산사태 발생에 영향을 미치는 지형요소의 감지 및 활용

Detection and Application of Geomorphological Features Affecting the Landslide

Article information

J. Korean Soc. Hazard Mitig. 2017;17(5):157-162
Publication date (electronic) : 2017 October 31
doi : https://doi.org/10.9798/KOSHAM.2017.17.5.157
차아름*, 김태훈
* Member, 1 Ph.D. Candidate, Department of Civil and Environment Engineering, Hanyang University, 2Senior Researcher, National Disaster Management Research Institute
**Corresponding Author, Member, Senior Analyst, National Disaster Management Institute (Tel: +82-52-928-8270, Fax: +82-52-928-8299, E-mail: taihoon@ualberta.ca)
Received 2017 August 08; Revised 2017 August 16; Accepted 2017 August 29.

Abstract

산사태는 발생 전 위험성을 파악하여 예방대책을 세우는 것이 무엇보다 중요하다. 이에 본 연구는 토석류형 산사태가 쉽게 유발되는 지형적인 특성을 파악하고 유발 지역을 결정하는 방안을 제시하고자 하였다. 산사태 유발지역을 찾기 위해 지형요소를 평면도(Planarity) 기법으로 정량화하여 분석하였으며 연구지역의 산사태 발생 전, 후 지형에 적용하여 토석류형 산사태 유발여부를 검증하였다. 분석 결과 낮은 평면도 값을 보이는 지형분포는 실제 토석류형 산사태 발생지역과 유사하다는 것을 알 수 있었으며, 향후 토석류형 산사태 발생예상지역을 중심으로 토석류형 산사태 재난저감을 위한 방안을 강구하는데 효과적일 것으로 판단된다.

Trans Abstract

It is imperative to identify the risk of landslides and establish a preventive plan before they occur. In this study we proposed a methodology to identify geomorphic characteristics where landslides are easily occurred and to determine the initiation areas of debris flows. The geomorphic features are quantitatively analyzed based on the planarity technique which determines the landslide initiation areas and verified their occurrences using ground profiles before and after the landslides. Results show that there is a strong correlation between geomorphic profiles with low planarity and initiation areas of debris flows. We think, therefore, those findings are beneficial to existing or future plans for reducing debris flow disasters where especially focusing on the initiation areas.

1. 서론

산사태(Landslides)는 기후변화 및 도시화로 유발되는 자연재해의 하나로 우리나라에서는 우기철 장마와 태풍에 수반되는 집중호우, 그리고 도시화에 따른 산지개발로 인해 많이 발생하고 있다. 이중 토석류형(Debris-flow) 산사태는 일반적으로 빠른 이동속도를 보이며 사태물질이 마찰력으로 정지하기 전까지 이동경로 상에 위치하고 있는 모든 것을 파괴한다(Chae et al., 2005; Ryu et al., 2012; Cha et al., 2015). 달리 말하면 산사태 발생 전 사면상부의 인장균열과 하부의 배부름 현상 등이 발생하여 대응 및 대피가 가능한 일반적인 사면파괴와 달리 발생과 피해가 거의 동시에 일어나 대응 및 대피가 어렵고 결국 많은 인명 및 재산피해를 유발하게 된다. 대표적인 토석류형 산사태인 2017년 콜롬비아 모코아 산사태와 2011년 우면산과 춘천 산사태 모두 이러한 특성으로 인해 많은 사상자를 유발한 바 있다. 따라서 토석류형 산사태는 발생 초기에 그 위험성(risk), 즉 어디에서 발생하기 쉬운지(hazard) 파악하고, 그리고 주변에 위치하고 있는 거주인구 및 시설물 등과 같은 위험요소(element at risk)에 얼마나 영향을 미치는지(vulnerability)를 분석하여 산사태 발생 전 예방대책을 수립하는 것이 무엇보다 중요하다고 할 수 있다(Varnes, 1984).

이에 본 연구는 산사태 위험도를 평가하는 선행연구로써 토석류형 산사태가 쉽게 유발되는 지형적 특성을 파악하고 이를 이용하여 초기 산사태 유발(initiation)지역을 결정하는 방안을 제시하고자 하였다.

2. 연구 방법

산사태가 발생하면 사면상부의 인장균열, 하부의 퇴적된 토사물질 등과 같은 특유의 거칠고(rough), 비균등한(non- uniform) - 산사태 비발생지역과 뚜렷이 구분되는 - 지형요소가 생성되게 되며, 이러한 지형요소들은 향후 산사태 발생 가능성이 높고 낮은 지역으로 구분하는 지표로 활용할 수 있다(Cha et al., 2015). 왜냐하면 산사태로 유발된 지형요소들은 반복된 붕괴로 인해 구성물질의 강도가 저하되고, 느슨한 상태의 토층 내부의 물의 흐름이 증가하여 결국 붕괴가 재발되기 쉬운 환경을 구성하기 때문이다(Burns and Mickelson, 2016). 따라서 과거 산사태가 발생한 지형정보는 산사태 발생이력(Inventory)으로의 활용과 또한 향후 발생할 수 있는 잠재적인 산사태의 위치를 확인하는데 유용한 기초자료로 활용할 수 있다.

지형정보를 산사태 위험도에 활용하는 연구는 무엇보다 지형정보의 정량화가 필수적이다(Cha and Kim, 2014). 정량화된 지형정보는 산사태 발생 및 향후 발생가능 정도를 파악하는데 유용하기에 많은 연구들이 이러한 지형정보의 정량화에 따른 장단점과 그 활용성에 대해 논한 바 있다(Glenn et al., 2006; Kaplan, 2006; Delacourt et al., 2007; Sappington et al., 2007; Teza et al., 2008). 그 중 방향성을 고려한 통계적 분석은 상세하고 대량의 지형정보를 처리하는데 유용하다(Mark, 1974; Woodcock, 1977).

특히, 평면이 아닌 구(sphere)로 표현되는 3차원 공간에서의 축방향 데이터의 분포 및 공통방향은 고유치(Eigenvalue)로 변환하여 단순화시킬 수 있는 장점이 있다(Watson, 1966). Baek and Kim(2015)은 축방향 데이터를 고유치의 비로 나타낸 것이 평면도(Planarity)로 정의한바 있으며, 지형의 평면정도를 나타내는 무차원 값이라 할 수 있다. 평면도를 수식으로 표현하면 다음과 같다.

(1)P=In(S1/S2)

여기서, ln은 자연로그이며, S1와 S2는 정규화된 고유치이다(S=λi/N, N은 전체 축방향 데이터). 3차원 공간에서의 고유치(λi, i=1, 2, 3)는 단위벡터의 방향 코사인(direction cosine)으로 구성된 방향 매트릭스(orientation matrix)의 해(root)와 같다(Baek and Kim, 2015). 정규화된 고유치의 비(ratios)는 3차원 구 평면 위 축방향 데이터의 분포형태를 보여주는데, 전술한 Eq. (1)의 고유치 비는 축방향 데이터의 균등분포 정도를 나타내고 있다. 즉, Eq. (1)의 평면도 값이 높은 경우는 각 평면을 구성하는 축방향 데이터의 단위벡터가 일정한 방향으로 수렴하는 경우를 가리키며 결과적으로 매끄러운(smooth) 지형을 나타낸다고 할 수 있으며 반대로 낮은 경우는 축방향 데이터의 단위벡터가 서로 다른 방향을 가리키며 결과적으로 거친(rough) 지형을 가리키게 된다.

평면도를 활용한 지형요소의 정량화는 먼저 항공 LiDAR 로 측정한 데이터를 활용, 1 m 격자의 수치표고모델(Digital Elevation Model, DEM)을 구축하는 것으로 시작한다. 수치표고모델은 산사태 발생 전 지형상태에서 실제 발생한 산사태를 예측하기 위해 2009년 측정데이터를 기반으로 구축되었다. 다음으로 구축된 수치표고모델을 이용하여 연구지역의 지형에 대한 경사, 경사방향, 방향 코사인을 계산하게 된다. 각각의 방향 코사인은 3차원 방향 매트릭스(3×3)의 요소들로 사용되고, 고유치(λ)는 이 방향 매트릭스의 특성방정식을 계산하여 얻을 수 있으며, 이 값을 다시 연구지역 전체 축방향 데이터의 수(N)로 나누어 정규화(S)하였다. Baek and Kim(2015)Cha and Kim(2014)은 고유치를 도출하는 보다 자세한 방법을 설명하고 있다.

3. 연구 지역

본 연구의 연구지역은 서울 남부에 위치하고 있는 우면산으로 비교적 낮은 구릉으로 이루어져 있으며 조산운동과 풍화에 따른 다양한 종류의 편마암으로 구성되어 있다(Jeong et al., 2011). 풍화가 심하고 복수의 단층, 다수의 산책로와 정상부의 군 기지 등으로 인해 연구지역은 산사태 발생 위험도가 상대적으로 높은 상태에서, 지난 2011년 7월 27일 산사태가 발생하여 많은 인명피해와 재산피해를 유발하였다. Fig. 1Table 1은 2011년 산사태 발생현황을 보여주고 있다.

Fig. 1

Study Area. Black Rectangle Shows the Boundary of Fig. 2. White Circles Are Locations of Landslides in 2011 (Data from Yoo et al., 2014)

Fig. 2

Raemian, Imgwang Apartment (No. 1 in Table 1). Aerial Photographs Were Taken by National Geographic Information Institut

Landslides Occurred on the Study Area (Data from Yoo et al., 2014)

Table 1과 같이 2011년 우면산에서는 13곳에서 총 150개의 산사태가 발생하였으며(Yoo et al., 2014), 대부분 토석류형(Debris-flow) 산사태의 형태를 보였다(Evans, 1982). 가장 많은 산사태가 발생한 곳은 형촌마을(No. 3)로 총 30개가 발생하였으며 가장 규모가 큰 지역은 래미안-임광아파트(No. 1)지역으로 940 m3의 토사가 발생부에서 유출되었다. 본 연구에서는 토석류 산사태가 쉽게 유발되는 지형적 특성을 확인하기 위해 소규모 지역보다는 일정규모 이상의 지역이 유리할 것으로 판단하여, 가장 많은 토사를 유발한 래미안- 임광 아파트 지역을 세부 연구지역으로 선정하였고, 총 6개의 산사태 중 항공영상으로 뚜렷한 산사태 흔적이 보이고 높은 고도에 위치한 4개소에 대해서 연구를 수행하였다(Fig. 2).

산사태 발생 시점과 퇴적 지점의 높이는 각각 260 m와 80 m로, 표고차는 약 180 m로 계측되었으며 토석류형 산사태의 최대 이동거리는 620 m, 경사 변화는 정상부 약 40°에서 사면하부 10°까지로 나타났다(Yoo et al., 2014).

4. 결과 및 토의

4.1 지형요소의 정량화

본 연구에서 제시한 평면도(Planarity) 기법을 연구지역에 적용한 결과를 보면 Table 2Fig. 3과 같다. Fig. 3에 나타낸 평면도의 구분은 Kasai 등(2009)이 제시한 분류를 기준으로 하였다(Table 3). Kasai 등(2009)은 일본의 Kii 산맥에 혼재되어 있는 과거 산사태 흔적을 항공 LiDAR를 이용, DEM 자료를 구축하고 도출된 산사태 지형을 고유치의 비율로 나타내었고, 각각의 비율이 공통적으로 보여주는 지형적인 특징을 Table 3과 같이 정의하였다. 다만, 본 연구에서는 Kasai 등(2009)의 연구결과를 확장하여 평면도가 6 이상의 지형을 다시 구분, 각각의 특징을 정의하였다(Table 3). 이는 연구지역의 일부가 도시화(urbanization)됨에 따라 일률적으로 적용한 평평한 지역(smooth surfaces)을 세분화하여 각각의 지형적 특성을 파악할 필요성이 대두되었기 때문이다.

Distribution of Planarity in the Study Area

Fig. 3

Spatial Distribution of Planarity in the Study Area (BlackRectangle Shows the Boundary of Fig. 5). LiDAR Data are Takenby National Geographic Information Institute

Fig. 5

Distribution of Planarity on the Mountain Area and Corresponding Locations of Landslides

Relationship Between Planarity Values and Their Geomorphological Features

Fig. 3에 나타낸 바와 같이 “매우거침(very rough)”으로 정의된 낮은 평면도 값(2.75 미만)은 주로 주계곡, 지류, 그리고 정상에 위치한 군부대 인근의 상부사면에 분포하고 있으며 분석대상 전체의 0.3%를 차지하고 있다. “보통거침(moderately rough)”은 평면도 값이 2.75에서 4 미만 이며 전체 분석대상 지역의 2.8%를 차지하며 주로 “매우거침” 지역을 둘러싸고 있는 분포로 되어 있다. 이와는 대조적으로 “약간 거침(slightly rough)”으로 정의된 지역(평면도 4에서 6)은 대부분의 완경사 지역에 분포하고 있다.

이 범주가 차지하는 비율은 전체 분석대상 지역 대비 37.1%의 비율을 보인다. 평면도가 6에서 8 미만인 지역 또한 완경사 지역에 분포되어 있다.

“상대적으로 평평(relatively flat)”으로 정의된 이 지역은 전체 분석 대상 사면 중 가장 많은 지역인 49%에 해당하며 완경사 지역에 집중되어 있다.

마지막으로 “대부분 평평(mostly flat)”과 “완전 평평(completely flat)” 지역(각각 평명도 8에서 10미만과 평면도 10 이상)의 경우 사면하부의 도로와 15도 이상의 경사지역에 위치하고 있는 인공구조물의 기초부분에 분포하고 있으며 그 비율은 각각 10.2%와 0.6%로 나타났다.

4.2 평면도에 따른 산사태 유발 여부 확인

서론에서 언급한 바와 같이, 본 연구의 주된 목적은 산사태가 쉽게 유발되는 지형적 특성을 파악하여 토석류 산사태 유발지역인지 확인하는 것이다. 이를 위하여 ① 평면도를 활용하여 가장 거친 지역을 선정하고; ② 그 지역에서 토석류 산사태가 시작됨을 증명하는 2단계의 과정을 거칠 필요가 있다.

먼저 Fig. 3에 나타낸 연구지역의 평면도 중 주요계곡, 지류, 그리고 정상에 위치한 군부대 인근의 상부사면에 분포하고 있는 매우 거친 지형으로 정의된 평면도만을 고려할 필요가 있다. 다만, 토석류형 산사태가 시작되는 지점이 연구지역 내에서 고도가 높고, 사면경사가 급한 지역인 점을 감안하여 우면산이 시작되는 고도 80 m 이상, 연구지역의 평균경사 21.5° 이상의 지역으로 분포범위를 제한하였다. Fig. 4는 이러한 조건을 만족하는 매우 거친 지형, 즉, 낮은 평면도 값을 보여주고 있다. Fig. 4는 또한 연구지역에서 실제 산사태가 발생한 지역을 도시하였는데, 그림이 보여주는 바와 같이 실제 산사태 발생위치와 평면도가 매우 낮은, 즉, 매우거친 지형의 위치는 일치하는 것을 알 수 있다. 뿐만 아니라 이러한 매우 거친 지형 중 지형 프로파일이 급격하게 변하는 지역, 즉, 정상부에 위치한 도로나 임도와 인접한 사면에서 산사태 발생 가능성이 높은 것으로 나타났다. 2011년 토석류 산사태 역시 주로 정상부의 도로를 기준으로 도로 직하부에서 시작되었음을 알 수 있다(Fig. 5).

Fig. 4

Distribution of “Very Rough (Planarity Value Less Than2.75)” areas (Black Rectangle Shows the Boundary of Fig. 5)

한편, Fig. 5에서 나타난 바와 같이 일부지역에서는 평면도가 낮음에도 불구하고 산사태가 발생하지 않은 것으로 나타났다. 이는 산사태의 발생이 단순히 지형적 요소만으로 결정되는 것이 아니며, 내⋅외부적인 요인들간의 상호작용에 의해 유발되는 복합적인 자연현상임을 반증하는 것이다. 따라서, Fig. 5에서 나타나는 불일치는 본 연구의 한계를 보여준다고 할 수 있다. 그렇지만, 이러한 한계점에도 불구하고 본 연구에서 제시한 기법은 개략적인 위험지역을 파악하고 정밀조사를 위한 우선순위 선정시 기존의 방법에 비해 효과적으로 활용될 수 있을 것으로 판단된다.

5. 결론

본 연구에서는 산사태 위험도를 평가하는 선행연구로써 토석류형 산사태가 쉽게 유발되는 지형적 특성을 파악하고 초기 산사태 유발(initiation)지역을 결정하는 방안을 제시하고자 하였다. 이를 위해 산사태 유발지역의 지형요소를 평면도(Planarity) 기법으로 정량화하여 산사태 발생 전⋅후 지형에 적용, 토석류형 산사태 유발여부를 검증하였다. 분석 결과 낮은 평면도 값을 보이는 지형분포는 실제 토석류형 산사태 발생지역과 유사성이 있는 것으로 나타났다. 하지만 본 연구결과의 범용성을 확보하기 위해서는 다른 지역에서도 이와 같은 유사관계가 성립하는지에 대한 지속적인 연구가 필요할 것으로 판단된다. 다만 현시점에서 본 연구의 결과물은 향후 토석류 산사태 발생이 예상되는 지역을 선정하고, 이러한 지역을 중심으로 예방대책을 강구하는데 있어 가장 효과적인 수단이 될 것이라고 사료된다.

References

1. Beak M.H, Kim T.H. 2015;A Study on the Use of Planarity for Quick Identification of Potential Landslide Hazard. Natural Hazards and Earth System Sciences 15(5):997–1009. 10.5194/nhess-15-997-2015.
2. Burns W.J, Mickelson K.A. 2016;Protocol for Deep Landslide Susceptibility Mapping. Oregon Department of Geology and Mineral Industries, Special Paper 48
3. Cha A.R, Kim T.H. 2014;Analysis on the Characteristics of Geomorphological Features Affecting the Initial State of Landslides. Journal of the Korean Geotechnical Society 30(6):61–68. 10.7843/kgs.2014.30.6.61.
4. Cha A.R, Kim T.H, Gang S. 2015;Application of Geomorphological Features for Establishing the Pre- liminary Landslide Hazard. Journal of the Korean Society for Geospatial Information Science 23(3):23–29. 10.7319/kogsis.2015.23.3.023.
5. Chae B.G, Kim W.Y, Lee C.O, Kim K.S, Cho Y.C, Song Y.S. 2005;A Study on Transportation Characteristics of Debris Dependent on Geologic Conditions. Journal of Engineering Geology 15(2):185–199.
6. Delacourt C, Allemand P, Berthier E, Raucoules D, Casson B, Grandjean P, Pambrun C, Varel E. 2007;Remote Sensing Techniques for Analysing Landslide Kinematics:A Review. Bull. Soc. Geol. France 178(2):89–100. 10.2113/gssgfbull.178.2.89.
7. Evans S.G. 1982;Landslides and Surficial Deposits in Urban Areas of British Columbia:A Review. Can. Geotech. J 19(3):269–288. 10.1139/t82-034.
8. Glenn N.F, Streutker D.R, Chadwick D.J, Thackray G.D, Dorsch S.J. 2006;Analysis of LiDAR-derived Topographic Information for Characterizing and Differentiating Landslide Morphology and Activity. Geomorphology 73(1-2):131–148. 10.1016/j.geomorph.2005.07.006.
9. Jeong H, Choi K, Shin H, Kim J, Bae G, Han M, Lee S, Song Y.S, Jang S.C, Chae B.G, Hwang Y.C, Ahn J.H, Yoo B.O, Kwon O.I. 2011. Investigation on Cause and Establishment of Mitigation for Mt. Umyeon Landlsides. Final Report Seoul Metropolitan Government. Seoul, Korea:
10. Kaplan V. 2006. Using Textural Information for Classification of Remote Sensing Imagery Proceedings of the International Symposium GIS Ostrava 2006. Ostrava, Czech Republic:
11. Kasai M, Ikeda M, Asahina T, Fujisawa K. 2009;LiDAR-derived DEM Evaluation of Deep-seated Landslides in a Steep and Rocky Region of Japan. Geomorphology 113(1-2):57–69. 10.1016/j.geomorph.2009.06.004.
12. Mark D.M. 1974;On the Interpretation of Till Fabrics. Geology 2(2):101–104. 10.1130/0091-7613(1974)2<101:OTIOTF>2.0.CO;2.
13. Ryu H.J, Shin J.H, Seo H.S, Kim G.H, Lee S.W. 2012;A Model for Evaluation of Debris Flow Risk in a Watershed. J. Korean Soc. Hazard Mitig 12(4):67–76. 10.9798/KOSHAM.2012.12.4.067.
14. Sappington J.M, Longshore K.M, Thompson D.B. 2007;Quantifying Landscape Ruggedness for Animal Habitat Analysis:A Case Study Using Bighorn Sheep in the Mojave Desert. J. Wildl. Manag 71(5):1419–1426. 10.2193/2005-723.
15. Teza G, Pesci A, Genevois R, Galaro A. 2008;Characterization of Landslide Ground Surface Kine- matics from Terrestrial Laser Scanning and Strain Field Computation. Geomorphology 97(3-4):424–437. 10.1016/j.geomorph.2007.09.003.
16. Varnes D.J. International Association of Engineering Geology(IAEG) Commission on Landslides and other Mass Movement on Slopes. Landslide hazard Zonation:A Review of Principles and Practices 1984. UNESCO. Paris:
17. Watson G.S. 1966;Statistics of Orientation Data. Journal of Geology 74(5):786–797. 10.1086/627211.
18. Woodcock N.H. 1977;Specification of Fabric Shapes Using an Eigenvalue Method. Geological Society of America Bulletin 88(9):1231–1236. 10.1130/0016-7606(1977)88<1231:SOFSUA>2.0.CO;2.
19. Yoo K.Y, Won J.S, Yoo Y.M. 2014. Additional and Complementary Research on Landslide Causes in Mt. Umyeon Final Report, Seoul Metropolitan Government. Seoul, Korea:

Article information Continued

Fig. 1

Study Area. Black Rectangle Shows the Boundary of Fig. 2. White Circles Are Locations of Landslides in 2011 (Data from Yoo et al., 2014)

Fig. 2

Raemian, Imgwang Apartment (No. 1 in Table 1). Aerial Photographs Were Taken by National Geographic Information Institut

Table 1

Landslides Occurred on the Study Area (Data from Yoo et al., 2014)

 No.    Representative area  Individual initiation zone 
No. Type1
1 Raemian, Imgwang Apartments 6 OD
2 Sindonga Apartment 3 OD
3 Hyungchon Village 30 CD
4 Jeonwon Village 22 CD
5 Bodeok Temple 14 OD
6 Songdong Village 18 CD
7 Umyeonsan Tunnel 2 CD
8 Educational Broadcasting System Buildings  3 CD
9 Gwanmun Temple 5 CD
10 Gangnam Church 11 CD
11 Seoul Arts Center 15 OD
12 Deokwoo Temple 5 OD
13 Dwit-gol 16 OD
Total 150
1

OD: Open slope debris flow; CD: Channelized debris flow (Evans, 1982)

Fig. 2

Raemian, Imgwang Apartment (No. 1 in Table 1). Aerial Photographs Were Taken by National Geographic Information Institut

Table 2

Distribution of Planarity in the Study Area

Planarity*(%)
less than 2.75  2.75 ~ 4.0   4.0 ~ 6.0   6.0 ~ 8.0   8.0 ~ 10.0  over 10.0
0.28 2.83 37.12 48.95 10.23 0.58
*

Min.: 0.96, Max.: 16.06, Average: 6.37

Fig. 3

Spatial Distribution of Planarity in the Study Area (BlackRectangle Shows the Boundary of Fig. 5). LiDAR Data are Takenby National Geographic Information Institute

Fig. 5

Distribution of Planarity on the Mountain Area and Corresponding Locations of Landslides

Table 3

Relationship Between Planarity Values and Their Geomorphological Features

Planarity Description   Geomorphologic features1
 Under 2.75  Very rough Cracked bedrock outcrops, sharp slope rises
2.75 - 4.0  Moderately rough  Coarse colluvial deposits, gently undulating surface 
4.0 - 6.0 Slightly rough Gently undulating surface
6.0 - 8.0 Relatively flat Smooth surfaces
6.0 - 8.0 Mostly flat
over 10 Completely flat
1

Modified from Kasai et al., 2009

Fig. 4

Distribution of “Very Rough (Planarity Value Less Than2.75)” areas (Black Rectangle Shows the Boundary of Fig. 5)

Fig. 5

Distribution of Planarity on the Mountain Area and Corresponding Locations of Landslides