J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 18(1); 2018 > Article
연속강우 기반의 광역도시 산사태 예⋅경보 모델 개발

Abstract

In this study, a citywide early warning model capable of predicting landslide and debris-flow disasters was developed, in response to the increasing frequency and intensity of such disasters due to climate change. The model, which considers geo-data with spatial variability in addition to rainfall data with temporal variability as input parameters in real-time, generates and displays a map of five warning levels by applying five thresholds developed using various approaches in a stepwise and overlapping manner through a decision tree. In order to validate the spatial/temporal performance (accuracy and efficiency) of the model, a case study on landslide events in 2009 was modeled for early warning state changes. The model, which was developed by adopting the advantages and overcoming the limitations of existing internal and external early warning systems, is expected to function as an effective and rliable diasaster management tool for decision makers.

요지

본 연구에서는 기후 변화로 인해 대형화, 빈발화되고 있는 산사태 및 토석류 재난을 효과적으로 예측하고 위험성을 판단 및 표출할 수 있는 광역도시 대상의 예⋅경보 모델을 개발하였다. 시간적 변동성을 갖는 강우자료 뿐만 아니라 공간적 변동성을 갖는 지형⋅지반 특성 등의 자료를 입력인자로서 실시간으로 고려하는 본 모델은 다양한 접근법을 통해 개발된 5개 규준들을 의사결정 흐름도를 통해 단계별로 중첩적으로 적용함으로써 총 다섯 개 등급의 예⋅경보 맵을 자동으로 표출한다. 한편, 개발된 모델의 성능 및 적용성 평가를 위해, 2009년 산사태 사례를 대상으로 예⋅경보 등급 변화를 모의함으로써 본 모델의 공간적⋅시간적 정확성 및 효율성을 분석하였다. 기존의 국내외 예⋅경보 시스템들의 장점들을 수용하고 한계점들을 극복하고자 한 본 모델은 궁극적으로 재난관리주체가 효과적으로 사용할 수 있는 신뢰성 높은 재난관리 도구로서 기능할 수 있을 것으로 판단된다.

1. 서론

전 지구적 기온상승으로 인해 최근 기후 연중분포의 양극단을 차지하는 한파, 열파, 집중호우, 폭설, 폭풍, 가뭄 등의 극한기후현상의 발생 빈도 및 강도가 증가하고 있으며(IPCC, 2013), 이에 따라 인적⋅물적 재난 또한 빈발화 및 대형화되고 있다. 복잡한 지리적 특성으로 인해 기후 변동성이 큰 동아시아 지역의 우리나라 또한 극한기후 현상의 출현 빈도와 강도가 증가 추세에 있으며(National Institute of Meteorological Research, 2012), 특히 많은 연구들에 의해 여름철(6~9월) 강우량 증가와 집중호우의 발생빈도 및 강도의 상승이 보고되고 있다(Lee et al., 2011; Choi et al., 2010; Choi et al., 2008; Choi et al., 2011). 이와 같이 국지적으로 단시간 내에 집중되는 강우의 발생 빈도수와 절대량의 증가는 산사태 관련 재해로 인한 피해 급증의 원인이 되고 있다. 산림청 통계자료(Korea Forest Service, 2016)를 분석한 Fig. 1에 따르면, 연도별 전국 산사태 피해 면적과 복구비용이 2000년대에 들어서면서 급격히 증가하였으며, 이는 기후변화로 인한 국내의 극한강우 빈도수 및 강도 증가 시점과 전반적으로 일치한다. 산사태 희생자 수는 전체 자연재해 희생자 수의 약 20%를 차지하고 있으며(National Emergency Management Agency, 2009), 2000년 이후 피해복구비는 연평균 약 800억 원(Korea Forest Service, 2016)에 육박하고 있다.
Fig. 1
Annual Trend of Landslide Damage Area and Recovery Cost in Korea
KOSHAM_18_01_099_fig_1.gif
국내의 극한강우 증가 추세는 앞으로도 심화될 것으로 전망되며(Kim et al., 2013; Korea Meteorological Administration, 2014), 뿐만 아니라 도심지 내 산지에서는 지속적인 택지 개발로 인해 점차적으로 토사재해 취약성이 높아지고 있다. 이에 대응하여, 본 연구에서는 지자체 또는 정부차원에서 광역지역 및 국부지역을 대상으로 산사태 재해를 효과적으로 예측하고 대응하기 위한 실시간 산사태 예⋅경보 모델을 개발하였다. 본 모델은 실시간 강우입력 자료와 지반특성을 고려하여 위험수준에 따른 총 다섯 개 예⋅경보 등급을 결정한다. 본 모델은 보편적으로 사용되는 강우규준 뿐만 아니라, 통계적 접근법, 수치해석 및 물리기반의 접근법 등으로 정의된 규준들을 중첩적으로 사용함으로써 예측의 신뢰도를 향상시키고자 하였으며, 단순 사면파괴보다 상대적으로 피해위험이 큰 토석류 형태로 전환될 가능성이 큰 지역은 최고 예⋅경보 단계로 판별이 가능하다. 마지막으로, 부산광역시에서 100건 이상의 산사태를 유발한 2009년 7월 사례를 대상으로 예⋅경보 등급 변화를 모의함으로써, 본 모델의 성능(정확성 및 효율성 등)을 평가하였다.
한편, 본 연구에서 사용되는 용어로서 산사태(landslide)는 집중강우로 인해 산지 자연사면의 토층 전단강도의 급격한 감소에 기인하는 모든 유형의 지반재해를 포괄하고 있다. 예로, 도심지 인접 급경사지의 전단붕괴(slope failure) 뿐만 아니라 산지 상부에서 전단파괴된 토사가 토석류(debris flow)로 발전하는 경우 등이 모두 산사태의 범주에 속한다. 이와 비교하여 돌발홍수(flash flood)는, 집중호우로 인해 산지 계곡/하천의 수위 및 유속의 급격한 상승으로 인해 유발되는 수문학적 재해를 포괄하며 계곡형 토석류를 포함한다는 점에서 산사태와 교집합을 가진다. 본 연구에서는, 돌발홍수가 아닌 산사태로 유발되는 재해에 초점을 맞춰 예⋅경보 모델을 개발하였다.

2. 문헌 고찰

대만은 NCDR(the National Science & Technology Center for Disaster Reduction)과 SWCB(Soil and Water Conservation Bureau)를 중심으로 대만 내 토석류에 대한 실시간 모니터링 시스템을 구축하고 해당 시스템에서 관측되는 자료를 바탕으로 집중호우 시 토석류 조기경보를 발령하고 주민들을 대피시키는 방재체계를 운영하고 있으며, 정확한 경보기준 정립을 위해 지속적으로 연구개발을 수행하고 있다. 이탈리아에서는, 국토 전역에서 과거 산사태를 유발시킨 2,300개 이상의 강우 자료 및 종합 DB를 구축한 후 이를 분석하여 제작된 경험적 강우 임계 규준과 강우 예보 및 관측 자료를 비교하여 산사태 발생을 예측하는 시스템을 운영 중이다. 강우 예보 자료를 얻기 위해 기상 예보 수치 모델이 사용되며, 관측 자료는 전국에 분포된 강우 관측소로부터 획득하고 있다. 강우 임계 규준은 강우강도-강우기간 관계 기반으로 제작되었으며, 이를 이용하여 다섯 개로 분류된 임계 수준을 결정하게 되고 임계 수준 분석을 통해 산사태 발생 가능 정도를 판단하고 있다. 이어서, 지형, 지질, 지반 인자를 이용한 산사태 민감도 분석 지도에 본 강우 임계 수준을 결합하여 실시간 위험지수(Hazard index)를 도출하는 개념의 Web-GIS 기반 산사태 조기 경보시스템을 구축하였다. 미국에서는, 예측 강우자료를 활용하여 1~2일 이후에 발생할 산사태 예⋅경보 모듈과 현재 관측 강우자료를 활용한 현 시점 예⋅경보 모듈이 독립적으로 병행하여 운영되고 있다. 시스템에 사용되는 규준은 총 3가지로써, 장기적인 누적 강우의 효과를 고려하는 ‘누적 강우량 규준’, 단기적인 집중강우 효과를 고려하며 가장 일반적으로 많이 사용되는 ‘강우강도-지속시간 규준’, 그리고 지반의 습윤화 정도를 추정하는 ‘지반습윤화지수’가 순차적으로, 또는 동시에 사용되어 예⋅경보 수준이 결정된다(Baum and Godt, 2010).

3. 대상지역 분석: 부산광역시

3.1 연속강우량 및 산사태 발생 추이

대한민국에서 두 번째로 큰 도시인 부산광역시는, 과거부터 꾸준히 크고 작은 산사태 피해를 입어온 대표적인 지역이다. 최근에는 2009년에 100건 이상의 산사태 발생이 기록되었고, 산지가 많은 지형여건 상 여유 택지 부족으로 인해 점차적으로 산지개발이 증가함에 따라 산사태 위험에 노출되어 있는 주거지 또한 증가하고 있다. Fig. 2는 부산광역시 산림녹지과에서 제공한 자료를 토대로 분석한 결과인데, Fig. 2(a)에서는 2003년부터 2016년까지 총 14개년 중 8개 년도에 각각 산사태가 적어도 2건 이상이 산림녹지과에 접수되었으며 특히 2009년에는 산림녹지과에서 수집된 산사태 발생 건수만 총 172건으로, 그로 인한 총 피해금액이 약 100억원을 웃돌았음을 알 수 있다. 한편, Fig. 2(b)에서는 2009년부터 2016년까지 산림녹지과로부터 기록된 산사태 발생 건수와 각 년도 별 여름철(6월~9월) 최대 연속강우량과의 관계를 보여주고 있다.
Fig. 2
Several Statistics in Relation to Landslides in Busan
KOSHAM_18_01_099_fig_2.gif
여기서 연속강우량이란, 하나의 강우사건 내에서 누적된 강우량을 뜻하는데, 이 때 강우의 연속성이 시작 또는 종료된 것으로 판단되는 시점을 기준으로 연속강우사건들은 구분된다. 연속성을 판단하는 기준은 Fig. 3과 같이 강우의 첫 관측 이전 또는 마지막 관측 시점 이후 24시간 이상의 강우 없는 기간으로 정의된다. 즉, 강우가 그친 이후 24시간 동안 어떤 새로운 강우도 관측되지 않을 때 하나의 연속강우는 종료된다. 그 이후로 발생하는 강우는 새롭게 누적되는 별개의 연속강우로 정의된다. 따라서, 연속강우의 지속시간은 24시간 이상의 비 그침이 없는 한 계속해서 연장될 수 있다.
Fig. 3
Concept of Continuous Rainfall
KOSHAM_18_01_099_fig_3.gif
다시, Fig. 2(b)를 통해 알 수 있듯이 부산시에서 우기 최대 연속강우량이 250 mm 이상을 기록한 년도에는 10여 건 이상의 다수의 산사태가 발생하였으며, 전반적으로 연속강우량과 산사태 발생 정도는 서로 비례하는 경향이 있음을 확인할 수 있다. 특히, Fig. 4와 같이 실제 과거(2009년 이후) 산사태를 유발한 연속강우 사건들을 수집하여 분석한 결과 전반적으로 산사태 발생을 유발하는(지반을 불안정하게 만드는), 또는 다수의 산사태를 유발하는 임계 연속강우량이 존재함을 추정할 수 있다. 따라서, 본 연구에서 개발한 부산광역시 실시간 산사태 예⋅경보 모델에서는 본 연속강우량 개념을 활용하는 두 개의 강우규준을 활용할 뿐만 아니라, 침투해석과 역학적 안정성 평가방법에 근거하여 도출된 물리 기반의 사면 불안정 유발 연속강우량을 예⋅경보 수준 결정을 위한 하나의 규준으로 적용하였다.
Fig. 4
Continuous Rainfall Events that Triggered Landslides in Busan from 2009 to 2016
KOSHAM_18_01_099_fig_4.gif
한편, 산사태 연구에서 기준(Ham et al., 2014; Hong et al., 2016)과 규준(Yoon et al., 2015; Kang et al., 2016)이 혼용되어 사용되고 있으나, 대피 및 대응과 직결된 재난 예⋅경보 분야의 특성을 고려하여 본 연구에서는 사전적으로 ‘행동 및 판단 시 따르고 지켜야 할 가치 판단 기준’을 지칭하는 ‘규준’으로 용어를 통일하여 사용하였다.

3.2 산사태 발생이력 GIS DB 구축

본 연구에서는, ‘위성 및 항공영상 기술들을 활용한 간접적 현장 조사’ 방법을 통해 부산지역 산사태 발생이력 DB(산사태 발생부에 대한 지점 및 시점 자료)를 구축하였다. 우선, 부산에서 발생한 과거 산사태 발생 위치 및 시간에 대한 기본적인 자료 확보를 위해 지자체⋅정부⋅국립 연구원⋅대학교 등의 기존 보유자료 수집, 과거 보도자료 등 인터넷 검색 등의 다양한 경로를 통하여 기본 자료들을 수집하였다. 본 자료들을 통해 피해 위치에 대한 지번주소(시-구-동-산 번호 등)를 파악하였으며, 이를 바탕으로 국내 포털사이트의 지도 서비스에서 제공하는 연도 별 항공뷰와 로드뷰 기능, 그리고 Google Earth에서 제공하는 연도 별 3차원 위성사진 등 그 외의 이미지 서비스들을 활용한 간접적인 현장조사 방법과 주변 시설물, 산사태 유형, 피해 규모 등 주어진 단서(정보)들을 바탕으로 산사태 발생부를 확인 또는 추정하였다. 이와 같은 방법을 통해 최종적으로 1999년부터 2014년까지 부산에서 발생한 총 303개 산사태 발생부에 대한 point feature GIS DB를 구축할 수 있었다(Fig. 5). 본 DB는 각 강우사건(산사태 발생 날짜) 별로 구축되었으며, 데이터의 산사태 발생부 위치 정확도에 따라 세 개 등급으로 구분되었다. 한편, 피해 면적이 4 ha 이상이거나, 피해 금액이 1억원 이상인 산사태는 대규모 산사태로 구분하여 데이터를 구축하였으며, 이들은 산사태 총 303개 중 31개 현장에 해당하였다. 한편, 본 DB에 구축된 산사태 발생 지역 외에도 지도 상에서 위치 파악이 전혀 되지 않거나 추정되는 영역이 너무 넓어 가능 오차 거리가 커져 제외한 산사태 자료들도 다수이며, 실제로는 산사태가 발생했지만 위치가 산지 내부이거나 개발이 덜된 지역인 관계로 발견 또는 기록이 되지 않은 지역들도 다수일 것으로 사료된다.
Fig. 5
Landslide Historical GIS Data in Busan
KOSHAM_18_01_099_fig_5.gif

4. 실시간 산사태 예⋅경보 모델 개발

4.1 입력(Input) 인자 데이터베이스 구축

국내 산사태 및 토석류는 강우(변동인자)에 따른 지반(고정인자)의 반응 현상에 의해 유발된다. 따라서, 이와 같은 현상의 예측 정확도는 적용하는 모델들의 이론 및 기술적 측면 뿐만 아니라, 대상지역의 강우 및 지반 입력(Input)인자들의 데이터 정확도에 크게 영향 받는다. Table 1은 본 예⋅경보 모델(LEWM)에 적용된 다섯 가지 규준과 각각의 입력인자, 그리고 이들에 대한 부산전역 데이터를 구축한 방법을 요약하고 있다. 우선, 강우인자 데이터는 부산지역에 분포하고 있는 총 17개의 기상청(KMA) 강우관측소들로부터의 자료를 이용한다.
Table 1
List of Input Parameters for LEWM and Methodologies for Data Set-up
Thresholds in LEWM Input Parameters Methodology for Data Set-up (Data Source)
IERL Continuous Rainfall • 17 rainfall observatories distributed in Busan (KMA)
20-day Antecedent Rainfall • 17 rainfall observatories distributed in Busan (KMA)
Storage Capacity • Soil depth data obtained from DEM and Z-model (Saulnier et al., 1997)
• SWCC data empirically estimated using an artificial neural network model (geological map from KIGAM; Kim et al., 2007)
• Laboratory-tested SWCC data was entered for some sites (past national research project reports)
Saturated Hydraulic Conductivity • Empirically estimated using a multiple regression analysis model (Yoon et al., 2015; forest-soil map from KFS; geological map from KIGAM; Kim et al., 2007)
• Laboratory-tested data was entered for some sites (the past national research project reports)
ID Mean Intensity • Continuous rainfall divided by duration
• 17 rainfall observatories distributed in Busan (KMA)
Duration • 17 rainfall observatories distributed in Busan (KMA)
CRFOS=1.3 SWCC • Empirically estimated using an artificial neural network model (geological map from KIGAM; Kim et al., 2007)
• A representative SWCC parameter set according to the lithology type of each infiltration zone
Saturated Hydraulic Conductivity • The same parameter that was established for applying IERL was averaged to representative data for each of the 8 infiltration zones
Dry Unit Weight • Representative values of natural unit weight according to soil type combined with representative values of water content according to lithology type (forest-soil map from KFS; geological map from KIGAM)
• Laboratory-tested data was entered for some sites (past national research project reports)
Cohesion • Representative values according to soil type (forest-soil map from KFS)
• Laboratory-tested data was entered for some sites (past national research project reports)
Internal Friction Angle • Representative values according to lithology type (geological map from KIGAM)
• Laboratory-tested data was entered for some sites (past national research project reports)
Slope • Derived using DEM (NGII)
ILS 4 Topographic Factors • Elevation, Slope, Plan curvature, Profile curvature
• Derived using DEM (NGII)
4 Hydrologic Factors • Drainage Proximity, SPI, STI, TWI
• Derived using DEM (NGII)
4 Soil Factors • Soil type and soil depth obtained from a forest-soil map (KFS)
• Soil drainage characteristics obtained from a digital soil map (RDA)
• Illite obtained by sampling the sites and X-ray diffraction tests
Forest Type • Forest map (KFS)
Lithology • Geological Map (KIGAM)
CRITDF 10 Topographic Factors • Slope, upslope contributing area, relative elevation, curvature, plan curvature, profile curvature, SPI, STI, TCI, TWI
• Derived using DEM (NGII)
즉, Fig. 6과 같이 티센(Thiessen)망을 형성하여 각 티센영역 별로 동일한 강우인자 데이터가 입력되도록 하였다. 다음으로, 고정인자 데이터는 구축 범위(scale)가 크게 넓은 대상 지역(부산광역시 전체 산지면적: 약 360 ㎢) 특성을 감안하여, 효율적 구축을 위해 토성 및 모암 종류 등을 기반으로 전 지역을 다수(총 57개)의 권역들로 나누어 각 속성의 종류 별로 대표값을 산정하였다. 그리고, 포화투수계수 및 함수특성곡선에 대해서는 자체 개발 또는 기존의 경험적 추정모델들
Fig. 6
Thiessen Network Based on Rainfall Observatories in Busan
KOSHAM_18_01_099_fig_6.gif
또한 데이터 구축에 사용되었다. 한편, 과거 국가 연구과제들에서 수행된 기초 실내실험 또는 불포화 특성 실험 자료들이 기록되어 있는 특정 산지(구덕산, 백양산, 장산, 다대 아미산, 수영구 민락동, 동래구 금정산) 지역에서는 본 실험자료들로 데이터를 구축하였다. 한편 부산전역의 각 지반 속성 정보는 산림청(KFS)의 산림토양입지도 및 임상도, 한국지질자원연구원(KIGAM)의 지질도, 국토지리정보원(NGII)의 수치고도모델(DEM), 농촌진흥청(RDA)의 토양도 등을 통해 수집이 가능하다.

4.2 산사태 예⋅경보 등급 평가 규준

4.2.1 극한강우 산사태 지수 (IERL)

기존의 강우 정보만을 활용하여 잠재적 산사태 발생 가능성을 판단하는 경험적 강우 한계선들은 입력 데이터 소스(예: 강우관측소)가 제한적으로 분포한 대상지역의 경우에 공간적으로 낮은 해상도의 평가 정확도를 가질 수밖에 없을뿐더러, 구체적인 공간에 따른 지역 특성 변화를 감안한 발생가능성의 변화를 고려할 수 없다. 이를 보완하기 위해 산사태를 유발하는 강우뿐만 아니라 지반의 침투 및 불포화 특성을 간접적으로 고려하기 위하여 극한강우 산사태 지수(Extreme Rainfall-induced Landslide Index; IERL)가 개발되었다(Vasu and Lee, 2016). IERL는 통계적 기반으로 정의된 지수이며, 강우의 침투 및 유출 메커니즘을 고려하기 위해 투수계수, 토심, 함수특성곡선(Soil Water Characteristic curve; SWCC), 강우 자료를 이용하여 로지스틱 회귀분석을 통해 정의된다. 독립변수로 연속강우량, 20일 선행강우량, 투수계수, 토양함수능(soil storage capacity)을 설정하였고, 종속변수로 산사태의 발생유무(발생: 1, 미발생: 0)를 설정하였다. 입력 자료는 과거 1995년부터 2013년까지의 강원도 지역에서 발생한 산사태(발생 46건, 미발생 46건) 이력을 기반으로 수집하였다. 이를 통해 IERL를 개발하였으며, Eqs. (1) 및 (2)와 같이 표현된다.
(1)
 p=0.02×CR+0.008×AR20+0.002×SC0.002×Ks4.209
(2)
IERL=Exp(p)1+Exp(p)
여기서, CR은 연속강우량(mm), AR20은 20일 선행강우량(mm), SC는 토양함수능(mm), Ks는 투수 계수(mm/hr) 이다.
산사태 발생이력 GIS DB 및 과거 강우자료를 활용하여 IERL의 부산지역 적용성을 분석한 결과, Fig. 7과 같이 Cumulative Frequency Diagram에서 모델 정확도를 나타내는 AUC(Area Under the Curve)는 0.8940으로 나타났으며, 과거 산사태 발생 데이터의 96%를 예측한 지수값 0.5를 산사태 예⋅경보 모델 적용 시 규준으로 설정하였다.
Fig. 7
Accuracy Assessment using AUC of the Cumulative Gains Chart with IERL Classes
KOSHAM_18_01_099_fig_7.gif

4.2.2 Intensity-Duration 강우한계선 (ID)

강우강도-지속시간 (Intensity-Duration) 강우한계선은 1999년부터 2014년까지 발생한 전국의 243개(부산지역 산사태 이력 자료 포함) 토사재해 자료를 바탕으로 통계적 기법(quantile-regression)을 이용한 위험수준별 강우규준 4단계 (None, Alert, Warning, Evacuation)를 구분할 수 있는 강우규준이다(Kang and Kim, 2016). 산사태 유발강우량 분석에 이용한 강우지속시간은 최소 3시간부터 최대 127시간 범위로 분석되었다. 따라서, 본 강우규준은 시스템에서 강우 지속시간이 3시간 이상 127시간 이하의 범위에서만 유효하도록 설정되었다. 개발된 실시간 산사태 예⋅경보 모델에서, ID 규준은 초기 예⋅경보 단계인 ‘관심’ 단계를 결정짓는 방법에 사용되므로, 위험수준별 분위수 회귀선들 중 가장 보수적인 5% 분위의 회귀선이 모델 내에서 ID 강우규준으로 적용되며(Fig. 8), 식은 Eq. (3)과 같다.
Fig. 8
ID (Intensity-Duration) Rainfall Threshold
KOSHAM_18_01_099_fig_8.gif
(3)
I5%=24.72D0.56
여기서, I5% (Intensity)는 현재까지 누적된 연속강우량을 강우 지속시간으로 나눈 평균 강우강도(mm/hour)이며, D(Duration)는 현재까지의 강우 지속시간(hours)을 뜻한다.
본 규준의 부산지역 적용성 검증을 위해 2016년 발생한 6개(경상권 및 울릉도 지역)의 산사태 DB 및 강우자료를 활용하였으며(Fig. 8), 분석 결과 산사태 DB 중 4개 사례는 발생 약 2~3시간 전에, 2개 사례는 발생 약 30시간 전에 규준을 초과하는 것을 확인하였다.

4.2.3 산사태 민감도 지수 (ILS)

산사태 민감도 지수(Landslide Susceptibility Index; ILS)란 고정인자만을 고려하여 산사태가 어디에서 상대적으로 발생할 가능성이 큰가를 나타내는 공간적 확률을 의미하며, 공간적으로 이 민감도 지수 값의 분포현황을 지도상에 나타낸 것이 민감도 지도(Susceptibility Map)이다. 많은 연구자들(Pradhan and Kim, 2014; Vasu and Lee, 2016; Nam et al., 2014)이 지형학적, 수문학적, 지반공학적, 지질, 식생 등의 다양한 산사태 영향 인자들과 산사태 발생여부와의 상관성 분석을 수행하여 상관성이 높은 주요 독립변수들을 추려내는 연구를 진행하였다. 본 연구에서는, 구축된 부산지역 산사태 발생이력 GIS DB에서 300개 데이터 및 10,000개의 미발생 자료를 이용하여 Maximum Entropy model(MaxEnt)을 통한 통계적인 산사태 민감도 지도를 제작하였다(Fig. 9). 기존의 문헌(Soeters and Westen, 1996; Klimeš, 2013; Pradhan and Kim, 2014, Pradhan and Kim, 2016)을 참고하여 14개 유발 인자를 사용하였으며(Table 1), 이들은 지형학, 수문학, 토양, 산림학 및 지질학적 요소들로 나누어질 수 있다. 응답곡선 분석을 통해 각 유발인자가 산사태 발생 확률에 어떤 영향을 미치는지 분석하였고, 이어서 LVQ(learning vector quantization)를 이용하여 Fig. 10과 같이 각 유발 인자의 영향 비중을 분석하였다.
Fig. 9
Busan Landslide Susceptibility Index
KOSHAM_18_01_099_fig_9.gif
Fig. 10
Causative Factor Contributions
KOSHAM_18_01_099_fig_10.gif
ILS 규준은 개발된 산사태 예⋅경보 등급 결정 순서도 상의 첫번째 의사결정 단계에서 두 개의 강우규준들(IERL 규준 및 ID 규준)과 함께 적용되며, 기본적으로 전체 지역들 중 안정성이 매우 높아 산사태 발생에 대한 관리가 필요치 않는 영역을 걸러내는 역할을 한다. 즉, 본 모델에서 이루어지는 모든 산사태 예측 분석은 산사태 민감도지수 값이 0.1 이상인 고정된 영역들 내에서만 실시된다. ILS 규준을 0.1로 설정하였을 때 300개 산사태 데이터들에 대한 예측율은 97.33 %이며, 지수값이 규준을 초과하는 산지 영역(즉, 심화된 예⋅경보 단계 분석이 수행되는 지역)은 부산 전 지역의 43.59 %이었다.

4.2.4 사면불안정 연속강우량 규준 (CRFOS=1.3)

사면의 안정성에 대한 역학적 근거에 기반하여 경사지의 전단파괴 위험성(본 모델에서는 ‘주의’ 및 ‘경계’ 단계)을 해석적으로 평가하는 규준이다. 즉, 가상의 설정 강우특성(일정 강우강도 및 지속시간)에 따른 특정 사면의 지반공학 요소(간극수압 및 체적함수비) 반응들을 사전에 수치해석적 방법을 통해 도출하고 이 값들을 통해 해당 사면의 흡입응력(suction stress) 항을 결정할 수 있다. 이는, 강우에 따른 불포화 지반의 역학적 사면안정성 계산이 가능하게 하고, 최종적으로 해당 사면의 역학적 불안정 상태(Factor of Safety ≦ 1.3)에 대응되는 ‘강우특성(최소 연속강우량)’의 도출이 가능하다. 본 연구에서는, 국내 풍화토 대표 함수특성곡선 별로 강우강도와 포화투수계수의 상대적 크기에 따른 침투해석을 수행한 Kim (2009)의 연구결과를 바탕으로 하여 Fig. 11과 같이 4.1에서 소개된 데이터베이스 상의 부산지역 함수특성곡선들(국내 풍화토 대표 함수특성곡선들 중 하한 함수특성 곡선에 해당)에 대응되는 ‘지표유출(Run-off)’, ‘과도기(Intermediate)’, ‘배수(Drainage)’ 각 구간들의 경계를 도출하였다. 현재 데이터베이스에 구축되어 있는 부산 전역의 포화투수계수 범위를 고려하였을 때, 강우강도가 대략적으로 20mm/hr 이내인 환경에서 부산의 지반은 Intermediate 구간에 속한다고 할 수 있으며, 본 구간의 조건에서는 모든 강우가 유실 없이 지반 내에 저류되어 쌓이는 효과를 가지므로 현재까지 누적된 연속강우량은 지반의 습윤 정도를 나타내는 지표 역할을 할 수 있다.
Fig. 11
Infiltration Regimes in Busan
KOSHAM_18_01_099_fig_11.gif
이와 같은 이론에 기반하여, ‘사면불안정 연속강우량 규준’을 정의한 지도를 제작하기 위해서는 크게 ‘(Intermediate 구간에 속하는) 가상 강우에 의한 침투해석’ 및 ‘무한사면 안정식 적용을 통한 지도 제작’ 두 가지 과정이 필요하다. 우선 부산 전역에 대한 침투해석을 위하여, 부산 전역의 모암종류 및 산사태 발생이력 분포와 지형적 요소를 종합적으로 고려하여 총 8개 침투권역을 구분하였으며, 기존에 구축된 입력인자 DB(4.1 참조)를 활용하여 각 침투권역 별 대표 침투특성을 선정하였다(Table 2). 이와 같은 조건으로 각 침투권역 별로 Geostudio의 Seep/W 프로그램을 이용하여 침투해석을 수행(10mm/hr의 일정한 강우강도로 무한히 길게 내리는 가상의 강우 적용, 초기 모관흡수력은 15kPa)하였으며, 해석시간에 따른 예상 파괴면(깊이 1m)에서의 흡입응력 도출 결과를 ArcGIS 및 MATLAB 프로그램을 이용하여 무한사면 안정식에 반복해서 적용함으로써 사면안전율이 1.3 이하로 떨어지는 첫 시점을 찾고 그에 대응되는 연속강우량을 규준값으로 입력하였다. 이를 통해, 최종적으로 ‘사면불안정 연속강우량 규준 지도’를 부산전역에 대하여 제작하였다(Fig. 12). 이 때, 본 지도 제작을 위한 입력인자 데이터 중, 수치고도모델(DEM)로부터 도출되어 가장 높은 해상도를 갖는 사면경사로 인해 본 연속강우량 규준 지도 또한 동일한 해상도, 즉 5 m×5 m 격자단위 면적 별 고유 연속강우량 규준 값을 저장하고 있다.
Table 2
Infiltraition Parameter DB for Eight Infiltration Zones in Busan
Infiltration Zone  SWRC (Van Genutchen - Wetting Curve) Parameters  Saturated Permeability ks (m/s)
Saturated VWC Residual VWC a n m
1 0.299455 0.107446 0.19167 1.28079 0.33376 2.77E-05
2 0.299455 0.107446 0.19167 1.28079 0.33376 2.77E-05
3 0.360485 0.118737 0.48827 1.10835 0.35550 7.91E-05
4 0.299455 0.107446 0.19167 1.28079 0.33376 5.12E-05
5 0.36159 0.117392 0.57790 1.14480 0.33615 5.56E-05
6 0.299455 0.107446 0.19167 1.28079 0.33376 3.83E-05
7 0.299455 0.107446 0.19167 1.28079 0.33376 3.43E-05
8 0.299455 0.107446 0.19167 1.28079 0.33376 2.86E-05
Fig. 12
Numerically-solved Slope Instability Continuous Rainfall Threshold Map
KOSHAM_18_01_099_fig_12.gif

4.2.5 토석류 전이규준 (CRITDF)

Kang et al.(2017)은 경험론적인 기법을 사용하여 토석류로 전이되는 지역을 판별할 수 있는 규준을 개발하였다. 이를 위하여, 서울, 경기도 및 강원도에 위치한 사면파괴 또는 토석류 발생지점들로부터 GIS에 기반한 10가지 지형학적인 데이터들이 추출되었다. 이어서, 토석류 전이와 각 지형학적 데이터 지수 사이의 관계를 확인하기 위해, 사면파괴와 토석류 발생 지역의 지형학적 특징들에 대한 비교분석을 수행하였다. 이를 통해 최종적으로, 사면경사와 상부사면 기여면적과의 관계를 반영한 수정된 임계기준(Fig. 13)과 인공신경망 모델(Fig. 14)이 결합된, 지형학적 특성 기반의 토석류 전이규준이 최종적으로 제시되었다.
Fig. 13
Modified Threshold for the Relationship Between Slope
KOSHAM_18_01_099_fig_13.gif
Fig. 14
Architectrure of ANN Model for the Detection of Debris Flow Initiation Area (Kang et al., 2017) and Upslope Contributing Area (Kang et al., 2017)
KOSHAM_18_01_099_fig_14.gif
토석류 전이규준의 적용성 검증을 위하여, 실제 토석류 사건을 모의하기 위한 사례연구 현장(용인시 할미당산)을 대상으로 사면파괴 분석 및 토석류 전이 분석을 연계적으로 적용하였다. 토석류 전이 분석 결과, 토석류 전이규준의 예측률은 88.9 %였다. 사면파괴 분석에서 도출된 1,935,400 m2의 파괴 예측지역 중 총 143,300 m2이 토석류 전이 가능 지역으로 확인되었다. 사면파괴 예측 영역들 중, 우면산 산사태와 같이 높은 충격압으로 인해 피해위험이 더 큰 토석류 형태로 전이되는 지역들을 판별하기 위해 본 규준은 주요하다.

4.3 예⋅경보 등급 결정 순서도 및 맵 생성

앞서 4.2에서 소개한 총 다섯 가지 규준들을 병렬적으로 또는 순차적으로 활용하여 국가 재난경보 단계별 대응체계와 동일한 명칭의 총 5개 수준(정상, 관심, 주의, 경계, 심각)의 예⋅경보 등급을 결정할 수 있는 실시간 산사태 예⋅경보 모델을 개발하였으며, 이에 대한 예⋅경보 등급 결정 순서도는 Fig. 15와 같다.
Fig. 15
Decision Tree for Landslide Early Warning Levels
KOSHAM_18_01_099_fig_15.gif
실시간 산사태 예⋅경보 등급 결정 논리 흐름도는 크게 세 개의 의사결정 단계로 구성되어 있다.
첫 번째 의사결정 단계는 통계론적인 접근법으로 정의된 두 개의 강우인자 규준 및 한 개의 고정인자 규준에 기반하여 ‘정상’(초록색) 상태에서 ‘관심’(파란색) 등급으로 격상해야 할 지역을 결정하는 단계로서, 산사태 민감도 지수(ILS)가 0.1 이상인 지역 중 극한강우 산사태 지수(IERL)가 0.5 이상이거나 강우강도-지속시간(ID) 규준을 초과하는 지역은 ‘관심’으로 격상되고 나머지 지역은 ‘정상’ 상태를 유지한다. 가장 초기 예⋅경보 등급으로서 주의 환기 및 사전 대비를 위한 예비 경보의 기능을 가지는 ‘관심’ 등급의 특성을 감안하여, 위 세 가지 통계론적 규준들은 최대한 보수적으로 설정되었다.
두 번째 의사 결정 단계에서는, ‘관심’으로 격상된 영역들 중 사면의 역학적 안정성에 기반하여 정의된 규준들을 활용하여 분석 지점의 사면이 불안정 상태(Factor of Safety ≦ 1.3)에 가까워진 정도에 따라 ‘주의’ 또는 ‘경계’ 등급으로 추가 격상시킬 지역을 판정하는 단계이다. 본 단계에서는, 침투해석 및 물리기반의 ‘사면불안정 연속강우량 규준(CRFOS=1.3)’이 적용되는데, 특정 사면에서 ‘주의’ 등급은 관측 또는 예보된 연속강우량이 동 사면의 CRFOS=1.3 규준 70%의 양을 초과하였을 때 격상되며, 이후 동 사면의 CRFOS=1.3 규준 100%의 양을 초과하였을 때 ‘경계’ 등급으로 격상된다. 이는, 사면이 이미 불안정해진 상태에서는 짧은 시간 안에 산사태가 발생할 가능성이 높기 때문에 예⋅경보가 발령되더라도 충분한 대비시간이 주어지지 않을 수 있다. 따라서, 사면불안정을 유발하는 연속강우량의 70%가 누적되었을 때 ‘주의’ 등급으로 격상시킴으로써 사면이 완전히 불안정해지기 전 사전대비가 가능토록 알고리즘을 설계하였다.
마지막 의사결정 단계에서는, ‘경계’ 등급으로 격상된 영역들, 즉 사면이 불안정한 상태에 도달한 지역들 중 실제 전단파괴 시 토석류로 전환될 가능성이 큰 지역들을 특별히 구분하여 예⋅경보 최고 등급인 ‘심각’을 판정한다. 본 등급은 경험적으로 정의된 지형학적 규준인 ‘토석류 전이규준(CRITDF)’을 사용하여 판정되는데, 이상기후로 인한 집중호우 증가로 인해 우면산 산사태와 같이 많은 물을 머금은 채 빠른 속도로 흘러내리는 토석류 유형으로 인한 재난피해의 규모가 훨씬 막대한 추세이므로, 잠재적 산사태 발생 위험 지역들 중 토석류로 발전할 수 있는 영역들을 더욱 경계해서 관리해야 할 필요가 있다.
모든 예⋅경보 등급들은 마지막 강우 관측 시점으로부터 24시간이 경과한 뒤, 즉 하나의 연속강우 사건이 종료되는 시점이 경과되면 ‘정상’으로 해제된다.
이상과 같은 논리 흐름으로 예⋅경보를 발령할 때, 각 예⋅경보 등급이 가지는 이론적 의미는 다음과 같이 정리될 수 있다.
• 정상 (Normal)
비가 그친 지 24시간 이상 지난 건조 상태이거나, 비가 내리더라도 매우 미약하게 내려 인위적 요인 및 활동에 의한 사면 붕괴 외에는 산사태가 발생할 가능성이 거의 없음
• 관심 (Attention)
보수적으로 정의된 통계적 근거에 의해 결정되는 초기 예⋅경보 등급으로서, 산사태 발생 위험에 대한 주의환기 및 사전대비를 위함. 기상 및 예⋅경보 방송에 대한 관심 권장. ‘관심’ 지역의 일부 축대, 옹벽 등 인공사면, 또는 도로사면 등의 소규모 붕괴 또는 토사 유출 등의 가능성이 있음
• 주의 (Watch)
‘관심’이 의미하는 산사태 위험성에 더하여, 사면의 역학적 불안정 상태를 유발하는 연속강우 총량의 70%가 현재 내린 상태이기 때문에, 수 시간 내에 추가적으로 강우가 집중되는 경우 산사태가 발생할 위험성이 크게 증가함. ‘주의’로 격상된 산지나 절개사면 등의 근처에서 활동을 삼가고, 대피를 권장
• 경계 (Alert)
집중된 강우침투에 의해 사면이 역학적 불안정 상태에 도달하였음. 따라서, ‘경계’로 격상된 사면은 역학적으로 언제라도 바로 파괴가 일어날 수 있기 때문에 인근에 위치해 있는 경우 즉각적인 대피를 권고
• 심각 (Emergency)
사면파괴가 발생할 경우 토석류로 전환될 가능성이 높으므로 대규모 피해가 유발될 가능성이 있음. 토석류의 높은 유동성과 큰 충격압을 고려하여 대피 시 퇴적부에서의 확산이 예상되는 영역 이상의 충분한 이격거리 유지를 권고하고, 유로 하부 인근에 주거지 등의 사유물이 위치하는 경우 위험지역으로부터 최대한 이격 권고
개발된 실시간 산사태 예⋅경보 모델은 본 예⋅경보 등급 결정 순서도를 이용하여, 최종적으로 GIS 기반의 인터페이스 상에서 국부적 영역 별로 해당 예⋅경보 단계의 고유 색깔들로 표현된 예⋅경보 등급 맵을 최종 결과물(output)로 표출한다. 이를 위하여, 본 모델의 구조는 크게 ‘강우인자 가공’ 및 ‘맵 생성’ 공정으로 이어져 있다. 먼저 ‘강우인자 가공’ 공정에서는, 부산에 분포한 각 강우관측소(4.1 참조)로부터 실시간으로 호출되는 강우 원본 자료를 각 강우인자(연속강우량, 20일 선행강우량 등) 데이터로 가공하는 일련의 알고리즘을 MATLAB 프로그램을 이용하여 스크립트화 하였다. 이어서 ‘맵 생성’ 공정에서는, ArcGIS 내장 tool인 Model Builder를 사용하여 가공된 강우인자 데이터를 GIS 인터페이스 상에서 래스터(raster) 데이터레이어로 변환하고, 각각의 데이터 레이어들을 예⋅경보 등급 순서도의 논리흐름에 맞게, 각 규준 식에 맞게 수식을 입력하여 최종적으로 지역에 따라 각 예⋅경보 등급에 따른 색깔들로 표시된 맵이 생성되기까지의 일련의 과정들을 자동화하였다. 생성된 예⋅경보 맵은 5 m×5 m의 격자단위 구역 별로 세분화된 형태의 예⋅경보 등급 맵이 표출될 수 있고, 또한 재난 결정권자 입장에서 위험도를 한눈에 파악할 수 있도록 행정구역(동 단위) 별 예⋅경보 등급이 결정된 형태의 맵 출력 또한 가능하다.

5. 사례 연구 및 고찰

2009년 7월 7일과 16일 양일 간, 부산 지역에 기록적인 집중호우 및 이로 인한 다수의 산사태 피해가 기록되었다. 7월 7일 및 16일 모두 연속강우는 약 200~400 mm가 기록되었지만, 급격히 증가된 선행강우 효과로 인해 16일에 훨씬 많은 산사태 및 토석류가 유발된 것으로 사료된다. 본 연구에서는, 2009년 산사태 발생 사건의 강우자료 및 위치 정확도가 양호한 총 133개 산사태 DB를 활용하여, 개발된 산사태 예⋅경보 모델의 성능(정확도 및 효율성)을 확인하고자 하였다. Fig. 16은 수집된 1시간 단위의 강우자료를 이용하여 예⋅경보 등급 변화를 모의한 결과를 예시로서 보여주고 있다. 산사태 발생 당일 오전 6시(Fig. 16(a))만 해도 부산 거의 모든 지역이 관심 등급이었지만, 불과 약 3시간 동안 강우가 집중되어 오전 9시에서 10시 사이에 경계(토석류 전환 가능지역은 심각) 등급으로 격상된 지역이 지배적이게 된 것을 확인할 수 있다. 그리고, Figs. 16 (c)(d)에서 산사태가 주로 발생한 부산지역 중앙 남부 쪽이 전반적으로 산사태 예⋅경보 등급도 더 높게 판별된 것을 확인할 수 있으며, 이는 본 모델의 산사태 포착(예측) 성능이 전반적으로 우수함을 뜻한다. 한 편, 2009년 7월 16일 정확한 산사태 발생 시각이 (미디어 보도를 통해) 확보된 지역은 두 곳인데, 해당 지역에서 경계 또는 심각 등급으로 격상된 최초 시각과 실제 산사태 또는 토석류 발생 시각의 차이, 즉 산사태 발생 대비 가능시간은 약 1~2시간으로 나타났다. 추가적으로, 개발된 예⋅경보 모델의 성능을 좀 더 체계적⋅정량적으로 분석하기 위해, 구축된 산사태 발생이력 GIS DB에 포함된 데이터들을 활용하여, 장기적인 기간 동안의 모의운영을 수행하고, 이를 바탕으로 본 모델의 각 예⋅경보 등급 별 공간적⋅시간적 예측 정확성 및 효율성을 세부적으로 분석할 필요가 있다.
Fig. 16
Modelling of Landslide Early Warning Level Updates for 2009 Landslide Event
KOSHAM_18_01_099_fig_16.gif
한편, 본 모델의 ‘입력인자 가공에서 최종 결과물(예⋅경보 레벨 맵 생성)’까지 일련의 제작공정 소요시간은 10분이내이므로, 본 모델이 지자체에서 실질적으로 운영될 시 강우입력 자료가 10분 단위로 호출되는 경우, 예⋅경보 등급 또한 10분 단위로 업데이트가 가능하다. 또한, 강우 예보자료를 입력자료로 사용하는 경우, 본 모델은 현재로부터 24시간 이후 시점의 산사태 예⋅경보 수준을 미리 예측해주는 ‘1일 예보’로서의 기능 또한 수행이 가능할 것으로 예상된다.
현재 재난안전 관련법에서는 재난관리 책임기관으로 정부 및 지방자치단체를 명시하고 있다. 따라서, 지방자치구역 중 과거부터 꾸준히 산사태 피해를 입어온 부산광역시를 테스트베드로 개발된 본 예⋅경보 모델의 성능이 입증되는 경우, 전국을 대상으로 정부차원에서 위험지역을 관리할 수 있는 예⋅경보 모델 구축에 대한 확대연구가 필요할 것으로 판단된다.

6. 결론

본 연구에서는, 전지구적 기후변화와 집중호우 증가로 인해 국내 환경 또한 산사태 재해가 대형화⋅빈발화 되어감에 따라, 광역도시 재난관리 주체가 실질적으로 사용할 수 있는 효율성, 공공성, 지속성, 신뢰성을 갖춘 실시간 산사태 예⋅경보 모델을 개발하고자 하였다. 이를 위하여, 5개 산사태 또는 토석류 위험성 평가/예측 모델들의 개발 및 부산지역 적용성 평가 등을 거쳐 이들을 조합⋅연계하여 실시간 산사태 예⋅경보 등급 결정 모델을 개발하였다.
실시간 강우특성(연속강우량 등)에 따라 총 5개 단계(정상⋅관심⋅주의⋅경계⋅심각)의 예⋅경보 등급을 판정 가능한 ‘부산광역시 실시간 산사태 예⋅경보 모델’은, 기존의 국내외 예⋅경보 시스템들의 장점을 수용하는 한편 한계점을 보완할 수 있도록 다음과 같은 주요 특징을 갖는다.
  • (1) 5개 원천기술의 체계적 적용을 통해 예⋅경보 정확성 보완 - 통계적 접근법, 수치해석 및 물리기반의 역학적 관계 등의 다양한 학문적 접근법들을 통해 개발된 규준들을 단계적 및 중첩적으로 적용함으로써 위험성 수준 판정에 대한 신뢰성 확보

  • (2) 실시간 관측 강우자료를 사용하는 경우 현시점의 산사태 위험성(예⋅경보 등급)을, 강우 예보자료를 사용하는 경우 24시간 후의 산사태 위험성을 각각 실시간으로 판정할 수 있음

  • (3) 사면붕괴와 토석류 전환 지역을 구분하여 예⋅경보 등급을 결정

  • (4) 광역지역(부산 전역 산지)을 대상으로 운영되지만 cell 단위(5 m×5 m)의 국부지역 별, 또는 행정동 단위 별로 예⋅경보 레벨이 결정됨

  • (5) 장기적으로, 실시간으로 판정된 산사태 위험성 평가 자료(예⋅경보 등급 지도)들을 축적하여 토석류 위험지역 판별 및 이에 대한 보다 효과적인 대응 및 대비(사방댐 설치 등)가 가능

  • 개발된 예⋅경보 모델의 신뢰성을 검증하기 위해 2009년 산사태 발생 자료 및 강우자료를 수집하여 시간에 따른 예⋅경보 등급 변화를 시뮬레이션함으로써, 산사태 유형별, 침투권역 별 공간적 예⋅경보 성능을 분석하는 한편, 예⋅경보 단계 발령 시간의 성능(효율성 및 예측율 등) 또한 실용성을 검증하고자 하였다. 이는 좀 더 장기적인 기간을 대상으로 쳬계적⋅정량적인 분석이 필요한 것으로 보이며, 지속적인 보완 및 개선을 통해 궁극적으로 산사태 위험에 대해 효과적인 선재 대응이 가능한 사회 구축에 본 모델이 이바지할 수 있을 것으로 기대된다.

References

Baum, R.L, and Godt, J.W (2010) Early Warning of Rainfall-induced Shallow Landslides and Debris Flows in the USA. Landslides, Vol. 7, No. 3, pp. 259-272. 10.1007/s10346-009-0177-0.
crossref
Choi, G, Kwon, W.T, Boo, K.O, and Cha, Y.M (2008) Recent Spatial and Temporal Changes in Means and Extreme Events of Temperature and Precipitation Across the Republic of Korea. Journal of the Korean Geographical Society, Vol. 43, No. 5, pp. 681-700.
crossref
Choi, K.S, Moon, J.Y, Kim, D.W, Byun, H.R, and Kripalani, R.H (2010) The Significant Increase of Summer Rainfall Occurring in Korea from 1998. Theoretical and Applied Climatology, Vol. 102, No. 3-4, pp. 275-286. 10.1007/s00704-010-0256-0.
crossref
Choi, Y, Kim, M.G, Kim, Y.J, and Park, C (2011) Characteristics and Changes of Extreme Precipitation Events in the Republic of Korea, 1954~2010:Their Magnitude, Frequency, Percent to Total Precipitation. Journal of Climate Research, Vol. 6, No. 1, pp. 45-58.
crossref
Ham, D.H, and Hwang, S.H (2014) Review of Landslide Forecast Standard Suitability by Analysing Landslide- inducing Rainfall. J. Korean Soc. Hazard Mitig, Vol. 14, No. 3, pp. 299-310. 10.9798/KOSHAM.2014.14.3.299.
crossref pdf
Hong, M.H, Kim, J.H, Jung, G.J, and Jeong, S.S (2016) Rainfall Threshold (ID curve) for Landslide Initiation and Prediction Considering Antecedent Rainfall. Journal of the Korean Geotechnical Society, Vol. 32, No. 4, pp. 15-27. 10.7843/kgs.2016.32.4.15.
crossref
IPCC (2013). Summary for Policymakers Climate Change 2013:The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
crossref
Kang, H.S, and Kim, Y.T (2016) A Study on Warning Level-based-Landslide Triggering Rainfall Criteria considering Weathered Soil Typeand Landslide Type. J. Korean Soc. Hazard Mitig, Vol. 16, No. 2, pp. 341-350. 10.9798/KOSHAM.2016.16.2.341.
crossref
Kang, S, Lee, S.R, Vasu, N.N, Park, J.Y, and Lee, D.H (2017) Development of an Initiation Criterion for Debris Flows based on Local Topographic Properties and Applicability Assessment at a Regional Scale. Engineering Geology, Vol. 230, pp. 64-76. 10.1016/j.enggeo.2017.09.017.
crossref
Kim, J.W, Kim, K.Y, Kim, M.K, Cho, C.H, Lee, Y, and Lee, J (2013) Statistical Multisite Simulations of Summertime Precitation over South Korea and its Future Change based on Observational Data. Asia-Pacific Journal of Atmospheric Sciences, Vol. 49, No. 5, pp. 682-702. 10.1007/s13143-013-0061-7.
crossref
Kim, K.S (2007) Soil Characteristics according to the Geological Condition of Natural Slopes in Busan Area. The Journal of Engineering Geology, Vol. 17, No. 3, pp. 471-481.
crossref
Kim, Y.K (2009) Soil Slope Design and Stability Evaluation Methodology Considering Hydraulic Conductivity and Rainfall Characteristics. Ph.D. dissertation, Korea Advanced Institute of Science and Technology.
crossref
Klimeš, J (2013) Landslide Temporal Analysis and Susceptibility Assessment as bases for Landslide Mitigation, Machu Picchu, Peru. Environmental earth sciences, Vol. 70, No. 2, pp. 913-925. 10.1007/s12665-012-2181-2.
crossref
Korea Forest Service (2016). Landslide Statistics. Retrieved from http://www.forest.go.kr/.
crossref
Korea Meteorological Administration (2014) Korean Climate Change Assessment Report 2014. Korea Meteorological Administration.
crossref
Lee, K, Baek, H.J, Cho, C.H, and Kwon, W.T (2011) The Recent (2001-2010) Changes on Temperature and Precipitation Related to Normals (1971-2000) in Korea. The Geographical Journal of Korea, Vol. 45, No. 2, pp. 237-248.
crossref
Nam, K.H, Lee, H.J, and Jeong, G.C (2014) Analysis of Landslide locations using Spectral Reflectance of Clay Mineraland ASTER Satellite Image. The Journal of Engineering Geology, Vol. 24, No. 3, pp. 411-421. 10.9720/kseg.2014.3.411.
crossref pdf
National Emergency Management Agency (2009) Study on the Development of Ubiquitous-Based Landslide with a Debris Flow Monitoring System.
crossref
National Institute of Meteorological Research, 2012) Global Climate Change Report 2012, pp. 100.
crossref
Pradhan, A.M.S, and Kim, Y.T (2014) Relative Effect Method of Landslide Susceptibility Zonation in Weathered Granite Soil:A Case Study in Deokjeok-ri Creek, South Korea. Natural Hazards, Vol. 72, No. 2, pp. 1189-1217. 10.1007/s11069-014-1065-z.
crossref
Pradhan, A.M.S, and Kim, Y.T (2016) Evaluation of a Combined Spatial Multi-criteria Evaluation Model and Deterministic Model for Landslide Susceptibility Mapping. Catena, Vol. 140, pp. 125-139. 10.1016/j.catena.2016.01.022.
crossref
Saulnier, G.M, Beven, K.J, and Obled, C (1997) Including Spatially Variable Effective Soil Depths in TOPMODEL. Journal of Hydrology, Vol. 202, No. 1-4, pp. 158-172. 10.1016/S0022-1694(97)00059-0.
crossref
Soeters, R, and van Westen, C.J (In: Turner A.K, Schuster R.L, eds. 1996) Slope Instability Recognition, Analysis, Zonation. Landslides:Investigation and Mitigation Chapter 8. Transportation Research Board Special Report, pp. 247.
crossref
Vasu, N.N, and Lee, S.R (2016) A Hybrid Feature Selection Algorithm Integrating an Extreme Learning Machine for Landslide Susceptibility Modeling of Mt. Woomyeon, South Korea. Geomorphology, Vol. 263, pp. 50-70. 10.1016/j.geomorph.2016.03.023.
crossref
Vasu, N.N, Lee, S.R, Pradhan, A.M.S, Kim, Y.T, Kang, S.H, and Lee, D.H (2016) A New Approach to Temporal Modelling for Landslide Hazard Assessment using an Extreme Rainfall Induced-landslide Index. Engineering Geology, Vol. 215, pp. 36-49. 10.1016/j.enggeo.2016.10.006.
crossref
Yoon, S, Lee, S.R, Kang, S.H, and Park, D.W (2015) A Statistical Mobilization Criterion for Debris- flow. Journal of the Korean Geotechnical Society, Vol. 31, No. 6, pp. 59-69. 10.7843/kgs.2015.31.6.59.
crossref
Yoon, S, Lee, S.R, Kim, Y.T, and Go, G.H (2015) Estimation of Saturated Hydraulic Conductivity of Korean Weathered Granite Soils using a Regression Analysis. Geomechanics and Engineering, Vol. 9, No. 1, pp. 101-113. 10.12989/gae.2015.9.1.101.
crossref


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
1010 New Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2024 by The Korean Society of Hazard Mitigation.

Developed in M2PI

Close layer
prev next