• 한국산학기술학회논문지
• /
• 제20권6호
• /
• pp.439-447
• /
• 2019

본 연구에서는 산사태 축소 모형 장치에 레이저 센서와 진동 센서를 설치하여 강우에 의한 사면 붕괴 시 토사의 미세 변위를 조기에 감지하여 붕괴 위험이 높은 사면에 대한 적절한 대책 마련과 사면 붕괴로 인한 피해를 최소화하기 위한 산사태 발생 시점을 예측하고자 실험을 실시하였다. 또한, 산사태 축소모형 실험을 통해 강우에 의한 토층의 거동 특성 및 간극수압과 수분과 같은 함수비 변화 특성을 분석하였다. 화강암의 풍화토로 인공사면을 조성한 다음 강우 조건을 200mm/hr와 400mm/hr로 달리하여 이에 따른 함수비(수압, 수분) 변화를 측정하고 지표 변위를 분석하기 위해 레이저 센서와 진동 센서를 적용하였으며, 영상분석을 위해 비디오 촬영을 하여 변위 발생시간을 상호 비교 분석하였다. 실험 결과 수분함량은 강우강도가 클수록 한계값 도달시간이 짧게 소요되는 것으로 나타났으며, 간극수압은 강우강도가 클수록 간극수압의 증가 시간이 짧은 것으로 나타났다. 산사태 모형실험은 현장 조건을 충분히 반영하지는 못하지만 진동 센서를 이용한 변위 발생 인지 시간을 측정한 결과 붕괴시점이 레이저 센서를 이용한 방법보다 보다 빠른 것으로 나타났다. 산사태 발생 시 센서를 이용한 지반변위 측정은 지속적인 연구를 수행할 경우 사면붕괴 예측 및 피해 저감 그리고 계측산업 활성화의 기초 자료로 활용이 가능할 것으로 판단된다.

• 지질공학
• /
• 제28권4호
• /
• pp.687-699
• /
• 2018

강우변화에 따라 토층 내로 침투되는 강우양상을 파악하는 것은 산사태 위험도 평가에 있어 매우 중요한 요소라 할 수 있다. 본 연구에서는 재현기간 별 강우변화에 따른 안전율 기반의 산사태 위험도를 평가하고 이를 바탕으로 연구지역 내 산사태 위험지수를 제안하고자 하였다. 산사태 위험지수는 토층으로 침투되는 강우양상을 침투깊이비로 추정하고 이를 기반으로 산사태 위험도를 사전에 파악할 수 있도록 지수로 표현한 것이다. 연구지역에 대한 산사태 위험도 분석결과, 빈도 별 강우강도가 증가하면서 연구지역 전체 안전율은 감소하는 경향을 보였으나 50년 빈도 이상의 강우조건에서는 점차 수렴하는 경향을 보였다. 이러한 현상은 침투깊이비와 토층깊이에서도 유사하게 나타났으며 경사가 완만할수록 침투깊이가 깊은 것으로 분석되었다. 분석결과를 바탕으로 연구지역 내 복수의 산사태가 발생된 인후리 지역에 대하여 산사태위험지수를 제안하였다. 제안된 산사태위험지수는 과거 산사태 발생 시 강우조건과 비교, 분석한 결과 대부분의 산사태 발생 강우강도 조건에서는 산사태위험지수 2등급, 0.7이상에서 발생된 것으로 분석되었다.

• 한국지반신소재학회논문집
• /
• 제16권3호
• /
• pp.1-10
• /
• 2017

최근 발생하고 있는 자연재해 중 산사태와 관련된 재해는 막대한 인명과 재산피해를 발생시키고 있다. 지속적으로 발생하고 있는 산사태로 인한 피해를 최소화하기 위해서는 계측, 모니터링 시스템 등 관련 기술에 대한 과학적 관리체계가 필요하다. 본 연구는 사면붕괴 예측을 통한 산사태 피해저감을 위한 관리체계 확립을 목적으로 하고 있다. 이를 위해 산사태 발생시 지반거동을 예측하기 위한 표층지반변형률 봉을 제작하고, 사면 붕괴전조로서 변형률 증가를 관측하였다. 그 결과, 사면 붕괴시 지반의 변형은 붕괴 전조 구간, 변형 가속 구간, 변형 급가속 구간을 거친 후 붕괴에 이르는 것으로 나타나, 붕괴 전조 예측과 상관관계가 있는 것으로 판단된다. 모든 조건에서 사면붕괴 전조로서 시간에 따른 변위량의 증가가 공통적으로 관측되었으며, 이는 붕괴위험 사면의 계측 및 유지관리 관점에서 대단히 중요한 현상으로 판단된다. 산사태 발생에 따른 지반변위는 향후 지속적 연구를 통해 사면붕괴예측 및 계측관리기준의 기초자료로 활용될 수 있을 것으로 사료되며, 산사태 피해저감 및 계측산업 활성화에 기여할 수 있을 것으로 판단된다.

• 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.

• 한국재난정보학회 논문집
• /
• 제17권4호
• /
• pp.694-709
• /
• 2021

연구목적: 지진에 의한 산사태 위험도 평가를 통하여 지진발생 전에는 산사태 예방사업, 지진발생 후에는 피해지 예측 및 복구 우선순위 선정으로 지진유발 산사태 피해저감을 효율적·선제적으로 하기 위한 기초자료를 제공하고자 수행하였다. 연구방법: 국외 선행연구를 분석하여 평가 방법론 검토와 평가 인자를 도출하고 국내 산사태 위험지도 활용성을 검토하였다. 또한 지진동 감쇠식을 이용하여 포항지역의 단층대 및 진앙지 기준으로 지진에 의한 산사태 위험지도를 시범 구축하였다. 연구결과: 지진에 의한 산사태 위험도 평가 연구는 중국이 전체의 44%, 이탈리아 16%, 미국 15%, 일본 10%, 대만 8% 순으로 나타났다. 평가 방법론으로 통계적 모형이 59%로 가장 많았고, 물리적 모형이 23%로 나타났다. 통계적 모형에 많이 사용된 인자는 고도, 단층대와의 거리, 경사도, 사면방향, 모암, 지형곡률로 나타났다. 현재 국내의 산사태 위험지도는 지형·지질·임상이 반영되는데 이를 활용한 지진에 의한 산사태 위험도 평가는 합리적인 것으로 나타났다. 포항지역에 단층대 및 진앙지 기준으로 산사태 위험도를 평가한 결과 기존의 낮은 등급이 높은 등급으로 변화하는 등 지진의 영향이 고려되었다. 결론: 광역 단위의 지진유발 산사태 위험도 평가를 위해서는 산사태 위험지도를 활용하는 것이 효율적이다. 단층대 기준의 위험지도는 지진에 의한 산사태 피해방지를 위한 예방사방사업 대상지 선정에 활용하고, 진앙지 기준의 위험지도는 지진이 발생한 이후 산사태 피해 현황을 조사하거나 피해지 복구 등 피해방지 대책 우선순위 선정의 효율적 사후관리에 활용할 수 있다.

• 자원환경지질
• /
• 제36권4호
• /
• pp.313-320
• /
• 2003

사면재해는 강우기에 반복적으로 발생하는 지질재해의 하나로 우리나라의 경우 연평균 약 23명 정토의 인명피해가 사면재해로 인해 발생하고 있으며, 이는 자연재해로 인한 인명피해 중 약 25％ 정도를 차지하는 수치이다. 그러나, 이러한 사면재해는 다양하고 복합한 지질 및 지형 특성과 갉은 공간적인 특성과 집중호우와 같은 기후특성에 의해 좌우되므로 사면재해 예측이나 위험성에 대한 정량적인 산정을 무척 어려운 실정이다. 따라서, GIS를 이용한 위험성분석이나 확률을 이용한 다양한 기법이 활용되고 있다. 특히, GIS를 이용한 기법은 광역적인 지역에 대하여 방대한 양의 자료를 효율적으로 처리 및 분석을 수행함으로서 사면재해 관련 연구에 폭 넓게 활용되고 있다 본 연구에서 사용된 무한사면해석기법은 사면재해의 발생여부와 관련요인간의 연관성에 대한 단순한 통계적인 분석에 의한 기존 기법의 한계점을 보완하고 사면재해발생과 관련된 역학적인 검토를 수행하기 위하여 제안되었다. 본 연구 결과에 의하면 사면재해가 발생했던 지점과의 비교를 농하여 지반이 완전히 포화된 경우, 즉 m=1인 경우 무한사면모델에서 불안정하다고 해석된 지역에서 전체 사면재해의 87.5％가 발생하였음을 보여주고 있어 사면재해에 대한 해석기법으로서의 착용가능성을 보여주고 있다.

• 지질공학
• /
• 제26권2호
• /
• pp.235-250
• /
• 2016

우리나라는 여름철 강수량이 연 강수량의 약 70% 이상을 차지하고 일 강우량이 200 mm가 넘는 극한강우가 증가하고 있다. 강우는 산사태를 유발하는 가장 직접적인 인자로서 이를 활용한 산사태 발생 예측 기준을 설정하고 경보를 발령하여 산사태로 인한 피해를 최소화 하는 것이 필요하다. 본 연구에서는 기존의 발생한 산사태이력 중 발생시점 및 장소가 분명한 12개소를 선정하고 각 지역의 강우데이터를 수집하여 분석하였으며, RTI (Rainfall Triggering Index) 모델에 사용된 각 인자들을 한국의 산사태 유발 강우특성에 따라 적정성을 검토하여 반영하고 강우강도의 단위시간을 달리한 3가지 모델을 비교하였다. 분석결과, 60-minutes RTI 모델은 3개소에서 산사태 발생 예측에 실패하였으며, 30-minutes RTI 모델 및 10-minutes RTI 모델은 모두 사전예측 가능하였다. 각 모델별 산사태 발생 경보에 따른 평균 대응시간은 60-minutes RTI model이 4.04시간, 30-minutes RTI model과 10-minutes RTI model은 각각 6.08과 9.15시간으로 단위시간이 짧은 강우강도를 사용한 RTI 모델이 산사태 사전예측실패 가능성이 적고 보다 긴 대응시간을 확보 할 수 있는 것으로 나타났다. 이를 통해 산사태 발생 예측을 통한 대응시간은 단위시간을 세분화한 모델일수록 더 많은 시간을 확보 할 수 있음을 알 수 있다. 또한, 단시간 내 발생하는 변동성이 큰 강우강도 가진 한국의 강우특성을 고려할 때 시간 단위 이하의 강우강도를 적용하는 것이 RTI 모델을 통한 산사태 예측과 조기경보시스템의 정확도를 높일 수 있을 것으로 판단된다.

• 지질공학
• /
• 제33권4호
• /
• pp.673-687
• /
• 2023

데이터 탐색은 수집한 데이터를 다양한 각도에서 관찰 및 이해하는 과정으로 데이터 구조 및 특성 분석을 통해 데이터의 분포와 상관관계를 파악하는 과정이다. 일반적으로 산사태는 다양한 인자들에 의해 유발되고 발생 지역에 따라 유발 인자들이 미치는 영향이 상이하기 때문에 산사태 취약성 분석 이전에 데이터 탐색을 통해 유발 인자 사이의 상관관계를 파악하고 특징적인 유발 인자를 선별한다면 효과적인 분석을 수행할 수 있다. 따라서 본 연구는 데이터 탐색이 예측 모델의 성능에 미치는 결과를 확인하기 위해 두 단계에 걸친 데이터 탐색을 수행하여 인자를 선별하고, 선별된 유발 인자들 사이의 조합과 23개의 전체 유발 인자 조합을 활용하여 딥러닝 기반의 산사태 취약성 분석을 진행하였다. 데이터 탐색 과정에서는 Pearson 상관계수 heat map과 random forest의 인자 중요도 histogram을 활용하였으며, 딥러닝 기반 산사태 취약성 분석 결과의 정확도는 분석을 통해 획득한 산사태 취약 지수 값을 이용해 제작한 산사태 취약성 지도를 confusion matrix 기반의 정확도 검증 방법을 통해 분석하였다. 분석 결과, 전체 23개의 인자를 사용한 산사태 취약성 해석 결과는 55.90%의 낮은 정확도를 보였지만 한 단계의 탐색을 거쳐 선별한 13개 인자를 활용한 취약성 해석 결과는 81.25%의 분석 정확도를 보였고, 두 단계 데이터 탐색을 모두 수행하여 선별된 9개의 유발 인자를 활용한 산사태 취약성 분석 결과는 92.80%로 가장 높은 정확도를 보였다. 따라서 데이터 탐색을 통해 특징적인 유발 인자를 선별하고 분석에 활용하는 것이 산사태 취약성 분석에서 더 좋은 분석 성능을 기대할 수 있음을 확인하였다.

• 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.

• 대한원격탐사학회지
• /
• 제35권1호
• /
• pp.93-115
• /
• 2019

The availability of high-resolution laser scanning data and advanced machine learning algorithms has enabled an accurate potential rockfall source identification. However, the presence of other mass movements, such as landslides within the same region of interest, poses additional challenges to this task. Thus, this research presents a method based on an integration of Gaussian mixture model (GMM) and ensemble artificial neural network (bagging ANN [BANN]) for automatic detection of potential rockfall sources at Kinta Valley area, Malaysia. The GMM was utilised to determine slope angle thresholds of various geomorphological units. Different algorithms(ANN, support vector machine [SVM] and k nearest neighbour [kNN]) were individually tested with various ensemble models (bagging, voting and boosting). Grid search method was adopted to optimise the hyperparameters of the investigated base models. The proposed model achieves excellent results with success and prediction accuracies at 95% and 94%, respectively. In addition, this technique has achieved excellent accuracies (ROC = 95%) over other methods used. Moreover, the proposed model has achieved the optimal prediction accuracies (92%) on the basis of testing data, thereby indicating that the model can be generalised and replicated in different regions, and the proposed method can be applied to various landslide studies.