Research Article

The Journal of Engineering Geology. 31 December 2020. 447-456
https://doi.org/10.9720/kseg.2020.4.447

ABSTRACT


MAIN

  • 서 론

  • 연구지역 및 방법

  •   연구지역

  •   연구방법

  •   사용 장비 및 측량 정보

  • 결과 및 토론

  •   3차원 지형정보 구축

  •   지형정보의 시계열 비교 분석 결과

  • 결 론

서 론

지형의 변화는 지구시스템적으로 자연스러운 현상이다. 이러한 현상은 다양한 형태로 발생하여 인간의 삶에 재난으로써 영향을 주기 때문에 대비 및 대응에 노력하고 있다. 이러한 지형변화는 그 종류가 다양해서, 많은 연구자들이 현상에 따라 구분하고 있다. 대표적으로 Varnes(1978)에 의해 산지재해 의 현상을 구분하는 방법이 많이 인용되고 있으며 이는 지질과 유동 매커니즘을 고려하여 지형 변화의 종류를 구분하고 있다. 다양한 지형변화 중에서도 땅밀림은 완경사의 지반이 산사태나 토석류에 비하여 상대적으로 느린 거동속도로 원형 토체가 큰 파괴없이 이동하거나 침하되는 현상으로 발생원인은 지하수, 파쇄대, 지진 등이 있다. 이러한 땅밀림은 국내뿐만 아니라, 일본, 대만, 필리핀, 인도네시아 등 환태평양지역을 중심으로 플레이트의 침강이나 대륙판이 충돌하는 지역에서 다양하게 발생하고 있으며, 특히 아시아 몬순 지역에서는 강수와 지진으로 인한 크고 작은 땅밀림 재해가 발생하기 쉬운 자연 조건이 갖추어져 있어 재해에 대한 충분한 예방조치와 재해발생이후 신속한 복구가 요구되고 있다.

땅밀림을 포함하여 다양한 지형의 변화에 대한 특성을 분석하고 연구를 수행하기 위해 다양한 접근 방법이 제시되고 있다. 크게 세 가지로 구분하며, GIS를 이용하여 지형 변화가 발생한 위치를 기록하고 데이터베이스를 구축하여 위험성을 평가하는 연구 방법(Carrara et al., 1991; Dai and Lee, 2002; Saha et al., 2010; Zhao et al., 2019), 동역학적 모델을 이용한 산사태나 토석류의 확산 범위, 충격량 등을 예측하는 수치모델링에 관한 연구 방법(Shieh et al., 1996; Rickenmann et al., 2006, Jiang et al., 2011; Mast et al., 2014; Nikooei and Manzari, 2020), 실제 현상을 재현하기 위한 실험 연구 방법(Moriwaki et al., 2004; Francesca et al., 2014; Iverson, 2015)등이 있다. 최근에는 기술이 발전함에 따라 UAV를 활용해 사람이 접근하여 확인하기 힘든 지역에 대한 정보를 획득하기에 유리해졌다. 따라서 사람이 접근하기 힘든 지반활동 지역이나 산지지역에 대해 UAV를 활용한 연구가 활발하게 진행되고 있으며, Kwon(2016)은 한국 제주도의 미지형의 근접 촬영을 통한 단위 지형의 특징을 파악, Choi et al.(2016)은 한국 강릉지역의 사빈지역의 시계열 측정에 따른 지형 변화 탐지, Dewez et al.(2016)은 절벽 지형의 정보의 구축에 따른 위험지 분석, Oh et al.(2017)은 갯벌의 UAV 촬영을 통한 시계열 공간 지형정보 생성 등 다양한 지형의 정보를 구축한 사례가 있다.

본 연구에서는 UAV를 이용하여 땅밀림이 발생하는 사면에 대한 시계열 분석을 수행하였다. 강원도 삼척시 도계읍에 위치한 해당 사면은 과거 선행 연구자에 의해 안전성 조사 및 검토 연구가 수행된 바 있다. Kang et al.(2005)는 사면안정해석을 통해 평상시, 건기시, 우기시의 원호활동을 해석하여 우기시의 안전율이 0.78로 도출되어 붕괴발생의 위험이 높아 옹벽의 설치를 제안하였다. Cho et al.(2011)은 1:5,000 수치지형도를 이용하여 석탄 폐석 적치로 지형 고도가 20~49 m 상승하였음을 분석하였고, 하중으로 인한 하부 사면의 지형변화의 위험성을 감소시키기 위해 사면절취의 필요성을 제안하였다. 이러한 과거의 선행연구의 결과로써 사면의 절취를 통해 안정성을 도모하였으나, 최근 절토사면에 인장균열의 발생과 배수로의 이탈 등이 발생함에 따라 지형의 변화가 지속적으로 발생하는 것으로 보이고 있다. 따라서 본 연구에서는 사면 안정 관리가 이루어지고 있음에도 불구하고 지형의 변화가 이루어지는 모습을 정량적으로 분석하기 위하여 UAV를 이용한 사진측량을 통해 시계열 분석을 수행하였다.

연구지역 및 방법

연구지역

연구지역은 한국 강원도 삼척시 도계읍 지역의 사면을 대상으로 선정하였다(Fig. 1). 연구지역의 사면은 과거에 소규모 붕괴가 발생해 이에 대한 사면안정화가 요구되어 사면경사완화공법을 적용하였다(Cho et al., 2011). 또한, 절토사면의 중심을 기준으로 횡단 및 종단배수로가 설치되었다. 그러나, 사면안정화 공법이 적용된 절토사면에서 지속적인 지형변화로 인해 인장균열, 표토유실, 배수로 이탈 등이 발생되어 사면붕괴의 위험성이 있는 것을 확인하였다. 이러한 원인으로는 연구지역으로부터 상부 약 150 m 지점에 위치한 폐석 적치장으로 인한 하중의 영향일 수도 있다. 토층이 압축이 되고 적치장 경사면의 하부로 지반의 밀림현상이 발생한다고 볼 수 있기 때문이다. 폐석 적치장의 경사각은 약 34°이며, 적치장 경사면 하부부터 정상부까지의 높이는 약 70 m, 수평거리는 약 120 m로 조성되어 있다. 폐석 적치장 아래의 절토사면의 폭은 약 100 m, 경사는 26°, 표면적은 약 7,000 m2이다. 해당 사면의 인장균열과 지반밀림현상으로 인해 사면의 붕괴가 발생하면 연구지역 하부 지역의 주거지역에 큰 피해가 발생 할 수 있다.

https://static.apub.kr/journalsite/sites/kseg/2020-030-04/N0520300404/images/kseg_30_04_04_F1.jpg
Fig. 1

Study area.

연구방법

본 연구에서는 UAV를 활용하여 사진측량을 통해 고해상도 지형자료를 생성하여 절토사면의 땅밀림 현상을 분석하고자 하였다. 이러한 목적을 달성하기 위해 Fig. 2의 연구순서로 진행하였다. 선정된 연구지역의 현장조사를 위하여 UAV를 통해 이미지 자료를 획득할 계획을 준비한다. 이때 UAV를 사용할 수 있는 지역인지 확인해야할 필요가 있다. 군사지역, 항공기 운항지역 등 제한되는 지역일 수 도 있기 때문이다. UAV의 운용의 불안정, 고속이동, 바람의 영향 등으로 인한 GPS 센서의 부정확성이 높아져 측량정보의 오류를 보완하기 위하여 연구지역을 커버하는 GCP를 측정 후 항공사진 측량을 수행한다. 본 연구에서는 시계열 분석을 위하여 2019년 4월과 10월 두차례 걸쳐서 수행하였다. 수집된 자료를 분석하기 위하여 GIS를 이용해 분석하기 위한 사면 이외의 지역을 제거하고 Structure from Model(SfM)기법을 통해 3차원 지형정보를 작성 후, Digital Surface Model(DSM)을 제작하였다. 생성된 지형정보는 GIS 프로그램을 이용하여 두 시점에서의 지형 정보를 중첩하여 고해상도의 지형변화정보를 비교 분석하였다.

https://static.apub.kr/journalsite/sites/kseg/2020-030-04/N0520300404/images/kseg_30_04_04_F2.jpg
Fig. 2

Study flowchart.

사용 장비 및 측량 정보

사면붕괴의 위험성을 가지고 있는 연구지역을 조사하기 위하여 사용된 장비는 크게 두 가지로 구성된다(Fig. 3). Fig. 3a는 GCP를 측정하기 위한 장비세트로 GNSS로부터 위치를 수신하기 위한 RTK 수신기와 컨트롤러 폴대로 구성되어 있다. 30개 정도의 위성신호가 수신되고 이 중 25개 정도의 위성신호를 사용해 RTK측위를 수행하였으며, RTK정확도는 수평으로 8 mm, 수직으로 15 mm로써 측정값의 편차(RMSE)가 최대 15 mm 이내이다. Fig. 3b는 무인항공기와 카메라를 이용하여 지형을 측량하는 장비세트를 보여준다. 무인기, 컨트롤러, 카메라로 구성되어 있으며, 사진촬영을 통해 얻어진 정보를 통하여 공간분석을 수행하였다. UAV의 무게는 1.4 kg, 최대이륙고도는 6,000 m, 최대속도는 72 km/h, 조정범위는 컨트롤러부터 7 km, 비행조정시간 30분이다. UAV에 장착된 카메라는 1인치 CMOS 센서를 사용하고, 픽셀수는 21.Mpx, 렌즈는 화각(Field of view) 84°, 초점거리는 2.8~11 mm, 101.6 × 58.1 × 41.0 mm 크기의 299 g의 무게를 지닌다.

https://static.apub.kr/journalsite/sites/kseg/2020-030-04/N0520300404/images/kseg_30_04_04_F3.jpg
Fig. 3

Field survey measurements.

연구지역의 사면에 대하여 2019년 4월 3일과 2019년 10월 13일 두 번의 무인기를 이용한 사진 측량을 수행하였다(Fig. 4). 두 번의 측량 기준이 다른 이유는 4월 3일 측량시 10월 13일보다 높은 풍속을 기록하여 지형정보의 오차를 줄이기 위해 더욱 상세하게 측량을 수행하였다. 두 번의 측량에 대한 기상정보와 무인항공 측량 조건은 Table 1에 나타내었다.

https://static.apub.kr/journalsite/sites/kseg/2020-030-04/N0520300404/images/kseg_30_04_04_F4.jpg
Fig. 4

Unmanned aerial photogrammetry plan.

Table 1.

Conditions of photogrammetric flight

Photogrammetry on 3 April 2019 Photogrammetry on 13 October 2019
Study area 7,000 m2
Slope 26°
Flight height 50 m
Flight distance 1,558 m 1,007 m
Number of image 305 104
Overlap rate 90% 80%
Photogrammetry area 107 × 108 m 109 × 123 m
Photogrammetry time 13 m 26 s 5 m 10 s
Temperature 4.1°C 10.4°C
Wind speed 3.7 m/s 1.1 m/s
Humidity 30% 74%

무인기를 이용해 얻어진 사진정보에 좌표값을 생성하기 위해서 기준점이 되는 지상기준점(GCP) 측량이 필요하다. 지상기준점은 연구지역에서 직접 측량한 기준점으로 절토사면의 수평위치(X,Y)와 높이(Z)의 기준이 된다. 따라서 기준점의 위치는 모든 사진상에 선명하고 명확하게 인식되어야하기 때문에 절토사면의 외부에 둘러싸인 도로와 절토사면 내부의 배수로 모서리를 기준으로 GCP를 선정하였다. Table 2는 선정된 GCP의 오차율을 나타내며, 4월 3일의 RMSE값은 x, y, z방향으로 각각 0.034 m, 0.015 m, 0.044 m로 나타났으며 평균 RMSE는 0.031로 나타났다. 10월 3일의 RMSE값은 x, y, z방향으로 각각 0.032 m, 0.027 m, 0.032 m로 나타났으며 평균 RMSE는 0.030으로 나타났다. 두 측량 기준점의 오차율은 거의 같은 것으로 나타났으며, 이는 기준점에 의한 두 측량정보의 차이는 없다고 볼 수 있다.

Table 2.

RMSE of GCPs

GCP on 3 April 2019 GCP on 13 October 2019
Error X (m) Error Y (m) Error Z (m) Error X (m) Error Y (m) Error Z (m)
Tie point 1 -0.003 0.005 0.000 -0.012 0.032 0.014
Tie point 2 0.021 0.009 -0.025 -0.053 -0.032 -0.009
Tie point 3 0.047 0.022 0.037 0.012 -0.025 0.053
Tie point 4 -0.035 -0.015 -0.027 -0.044 0.015 0.038
Tie point 5 -0.043 -0.005 0.001 0.042 -0.013 -0.050
Tie point 6 -0.038 -0.027 -0.023 0.040 0.027 -0.019
Tie point 7 0.003 -0.024 -0.046 0.000 -0.038 -0.018
Tie point 8 0.051 0.008 0.094 0.018 0.025 -0.030
Tie point 9 0.027 0.010 -0.060 - - -
RMSE (m) 0.034 0.015 0.044 0.032 0.027 0.032

결과 및 토론

3차원 지형정보 구축

무인기를 활용한 사진영상 취득과 GPS를 이용해 GCP를 획득한 정보를 이용하여 3차원 공간정보를 구축하였다. 공간정보 구축을 위해 사진측량 이미징 기법중의 하나인 Structure from motion(SfM) 기법을 이용하였으며, 2차원 이미지 시퀀스에서 3차원 구조를 추정하기 위한 방법이다.

Fig. 5는 3차원으로 구현된 정보를 나타낸다. 4월 3일과 10월 13일 생성된 지형정보의 해상도는 각각 1.87 cm와 1.98 cm로 나타났다. 이러한 차이는 비행거리, 중첩률, 이미지 수 등 사진 촬영옵션이 다르고 환경적인 변수, 특히 바람의 영향으로 인해 수집된 포인트 클라우드 수가 다르기 때문이다. 4월 3일의 영상이 10월 13일의 영상보다 바람의 영향을 더 많이 받았기 때문에 사진 1장당 2D point의 수는 10월 3일보다 약 11,000개 작았으나, 앞서 설명하였듯이 높은 중첩율과 다수의 사진 촬영으로 인해 10월 13일보다 약 0.1 cm 높은 해상도의 결과를 도출 할 수 있었다(Table 3).

https://static.apub.kr/journalsite/sites/kseg/2020-030-04/N0520300404/images/kseg_30_04_04_F5.jpg
Fig. 5

Construction of 3D spatial information.

Table 3.

Results of photogrammetric information

Photogrammetry on 3 April 2019 Photogrammetry on 13 October 2019
Average number of 2D points per image 48,018 59,398
Total number of 2D images 7,905,817 2,153,282
Total number of 3D images 1,277,746 621,734
DSM resolution (cm) 1.87 1.98

지형정보의 시계열 비교 분석 결과

생성된 지형정보를 이용하여 약 6개월동안 변화된 지형을 분석하였다. UAV로 촬영한 전체 면적 중에서 절토사면 부분만 추출하여 4월 3일 DSM과 10월 13일의 DSM을 중첩하여 비교분석하였다(Fig. 6). 두 시점에서의 고도값을 비교하였을 때, Fig. 6a와 같이 절토사면의 왼쪽 하단부에 변화가 높은 것을 확인할 수 있었다. 따라서 지형의 변화가 높은 부분인 절토사면의 하단부를 중심으로 대표적인 수직단면 1개소와 배수로부분이 위치한 수평단면의 2개소의 지형변화를 비교하였다(Fig. 6b).

Fig. 6에서 설명한 대표 수직단면의 변화량은 Fig. 7에 나타내었다. 실선은 4월 3일의 고도값을 의미하고, 점선은 10월 13일의 고도값을 의미한다. 경사면과 수평면이 번갈아 나타나는 모습을 보여주고 있으며, 수평면은 절토사면의 안정을 위한 소단을 의미한다. 소단개수는 총 4개이지만 본 연구에서는, 그 중 아래쪽에 위치한 두 개의 소단에서의 지형변화를 분석하였다. Fig. 7의 소단에 표시된 2번과 3번은 Fig. 6의 2번과 3번의 위치를 의미한다.

https://static.apub.kr/journalsite/sites/kseg/2020-030-04/N0520300404/images/kseg_30_04_04_F6.jpg
Fig. 6

Time-series analysis of topography change.

https://static.apub.kr/journalsite/sites/kseg/2020-030-04/N0520300404/images/kseg_30_04_04_F7.jpg
Fig. 7

No.1 vertical section profile.

도출된 그래프를 통해 4월 3일과 10월 13일의 고도값이 크게 변하고 있다는 것을 정량적으로 보여준다. 다시 말해, 절토사면의 형태를 그대로 유지하면서 지반이 전체적으로 밀리는 모습을 나타낸다. 즉, 지반의 변형이 융기나 침하가 아닌 수평한 방향으로 밀리고 있다. 이러한 변화를 볼 때, 본 연구지역의 지형변화는 땅밀림으로 판단된다. 해당 단면에서의 최대 밀린 거리는 1.39 m로 나타났으며, 6개월간 지형의 변화가 지속되었다는 것을 고려하였을 때, 하루 최대 0.7 cm의 평균적인 변화를 의미하여 매우 빠른 속도의 땅밀림이 진행되는 것으로 판단된다. 이러한 밀림이 발생한 것은 단면의상부에 인장균열이 발생하였을 가능성이 높다. 따라서 수직단면 상부의 인장균열을 확인하고자 약간의 균열이 발생한 지점을 확인하였으나, 방수포로 덮여 있어서 인장균열이 크게 발생한 지점은 확인하기 어려웠다. 방수포로 덮여있는 지점에 인장균열이 발생한 것으로 추측된다.

Fig. 8은 수평단면 2번과 3번에서의 6개월간 지형의 변화량을 의미한다. 그래프에서 x축의 0은 배수로가 시작되는 지점이고 y축은 6개월간 변환된 땅밀림 거리를 의미한다. 실선인 2번 단면은 배수로가 시작되는 지점으로부터 약 14 m 지점에서부터 땅밀림이 시작되어 36 m간 땅밀림이 발생하였으며, 평균적으로 1.17 m의 밀림현상이 나타났다. 겹선인 3번단면은 배수로가 시작되는 지점으로부터 약 15 m 지점에서부터 40 m사이에 땅밀림이 발생하였으며, 평균적으로 1.04 m의 밀림현상이 나타났다.

https://static.apub.kr/journalsite/sites/kseg/2020-030-04/N0520300404/images/kseg_30_04_04_F8.jpg
Fig. 8

Sliding distance of No.2 & No.3 horizental section.

이러한 땅밀림 현상에 대하여 육안으로도 확인 가능한 부분이 있었다. Fig. 9는 2019년 10월 13일에 촬영한 현장사진으로 인장균열과 배수로가 이탈한 모습을 보여준다. 2019년 7월과 8월의 강우에 의해 지형변화가 급하게 이루어진 것으로 보이며, 추가 인장균열이 발생하기 이전에 방수포로 응급 복구를 하였으나 땅밀림은 지속적으로 진행되고 있는 것으로 판단된다.

https://static.apub.kr/journalsite/sites/kseg/2020-030-04/N0520300404/images/kseg_30_04_04_F9.jpg
Fig. 9

Construction of 3D spatial information.

결 론

본 연구에서는 사면 붕괴 발생가능성이 있는 지역에 대하여 2019년 4월 3일과 10월 13일 UAV를 활용한 고해상도 영상 분석을 통해 지형의 변화를 비교 분석하고자 하였다. 4월 10일에 촬영한 영상은 10월 13일에 촬영한 영상보다 풍속이 3배정도 높아 외부의 영향으로 인한 지형정보의 정확성이 낮아질 수 있었으나 3배정도 많은 사진정보의 획득을 통해 DSM을 생성하기 위한 포인트의 수가 2배정도 높아 DSM resolution이 1.87 cm로 10월 13일의 DSM resolution인 1.98 cm와 거의 비슷한 것으로 나타났다. 또한 GCP의 오차율은 3.1 cm, 3.0 cm로 약 7,000 m2의 산지사면의 넓이를 고려할 때, 매우 낮은 수치의 오차율로 볼 수 있었다. 생성된 지형정보에 대한 시계열 분석을 통해 약 6개월간의 지형변화는 땅밀림이 발생하고 있는 것으로 판단하였다. 이러한 이유는 사면의 형태를 그대로 유지하며 지형이 변화되고, 사면에 설치된 배수로의 탈락 현상이 발견되었기 때문이다. 향후 추가적인 UAV 사진 측량을 통해 추가적인 땅밀림의 진행 양상을 파악하여 대비책을 마련할 필요가 있다고 판단된다. 하지만 지속적인 관리를 통해 시계열 기반의 변위량, 변위 방향성 등은 쉽게 파악이 가능하지만 지표범위라는 한계성이 있다. 땅밀림은 지표뿐만 아니라 깊은 심도에서 토사가 전체적으로 서서히 이동하기 때문에 심층의 토사 거동의 판단도 필요하다. 이러한 부분을 보완하기 위한 방법으로 계측이나 모니터링의 방법이 있으나 높은 비용이 소모되므로, 사진측량을 통한 심층의 토사 거동을 판단할 수 있는 새로운 기법이 필요하다.

Acknowledgements

이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. 2019R1F1A1058277).

References

1
Carrara, A., Cardinali, M., Detti, R., Guzzetti, F., Pasqui, V., Reichenbach, P., 1991, GIS techniques and statistical models in evaluating landslide hazard, Earth Surface Processes and Landforms, 16(5), 427-445. 10.1002/esp.3290160505
2
Cho, Y.C., Song, Y.S., Kim, K.U., 2011, Investigation and analysis of ground deformation at a coal waste depot in Dokye, The Journal of Engineering Geology, 21(3), 199-212 (in Korean with English abstract). 10.9720/kseg.2011.21.3.199
3
Choi, K.H., Kong, H.Y., Jung, S.H., Park, S.M., Lee, S., 2016, Coastal changes detected using drone-based mapping in Hashidong beach, Gangneung, South Korea, Journal of the Korean Geomorphological Association, 23(4), 101-112 (in Korean with English abstract). 10.16968/JKGA.23.4.101
4
Dai, F.C., Lee, C.F., 2002, Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong, Geomorphology, 42(3-4), 213-228. 10.1016/S0169-555X(01)00087-3
5
Dewez, T.J.B., Leroux, J., Morelli, S., 2016, Cliff collapse hazard from repeated multicopter UAV acquisitions: return on experience, Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B5, 805-811. 10.5194/isprs-archives-XLI-B5-805-2016
6
Francesca, B., Cipriani, I., Mazzanti, P., Prestininzi, A., 2014, A field experiment for calibrating landslide time-of-failure prediction functions, International Journal of Rock Mechanics and Mining Sciences, 67, 69-77. 10.1016/j.ijrmms.2013.12.006
7
Iverson, R.M., 2015, Scaling and design of landslide and debris-flow experiments, Geomorphology, 244, 9-20. 10.1016/j.geomorph.2015.02.033
8
Jiang, J., Ehret, D., Xiang, W., Rohn, J., Huang, L., Yan, S., Renneng, B., 2011, Numerical simulation of Qiaotou landslide deformation caused by drawdown of the Three Gorges Reservoir, China, Environmental Earth Sciences, 62(2), 411-419. 10.1007/s12665-010-0536-0
9
Kang, G.C., Ahn, N.K., Oh, J.I., Kim, T.H., 2005, Stability investigation of the large size heap of coal associated wastes, The Journal of Engineering Geology, 15(2), 133-144 (in Korean with English abstract).
10
Kwon, D.H., 2016, Utilization of drone imagery in geography: a case study of the landform of Jeju-do, Journal of the Association of Korean Photo-Geographers, 26(4), 1-18 (in Korean with English abstract). 10.35149/jakpg.2016.26.4.001
11
Mast, C.M., Arduino, P., Miller, G.R., Mackenzie-Helwein, P., 2014, Avalanche and landslide simulation using the material point method: flow dynamics and force interaction with structures, Computational Geosciences, 18, 817-830. 10.1007/s10596-014-9428-9
12
Moriwaki, H., Inokuchi, T., Hattanji, T., Sassa, K., Ochiai, H., Wang, G., 2004, Failure processes in a full-scale landslide experiment using a rainfall simulator, Landslides, 1, 277-288. 10.1007/s10346-004-0034-0
13
Nikooei, M., Manzari, M.T., 2020, Studying effect of entrainment on dynamics of debris flows using numerical simulation, Computers & Geosciences, 134, 1-13. 10.1016/j.cageo.2019.104337
14
Oh, J., Kim, D.J., Lee, H.S., 2017, Use of a drone for mapping and time series image acquisition of tidal zones, Journal of the Korean Institute of Intelligent Systems, 27(2), 119-125 (in Korean with English abstract). 10.5391/JKIIS.2017.27.2.119
15
Rickenmann, D., Laigle, D., McArdell, B.W., Hubl, J., 2006, Comparison of 2D debris-flow simulation models with field events, Computational Geosciences, 10, 241-264. 10.1007/s10596-005-9021-3
16
Saha, A.K., Gupta, R.P., Arora, M.K., 2010, GIS-based landslide hazard zonation in the Bhagirathi (Ganga) Valley, Himalayas, International Journal of Remote Sensing, 23(2), 357-369. 10.1080/01431160010014260
17
Shieh, C.L., Jan, C.D., Tsai, Y.F., 1996, A numerical simulation of debris flow and its application, Natural Hazards, 13, 93-54. 10.1007/BF00156505
18
Varnes, D.J., 1978, Slope movement types and processes, In TRB Special Report 176: Landslides: Analysis and Control, Transportation Research Board, National Academy of Sciences: Washington DC, USA.
19
Zhao, Y., Wang, R., Jiang, Y., Liu, H., Wei, Z., 2019, GIS-based logistic regression for rainfall-induced landslide susceptibility mapping under different grid sizes in Yueqing, Southeastern China, Engineering Geology, 259(4), 1-15. 10.1016/j.enggeo.2019.105147
페이지 상단으로 이동하기