. 하천. 거리의 영향은 크지 않은 것으로 판단할 수 있다.. 과의 거리에 따른 산사태 발생 영역은 100m 이내인 경우가 전체 산사태 영역의 약 41%를 차지하였으며,. 3.3 산사태 발생 위험도 분석. 그 다음 200m, 300m, 400m 순으로 산사태 발생영역 의 면적 비율이 높은 것으로 분석되었다. 이와 같은. 본 연구에서는 사용한 6개의 지형특성 인자들이 모두. 결과는 Choi et al.(2007), Lee and Lee(2006), Yilmaz. 같은 정도로 산사태 발생에 영향을 미친다고 가정하고. (2009)의 연구 결과와 일치하며 하천과 가까운 거리. 각 주제도의 빈도비를 중첩하여 다음 Fig. 15와 같이 산. 에서 산사태 발생이 많은 것을 알 수 있다. 그러나. 사태 예측도(prediction map)를 작성하였다. 여기서 산. 하천 이격거리에 대한 빈도비 분석 결과는 지형특성. 사태 발생가능성은 누적 빈도비에 따라 ‘Natural breaks’. 분석 결과와 다소 차이를 나타내었는데, 지형특성 분. 기법으로 ｢매우 높음(very high,  ≥ 7.63), 높음(high,. 석에서는 100m 이내에서 산사태 발생 면적비가 가. 6.57 ≤  ≺ 7.63), 보통(moderate, 5.63 ≤  ≺ 6.57), 낮. 장 크게 나타나고 400m 이후에서 현저하게 적어졌. 음(low, 4.69 ≤  ≺ 5.63) 및 매우 낮음(very low,  ≺. 지만 빈도비 분석 결과에서는 하천으로부터 300m. 4.69)｣등 5등급으로 분류하였다. 이와 같이 분석한 산사. 떨어진 지점부터 산사태 발생 확률이 높아지는 것으. 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’. 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. 22. 한국지반공학회논문집 제30권 제12호. Very low. Low. Moderate. High. Very high. Fig. 15. Landslide prediction map deduced by superposing frequency ratio of each geographic feature layers.

(9) 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. Very low. Low. Moderate. High. Very high. Very low. Moderate. High. Very high. Fig. 17. Landslide damage map deduced by considering roads and buildings to be affected by landslide. Very low. Fig. 16. Landslide probability map showing approximately 75% of landslide area is belong to ‘high’ and ‘very high’ grades. Low. Low. Moderate. High. Very high. Fig. 18. Landslide risk map deduced by combination both prediction map and damage map. Table 9. Cross table for determining the landslide risk grade by combination of prediction and damage grades Landslide prediction grade Grades Landslide damage grade. very low. low. moderate. high. very high. 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. GIS를 이용한 암반사면 파괴분석과 산사태 위험도. 23.

(10) 타내었는데, 이는 산사태가 발생하는 경우 위험정도는 산사태의 피해정도와 관련이 크다는 것을 의미한다.. (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. 4. 결 론. 받는 높은 등급에서 산사태 발생이 많은 경향을 보 였다.. 본 연구에서는 산사태 기발생영역의 절리특성을 조. (6) 곡률특성은 –5∼+5에서 86.28%의 산사태가 발생하. 사하고 GIS를 이용하여 추출한 지형특성을 분석하여. 였으나 빈도비는 곡률 값이 –5 이하인 볼록 지형에. 연구지역에서 예상되는 암반사면 파괴유형을 분석하. 서 더 높게 나타났다. 이는 연구지역 내에 높은 곡률. 였다. 또 해발고도, 사면방향, 사면경사, 음영도, 곡률,. 영역(-5 이하)이 5.86%로 상대적으로 적었기 때문. 하천 이격거리 등 6개의 지형특성 인자를 바탕으로 각. 에 나타난 결과로 보인다.. 인자의 빈도비 분석을 실시하여 산사태 예측도를 작성. (7) 하천 이격거리가 가까울수록 산사태 발생 면적이. 하였으며, 도로 및 주거지와 같은 지역의 인문적인 인. 증가하였으나 빈도비는 오히려 적어지는 경향을 보. 자를 고려하여 산사태 피해도를 작성하고 이 두 주제도. 였다. 이는 하천 이격거리가 가까울수록 지형적 분. 를 조합하여 최종적으로 연구지역의 산사태 위험도를. 포면적도 증가하여 빈도비의 표준편차가 적었기 때. 작성하였다. 본 연구에서는 6개의 지형특성 인자들의. 문에 나타난 결과이며, 산사태에 미치는 영향은 적. 빈도비가 같은 비중으로 산사태 발생에 영향을 미친다. 을 것으로 판단된다.. 고 가정하였지만, 각 인자들에 대한 민감도 분석을 실. (8) 산사태 예측도를 산사태 기발생 주제도와 비교한. 시하여 각각의 가중치를 도출하여 적용한다면 더욱 정. 결과, 실제 발생한 산사태의 약 75% 정도가 산사태. 확한 산사태 발생 예측이 가능할 것이다. 또한 예측 방. 발생확률이 높은 영역으로 예측된 지역에서 발생하. 법으로 사용된 빈도비는 그 특성상 domain 영역의 크. 여서 산사태 예측도의 신뢰성을 입증하였다.. 기에 따라 예민하게 변화될 수 있기 때문에 이를 보완 하는 연구도 필요할 것으로 판단된다. 본 연구의 결론. 참고문헌 (References). 은 다음과 같다. 1. Kim, K. S., Song, Y. S., Chae, B. G., Cho, Y. C., and Lee, C.. (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. 였으며 이 영역에서 빈도비도 높게 나타났다. 이는 선행연구결과에서 사면고도 70% 이상에서 많은 산 사태가 발생한다고 보고된 것과 대조되는데 산사태 영역의 설정에 따른 차이로 판단된다. o. (3) 사면방향은 동남-남-남서 방향(90∼270 )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. 24. 한국지반공학회논문집 제30권 제12호. 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,. (2) 해발고도 330∼710m에서 88%의 산사태가 발생하. 잘 부합된다.. O. (2007), “Geometric Characteristics of Landslides on Natural. 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 GeoSpatial 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).

(11) -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. 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”,. and Application of Landslide Analysis Technique Using Geological. Economic and Environmental Geology, Vol.40, No.3, pp.295-306.. Structure”, The Journal of GIS Association of Korea, Vol.10, No.2,. 19. Angillieri, M. (2010), “Application of Frequency Ratio and Logistic. pp.247-261. 9. Lee, Y. J., Park, G. A., and Kim, S. J. (2006), “Analysis of. Regression to Active Rock Glacier Occurrence in the Andes of San Juan, Argentina”, Geomorphology 114, pp.396-405.. Landslide Hazard Area Using Logistic Regression Analysis and. 20. Gokceoglu, C., Sonmez, H., and Ercanoglu, M. (2000), “Discontinuity. AHP (Analytical Hierarchy Process) Approach”, Journal of the. Controlled Probabilistic Slope Failure Risk Maps of the Altindag. Korean Society of Civil Engineers, Vol.26, No.5, pp.861-867.. (Settlement) Region in Turkey”, Engineering Geology 55, pp.277-296.. 10. Lee, H. N. (2010), “Landslide Prediction Based on GIS and Hazard. 21. Lee, Saro, Ueechan Chwae, and Kyungduck Min (2002), “Landslide. Checklist for Stone Cultural Assets-focus on Namsan Area in. Susceptibility Mapping by Correlation between Topography and. Kyeong-ju”, Master’s Thesis, Kyungpook National University, pp.1-59.. Geological Structure: the Janghung Area, Korea”, Geomorphology. 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 GeoSpatial Information, pp.236-237.. 46, pp.149-162. 22. Lee, S. R. and Lee, M. J. (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., Castellanos, E., and Matteucci, M. (2007), “Analysis. 13. Lee, H. D. and Kim, G. W. (2012), “Location Analysis and Distri-. of sensitivity in artificial neural network models:application in. butional Forecast of Prehistoric Sites in Ulsan Region Using GIS”,. landslide susceptibility zonation, Guantanamo Province”, Geophysical. Journal of the Korean Association of Geographic Information Studies, Vol.15, No.3, pp.23-35.. Research Abstracts. 24. Sturzenegger, M., Sartori, M., Jaboyedoff, M., and Stead, D.. 14. Jung, J. H. (2004), “Prediction Mapping for Landslide Occurrence. (2007), “Regional Deterministic Characterization of Fracture Networks. Using GIS and Result Comparison in Yongin-Ansung Area”,. and its Application to GIS-based Rock Fall Risk Assessment”,. Master’s thesis, Kyungpook National University, pp.1-59.. Engineering Geology 94, pp.201-214.. 15. Cho, Y. C. and Jang, T. W. (2006), “The Geometric Characteristics. 25. Yilmaz, I. (2009), “Landslide Susceptibility Mapping Using Frequency. of Landslides and Joint Characteristics in Gangneung Area”, The. Ratio, Logistic Regression, Artificial Neural Networks and Their. Journal of Engineering Geology, Vol.16, No.4, pp.437-453.. Comparison: A Case Study from Kat Landslide (Tokat-Turkey)”,. 16. Chae, B. G., Kim, W. Y., Cho, Y. C., Kim, K. S., Lee, C. O.,. Computers & Geosciences 35, pp.1125-1132.. and Choi, Y. S. (2004), “Development of a Logistic Regression Model for Probabilistic Prediction of Debris Flow”, The Journal. Received : September 29th, 2014. of Engineering Geology, Vol.14, No.2, pp.211-222.. Revised. 17. Choi, J. C. and Paik, I. S. (2002), “Study on Analysis for Factors. : December 3rd, 2014. Accepted : December 3rd, 2014. Inducing the Whangryeong Mountain Landslide”, The Journal of. GIS를 이용한 암반사면 파괴분석과 산사태 위험도. 25.

(12)