http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
로지스틱 회귀모형을 이용한 전국 산사태 발생위험 예측지도 개발
우충식,권현정,이창우,김경하 한국방재학회 2014 한국방재학회논문집 Vol.14 No.6
This study was carried out to develop landslide hazard prediction map for the whole country of South Korea using the data 1,912landslides that were occurred during the period of 2005 to 2011. These data set were extracted in the aerial photographs. Logisticregression model was developed using the data mentioned above. We built spatial database on landslide of the whole country usingaerial photographs because the model based on probability such as logistic regression analysis needs a lot of data concerned on landslide. Nine factors closely related to landslide were selected through logistic regression analysis and the classification accuracy ofmodel were 75.3%. Applied factors are as follows; slope, drainage length, aspect, curvature, TWI, mother rock, soil depth, foreststand, tree diameter. Using the developed model and GIS analysis, The new landslide hazard prediction map of South Korea wasmade. For the validation of this map, we compared dangerous areas by model to 276 landslide areas that were occurred from 2012 to2013. As a result, the hit rate was shown in 76% approximately. 본 연구에서는 2005년부터 2011년까지 전국 산사태 발생지역을 촬영한 항공영상에서 추출한 산사태 발생지 1,912개소와 확률기반의로지스틱 회귀모형을 이용하여 전국단위 산사태 발생위험 예측지도를 개발하였다. 로지스틱 회귀모형과 같은 통계기반의 모형은 다량의 관련 데이터가 필요하기 때문에 최근에 발생한 산사태 발생지의 항공영상을 이용하여 전국의 산사태 공간자료를 DB화하였다. 산사태 위험도 예측모형은 산사태 발생에 영향을 미칠 수 있는 지형, 수문, 식생, 토양, 지질 등 9개 인자를 반영하였으며 모형의 분류정확도는 75.3%로 나타났다. 개발된 모형과 GIS를 이용하여 전국의 산사태 발생위험 예측지도를 제작하였으며 2012년, 2013년 산사태 발생지 276개소를 대상으로 적중률을 분석한 결과 약 76%로 나타났다.
물리적 강도와 사회적 취약성을 통합한 토석류 위험도 예측모형 개발
우충식,이창우,김경하,권현정 한국방재학회 2014 한국방재학회논문집 Vol.14 No.4
최근 도시생활권에서 토석류가 빈발하여 인명 및 재산피해가 증가하고 있다. 그러나 많은 연구가 산사태 발생 및 토석류 피해범위 예측에 중점을 두어 사회적 취약성이 반영된 연구가 요구되고 있다. 따라서 본 연구에서는 토석류의 물리적 강도와 사회적 취약성을 결합하여 토석류 위험도 예측모형을 개발하였다. 토석류 위험도 예측모형은 1~5등급으로 구분되며 1등급이 가장 위험한 등급이다. 경기도 용인시를 대상으로 토석류 위험도를 예측한 결과 전체 279개소 중 1등급은 2개소, 2등급은 40개소, 3등급은 60개소, 4등급은 124개소, 5등급은 53개소로 나타났다. 토석류 위험도 예측모형을 선행연구 결과와 비교하기 위해 우면산 산사태지역을 적용한 결과 토석류위험등급이 각 모델에서 2등급으로 나타났다. Recently, the loss of life and property is increasing by debris flow that is occurring very often in urban zone near mountainous area. However, because most studies have only focused on prediction of landslide occurrence and damage area by debris flow, the study onrisk prediction reflecting a social vulnerability is demanded. In this study, we developed the risk prediction model for debris flow thatwas combined with physical impact(magnitude) of debris flow and social vulnerability. The risk of combining magnitude and vulnerabilityfor debris flow was classified 1~5 grades according to dangerous degree, and the 1st grade is most dangerous. Using thismodel, the case study adapting Yongin city, Gyeonggi province shows that 1st grade are 2 sites, 2nd grade are 40 sites, 3rd grade are60 sites, 4th grade are 124 sites, 5th grade are 53 sites. To compare this model by preceding research, we adapted to Mt. Umyeonwhich was damaged by debris flow in 2011. As a result, the risk of debris flow on this area was shown in 2nd grade on each model.
항공라이다 자료를 이용한 토석류 유출량의 분석 및 평가
우충식 ( Choong Shik Woo ),권현정 ( Hyun Jung Kwon ),이창우 ( Chang Woo Lee ),김경하 ( Kyong Ha Kim ),최두영 ( Doo Young Choi ),서준표 ( Jun Pyo Seo ),정선환 ( Seon Hwan Jeong ) 한국임학회 2014 산림과학 공동학술대회 논문집 Vol.2014 No.-
최근 태풍 및 집중호우로 인해 토석류(土石流)가 급증하고 있다. 토석류 발생시 산지에서 유출되는 토사는 인명 및 재산피해를 가중시키는 주요 원인이지만 토석류 발생시 유출되는 토사량을 추정하기가 어렵다. 따라서, 본 연구에서는 토석류 발생지역인 우면산(2011 년)과 인제군(2006 년), 봉화군(2008 년), 제천시(2008 년)지역을 대상으로 항공라이다 자료를 이용하여 토사유출량을 산정하였으며 이 결과를 이용하여 토사유출특성을 분석하였다. 토석류 발생원(C) 대비 총토사유출량(T)의 비율(C/T)은 2 ∼ 19%로, 계류의 계상 및 계안에서 침식된 토사량이 큰 비중을 차지하였다. 또한, 토사유출량은 계류의 수충부 및 합류부에서 크게 증가하는 경향이 나타났다. 연구지역의 총토사유출량과 발생원(㎥), 계류총길이(m), 계류본류길이(m)의 관계를 분석한 결과 계류총길이와 총토사유출량의 상관성(R2)이 0.874로 가장 높게 나타났다. Recently, debris flow due to typhoons and heavy rainfall is increasing rapidly. It isdifficult to estimate sediment yield caused by debris flow which is the main cause for damage of human life and property. In this study, using airborne LiDAR data, the sediment yield was quantified for Mt. Umyeon in Seoul city, Inje county, Bonghwa county, Jaecheon city where were defeated area by debris flow in 2011, 2006 and 2008. Also, we analyzed the characteristics of the sediment yield using the these results. The proportion(C/T) of the collapsed soil(C) and a amount of the sediment yield(T) was in 2 ~ 19%. This result shows that erosion of the stream bed and bank occupy a large proportion of the sediment yield. The amount of erosion is increased to flow impingement sections and channel junctions of torrents. In addition the correlation of sediment yield with collapsing soil(㎥), a total length(m) and a mainstreamlength(m) were analyzed. As a result, the value of R-square between the sediment yield and a total length was the highest as 0.874.
산지토사재해 발생구간 분석을 위한 항공사진 DTM에서의 수목필터링
우충식 ( Choong Shik Woo ),윤호중 ( Ho Joong Youn ),정용호 ( Yong Ho Jeong ) 한국지리정보학회 2007 한국지리정보학회지 Vol.10 No.3
항공사진을 이용해 산지토사재해 구간의 DTM(Digital Terrain Model)을 제작할 경우 수목이 재해구간을 가리는 경우가 많아 연속적이고 정밀한 DTM을 얻기가 매우 어렵다. 본 연구에서는 이러한 어려움을 해결해 보고자 디지털항공사진을 이용하여 moving window 형태의 필터링방법을 제시하였으며 DTM을 추출하였다. 또한 산지토사재해 구간에서 적정한 필터링의 window 크기에 따른 수목영향제거의 효과를 알아보기 위해 상용 수치사진측량 S/W인 Socet set의 Adaptive 필터링한 DTM과 LiDAR(Light Detection And Ranging)에서 획득한 DTM을 비교하였다. 그 결과 LiDAR에서 획득한 DTM보다는 정확도가 낮았지만 Adaptive 필터링보다는 정확도가 약 6m 정도 높은 결과를 얻을 수 있었다. It is difficult to generate DTM using aerial photographs because trees usually cover disaster occurred areas. So, this study proposed how to filter by moving window using digital aerial photographs and generate accurate DTM. The results were compared with those of adaptive filtering by commercial digital photogrammetry software (Socet set) to find out the effect of tree removal by window size in forest soil sediment disaster. And then they were compared with DTM generated from LiDAR data. As a result, it was showed that the accuracy of moving filtering DTM was lower than that of LiDAR DTM while it was higher by 6m than that of Adaptive filtering.