• Spatial Information Research
• /
• 제20권1호
• /
• pp.9-18
• /
• 2012

최근 우리나라는 여름에 집중호우로 인한 산사태로 그 피해가 계속되고 있다. 이러한 산사태는 매년 반복적으로 발생하고 있으며 급격한 기후의 변화로 인해 앞으로 그 발생빈도가 높아질 것으로 예측된다. 우리나라는 인구의 81.5%가 도시지역에 거주하고 있으며 서울에만 약 1,055만 명이 거주하고 있다. 2011년 18명의 사망자가 발생한 서초동 산사태와 동일한 조건에 인접한 대지는 서울시에서 약 9%에 달한다. 도시에서 발생하는 산사태는 그 규모는 작으나 인구가 집중하는 도시의 특성으로 인해 큰 재난을 야기할 가능성이 있다. 현재까지는 산사태의 취약성과 발생 원인을 규명하기 위한 노력이 지속되어 왔으나 산사태 발생 시 재난지역의 범위에 관한 예측 연구가 새롭게 요구되고 있다. 이에 본 연구에서는 산사태의 물리적 확산형태를 분석하기 위하여 셀룰러 오토마타(Cellular Automata, CA) 기반의 산사태 재난지역 확산모델을 구축하였다. 이동규칙, 지형에 의한 장애물을 변수로 하는 SCIDDICA(SmartComputational Innovative methoDs for Debris flow simulation with Cellular Automata)모델과 침전 및 침식에 따른 변화를 적용한 CAESAR(the Cellular Automaton Evolutionary Slope And River model)모델을 적용하여 2011년 7월 서초동 산사태를 대상으로 정확도를 비교하였다.

• 한국지반공학회논문집
• /
• 제21권2호
• /
• pp.145-150
• /
• 2005

사면 붕괴를 예측하기 위해서 적당한 수학적 모델을 선택하는 것은 매우 유용하다. 시간열로 실시간 계측된 자료를 통하여 합리적인 사면붕괴 예측용 수학모델을 선정할수 있다. 3차 방정식을 이용한2가지 형태의 이론적 모델이 이 연구에서 사용되었다(Polynomial 및 Growth형). 사면의 변위각 및 침하를 계측할 수 있는 계측기가 느릅재 및 북실 현장에 적용되어 모델의 적용가능성을 점검하였다. 그 결과 계측 자료와 두 가지 수학모델과 아주 높은 일치성을 보였다.

• 환경영향평가
• /
• 제22권1호
• /
• pp.39-50
• /
• 2013

Occurrence of landslides has been increasing due to extreme weather events(e.g. heavy rainfall, torrential rains) by climate change. Pyeongchang, Korea had seriously been damaged by landslides caused by a typhoon, Ewiniar in 2006. Moreover, the frequency and intensity of landslides are increasing in summer due to torrential rain. Therefore, risk assessment and adaptation measure is urgently needed to build resilience. To support landslide adaptation measures, this study predicted landslides occurrence using MaxEnt model and suggested susceptibility map of landslides. Precipitation data of RCP 8.5 Climate change scenarios were used to analyze an impact of increase in rainfall in the future. In 2050 and 2090, the probability of landslides occurrence was predicted to increase. These were due to an increase in heavy rainfall and cumulative rainfall. As a result of analysis, factors that has major impact on landslide appeared to be climate factors, prediction accuracy of the model was very high(92%). In the future Pyeongchang will have serious rainfall compare to 2006 and more intense landslides area expected to increase. This study will help to establish adaptation measure against landslides due to heavy rainfall.

• 대한공간정보학회지
• /
• 제25권1호
• /
• pp.19-27
• /
• 2017

본 연구의 목적은 인제읍을 대상으로 빈도비와 로지스틱 회귀분석 모델을 통합한 앙상블 모델을 이용하여 산사태 취약성을 분석하고, 예측 정확도를 비교하는 것이다. 산사태 위치는 산사태 발생 전 후에 촬영된 항공사진을 이용하여 추출되었다. 추출된 총 422개의 산사태는 산사태 취약성 분석을 위해 훈련용 (70%)과 검증용 (30%) 자료로 랜덤하게 분류되었다. 산사태 관련인자는 고도, 경사도, 경사향, 배수로부터의 거리, 토양수분지수, 하천강도지수, 토질, 유효토심, 영급, 경급, 밀도, 임상 등 총 12개의 인자를 이용하였다. 산사태 및 산사태 관련인자는 공간데이터베이스로 구축된 뒤 빈도비와 앙상블 모델을 이용하여 산사태와 산사태 관련 인자 간 상관관계를 분석하였다. 그 결과를 바탕으로 각 모델별 산사태 취약성 지도를 작성하였고, relative operating characteristics(ROC) 곡선을 이용하여 예측 정확도를 검증 및 비교하였다. 분석 결과, 앙상블 모델에 의해 작성된 산사태 취약성 지도는 75.2%의 예측 정확도를 보였고, 이 결과는 빈도비 모델에 의해 작성된 산사태 취약성 지도와 비교하여 예측 정확도가 약 2% 향상된 것으로 나타났다. 본 연구에서 작성된 산사태 취약성 지도는 향후 효과적인 토지이용 계획을 수립하고, 재난재해로 인한 피해를 경감시키는데 활용 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제35권2호
• /
• pp.299-316
• /
• 2019

본 연구는 지리정보시스템(GIS) 환경에서 확률 모델인 Weight Of Evidence (WOE)와 Evidential Belief Function (EBF), 기계학습 모델인 Artificial Neural Networks (ANN) 모델을 이용하여 평창지역의 산사태 취약성도를 공간적으로 분석하고 예측하였다. 본 연구지역은 2006년 태풍 에위니아에 의한 집중호우로 산사태가 많이 발생하여 많은 재산 및 인명피해가 발생하였다. 산사태 취약성도를 작성하기 위해 항공사진을 이용하여 3,955개의 방대한 산사태 발생 위치를 탐지하였고, 환경공간정보인 지형, 지질, 토양, 산림 및 토지이용 등의 공간 데이터를 수집하여 공간데이터베이스에 구축하였다. 이러한 공간데이터베이스를 이용하여 산사태에 영향을 줄 수 있는 인자 17개를 추출하여 입력 인자와 EBF, WOE, ANN 모델을 이용하여 산사태 취약성도를 작성하고 검증하였다. 작성 및 검증을 위해 산사태 자료는 각각 50%씩 나누어서 훈련 및 검증을 실시하였고, 검증결과 WOE 모델의 경우는 74.73%, EBF 모델의 경우는 75.03%, ANN 모델의 경우는 70.87%의 예측 정확도를 나타내었다. 본 연구에 사용된 모델 중 EBF 모델이 가장 높은 정확도를 나타냈으며, 모든 모델에서 70% 이상의 예측 정확도를 보여 본 연구에서 사용된 기법이 산사태 취약성도 작성에 유효함을 나타내었다. 본 연구에서 제안된 WOE, EBF, ANN 모델과 산사태 취약성도는 이전에 산사태가 발생하지 않은 지역의 산사태를 예측하는 데 사용될 수 있다. 이러한 취약성도는 산사태 위험 감소를 촉진하고, 토지 이용 정책 및 개발을 위한 기초자료 역할을 할 수 있으며, 궁극적으로 산사태 재해 예방을 위한 시간과 비용을 절약할 수 있다. 향후 보다 많은 지역에서 산사태 취약성도 작성 방법을 적용하여 산사태 위험 예측을 위한 일반화된 모델을 이끌어 내야 한다.

• Geomechanics and Engineering
• /
• 제25권1호
• /
• pp.1-16
• /
• 2021

Machine learning models have been widely used for landslide susceptibility assessment (LSA) in recent years. The large number of inputs or conditioning factors for these models, however, can reduce the computation efficiency and increase the difficulty in collecting data. Feature selection is a good tool to address this problem by selecting the most important features among all factors to reduce the size of the input variables. However, two important questions need to be solved: (1) how do feature selection methods affect the performance of machine learning models? and (2) which feature selection method is the most suitable for a given machine learning model? This paper aims to address these two questions by comparing the predictive performance of 13 feature selection-based machine learning (FS-ML) models and 5 ordinary machine learning models on LSA. First, five commonly used machine learning models (i.e., logistic regression, support vector machine, artificial neural network, Gaussian process and random forest) and six typical feature selection methods in the literature are adopted to constitute the proposed models. Then, fifteen conditioning factors are chosen as input variables and 1,017 landslides are used as recorded data. Next, feature selection methods are used to obtain the importance of the conditioning factors to create feature subsets, based on which 13 FS-ML models are constructed. For each of the machine learning models, a best optimized FS-ML model is selected according to the area under curve value. Finally, five optimal FS-ML models are obtained and applied to the LSA of the studied area. The predictive abilities of the FS-ML models on LSA are verified and compared through the receive operating characteristic curve and statistical indicators such as sensitivity, specificity and accuracy. The results showed that different feature selection methods have different effects on the performance of LSA machine learning models. FS-ML models generally outperform the ordinary machine learning models. The best FS-ML model is the recursive feature elimination (RFE) optimized RF, and RFE is an optimal method for feature selection.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.248-248
• /
• 2023

In recent years, the number of landslides in Korea has been increasing due to extreme weather events such as localized heavy rainfall and typhoons. Landslides often occur with debris flows, land subsidence, and earthquakes. They cause significant damage to life and property. 64% of Korea's land area is made up of mountains, the government wanted to predict landslides to reduce damage. In response, the Korea Forest Service has established a 'Landslide Information System' to predict the likelihood of landslides. This system selects a total of 13 landslide factors based on past landslide events. Using the LR technique (Logistic Regression) to predict the possibility of a landslide occurrence and the accuracy is known to be 0.75. However, most of the data used for learning in the current system is on landslides that occurred from 2005 to 2011, and it does not reflect recent typhoons or heavy rain. Therefore, in this study, we will apply a total of six machine learning techniques (KNN, LR, SVM, XGB, RF, GNB) to predict the occurrence of landslides based on the data of Inje, Gangwon-do, which was recently produced by the National Institute of Forest. To predict the occurrence of landslides, it is necessary to process converting landslide events and factors data into a suitable form for machine learning techniques through ArcGIS and Python. In addition, there is a large difference in the number of data between areas where landslides occurred or not. Therefore, the prediction was performed after correcting the unbalanced data using Tomek Links and Near Miss techniques. Moreover, to control unbalanced data, a model that reflects soil properties will use to remove absolute safe areas.

• 자원환경지질
• /
• 제38권1호
• /
• pp.45-55
• /
• 2005

산사태 취약성 분석을 위해 적용된 기존 GIS 기반 확률론적 공간 통합 모델은 범주형과 연속형 자료와 같이 서로 다른 형태의 자료의 처리를 위한 이론적 배경과 효율적인 방법론을 제시하지 못하였다. 이 논문에서는 우도비의 틀 안에서 연속형 자료를 직접적으로 사용할 수 있도록 비모수적 경험적 추정 모델과 모수적 예측적 판별 분석 모델을 적용하였다. 그리고 유사율과 예측비율곡선을 계산함으로써 두 모델을 정량적으로 비교하고자 하였다. 제안 모델을 비 교하기 위해 1998년 여름 산사태로 많은 피해를 입은 장흥 지역과 보은 지역을 대상으로 사례연구를 수행하였다. 장 흥 지역에서는 두 모델이 유사한 예측 능력을 나타내었으나, 보은 지역에서는 모수적 예측적 판별 분석 모델이 보다 높은 예측 능력을 나타내었다. 결론적으로 제안한 두 모델은 산사태 취약성 분석을 위한 연속형 자료 표현에 효율적 으로 적용될 수 있으며, 두 모델이 개별적인 연속형 자료 표현의 특성을 가지고 있기 때문에 다른 사례 연구를 통한 검증 작업이 병행되어야 할 것으로 생각된다.

• 한국농공학회논문집
• /
• 제59권5호
• /
• pp.101-108
• /
• 2017

Recently, the occurrence of landslides has been increasing over the years due to the extreme weather event. Developments of landslides monitoring technology that reduce damage caused by landslide are urgently needed. Therefore, in this study, a strain ratio sensor was developed to predict the ground behavior during the slope failure, and the change in surface ground displacement was observed as slope failed on the field model experiment. As a result, in the slope failure, the ground displacement process increases the risk of collapse as the inverse displacement approaches zero. It is closely related to the prediction of precursor. In all cases, increase in displacement and reverse speed of inverse displacement with time was observed during the slope failure, and it is very important event for monitoring collapse phenomenon of risky slopes. In the future, it can be used as disaster prevention technology to contribute in reduction of landslide damage and activation of measurement industry.

• Geomechanics and Engineering
• /
• 제34권3호
• /
• pp.267-284
• /
• 2023

Landslides are one of the most dangerous phenomena and natural disasters. Landslides cause many human and financial losses in most parts of the world, especially in mountainous areas. Due to the climatic conditions and topography, people in the northern and western regions of Iran live with the risk of landslides. One of the measures that can effectively reduce the possible risks of landslides and their crisis management is to identify potential areas prone to landslides through multi-criteria modeling approach. This research aims to model landslide potential area in the Oshvand watershed using a support vector machine algorithm. For this purpose, evidence maps of seven effective factors in the occurrence of landslides namely slope, slope direction, height, distance from the fault, the density of waterways, rainfall, and geology, were prepared. The maps were generated and weighted using the continuous fuzzification method and logistic functions, resulting values in zero and one range as weights. The weighted maps were then combined using the support vector machine algorithm. For the training and testing of the machine, 81 slippery ground points and 81 non-sliding points were used. Modeling procedure was done using four linear, polynomial, Gaussian, and sigmoid kernels. The efficiency of each model was compared using the area under the receiver operating characteristic curve; the root means square error, and the correlation coefficient . Finally, the landslide potential model that was obtained using Gaussian's kernel was selected as the best one for susceptibility of landslides in the Oshvand watershed.