• 한국지반환경공학회 논문집
• /
• 제17권6호
• /
• pp.13-21
• /
• 2016

기존의 토사재해 위험지역 예측은 토질특성과 경사만으로 분석되기 때문에 지역적 특징이 반영되어 있지 않다. 따라서 보다 합리적인 위험지 예측 분석을 위하여 해당지역의 특징을 반영한 토사재해 위험지 예측을 할 필요가 있다. 토사재해 위험지의 특징 중 하나인 수목의 뿌리는 토사 내 점착력을 증가시키는 작용을 하는 것으로 연구되어 왔으며, 수목의 종류에 따라 그 영향이 다른 것으로 알려져 있다. 또한, 지역에 따라 수목의 밀집 정도(수관밀도)가 다양하기 때문에 실제 수목의 분포를 고려하여 토사재해 위험지역 예측을 한다면 보다 합리적인 위험지 예측이 가능할 것이다. 본 연구에서는 세종시 괴화산 일대를 중심으로 수목의 수관밀도를 고려한 뿌리점착력을 사용하여 토사재해 위험지역 예측을 하였으며, 뿌리점착력을 적용하지 않은 토사재해 위험지역 예측 결과와 비교하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2000년도 춘계 학술대회 논문집 통권 3호 Proceedings of the 2000 KSRS Spring Meeting
• /
• pp.9-9
• /
• 2000

For the planning of future land use for economic activities, an essential component is the identification of the vulnerable areas for natural hazard and environmental impacts from the activities. Also, exploration for mineral and energy resources is carried out by a step by step approach. At each step, a selection of the target area for the next exploration strategy is made based on all the data harnessed from the previous steps. The uncertainty of the selected target area containing undiscovered resources is a critical factor for estimating the exploration risk. We have developed not only spatial prediction models based on adapted artificial intelligence techniques to predict target and vulnerable areas but also validation techniques to estimate the uncertainties associated with the predictions. The prediction models will assist the scientists and decision-makers to make two critical decisions: (i) of the selections of the target or vulnerable areas, and (ii) of estimating the risks associated with the selections.

• 한국지반환경공학회 논문집
• /
• 제20권6호
• /
• pp.15-22
• /
• 2019

본 연구에서는 현장조사, 실내시험 및 문헌자료를 기초로 지진 시 산사태 발생 위험지 예측 모델인 Newmark displacement model을 이용하여 위험지를 예측하였다. Newmark displacement model은 주로 지진의 정보와 해당 지역의 사면의 정보를 통해 산정되며, 사면의 안전율은 산지 토사재해 예측 프로그램인 LSMAP의 결과를 활용하였다. 연구대상 지역으로 과거 산사태가 발생한 부산의 백양산 일대를 선정하였다. 산사태 발생 해석 결과 Newmark displacement model을 활용한 지진 시 산사태 위험지 예측이 지진 계수가 미적용된 LSMAP의 산사태 위험지 예측보다 약 1.15배 넓은 지역을 위험지역으로 예측하는 것으로 나타났다.

• 한국지반환경공학회 논문집
• /
• 제18권12호
• /
• pp.47-57
• /
• 2017

본 연구에서는 도심지 토사재해 예비중점관리 대상지역 중 총 6개 연구지역(춘천, 성남, 세종, 대전, 미량, 부산)을 선정하여 토사재해 위험지 예측 분석을 실시하였다. 분석에 사용된 모델은 현재 토사재해 위험지 예측에 보편적으로 사용되고 있는 기존 모델(SINMAP, TRIGRS)과 본 연구를 통해 개발된 프로그램(LSMAP)을 활용하였으며, 결과 비교분석을 통해 개발모델의 적용성을 검토하였다. 토사재해 위험지 예측에 사용되는 매개변수는 크게 지형특성, 토질특성, 임상특성, 강우특성으로 분류하였으며, 각 모델에 따른 토사재해 위험지 예측 분석 결과 LSMAP 및 TRIGRS에 비해 SINMAP을 이용한 분석은 대체로 위험지를 광범위하게 예측하였다. 이러한 결과는 모델별 적용되는 분석 매개변수의 차이에 의한 것으로 판단된다. 또한 임상특성을 고려한 LSMAP은 TRIGRS 결과와 비교하였을 때 예측 위험지 기준 -0.04~2.72%의 범위 내로 유사한 경향을 보이는 것으로 분석되었다. 이는 산지에 분포하는 임상 정보가 비탈면 안정에 다양한 영향을 미치는 것이라 할 수 있으며, 토사재해 위험지 예측에 중요한 매개변수임을 알 수 있다.

• Earthquakes and Structures
• /
• 제10권2호
• /
• pp.389-408
• /
• 2016

Recently, seismic hazard analysis has become a very significant issue. New systems and available data have been also developed that could help scientists to explain the earthquakes phenomena and its physics. Scientists have begun to accept the role of uncertainty in earthquake issues and seismic hazard analysis. However, handling the existing uncertainty is still an important problem and lack of data causes difficulties in precisely quantifying uncertainty. Ground Motion Prediction Equation (GMPE) values are usually obtained in a statistical method: regression analysis. Each of these GMPEs uses the preliminary data of the selected earthquake. In this paper, a new fuzzy method was proposed to select suitable GMPE at every intensity (earthquake magnitude) and distance (site distance to fault) according to preliminary data aggregation in their area using ${\alpha}$ cut. The results showed that the use of this method as a GMPE could make a significant difference in probabilistic seismic hazard analysis (PSHA) results instead of selecting one equation or using logic tree. Also, a practical example of this new method was described in Iran as one of the world's earthquake-prone areas.

• 환경영향평가
• /
• 제15권6호
• /
• pp.373-383
• /
• 2006

The spatial mapping of risk is very useful data in planning for disaster preparedness. This research presents a methodology for making the landslide life risk map in the Boeun area which had considerable landslide damage following heavy rain in August, 1998. We have developed a three-stage procedure in spatial data analysis not only to estimate the probability of the occurrence of the natural hazardous events but also to evaluate the uncertainty of the estimators of that probability. The three-stage procedure consists of: (i)construction of a hazard prediction map of "future" hazardous events; (ii) validation of prediction results and estimation of the probability of occurrence for each predicted hazard level; and (iii) generation of risk maps with the introduction of human life factors representing assumed or established vulnerability levels by combining the prediction map in the first stage and the estimated probabilities in the second stage with human life data. The significance of the landslide susceptibility map was evaluated by computing a prediction rate curve. It is used that the Bayesian prediction model and the case study results (the landslide susceptibility map and prediction rate curve) can be prepared for prevention of future landslide life risk map. Data from the Bayesian model-based landslide susceptibility map and prediction ratio curves were used together with human rife data to draft future landslide life risk maps. Results reveal that individual pixels had low risks, but the total risk death toll was estimated at 3.14 people. In particular, the dangerous areas involving an estimated 1/100 people were shown to have the highest risk among all research-target areas. Three people were killed in this area when landslides occurred in 1998. Thus, this risk map can deliver factual damage situation prediction to policy decision-makers, and subsequently can be used as useful data in preventing disasters. In particular, drafting of maps on landslide risk in various steps will enable one to forecast the occurrence of disasters.

• 한국지리정보학회지
• /
• 제9권2호
• /
• pp.54-66
• /
• 2006

2005년 5월 산림청에서 전국 산지를 대상으로 산사태 위험지도를 제작하였다. 본 연구는 산사태 위험지도의 정확성 검증을 위하여 2005년 8월 2~3일 전북지역에서 발생된 산사태 지역을 대상으로 부경대학교 위성정보과학과 PE&RS Lab에서 개발한 PKNU 3호 시스템으로 촬영한 영상을 이용하여 산사태 발생 지역을 추출한 후 산사태 위험지도와 중첩해서 산사태 위험지도의 정확도를 검증하였다. 또한 ArcView 3.3의 산지 지형 분석과 하계망 분석을 통해 산사태 발생 지역의 고도, 경사도, 경사방향, 하천장, 유역면적에 대한 특성을 분석하였다. 그 결과 산사태 위험지도의 등급별 단위 %량의 조정이 필요하며 산사태 위험지도 작성에 기본이 되는 산사태 위험 판정표에 대한 수정 보완이 필요하다고 사료된다.

• 한국지반환경공학회 논문집
• /
• 제18권6호
• /
• pp.21-30
• /
• 2017

본 연구에서는 도심지 토사재해 예비중점관리 대상지역 중 충주시 안림동, 대전광역시 부사동, 안동시 신안동 3개 연구지역을 선정하여 지반특성을 분석하였다. 연구지역별 특성(수관밀도, 뿌리점착력, 강우특성, 토질특성)을 이용하여 지반특성 간의 상관관계를 고찰하고, 토사재해 예측 모델링을 통해 위험지역을 예측하였다. 토사재해 위험지 예측 모델의 비교 분석을 위하여 산지토사재해 예측프로그램(LSMAP), Stability Index MAPping(SINMAP), 산림청의 산사태위험지도(LHMAP)를 활용하였으며, 토사재해 예측에 적합한 프로그램을 검토하였다. 토사재해 위험도 예측결과 일반적으로 사용되고 있는 SINMAP의 경우 과다한 범위를 위험지역으로 예측하고, 산림청 산사태위험지도(LHMAP)의 경우는 예측지역이 가장 적게 산정되었으며, LSMAP은 SINMAP 및 LHMAP의 중간 정도 범위의 지역을 위험지역으로 예측하였다. 이러한 예측 결과의 차이는 LSMAP이 비교된 두 모델에 비해 분석 매개변수가 비교적 다양하고, 공학적이기 때문인 것으로 판단되며 보다 정밀한 예측이 가능하다는 것을 알 수 있었다.

• 정보처리학회논문지D
• /
• 제9D권6호
• /
• pp.1119-1126
• /
• 2002

이 논문에서는 공간적 통계기법에 근거한 예측적 공간 데이터 마이닝 방법을 제안하고, 산불위험지역을 예측하는데 적용하였다. 제안된 방법은 조건부 확률과 우도비를 이용한 방법으로 과거 산불발생지역에 대해 산불과 관련된 공간데이터 집합들 사이의 정량적 관계에 의존적인 예측 모델이다. 두 가지 방법을 이용하여 산불위험지역 예측도를 만들고, 각 모델의 예측력을 평가하기 위해 산불위험율(FHR : Forest Fire Hazard Rate)과 예측률곡선(PRC : Prediction Rate Curve)을 이용하였다. 제안된 두 가지 예측모델의 예측력 비교분석 결과, 우도비 방법이 조건부 확률 방법보다 더 우수한 것으로 나타났다. 이 논문에서 제안된 산불위험지역 예측모델을 이용하여 작성된 산불위험지역 예측도는 산불예방과 산불감시장비 및 인력의 효율적인, 배치 등 산불관리의 효율성을 높이는데 많은 도움을 줄 것으로 기대된다.

• 한국지반신소재학회논문집
• /
• 제16권3호
• /
• pp.51-62
• /
• 2017

본 연구에서는 도심지 토사재해 예비중점관리대상지역 76개중 9개 지역을 연구 지역으로 선정하였다. 연구 지역 은 기반암 특성별로 퇴적암류 3개 지역(경산시, 고흥군, 대구광역시), 화성암류 3개 지역(대전광역시, 세종특별자치시, 원주시), 변성암류 3개 지역(남양주시, 의왕시, 인제군)으로 분류하였으며, 9개 지역을 대상으로 지반정수 산정에 필요한 시험과 수목에 대한 뿌리 점착력, 수목하중을 예측 모형과 현장 조사를 통해 분석하였다. 강우시나리오(강우강도)는 부산 APEC 기후센터(APCC)에서 제공한 확률강우량을 적용하였으며, 9개 지역의 토사재해 위험도 예측은 TRIGRS와 LSMAP을 이용하였다. TRIGRS 예측 결과, 평균적으로 퇴적암류 지역의 위험지역은 30.45%, 화성암류 지역의 위험지역은 41.03%, 변성암류 지역의 위험지역은 45.04%로 검토되었다. 수관 밀도에 따른 뿌리 점착력과 수목하중을 고려한 LSMAP 예측 결과, 퇴적암류 지역의 위험지역은 1.34%, 화성암류 지역의 위험지역은 2.76%, 변성암류 지역의 위험지역은 1.64%로 검토되었다. TRIGRS를 이용한 분석보다 LSMAP을 통한 분석이 비교적 국소적으로 예측 가능한 것으로 검토되었다.