지형정보의 해상도와 해석격자 차이에 의한 토석류 해석 비교 결과 분석

Comparative Analysis of Debris Flow Numerical Simulation Based on the Difference between the Resolution of Topographic Information and Grid Size

Article information

J. Korean Soc. Hazard Mitig. 2023;23(2):41-50
Publication date (electronic) : 2023 April 27
doi : https://doi.org/10.9798/KOSHAM.2023.23.2.41
김남균*, 전병희**
* 정회원, 산림조합중앙회 산림종합기술본부 선임연구원(E-mail: knkblue2@hanmail.net)
* Member, Senior Researcher, Forest Technology Division, National Forestry Cooperative Federation
** 정회원, 강원대학교 방재전문대학원 교수
** Member, Professor, Graduate School of Disaster Prevention, Kangwon National University
** 교신저자, 정회원, 강원대학교 방재전문대학원 교수(Tel: +82-33-570-6878, Fax: +82-33-570-6501, E-mail: bhjun@kangwon.ac.kr)
Corresponding Author, Member, Professor, Graduate School of Disaster Prevention, Kangwon National University
Received 2023 January 11; Revised 2023 January 12; Accepted 2023 February 10.

Abstract

본 연구에서는 2020년 8월 전라남도 곡성군 오산면 선세리에서 발생한 토석류에 대하여 지형의 해상도와 격자크기에 따른 수치해석의 결과 차이를 비교 분석하였다. 연구지역에서의 사진측량을 통해 0.03 m 간격의 고해상도 지형정보를 구축하였고, 이에 대한 비교군으로 1:5000 수치지형도의 등고선으로부터 상대적으로 저해상도의 지형정보를 이용하였다. 지형정보는 각각 1 m, 5 m, 10 m 해상도를 갖는 격자로써 지형정보를 구축하였고, 생성된 지형정보에 대하여 토석류 시뮬레이션을 위한 해석 격자의 크기를 지형정보와 동일하게 1 m, 5 m, 10 m로 설정하여 분석하였다. 지형정보 구축을 위한 격자의 해상도 차이에 따른 수치모델의 결과는 큰 차이는 없었지만 드론 사진측량을 통해 구축한 고해상도 지형정보를 사용하였을 경우 실제 토석류의 상황과 유사하게 해석되었다. 또한, 시뮬레이션을 위한 해석격자의 크기가 10 m일 때, 실제와 가장 유사하게 모의가 되었다. 토석류 수치모델을 이용하여 위험지역을 예상하고자 할 때, 지형, 지질, 강우와 같은 실제 정보를 반영하는 것이 매우 중요하지만, 기술적인 변수인 격자의 크기도 중요하며, 유역의 크기나 연구지역의 상황에 따라 최적의 격자크기를 결정할 필요가 있다.

Trans Abstract

In this study, a comparative analysis was conducted for the debris flow that occurred in Gokseong-gun, Jeollanam-do, in August 2020, using the difference between the resolution of topographic information and grid size. High-resolution topographic information (0.03 m) was established through photogrammetry. For comparison, the low-resolution topographic information was obtained from the contour lines of the 1:5000 digital map. The topographic information was depicted as a grid, with resolutions of 1, 5, and 10 m, and analyzed by setting the simulation grid size to 1, 5, and 10 m. According to the topographic resolution, no significant difference was obtained in the numerical simulation results, when high-resolution topographic information from UAV photogrammetry was used, and the analysis was similar to the actual debris flow. Additionally, when the size of the analysis grid for the simulation was 10 m, the simulation was very similar to the actual debris-flow situation. For predicting a risk area using a debris-flow model, it is very important to reflect actual information, such as topography, geology, and rainfall; technical parameters, such as the grid size, are also important. Moreover, determining the optimal grid size by considering the conditions of the study area, such as the basin area, is necessary.

1. 서 론

2002년, 2006년, 2011년 대규모 산사태 피해 이후 점차 감소하는 추세를 보이다가 2020년 태풍과 집중호우로 인하여 약 10년만에 대규모 피해가 발생하였다(Fig. 1). 산사태의 대표적인 발생 원인인 강우는 2020년에 역대급을 기록하였다. 6월 10일부터 8월 16일까지 내린 집중호우는 우리나라 역대 최장기간을 기록하였고, 총 강수량은 1,588.7 mm로 최근 30년 강수량 중 역대 5번째를 기록하였다. 이로 인하여 전국 곳곳에서 많은 산사태가 발생하였지만 주로 경상도와 전라도에서 다수의 피해가 발생하였으며 전라남도 곡성군 오산면 선세리 일대에서 발생한 토석류로 5명의 사망자가 발생하였다.

Fig. 1

Annual Landslide Damage History

산지 토사재해에 관한 다양한 연구들은 위험지역 도출, 주민 피해 예측, 재난 관리 정책 등과 같이 재난 관리의 근거자료를 제시하며, 특히 수치해석모델의 개발과 시뮬레이션을 통한 피해예측 정보 생성은 재난을 대비하는데에 중요한 연구자료이다. 토석류의 경우 물, 토사, 공기, 유목 등 혼합물의 흐름으로써, 다양한 해석 이론이 적용되고 여러 방식의 기법으로 해석되고 있지만 물과 토사의 혼합물의 흐름에 관하여 대표적으로 진행되고 있다. 이러한 연구와 관련하여 Iverson (1997), Takahashi (1981) 등은 토석류의 물리적인 해석에 관한 연구 정보를 제공하였다. 사실 토석류에 대한 정의와 현상에 관한 설명은 다양한 연구자들에 의하여 정의되어 왔다(Brunsden, 1979; O’brien and Julien, 1998; Yun et al., 2009). 토석류를 모의하기 위한 수치모델 개발에 관한 연구(Imran et al., 2001; Kim et al., 2018). 개발된 수치 모델의 시뮬레이션을 이용한 토석류의 위험도 평가에 관한 연구(Liu et al., 2009; Lee et al., 2015; Wang et al., 2018), 수치해석을 위한 입력 변수의 적용에 관한 연구(Hurlimann et al., 2008; Kang and Kim, 2017), 수치해석을 이용한 토석류 저감 시설물의 분석에 관한 연구(Liu et al., 2013; Kim and Kim, 2021) 등 수치해석 개발에 관한 연구뿐만 아니라 이를 활용하여 위험성 평가 및 토석류 재해 저감 평가 등 다양한 방향으로의 연구가 수행되고 있다.

다양한 토석류 수치해석 모델을 이용하여 실제의 현상을 모의하는 가장 중요한 방법은 실측 정보를 입력하여 결과를 산출하는 것이다. 모델에서 해석하는 힘의 종류에 따라 토석류의 거동이 다르게 평가될 수 있지만, 결론적으로는 실제 발생하는 현상을 유사하게 해석하는 것이 수치해석의 목적이기 때문에 실측정보가 매우 중요하다. 특히 강우, 지질, 지형에 대한 정보는 매우 중요한 요소이다. 또한 토석류 해석의 정확도를 위해서 하이퍼 파라미터에 대하여 고려할 필요가 있다. 하이퍼파라미터는 최적의 딥러닝 모델 구현을 위해 학습률이나 배치의 크기, 훈련의 반복횟수 등과 같은 모델 설정을 위한 변수를 의미한다. 수치 시뮬레이션에서는 격자의 모양이나 크기, 반복 계산 시간 등이 해당된다. 일반적으로는 격자의 크기가 클수록 지형에 대한 정보를 정확하게 반영하지 못하기 때문에 가급적 격자의 크기를 작게 하여 해석을 수행한다. Adrian and Christian (2008)은 스위스 국립공원에서 발생한 토석류에 대하여 격자크기를 25 m, 4 m, 1 m로 구분하여 해석하여 격자의 해상도가 위험도 평가지역에 대한 맵핑을 할 때 중요한 요소임을 제시하였고, Jin and Hwang (2015)은 지형분할 격자의 크기가 토석류 흐름에 미치는 영향을 평가하였고, An (2016)은 필요한 영역만을 고해상도로 표현하기 위하여 적응적 메시세분화기법을 도입하여 적응적격자를 기반으로 한 토석류 수치모형을 개발하고자 하였고, Cama et al. (2016)은 2 m, 8 m, 16 m 32 m의 격자의 크기에 따른 수치시뮬레이션의 예측 결과의 성능, 견고성, 예측변수의 중요성을 분석하여 8 m와 6 m의 격자에서 서로 유사성이 있고 AUROC가 높아 오류율이 적은 결과를 도출하였다. 선행연구들로 미루어보아, 토석류를 수치 시뮬레이션을 수행하는데에 있어서 현장의 정보가 중요하지만 해석하기 위한 격자의 크기도 적절히 선정하는 것도 중요하다. 격자의 크기에 따라 토석류의 해석 결과를 비교하기 위하여 수치지형도를 이용할 수 있지만, 이는 단순한 보간법에 관한 비교수준이 되기 때문에 보간정보에 관한 선행연구의 분석으로 충분하다.

따라서, 드론 사진 측량을 이용하여 고해상도의 지형정보를 이용하여 해석 격자 크기에 따른 수치 시뮬레이션의 결과의 차이를 비교하고자 하였다. 특히 피해가 발생하는 산지 하류지역의 생활권의 지형은 수로, 농로 등과 같은 구조물로 인하여 토석류의 흐름 방향이 달라질 수 있기 때문에 이러한 정보를 수치시뮬레이션에서 어떻게 반영하는가에 따라 해석 결과가 달라질 수 있다. 이러한 정보는 지형정보를 구축하는 해상도의 크기에 따라 달라질 수 있으나, 해석격자의 크기에 따라서도 달라지기 때문에 두가지의 변수의 조건에 따라 토석류의 해석 결과에 미치는 영향을 분석하고자 하였다.

본 연구에서는 2020년 8월 곡성 지역에서 발생한 토석류에 대하여 드론을 이용한 사진측량을 수행하여 고해상도 지형정보를 구축하고 상대적으로 저해상도인 1:5000 수치지도를 이용해 지형정보를 구축하여, 고해상도와 저해상도 각각에 대하여 격자크기별 공간정보를 생성하였다. 이러한 정보를 이용하여 토석류를 해석하는 과정에서 모델의 해석 격자 크기에 따른 토석류의 확산 범위와 유동심의 변화를 비교 분석하였다.

2. 연구방법

2.1 연구방법

Fig. 2는 연구방법을 나타낸다. 연구지역을 확인하여 해당지역의 1:5000 수치지도를 이용해 유역분석을 수행하였고, 수치지도의 등고선으로부터 각각 1 m, 5 m, 10 m 격자의 Digital Elevation Model (DEM)을 구축하였다. 그리고, 연구지역의 현장 조사와 드론을 이용한 사진측량을 수행하여 고해상도 지형정보를 구축하여 1 m, 5 m, 10 m 격자의 Digital Surface Model (DSM)을 구축하였다. 각각 격자크기별로 생성된 지형정보는 Flo-2D 프로그램의 입력자료로 사용되어 수치시뮬레이션을 수행하여 토석류의 확산 면적과 유동심을 비교하였다.

Fig. 2

Research Flow Chart

2.2 연구지역 정보

2020년 8월 집중호우로 인하여 한반도 전 지역에 걸쳐 토사재해가 발생하였으며, 특히 이틀 동안 500 mm가 넘는 강우가 내렸던 전남 내륙 일대에 많은 피해가 발생하였다. 본 연구는 전라남도 곡성군 오산면 성덕마을 뒤편 유역을 대상으로 선정하였다(Fig. 3). 토석류 피해로 인하여 5명이 사망하였고, 주택 3동 및 차량, 농경지 매몰 등의 재산피해가 발생하였다. 토석류의 시작점은 일반적으로 발생하는 자연사면에서의 유실이나 퇴적물의 흐름이 아니라 국도 15호선의의 지반인 성토사면에서 붕괴가 발생하였고 높은 강우강도로 인하여 붕괴토사가 계류를 따라 성덕마을 방향으로 흐름이 발생하였다(Fig. 4). 연구지역의 유역은 자연사면이 아니기 때문에 산림청에서 제공하는 산사태위험등급지는 미구축 되어있는 것으로 나타났으며, 토석류 유하부 구간에서 4등급, 5등급지가 분포하는 것으로 나타나 산사태의 발생 위험이 매우 낮거나 없는 유역으로 나타났다(Fig. 5). 높은 강우강도로 인하여 발생한 토석류는 8월 7일 20 30분경으로써, 당시의 강우강도는 12.5 mm를 기록하였지만 한시간 이전인 19시에 52 mm의 시간 강우강도를 기록하였다. 이때의 강우강도는 토석류에 영향을 미치는 유효강우 중에서 최대 시간강우강도를 나타낸다. 토석류가 발생하기 이전의 누적강우는 8월 6일 0시를 기준으로 239 mm를 기록하였다(Fig. 6).

Fig. 3

Debris Flow Damage in Study Area

Fig. 4

Damage Footage After Debris Flow

Fig. 5

Landslide Risk Map by Korea Forest Service

Fig. 6

Rainfall Intensity

2.3 사진측량을 이용한 지형정보 구축

고해상도 공간정보를 구축하기 위하여 연구지역에서의 드론을 이용한 사진측량을 수행하였다. 사용된 장비는 GCP를 측정하기 위한 장비 세트와 정사영상을 획득하기 위한 드론 세트의 두가지로 구성된다. GCP를 측정하기 위한 장비세트는 GNSS로부터 위치를 수신하기 위한 RTK 수신기와 컨트롤러 폴대로 구성되어 있으며, 30개 정도의 위성신호가 수신되고 이 중 25개의 위성신호를 이용해 RTK 측위를 수행하였다. RTK정확도는 수평으로 8 mm, 수직으로 15 mm로써 측정값의 편차(RSME)는 최대 15 mm 이내이다. 드론 세트의 경우 Phantom 4 pro 드론을 이용하였고 드론에 장착된 카메라는 1인치 CMOS 센서를 사용하고, 픽셀수는 21.Mpx, 렌즈는 화각(Field of view) 84°, 299 g의 무게를 지니는 카메라를 이용하였다.

연구지역을 포함하는 지상기준점(Ground Control Point, GCP)을 10개소 선정하여 좌표점을 획득하였다(Table 1). 획득된 좌표점의 오차율은 평균 제곱근 오차를 이용하여 확인하였으며, x축 방향 0.013 m, y축 방향 0.009 m, z축 방향 0.016 m로 나타나 평균 오차율은 0.012 m로 나타났다. 사진측량을 위해 사용된 드론은 종횡 중복도 모두 90%의 중첩률로 총 1,252장을 촬영하여 3차원 좌표를 가지는 평균 GSD (Ground Sampling Distance)는 1.6 cm의 3D Cloud Point를 생성후, 정사영상을 생성하였으며 전체 면적은 0.133 km2이다(Fig. 7). 생성된 정사영상의 고해상도 공간정보로써 3 cm의 크기로 좌표정보를 가지고 있다.

Coordinate and Accuracy by GPS Survey

Fig. 7

High-resolution Topography Information by UAV Photography

3. 토석류 수치 시뮬레이션

연구지역의 토석류를 해석하기 위하여 Flo-2D 프로그램을 이용하였다. 격자기반의 모델로써 토석류의 흐름을 모의하는데에 가시적인 표출 기능과 빠른 확산 결과를 빠르게 해석하는 장점이 있기 때문에 본 연구의 목적에 적합하다. 하상의 침식을 고려하지 못함에 따라 유입 유량을 직접 입력해야하는 한계성이 있으나 국부적인 공간에서의 토석류 성질을 갖는 물리적인 변동성과, 전체 유역 대상으로의 확대 적용에 따른 합리성 모두를 반영할 수 있다. 질량 및 운동량을 보존하는 물리모형으로 Eqs. (1)과 (2)와 같으며, 운동량방정식에서 고려하는 마찰 기울기 sf는 항복응력, 점성, 충돌, 난류를 고려한다(O’Brien et al., 1993).

(1)ht+hVxx+hVyy=i
(2)Sf=Tyρhg+kηvρh2g+n2v2h4/3

여기서, h는 유동심, V는 유속, i는 강우강도, Sf는 에너지 경사, S0는 하천의 경사, x,y 는 각각 토석류의 흐름 방향, t는 시간, g는 중력가속도, τy 는 항복응력, η 는 점성, ρ는 토석류의 밀도, k는 층류 저항 계수, n은 조도 계수를 의미한다. 마찰기울기의 값을 정의하는 변수들은 토석류의 해석결과에 매우 중요한 요소이고 입력 유량과 해석 격자 또한 중요한 변수이다.

항복응력과 점성의 경우 토사의 농도에 따라 값이 변화하며 농도가 증가할수록 항복응력과 점성도 증가한다. 이때 사용되는 계수는 경험적인 값으로 산정되어 O’Brien and Julien (1998)이 제시한 값을 적용하였다. 층류 저항 계수는 24에서 50,000 사이의 값을 적용할수 있고 토석류가 흐르는 지면의 상태에 따라 값이 달라진다. 즉, 조도 계수의 값에 따라 변동이 될 수 있으며 본 연구에서는 100의 값을 적용하였다. 100은 모래가 거의 없는 지면이나 경사면에 해당한다(Woolhiser, 1975). 조도계수의 경우 일반적으로 계곡이나 산지하천에서 0.02에서 0.05의 값을 갖지만(Jin and Fread, 1999), 토석류의 경우 실제 현상을 재현하기 위한 값으로 일반적인 값보다 높은 값을 사용하는 연구가 다수 발표(Li et al., 2011; Luna et al., 2011)되어 0.08의 값을 적용하였다. 입력 유량의 경우 강우량을 이용하여 Eq. (3)과 같이 합리식을 통해 유역의 유출량을 적용하였다.

(3)Q=13.6CIA

여기서, C는 유출계수, I는 강우강도, A는 유역의 면적을 의미한다. 토석류가 발생한 시점에서의 시간 강우강도는 12.5 mm/h이지만, 토석류 발생 한시간전인 최대 시간 강우강도 52 mm/h를 적용하였다.

격자의 크기는 각각 1 m, 5 m, 10 m의 3가지의 조건에 따라 시뮬레이션을 수행하였고 각 격자에 입력되는 지형정보는 해상도 3 cm를 가지는 정사영상과 1:5000 수치지형도의 등고선을 이용하여 시뮬레이션의 격자크기와 동일하게 각각 1 m, 5 m, 10 m 크기의 지형정보를 생성하여 적용하였다.

4. 결과 및 토론

1:5000 수치지형도의 등고선을 이용하여 수치표고모델(Digital Elevation Model, DEM)을 크기별로 각각 1 m, 5 m, 10 m로 생성하였다(Fig. 8). 해당유역의 최소 높이는 160 m, 최대 높이는 305 m, 평균 높이는 211 m로써, 각 DEM별로 같은 것으로 나타났다. 같은 범위에 대하여 해상도의 차이에 따른 속성값은 같은 것으로 나타났으나 실제로 각 픽셀별 속성값은 일부 다를 수 있다. 1:5000 수치지형도에서의 등고선은 주곡선 5 m 간격을 갖기 때문에 10 m의 해상도에서는 등고선이 모든 픽셀을 지나감에 따라 고도값이 직접적으로 반영되지만, 해상도 1 m의 경우에는 등고선이 일부의 픽셀만 지나감에 따라 고도값이 직접적으로 반영되지 않는 픽셀이 생성되기 때문이다. 이때 생성되는 픽셀은 보간법에 의해 생성되기 때문에 간접적으로 생성되는 값이다. 결과적으로, 등고선의 값을 중심으로 고도값이 해상도에 따라 생성되기 때문에 최대, 최소, 평균과 같은 대푯값은 해상도의 크기에 따라 차이가 없지만, 해상도가 작을수록 보간되어지는 픽셀이 많아지기 때문에 실측값과는 차이가 생길 수 있다.

Fig. 8

Digital Elevation Map Generation in Each Grid Size

이러한 오차율을 최대한 줄이고자 드론을 이용한 사진측량을 수행하여 3 cm의 크기를 갖는 고해상도 지형정보를 생성하였다(Fig. 9). 이러한 정보는 모든 1 m 격자에 직접적인 값이 반영이 되므로, 실제의 지형정보를 모두 반영한다. 특히, 토석류를 해석하는데에 있어서 계류 하류지역의 주민들이 살고 있는 피해예상지역의 지형정보를 정확하게 반영하고 있기 때문에 토석류의 흐름방향과 규모를 예측하는데에 중요한 정보이다. 고해상도 지형정보에서 평균해수면을 기준으로 하는 지반고의 최소 높이는 153.2 m, 최대 높이는 305 m, 평균 높이는 207 m로 나타나 수치지형도의 값보다는 약간 작게 분석되었다. 최대높이가 같은 이유는 분석된 연구지역의 최대 높이가 같은 것을 의미하기 때문에 생성된 두 결과물 모두 적절한 것으로 판단되다. 그리고, 최소높이가 다른 이유는 토석류가 유출된 하류지점에 위치한 수로의 반영 여부이다. 고해상도 지형정보에서는 수로의 높이가 반영되었기 때문에 최소 높이가 낮아졌고, 분석유역 전체에서의 수로높이가 반영됨에 따라 평균 높이가 수치지형도에 비하여 약 4 m 낮아진 것으로 분석되었다.

Fig. 9

Digital Surface Map Generation in Each Grid Size

해상도와 해석격자의 크기에 따라서 각 Case의 설정은 Table 2와 같으며, 각각의 Case에 따른 결과는 Figs. 10, 11과 같다. 토석류의 확산이 끝났을때이고 해당 격자에서의 최대 유동심을 나타낸다. DEM과 DSM의 지형정보로부터 생성된 1 m, 5 m, 10 m의 해상도와 수치시뮬레이션에서 수행하는 1 m, 5 m, 10 m의 해석격자크기에 따라 18가지의 case에 대하여 분석을 수행하였다. Table 3은 시뮬레이션 결과값을 보여준다.

Flo-2D Simulation Case

Fig. 10

Debris Flow Depth Results for DEM in Each Grid Size

Fig. 11

Debris Flow Depth Results for DSM in Each Grid Size

Flo-2D Simulation Results

고해상도 지형데이터(DSM)와 저해상도 지형데이터(DEM)를 비교하고자 각 케이스의 평균값을 이용하였다. DEM의 경우 최대 유동심은 1.052 m, 평균 유동심은 0.099 m, 확산면적은 35,451.89 m2로 나타났고 DSM의 경우 최대 유동심은 1.303 m, 평균 유동심은 0.160 m, 확산 면적은 23,034 m2로 나타났다. 유동심의 경우 DSM이 DEM보다 높게 해석되었으며 확산면적은 작게 해석되었다. 실제 확산 면적와 유사한 결과는 DEM을 사용했을 때이지만, 하류지역의 토석류 이동 방향이 다르게 나타나 오히려 정확도는 떨어지는 모습을 나타냈다. 실제로 토석류가 확산된 방향은 마을이 위치한 유출지점에서 북서 방향으로, DSM의 경우 이와 같은 방향으로 시뮬레이션 되었으나(Fig. 10, 11시 방향), DEM의 경우 유출지점에서 북동방향으로 시뮬레이션 되었다(Fig. 11의 1시 방향). 즉, 지형정보가 실제의 상황을 정확하게 반영되지 못하였기 때문에 토석류의 흐름방향을 해석하는데에 있어서 실제 흐름 방향과 다르게 분석되었고, 반대로 고해상도 지형정보를 사용했을 경우에는 토석류의 흐름방향을 그대로 재현하였다. 다시말해, 단순히 확산 면적을 비교하는 것이 아닌 토석류의 이동경로를 함께 비교해야 한다.

시뮬레이션 해석격자의 크기에 다른 해석결과는 해상도의 크기가 클수록 유동심은 감소하고 확산면적은 증가하는 것으로 분석되었다. 이러한 이유는 해석격자가 클수록 계류부에서 다양한 지형의 높낮이 상태를 완만하게 표현하기 때문에 침식과 퇴적이 반복되는 토석류의 이동 상태가 격자가 클수록 부드럽게 흘러가기 때문이다. 따라서, 격자가 클수록 공간정보의 왜곡이 커지기 때문에 최대유동심이 평균유동심과 가깝게 해석된다. 격자크기에 따른 공간정보의 왜곡에 따른 시뮬레이션 해석 결과의 차이는 고해상도 지형정보인 DSM에서의 뚜렷하게 나타난다. DSM 1 m의 크기에서 격자의 크기가 각각 1 m, 5 m, 10 m인 Case 1b, Case 4b, Case 7b를 비교하면, 유동심이 1.821 m, 1.581 m, 0.666 m로 점차 감소하고 확산 면적은 14,535 m2, 18,875 m2, 32,000 m2으로 점차 증가한다. 반면에, 상대적으로 저해상도인 DEM에서의 Case 1a, Case 4a, Case 7a를 비교하면 유동심이 1.385 m, 1.592 m, 0.581 m, 확산 면적은 32,742 m2, 35,800 m2, 38,500 m2으로 격자의 크기가 10 m일 때 유동심이 매우 작아지는 결과를 보여준다. 저해상도 지형정보의 경우 데이터의 해상도 자체가 작기 때문에 격자의 크기에 따른 시뮬레이션 결과의 변화가 뚜렷하게 나타지 않는 것이다.

수치해석을 수행할 때에 해석격자의 크기는 연구의 목적, 유역의 면적 등과 같은 연구조건에 따라 결정되는 경우가 많고, 해석하는 하드웨어의 성능 등과 같은 기술적인 경우도 고려하기 때문에 적절한 격자의 크기를 선정하는 것이 중요하다. 하지만, 저해상도의 지형정보를 이용하면, 보다 정확한 해석을 위하여 해석 격자의 크기를 작게 하였을지라도 결과의 차이는 크게 없을 것으로 예상된다. 따라서 해석격자의 크기의 다양성에 따른 적절한 토석류 해석 결과를 얻기 위해서는 고해상도 지형정보를 사용해야한다.

본 연구에서는 고해상도 지형정보를 사용하고 10 m의 해석 격자의 크기를 이용한 Case 9b의 결과가 실제와 가장 유사하게 모의되었다. 고해상도 지형정보를 사용 하였을지라도 격자의 크기가 작으면 오히려 정확성이 떨어지기 때문에 적절한 격자의 크기를 사용하는 것이 중요하며, 최적의 격자의 크기 선정을 위하여 시행착오(Trial and Error)의 방법을 사용할 필요가 있다. 이러한 정보를 축적함에 따라 토석류의 규모나 유역의 크기 등에 따라서 고해상도 지형정보의 일반적인 격자크기 해석 기준을 제시할 수 있을 것으로 예상된다.

5. 결 론

2020년 전라남도 곡성지역에서 발생한 토석류에 대하여 드론 사진측량을 이용하여 고해상도 지형정보를 구축하고 Flo-2D 프로그램을 이용해 지형정보를 나타내는 해상도의 크기와 시뮬레이션 해석격자의 크기에 따른 토석류 해석 결과를 비교 분석하였다. 성토사면의 붕괴가 토석류로 전이되어 발생한 토석류를 재현하는데에 1:5000 수치지도로부터 생성된 저해상도 지형정보(DEM)와 드론 사진측량의 정사영상으로부터 생성된 고해상도 지형정보(DSM)를 이용하였으며, DSM을 이용하였을 때, 실제 흐름 방향을 모의하는 것으로 분석되었다. 또한, 해석 격자의 크기는 저해상도 지형정보에서 토석류 해석에 차이가 없는 것으로 나타났고, 고해상도 지형정보에서는 크기가 클수록 유동심은 작게 해석되고, 확산면적은 크게 해석되었다. 이러한 정보를 바탕으로 토석류 해석의 정확성을 위한 격자의 크기는 저해상도 지형정보 에서는 큰 의미가 없으며, 고해상도 지형정보 에서는 결과값이 크기 달라지기 때문에 연구의 목적과 대상 유역의 크기 등에 따라서 적절한 해석격자를 선정하는 것이 중요하다. 최적의 해석격자를 선정하기 위하여는 추가적인 연구가 필요하며 토석류의 규모, 유역의 면적 등에 따른 여러 조건들을 고려할 필요가있다. 또한, 토석류가 발생하여 계류부를 유하하는 산림 지형 비하여 생활권의 지형이 복잡하기 때문에 유역의 위치에 따른 지형해상도의 적용성을 다르게 분석할 수 있는 추가 연구도 필요하다.

감사의 글

이 논문은 2022년도 대하민국 정부(과학기술정보통신부)의 재원으로 한국연구재단 국민생활안전 긴급대응연구사업의 지원을 받아 수행된 연구임(2022M3E9A1097535).

References

1. Adrian S, Christian H. 2008;Debris flows in the swiss national park:The influence of different flow models and varying DEM grid size on modeling results. Landslides 5:311–319.
2. An H.U. 2016;Development of debris flow model based on adaptive mesh. The Korean Society of Agricultrual Engineers Annual Converence :45–46.
3. Brunsden D. 1979. Mass movements. In : Embleton C.E, Thornes J.B, eds. Process in geomorphology (130-186) London, UK: Edward Arnold.
4. Cama M, Conoscenti C, Lombardo L, Rotigliano E. 2016;Exploring relationships between grid cell size and accuracy for debris-flow susceptibility models:A test in the Giampilieri catchment (Sicily, Italy). Environmental Earth Science 75:218.
5. Hurlimann M, Rickenmann D, Medina V, Bateman A. 2008;Evaluation of approaches to calculate debris flow parameters for hazard assessment. Engineering Geology 102(3-4):152–163.
6. Imran J, Harff P, Parker G. 2001;A numerical model of submarine debris flow with graphical user interface. Gomputers &Geosciences 27(6):717–729.
7. Iverson R.M. 1997;The physics of debris flow. John Wiley &Sons, Ltd 35(3):245–296.
8. Jin H.W, Hwang Y.C. 2015;Characterization of debris flow at various topographical division sizes. Journal of the Korean Geo-Environmental Soceity 16(3):49–55.
9. Jin M, Fread D.L. 1999;1D modeling of mud/debris unsteady flow. Journal of Hydraulics Engineering 125(8):827–834.
10. Kang H.S, Kim Y.T. 2017;Parameter analysis of flow-r model for physical vulnerability assessment of debris flow disaster in regional scale. Journal of the Korean Society of Hazard Mitigation 17(4):233–245.
11. Kim M.I, Kim N.G. 2021;Analysis of debris flow reduction effect of check dam types considering the mountain stream shape:A case study of 2016 debris flow hazard in ulleung-do island, South Korea. Advances in Civil Engineering 2021:8899368.
12. Kim N.G, Nakagawa H, Kwaike K, Zhang H. 2018;Estimation of debris flow discahrge coefficient considering sediment concentration. International Journal of Sediment Reseach 34:1–7.
13. Lee J.S, Song C.G, Kim H.T, Lee S.O. 2015;Risk analysis considering the topography characteristics of debris flow occurrene area. Journal of the Korean Society of Hazard Mitigation 5(3):75–82.
14. Li M.H, Sung R.T, Dong J.J, Lee C.T, Chen C.C. 2011;The formation and breaching of a short-lived landslide dam at Hsiaolin Village, Taiwan - Part II:Simulation of debris flow with landslide dam breach. Engineering Geology 123:60–71.
15. Liu J, Nakatani K, Mizuyama T. 2013;Effect assessment of debris flow mitigation works based on numerical simulation by using kanako 2d. Landslides 10:161–173.
16. Liu K.F, Li H.C, Hsu Y.C. 2009;Debris flow hazard assessment with numerical simulation. Natural Hazard 49:137–161.
17. Luna B.Q, Blahut J, Westen C.J, Sterlacchini S, Asch T.W.J, Akbas S.O. 2011;The application of numerical debris flow modelling for the generation of physical vulnerability curves. Natural Hazards and Earth System Sciences 11:2047–2060.
18. O'Brien J.S, Julien P.Y. 1998;Laboratory analysis of mulflow properties. Journal of Hydraulics Engineering 114(8):877–887.
19. O'Brien J.S, Julien P.Y, Fullerton W.T. 1993;Two- dimensional water flood and mudflow simulation. Journal of Hydraulics Engineering 119(2):244–261.
20. Takahashi T. 1981;Debris flow. Annual Review of Fluid Mechanics 13:55–77.
21. Wang J, Yang S, Ou G, Gong Q, Yuan S. 2018;Debris flow hazard assessment by combining numerical simulation and land utilization. Bulletin of Engineering Geology and the Environment 77:13–27.
22. Woolhiser D.A. 1975;Simulation of unsteady overland flow. In : Mahmood K, Yevjevich V, eds. Unsteady Flow in Open Channels (485-508) Fort Collins, CO: Water Resources Publications;
23. Yun C.Y, Kim G.S, Lee J.U. 2009;Debris flow definition and classification. Geotechnical Engineering 25(4):28–35. (In Korean).

Article information Continued

Fig. 1

Annual Landslide Damage History

Fig. 2

Research Flow Chart

Fig. 3

Debris Flow Damage in Study Area

Fig. 4

Damage Footage After Debris Flow

Fig. 5

Landslide Risk Map by Korea Forest Service

Fig. 6

Rainfall Intensity

Table 1

Coordinate and Accuracy by GPS Survey

No. Error X (m) Error Y (m) Error Z (m)
GCP.1 -0.023 0.004 -0.001
GCP.2 0.032 -0.001 -0.014
GCP.3 -0.011 -0.019 0.0203
GCP.4 0.001 0.013 0.012
GCP.5 -0.002 0.005 -0.010
GCP.6 -0.006 0.002 -0.007
GCP.7 0.007 -0.004 0.014
GCP.8 -0.004 -0.009 -0.037
GCP.9 0.004 0.009 -0.001
GCP.10 -0.002 -0.001 -0.001
Mean -0.000525 -0.000143 -0.002074
RMS Error 0.013463 0.008668 0.016142

Fig. 7

High-resolution Topography Information by UAV Photography

Fig. 8

Digital Elevation Map Generation in Each Grid Size

Fig. 9

Digital Surface Map Generation in Each Grid Size

Table 2

Flo-2D Simulation Case

Simulation grid size Resolution
1 m 5 m 10 m
1 m Case. 1* Case. 2* Case. 3*
5 m Case. 4* Case. 5* Case. 6*
10 m Case. 7* Case. 8* Case. 9*
*

: Terrain inofrmation

DEM derived digital map : a

DSM derived UAV photogrammetry : b

Fig. 10

Debris Flow Depth Results for DEM in Each Grid Size

Fig. 11

Debris Flow Depth Results for DSM in Each Grid Size

Table 3

Flo-2D Simulation Results

Max flow depth (m) Mean flow depth (m) Flow area (m2) Flow direction
Case 1a 1.385 0.104 32,742
Case 2a 1.385 0.108 31,734
Case 3a 1.385 0.099 31,941
Case 4a 1.592 0.089 35,800
Case 5a 1.536 0.090 36,225
Case 6a 0.499 0.085 35,425
Case 7a 0.581 0.106 38,500
Case 8a 0.587 0.108 38,000
Case 9a 0.526 0.104 38,700
Case 1b 1.821 0.219 14,535
Case 2b 1.813 0.196 16,542
Case 3b 1.385 0.167 19,629
Case 4b 1.581 0.163 18,875
Case 5b 1.557 0.152 21,825
Case 6b 1.266 0.143 21,700
Case 7b 0.666 0.147 32,000
Case 8b 0.693 0.157 29,500
Case 9b 0.945 0.102 32,700