• 한국지형학회지
• /
• 제17권2호
• /
• pp.63-76
• /
• 2010

전라남도 신안군의 대장도에 있는 장도습지는 유역면적이 약 147,000m²인 산지의 완경사면에 위치하고 있다. 이 습지는 그 동안 퇴적층에 대한 적절한 자료 없이 이탄층에 의해 형성된 습지로 알려져 있었다. 이 연구는 장도습지 및 그 주변의 지형을 분석하고 퇴적물 특성을 밝히는 것을 목적으로 하였다. 이를 위해 GIS를 이용하여 습지의 유역환경을 분석하였고, 현장조사를 통해 습지퇴적층의 분포와 깊이를 측정하였다. 또한 습지 퇴적물에 대하여 입도분석, 유기물분석, 원소분석, 방사성탄소연대측정을 실시하였다. 연구결과, 장도습지 퇴적층의 평균 두께는 약 30 cm로 측정되었으며, 구성물질의 평균 입도는 50~500μm였고, C/N비는 평균 11.5였다. 습지퇴적층의 유기물함량은 5~26%로 이탄의 기준에 미치지 못했다. 습지퇴적층의 유기물에 대한 방사성탄소연대는 180±50 ¹⁴C yr BP와 1950년대 이후로 측정되어 습지형성 이후 농경을 비롯한 자연적·인위적 교란이 지속적으로 발생하였음을 가리켰다. 결론적으로, 장도습지는 아직까지 초기단계의 습지로서 정상상태에 이르지 못하였기 때문에 작은 교란에도 민감한 변화를 나타낼 것으로 추정되었다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1723-1735
• /
• 2022

산사태는 가장 널리 퍼진 자연재해 중 하나로 인명 및 재산피해 뿐만 아니라 범 국가적 차원의 피해를 유발할 수 있기 때문에 효과적인 예측 및 예방이 필수적이다. 높은 정확도를 갖는 산사태 취약성도를 제작하려는 연구는 꾸준히 진행되고 있으며 다양한 모델이 산사태 취약성 분석에 적용되어 왔다. 빈도비 모델, logistic regression 모델, ensembles 모델, 인공신경망 등의 모델과 같이 픽셀기반 머신러닝 모델들이 주로 적용되어 왔고 최근 연구에서는 커널기반의 합성곱신경망 기법이 효과적이라는 사실과 함께 입력자료의 공간적 특성이 산사태 취약성 매핑의 정확도에 중요한 영향을 미친다는 사실이 알려졌다. 이러한 이유로 본 연구에서는 픽셀기반 deep neural network (DNN) 모델과 패치기반 convolutional neural network (CNN) 모델을 이용하여 산사태 취약성을 분석하는 것을 목적으로 한다. 연구지역은 산사태 발생 빈도가 높고 피해가 큰 인제, 강릉, 평창을 포함한 강원도 지역으로 설정하였고, 산사태 관련인자로는 경사도, 곡률, 하천강도지수, 지형습윤지수, 지형위치 지수, 임상경급, 임상영급, 암상, 토지이용, 유효토심, 토양모재, 선구조 밀도, 단층 밀도, 정규식생지수, 정규수분지수의 15개 데이터를 이용하였다. 데이터 전처리 과정을 통해 산사태관련인자를 공간데이터베이스로 구축하였으며 DNN, CNN 모델을 이용하여 산사태 취약성도를 작성하였다. 정량적인 지표를 통해 모델과 산사태 취약성도에 대한 검증을 진행하였으며 검증결과 패치기반의 CNN 모델에서 픽셀기반의 DNN 모델에 비해 3.4% 향상된 성능을 보였다. 본 연구의 결과는 산사태를 예측하는데 사용될 수 있고 토지 이용 정책 및 산사태 관리에 관한 정책 수립에 있어 기초자료 역할을 할 수 있을 것으로 기대된다.