서 론
연구 지역
연구 방법
TRIGRS 기반 산사태 위험도 분석
산사태 우려지역 및 인구노출 분석
WebGIS 구축
연구 결과
강우 시나리오별 산사태 위험도 변화
산사태 우려지역의 위험특성
산사태 위험–노출 상태 특성
WebGIS 기반 산사태 위험정보 시각화
토 론
강우 시나리오에 따른 산사태 위험도 변화
산사태 위험도와 인구노출 특성의 관계
산사태 위험정보의 활용 가능성 및 연구 한계
결 론
서 론
전 세계적으로 기후변화에 따른 강우패턴의 변화로 극한강우의 빈도와 강도가 증가하고 있으며, 이에 따라 산지지역에서 강우로 유발되는 산사태의 발생 가능성과 피해에 대한 우려도 증가하고 있다. 우리나라의 경우 지난 60여 년간(1961–2020) 여름철 평균강수량뿐 아니라 시간당 30 mm 또는 일강수량 100 mm를 초과하는 극한강수 사상의 빈도가 최근 기후기간에 과거보다 약 2배 증가한 것으로 분석된 바 있다(Do et al., 2023). 이러한 강우특성의 변화는 토층 내 수분상태와 간극수압 변화를 통해 사면안정성에 영향을 미칠 수 있다. 특히 본 연구의 대상지역인 경상북도에서는 2023년 7월 예천군 일대에 집중호우로 인한 대규모 산사태 피해가 발생하였다. 당시 3일간 300 mm를 초과하는 강우가 발생하였으며, 야간에 발생한 국지성 집중호우와 함께 4개 주요 산사태 지점에서 10명의 사망자가 발생하고 약 500명이 대피하는 등 심각한 피해가 보고되었다(Lee et al., 2024). 이러한 사례는 강우조건에 따른 산사태 위험공간의 변화를 사전에 파악하는 것뿐만 아니라, 해당 위험공간과 인구분포가 어떻게 중첩되는지를 함께 평가하고 그 결과를 공간정보 형태로 효과적으로 제공할 필요성을 보여준다. 산사태 분석은 연구목적과 적용방법에 따라 통계·데이터 기반 접근과 물리기반 접근 등으로 구분될 수 있다(Park and Lee, 2022). 이 중 물리기반 모델은 지형과 토질·수리특성 및 강우조건을 이용하여 사면안정성의 물리적 변화를 해석할 수 있다는 장점이 있다. TRIGRS (Transient Rainfall Infiltration and Grid-Based Regional Slope-Stability)는 이러한 강우유발 천층 산사태 분석에 널리 활용되는 물리기반 모델 중 하나이다(Baum et al., 2008). TRIGRS는 강우침투에 따른 토층 내 압력수두 또는 간극수압의 시간적 변화를 계산하고 이를 무한사면 안정해석과 결합하여 격자별 안전율(factor of safety, FS)을 산정한다. 따라서 서로 다른 강우조건에서 사면안정성이 공간적으로 어떻게 변화하는지를 분석하는 데 활용할 수 있다. 국내에서도 TRIGRS를 이용한 강우유발 산사태 연구가 지속적으로 수행되어 왔다. Kim et al. (2010)은 산림 산지지역을 대상으로 TRIGRS를 적용하여 강우유발 산사태 발생 가능성을 분석하였으며, Park et al. (2013)은 2011년 서울 우면산 산사태를 대상으로 TRIGRS 기반 산사태 취약지역을 분석하였다. 이러한 연구들은 TRIGRS가 국내 산지에서 강우조건과 사면안정성의 공간적 관계를 분석하는 데 적용될 수 있음을 보여준다. 다만 TRIGRS의 해석결과는 토질의 역학적·수리학적 물성치와 토심 등 입력조건의 영향을 크게 받을 수 있으므로, 입력자료의 품질과 공간적 대표성이 분석결과 해석에서 중요하게 고려되어야 한다(Zhang et al., 2022). 한편 강우와 산사태 발생의 관계를 정량화하기 위한 연구도 다양한 방법으로 진행되어 왔다. Chae et al. (2016)은 강우강도와 지속시간을 이용한 산사태 유발강우 지표의 국내 적용 가능성을 검토하였으며, Kim et al. (2024)은 SSP5-8.5 기후변화 시나리오를 적용하여 강우재현빈도와 지속시간 변화에 따른 산사태 위험 변화를 분석하였다. 이와 함께 현장조사 및 실내시험자료에 로지스틱 회귀분석과 인공신경망 등의 머신러닝 기법을 적용하여 산사태 영향인자를 평가한 연구(Park et al., 2021)가 수행되었으며, 최근에는 100 m 공간해상도의 머신러닝 기반 산사태 취약성 모델과 최대 72시간의 단기 예측체계를 구축하여 기존 행정구역 중심 경보체계의 공간적 한계를 개선하려는 연구도 제시되었다(Lee et al., 2025). 산사태에 의한 잠재적 피해를 평가하기 위해서는 물리적인 위험공간뿐 아니라 그 공간에 존재하는 인구와 자산의 노출을 함께 고려할 필요가 있다. Garcia et al. (2016)은 산사태 취약성 지도와 센서스 인구자료를 공간적으로 결합하여 잠재적 노출인구를 평가하였으며, 인구자료의 공간해상도와 공간적 배분방법이 노출평가 결과에 중요한 영향을 미칠 수 있음을 제시하였다. 따라서 산사태 위험영역과 인구분포를 공간적으로 중첩하는 접근은 물리적 위험도만으로 파악하기 어려운 인적 노출특성을 정량화하는 데 유용하다. 그러나 기존 연구는 특정 산사태 발생지역이나 시험유역을 중심으로 수행된 경우가 많고, 분석결과 역시 개별 지도나 정적인 공간정보로 제시되는 경우가 대부분이다. 또한 광역 지자체 규모에서 다수의 강우 시나리오에 따른 산사태 위험공간의 변화를 비교하고, 이를 실제 방재관리 대상지역 및 인구노출 정보와 연계하여 분석한 연구는 상대적으로 제한적이다. 특히 산사태 인명피해 우려지역과 같이 실제 방재업무에서 관리되는 지점을 대상으로 위험영역과 인구노출을 동일한 공간단위에서 정량화하고, 분석범위의 공간규모가 결과에 미치는 영향을 함께 검토할 필요가 있다. 또한 분석결과가 실제 방재정보로 활용되기 위해서는 수치 및 정적 지도 형태의 결과를 사용자 친화적인 방식으로 전달할 수 있는 공간정보 플랫폼이 필요하다. WebGIS는 다양한 시나리오와 공간정보를 동일한 지도환경에서 조회하고 비교할 수 있다는 장점이 있어, 복잡한 산사태 분석결과를 효과적으로 전달하는 수단으로 활용될 수 있다. 특히 여러 강우조건의 FS 공간분포와 산사태 우려지역의 위험·노출 정보를 대화형으로 제공할 경우 지역별 위험특성의 비교와 방재 의사결정을 지원하는 데 활용 가능성이 있다. 이에 본 연구에서는 경상북도 전역을 대상으로 TRIGRS를 적용하여 12–72시간의 지속시간과 50–300 mm의 누적강우량으로 구성된 6개 강우 시나리오별 안전율을 산정하고, 강우조건에 따른 산사태 위험공간의 변화를 정량적으로 분석하였다. 또한 경상북도 내 산사태 인명피해 우려지역 467개소를 대상으로 각 지점 중심의 0.5, 1, 2 및 4 km2 정사각형 분석영역을 설정하고, TRIGRS 기반 FS < 1.3 영역과 100 m 센서스 인구격자를 중첩하여 분석영역별 잠재적 인구노출 특성을 평가하였다. 이를 바탕으로 분석영역 규모에 따른 위험 및 인구노출의 민감도를 비교하고, 시군구별 위험·노출 특성과 강우 시나리오에 따른 위험–노출 상태변화를 분석하였다. 아울러 강우 시나리오와 분석영역 규모에 따른 결과 차이를 정량적으로 평가하기 위해 Friedman 검정, Wilcoxon 부호순위검정 및 Spearman 순위상관분석을 수행하였으며, 산정된 산사태 위험도와 인구노출 정보를 통합적으로 조회·비교할 수 있는 WebGIS를 구축하였다. 이를 통해 본 연구는 경상북도 광역지역에서 강우조건에 따른 물리적 산사태 위험의 공간변화와 인구노출 특성을 함께 평가하고, 분석결과를 공간정보 기반으로 제공하기 위한 통합적인 분석체계를 제시하고자 한다.
연구 지역
본 연구의 대상지역은 대한민국 경상북도 전역으로 설정하였다. 경상북도는 산지가 넓게 분포하고 있으며, 집중호우에 따른 산사태 발생과 인명피해 가능성을 고려한 광역적 위험분석이 필요한 지역이다. 본 연구에서는 강우조건에 따른 산사태 위험도의 공간적 변화를 분석하고 인구노출 특성을 평가하기 위해 공간자료 구축, 강우 시나리오 설정 및 TRIGRS 기반 산사태 위험도 분석, 산사태 인명피해 우려지역 및 인구노출 분석, 통계적 분석, WebGIS 구축의 순서로 연구를 수행하였다(Fig. 1). 산사태 위험도 분석을 위한 기본 공간자료로 수치표고모델(digital elevation model, DEM)과 지반 물성자료를 구축하였다. DEM은 TRIGRS 해석에 필요한 지형정보를 생성하기 위한 기초자료로 활용하였으며, 이를 기반으로 경사도 등 지형 관련 입력자료를 생성하였다. 지반 물성자료는 (사)한국급경사지안전협회에서 제공한 내부자료를 활용하여 TRIGRS 해석에 필요한 공간 입력자료로 구축하였다. TRIGRS는 강우침투에 따른 간극수압 변화와 이에 따른 안전율(FS)의 변화를 격자 단위로 계산하는 물리기반 모델이므로, 지형 및 지반특성을 공간적으로 일관되게 구축하는 것이 중요하다(Baum et al., 2008). 이에 따라 모든 공간자료는 동일한 좌표체계, 셀 크기 및 공간범위를 적용하여 분석자료 간 공간적 일관성을 확보하였다. 산사태 위험도와 인구노출 간의 공간적 관계를 분석하기 위해 경상북도 내 산사태 인명피해 우려지역 467개소를 분석대상으로 선정하였다. 각 우려지역은 대표 위치정보를 기준으로 공간자료화하였으며, 경상북도 내 우려지역의 공간적 분포는 Fig. 2에 제시하였다. 이들 우려지역은 이후 TRIGRS 기반 위험영역과 인구분포 간 공간적 중첩특성을 분석하기 위한 기준지점으로 활용하였다.
인구노출 분석을 위한 기초자료로는 2024년 기준 100 m 격자 센서스 자료를 활용하였다. 센서스 자료에는 격자별 인구, 가구 및 주택정보가 포함되어 있으며, 본 연구에서는 인구를 주요 노출지표로 설정하고 가구 및 주택정보는 보조자료로 활용하였다. 구축된 센서스 격자자료는 TRIGRS 기반 산사태 위험영역과의 공간적 중첩을 통해 우려지역별 잠재적 인구노출을 분석하는 데 사용하였다. 최종적으로 DEM 및 지반 물성자료, 산사태 인명피해 우려지역, 센서스 격자자료를 동일한 공간기준으로 통합하여 분석용 공간 데이터베이스를 구축하였다. 구축된 자료는 이후 강우 시나리오별 TRIGRS 기반 산사태 위험도 분석, 우려지역별 위험 및 인구노출 분석, 통계적 분석 및 WebGIS 시각화에 활용하였다.
연구 방법
TRIGRS 기반 산사태 위험도 분석
강우조건 변화에 따른 산사태 위험도의 공간적 변화를 분석하기 위해 총 6개의 강우 시나리오를 설정하였다. 강우 시나리오는 누적강우량과 지속시간을 기준으로 각각 12 h / 50 mm, 24 h / 100 mm, 36 h / 150 mm, 48 h / 200 mm, 60 h / 250 mm 및 72 h / 300 mm로 구성하였다. 이를 통해 강우조건이 증가함에 따라 사면의 안정성이 어떻게 변화하는지를 단계적으로 비교하였다. 산사태 위험도 분석에는 TRIGRS 2.1.00c를 적용하였다. TRIGRS는 강우침투에 따른 지반 내 간극수압 변화를 해석하고, 이를 무한사면 안정해석과 연계하여 각 격자의 시간별 안전율(FS)을 산정하는 물리기반 모형이다. 본 연구에서는 DEM, 토심 및 지반 물성자료를 TRIGRS 입력자료로 구축하고, 동일한 공간조건에서 각 강우 시나리오별 FS 공간분포를 계산하였다. TRIGRS에서 안전율 는 일반적으로 사면의 전단저항력과 활동력의 비로 표현되며, 다음과 같이 나타낼 수 있다.
여기서 는 지표면으로부터의 깊이, 는 시간, 는 토질의 유효 내부마찰각, 𝛿는 사면경사각, 는 유효점착력, 는 강우침투에 의해 변화하는 압력수두, 는 물의 단위중량, 는 토질의 단위중량을 의미한다. 따라서 강우침투로 인해 압력수두가 변화하면 유효응력이 감소하고 이에 따라 안전율이 감소하여 사면 불안정성이 증가할 수 있다. TRIGRS의 강우침투 해석은 일차원 수직침투를 기본으로 하며, 강우에 의해 발생하는 압력수두 변화는 확산방정식에 기반하여 계산된다. 압력수두의 시간적·공간적 변화는 개념적으로 다음과 같이 나타낼 수 있다.
여기서 은 사면방향 보정을 고려한 수리확산계수이며, 수리확산계수 와 사면경사각 𝛿의 관계는 다음과 같이 표현된다.
강우에 의해 지표면으로 공급되는 유입량은 포화투수계수와 강우강도의 영향을 받으며, TRIGRS는 시간에 따라 변화하는 강우조건을 이용하여 지반 내 압력수두 변화를 계산한 후 이를 안전율 산정에 반영한다. 본 연구에서는 각 강우 시나리오에서 계산된 최소 안전율을 이용하여 산사태 위험도의 공간분포를 평가하였다. 산정된 FS는 강우 시나리오 간 공간적 비교를 위해 네 개 구간으로 구분하였다.
이 중 FS < 1.3에 해당하는 영역을 본 연구의 주요 위험분석 대상영역으로 설정하였다. 이는 특정 임계값을 보편적인 붕괴기준으로 적용하기 위한 것이 아니라, 강우 시나리오에 따른 상대적인 위험영역의 변화와 공간적 확대를 일관된 기준으로 비교하기 위한 것이다. 강우 시나리오 에서 경상북도 전역의 FS < 1.3 위험면적 비율 는 다음과 같이 계산하였다.
여기서 는 강우 시나리오 에서 FS < 1.3인 격자의 총면적이며, 는 해당 시나리오에서 TRIGRS 계산이 유효한 전체 격자의 면적이다. 이를 통해 각 강우조건에서 경상북도 전역 중 어느 정도의 면적이 FS < 1.3 영역으로 분류되는지를 정량화하였다. 또한 강우조건 증가에 따라 새롭게 FS < 1.3으로 전환되는 영역을 분석하기 위해 연속된 두 시나리오 -1과 사이의 신규 위험전이 면적 를 다음과 같이 정의하였다.
즉, 이전 강우 시나리오에서는 FS ≥ 1.3이었으나 다음 강우 시나리오에서 FS < 1.3으로 변화한 격자의 면적을 신규 위험전이 면적으로 산정하였다. 이를 통해 단순한 총 위험면적의 변화뿐 아니라 강우조건 증가에 따라 새로운 위험영역이 어디에서 추가적으로 형성되는지를 분석하였다. 최종적으로 6개 강우 시나리오별 FS 공간분포, FS 등급별 면적비율 및 시나리오 간 신규 위험전이 면적을 산정하여 경상북도 전역의 산사태 위험도 변화를 평가하였다. 또한 산정된 FS 공간정보는 이후 산사태 인명피해 우려지역을 대상으로 한 분석영역별 위험특성과 인구노출 분석의 기본자료로 활용하였다.
산사태 우려지역 및 인구노출 분석
강우 시나리오에 따른 산사태 위험도와 인구노출 특성을 분석하기 위해 경상북도 내 산사태 인명피해 우려지역 467개소를 대상으로 공간분석을 수행하였다. 각 우려지역의 대표 위치를 중심으로 0.5, 1, 2 및 4 km2의 정사각형 분석영역을 설정하고, 동일한 위치에서 분석영역의 크기를 단계적으로 확대하였다(Fig. 3). 이를 통해 분석영역 규모에 따른 산사태 위험영역의 포착 특성과 인구노출 결과의 변화를 비교하였다. 각 분석영역에 강우 시나리오별 TRIGRS 결과를 중첩하고, FS < 1.3인 격자를 주요 위험영역으로 정의하였다. 우려지역 , 분석영역 , 강우 시나리오 에서 위험면적비율 은 다음과 같이 산정하였다.
여기서 는 해당 분석영역 내 FS < 1.3 영역의 면적이며, 는 분석영역 내에서 실제 TRIGRS 결과가 존재하는 유효면적이다. 행정경계 및 분석자료의 공간범위에 따른 영향을 고려하기 위해 명목상의 정사각형 면적이 아닌 실제 유효 TRIGRS 면적을 분모로 적용하였다. 또한 각 분석영역에서 FS < 1.3 영역의 존재 여부를 확인하고, 전체 467개 우려지역 중 위험영역이 포함된 지점의 비율을 위험 포착률(hazard detection rate)로 산정하였다. 인구노출 분석에는 2024년 기준 100 m 센서스 인구격자를 이용하였다. 각 강우 시나리오에서 산정된 FS < 1.3 영역과 센서스 격자를 공간적으로 중첩하였으며, 센서스 격자의 일부만 위험영역에 포함되는 경우에는 중첩면적에 비례하여 인구를 배분하였다. 이러한 공간적 중첩을 통한 인구노출 평가는 산사태 위험지역에 위치하는 잠재적 노출인구를 정량화하는 방법으로 활용될 수 있다(Garcia et al., 2016). 우려지역별 잠재적 노출인구는 다음과 같이 산정하였다.
여기서 는 센서스 격자 의 인구, 는 해당 센서스 격자의 공간범위이며, 는 센서스 격자 중 FS < 1.3 위험영역과 중첩되는 면적의 비율이다. 따라서 산정된 값은 실제 산사태 발생 시의 피해인구가 아니라 위험영역과 인구분포의 공간적 중첩에 기반한 잠재적 노출인구를 의미한다. 강우조건 변화에 따른 위험과 인구노출의 결합특성을 비교하기 위해 각 우려지역을 ① No hazard, ② Hazard without exposed population, ③ Hazard with exposed population의 세 가지 상태로 구분하였다. No hazard는 분석영역 내 FS < 1.3 영역이 존재하지 않는 경우, Hazard without exposed population은 위험영역은 존재하지만 노출인구가 산정되지 않은 경우, Hazard with exposed population은 위험영역과 인구가 공간적으로 중첩되는 경우로 정의하였다. 이를 이용하여 강우 시나리오 증가에 따른 우려지역별 위험–노출 상태의 변화를 분석하였다. 마지막으로 0.5, 1, 2 및 4 km2 분석영역별 위험 포착률, FS < 1.3 면적비율, 잠재적 노출인구 및 인구노출 발생지점 비율을 비교하여 공간규모에 따른 분석결과의 민감성을 평가하였다. 또한 시군구별 결과를 집계하여 경상북도 내 산사태 위험 및 인구노출 특성의 공간적 차이를 비교하였다. 동일 우려지역의 분석영역별 차이는 Friedman 검정으로 평가하고 Kendall’s W를 효과크기로 산정하였다. 연속 강우 시나리오 간 변화는 Wilcoxon 부호순위검정으로 비교하였으며, 다중비교에는 Benjamini–Hochberg 보정을 적용하였다. FS < 1.3 면적비율과 잠재적 노출인구 간 관계는 Spearman 순위상관분석으로 평가하였다. 유의수준은 p < 0.05로 설정하였다.
WebGIS 구축
분석된 산사태 위험정보와 인구노출 결과를 공간적으로 조회하고 강우 시나리오별 변화를 비교할 수 있도록 WebGIS 기반 시각화 시스템을 구축하였다. WebGIS는 TRIGRS 해석결과 자체를 대체하는 분석도구가 아니라, 본 연구에서 산정된 위험도 및 노출정보를 사용자에게 전달하기 위한 결과 제공 및 대화형 시각화 수단으로 활용하였다. WebGIS에는 경상북도 행정경계, 산사태 인명피해 우려지역 467개소, 강우 시나리오별 TRIGRS 안전율(FS) 공간분포 및 우려지역별 분석결과를 주요 공간정보로 구성하였다. TRIGRS 결과는 대용량 격자자료의 웹 환경 활용성을 고려하여 지도 타일 형태로 변환하였으며, 사용자가 강우 시나리오를 선택하면 해당 조건의 FS 공간분포를 지도상에서 조회할 수 있도록 구현하였다. FS 등급은 연구의 분석기준과 동일하게 FS < 1.0, 1.0 ≤ FS < 1.3, 1.3 ≤ FS < 1.5 및 FS ≥ 1.5의 네 구간으로 표현하여 분석결과와 WebGIS 시각화 간의 일관성을 유지하였다. 산사태 인명피해 우려지역을 선택하면 해당 지점의 기본정보와 함께 분석영역 규모 및 강우 시나리오에 따른 위험특성을 확인할 수 있도록 구성하였다. 분석영역은 본 연구에서 적용한 0.5, 1, 2 및 4 km2 정사각형 영역과 동일한 기준으로 제공하였으며, 사용자가 분석영역 규모를 선택함으로써 해당 범위에서 산정된 FS < 1.3 위험면적과 인구노출 특성을 비교할 수 있도록 하였다. 이를 통해 동일한 우려지역이라도 분석 공간규모에 따라 위험영역과 인구노출 결과가 어떻게 달라지는지를 대화형으로 확인할 수 있도록 하였다. 또한 서로 다른 강우조건에서 산사태 위험공간의 변화를 직관적으로 비교하기 위해 분할화면(split-view) 기반 시나리오 비교 기능을 구성하였다. 사용자는 두 강우 시나리오를 각각 선택하여 동일한 위치에서 FS 공간분포의 차이를 비교할 수 있으며, 지도 확대·축소 및 이동을 연동함으로써 시나리오 변화에 따른 위험영역의 공간적 확대 또는 변화 양상을 확인할 수 있도록 하였다. 다만 본 시스템은 실시간 강우관측자료를 이용한 실시간 예측시스템이 아니라, 본 연구에서 사전에 산정한 강우 시나리오별 TRIGRS 분석결과를 조회·비교하는 시스템으로 구축하였다. WebGIS의 사용자 인터페이스는 지도영역, 레이어 및 시나리오 선택부, 범례, 우려지역 조회기능 및 분석결과 표시영역으로 구성하였다. 특히 복잡한 공간정보를 비전문가도 쉽게 확인할 수 있도록 위험등급별 색상체계와 범례를 통일하고, 분석결과의 수치정보와 공간분포를 동시에 확인할 수 있도록 구성하였다. 최종적으로 구축된 WebGIS를 통해 강우 시나리오별 산사태 위험도, 산사태 인명피해 우려지역의 공간분포 및 분석영역별 위험·인구노출 정보를 통합적으로 제공하였다. 이를 통해 본 연구에서 수행한 TRIGRS 기반 산사태 위험분석과 인구노출 분석결과의 공간적 특성을 효과적으로 전달하고, 향후 지역 단위 산사태 위험정보의 조회 및 의사결정 지원을 위한 활용 가능성을 검토하였다.
연구 결과
강우 시나리오별 산사태 위험도 변화
경상북도 전역을 대상으로 6개 강우 시나리오에 대한 TRIGRS 해석을 수행한 결과, 강우조건이 증가함에 따라 안전율(FS)이 감소하고 FS < 1.3 영역이 단계적으로 확대되는 경향이 나타났다(Fig. 4). 경상북도 전역의 평균 FS는 12 h / 50 mm 조건에서 2.756으로 가장 높았으며, 24 h / 100 mm에서 2.749, 36 h / 150 mm에서 2.599, 48 h / 200 mm에서 2.247로 감소하였다(Table 1). 이러한 결과는 강우침투에 따른 간극수압 변화가 사면의 FS에 반영되는 TRIGRS의 해석구조와 부합한다. 특히 본 연구에서 주요 위험분석 기준으로 설정한 FS < 1.3 면적비율은 12 h / 50 mm에서 2.29%였으나, 24 h / 100 mm에서 2.95%, 36 h / 150 mm에서 9.19%, 48 h / 200 mm에서 15.34%로 증가하였다. 초기 12–24 h 구간에서는 증가폭이 비교적 제한적이었으나, 24–48 h 구간에서 위험영역이 뚜렷하게 확대되었다. 반면 48 h / 200 mm 이후에는 FS < 1.3을 기준으로 한 위험영역의 공간적 분류에는 추가적인 변화가 나타나지 않았다.
Table 1.
Province-wide factor of safety statistics under different rainfall scenarios
FS < 1.0 영역 역시 12 h / 50 mm의 0.002%에서 48 h / 200 mm의 0.445%로 증가하였으나 전체 면적에서 차지하는 비중은 매우 작았다. 이에 비해 1.0 ≤ FS < 1.3에 해당하는 영역의 증가가 전체 FS < 1.3 위험영역 확대의 대부분을 차지하였다. 따라서 강우조건 증가에 따른 공간적 변화는 완전한 불안정 상태로 분류되는 영역의 급격한 확대보다는 상대적으로 낮은 FS를 갖는 영역의 광범위한 증가로 나타났다. 연속된 강우 시나리오 간 FS < 1.3 분류변화를 비교하면, 12 h / 50 mm에서 24 h / 100 mm로 변화할 때 약 94,102개 격자가 새롭게 FS < 1.3으로 전환되었다. 이후 24 h / 100 mm에서 36 h / 150 mm 사이에는 901,383개, 36 h / 150 mm에서 48 h / 200 mm 사이에는 886,718개 격자가 변화하여 중간 강우조건에서 위험영역의 공간적 확대가 집중적으로 나타났다(Table 2). 특히 48 h 이후 결과를 단순히 FS 값이 완전히 동일하다고 해석해서는 안 된다. 48 h / 200 mm와 60 h / 250 mm 사이에는 일부 격자의 FS 값 자체에는 제한적인 변화가 존재하였으나, FS = 1.3 임계값을 기준으로 한 위험영역 분류에는 추가 변화가 나타나지 않았다. 따라서 이후 분석에서는 48 h / 200 mm 조건을 주요 대표 시나리오로 활용하였다.
Table 2.
Changes in newly developed FS < 1.3 areas between consecutive rainfall scenarios
| Transition |
Newly transitioned cells (km2) |
Change in FS < 1.3 area ratio (%p) | Interpretation |
| S1–S2 | 94,102 (84.69 km2) | 0.652 | Limited expansion |
| S2–S3 | 901,383 (811.24 km2) | 6.248 | Major expansion |
| S3–S4 | 886,718 (798.05 km2) | 6.146 | Major expansion |
| S4–S5 | 0* | 0 | No additional FS < 1.3 classification change |
| S5–S6 | 0* | 0 | No additional FS < 1.3 classification change |
산사태 우려지역의 위험특성
산사태 인명피해 우려지역 467개소를 대상으로 0.5, 1, 2 및 4 km2의 정사각형 분석영역을 적용한 결과, 분석영역 규모가 증가할수록 FS < 1.3 영역을 포함하는 우려지역의 비율, 즉 위험 포착률이 증가하였다. 12 h / 50 mm 조건에서 위험영역이 포착된 우려지역은 0.5 km2에서 224개소(48.0%), 1 km2에서 281개소(60.2%), 2 km2에서 363개소(77.7%), 4 km2에서 415개소(88.9%)로 나타났다. 48 h / 200 mm에서는 각각 409개소(87.6%), 433개소(92.7%), 452개소(96.8%) 및 462개소(98.9%)로 증가하였다(Table 3). 48 h / 200 mm 이후에는 FS < 1.3 기준의 위험영역 분류에 추가적인 변화가 나타나지 않았으므로, 이후 우려지역 단위의 비교결과는 변화가 확인된 12–48 h 시나리오를 중심으로 제시하였다. 위험 포착률은 분석영역 크기에 민감하게 증가한 반면, 평균 FS < 1.3 면적비율의 분석영역별 차이는 상대적으로 작았다. 예를 들어 48 h / 200 mm에서 위험 포착률은 0.5 km2의 87.6%에서 4 km2의 98.9%까지 증가하였지만, 평균 위험면적 비율은 13.01%에서 13.63%로 0.62%p 증가하는 데 그쳤다. 이는 분석영역 확대가 새로운 위험격자를 포함할 가능성을 높이는 반면, 분석영역 전체에서 위험영역이 차지하는 상대적인 비율에는 비교적 작은 영향을 미쳤음을 보여준다. 대표조건인 48 h / 200 mm, 4 km2를 기준으로 시군구별 결과를 비교한 결과(Fig. 5), 지역 간 위험특성에도 차이가 나타났다. 특히 4 km2 분석영역에서 영천시는 평균 FS < 1.3 면적비율이 약 25.7%로 상대적으로 높았으며, 영덕군은 약 14.0%, 경주시는 약 16.4%, 봉화군은 약 14.3%로 나타났다. 반면 일부 지역에서는 상대적으로 낮은 위험면적 비율을 보였다. 다만 우려지역 수가 적은 시군구의 비율은 소수 지점의 특성에 크게 영향을 받을 수 있으므로 시군구 간 결과는 각 지역의 표본 수를 함께 고려하여 해석할 필요가 있다.
Table 3.
Hazard detection rate and mean FS < 1.3 area ratio by analysis-area size
산사태 위험–노출 상태 특성
산사태 위험영역과 100 m 센서스 인구자료를 중첩한 결과, 강우 시나리오와 분석영역 규모가 증가함에 따라 잠재적 인구노출이 발생하는 우려지역의 수가 증가하였다. 이러한 증가는 위험면적 비율 자체의 분석영역 규모 효과보다 뚜렷하게 나타났다.
4 km2 분석영역을 기준으로 인구노출이 발생한 우려지역은 12 h / 50 mm에서 105개소(22.5%)였으나, 24 h / 100 mm에서 112개소(24.0%), 36 h / 150 mm에서 194개소(41.5%), 48 h / 200 mm에서 321개소(68.7%)로 증가하였다(Table 4). 우려지역당 평균 추정 노출인구 역시 같은 조건에서 0.227명에서 2.750명으로 증가하였다. 여기서 노출인구는 실제 피해자 또는 예상 사망자를 의미하지 않으며, FS < 1.3 영역과 공간적으로 중첩되는 인구의 면적가중 추정치이다. 위험–노출 상태를 보다 명확히 분석하기 위해 467개 우려지역을 No hazard, Hazard without exposed population, Hazard with exposed population의 세 상태로 구분하였다. 4 km2 분석영역에서 강우 시나리오별 상태구성은 Table 5와 같다.
Table 4.
Mean exposed population and population-exposed sites by analysis-area size
Table 5.
Hazard–exposure state composition under rainfall scenarios (4 km2)
Fig. 6의 100% stacked graph에서도 이러한 변화가 명확하게 나타났다. No hazard 상태는 12 h / 50 mm의 11.1%에서 48 h / 200 mm의 1.1%로 감소하였고, Hazard without exposed population은 66.4%에서 30.2%로 감소하였다. 반면 Hazard with exposed population은 22.5%에서 68.7%로 약 3배 증가하였다. 따라서 강우조건 증가에 따른 변화는 단순히 FS < 1.3 위험영역이 확대되는 데 그치지 않고, 위험영역과 인구가 공간적으로 중첩되는 우려지역의 비율이 크게 증가하는 형태로 나타났다.
개별 우려지역의 상태변화를 분석한 결과, 역방향 변화는 나타나지 않았으며, 주요 변화는 No hazard 상태에서 Hazard without exposed population 상태로 변화하거나, Hazard without exposed population 상태에서 Hazard with exposed population 상태로 변화하는 형태로 나타났다. 이는 강우조건 증가에 따라 우려지역의 위험영역이 확대되고, 그 과정에서 인구가 분포하는 공간까지 위험영역이 확장되는 패턴을 보여준다. 분석영역 크기의 영향을 통계적으로 평가한 결과(Table 6), 48 h / 200 mm에서 FS < 1.3 면적비율은 분석영역 간 통계적으로 유의한 차이를 보였으나 효과크기는 매우 작았다(Friedman test, Kendall’s W = 0.012). 반면 인구노출에 대한 분석영역 크기의 효과는 상대적으로 크게 나타났다(W = 0.492). 따라서 분석영역의 확대는 상대적인 위험면적 비율보다 인구노출 추정결과에 더 큰 영향을 미치는 것으로 나타났다. 또한 48 h / 200 mm, 4 km2 조건에서 FS < 1.3 면적비율과 추정 노출인구 사이에는 유의한 양의 Spearman 상관관계가 나타났다(ρ = 0.323, p < 0.001). 인구가 존재하는 우려지역만을 대상으로 분석한 경우에도 유사한 관계가 확인되었다(ρ = 0.329, p < 0.001). 그러나 상관계수의 크기는 강하지 않았으며, 위험면적이 크다고 해서 반드시 높은 인구노출로 연결되는 것은 아니었다.
Table 6.
Statistical analysis of landslide hazard and population exposure
Fig. 7의 종합결과에서도 이러한 특성이 확인되었다. 즉, 강우조건 증가에 따라 경상북도 전역의 FS < 1.3 면적비율과 우려지역의 평균 위험면적 비율이 증가하였으며, 동시에 인구노출 발생지점의 비율도 증가하였다. 그러나 위험면적과 노출인구 사이의 관계는 완전한 일대일 관계가 아니었다. 이는 산사태 위험의 물리적 크기뿐 아니라 위험영역과 인구분포의 공간적 위치관계가 실제 노출수준을 결정하는 중요한 요인임을 보여준다.
Fig. 7.
Changes in landslide hazard and population exposure under rainfall scenarios: (a) province-wide FS < 1.3 area ratio, (b) mean FS < 1.3 area ratio by analysis-area size, (c) proportion of sites with population exposure by analysis-area size, and (d) relationship between FS < 1.3 area ratio and exposed population under the 48 h / 200 mm scenario (4 km2 analysis area).
WebGIS 기반 산사태 위험정보 시각화
TRIGRS 기반 산사태 위험분석과 우려지역별 인구노출 분석결과를 통합적으로 조회하기 위해 WebGIS를 구축하였다(Fig. 8). WebGIS에서는 경상북도 행정경계, 산사태 인명피해 우려지역 467개소 및 강우 시나리오별 TRIGRS FS 공간분포를 동일한 지도환경에서 조회할 수 있도록 구성하였다. 사용자는 12 h / 50 mm부터 72 h / 300 mm까지의 강우 시나리오를 선택하여 각 조건에서의 FS 공간분포를 확인할 수 있으며, FS 등급은 연구의 분석기준과 동일한 색상체계로 표현하였다. 이에 따라 Fig. 4에서 제시한 정적인 FS 분포뿐 아니라 사용자가 관심지역을 직접 확대·이동하면서 강우조건에 따른 공간적 차이를 확인할 수 있도록 하였다. 또한 산사태 인명피해 우려지역을 선택하면 해당 지점을 중심으로 0.5, 1, 2 및 4 km2의 정사각형 분석영역을 선택할 수 있도록 하였다. 이를 통해 동일한 우려지역에서도 분석영역 규모에 따른 위험면적과 인구노출 결과를 비교할 수 있으며, 본 연구에서 수행한 공간규모 민감도 분석결과를 지도상에서 확인할 수 있도록 구성하였다. 특히 두 강우 시나리오의 공간분포를 동일 위치에서 비교할 수 있도록 split-view 기능을 적용하였다. 사용자가 서로 다른 강우 시나리오를 선택하면 좌우 지도에 해당 FS 결과가 표시되고 지도 이동과 확대·축소가 연동되어, 강우조건에 따른 위험영역의 공간적 변화를 대화형으로 비교할 수 있다. WebGIS는 본 연구의 TRIGRS 계산을 웹상에서 새롭게 수행하거나 실시간 강우자료를 이용하여 산사태를 예측하는 시스템은 아니다. 즉, 사전에 산정된 강우 시나리오별 분석결과를 조회하고 비교하기 위한 시각화 및 정보전달 플랫폼으로 구축하였다. 이러한 구성은 TRIGRS가 GIS 환경과 연계해 입력자료를 구성하고 결과를 시각화하도록 설계된 모델 특성과도 일관된다. 결과적으로 구축된 WebGIS는 경상북도 전역의 산사태 위험분포와 467개 우려지역의 위험·노출 정보를 하나의 공간환경에서 제공함으로써, 정적인 지도와 표만으로는 확인하기 어려운 강우 시나리오별 공간변화, 우려지역별 위험특성 및 분석영역 규모에 따른 차이를 효과적으로 탐색할 수 있도록 하였다.
토 론
강우 시나리오에 따른 산사태 위험도 변화
본 연구에서는 강우조건이 증가함에 따라 경상북도 전역에서 평균 안전율(FS)이 감소하고 FS < 1.3 영역이 확대되는 경향이 확인되었다. 특히 초기 강우 시나리오보다 24 h / 100 mm 이후의 시나리오에서 위험영역의 증가가 뚜렷하게 나타났다. 이러한 결과는 강우조건의 변화에 대한 사면안정성의 반응이 분석범위 전체에서 동일한 비율로 나타나기보다는 지형 및 지반조건에 따라 공간적으로 차별화될 수 있음을 보여준다. TRIGRS는 강우침투에 따른 압력수두 변화를 사면안정해석과 결합하여 FS를 산정하므로, 강우조건 변화에 따라 각 격자의 안정성이 서로 다르게 변화할 수 있다(Baum et al., 2008, 2010). 특히 FS < 1.0 영역에 비해 FS < 1.3 영역의 증가가 상대적으로 크게 나타난 것은 강우조건이 증가하면서 기존의 안정한 영역 일부가 상대적으로 낮은 FS 범위로 이동하였기 때문이다. 이는 산사태 위험도를 평가할 때 FS < 1.0에 해당하는 영역만을 고려하기보다 강우조건 변화에 따라 안정성이 저하되는 주변 영역의 공간적 변화도 함께 검토할 필요가 있음을 시사한다. 다만 본 연구에서 적용한 FS < 1.3은 실제 산사태 발생을 결정하는 절대적인 임계값이라기보다 강우 시나리오와 지역 간 위험영역을 일관된 기준으로 비교하기 위한 분석기준으로 해석할 필요가 있다. 한편 48 h / 200 mm 이후의 시나리오에서는 일부 격자의 FS 값에 수치적인 변화가 존재하였지만 FS < 1.3을 기준으로 한 위험영역의 추가적인 분류변화는 나타나지 않았다. 따라서 이를 사면상태가 더 이상 변화하지 않거나 물리적으로 포화되었다는 의미로 해석하기보다는, 본 연구에서 적용한 입력조건과 FS 임계값에서 추가적인 위험등급 전환이 확인되지 않은 것으로 해석하는 것이 적절하다. TRIGRS 결과는 토심, 지반의 역학적·수리학적 특성 및 초기 수리조건 등의 입력자료에 영향을 받기 때문에(Zhang et al., 2022), 이러한 변화양상 역시 적용된 입력자료와 강우 시나리오의 범위 내에서 해석되어야 한다. 또한 본 연구의 시나리오 분석은 단일 강우조건에 기반한 정적인 위험평가와 달리 강우조건 변화에 따라 위험영역이 어느 범위까지 확대될 수 있는지를 단계적으로 비교할 수 있다는 장점이 있다. 특히 위험영역이 크게 변화하는 강우구간과 공간을 파악하는 것은 광역지역의 산사태 위험특성을 이해하는 데 유용하다. 따라서 강우 시나리오별 TRIGRS 분석은 특정 강우조건에서의 위험지역을 제시하는 것뿐 아니라 강우조건 변화에 따른 산사태 위험공간의 상대적 변화와 민감성을 파악하기 위한 방법으로 활용할 수 있다.
산사태 위험도와 인구노출 특성의 관계
산사태 위험영역과 100 m 센서스 인구격자를 결합한 결과, 강우조건이 증가하면서 물리적 위험영역뿐 아니라 인구가 위험영역에 포함되는 우려지역도 증가하였다. 이는 산사태 위험도의 증가가 단순히 산지 내 위험면적의 확대에 그치지 않고, 위험영역과 거주공간이 중첩되는 지점의 증가로 연결될 수 있음을 보여준다. 따라서 산사태 위험관리에서는 물리적인 사면 불안정성뿐 아니라 위험영역에 존재하는 인구의 공간적 분포를 함께 고려할 필요가 있다. 산사태 위험정보와 인구자료를 공간적으로 결합하는 방식은 물리적 위험정보만으로는 파악하기 어려운 잠재적 인적 노출을 평가하는 데 활용될 수 있다(Garcia et al., 2016). 그러나 본 연구에서 FS < 1.3 면적비율과 노출인구 사이의 상관관계는 통계적으로 유의하였지만 강한 수준은 아니었다. 이는 산사태 위험면적의 크기와 인구노출이 반드시 비례하지 않음을 의미한다. 위험면적이 넓더라도 해당 영역이 산림이나 비거주지역에 위치하면 노출인구는 제한적일 수 있으며, 반대로 상대적으로 작은 위험영역이라도 주거지역과 중첩될 경우 인구노출이 발생할 수 있다. 따라서 물리적 위험도가 높은 지역과 인적 노출이 높은 지역을 동일한 개념으로 해석하기보다는 각각의 공간적 특성을 함께 고려하는 것이 중요하다. 분석영역 규모에 따른 민감도에서도 위험도와 인구노출 사이의 차이가 확인되었다. 분석영역을 0.5 km2에서 4 km2까지 확대할수록 FS < 1.3 영역을 포함하는 우려지역의 비율은 증가하였으나, 평균 위험면적비율의 변화는 상대적으로 제한적이었다. 반면 인구노출은 분석영역의 크기에 보다 민감하게 반응하였다. 통계분석에서도 분석영역 크기가 FS < 1.3 면적비율에 미치는 효과크기는 매우 작았던 반면, 인구노출에 대한 효과는 상대적으로 크게 나타났다. 이는 분석영역을 확대할수록 추가적인 위험격자뿐 아니라 주변의 인구격자가 함께 포함되기 때문으로 해석할 수 있다. 따라서 특정 분석영역을 모든 우려지역에 적용할 수 있는 단일한 최적범위로 규정하기는 어렵다. 좁은 분석영역은 우려지역 중심부의 국지적인 위험특성을 파악하는 데 유리한 반면, 넓은 분석영역은 주변의 위험영역과 인구분포를 보다 폭넓게 포함할 수 있다. 이러한 결과는 산사태 위험과 인구노출을 함께 평가할 경우 분석목적에 따른 공간규모의 선택과 그에 따른 민감성을 함께 검토해야 함을 보여준다. 위험–노출 상태분석 역시 이러한 공간적 관계를 해석하는 데 유용하였다. 강우조건이 증가하면서 위험이 존재하지 않는 상태의 우려지역은 감소하고, 위험영역과 인구가 함께 존재하는 상태의 우려지역은 증가하였다. 개별 우려지역에서도 역방향 상태변화는 나타나지 않았으며, 주요 변화는 위험이 존재하지 않는 상태에서 인구노출이 없는 위험상태로 변화하거나, 인구노출이 없는 위험상태에서 인구노출이 있는 위험상태로 변화하는 형태로 나타났다. 이는 강우조건 증가에 따른 물리적 위험영역의 확대와 인구분포의 공간적 중첩과정을 하나의 상태체계에서 비교할 수 있다는 점에서 의미가 있다. 다만 본 연구에서 산정한 노출인구는 실제 산사태 발생 시 예상되는 인명피해를 의미하지 않는다. 이는 FS < 1.3 영역과 센서스 인구격자의 공간적 중첩을 이용하여 산정한 잠재적 노출인구이며, 실제 피해는 건축물의 구조적 취약성, 재해 발생시간, 대피 가능성, 주민의 대응능력 등 다양한 요인에 따라 달라질 수 있다. 따라서 본 연구의 위험–노출 분석은 피해예측보다는 우려지역 간 상대적인 공간특성을 비교하는 지표로 활용하는 것이 적절하다.
산사태 위험정보의 활용 가능성 및 연구 한계
본 연구에서는 TRIGRS 기반 산사태 위험도, 산사태 인명피해 우려지역 및 인구노출 분석결과를 WebGIS에 통합하여 강우 시나리오별 위험정보를 대화형으로 조회하고 비교할 수 있도록 하였다. 특히 서로 다른 강우조건의 FS 공간분포를 분할화면에서 비교하고, 우려지역을 중심으로 다양한 규모의 분석영역을 확인할 수 있도록 구성하였다. 이는 수치와 정적 지도 중심의 분석결과를 공간적으로 탐색할 수 있도록 확장한 것으로, 강우조건에 따른 위험공간의 변화와 주변 인구분포를 함께 파악하는 데 활용될 수 있다. 이러한 정보는 산사태 인명피해 우려지역의 현장점검이나 관리대상 검토 과정에서 보조적인 공간정보로 활용될 가능성이 있다. 예를 들어 동일한 물리적 위험수준을 보이는 지역이라도 인구노출 여부에 따라 관리 필요성이 다르게 평가될 수 있으며, 여러 강우조건에서 위험–노출 상태가 어떻게 변화하는지를 함께 검토함으로써 우선적으로 확인해야 할 지역을 선별하는 데 참고할 수 있다. 다만 실제 관리우선순위 결정에는 본 연구에서 고려하지 않은 도로 접근성, 건축물, 취약계층, 대피시설, 과거 피해이력 등의 정보가 추가적으로 고려되어야 한다. 본 연구에는 몇 가지 한계가 있다. 첫째, TRIGRS 해석결과는 DEM의 공간해상도와 토심, 지반의 역학적·수리학적 물성치 및 초기조건 등 입력자료의 영향을 받는다. 광역지역을 대상으로 한 분석에서는 실제 사면에서 나타나는 지반특성의 국지적인 변화를 완전히 반영하기 어렵기 때문에 개별 사면의 실제 붕괴 여부를 직접적으로 판단하는 결과로 사용하는 데에는 한계가 있다. 둘째, FS < 1.3 기준은 강우 시나리오 간 위험공간을 일관되게 비교하기 위한 분석기준으로 적용하였다. 따라서 이를 실제 산사태 발생을 결정하는 절대적 임계값으로 해석해서는 안 되며, 향후 실제 산사태 발생자료와의 비교를 통해 지역별 임계값과 모형 성능을 추가적으로 검토할 필요가 있다. 셋째, 인구노출 분석은 100 m 센서스 격자 내부의 인구가 공간적으로 균등하게 분포한다는 면적가중 가정을 포함한다. 따라서 산지와 주거지가 하나의 격자에 함께 포함되는 경우 실제 인구의 위치와 추정 노출인구 사이에 차이가 발생할 수 있다. 향후 건축물 단위의 거주인구 또는 보다 고해상도의 인구분포 자료를 활용하면 이러한 공간적 불확실성을 줄일 수 있을 것으로 판단된다. 넷째, 우려지역을 중심으로 설정한 정사각형 분석영역은 인접한 지점 사이에서 서로 중첩될 수 있다. 따라서 각 우려지역에서 산정된 노출인구를 단순 합산하여 시군구 또는 경상북도 전체의 고유 노출인구로 해석해서는 안 된다. 본 연구의 노출지표는 각 우려지역을 독립적인 분석단위로 설정하여 위험과 인구의 공간적 관계를 비교하기 위한 지표로 해석하는 것이 적절하다. 마지막으로 본 연구에서 구축한 WebGIS는 실시간 산사태 예측 또는 조기경보 시스템이 아니라 사전에 산정된 강우 시나리오별 분석결과를 조회·비교하기 위한 정보제공 플랫폼이다. 향후 실제 강우 관측·예측자료와 연계하고, 산사태 발생자료를 이용한 모형 검증 및 고해상도 노출·취약성 정보를 추가한다면 위험정보의 활용범위를 확대할 수 있을 것이다. 또한 본 연구는 물리적 산사태 위험과 인구노출을 중심으로 분석하였으므로, 건축물 취약성, 피해율 및 경제적 손실까지 포함하는 종합적인 산사태 위험(risk) 평가와는 구분할 필요가 있다.
종합적으로 본 연구는 강우 시나리오에 따른 산사태 위험공간의 변화와 인구노출 특성을 광역지역에서 정량적으로 분석하고, 분석영역의 공간규모에 따른 민감성을 평가하여 이를 WebGIS 기반의 정보제공 체계로 연계하였다는 점에서 의의가 있다. 연구결과는 산사태 인명피해 우려지역의 위험특성을 비교하고, 물리적 위험과 인구노출을 함께 고려한 방재관리 대상지역을 검토하기 위한 기초자료로 활용될 수 있다. 다만 본 연구에서 산정한 노출인구는 실제 피해인구가 아닌 위험영역과 센서스 인구격자의 공간적 중첩에 기반한 잠재적 노출인구이며, TRIGRS 결과 역시 적용된 지형·지반자료, 강우 시나리오 및 FS 분류기준에 영향을 받는다. 따라서 향후 실제 산사태 발생자료를 이용한 모형 성능 검토와 함께 고해상도 인구·건축물 자료 및 취약성 정보를 결합할 필요가 있다. 이를 통해 현재의 산사태 위험–인구노출 분석체계를 향후 취약성까지 고려한 종합적인 산사태 위험평가 및 의사결정 지원체계로 확장할 수 있을 것으로 판단된다.
결 론
본 연구에서는 경상북도 전역을 대상으로 강우 시나리오에 따른 산사태 위험도의 공간적 변화를 분석하고, 산사태 인명피해 우려지역 467개소를 중심으로 인구노출 특성과 분석영역 규모에 따른 민감도를 평가하였다. 또한 분석결과를 통합적으로 조회·비교할 수 있는 WebGIS를 구축하였다. 주요 결론은 다음과 같다.
첫째, TRIGRS 분석 결과 강우조건이 증가함에 따라 경상북도 전역의 평균 안전율(FS)은 감소하고 FS < 1.3 영역은 확대되는 경향을 보였다. 특히 24 h / 100 mm 이후 위험영역의 증가가 뚜렷하게 나타났으며, 48 h / 200 mm 조건에서 FS < 1.3 면적비율은 15.34%에 도달하였다. 이후 강우 시나리오에서는 일부 격자의 FS 값에 제한적인 변화가 있었으나, FS < 1.3 기준의 위험영역 분류에는 추가적인 변화가 나타나지 않았다. 이는 강우 시나리오를 단계적으로 적용함으로써 위험영역의 확대과정과 변화가 집중되는 강우조건을 공간적으로 파악할 수 있음을 보여준다.
둘째, 산사태 인명피해 우려지역을 중심으로 분석영역을 0.5, 1, 2 및 4 km2로 확대할수록 FS < 1.3 영역을 포함하는 우려지역의 비율은 증가하였다. 48 h / 200 mm 조건에서 위험 포착률은 0.5 km2의 87.6%에서 4 km2의 98.9%로 증가하였다. 반면 평균 FS < 1.3 면적비율의 변화는 상대적으로 제한적으로 나타나, 분석영역 규모가 위험면적의 상대적 비율보다 위험영역의 포착 여부에 더 큰 영향을 미치는 것으로 나타났다.
셋째, 강우조건 증가에 따라 산사태 위험영역과 인구가 공간적으로 중첩되는 우려지역도 증가하였다. 4 km2 분석영역에서 Hazard with exposed population 상태의 비율은 12 h / 50 mm 조건의 22.5%에서 48 h / 200 mm 조건의 68.7%로 증가하였다. 또한 FS < 1.3 면적비율과 노출인구 사이에는 유의한 양의 상관관계가 나타났으나, 그 관계의 강도는 제한적이었다. 이는 물리적 산사태 위험도가 높다고 해서 반드시 인구노출이 크게 나타나는 것은 아니며, 위험영역과 인구분포의 공간적 위치관계를 함께 고려해야 함을 의미한다.
넷째, 분석영역 규모가 위험도와 인구노출에 미치는 영향은 서로 다르게 나타났다. 48 h / 200 mm 조건에서 FS < 1.3 면적비율에 대한 분석영역 크기의 효과크기는 매우 작았으나(Kendall’s W = 0.012), 인구노출에 대한 효과는 상대적으로 크게 나타났다(W = 0.492). 따라서 우려지역의 위험 및 인구노출 특성을 평가할 때 특정 분석영역을 일률적인 최적범위로 적용하기보다는 분석목적과 공간규모에 따른 민감성을 함께 고려할 필요가 있다.
다섯째, 강우 시나리오별 TRIGRS 결과와 산사태 인명피해 우려지역 및 인구노출 정보를 통합한 WebGIS를 구축함으로써 서로 다른 강우조건의 산사태 위험정보를 대화형으로 조회·비교할 수 있도록 하였다. 특히 시나리오별 FS 공간분포의 분할화면 비교와 우려지역 중심의 분석영역 조회기능을 통해 정적인 지도만으로는 파악하기 어려운 위험공간의 변화와 주변 인구분포를 효과적으로 확인할 수 있도록 하였다.
