저 시-동 조건 경허락 2.0 한민

는 아래 조건 르는 경 에 한하여 게

l 저 물 복제, 포, 전송, 전시, 공연 송할 수 습니다.

l 차적 저 물 성할 수 습니다.

l 저 물 리 적 할 수 습니다.

다 과 같 조건 라야 합니다:

l 하는, 저 물 나 포 경 , 저 물에 적 허락조건 확하게 나타내어야 합니다.

l 저 터 허가를 러한 조건들 적 지 않습니다.

저 에 른 리는 내 에 하여 향 지 않습니다.

것 허락규약(Legal Code) 해하 쉽게 약한 것 니다.

Disclaimer

저 시. 하는 원저 를 시하여야 합니다.

동 조건 경허락. 하가 저 물 개 , 형 또는 가공했 경에는, 저 물과 동 한 허락조건하에서만 포할 수 습니다.

공학석사학 청구논문

GIS기반 공간통계를 이용한 확률론 산사태 취약성 분석

Probabilisticlandslidesusceptibilityanalysis

usingGIS-basedspatialstatistics

2010년 2월

인하 학교 공학 학원

지리정보공학과

황 하 기

공학석사학 청구논문

GIS기반 공간통계를 이용한 확률론 산사태 취약성 분석

Probabilisticlandslidesusceptibilityanalysis

usingGIS-basedspatialstatistics

2009년 11월

지도교수 박 노 욱

이 논문을 석사학 논문으로 제출함

인하 학교 공학 학원

지리정보공학과

황 하 기

이 논문을 황하기의 석사학 논문으로 인정함

2009년 12월 16일

주심

부심

원

요 약

이 논문에서는 산사태가 발생한 지역을 상으로 산사태 취약성 분석을 한

GIS기반의 공간통합(SpatialIntegration)방법론을 용하고자 한다.분석에

이용한 측모델은 베이지안 확률을 이론 배경으로 하는 우도비(Likelihood

Ratio)기법이다.우도비는 산사태 발생에 한 양과 음의 상 계를 가지며,

‘취약하다’와 ‘취약하지 않다’를 비교할 수 있다.1998년 8월 산사태가 발생한

보은 지역을 상으로 사례연구를 통해 우도비 모델의 용 가능성을 살펴

보았다.산사태 발생에 원인으로 작용하는 고도,사면 경사,사면 방 ,지질,

임상 토양배수의 연속형 범주형 자료를 산사태 발생지 과 첩하여

악한 후 우도비를 계산하 다.지리정보체계(GIS)에 의한 이어 첩을 통해

분석된 우도비는 각 주제도에 속성으로 추가하 고,산사태 취약성도를 제작

하기 해 공간통합을 하 다.산사태 취약성 분석을 해 이용된 GIS는

산사태 발생과 련된 복잡한 원인들을 분석하는데 과학 인 수단으로서

산사태 취약성도의 결과를 확인하 다.교차 검증을 통해 측비율곡선

(PredictionRateCurve)을 작성함으로써,미래 발생 산사태에 한 측능력의

해석 정보를 추가로 제시하 다.결론 으로 GIS 기반 공간통합 검증

방법론은 산사태 취약성 분석에 유효한 방법론임을 확인할 수 있었다.

주요어 :공간통합,우도비,GIS, 측비율곡선,산사태 취약성

Abstract

ThisthesisaimsattheapplicationofaGIS-basedspatialdataintegration

modeltolandslidesusceptibility analysis.Thepredictionmodelappliedin

this study is a likelihood ratio modelbased on Bayesian conditional

probability.The likelihood ratio modelcan representcorrelation whatis

susceptibleandnotsusceptible.A casestudyfrom Boeunwherealotof

landslides occurred in August,1998,was carried outto illustrate the

applicabilityofthelikelihoodratiomodelforlandslidesusceptibilityanalysis.

Thelikelihoodratiowascomputedby overlaying variouscontinuousand

categoricaldataincludingelevation,slope,aspect,geology,foresttype,and

soildrainagewithpastlandslidelocations.Thejointlikelihoodratiovalues

werecomputedbyapplyingtheGIS-basedoverlayanalysis.Throughthe

casestudy,GIS-basedspatialdataintegrationcouldidentifytheareasin

which willbesusceptibletofuturelandslides.In addition,theprediction

capabilitywithrespecttofuturelandslideswereinferredfrom predictionrate

curvesbased on crossvalidation.In conclusion,itisexpected thatthe

GIS-based spatialintegration modeland validation methods would be

effectivetoolsforlandslidesusceptibilityanalysis.

keyword:spatailintegration,likelihoodratio,GIS,predictionratiocurve,

landslidesusceptibilty

목 차

제 1장 서 론 ․․․․․․․․․․․․․․․․․․․․․․․․․․ 1

제 2장 연구 내용 ․․․․․․․․․․․․․․․․․․․․․․․․․ 3

2.1연구 진행 차 ․․․․․․․․․․․․․․․․․․․․․․․ 3

2.2자료 구축 ․․․․․․․․․․․․․․․․․․․․․․․․․ 4

2.3공간자료 분석 ․․․․․․․․․․․․․․․․․․․․․․․ 8

2.3.1우도비의 개념 ․․․․․․․․․․․․․․․․․․․․․ 8

2.3.2산사태 발생지 의 첩 ․․․․․․․․․․․․․․․․ 10

2.3.3속성별 상 계 분석 ․․․․․․․․․․․․․․․․․․ 11

2.4공간 통합 ․․․․․․․․․․․․․․․․․․․․․․․․․ 22

2.4.1우도비 추가 지형 재분류 ․․․․․․․․․․․․․․․ 22

2.4.2산사태 취약성도 ․․․․․․․․․․․․․․․․․․․․ 26

2.5검 증 ․․․․․․․․․․․․․․․․․․․․․․․․․․․ 28

제 3장 결론 토의 ․․․․․․․․․․․․․․․․․․․․․․․ 32

참 고 문 헌 ․․․․․․․․․․․․․․․․․․․․․․․․․․․ 34

표 목 차

표 1연구 단계별 주요내용 ․․․․․․․․․․․․․․․․․․․․․ 3

표 2연구지역 수집자료 ․․․․․․․․․․․․․․․․․․․․․․ 5

표 3주제도별 속성 분류 ․․․․․․․․․․․․․․․․․․․․․․ 10

표 4고도별 우도비 ․․․․․․․․․․․․․․․․․․․․․․․․ 12

표 5사면방 별 우도비 ․․․․․․․․․․․․․․․․․․․․․․ 13

표 6경사별 우도비 ․․․․․․․․․․․․․․․․․․․․․․․․ 15

표 7지질별 우도비 ․․․․․․․․․․․․․․․․․․․․․․․․ 17

표 8토양배수별 우도비 ․․․․․․․․․․․․․․․․․․․․․․ 18

표 9임상별 우도비 ․․․․․․․․․․․․․․․․․․․․․․․․ 20

표 10산사태 취약성도 통계 ․․․․․․․․․․․․․․․․․․․․ 29

그 림 목 차

그림 1연구지역 치 범 ․․․․․․․․․․․․․․․․․․․ 4

그림 2수치지형도의 래스터형 자료변환 ․․․․․․․․․․․․․․․ 6

그림 3지질도의 래스터형 자료변환 ․․․․․․․․․․․․․․․․ 6

그림 4토양배수도의 래스터형 자료변환 ․․․․․․․․․․․․․․․ 7

그림 5임상도의 래스터형 자료변환 ․․․․․․․․․․․․․․․․․ 7

그림 6 이어 첩 분석 ․․․․․․․․․․․․․․․․․․․․ 10

그림 7고도별 산사태 발생지 수 악 ․․․․․․․․․․․․․․․ 11

그림 8사면방 별 산사태 발생지 수 악 ․․․․․․․․․․․․ 14

그림 9경사별 산사태 발생지 수 악 ․․․․․․․․․․․․․․․ 14

그림 10지질별 산사태 발생지 수 악 ․․․․․․․․․․․․․․ 16

그림 11토양배수별 산사태 발생지 수 악 ․․․․․․․․․․․․ 18

그림 12임상별 산사태 발생지 수 악 ․․․․․․․․․․․․․․ 19

그림 13고도에 의한 취약성도 ․․․․․․․․․․․․․․․․․․․ 23

그림 14사면방 에 의한 취약성도 ․․․․․․․․․․․․․․․․․ 23

그림 15경사에 의한 취약성도 ․․․․․․․․․․․․․․․․․․․ 24

그림 16지질에 의한 취약성도 ․․․․․․․․․․․․․․․․․․․ 24

그림 17토양배수에 의한 취약성도 ․․․․․․․․․․․․․․․․․ 25

그림 18임상에 의한 취약성도 ․․․․․․․․․․․․․․․․․․․ 25

그림 19우도비 통합을 통한 산사태 취약성 도출 과정 ․․․․․․․․ 26

그림 20연구지역 산사태 취약성도 ․․․․․․․․․․․․․․․․․ 27

그림 21산사태 발생 성공비율곡선 ․․․․․․․․․․․․․․․․․ 28

그림 22 측비율곡선 ․․․․․․․․․․․․․․․․․․․․․․․ 30

1

제 1장 서 론

산사태는 폭우나 지진에 의해 산지사면을 따라 암석과 토양의 일부가 력작용에

의하여 일시에 아래로 무 져 내려오는 것으로 우리나라에서는 해빙기와 여름철에

집 되는 강우로 인해 자연사면은 물론,국도․고속도로․임도 등 산지개발에

따른 인공사면에서 산사태가 매년 빈번하게 발생하고 있다.이러한 산사태로 인해

막 한 인명 재산피해가 계속되고 있지만 그 책은 발생 이후의 피해복구에만

한 실정이다.

최근에는 태풍이나 게릴라성 집 호우로 인해 산사태 피해가 빈발하고 있어서

산사태에 따른 피해를 방하거나 이기 해 산사태의 분석기술이 필요한 실정이다.

이러한 산사태 발생을 분석하기 해서는 필요한 각종 공간정보를 장조사에 의해

획득해야 하는데,이를 해서는 많은 시간․인력․비용을 필요로 하게 된다.반면

여러 요인이 복합 으로 작용하여 발생하는 산사태에 해 GIS(김계 ,2000)를

이용하면 에 지 감과 과학 인 분석이 가능하다.이에 본 논문은 GIS기반

공간통계를 이용하여 확률론 산사태 취약성 분석을 목 으로 하고 있다.

산사태 발생의 원인을 분석하고 측하기 한 연구들을 살펴보면,국내에서의

연구는 암반 공학 인 근이 주류를 이루고 있다.강인 (1993)등은 지형 인

자료만을 이용하여 산사태를 측하 고,한 석(1998)등은 경사도와 토양도․

선구조 등을 작성하여 공간 인 취약성을 보여주는 결과를 제시하 다.김원

(1998)등은 강우량을 비롯하여 지형․지질․사면방 등을 산사태 발생 치와

비교하 으며,이사로(2000)등은 GIS자료에 해 인공신경망을 이용하여 산사태

취약성 분석을 시도하 다.이러한 연구이외에,신진수(2001)는 원격탐사 자료를

이용하여 산사태 발생지역을 탐지하는 연구와 산사태 발생 요인에 한 공간

자료들을 GIS기반의 공간 통합 기법을 용하는 연구를 병행하여 산사태 험도

측 연구를 수행하 다.

국외의 연구를 살펴보면,LuziandPergalani(1996)가 축척별로 산사태 연구

목 등을 비교하여 공간 인 취약도를 보여주었으며,Nagarajan(1998)등은

IRS 성 상을 이용하여 산사태 치를 악한 후 이를 이용하여 산사태 취약

2

지역을 측하 다.ChungandFabbri(1999)는 시간 으로 구분되는 두 그룹의

산사태 발생 치를 이용해서 여러 가지 확률 인 측방법을 비교하고 일정

시간 이 의 자료만을 이용하여 산사태 측을 분석하 으며, 그 분석결과를

그 시간 이후의 자료로 이용하여 검증하 으며,그 결과를 바탕으로 통합에 사용

되었던 여러 가지 방법을 분석하 다.

GIS에서 이용하고 있는 공간자료 통합방법으로는 Dempster-Shafers이론을

용한 방법(Moon,1990),Certainty Factor(CF)추정방법(Heckerman,1986),

다변량 통계분석방법(VulkanandDuval,1993;Leeetal.,1995)등이 있다.본

논문에서는 산사태 발생과 련이 있는 여러 공간자료의 확률론 표 을 해

우도비함수(likelihoodratiofunction)기반의 베이지안 측 모델(Dudaetal.,

1976)을 이용하 다.

우도비의 이론 배경과 계산 과정을 산사태 취약성 분석을 목 으로 한 공간

통합을 로 들어 설명하면 다음과 같다.통합의 목 은 산사태에 해 취약한

지역과 취약하지 않은 지역을 구분하고자 하는 것이다.산사태의 특성이 각종

지형공간자료로부터 표 될 수 있다면,산사태에 취약한 지역에서의 공간자료의

특성과 비되는 양상을 보이게 된다.이는 산사태에 발생 지역과 미발생 지역

에서의 빈도수 분포 혹은 확률 분포가 다름을 의미한다.어떤 사건이 특정 속성

에서 일어나지 않을 확률에 한 일어날 확률의 비로 정의되는 우도비는 이러한

차이를 정량 으로 부각시킬 수 있는 장 이 있다.

본 연구에서는 우도비에 의해 통합된 공간자료를 산사태 취약성도로 표 하고,

결과물의 신뢰성을 올바르게 평가하기 하여 측비율곡선(prediction rate

curve)을 작성하고자 한다.최종 으로는 측비율곡선이 2개 이상 집단의 교차

검증(박노욱 등,2007)으로 상지역에서 산사태 취약여부의 유효성을 제공하는

것에 목표를 설정하 다.

산사태 취약성 여부와 련된 선행연구 에는 용인지역(민경덕 등,2000),장흥

지역(이사로 등,2001),보은지역(최재원 등,2004)에서 지형자료와 지질․임상․

토양 등의 연 성을 분석한 논문들을 확인할 수 있다.하지만 이러한 연구들은

분석 결과의 타당성 검증에 있어 미흡하 다.따라서 본 연구의 교차검증에 의한

산사태 취약성도 결과는 타 연구들과의 차별성이 있다고 하겠다.

3

제 2장 연 구 내 용

2.1 연구 진행 차

연구과정은 총 4단계로 구분하여 진행하 으며,표 1에서 연구진행의 주요내용과

컴퓨터 로그램에서 사용한 명령어를 명시하 다.방 한 분량의 공간자료(Spatial

Database)를 원활하게 통계․분석․통합하기 하여 GIS(GeographicInformation

System)tool인 「ArcGIS9.2」와「MSExcel2007」을 이용하여 진행하 다.

순서 항 목 주 요 내 용 비 고

1 자료 비∙ 연구범 설정 편집

∙ 10×10m 래스터 자료 구축

clip

featuretoraster

2 우도비산출

∙ 각 속성별 주제도와 산사태 지 첩

∙ 주제도별 산사태 발생지 의 속성 확인

∙ 주제도에서 속성별 우도비 산출

combine

openattribute

MSExcel

3 우도비표

∙ 우도비를 각 주제도에 속성 추가

∙ 우도비에 의한 지형 재분류 표

∙ 각 주제도의 우도비 통합

∙ 산사태 취약성도 작성

join

reclassify,lookup

rastercalculation

symbology

4 검 증 ∙ 측비율 곡선의 작성 교차검증 combine

표 1연구 단계별 주요내용

4

2.2자료 구축

본 연구에서는 방 한 공간자료(SpatialDatabase)를 분석하기 하여 지리정보

시스템(GIS)을 용할 수 있는 로그램인 ArcGIS9.2(ESRI社)를 이용하 다.

그리고 산사태 발생에 향을 미치는 요소들을 정량화하고 우도비(Likelihood

Ratio)개념에 의해 연구지역에서 어떤 속성이 다른 속성보다 어느 정도 산사태에

상 으로 취약한지를 MicrosoftExcel2007(MS社)을 통해 수치화하 다.

연구 지역은 1998년 집 호우에 의한 피해가 있었던 충청북도 보은군 수한면

으로서 동측으로 월송리,서측으로 교암리,남측으로 선곡리,북측으로 교사리가

행정구역에 포함되며,지리좌표상으로는 도 36°25′21″N ～ 36°30′00″N,

경도 127°39′36″E～ 127°45′00″E사이에 치하며,면 은 68.39㎢이다.

그림 1에서 연구지역의 치와 범 를 나타내고 있다.

그림 1연구지역 치 범

5

분석지역의 지형자료는 국토지리정보원으로부터 1:5,000수치지형도를 이용하여

등고선과 표고 을 기 으로 수치표고모델(DEM)을 구축하 고,수치표고모델로

부터 사면방 와 경사를 분석하 다.국립농업과학원으로 부터 1:25,000토양도를

획득하 는데 토양도로부터 토양의 배수도를 연구에 용하기 하여 분류하 다.

국립산림과학원으로 부터는 1:25,000임상도를 구할수 있었다.임상도에는 임상․

․경 ․ 도 등의 속성자료 임상자료만 분석을 해 이용하 다.한국

지질자원연구원으로 부터는 1:50,000지질도를 수집하 고 다른 자료들에 비해

축척으로서 ‘clip’명령을 이용하여 연구지역 범 를 편집하 다.그리고 산사태

발생지 의 치는 1995년과 1999년에 촬 된 항공사진에서 비되는 흔 을

1:5,000수치지형도에 맵핑한 자료(이사로 등,2004)를 이용하 다.

지 도 데 형태 축 척 출 처

지 형 도 점, 1 : 5,000 지리정보원

지 질 도 1 : 50,000 지질 원연 원

양 도 1 : 25,000 립농업과학원

상 도 1 : 25,000 립산림과학원

산사태지점 점 1 : 5,000 항공사진( 사로 )

표 2연구지역 수집자료

수집된 자료는 벡터(Vector)형 자료이므로 통계론 계산을 해 격자(Pixel)의

크기가 가로세로 10m인 크기의 래스터(Raster) 일로 격자화 변환(김계 ,

2004)하 다(그림 2～5).연구지역은 략 좌우 8km,상하 8.5km로 범 를 설정

하 기 때문에 래스터 자료로 변환시 동서방향으로 799개,남북방향으로는 856

개의 격자가 생성되어,총 683,944개의 격자로 구성된 공간자료를 구축하 다.

6

수치지형도 산사태 발생지 래스터형 자료로 변환

그림 2수치지형도의 래스터형 자료변환

지질도 벡터형 자료 래스터형 자료로 변환

그림 3지질도의 래스터형 자료변환

연구지역

7

토양배수도 벡터형 자료 래스터형 자료로 변환

그림 4토양배수도의 래스터형 자료변환

임상도 벡터형 자료 래스터형 자료로 변환

그림 5임상도의 래스터형 자료변환

8

2.3공간자료 분석

수집된 벡터형 자료를 래스터형 격자자료로 변환함으로서 상지역의 산사태

취약여부를 본격 으로 분석할 수 있다.본 논문에서는 각 주제도의 래스터 자료와

산사태 발생지 을 첩하여 빈도를 악하 고,산사태 취약성도 제작을 한

공간통합(SpatialIntegration)을 실시하 다.여기서는 공간통합을 해 이용한

우도비의 개념에 해 알아보고자 한다.

2.3.1우도비(尤度比,LikelihoodRatio)의 개념

기본 인 처리 과정을 거쳐 GIS데이터베이스로 구축된 n개의 지질 지형

자료 ek(k=1,2,3,․․․,n)가 있고,통합 목표를 “특정 화소 Tp는 미래의 특정

유형의 산사태에 의해 향을 받을 것이다”라고 할 때,산사태 취약성 분석의

목 은 ek를 Tp에 합하도록 정량 으로 추정 표 하는데 있다.

자연 상을 수치화하는 과정에서 단순화 혹은 모델화시킨 지질 지형 자료에

해 정량 모델을 용하기 해서는 기본 인 가정이 필요하다.첫 번째 가정은

연구지역에서 특정 원인(강우,지진 등)에 의해 미래에 발생할 산사태의 유형은 과거

발생한 산사태의 유형과 같다는 것이다.만약 연구지역에 여러 유형의 산사태가

발생하 을 경우에는 유형별로 산사태를 따로 구분하여 모델링을 수행하여야

한다.두 번째 가정은 통합모델링에 사용하는 지질·지형자료들은 과거나 미래의

산사태 발생을 측하는데 유용한 정보를 제공한다는 것이다.여러 지질·지형자료가

산사태 발생과 련하여 제공하는 정보의 질이 보통 다른 경우가 많은데,이러한

경우에는 민감도 분석을 통해 각 공간자료의 기여도를 추출할 수 있다.

의 2가지 가정 하에 여러 지질·지형자료를 통합할 수 있는 방법론을 용하게

되는데,본 논문에 용하는 확률론 우도비의 기본 개념은 다음과 같다.산사태

취약성 분석의 최종 목표는 미래의 산사태에 해 취약한 지역과 취약하지 않은

지역을 구분하는데 있다.두 번째 가정에 따라 산사태 발생 지역과 미발생 지역

에서의 지질·지형 자료들의 빈도수 분포 혹은 확률 분포의 차이가 나타날 것이며,

이러한 차이는 산사태 발생 지역과 미발생 지역에서의 확률비로서 정량 으로

부각될 수 있다(박노욱 등,2005).

9

n개의 공간자료에서 우도비(λ)는 다음과 같이 정의되며,조건부 독립(이정남

등,2004)을 가정하게 되면 개별 인 자료 처리가 가능하게 된다.

λ(e1,e2,e3,․․․,en∣Tp)=P(e1,e2,e3,․․․,en∣Tp)

P(e1,e2,e3,․․․,en∣Ťp)

여기서 Ťp는 “특정 화소 p는 미래의 특정 유형의 산사태에 의해 향을 받지

않을 것이다”를 나타내며,P(Tp)와 P(Ťp)는 통합 목표 Tp와 Ťp의 사 확률

(priorprobability)을 나타낸다.조건부 독립의 가정을 모든 공간자료에 용할

경우 개별자료의 우도비 곱은 통합(integration)우도비로 표 될 수 있다.

λintegration=λ (e1∣Tp)․λ (e2∣Tp)․λ (e3∣Tp)․․․λ (en∣Tp)

본 연구지역에서의 우도비는 빈도수 분포로부터 계산하 다.6종의 속성

(Attribute)을 가지는 연속형 범주형 자료 CA(Category)에서 기존 산사태 발생

자료의 확률 분포 P(CA∣Tp),미발생자료의 확률분포 P(CA∣Ťp),우도비 λ(CA)를

다음과 같이 각각 정의하 다.

P(CA∣Tp)=[sizeofS∩ AreaCA ]/[sizeofS]

P(CA∣Ťp)=[AreaCA -(sizeofS∩ AreaCA )]

/[sizeofBoeun-sizeofS]

λ (CA )=P(CA∣Tp)/P(CA∣Ťp)

여기서 S(landslide)는 산사태 발생 지 ,Boeun은 연구지역 체를 나타낸다.

10

2.3.2산사태 발생지 의 첩

산사태 발생 치의 속성을 악하기 해 각 주제도에서 고도를 25m 단 ,

사면방 에서는 noaspect(F)를 포함하여 9개 역,경사에서는 5°단 ,지질은

흑운모화강암(Jbgr)등 6개 항목,토양배수는 그 정도를 6개 역으로 나 고,

임상은 미립목지(O)등 13개 항목으로 구분(표 3)하여 482개의 기발생 산사태

지 과 이어(Layer) 첩을 통해 치를 확인하 다.

주제도 고 도 사면방 경 사 지 질 토양배수 임 상

구 분 25m단 8방 +1 5°단 6개 항목 6개 항목 13개 항목

표 3주제도별 속성 분류

한 이어 첩은 속성별로 어떤 구간이나 분류단 클래스(Class)에서 산사태가

몇 회 발생하 는지 통계를 알 수 있다.그림 6은 각 속성별 주제도와 산사태

발생지 의 첩을 통해 통계자료를 확인하는 과정을 나타내고 있다.

그림 6 이어 첩 분석

11

2.3.3속성별 상 계 분석

산사태 발생지 과 첩된 각 주제도로 부터 산사태 발생 통계를 확인할 수

있으며,통계자료에서 속성별 어떤 지역에서 산사태가 발생했는지 알 수 있다.

그림 7～12는 구분 역 단 별로 산사태 발생 횟수를 그래 로 나타내었다.

그리고 통계자료를 이용하여 속성별 클래스의 우도비(LR)를 계산하 다.표 4〜

9는 구분 역 단 별로 우도비 연산 값을 기록하 다.

가.고도(Elevation)

보은지역은 분지지형으로서 표고가 101m에서부터 493m까지 분포하고 있으며,

평균 고도는 211.8m로 측정되었다.산사태 발생은 주로 160∼235m에서 집

으로 발생하 으며,236m 이상에서는 속히 감소하는 것을 확인할 수 있다.

이러한 상은 부분의 산사태가 산지의 5～6부 능선에서 발생한다는 것을

나타낸다.

그림 7고도별 산사태 발생지 수 악

12

구분 범 산사태 면 P{CA∣TP}P{CA∣ŤP} LR(λ)

1 101 ∼ 160m 9 157,837 0.02 0.23 0.08

2 161 ∼ 185m 109 128,122 0.23 0.19 1.21

3 186 ∼ 210m 140 95,836 0.29 0.14 2.07

4 211 ∼ 235m 115 88,691 0.24 0.13 1.84

5 236 ∼ 260m 57 68,286 0.12 0.10 1.18

6 261 ∼ 285m 20 46,006 0.04 0.07 0.62

7 286 ∼ 310m 16 34,987 0.03 0.05 0.65

8 311 ∼ 335m 9 22,796 0.02 0.03 0.56

9 336 ∼ 360m 6 18,026 0.01 0.03 0.47

10 361 ∼ 493m 1 23,357 0.00 0.03 0.06

계 482 683,944 1.00 1.00 8.75

표 4고도별 우도비(LikelihoodRatio)

나.사면방 (Aspect)

사면방 는 체 으로 북동․정동쪽에서 발생빈도가 높았으며,반면 정남․

남서쪽에서는 낮게 확인하 다.이러한 결과는 풍향에 따라 비의 방향성이 변하므로

이러한 결과가 나타난 것으로 추정되며 1998년 8월 일일기상자료를 확인한 결과

한달 동안 최 풍향은 북동쪽임을 확인 할 수 있었다.바람의 방향은 수시로 변하지만

풍향의 기 을 북동쪽으로 보았을 때 바람의 방향이 북동쪽과 정동쪽으로 생각

될 수 있으며,이는 결과 으로 북동쪽과 정동쪽에서 산사태 발생 확률이 높게

나타날 수 있다고 추정할 수 있다.

13

그리고 방향성이 없는 ‘noaspect(F)’의 평평한 지역에서는 산사태가 발생

하지 않아 우도비가 ‘0’이지만 우도비 통합을 하는데 있어 다른 속성에 향을

미치기 때문에 최 값인 ‘0.01’로 조정하 다.

구분 기호 범 산사태 면 P{CA∣TP} P{CA∣ŤP} LR(λ)

1 F noaspect 0 4,471 0.00 0.01 0.01

2 N 337.5∼ 22.5̊ 59 60,603 0.12 0.09 1.38

3 NE 22.5∼ 67.5̊ 78 98,857 0.16 0.14 1.12

4 E 67.5∼112.5̊ 90 121,437 0.19 0.18 1.05

5 SE 112.5∼157.5̊ 64 83,867 0.13 0.12 1.08

6 S 157.5∼202.5̊ 32 73,176 0.07 0.11 0.62

7 SW 202.5∼247.5̊ 35 75,484 0.07 0.11 0.66

8 W 247.5∼292.5̊ 66 97,084 0.14 0.14 0.96

9 NW 292.5∼337.5̊ 58 68,965 0.12 0.10 1.19

계 482 683,944 1.00 1.00 8.07

표 5사면방 별 우도비(LikelihoodRatio)

14

그림 8사면방 별 산사태 발생지 수 악

다.경사(Slope)

경사의 경우에는 21〜25°에서 많은 수의 산사태 발생이 측되는데,이것은 경사

보다는 고경사 지역에서 발생한 것을 알 수 있다.반면 경사 지역에서는 산사태 발생이

감소하는데 이것은 빗물이 력에 의해 지 로 속히 흐르기 때문으로 단된다.따라서

25°이하에서는 사면 경사각이 높을수록 산사태 발생 확률이 높다는 것을 증명하는 것

이고, 한 산사태가 많이 발생할 수 있는 경사각은 11°이상인 것을 알 수 있다.

그림 9경사별 산사태 발생지 수 악

15

구분 범 산 사 태 면 P{CA∣TP} P{CA∣ŤP} LR(λ)

1 0〜 5̊ 15 251,308 0.03 0.37 0.08

2 6〜 10̊ 49 85,463 0.10 0.12 0.81

3 11〜 15̊ 84 92,041 0.17 0.13 1.30

4 16〜 20̊ 98 99,566 0.20 0.15 1.40

5 21〜 25̊ 107 80,443 0.22 0.12 1.89

6 26〜 30̊ 84 41,689 0.17 0.06 2.86

7 31〜 35̊ 31 19,592 0.06 0.03 2.25

8 36〜 40̊ 12 9,274 0.02 0.01 1.84

9 41〜 45̊ 2 3,016 0.00 0.00 0.94

10 46〜 84̊ 0 1,552 0.00 0.00 0.01

계 482 683,944 1.00 1.00 13.38

표 6경사별 우도비(LikelihoodRatio)

라.지질(Geology)

산사태와 지질과의 계에서 특이한 은 흑운모화강암(Jbgr)지 에서 과반수인

362개의 산사태 발생을 확인할 수 있으나 면 한 넓은 지역에 분포하고 있어

결국 우도비에서는 죽 리복운모아다멜라이트(Jjtm)보다 낮은 값을 산출하 다.

문주리층(ocmu)에서는 산사태가 한 건도 발생하지 않아 우도비가 ‘0’으로 나타

나는데 이것은 사면방 속성의 noaspect(F)와 마찬가지로 우도비 통합시 다른

속성에 향을 미치기 때문에 최 값을 ‘0.01’로 조정을 하 다.

16

통계자료를 통해 죽 리복운모아다멜라이트의 우도비는 연구지역의 모든 속성

에서 가장 높은 수치를 나타내고 있다.따라서 산사태 발생 여부에 주요 요인

으로 작용하는 것으로 추측된다.여기서 죽 리복운모아다멜라이트의 결정구조는

상구조로 되어있으며,이는 집 호우에 의해 매질의 단 량이 증가한다면,

단응력의 방향은 결정구조와 같은 방향으로 작용하여 괴된다고 분석된다.

아다멜라이트는 화강암으로 분류되며,석 ․칼륨장석 사장성의 조합으로

된 삼각도에서 석 의 양이 10〜60% 범 에서,칼륨장석의 장석량에 한

비율이 1/3〜2/3인 화강암을 말한다.장석의 자가는 Si4+가 Al3+로 치환되어

있으므로 자를 획득하여 자의 평형을 이루려면 다른 양이온이 결정구조에

추가 되어야 한다.즉 장석 원자의 결정구조는 불완 하며,이는 산사태 발생의

원인으로 분석된다.이러한 특징으로 인해서 연구지역에서 죽 리복운모아다

멜라이트는 산사태 발생횟수가 었으나 매우 높은 우도비 값을 나타내는 것으로

분석할 수 있다.

지질자료를 통해 산사태 발생횟수와 우도비와의 차이를 알 수 있다.이것은

동일한 산사태 발생 수치를 갖더라도 산사태에 취약하지 않을 확률을 의미하는

‘P{CA∣Ťp}’가 다르기 때문이다.

그림 10지질별 산사태 발생지 수 악

17

구분 지 질 기 호 산사태 면 P{CA∣TP} P{CA∣ŤP} LR(λ)

1 문주리층 ocmu 0 2,563 0.00 0.00 0.01

2 황강리층 ochw 9 93,204 0.02 0.14 0.14

3 흑운모화강암 Jbgr 362 379,143 0.75 0.55 1.17

4 죽 리복운모 Jjtm 88 28,943 0.18 0.04 4.32

5 산성암맥 Kad 5 6,082 0.01 0.01 1.36

6 신기하성층 Qa 18 174,009 0.04 0.25 0.15

계 482 683,944 1.00 1.00 7.15

표 7지질별 우도비(LikelihoodRatio)

마.토양배수(SoilDrainage)

토양배수와 산사태와의 련성은 배수가 잘 될수록 산사태 발생 빈도가 뚜렷

하게 높게 나타났다.이러한 상은 흙 입자의 크기가 클수록 입자와 입자사이의

공극이 크게 형성되어 이 사이로 물이 침투하여 매질의 단 량을 증가시켜

결국 사면이 괴되는 상이 발생된다고 사료된다.하지만 배수가 좋지 않은

경우에도 산사태가 발생했다는 것은 짧은 시간에 내리는 집 호우시에는 입자와

입자사이에 공극이 작아 물이 침투할 만한 시간 여유가 없어 즉시 사면 괴로

발 하지는 않지만,수일에 걸쳐 서서히 물을 흡수한 매질은 지하수의 수 증가

단 량을 증가시켜 결국 사면이 붕괴되는 상으로 단된다.결국 배수가

좋은 상태에서의 괴를 1차 붕괴 상으로,배수가 좋지 않은 상태에서의 괴

상을 1차 붕괴 상 이후에 발생한 2차 붕괴 상으로 간주한다.

18

그림 11토양배수별 산사태 발생지 수 악

구분 배수정도 기호 산사태 면 P{CA∣TP} P{CA∣ŤP} LR(λ)

1 기타 etc. 5 23,576 0.01 0.03 0.30

2 가장안되는 worst 18 103,014 0.04 0.15 0.25

3 안되는 bad 9 64,619 0.02 0.09 0.20

4 간정도 middle 79 209,730 0.16 0.31 0.53

5 잘되는 good 370 262,633 0.77 0.38 2.00

6 가장잘되는 best 1 20,372 0.00 0.03 0.07

계 482 683,944 1.00 1.00 3.35

표 8토양배수별 우도비(LikelihoodRatio)

19

라.임상(ForestType)

임상에 있어서는 리기다소나무림(PR)에서 다른 수종들과 큰 차이를 알 수 있다.

일반 으로 침엽수는 뿌리가 얕고 빨리 자라지만 쉽게 죽고,반면 활엽수는 성장이

느리지만 뿌리의 부착은 양호하기 때문에 이러한 결과를 얻은 것으로 단된다.

미립목지(O)․경작지(L)등의 비 산림지역에서는 ‘1’미만의 낮은 산사태 발생과

련된 우도비를 나타내고,제지(R)․포 라림(PO)․ 지(LP)에서는 산사태 발생

자료가 없어 우도비가 ‘0’인 결과를 얻었다.이것은 사면방 와 지질 속성에서와

마찬가지로 우도비가 ‘0’이면 산사태 취약성도를 얻기 한 우도비 통합을 할 때

수학 인 특성에 의해 동일지 다른 속성의 우도비에도 향을 미치기 때문에

‘0’이 아닌 ‘0.01’로 조정하여 연구를 진행하 다.산림지역과 비산림지역에서

나타나는 우도비의 차이는 산사태가 주로 산에서 발생하고 산림지에서 발생한다고

봤을 때 이러한 결과가 나왔다고 분석된다.

그림 12임상별 산사태 발생지 수 악

20

구분 임 상 기호 산사태 면 P{CA∣TP} P{CA∣ŤP} LR(λ)

1 제지 R 0 710 0.00 0.00 0.01

2 포 라림 PO 0 217 0.00 0.00 0.01

3 인공활엽수림 PH 1 2412 0.00 0.00 0.59

4 낙엽송림 PL 14 13,237 0.03 0.02 1.50

5 활엽수혼효림 H 30 50,283 0.06 0.07 0.85

6 미립목지 O 71 341,746 0.15 0.50 0.29

7 리기다소나무림 PR 186 106,810 0.39 0.16 2.47

8 침·활혼효림 M 134 126,006 0.28 0.18 1.51

9 잣나무림 PK 23 15,946 0.05 0.02 2.05

10 소나무림 D 20 18,214 0.04 0.03 1.56

11 경작지 L 2 5,857 0.00 0.01 0.48

12 밤나무인공림 CA 1 2,085 0.00 0.00 0.68

13 지 LP 0 421 0.00 0.00 0.01

계 482 683,944 1.00 1.00 12.01

표 9임상별 우도비(LikelihoodRatio)

21

수집된 공간 자료들로부터 어떤 속성에서 산사태가 몇 회 발생하 는지 확인

하 고,그것을 통계화하여 정량 인 분석을 한 우도비를 계산하 다.여기서

우도비는 산사태에 취약하지 않을 확률과 산사태에 취약한 확률의 비로 정의된다.

이러한 우도비의 특징은 특정 클래스에서 산사태가 많이 발생했더라도 면 이

넓어서 산사태에 취약하지 않은 지역 한 넓다면 낮게 나타나고,산사태 발생

수가 은 클래스라도 면 이 좁아서 산사태에 취약하지 않은 면 한 좁다면

높게 나타나는 특징을 알 수 있다.

공간통합의 방법으로서 이용하는 우도비 기반 베이지안 확률통계 기법은 우리가

생각하는 일반상식과는 상이한 결과를 나타내는 부분이 있다.통상 으로 경사에

있어 각도가 높아질수록 산사태 발생 가능성도 높을 것으로 단하고 있으나

상지역의 41̊ 이상에서는 산사태 발생 가능성이 낮은 것으로 분석되고 있다.

지질에서는 흑운모화강암 지역이 죽 리복운모아다멜라이트 지역보다 4배 많은

산사태 발생 빈도를 확인할 수 있다.그러나 우도비에서는 흑운모화강암이 죽 리

복운모아다멜라이트에 비해 1/4에 불과한 결과를 알 수 있다.이것은 해당 속성이

차지하고 있는 체 면 의 차이로 인해서 산사태가 발생하지 않은 즉,산사태에

취약하지 않은 지역이 넓기 때문이다.

우도비는 이론상 ‘0’에서부터 무한 의 값을 취하게 된다.본 논문에 용한

우도비 기법은 상 성을 나타내기 때문에 해당 속성에서 산사태에 취약한 클래스는

‘1’보다 큰 값을 나타내고,산사태에 취약하지 않은 클래스는 ‘1’보다 낮은 값을

나타내게 된다. 산사태에 취약한 확률과 산사태에 취약하지 않은 확률이 같을

때에는 우도비 값이 ‘1’이 되어 산사태 취약성의 기 이 된다.

본 논문 상지역의 우도비(λ)값은 ‘0.01’에서부터 ‘4.32’까지 분포하고 있다.

속성별 우도비 분포를 통해 연속형 범주형 자료의 어떤 클래스에서 상 으로

어느정도 산사태 취약성을 나타내는지 알 수 있다.특히 지질의 경우 ‘0.01’에서

부터 ‘4.32’까지 우도비의 높은 차이로 산사태에 취약한 지질은 무엇인지 알려주고

있다.반면 사면방 의 경우에는 noaspect를 제외하고 ‘0.62’에서 ‘1.38’까지의

우도비를 분포하는데 이것은 상지역에서 산사태의 취약성을 분석하는데 효율 인

자료로 이용되지 않고 있다.따라서 우도비의 차이가 크면 클수록 산사태 취약

여부를 단하는데 좋은 자료로 이용할 수 있다.

22

2.4공간 통합(SpatialIntegration)

2.4.1우도비 추가 지형 재분류

각 주제도와 산사태 지 의 첩 분석을 통해 산출된 우도비는 연구지역에서

속성별 산사태 취약성 분포를 상 으로 나타낸다.이러한 우도비를 ArcGIS

9.2에서는 ‘join’명령을 통해 기존 주제도에 새로운 속성(field)으로 추가하 다.

그림 13〜18은 각 주제도에서 10% 단 별로 우도비 분포를 통해 산사태 취약성

정도를 표 하 다.각 주제도별 산사태 취약성도에서는 우도비가 높은 지역일

수록 색으로,낮은 지역일수록 녹색으로 표 하 다.

고도에서는 우측에 에서 아래로 길게 녹색지역이 분포하고 있는데 이곳은

하천이 흐르는 160m 이하의 지역으로 우도비가 최 값인 ‘0.09’를 나타내고 있다.

반면 고르게 분포하는 색지역은 200m 후의 지역으로 우도비가 가장 높은 곳이다.

사면방 에서의 산사태 취약성도는 우도비가 각 방 별로 큰 차이가 없으므로

녹색과 색이 혼재되어 분포되어 있다.

사면경사에 의한 산사태 취약성도는 우측의 5̊ 이하의 지 로서 연구지역의

넓은 지역을 차지하고 있다.반면 색의 지역은 21〜30̊ 경사의 지역으로 산사태가

많이 발생했고,우도비도 높은 지역을 나타내고 있다.

지질 분류에 의한 산사태 취약성도에서는 부분 녹색지역을 나타내지만 앙의

색원 지역과 상부의 색지역을 확인할 수 있다.이곳은 죽 리복운모아다멜

라이트(Jjtm)로서 다른 지질에 비해 상당히 높은 우도비를 내포하고 있다.취약

성도는 우도비 값에 한 표 이기 때문에 죽 리복운모아다멜라이트에서 은

수의 산사태가 발생하 지만 좁은 지역에서 집 으로 확인되었기 때문에 채도가

높은 색으로 표 하 다.

토양배수에서는 배수가 잘되는(good)곳의 우도비가 ‘2.08’로서 산사태에 취약함을

나타내지만 이외의 지역에서는 산사태에 취약하지 않은 ‘1’보다 낮은 값을 갖고 있다.

이것은 취약성도에서 색과 녹색으로 확연하게 구분되는 것을 보며 알 수 있다.

임상 산사태 취약성도에서 넓은 면 을 차지하는 녹색지역은 미립목지(O)를 나타내고,

색지역은 임상 분류 우도비가 가장 높은 리기다소나무림(PR)을 나타내는

것이다.임상에서는 우도비가 ‘1’에 가까운 속성들이 많기 때문에 취약성도에서 녹색과

색의 간인 황색이 연구지역에서 고르게 퍼져있는 것을 확인 할 수 있다.

23

그림 13고도에 의한 취약성도

그림 14사면방 에 의한 취약성도

24

그림 15경사에 의한 취약성도

그림 16지질에 의한 취약성도

25

그림 17토양배수에 의한 취약성도

그림 18임상에 의한 취약성도

26

2.4.2산사태 취약성도

각 속성별 주제도에 우도비를 추가하여 작성된 취약성도는 해당 속성에 해서만

취약성 여부를 나타내고 있다.그래서 본 논문에서 이용한 고도․사면방

경사․지질․토양배수․임상의 속성을 하나로 통합하여 종합 인 산사태 취약성도를

만들어보고자 한다(그림 19).

연구지역은 가로세로 10m의 픽셀로서 모두 683,944개의 격자로 구성되어 있으며,

우도비로 표 된 속성별 취약성도에서도 하나하나의 픽셀은 자신만의 우도비

값을 갖고 있다.따라서 하나의 픽셀은 6개의 우도비 값을 통합하여 새로운 우도비가

생성되는 데,이것이 최종 으로 얻고자하는 산사태 취약성도가 된다.ArcGIS9.2

에서는 ‘rastercalculation’을 이용하여 속성별 취약성도 이어를 통합하 다.

산사태 취약 도

그림 19우도비 통합을 통한 산사태 취약성 도출 과정

각 주제도 이어를 통합하여 최종 산사태 취약성도를 작성한 결과 픽셀별로

우도비는 ‘0.000000035616’에서부터 ‘165.93’까지 분포하고 있다.통합된 산사태

취약성도에서 우도비가 ‘0’에서부터 ‘1’까지는 462,175개,‘1’을 과하는 픽셀은 221,769개가

존재하고 있다.우도비가 ‘1’보다 클때는 양의 상 계이고 ‘1’보다 작을때는 음의

상 계가 있기 때문에 픽셀수의 차이는 연구지역에서 산사태가 체 으로 고르게

발생한다기 보다는 특정지역에서 도있게 발생하고 있음을 의미한다.

27

공간통합을 해 이용한 우도비는 산사태 발생의 취약요소에 해 값이

아닌 상 값으로서 표 된 것이기 때문에 지역별로 그 차이가 부각되어 나타난다.

그림 20은 연구지역의 최종 결과물인 산사태 취약성도를 나타내며,연구지역을

등면 으로 나 어서 랭크 순으로 표 하 다.그림에서는 상 지역에 속 할수록

산사태에 취약함을 표 하고 있다.

그림 20연구지역 산사태 취약성도

그림에서 색(red)은 산사태에 취약함을 나타내고,자색(violet)은 취약하지 않음을

나타낸다.자색이 우측 에서 아래로 길게 나타나는데,이 지역은 하천이 흐르는

곳으로서 지 이며, 경사로서 임상에서는 미립목지(O)이기 때문에 산사태에 취약

하지 않은 곳으로 분석된다. 산사태에 가장 취약한 곳으로 분석되는 색지역은

앙부에 치하고 있는데,이곳은 지질에서 죽 리복운모아다멜라이트(Jjtm)의

높은 우도비를 포함하고 있다. 색주 로 넓게 퍼져있는 갈색지역은 고도,토양배수의

우도비가 높았던 지역으로 산사태에 해 간이상의 취약함을 나타내고 있다.

28

2.5검 증

산사태 취약성도를 통해 어느 지역이 산사태에 해 취약하고,취약하지 않은지를

확인하 다.이러한 우도비 통합 결과와 통합에 사용한 과거 산사태 치에 한

합성을 정량 으로 평가하기 하여 ChungandFabbri(1999)에 의해 제안된

성공비율곡선(suscessratecurve)을 작성하 다.

성공비율곡선은 해당 클래스에서 발생한 산사태의 발생 수를 악한 후 이

클래스의 산사태 발생 수와 하여 표 하 다.따라서 과거 산사태에 해

설명능력이 좋다면 은 면 을 차지하는 상 클래스에서 산사태의 포함 비율이

높을 것이기 때문에 그래 는 좌상단으로 치우친 모양으로 나타난다.

그림 21과 표 10은 연구지역에서 산사태에 취약한 지역을 상 5% 단 로 구분

하여 해당지역에서 발생한 산사태의 수량을 계한 통계 자료이다.성공비율곡선

에서 x축은 연구지역의 체면 에 한 산사태 취약모델을 통해 계산된 특정

결과 값까지의 면 의 비율을,y축은 0% 부터 특정 x값 까지에 포함된 산사태

발생 수의 체에 한 비율을 의미한다.

그림 21산사태 발생 성공비율곡선

29

구분우 도 비(X축)

면 산사태 수계

Y 축면 산사태

1 상 5% 34553 131 34553 131 23.24%

2 10% 33047 74 67600 205 36.10%

3 15% 34375 55 101975 260 46.89%

4 20% 34883 41 136858 301 59.34%

5 25% 31487 43 168345 344 69.71%

6 30% 24192 28 192537 372 75.10%

7 35% 36197 30 228734 402 80.08%

8 40% 28908 9 257642 411 85.89%

9 45% 29344 14 286986 425 90.04%

10 50% 41685 7 328671 432 91.70%

11 55% 31580 11 360251 443 94.61%

12 60% 30857 7 391108 450 97.10%

13 65% 35487 15 426595 465 98.34%

14 70% 40883 8 467478 473 98.34%

15 75% 36219 6 503697 479 99.17%

16 80% 36300 0 539997 479 99.59%

17 85% 32413 0 572410 479 100.00%

18 90% 36125 1 608535 480 100.00%

19 95% 40006 2 648541 482 100.00%

20 100% 35403 0 683944 482 100.00%

표 10산사태 취약성도 통계

30

성공비율곡선은 통합방법의 합성을 나타낸다고 간주할 수 있다.그러나 통합

결과와 통합에 사용한 산사태를 비교한 것이기 때문에 성공비율곡선은 엄 한 의미

에서 미래 산사태 발생에 한 측의 검증이라고 볼 수 없다.이러한 제한사항을

보완하기 하여 교차검증 기반의 측비율곡선(박노욱 등,2007)을 이용하 다.

측비율곡선(predictionratecurve)은 동일한 입력자료와 동일한 통합 방법을

사용하기 때문에 미래 산사태 발생에 한 정량 인 해석이 가능하다.

측비율곡선을 작성하기 해 과거 발생한 산사태를 임의의 두 그룹으로

나 어 한 그룹은 분석에 사용하고,나머지 그룹은 분석결과와 검증하는데 사용

하 다.그런 다음 검증에 사용한 자료를 다시 분석에 이용하고,분석에 사용했던

자료는 검증을 하는데 이용하여 교차검증을 실시하 다.

본 논문에서는 연구지역의 482개 산사태 에서 241개를 무작 로 구분하여 산사태

취약성도를 작성하기 해 분석한 후 나머지 241개는 검증을 하 다.그런 다음

검증에 이용한 산사태 자료는 분석을 하 고,분석에 사용하 던 자료는 다시

검증에 이용하여 그림 22의 측비율곡선을 작성하 다.

그림 22 측비율곡선(predictionratecurve)

31

분석 검증그래 는 상 20%의 지역에서 각각 65%와 62%의 측능력을

보이고 있다. 상 50%에서는 모두 90% 이상의 측능력을 보이고 있다.이 게

계산된 측값을 미래에 발생할 산사태와 연 시켜 해석하면 다음과 같다.산사태에

가장 취약한 20%의 지역에서는 체 산사태의 65%와 62%가 발생할 것으로 해석

할 수 있으며,50%의 지역에서는 90% 이상의 산사태가 발생할 것으로 해석할

수 있다.

그동안 산사태 발생과 련된 분석(민경덕 등 2000;이사로 등 2001;최재원

등,2004)들에서는 지형 지질학 연 성을 분석한 결과를 확인할 수 있었다.

그러나 미래 산사태 발생에 한 정량 인 부가 정보를 얻는 데에는 제한

이었다.반면 본 논문은 2개 그룹의 교차검증 측비율곡선의 해석을 통해

미래에 발생할 산사태를 측한다는 것에 의의가 있다.

32

제 3장 결 론 토 의

이 논문에서는 충북 보은을 상으로 산사태 발생빈도를 악하여 산사태

취약성도를 작성하 으며,교차검증을 통한 측비율곡선을 이용할 때 미래

발생 산사태에 해 해석이 가능하다.특히 과거 발생 산사태를 2개 그룹으로

나 어 실시한 교차검증은 기존 산사태 련 연구들에서 제한되었던 미래 발생

측에 해 해석이 가능하기 때문에 차별성을 제시 할 수 있다.이에 본 연구는

산사태에 가장 취약한 20%의 지역에서 미래 발생 산사태의 64%를,50%의

지역에서는 90%를 측할 수 있다.

우도비를 이용한 공간통합으로 산사태 취약성도와 성공비율곡선의 결과를

도출하 다.산사태 취약성도에서 색은 우도비가 높아 산사태에 취약한 지역임을

표 하며,자색 지역은 우도비가 낮아 산사태에 취약하지 않은 지역을 나타낸다.

산사태 취약성도에서 색계열은 고도 186∼235m,경사 26∼35̊,지질 죽 리복운모

아다멜라이트(Jjtm),토양배수 잘되는(good),임상 리기다소나무림(PR)·잣나무

림(PK)의 지역으로서 공간통합시 우도비가 높은 값을 갖고 있다.반면 자색계

열은 고도 160m 이하의 지 ,경사 5̊ 이하의 평탄지,지질 신기하성층(Qa),

토양배수 가장안되는(worst),임상 미립목지(O)의 지역으로 공간통합시 우도비

가 낮은 값을 갖고 있다.그리고 산사태 취약성도는 연구지역을 등면 으로 우도

비 상 5% 단 별로 순 (rank)로 구분하여 산사태에 취약한 지역과 취약하지

않은 지역을 상 으로 표 하 다.우도비를 5% 단 별로 하여 성공비율

곡선을 작성하 으며,그래 가 좌상단으로 치우치는 것을 볼때 상 클래스에

서 산사태 포함비율이 높다는 것을 알 수 있다.

연구지역의 산사태 취약성 분석을 한 공간통합 방법론으로서 베이지안 확률

이론을 배경으로 하는 우도비를 이용하 다.우도비는 산사태에 취약한 확률과

취약하지 않은 확률을 상 으로 부각시켜 주는 특징이 있다.이러한 우도비의

특징은 동일 속성일지라도 산사태의 발생 비율과 우도비 값의 정도가 다르다는

에서 확인된다.지질도의 흑운모화강암(Jbgr)에서 체 산사태의 75%인 362개의

산사태 발생지 이 조사되었으나 우도비는 ‘1.17’에 불과하다.반면 죽 리복운모

33

아다멜라이트(Jjtm)에서는 18%에 해당하는 88개의 산사태 발생지 이 확인되나

우도비는 ‘4.32’로서 흑운모화강암 보다 4배 높은 것을 알 수 있다.이러한 차이는

우도비 공식의 분모인 산사태에 취약하지 않을 확률,즉 산사태가 발생한 속성

산사태가 발생하지 않은 지역의 면 때문에 나타난다.

래스터 자료와 산사태 발생지 의 첩 통계를 통해 산출된 우도비는 각

주제도에서 표 편차가 클수록 산사태 취약성도를 작성하는데 민감한 향을

반 하 다.지질도에서 우도비의 최소값과 최 값의 차이는 다른 주제도에서

보다 높았다.반면 사면방 도에서는 우도비의 차이가 다른 주제도에서 보다 낮았다.

이러한 분석은 결과물인 산사태 취약성도를 작성하는데 있어 자료의 요도를

구분할 수 있으며 민감 정도를 알 수 있다.

연구지역의 래스터 자료는 각 속성별로 우도비 값을 갖는 683,944개의 픽셀로

구성되어 있다.래스터 자료는 6개의 이어로 구분되며,그것을 하나로 통합하여

결과물을 얻을 수 있었다.GIS를 기반으로 하는 공간분석은 연구지역에서 도형·

속성정보를 추출하여 산사태 취약성도를 한 종합 인 분석과 처리를 하는 것이

가능하 다. 양 인 면에서 뿐만이 아니라 산사태 취약정도를 상 으로

표 하기 한 객 인 근거를 제시하는데 있어 하게 이용되었다.

지리정보체계(GIS)와 확률론 통계기법은 상지역의 산사태 취약성을 분석

하는데 효율 이고 효과 인 수단으로 이용되었다.본 논문에서 실시한 분석의

방법은 산사태와 같은 자연 재해뿐만이 아니라 경제·환경·국방 등 다양한 분야

에서도 용이 가능함을 단할 수 있다.따라서 향후에는 GIS기반 공간통계

방법을 우리가 살아가는 주변의 사회 상을 분석하는데 용하고자 계획하고

있다.

이번 연구에서는 산사태에 직 인 향을 미치는 강우 자료는 포함하지

않았으나 강우량의 차이를 추가하여 산사태 발생 취약지역에 미치는 향을

분석하고자 한다. 우도비 이외의 Dempster-Shafers이론과 CF추정방법을

산사태 측모델을 한 공간통합에 용함으로서 기존 분석결과와 차이 을

비교 할 정이다.

34

참 고 문 헌

김계 ,2000,GIS개론(개정 ), 사,pp2

김계 ,2004,공간분석,두양사,pp94～104

이정남,김태수,2004,Excel활용 확률과 통계,자유아카데미,pp38～49

최 선,2008,엑셀 2007바이블,한빛디미어

ESRI,2007,IntroductiontoArcGIS9.2Desktop

강인 ,이홍우,곽재하,정재형,1993,표고 데이터베이스에 의한 산사태 험

평가의 기 연구, 한토목학회논문집,13권 2호,pp211～218

김원 ,이사로,김경수,채병곤,1998,지형특성에 따른 산사태의 유형 취약성,

ThejournalofengineeringGeology,vol.8no.2,pp115～130

민경덕,이사로,2000,공간데이타베이스를 이용한 1991년 용인지역 산사태 분석,

자원환경지질,33권 4호,pp321～332

박노욱,지 훈,권병두,정창조,2005,산사태 취약성 분석을 한 GIS기반

확률론 추정모델과 모수 모델의 용,자원환경지질,38권 1호,pp45～55

박노욱,지 훈,2007,GIS기반 물자원 분포도 작성에서 측확률 추정을

한 측비율곡선의 응용, 한원격탐사,23권 4호 pp287～295

신진수,2001,다목 실용 성과 공간정보를 이용한 산사태 측 기법 비교연구,

고려 학교 석사학 논문

35

이사로,1999,지리정보시스템(GIS)을 이용한 산사태 취약성 분석 기법 개발

용 연구,연세 학교 박사학 논문

이사로,류주형,민경덕,원 선,2000,인공신경망을 이용한 산사태 취약성 분석,

자원환경지질학회지,33권 4호,pp333～340

이사로,지 훈,박노욱,신진수,2001,산사태와 지형공간정보의 연 성 분석을

통한 장흥지역 산사태 취약성 분석,자원환경지질,34권 2호,pp205～215

최재원,이사로,민경덕,우익,2004,지리정보시스템(GIS) 베이지안 확률

기법을 이용한 보은지역의 산사태 취약성도 작성 검증,자원환경지질,37권

2호,pp207～223

한 석,이사로,김경수,최 섭,유일 ,1998,GIS를 이용한 한국 동남부 지역의

상 사면안정성 분류도 작성,한국GIS학회지,6권 1호,pp25～33

Chung,F.C.andFabbri,A.G.,1999,Probabilitypredictionmodelsfor

landslidehazardmapping,PhotogrammetricEngineering& RemoteSensing,

vol.65,no.12,pp1389～1399

Duda,R.O.,Hart,P.andNilsson,N.,1976,SubjectiveBayesianmethods

forrule-basedinferencesystem,Proceedingsofthe1976nationalComputer

Conference,pp1075～1082

Heckerman,D.,1986,ProbabilisticinterpretationsforMYCIN'scertainty

factors,in Kanal,L.N.,andLemmer,J.K.,eds.,Uncertain in artificial

intelligence,New York;Elsevier,pp167～196

36

Lee,K.,Kwon,B.D.and Chi,K.H.,1995,Multivariate analysis of

geochemicaldataformineralpotentialmappingintheTaebaekarea,Journal

oftheGeologicalSocietyofKorea,vol.31,no.6,pp567～575

Luzi,LuciaandPeralani,Floriana,1996ApplicationsofstatisticalandGIS

techniques to slope instability zonation,SoilDynamics and Earthquake

Engineering,vol.15,pp84～94

Moon,W.M.,1990,Integrationofgeophysicalandgeologicaldatausing

evidentialbelieffunction.IEEE Transactions on Geoscience and Remote

Sensing,vol.28,pp711～720

Nagarajan,R.,Mukherjee,Anupam,Roy,A.and Khire,M.V.,1998,

Temporalremote sensing data and GIS application in landslide hazard

zonation ofpartofWestern Ghat,India,InternationalJournalofRemote

Sensing,vol.19,no.4,pp573～585

Vulkan,U.and Duval,J.S.,1993,Multivariatestaticsticalanalysisof

geophysicaldatainnevada,Geophysics,vol.58,pp.749～755

한국ESRI,http://edu.sundosoft.com

ArcGIS9.2DesktopHelp,http://webhelp.esri.com/arcgisdesktop/9.2

Likelihood,http://www.aistudy.co.kr/math/likelihood.htm

감사의

석사과정은 제가 사회 동물임을 확인하는 시기 습니다.논문을 한 능력은

터무니 없이 부족하 음에도 이 을 기록하는 데에는 주변 모든 분들의 도움이

있었기에 가능했으리라 단합니다.

칠흙같은 어둠속에서도 졸업이라는 희망의 불빛을 보여주신 박노욱 지도교수님께

진심으로 머리 숙여 감사드립니다.논문에 해 답답해하고 있을때 친 하게 해

주셨던 이철용 연구원과 GIS연구실 여러분께도 깊은 감사를 드립니다.논문의

시작 에서 출발신호를 알려주신 김계 교수님께도 경외스런 감사를 드립니다.

에게 있어 석사학 는 지리정보공학을 공으로 선택한 후 10여년간의 결실

입니다.20 를 함께 해주셨던 학교 부 에서 만난 분들이 있었기에 지 의

제가 존재할 수 있었습니다.99학번 시 인하공 지형정보과 故조재호 교수님

그리고 GIS를 알려주셨던 교수님들과 10년 지기 친구들,육군3사 학교 토목공학과

이희범 교수님 그리고 언제 어디서나 동기들인 38기 공병 3 형제들,

OAC시 술학보다도 인생에 해 진리를 고찰하도록 여건을 배려해주신 백주일

교 님과 22주간의 치열한 술(酒)을 치러야 했던 장애인 동기들,무엇보다도

학원 진학을 승인해주신 정태성 령님과 정재순․김수원 소령님께 큰 감사를

드리며, 장이 자리를 비워도 원망없이 부 리에 힘써 주신 이재춘 상사님,

그리고 上命下服을 수해 소 장․부소 장과 자랑스런 나의 병사들,안양에서

정착할 수 있도록 도와주신 노호권 소령님과 박달APT가족들에게도 감사드립니다.

이외에도 어릴 때 부터 평생 죽마고우로서 4차원 공간에서 나와 같은 코드를

유지하고 있는 유재천․ 민기․임승균에게도 고마움을 표합니다.동생에게 논문의

요성을 강조해 사 치덕이형,논문 발표용 폼을 해주신 강희선배 덕분에

무사히 논문을 끝마칠 수 있었습니다.

마지막으로 학교-회사-집으로 수송해 ’97스포티지 & ’09SM3가 있었기에

졸업이 가능했으며, 4-332호 랩실의 ‘바뻐??????????????’라고 있는 컴퓨터

에게도 생명은 없으나 논문의 일등공신이었기에 감사의 을 남깁니다.

p.s:이 을 읽어주실 고마운 분들이 있기에 밤을 새며 연구에 임했습니다.