Journal of the Korean Association of Geographic Information Studies (한국지리정보학회지)

The Korean Association of Geographic Information Studies (한국지리정보학회)
권호 표지
DOI QR코드

DOI QR Code

Landslide Hazard Mapping and Verification Using Probability Rainfall and Artificial Neural Networks

미래 확률강우량 및 인공신경망을 이용한 산사태 위험도 분석 기법 개발 및 검증

  • Lee, Moung-Jin (Korea Adaptation Center for Climate Change, Korea Environment Institute) ;
  • Lee, Sa-Ro (Geological Mapping Department, Korea Institute of Geoscience & Mineral Resources) ;
  • Jeon, Seong-Woo (Korea Adaptation Center for Climate Change, Korea Environment Institute)
  • 이명진 (한국환경정책.평가연구원 국가기후변화적응센터) ;
  • 이사로 (한국지질자원연구원 지질조사연구실) ;
  • 전성우 (한국환경정책.평가연구원 국가기후변화적응센터)
  • Received : 2012.03.23
  • Accepted : 2012.05.24
  • Published : 2012.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

The aim of this study is to analyse the landslide susceptibility and the future hazard in Inje, Korea using probability rainfalls and artificial neural network (ANN) environment based on geographic information system (GIS). Data for rainfall probability, topography, and geology were collected, processed, and compiled in a spatial database using GIS. Deokjeok-ri that had experienced 694 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 1-day rainfall of 202 mm or 3-day cumulative rainfalls of 449 mm.

본 연구에서는 지리정보시스템(GIS)을 기반으로 확률강우량과 인공신경망을 적용하여 2006년 태풍 에위니아에 의하여 발생한 강원도 인제 덕적리 지역의 산사태 취약성도 및 미래 위험도를 작성 및 검증하고자 한다. 산사태 취약성 및 위험도와 관련된 요인으로는 지질, 지형도(경사, 경사방향, 곡률도), 토양도(토양 지형, 토질, 토양 배수, 토양 모재 및 유효토심), 임상도(영급, 경급, 소밀도 및 수종) 등을 GIS 기반의 공간 데이터베이스로 구축하였다. 전체 산사태 발생 위치는 694개소이며 이중 50%는 인공신경망의 산사태 발생 지역으로 적용하였으며, 나머지 50%는 취약성도 및 위험도 검증에 활용하였다. 산사태 발생 강우량 임계치는 1일 202mm 및 3일 누적 449mm로 적용하였다. 확률강우량은 1973년부터 2006년까지의 실측 강우량을 정리하여 2106년까지 목표연도별(1년, 3년, 10년, 50년 및 100년) 산사태 취약성도를 작성하였다. 연구결과 연구지역은 강우량의 증가에 의하여 미래 산사태 가능성이 지속적으로 증가하였다. 향후 본 연구는 강우량의 변화에 의한 산사태 위험성 분석에 한 축을 차지 할 수 있다는 점에서 중요성이 있다고 하겠다.

Keywords

Acknowledgement

Grant : 기후변화 적응 정보통합지원 체계구축에 관한 연구

Supported by : 한국환경정책.평가연구원

References

  1. 김경수, 송영석, 조용찬, 김원영, 정교철. 2006. 지질조건에 따른 강우와 산사태의 특성분석. 대한지질공학회지 16(2):201-214.
  2. 국립방재연구소. 1998. 강우분석 프로그램의 개발. 행정자치부 국립방재연구소.
  3. 국립방재연구소. 2007. 강우분석 프로그램의 개선 및 활용. 소방방재청 국립방재연구소.
  4. 백경혜, 이명진, 강병진. GIS를 활용한 KMA-RCM의 규모 상세화 기법 개발 및 검증. 한국지리정보학회지 14(3):136-149.
  5. 오현주. 2010. GIS와 인공신경망을 이용한 금-은 광물 부존적지 선정 및 검증. 한국지리정보학회지 13(3):1-13.
  6. 이명진, 이사로, 원중선. 2004. GIS와 원격탐사를 이용한 강릉지역 산사태 연구(I) : 산사태 발생 위치와 영향인자의 상관관계 분석. 자원환경지질 37(4):425-436.
  7. 이명진, 이정호. 2011. GIS를 이용한 기후변화 연동 지하수 함양량 산정 모델 개발 및 검증. 한국지리정보학회지 14(3):36-51.
  8. 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. 자원환경지질 37(5):521-532.
  9. 이사로, 이명진, 원중선. 2005. 인공신경망 및 GIS를 이용한 강릉지역 산사태 발생 요인의 가중치 분석. 지질학회지 41(1):101-111.
  10. 이사로, 이명진, 원중선. 2005. 인공신경망을 이용한 강릉지역 산사태 취약성 분석 및 검증. 자원환경지질 38(1):33-43.
  11. 이승춘. 2009. 기후변화에 따른 확률강우량의 지역적 변동성 분석. 단국대학교 대학원 석사학위논문. 97쪽.
  12. 이용준, 박근애, 김성준. 2006. 로지스틱 회귀분석 및 AHP 기법을 이용한 산사태 위험지역 분석. 대한토목학회논문집 26(5):861- 867.
  13. 인제군청. 2006. 재해대장(산사태). 인제군청 산림녹지과.
  14. 홍원평, 김윤원, 김상규, 한정건, 김마리아. 1990. 강우로 기인되는 우리나라 사면활동의 예측. 대한토질공학회지 6(2):55-63.
  15. Borgatti, L. and M. Soldati. 2010. Landslides as a geomorphological proxy for climate change: a record from the Dolomites (northern Italy). Geomorphology 120(1-2):56-64. https://doi.org/10.1016/j.geomorph.2009.09.015
  16. Collison, A., S. Wade, J. Griffiths and M. Dehn. 2000. Modelling the impact of predicted climate change on landslide frequency and magnitude in SE England. Engineering Geology 55:205-218. https://doi.org/10.1016/S0013-7952(99)00121-0
  17. Hines, J.W., L.H. Tsoukalas and R.E. Uhrig. 1997. Fuzzy and Neural Approaches in Engineering. John Wiley and Sons, New York, USA. 210pp.
  18. Lee, S,, K. Min. 2001. Statistical analysis of landslide susceptibility at Yongin, Korea. Environmental Geology 40(9):1095-1113. https://doi.org/10.1007/s002540100310
  19. Nefeslioglu, H.A., C. Gokceoglu, H. Sonmez and T. Gorum. 2011. Medium-scale hazard mapping for shallow landslide initiation: the Buyukkoy catchment area (Cayeli, Rize, Turkey). Landslides doi: 10.1007/s10346-011-0267-7.
  20. Paola, J.D. and 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(16): 3033-3058. https://doi.org/10.1080/01431169508954607

Cited by

  1. Large-Scale Slope Stability Analysis Using Climate Change Scenario (1): Methodologies vol.16, pp.3, 2013, https://doi.org/10.11108/kagis.2013.16.3.193
  2. Analysis of Urban Infrastructure Risk Areas to Flooding using Neural Network in Seoul vol.35, pp.4, 2015, https://doi.org/10.12652/Ksce.2015.35.4.0997
  3. Large-Scale Slope Stability Analysis Using Climate Change Scenario (2): Analysis of Application Results vol.17, pp.3, 2014, https://doi.org/10.11108/kagis.2014.17.3.001
  4. A Study on Use of Radar Rainfall for Rainfall-Triggered Mud-Debris Flows at an Ungauged Site vol.32, pp.3, 2016, https://doi.org/10.15681/KSWE.2016.32.3.310
  5. Categorize Debris Flow Hazard Zones in Urban Areas: The Case of Seoul vol.36, pp.5, 2016, https://doi.org/10.12652/Ksce.2016.36.5.0915
  6. A Study of the Baekdudaegan and Ridgelines Extraction and Environmental Impact Assessment Utilizing GIS vol.16, pp.3, 2013, https://doi.org/10.11108/kagis.2013.16.3.136
  7. Review of Landslide Forecast Standard Suitability by Analysing Landslide-inducing Rainfall vol.14, pp.3, 2014, https://doi.org/10.9798/KOSHAM.2014.14.3.299
  8. A Comparative Study of the Frequency Ratio and Evidential Belief Function Models for Landslide Susceptibility Mapping vol.34, pp.6, 2016, https://doi.org/10.7848/ksgpc.2016.34.6.597
  9. Landslide Susceptibility Analysis : SVM Application of Spatial Databases Considering Clay Mineral Index Values Extracted from an ASTER Satellite Image vol.26, pp.1, 2016, https://doi.org/10.9720/kseg.2016.1.23
  10. MaxEnt 모형을 이용한 기후변화에 따른 산사태 발생가능성 예측 vol.22, pp.1, 2012, https://doi.org/10.14249/eia.2013.22.1.039
  11. 동해 울릉분지의 사면안정성 및 쇄설류 퇴적체의 발달 vol.50, pp.2, 2017, https://doi.org/10.9719/eeg.2017.50.2.129
  12. 토사재해 예경보를 위한 초단기 예측강우의 활용에 대한 연구 vol.19, pp.3, 2012, https://doi.org/10.17663/jwr.2017.19.3.366
  13. A Study on the Riskiness and Expansion of Climate Change Risk : Focusing on landslide risk vol.28, pp.2, 2012, https://doi.org/10.21480/tjrm.28.2.201706.003
  14. 심층신경망 모델을 이용한 고해상도 KOMPSAT-3 위성영상 기반 토지피복분류 vol.23, pp.3, 2020, https://doi.org/10.11108/kagis.2020.23.3.252