강우량 및 지형정보 데이터를 이용한 한국형 토사재해 유발 강우량 산정 알고리즘 개발

Development of An Automatic Calculation Algorithm for Rainfall Thresholds of Debris Flow in Korea

Article information

J. Korean Soc. Hazard Mitig. 2022;22(6):113-123
Publication date (electronic) : 2022 December 23
doi : https://doi.org/10.9798/KOSHAM.2022.22.6.113
* 정회원, 국립 강원대학교 AI기후재난융합연구실 선임연구원(E-mail: lovekurt82@gmail.com)
* Member, Senior Researcher, Department of AI Climate and Disaster Integration Laboratory, Kangwon National University
** 정회원, 국립 강원대학교 방재전문대학원 도시환경재난관리전공 석사과정
** Member, Master Student, Department of Urban Environmental Disaster Management, National Graduate School of Disaster Prevention, Kangwon National University
*** 정회원, 국립 강원대학교 방재전문대학원 도시환경재난관리전공 박사과정
*** Member, Ph.D. Student, Department of Urban Environmental Disaster Management, National Graduate School of Disaster Prevention, Kangwon National University
**** 정회원, ㈜와우 대표이사
**** Member, CEO, Wow Co. LTD.
***** 정회원, 한국수력원자력(주) 전기부장
***** Member, General Manager, Korea Hydro & Nuclear Power Co. LTD.
****** 정회원, 국립 강원대학교 방재전문대학원 도시환경재난관리전공 정교수(E-mail: hydrokbs@kangwon.ac.kr)
****** Member, Professor, Department of Urban & Environmental Disaster Prevention Engineering, Kangwon National University
****** 교신저자, 정회원, 국립 강원대학교 방재전문대학원 도시환경재난관리전공 정교수(Tel: +82-33-570-6458, Fax: +82-33-570-6459, E-mail: hydrokbs@kangwon.ac.kr)
****** Corresponding Author, Member, Professor, Department of Urban & Environmental Disaster Prevention Engineering, Kangwon National University
Received 2022 October 25; Revised 2022 October 27; Accepted 2022 November 9.

Abstract

기후변화에 의해 지속시간별 강우강도가 증가하였으며, 토사재해 발생 비율이 높아짐에 따라 인명 및 재산 피해가 빈번하게 발생하고 있다. 이는 한국에서 사회적 이슈가 되고 있으며, 토사재해를 발생시키는 한계강우량 관련 연구의 중요성이 높아지고 있다. 이에 본 논문에서는 한국 지역의 토사재해 유발 강우 기준 도출을 위하여 토사재해 유발 강우 임계값 자동 계산 알고리즘을 개발하였다. 이를 위해 강원도 지역의 토사재해 발생 이력을 수집하였으며, 토사재해 발생지점 인근의 기상대를 선정하여 강우량을 수집하였다. 토사재해 유발 강우 임계치 자동 계산 알고리즘은 R program 기반으로 작성되었다. 개발된 알고리즘을 이용하여 강원 지역에 적용한 결과 개별 토사재해 발생 지점 정보를 바탕으로 자동적으로 영향 기상대를 선정하였으며, 개별 토사재해 발생 지점 정보와 기상대 강우량 정보를 이용하여 유발강우량을 도출하고, 이를 통합하여 강원도 지역의 강우강도와 지속시간 간의 관계식을 자동으로 도출하였다.

Trans Abstract

Climate change has increased the amount and intensity of rainfall, increasing debris flow risk. Debris flow damage has become a social issue in Korea, and the need for research related to rainfall thresholds for debris flow has increased. In this study, an automatic calculation algorithm was developed to derive criteria suitable for the Korean region for the rainfall thresholds of debris flow. The study area selected was Gangwon-do, where a significant amount of debris flow occurred recently, and information on rainfall and the occurrence of debris flow were collected. As a result of applying an algorithm based on the R programming language, an equation for the relationship between the rainfall intensity and duration in Gangwon-do was automatically derived using debris flow occurrence point information and meteorological rainfall information.

1. 서 론

기후변화에 따른 강우강도의 증가로 인하여 국내 산지부 인근의 토사재해(Debris-flow Disaster) 발생 위해성(Hazard)이 증가하였으며, 인명 및 재산 피해 위험성(Risk)이 높아졌다(Choi, 2018). 특히 2011년 7월 집중호우로 서울시 우면산 및 춘천시 마적산에서 토사재해 피해로 인해 총 43명의 사망자가 발생하였으며, 2020년 전라남도 곡성군에서 5명의 사망자가 발생하는 등 인명 및 재산 피해가 발생하여 사회적 이슈가 되었다. 토사재해에 대응하기 위해서는 토사재해의 사전 예보 및 경보 발령을 위한 기준 수립이 필요하다. 특히, 선행강우 조건은 토양 내 응력 및 간극수압에 영향을 미치는 요인으로, 토사재해를 유발하는 직접적인 원인으로 중요하게 고려되어야 한다(Keefer et al., 1987; Aleotti, 2004; Chae et al., 2016; Gariano et al., 2019).

선행강우와 강우강도를 이용한 한계강우량 개념은 Campbell (1975)이 제안한 이후로 Caine (1980)이 실제 토사재해 발생 데이터로부터 강우강도-지속시간 곡선식을 제시한바 있으며, 토사재해의 확률적 예측을 위한 많은 연구가 제안되었다(Brunetti et al., 2010; Piciullo et al., 2017). 최근 Melillo et al. (2018)은 강우량 및 지형자료를 이용하여 토사재해에 영향을 미치는 강우관측소를 자동으로 선택하고, 토사재해 선행 강우량을 자동으로 계산하는 방법론을 제시하였으며, Jordanova et al. (2020)은 관련 알고리즘을 Slovenia 지역에 적용하여 토사재해 조기 경보 시스템 구축에 사용하였으며, Distefano et al. (2022)는 알고리즘의 결과를 신경망을 이용하여 개선하는 연구를 제안한 바 있다. 국내 연구 사례를 살펴보면 Nam et al. (2018) 및 Chae et al. (2016)은 토사재해 발생전의 지속시간과 강우강도를 곱한 RTI (Rainfall Triggering Index)를 국내에 적용, 확률밀도함수를 이용하여 토사재해 위험 기준을 제시하였으며, Lee et al. (2019)는 토사재해 발생 전의 지속시간 및 강우강도를 이용하여 분위수 회귀분석을 이용하여 위험 기준을 제시하였다. 국내 지형을 대상으로 다양한 선행 연구가 진행되었으나 토사재해 발생 유발 강우에 직접적인 영향을 미치는 선행강우 기준 일수 및 대표 관측소 기준 등은 명확하지 않은 것으로 나타났으며, 이를 고려한 한국형 토사재해 조기 경보 시스템 구축 등을 위해서는 프로그램 기반의 자동화 알고리즘이 필요하며, 이에 대한 적용성 평가가 필요할 것으로 판단된다.

본 연구에서는 한국지역의 토사재해 유발 강우 기준 도출을 위하여 Melillo et al. (2018)이 제안한 도구를 기반으로 한국형 토사재해 유발 강우 임계값 자동 계산 알고리즘을 개발하는 것을 목적으로 하였다. 이를 위해 토사재해가 많이 발생했던 강원도 지역을 대상지역으로 선정하였으며, 토사재해 발생 정보, 강우량 및 지형정보를 수집하였다. 최종적으로 강원도 지역의 강우량 및 지형정보를 토사재해 유발 강우 임계치 자동 산정 프로그램에 입력하여 개별 토사재해 사상에 대한 지속 시간 및 강우강도를 산정하였으며, 전체 사상에 대해 지속시간별 누적 분포 함수 계산을 통해 강원도 지역의 임계 강우량 곡선 및 관계식을 도출하였다(Fig. 1).

Fig. 1

Flow Chart of Study

2. 이론적 배경

2.1 토사재해 유발 강우량 자동 산정 프로그램

토사재해를 유발시키는 강우 기준은 주로 강우강도와 지속시간의 관계 분석 방법(I-D Method)을 이용하여 제시되고 있으며 국내외에서 다양한 연구가 진행된 바 있다. I-D Method를 사용하는 데 있어 토사재해에 영향을 미치는 기상대 선정과 강우 사상 종료와 토사재해 발생 사이의 최대 허용 지연 시간은 중요한 입력 매개변수로서 연구자별로 다른 정의를 내리고 있다. Melillo et al. (2018)은 이러한 문제를 객관화하기 위하여 이탈리아 남부 시칠리아에서 적용 가능한 토사재해 예측에 사용 가능한 강우 임계값 자동 계산 도구를 제시하였다. 본 연구에서는 Melillo et al. (2018)가 제시한 도구를 한국지형에 적합하게 재구성하여 R 언어 기반으로 개발하였으며, 프로그램은 입력부, 계산부, 출력부로 구성하였다(Fig. 2). 입력부에서는 토사재해 발생 정보(Debris-flow.csv), 강우 관측소 정보(table_of_raingauge.csv) 및 강우 시계열(TimeSeries_Sensor.csv) 정보를 입력한다. 계산부는 R package를 프로그래밍하고 개발할 때 유용한 유틸리티인 utils, 인코더, 디코더, 분류 기능이 있는 caTools, 공간데이터 시각화에 필요한 ggmap 및 통계 기능을 위한 MASS Package를 사용한다. 마지막으로 결과부는 토사재해에 영향을 미치는 재구성된 강우 사상 정보(Reconstructed rainfall events)와 그에 대한 강우 조건(Reconstructed rainfall conditions) 및 강우 임계값(rainfall thresholds) 분석 결과를 제공한다.

Fig. 2

Component of “Automatic Calculation Algorithm of Rainfall Thresholds for Rainfall-induced Debris-flow”

2.2 토사재해 유발 강우량 임계값 산정 알고리즘

토사재해를 유발하는 강우량 임계치 계산은 수집된 연속적인 시간 강우량 데이터와 토사재해가 발생한 지리적 좌표 및 토사재해 발생 시간을 기반으로 이루어진다. 알고리즘은 강우 이벤트를 재구성하고 토사재해에 영향을 미치는 이벤트를 결정한다. 이때, 대표 강우계와 토사재해 사이의 최대 허용 거리와 강우 이벤트 종료와 토사재해 발생 사이의 최대 허용 지연 시간을 정의한다. 본 연구에서는 수집된 강원도 지역의 토사재해 피해 지점과 기상대와의 최대 거리를 고려하여 최대 허용 거리를 15 km로 정의하였으며, 최대 허용 지연 시간 Melillo et al. (2018)이 제시한 48시간으로 정의하였다.

임계값 계산은 임계값 자동 산정 프로그램 내의 별도의 분리된 블럭(Block)에 의해 수행되며, 각 블럭은 특정 작업을 수행한다(Fig. 3). 첫 번째 블럭에서는 연속된 강우 시계열을 바탕으로 개별 강우 사상을 재구성하고 강우 이벤트별 지속시간(Duration (D), hr)과 누적강우량(Cumulated rainfall (E), mm)을 계산한다. 연속 강우 시계열의 분리는 기후 및 계절적 환경에 기반하며, 본 연구에서는 한국지역 계절에 적합한 기간(warm season : 3월~8월)을 고려하여 정의하였다. 두 번째 블록에서는 토사재해 발생 지역과 가장 가까운 강우계를 선택한다. 이때 토사재해 발생지점과 강우계 사이의 최대 허용 거리는 정의된 허용 거리를 반지름으로 하는 원형 영역 내에서 선택되며, 역거리가중치법(Inverse Distance Weighting Method)을 이용하여 다중 강우 조건(Multiple Rainfall Conditions, MRC)의 강우 조건을 계산한다. 마지막으로 세 번째 블록에서는 서로 다른 비초과 확률(Non-Exceedance Probabilities, NEPs)에 따른 누적강우량(E)과 지속시간(D)과의 관계를 계산한다. 이때, 임계값은 Eq. (1)과 같은 빈도론적 접근방법을 이용하여 정의되며, 멱함수 형식으로 계산된다.

Fig. 3

Data Flow of “Thresholds for Rainfall-induced Debris-flow”

(1)E=(α)D(γ)

여기서α는 크기조정 매개 변수이고γ는 형상 매개 변수, 즉 멱함수 곡선의 절편과 기울기이다.

3. 연구 재료

3.1 토사재해 발생 정보 수집

본 연구의 대상 지역은 산지 비율이 80% 이상으로 한국에서 발생하는 토사재해가 빈번히 발생한바 있는 강원도지역을 선정하였으며, 토사재해 발생 위치는 아래 그림과 같다(Fig. 4). 또한 토사재해 이력은 문헌조사를 통해 수집하였으며, 발생 위치 및 발생 시간을 특정할 수 없는 이력은 수동으로 제거하였다. 이를 통해 최종적으로 2011년 7월 27일에서 2020년 8월 5일까지 토사재해 발생 이력 18건에 대해 발생 위치, 발생 시간 정보를 수집하였다(Table 1).

Fig. 4

Study Area Map and Debris-flow Damage Photos & Location (n = 18)

Debris Flow Occurrence Time and Location Information (n = 18)

3.2 기상대 및 강우 정보 수집

기상대 및 강우 정보는 Fig. 4와 같이 기상청에서 제공하는 강원도 지역의 AWS (Automatic Weather System) 46개소의 위치 정보 및 2010년 1월 1일 00시부터 2020년 12월 31일 23시까지의 시간 단위 강우량 데이터를 수집하였다. 46개소의 강우계 중 22개만이 토사재해를 일으킨 강우 조건을 구성하는 데 사용되었으며, 최종적으로 수집된 46개소 기상대의 ID, 이름 및 위치 정보는 Table 2와 같다.

Weather Station and Rainfall Information of Study Area (n = 47)

4. 분석 결과

토사재해 유발 강우량 임계값 산정 프로그램을 이용하여 본 연구의 대상 기간(2010년~2020년) 동안 16,423개의 강우 사상을 재구성하였다. 또한, 토사재해 위치 정보와 우량계와의 거리를 요소를 고려하여 입력한 18개의 토사재해 이벤트 중 14개의 토사재해가 강우로 인해 유발된 것으로 도출되었다. 14개의 토사재해 이벤트 중 강우 토사재해와 관련이 높은 강우 사상은 36개로 도출되었으며, 이에 대한 누적 강수량(cumulated event rainfall, EL)과 강수 이벤트 지속 기간(rainfall event duration, DL)의 로그 분포도 Fig. 5(a)와 경험적 누적 분포 함수(The empirical cumulative distribution function, ECDF)와 지속기간 관계 곡선(b) 및 경험적 누적 분포 함수(ECDF)와 누적 강수량(cumulated rainfall, E) 관계 곡선(c)을 자동으로 도출하였다.

Fig. 5

(a) Distribution of the DL (Rainfall Event Duration) and EL (Cumulated Event Rainfall) Pairs, in Log-Log Coordinates (Purple Dots); (b) ECDF (The Empirical Cumulative Distribution Function) of D (Duration); (c) ECDF of E (Cumulated Rainfall)

재구성된 강우량과 토사재해 데이터를 이용하여 대상지역 전체의 누적 강수량(E)과 지속시간(D)의 임계값을 결정하였으며, 70%, 50% 및 10% 비초과 확률에서 누적 강수량과 지속시간 간의 상관 관계식을 도출하였다(Table 3). 각 비초과 확률에서의 지속시간, 누적 강수량 및 강우강도는 Table 3에 제시하였다.

ED (Cumulated Event Rainfall—Duration) Equation According to the Non-Excess Probability of 70%, 50% and 10% Thresholds Deriving Rainfall Duration (hr), Cumulated Rainfall (mm), and Rainfall Intensity (mm/hr) in Gangwon-do.

도출된 비초과 확률별 누적 강수량과 지속시간 간의 관계식을 이용하여 강원도 지역의 토사 재해 위험 경보를 위한 노모그램을 개발하였다(Fig. 6). 이때, 발생확률(70%, 50%, 10%) 기준은 Nam (2020)이 제시한 방법을 인용하였으며, 발령기준(관심-주의-경계-심각)은 산림청 산사태 위기 경보 기준을 준용하였다.

Fig. 6

Nomogram for Debris Flow Warning Developed by the Cumulated Rainfall and Rainfall Duration Equation (24 hr)

본 연구에서 개발한 토사재해 노모그램의 적용성 검토를 위해 2019년 10월 발생한 강원도 삼척시 신남 마을 피해사례를 기반으로 검토를 진행하였다. 신남 마을에서 토석류가 발생한 시각은 2019년 10월 03일 01시 경으로 총 103가구 중 65가구가 파손되었으며, 52가구에서 매몰 및 전파가 발생하고 1명의 사망자가 발생하였다. 이때, 근덕면의 누적 강우량은 약 376 mm로 24시간 전부터 내린 누적 강우량의 시계열은 Fig. 7과 같다.

Fig. 7

Accumulated Rainfall Causing Debris Flow Damage to Sinnam Village in Gangwon-do

신남 마을의 토석류 발생 전 강우 사상을 바탕으로 본 논문에서 제시한 노모그램을 적용해 본 결과 가우 발생 후 누적 강수량이 많아서 짐에 따라 토사재해 위험도가 관심에서부터 주의, 경계 조건으로 높아지는 것을 확인하였으며, 토사재해 발생 약 3시간 전에 가장 위험한 단계인 심각으로 높아지는 것으로 나타났다(Fig. 8, Table 4).

Fig. 8

Debris Flow Warning Plot Using Debris Flow Nomogram in Sinnam Village

Debris Flow Warning Time-Series According to Accumulated Rainfall in Sinnam Village

5. 요약 및 결론

기후변화에 의해 지속시간별 강우강도가 증가하였으며, 토사재해 발생률과 피해가 늘어나 사회적 이슈가 되고 있다. 강우는 토사재해를 발생시키는 직접적인 요인으로 강우와 토사재해와의 관계 분석은 토사재해 예보 및 대응 시스템 개발 등을 위해 필수적으로 선제 되어야 한다. 본 연구에서는 한국형 토사재해 강우 임계값 계산을 위하여 Melillo et al. (2018)이 제안한 도구를 개선하여 한국지형에 적합한 알고리즘을 개발하였으며, 토사재해가 많이 발생하는 강원도 지역에 이를 적용하여 토사재해 유발 강우 임계값을 산정하였다. 이상의 주요 연구 내용 및 결론은 다음과 같다.

(1) 토사재해를 유발시키는 강우 기준은 주로 강우강도와 지속시간의 관계 분석법(I-D Method)을 이용하여 제시되고 있으나, 대표 강우계 선정 방법론 및 토사재해를 유발하는 강우량 정의가 제각각으로 이에 대한 객관적 결과를 도출할 수 있는 자동 프로그램의 활용이 필요하다. 국외의 경우 이탈리아, 인도 등에서 토사재해 유발 강우량 자동 산정 프로그램의 개발 및 적용성 평가가 이루어진 바 있으며, 본 연구에서는 국내에 적합한 프로그램 개발 및 적용성 평가를 위한 기초 연구를 진행하였다.

(2) 토사재해 유발 강우량 자동 산정 프로그램은 이탈리아를 대상으로 제안한 토사재해 임계값 자동 계산 도구를 기반으로 한국지형에 적합하게 재구성하여 R 언어 기반으로 개발하였으며, 입력부, 계산부, 출력부로 구성하였다. 임계값 산정 알고리즘은 3개의 계산 블록으로 이루어져 있으며, 첫 번째 블록에서 강우사상을 재구성하고, 두 번째 블록에서 토사재해 영향 강우계를 선정한다. 세 번째 블록에서는 서로 다른 비초과확률에 따른 누적강우량과 지속시간과의 관계를 빈도론적 접근방법을 이용하여 계산할 수 있게 개발하였다.

(3) 본 연구의 대상 지역으로 산지 비율이 80% 이상이고 국내 대부분의 토사재해가 발생하고 있는 강원도 지역을 선정하였다. 대상 지역의 토사재해 이력 18건 및 해당 기간의 강우계 46개소의 정보를 수집하였다. 이때, 강원도 지역의 토사재해 피해 지점과 기상대와의 최대 거리를 고려하여 최대 허용 거리를 15 km로 프로그래밍하였으며, 기존 연구에서 제시되지 못한 최대 허용 거리를 정량적으로 제시할 수 있었다. 수집된 정보를 입력자료로 분석한 결과 대상 기간 16,423개의 강우사상이 재구성되었으며, 14개의 토사재해 이벤트가 강우로 인해 유발된 것으로 나타났고, 이에 관련된 강우사상은 36개로 도출되었다.

(4) 개별적으로 재구성된 강우량과 토사재해 데이터를 이용하여 강원도 전체의 누적 강수량과 지속시간 간의 임계값을 결정하였으며, 70%, 50% 및 10% 비초과 확률에서 누적 강수량과 지속시간 간의 상관 관계식을 도출하였다.

(5) 도출된 비초과 확률별 누적 강수량과 지속시간 간의 관계식을 이용하여 강원도 지역의 토사 재해 위험 경보를 위한 노모그램을 개발하였으며, 이를 2019년 토사재해 피해지역에 적용해 본 결과 강우 발생에 따라 토사재해 위험 수준이 증가하는 것을 확인하였으며, 토사재해 발생 약 3시간 전 가장 위험한 단계인 심각으로 높아지는 것으로 나타나 토사재해 예⋅경보시 활용 가능할 것으로 판단되었다.

본 연구는 알고리즘 기반 접근법을 사용하여 한국의 토사재해 주요 발생 지역에 대한 강우 임계값을 결정한 연구로서 토사재해 발생지점 정보로부터 대표 강우계를 선정하고, 토사재해 발생 시점으로부터 최대 허용 지연 시간과의 관계에 따라 정량적 강우 임계값을 도출하였으며, 이는 기존 연구의 이론적 한계를 보완할 수 있는 실용적 방법론을 제시한 것으로 판단된다. 본 연구에서 제안된 결과는 강원 지역에 한정된 토사재해 정보만을 이용하였으므로 추가 연구를 통해 알고리즘 검증 및 개선이 필요하다. 또한 추후 본 연구에서 사용된 알고리즘의 시스템 탑재를 통해 합리적인 토사재해 예보 서비스가 가능할 것으로 판단된다.

감사의 글

본 연구는행정안전부 지능형 상황관리 기술 개발사업의 연구비지원(과제번호 2021-MOIS37-001)에 의해 수행되었습니다.

References

1. Aleotti P. 2004;A warning system of rainfall-induced shallow failure. Engineering Geology 73:247–265.
2. Brunetti M.T, Peruccacci S, Rossi M, Luciani S, Valigi D, Guzzetti F. 2010;Rainfall thresholds for the possible occurrence of landslides in Italy. Natural Hazards and Earth System sciences 10:447–458.
3. Caine N. 1980;The rainfall intensity - duration control of shallow landslides and debris flows. Geografiska Annaler 62A:23–27.
4. Campbell R.H. 1975. Soil slips, debris flows, and rainstorms in the santa monica mountains and vicinity, southern California U.S. Geological Survey Professional Paper 851.
5. Chae B.G, Choi J.H, Jeong H.K. 2016;A feasibility study of a rainfall triggeirng index model to warn landslides in Korea. The Journal of Engineering Geology 26:235–250.
6. Choi J.R. 2018;An analysis of debris-flow propagation characteristics and assessment of building hazard mapping using FLO-2D:The case of chuncheon landslide area. Crisisonomy 14:91–99.
7. Distefano P, Peres D, Scandura P, Cancelliere A. 2022;Brief communication:Rainfall thresholds based on artificial neural networks can improve landslide early warning. Natural Hazards and Earth System Sciences 22(4):1151–1157.
8. Gariano S.L, Melillo M, Peruccacci S. 2019;How much does the rainfall temporal resolution affect rainfall thresholds for landslide triggering? Natural Hazards 100:655–670.
9. Jordanova G, Gariano S.L, Melillo M, Peruccacci S, Brunetti M.T, Jemec A.M. 2020;Determination of empirical rainfall thresholds for shallow landslides in slovenia using an automatic tool. Water 12:1449.
10. Keefer D.K, Wilson R.C, Mark R.K. 1987;Realtime landslide warning during heavy rainfall. Science 238:921–925.
11. Lee J.S, Kang H.S, Suk J.W, Kim Y.T. 2019;Development of hazard level-based rainfall threshold for prediction of rainfall-induced landslide occurrence in Korea. Journal of the Korean Society of Hazard Mitigation 19:225–236.
12. Melillo M, Brunetti M.T, Peruccacci S, Gariano S.L, Roccati A, Guzzetti F. 2018;A tool for the automatic calculation of rainfall thresholds for landslide occurrence. Environmental Modelling &Software 105:230–243.
13. Nam D.H. 2020. Development of debris flow forecasting technique using machine learning technique and rainfall radar:Focused on the gangwon province in South Korea Master's thesis, Kangwon National University.
14. Nam D.H, Lee S.H, Kim M.I, Kim B.S. 2018;Calculation of rainfall triggering index (RTI) to predict the occurrence of debris flow. The Journal of Engineering Geology 28:47–59.
15. Piciullo L, Gariano S.L, Melillo M, Brunetti M.T, Preruccacci S, Guzzetti F. 2017;Definition and performance of a threshold-based refional early warning model for rainfall-induced landslides. Landslides 14:995–1008.

Article information Continued

Fig. 1

Flow Chart of Study

Fig. 2

Component of “Automatic Calculation Algorithm of Rainfall Thresholds for Rainfall-induced Debris-flow”

Fig. 3

Data Flow of “Thresholds for Rainfall-induced Debris-flow”

Fig. 4

Study Area Map and Debris-flow Damage Photos & Location (n = 18)

Table 1

Debris Flow Occurrence Time and Location Information (n = 18)

No. Debris flow occurrence time (YYYY.MM.DD HH:MM) Longitude Latitude Administrative Division Website Ref.
1 2020.08.05 06:00 128.4609 38.4484 Geojin-eup, Goseong-gun https://www.kado.net/news/articleView.html?idxno=1034496
2 2020.08.05 06:00 128.4627 38.4510 Geojin-eup, Goseong-gun https://www.nocutnews.co.kr/news/5389938
3 2020.08.05 06:00 128.4042 38.5438 Hyeonnae-myeon, Goseong-gu https://www.nocutnews.co.kr/news/5389938
4 2020.08.03 09:00 127.7334 37.8923 Chuncheon-si https://www.kado.net/news/articleView.html?idxno=1034234
5 2020.08.02 02:00 128.1731 37.3508 Gangnim-myeon, Hoengseong-gun https://news.kbs.co.kr/news/view.do?ncd=4508059
6 2020.08.02 06:00 128.5316 37.1413 Yeongwol-gun https://news.nate.com/view/20200802n10528
7 2019.10.03 00:56 129.3241 37.2703 Wondeok-eup, Samcheok-si https://news.nate.com/view/20191003n07313?mid=n0406
8 2019.10.02 20:00 129.3209 37.1614 Wondeok-eup, Samcheok-si https://www.donga.com/news/Society/article/all/20191006/97756414/1
9 2019.10.02 23:00 128.3314 37.2569 Wondeok-eup, Samcheok-si https://www.donga.com/news/Society/article/all/20191006/97756414/1
10 2019.10.02 23:00 128.3264 37.2525 Wondeok-eup, Samcheok-si https://www.donga.com/news/Society/article/all/20191006/97756414/1
11 2019.08.12 21:20 127.8270 38.1604 Hwacheon-eup, Hwacheon-gun https://www.yna.co.kr/view/AKR20190813012800062
12 2017.08.20 02:30 127.9584 37.8150 Hwachon-myeon, Hongcheon-gun http://www.hcsinmoon.co.kr/news/articleView.html?idxno=34619
13 2017.08.20 02:30 127.9650 37.7980 Hwachon-myeon, Hongcheon-gun https://www.yna.co.kr/view/AKR20170820022700062
14 2013.07.14 07:30 128.2136 38.0402 Inje-eup, Inje-gun https://www.hani.co.kr/arti/PRINT/141633.html
15 2013.07.14 08:20 128.4138 38.0919 Seo-myeon, Chuncheon-si https://www.hani.co.kr/arti/PRINT/141633.html
16 2013.07.14 08:50 127.7564 37.8454 Dongsan-myeon, Chuncheon-si https://www.ytn.co.kr/_ln/0115_201307141303297557
17 2013.07.14 09:30 127.7822 37.8247 Dongnae-myeon, Chuncheon-si https://www.news1.kr/articles/?1237315
18 2011.07.27 00:08 127.7920 37.9356 Sinbuk-eup, Chuncheon-si https://www.kado.net/news/articleView.html?idxno=524462

Table 2

Weather Station and Rainfall Information of Study Area (n = 47)

No. ID Name Lon. Lat. Start End
1 310 GungChon 129.2647 37.32471 2010-01-01 00:00 2020-12-31 23:00
2 320 Hyangnobong 128.3138 38.33104 2011-08-05 12:00 2020-12-31 23:00
3 321 Wontong 128.1963 38.1147 2010-01-01 00:00 2020-12-31 23:00
4 322 Sangseo 127.6857 38.23158 2010-01-01 00:00 2020-12-31 23:00
5 517 Ganseong 128.4745 38.38536 2010-01-01 00:00 2020-12-31 23:00
6 518 Haean 128.1211 38.26958 2010-01-01 00:00 2020-12-31 23:00
7 519 Sanae 127.5194 38.07545 2010-01-01 00:00 2020-12-31 23:00
8 522 Hwachon 127.9838 37.78712 2010-01-01 00:00 2020-12-31 23:00
9 523 Jumunjin 128.8214 37.89848 2010-01-01 00:00 2020-12-31 23:00
10 524 Gangmun 128.9248 37.78579 2010-01-01 00:00 2020-12-31 23:00
11 527 Sindong 128.6413 37.21108 2010-01-01 00:00 2020-12-31 23:00
12 529 Wondeok 129.2859 37.14156 2010-01-01 00:00 2020-12-31 23:00
13 536 Hoengseong 127.9724 37.4876 2010-01-01 00:00 2020-12-31 23:00
14 537 Imgye 128.8459 37.48323 2010-01-01 00:00 2020-12-31 23:00
15 554 Misiryeong 128.4371 38.21439 2010-01-01 00:00 2020-12-31 23:00
16 555 Hwacheon 127.7029 38.09638 2010-01-01 00:00 2020-12-31 23:00
17 556 Yanggu 127.9853 38.09799 2010-01-01 00:00 2020-12-31 23:00
18 557 Girin 128.3186 37.95263 2010-01-01 00:00 2020-12-31 23:00
19 558 Palbong 127.7007 37.68614 2010-01-01 00:00 2020-12-31 23:00
20 559 Nae-myeon 128.3973 37.77805 2010-01-01 00:00 2020-12-31 23:00
21 560 Jinbu 128.5645 37.64793 2010-01-01 00:00 2020-12-31 23:00
22 561 Cheongil 128.1528 37.58219 2010-01-01 00:00 2020-12-31 23:00
23 562 Yeongwol-Jucheon 128.2694 37.27534 2010-01-01 00:00 2020-12-31 23:00
24 563 Bukpyeong 128.6828 37.46356 2010-01-01 00:00 2020-12-31 23:00
25 579 Hajang 128.9133 37.36684 2010-01-01 00:00 2020-12-31 23:00
26 580 Okgye 129.0289 37.61345 2010-01-01 00:00 2020-12-31 23:00
27 581 Sangdong 128.7744 37.11663 2010-01-01 00:00 2020-12-31 23:00
28 582 Sillim 128.0799 37.23146 2010-01-01 00:00 2020-12-31 23:00
29 583 Anheung 128.1551 37.46463 2010-01-01 00:00 2020-12-31 23:00
30 585 Sinnam 128.0742 37.95996 2010-01-01 00:00 2020-12-31 23:00
31 587 Bangsan 127.9533 38.22642 2010-01-01 00:00 2020-12-31 23:00
32 588 Namsan 127.6429 37.79066 2010-01-01 00:00 2020-12-31 23:00
33 593 Yangyang-Yeongdeok 128.5407 38.00731 2010-01-01 00:00 2020-12-31 23:00
34 597 Daehwa 128.4411 37.54548 2010-01-01 00:00 2020-12-31 23:00
35 661 Hyeonnae 128.4025 38.54385 2010-01-01 00:00 2020-12-31 23:00
36 670 Yangyang 128.6297 38.08725 2010-01-01 00:00 2020-12-31 23:00
37 671 Cheongho 128.5936 38.19091 2010-01-01 00:00 2020-12-31 23:00
38 674 Sabuk 128.8214 37.21963 2010-12-05 15:00 2020-12-31 23:00
39 678 Gangneung-Seongsan 128.778 37.7244 2018-12-16 21:00 2020-12-31 23:00
40 679 Gangneung-Wangsan 128.7726 37.61058 2018-12-16 21:00 2020-12-31 23:00
41 681 Wondong 127.8117 38.24379 2010-01-01 00:00 2020-12-31 23:00
42 684 Chunchon-Sinbuk 127.7763 37.9546 2013-10-02 17:00 2018-01-12 11:00
43 696 Singi 129.0861 37.34661 2010-01-01 00:00 2020-12-31 23:00
44 875 Seorak 128.4606 38.12107 2010-01-01 00:00 2020-12-31 23:00
45 876 Samcheok 129.1621 37.45003 2010-01-01 00:00 2020-12-31 23:00
46 878 Dogye 129.0961 37.22379 2010-07-09 10:00 2020-12-31 23:00

Fig. 5

(a) Distribution of the DL (Rainfall Event Duration) and EL (Cumulated Event Rainfall) Pairs, in Log-Log Coordinates (Purple Dots); (b) ECDF (The Empirical Cumulative Distribution Function) of D (Duration); (c) ECDF of E (Cumulated Rainfall)

Table 3

ED (Cumulated Event Rainfall—Duration) Equation According to the Non-Excess Probability of 70%, 50% and 10% Thresholds Deriving Rainfall Duration (hr), Cumulated Rainfall (mm), and Rainfall Intensity (mm/hr) in Gangwon-do.

Non-exceedance Probability (%) Rainfall Duration (hr) Cumulated Rainfall (mm) Rainfall Intensity (mm/hr) Cumulated Rainfall and Rainfall Duration Equation
70 6 96.4 16.1 E=(54.3) . D(0.32)
12 120.4 10.0
24 150.2 6.3
50 6 71.1 11.9 E=(40.1) . D(0.32)
12 88.8 7.4
24 110.9 4.6
10 6 34.2 5.7 E=(19.3) . D(0.32)
12 42.7 3.6
24 53.4 2.2

Fig. 6

Nomogram for Debris Flow Warning Developed by the Cumulated Rainfall and Rainfall Duration Equation (24 hr)

Fig. 7

Accumulated Rainfall Causing Debris Flow Damage to Sinnam Village in Gangwon-do

Fig. 8

Debris Flow Warning Plot Using Debris Flow Nomogram in Sinnam Village

Table 4

Debris Flow Warning Time-Series According to Accumulated Rainfall in Sinnam Village

Time 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Accumulated Rainfall (mm) 0.5 1.0 1.5 1.5 3.5 7.0 9.5 17 36 46 54 66 77 101 141 206 231 314 332 341 348 365 375 376
Warning Stage NM NM NM NM NM NM NM NM NM AL AL AL AL AL EM EM EM EM EM EM EM EM EM EM

※ NORMAL : NM, ALERT : AL, WARNING : W, EMERGENCY : EM