Umyeon Mountain Debris Flow Movement Analysis Using Random Walk Model

Random Walk Model을 활용한 우면산 토석류 거동 분석

Abstract

Recently, because of increasing in downpour and typhoon, which are caused by climate changes, those sedimentation disasters, such as landslide and debris flow, have become frequent. Those sedimentation disasters take place in natural slope. In order to predict debris flow damage range within wide area, the response model is more appropriate than numerical analysis. However, to make a prediction using Random Walk Model, the regional parameters is needed to be decided, since the regional environments conditions are not always same. This random Walk Model is a probability model with easy calculation method, and simplified slope factor. The objective of this study is to calculate the optimal parameters of Random Walk Model for Umyeon mountain in Seoul, where the large debris flow has occurred in 2011. Debris flow initiation zones and sedimentation zones were extracted through field survey, aerial photograph and visual reading of debris flow before and after its occurrence via LiDAR DEM.

최근 기후변화로 인한 집중호우와 태풍의 증가로 산사태 및 토석류와 같은 산지토사재해가 급증하고 있다. 산지토사재해는 자연사면에서 발생하는 산사태와 토석류를 말한다. 넓은 지역에 대하여 토석류 피해범위를 예측하기 위해서는 물리적 기반의 수치해석보다는 Random Walk Model과 같은 응답모델이 적절하다. Random Walk Model은 계산방법이 간단하고 넓은 지역을 대상으로 토석류의 유동 및 퇴적 특성을 경사도의 인자로 단순화한 확률 모델이다. Random Walk Model을 이용하여 토석류 피해범위 예측을 할 수 있지만 이 모델을 적용하기 위해서는 지형조건에 맞는 초기 입력변수가 결정되어야한다. 본 연구에서는 2011년 대규모 토석류가 발생한 서울시 우면산 지역을 대상으로 현장조사 자료와 항공사진, 항공라이다 자료로부터 생성된 토석류 발생 전 후 수치표고모형의 육안판독을 통해 토석류 발생부와 퇴적부를 추출하여 Random Walk Model의 최적 변수를 산정하였다.

1. 서 론

최근 우리나라는 국지적인 집중호우의 증가로 인하여 산사태 및 토석류와 같은 토사재해가 급격히 증가하고 있다(Lee, 2005). 산사태 및 토석류로 인한 인명피해는 1970년대 연간 약 60명에서 2000년대 약 20명으로 감소하였다. 즉, 1960년대 이후 야계사방(황폐계류 정비사업)과 같은 사방사업의 꾸준한 실시와 사방댐 설치로 인명피해가 줄어든 것으로 파악되고 있다. 그러나 산사태 발생면적은 Fig. 1과 같이 1970년 대 약 231ha/yr에서 2000년대 667ha/yr로 약 3배 증가하였으며, 태풍과 집중호우로 인한 재해가 날로 대형화되어 가고 있다(Kim, 2011).

Fig. 1.Landslide occurrence records

토석류로부터 피해를 예방하거나 최소화하기 위해서는 토석류 발생 전 토석류 이동경로 및 퇴적지역을 예측하여 방재시설(사방구조물)을 설치하는 것이 중요하다(Miyamoto, 2002). 사방구조물은 토석류로부터 인명과 재산을 보호할 수 있는 근본적인 방법이지만, 투입예산이 한정되어 있어 토석류 발생 가능성이 높은 수많은 위험 경로에 일괄적으로 설치하기는 어렵다. 따라서 토석류 피해범위의 예측을 통해 방재시설을 설치하는 것이 보다 효율적이며 이에 대한 연구가 활발히 진행되고 있다(Chun et al., 1997; Lee et al., 2011; Kim, 2011; Kim, 2012; Kim, 2013).

넓은 지역에 대하여 토석류 피해범위를 예측하기 위해서는 물리적 기반의 수치해석보다는 Random Walk Model(RWM)과 같은 응답모델이 적용하기 편리하다. 그러나 토석류 피해범위를 정확히 예측하기 위해 필요한 초기 입력변수를 결정하는 것은 어려운 과정이다. 이와 관련하여 Imamura and Sugita(1980)는 검증 대상지역에서 현장조사를 하거나 이론적인 값으로 RWM의 입력변수를 결정하였다. 그러나 검증지역 외 다른 지역까지 확대 적용하지는 못하였다. Lee et al.(2011)는 2008년 토석류 피해가 발생한 경북 봉화군 지역에 대해 최적의 입력변수를 추출하고 검증을 수행하였다.

본 연구에서는 RWM의 3가지 입력변수 외에 수치표고모형 격자간격과 토사량 발생 횟수를 추가한 총 5가지 변수에 대한 최적화 연구를 수행하였다. 연구 대상 지역은 2011년 대규모 토석류 피해가 발생한 서울시 서초구 우면산 지역이다.

 

2. 기본 이론 및 연구방법

2.1 RWM

토석류 피해예측모델은 최근 대상지역의 경사뿐만 아니라 유동 및 퇴적 메커니즘을 기본원리로 한 물리 모델에 의한 접근이 다양하게 이루어지고 있으나, 예측결과에 대한 정확성이 기대에 미치지 못하고 있는 실정이다(Suzuki et al., 2003; Satofuka and Mizuyama, 2005; Lee et al., 2011). 따라서 본 연구에서는 계산방법이 간단하고 토석류의 유동 및 퇴적 특성을 경사도의 인자로 단순화한 확률모델인 RWM을 적용하였다(Imamura and Sugita, 1980; O'Brien, 1993).

RWM은 다음과 같은 4단계 기본 가정에 의해 적용된다. Step 1. 토석류 발생부에서 붕괴된 토사는 일정량으로 분해하여 하류로 흘려보낸다. Step 2. 셀 단위로 구분된 지형도 위에서 일정량의 토사가 이동하기 시작하며, 이동경로는 임의의 셀에서 주위의 경사를 비교하여 가장 확률이 높은 방향으로 이동을 결정한다. 이때 각 방향으로 이동할 확률은 경사도와 난수에 의한 가중치로 결정된다. Step 3. 토사의 정지 또는 퇴적은 토사가 도달한 임의의 지점에서 주변의 모든 지점으로 경사가 일정경사 이하이면 그 지점에서 정지 및 퇴적된다. Step 4. Step1~3의 과정을 반복하여 발생원에서 발생한 토사를 모두 흘려보내면 종료한다.

RWM은 주어진 격자점 위를 토사가 진행하는 경우, 임의의 경사면 위에서 어느 한 방향으로 진행할 확률(Ps)은 Fig. 2와 같이 그 방향의 경사의 정현(S)에 비례한다고 가정하며 Eq. (1)과 표현할 수 있다.

Fig. 2.Definition of S

Fig. 3과 같이 어느 임의의 점 P로부터 다음 점 Pn으로 진 행할 때, 진행할 방향은 Ks1, Ks2, …, Ks8과 정지상태를 나 타내는 점 Kss 중 하나가 될 것이다. 진행방향으로써 Kss를 고려하지 않으면 Ks1~Ks8의 방향 중 하나로 진행할 것이다. Eq. (1)에서 S=0의 경우, 즉 평면의 경우에는 8방향으로 모두 동일한 확률을 가지므로 Ps=1/8=0.125가 되고, S=1의 경우 에는 수직방향으로의 낙하를 의미하므로 Ps=1이 된다. 따라 서 임의의 경사도 (S)를 가진 경사면 위에서 각 8점의 진행방 향 Ps는 Eq. (2)와 같다.

Fig. 3.Flow direction of RWM

Eq. (2)에서 S=1일 때 Ps=1이 되려면 a는 0.875가 되고, 정 현 S=sinα로 표현하면 Eq. (2)는 Eq. (3)으로 나타낼 수 있다.

모든 요소가 동등한 경우 이전 방향과 동일한 방향으로 이동할 확률은 그 이외의 방향으로 움직일 확률보다 높다. 따라서 동일방향에 대하여 작용하는 관성력 In을 고려하면 Eq. (3)은 Eq. (4)와 같이 나타낼 수 있다.

여기서 경사도 이외의 토사이동에 관여하는 외적영향은 난수에 의한 가중치로 표현한다. 토사이동 방향은 난수 Ui를 발생시켜, Eq. (4)에서 구한 Ps1~Ps8과 Ui와의 관계에 의해서 결정한다. 즉, Ps1~Ps8과 난수 Ui와의 관계는 Eq. (5)와 같이 정의한다.

여기서 Rn은 Ps의 합으로 Ui를 나눈 후의 나머지 값으로 Table 1과 같이 이동방향을 결정한다.

Table 1.Soil direction and interaction formula (Imamura and Sugita, 1980)

Fig. 4는 RWM을 흐름방향 단면으로 보았을 때 위의 Step1~4의 과정과 Eq. (1)~Eq. (5)에 따른 전체 수행과정을 나타낸 것이며 총 토사량에서 1회 토사량을 나눈 횟수만큼 반복수행이 이루어진다. 이때 각 방향의 흐름확률과 난수로 결정된 흐름방향 가산치를 더한 확률이 가장 높은 방향으로 토사가 이동하는데, 경사도가 정지조건 이하일 경우 토사의 이동은 정지하고, 멈춘 토사의 높이만큼 퇴적된다. 특히 Fig. 4의 ⑧번 그림의 경우는 ⑤번 그림의 파란색 블록의 토사가 ⑥번 그림과 같이 퇴적이 되어 지형을 변화시켰으며 그에 따른 영향으로 ⑦번 그림의 녹색 블록의 토사를 흘려보냈을 경우 ⑧번과 같이 더 아래로 진행 못하고 적색 토사 블록 위에 퇴적된 것을 표현한 것이다.

Fig. 4.RWM process

2.2 연구대상지역

본 연구에서는 토석류가 발생한 지역을 대상으로 격자간격 0.25m 항공사진과 격자간격 1m 라이다의 정밀 측량자료를 이용해 지형의 변화를 분석하고, RWM을 이용한 분석에 가장 적합한 최적의 수치표고모형 격자간격(1m, 5m, 10m)을 결정한 후 각 입력변수가 토석류 모델의 거동에 미치는 영향에 대해 연구하였다.

연구대상지역인 서울시 서초구에 위치한 우면산은 지난 2011년 7월 평년연강수량인 1,450mm의 41%에 해당하는 595mm의 기록적인 폭우가 4일 동안 집중되었으며, 산사태 및 토석류로 인하여 22여명의 사상자가 발생하였고 주택과 농경지에 침수피해를 입는 등 큰 피해가 발생된 지역이다(Lee et al., 2012). Fig. 5와 같이 우면산에서 발생한 토석류는 기존 산간지방에서 발생하였던 피해와는 다르게 도심지 한 가운데에서 발생하였으며, 이는 도심지역도 토석류 피해의 안전지대가 아니라는 것을 보여준 대표적인 사례로 볼 수 있다(Kim, 2013; Ko et al., 2014). 실험 유역은 토석류 피해직후인 2011년 8월부터 2012년까지 우면산 일대의 모니터링을 통하여 얻은 데이터를 토대로 발생 전과 후의 사면 변화가 뚜렷하여 발생부와 퇴적면적 산정이 용이한 유역을 Fig. 6과 같이 선정하여 연구를 수행하였다.

Fig. 5.Landslide in Umyeon mountain

Fig. 6.Location of the watershed

본 연구의 수행과정을 간단히 나타내면 Fig. 7과 같다. 실험유역의 항공사진과 항공라이다 자료로부터 생성된 수치표 고모형을 토대로 발생부와 퇴적부를 추출하였다. RWM에서 입력변수인 1회 토사량, 관성가중치, 정지조건을 이용하여 시뮬레이션 한 퇴적면적과 실제 토석류가 발생한 지역의 퇴적면적 간의 일치율을 계산하였다.

Fig. 7.Procedure for identifying optimum parameters

본 연구에서는 RWM을 적용하기 위해 2.1절의 RWM 기본이론을 기반으로 Visual C++언어를 이용하여 프로그램을 구현하였다. ASCII 형식의 수치표고모형 파일을 입력하여 RWM 과정을 수행하고 이동경로와 퇴적부의 지형자료도 ASCII 형식의 격자자료로 저장, 출력하도록 코딩하였다. Fig. 8은 본 연구에서 구현된 프로그램의 GUI이다. RWM을 구현 하는데 있어서 경사는 수치표고모형 격자 상에서 8방향에 대한 최대 경사도를 적용하였으며, 이로부터 각각의 방향에 대한 흐름확률을 계산하고 흐름 확률 방향의 확률 값에 비례하여 발생시키는 난수의 흐름방향 확률을 합산하여 최종방향을 결정하도록 코딩하였다. 이렇게 결정된 방향으로 토석류가 이동하다가 경사도가 정지조건 이하일 경우 이동을 멈추고 그 양 만큼 격자 상에 퇴적됨으로서 지형의 수치표고모형이 변화하게 된다. 이러한 과정을 발생횟수 만큼 반복하면 변화된 수치표고모형으로부터 퇴적지점을 구할 수 있다.

Fig. 8.Program GUI

2.3 토석류 발생부 및 퇴적부 추출

토석류의 발생부와 퇴적부는 항공사진의 육안판독과 현장조사에서 취득한 GPS 좌표, 그리고 토석류 발생 전(2009)과 발생 후(2011)의 항공 라이다 자료로부터 생성된 수치표고모형의 변화량을 비교, 분석하여 추출하였다. 항공사진에서 수관차폐로 인해 발생부 위치를 정확하게 추출하기 어려운 것과 달리 항공 라이다 자료로부터 생성된 수치표고모형은 붕괴흔적이 잘 드러나 항공사진상의 육안판독 만으로 추출하는 것보다 정확한 장점이 있다. Fig. 9는 항공사진과 항공 라이다 자료로부터 생성된 수치표고모형의 변화량을 비교하여 추출한 토석류 퇴적구역을 나타낸 것으로 빨간색 선은 우면산 일대의 수문학적 유역경계를 나타낸 것이고 분홍색 선은 수치표고모형의 변화량에 따른 퇴적예상지역을 나타낸 것이다.

Fig. 9에서 토석류 발생 전후의 라이다 자료에 의한 수치표고모형에서 밝은 부분은 퇴적구역이며 어두운 부분은 침식 구역이다. 하지만 항공사진과 같이 비교하여 보았을 때 밝은 부분임에도 불구하고 산림구역의 경우에는 퇴적구역에서 제외하였다.

Fig. 9.Sedimentation area extraction using aerial photographs and Difference LiDAR DEM

2.4 초기 입력변수 범위 결정

RWM의 최적 입력변수를 산정하기 위해 토석류가 발생한 지역의 항공사진과 몬테카를로 시뮬레이션 방법을 이용하였다. 몬테카를로 시뮬레이션 방법은 추출하고자 하는 변수의 최소값과 최대값의 범위를 Table 2와 같이 설정한 후 일정 간격으로 반복수행하여 나타나는 경향을 분석하는 방식이다. 이 방법은 시간이 많이 소요되는 단점이 있으나 입력변수간의 관계를 정밀히 분석할 수 있고, 수식을 기반으로 하는 물리모델과 달리 예측하기 힘든 복잡한 현상을 단순화시킨 응답모델에서 적정한 값을 결정하는데 효과적이다(Moore et al., 1991; Troch et al., 1993; Wolock and McCabe, 1995; Choi, 2001; Hirakawa et al., 2006).

모델에서 예측된 퇴적부와 실제 항공사진 및 수치표고모형에서 추출한 퇴적부의 면적이 얼마나 일치하는가를 알아 보기 위한 일치율은 Lee et al.(2011)가 제안한 방법을 사용 하였다. 일치율은 -1에서 1까지의 범위를 가지는데, -1은 실제 퇴적구역과 겹치는 부분이 없음을 나타내고, 1은 완전히 일치함을 나타낸다.

본 연구에서는 RWM의 입력변수인 1회 토사량, 관성가중치, 정지조건 이외에 모델 분석에 가장 적합한 수치표고모형 격자간격을 알아보기 위하여 수치표고모형 격자간격, 1회 토사량 발생횟수를 추가하여 총 5가지 변수를 사용하였다. Table 2는 본 연구에서 입력한 변수의 범위를 정리한 것이다. Lee et al.(2011)의 연구를 참고하여 발생부 1에서는 1회 토사량을 1~10㎥의 범위에서 3㎥ 간격으로, 관성가중치는 1.0~5.0 범위에서 1간격으로, 정지조건은 3~8° 범위에서 1°간격으로 결정하였다. 분석에 사용한 수치표고모형은 격자간격 1m 라이다 자료로부터 생성된 수치표고모형을 리샘플링하여 1m, 5m, 10m 3가지의 수치표고모형을 사용하였고, 발생횟수는 1,000회로 하여 총 발생량을 다르게 하였다. 발생부 2는 각각의 변수가 토석류 모델의 거동에 어떠한 영향을 미치는지 알아보기 위해 나머지 변수를 고정하고 하나의 변수만 조정하면서 실제 토석류의 거동과 유사한 조건을 추정하였다. 1회 토사량은 5m 수치표고모형 격자간격을 고려하여 2.5㎥를 설정하였고, 관성가중치는 토석류와 소류의 범위내인 1.0~1.5를 사용하였다. 정지조건은 실제 우면산 지역의 퇴적부 경사와 유사한 7~10°를 사용하였고, 발생량은 250~5,000회 정도로 조정하면서 변수의 변화에 따른 토석류 모델의 거동을 분석하였다.

Table 2.Parameters range

 

3. RWM을 이용한 토석류 거동 분석

3.1 발생부 1지역의 토석류 거동 분석

발생부 1지역에서는 RWM의 최적의 수치표고모형 격자간격을 추정하기 위하여 1회 토사량, 관성가중치, 정지조건, 수치표고모형 격자간격 등 4개 조건의 범위를 설정하였고 수치표고모형 격자간격(1m, 5m, 10m)에 따라서 RWM의 시뮬레이션 한 퇴적면적과 실제 토석류가 발생한 지역 퇴적면적 간의 일치율을 계산하였다.

Fig. 10은 격자간격별 수치표고모형의 퇴적면적에 대한 일치율을 비교 분석한 그림이다. 격자간격 1m 수치표고모형의 일치율은 -1.00에서 -0.90의 값을 가졌다. 평균적으로는 -0.98이고 최적 입력변수는 1회 토사량이 1㎥, 관성가중치가 5, 정지조건이 3°로 나타났다. 이 일치율은 분석 범위인 세가지 수치표고모형 중 가장 낮은 값을 보였다. 대부분의 경우 실제 퇴적구역까지 유하하지 못하고 유하부 도중에 퇴적되었다. 격자간격 5m 수치표고모형의 일치율은 -0.86에서 -0.17의 값을 가졌다. 평균적으로는 -0.63이고 최적 입력변수는 1회 토사량이 10㎥, 관성가중치가 2, 정지조건이 8°로 나타났다. 이 일치율은 분석 범위인 세 가지 수치표고모형 중 가장 높은 일치율을 보였다. 1m 수치표고모형의 분석 결과와는 달리 추출한 퇴적구역과 유사하게 퇴적되었을 뿐만 아니라 실제 발생한 토석류와 유사하게 도로까지 토사가 흘러 내려가는 양상을 보였다. 격자간격 10m 수치표고모형의 일치율은 -0.87에서 -0.4의 값을 가졌다. 평균 -0.74이고 최적 입력변수는 1회 토사량이 7㎥, 관성가중치가 2, 정지조건이 8°로 나타났다. 이는 유역면적과 유하부 폭에 비해 수치표고모형 격자간격이 크기 때문에 일치율이 낮게 나온 것으로 판단된다.

Fig. 10.DEM correspondence rate-frequency histogram

최적 입력변수 조합은 일치율이 -0.17일 때 1회 토사량이 10㎥, 관성가중치가 2, 정지조건이 8°이고 수치표고모형 격자 간격은 5m로 결정하였다. 여기서 일치율은 대체로 0 이하의 낮은 값을 갖는 것으로 나타났다. 이는 복구공사로 인해 실제 토석류가 발생한 퇴적구역을 추출할 수 없는 점과, 격자간격 1m 수치표고모형의 수목으로 인한 오차, 토석류 유하시 발생하는 침식량을 고려할 수 없는 RWM의 한계 등이 그 원 인으로 작용하는 것으로 판단된다.

3.2 발생부 2지역의 토석류 거동 분석

발생부 2의 최적 입력변수 추출 및 RWM 변수에 따른 토석류 거동 분석을 위해 RWM의 1회 토사량 발생횟수, 관성가중치, 정지조건 등 3가지 조건으로 분석하였다. 3가지 중 하나의 변수를 조정하고 나머지 변수를 고정시켜 각각의 변수가 토석류 모델의 거동에 어떠한 영향을 미치는지 분석하였다. 앞서 수행한 1m 수치표고모형과 10m 수치표고모형의 경우 분석에 적합하지 않다는 결론이 나왔으므로 5m 수치표고모형을 대상으로 분석을 수행하였다.

첫 번째로 격자간격 5m의 수치표고모형에서 1회 토사량 2.5㎥, 발생횟수 1,000회, 정지조건은 8°로 고정하고 관성가중치를 1.0~1.5의 범위에서 수행하였다. Fig. 11은 관성가중치의 변화에 따른 토석류 흐름 변화를 나타낸 것이며, 실험결과 관성 가중치는 토석류의 흐름 방향에 영향을 주고 있었고 1.0~1.2 범위가 실제 발생한 토석류의 흐름과 가장 유사함을 보였다.

Fig. 11.Analysis of Random Walk Model patterns(inertia weight)

두 번째로 격자간격 5m 수치표고모형에서 1회 토사량 2.5㎥, 발생횟수 1,000회, 관성가중치를 1.1로로 고정시키고 정지조건을 7~10° 범위에서 변화분석을 하였다. Fig. 12는 정지조건 변화에 따른 퇴적구역의 변화를 나타낸 것이다. 정지조건은 RWM 모델의 퇴적구역에 영향을 주었으며, 정지조건이 낮으면 실제 퇴적된 퇴적구역을 넘어서까지 유하하였고 높으면 퇴적구역 이전에 퇴적하였다. 분석결과 최적 정지조건은 8°로 추정되었다.

Fig. 12.Analysis of Random Walk Model patterns(stop angle)

세 번째로 격자간격 5m 수치표고모형에서 1회 토사량 2.5㎥, 관성가중치를 1.1, 정지조건을 8°로 고정시키고 Fig. 13과 같이 발생횟수를 500~5,000회 범위에서 퇴적면적의 변화를 분석하였다. 발생횟수는 1회 토사량을 흘려보내는 횟수를 의미하며, 토석류 모델의 퇴적면적에 영향을 준다. 발생횟수가 커지면 토석류의 총 발생량이 증가하여 퇴적면적이 넓어지고, 발생횟수가 작아지면 발생량이 감소하여 퇴적면적이 좁게 형성된다. 발생횟수의 변화에 따른 퇴적구역의 변화를 분석한 결과 최적 발생횟수는 1,000회로 추정되었다.

Fig. 13.Analysis of Random Walk Model patterns(occurrences)

따라서 격자간격 5m 수치표고모형의 발생부 2지역 최적 입력변수는 1회 토사량 2.5㎥, 발생횟수 1,000, 관성가중치 1.1, 정지조건 8°로 나타났으며 Table 3과 같다. 일치율은 -0.43으로 나타났으며, 발생부 1지역과 마찬가지로 복구공사로 인해 실제 토석류 퇴적구역을 정확히 산정할 수 없었기 때문에 일치율이 낮게 나타난 것으로 판단된다. 하지만 토석류 모델의 거동은 실제 토석류 발생과 유사하게 추정되었으므로 정확한 퇴적구역을 산정한다면 보다 높은 일치율을 도출할 수 있을 것으로 사료된다.

Table 3.Optimal parameters result

 

4. 결 론

본 연구에서는 RWM을 통한 토석류 거동 분석을 위하여 2011년 7월 대규모 토석류가 발생한 서울시 우면산 지역을 대상으로 항공사진과 항공라이다 자료로부터 생성된 토석류 발생 전과 후의 수치표고모형을 사용하여 토석류 발생부와 퇴적부를 추출하였고, RWM의 최적 입력변수를 산정하였다. 유역 내 두 곳의 발생부 중 첫 번째 발생부는 분석에 적합한 수치표고모형 격자간격을 알아보기 위하여 몬테카를로 시뮬레이션 방법을 이용하였다. 그 결과 최적의 조건은 5m 수치표고모형, 1회 토사량 10㎥, 관성가중치 2.0, 정지조건 8°, 일치율은 -0.17로 나타났다. 1m 수치표고모형은 매우 작은 소유역에 적합하고, 10m 수치표고모형은 대규모의 토석류 발생 유역에 적합한 것으로 판단된다. 그러나 이는 토석류 모델의 흐름방향은 고려하지 않고 퇴적면적만 보았으므로 실제 토석류의 거동과는 차이가 있다.

두 번째 발생부에서는 각각의 입력변수가 토석류 모델의 거동에 어떠한 영향을 미치는지 알아보기 위해 5m 수치표고모형에서 한 가지 변수만 조정하고 나머지 변수는 고정하는 방식으로 최적 입력변수를 산정하였다. 1회 토사량과 발생횟수는 퇴적면적의 넓이를 결정하고, 관성가중치는 토석류 모델의 진행 방향에 영향을 미친다. 그리고 정지조건은 실제 퇴적지점과의 중복여부를 결정하게 된다. 최적 입력변수는 일치율이 -0.43일 때 토사량이 2,500㎥, 관성가중치가 1.1, 정지조건이 8°로 결정되었다. 일치율은 대체로 0이하의 낮은 값을 나타내고 있는데, 이는 토석류 발생시 유출된 토사량의 구체적인 추정이 어려워 정확한 퇴적구역의 산정이 쉽지 않았기 때문이다.

본 연구 결과 RWM을 통해 우면산 일대의 실제 토석류 거동과 매우 유사한 결과를 얻을 수 있었다. 향후 토석류 발생시 퇴적구역과 유출된 토사량을 보다 정확히 추정할 수 있는 유역에서 추가적인 연구를 수행한다면 RWM을 이용하여 토석류 거동 및 피해범위를 보다 쉽고 유용하게 추정할 수 있을 것으로 기대된다.