J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 23(4); 2023 > Article
토석류 사례 분석을 통한 구조물 취약곡선 개발: 연행과 건물 고려

Abstract

In recent years, owing to climate change various slope disasters are rising. Debris flow causes large damage to human life and social infrastructure. Generally, the vulnerability assessment of slope disasters is carried out using vulnerability curve, which consists of hazard intensity and damage index. A vulnerability curve needs to be highly reliable. In this study, GIS-based topographical characteristics and the information about 27 debris flow events that occurred between 2011 and 2020 were collected and analyzed. The hazard intensity of the debris flow events was evaluated considering entrainment of soils and buildings. Two types of buildings, non-reinforced concrete structure (non-RC) and reinforced concrete structure (RC frame) were classified into four types of vulnerability indices (slight, moderate, extensive, and complete) based on the degree of damage to the building. The relationship between the hazard intensity and the degree of damage to the building was studied through nonlinear regression analysis to derive a vulnerability curve according to the hazard intensity. The proposed vulnerability curve can be used as fundamental data for the vulnerability assessment of landslide disasters.

요지

현재 이상기후로 인해 사면재해가 많이 증가하고 있다. 특히 토석류는 인명 및 사회기반시설에 큰 피해를 주고 있다. 일반적으로 토석류 유동해석을 통해 얻는 위험강도와 취약곡선을 바탕으로 토사재해 취약성 평가를 수행한다. 취약성 평가의 신뢰성은 정확한 위험강도 산정과 취약곡선에 크게 의존한다. 본 연구에서는 2011년부터 2020년까지 발생한 총 27개 토석류에 대하여 GIS 기반 지형학적 특성 정보를 수집하고 토석류 거동을 분석하였다. 이를 바탕으로 연행침식과 건물의 영향을 고려하여 토석류 위험 강도를 분석하였다. 토석류로 피해받은 건물을 보강 콘크리트 구조(RC frame)와 비보강 콘크리트 구조(Non-RC frame) 두 가지 유형으로 구분하여 건물의 손상 정도(Slight, Moderate, Extensive, Complete)를 분석하였다. 그리고 건물의 손상정도와 위험강도의 관계를 비선형 회귀분석을 통해 취약곡선과 취약함수를 도출하였다. 이와 같은 취약곡선은 토사재해 취약성 평가를 위한 기초자료로 활용될 수 있을 것으로 판단된다.

1. 서 론

최근 기후변화로 인해 초대형 태풍과 집중호우 빈도가 증가함에 따라 사면재해 발생 확률도 증가하고 있다. 특히 국내의 경우 강우량의 대부분이 6월에서 9월 사이에 집중되어 많은 토사재해가 발생한다. 2011년에 발생하여 많은 인명과 재산피해를 준 서울 우면산, 춘천, 밀양 등과 같은 토석류로 인해 국내에서도 토사재해 취약성과 관련된 연구가 진행되었다(Choi et al., 2015; Kang and Kim, 2015; Yoon et al., 2015). 또한 2019년 태풍 미탁으로 인한 토사재해, 2020년 집중강우 시 발생한 많은 토석류로 인해 인명 및 재산에 피해가 다시 증가하는 추세이다. 따라서 토석류로 인한 인명과 재산피해를 줄이고 토사재해 취약성을 미리 평가하기 위해서는 신뢰성 높은 취약곡선 개발이 필요하다.
일반적으로 토석류 취약성을 평가하기 위해서는 토석류가 발생할 확률이 높은 지역을 식별해야 한다. 그리고 토석류 유동해석을 통해 위험 강도를 분석하고 취약곡선을 활용하여 취약성을 평가한다. 따라서 실제 토석류 사례를 기반으로 위험 강도 분석과 취약곡선 개발이 선행되어야 한다. 일반적으로 취약곡선은 Table 1과 같이 전문가 판단/경험 방법, 데이터 기반 방법, 수치해석/물리 기반 방법을 통해 개발되고 있다. 전문가 판단/경험 방법은 재해사례에 대한 전문가적 판단을 통해 분석하는 방법으로 피해현장의 자료를 바탕으로 위험강도를 분석하기 때문에 피해사례에 대한 정확한 데이터 접근이 어렵다(Bell and Glade, 2004). 데이터 기반 방법은 실제 토사재해 사례를 바탕으로 역해석을 수행하여 위험강도를 분석하거나 현장 조사를 통해 토사의 높이를 측정하여 건물 손상 정도와의 상관성 분석을 수행하는 방법이다. 전문가의 주관성이 포함되지만 단순한 입력데이터를 통해 실제 피해사례와의 비교 분석을 통해 결과를 도출하기 때문에 단순성과 신뢰성을 모두 제공한다(Fuchs et al., 2007; Akbas et al., 2009; Kang and Kim, 2016). 수치해석/물리 기반 방법은 지진이나 토석류에 대한 구조물의 동적 응답을 수치 해석하여 충격력 및 변위를 분석하는 방법이다. 제한된 데이터를 여러 요건으로 분석하여 실제와 유사한 결과를 도출하지만 복잡하고 정확한 입력 데이터가 필요하다(Haugen and Kaynia, 2008; Choi et al., 2012; Choi et al., 2020).
Table 1
Methods for Developing Slope Disaster Vulnerability Curve
Type Methodology
Judgement/heuristic method Direct attribution of fixed values for events with different return periods
Data-driven method Back analysis using damage data coupled with the information from modelling outputs. Vulnerability associated with height of accumulation or impact pressure or kinematic viscosity and expressed by a sigmoid function, Calculation of a single function obtained by regression of real event data and correlation with debris height
Analytical/physical model-based method Uses the principles of the dynamic responses of simple structures to earthquake excitation. Vulnerability curves associated with the impact force and displacement
최근에는 토석류 재해 지역에 대한 사례분석을 통해 수치해석 프로그램을 이용한 역해석을 수행하여 토석류 위험 강도를 분석하는 데이터 기반 방법이 주로 연구되었다(Quan Luna et al., 2011; Jakob et al., 2012; Lo et al., 2012; Papathoma-Köhle et al., 2012; Kang and Kim, 2015; Lee et al., 2016; Ciurean et al., 2017; Zhang et al., 2018). 하지만 토석류 연행과 건물 영향을 고려하지 않아 토석류 위험 강도에 대한 신뢰성이 부족하다. FLO-2D 모델을 이용하여 토석류 사례분석을 통해 위험강도를 분석한 연구(Quan Luna et al., 2011; Kang and Kim, 2015; Zhang et al., 2018; Kim and Kwak, 2020)는 건물 영향을 고려할 수 있으나 연행을 고려하지 않아 건물에 퇴적되는 토사량과 속도가 실제 사례와 많은 차이가 발생한 것을 알 수 있다. 토석류 연행작용으로 퇴적부까지 유동하는 동안 지반침식을 통해 토석류의 초기 체적보다 최종 체적이 증가되므로 토석류에 의해 발생하는 피해 범위와 규모가 증가된다. 그리고 토석류 현장사례를 정확히 역해석하기 위해서는 건물영향을 고려하여 건물에 퇴적되는 토사 높이를 해석하고 건물로 인해 토석류 속도가 감소하는 것을 반영할 수 있어야 한다.
따라서 본 연구에서는 DAN3D 프로그램을 사용하여 연행과 건물을 고려하여 토석류 수치해석을 수행하였다. 국내에서 발생된 총 27개 토석류 재해지역을 대상으로 토석류 사례 분석을 통해 역해석을 수행하였다. 그리고 위험강도와 건물의 손상정도의 상관관계를 시그모이드 함수를 사용하여 비선형 회귀분석을 통해 취약곡선과 취약함수를 개발하였다.

2. 연구지역

2011년부터 2020년까지 집중호우 및 태풍으로 인해 Fig. 1과 같이 전국적으로 산사태가 발생하였다. 이 중 대부분이 토석류로 전이되어 도심지 및 건물에 피해를 주어 많은 인명과 재산피해가 발생하였다(Fig. 1(a)). 약 10년 동안 산사태로 인해 3,220 ha의 피해면적이 발생하였고, 복구비용이 약 7,025억 원이 발생하였다. 2011년과 2020년에는 약 500 mm의 강우가 발생하여 전국적으로 20개 토석류가 발생하였다(경기권 9개소, 강원권 2개소, 경상권 3개소, 전라권 2개소). 2017년에는 중부권에서 폭우로 인해 약 400 mm의 강우가 발생하여 충청권에서 2개 토석류를 유발하였다. 그리고 2019년에는 집중호우 및 태풍 미탁으로 인해 경상권에서 약 540 mm의 강우가 발생하여 경상권 3개, 강원권 1개, 전라권 1개에서 토석류를 유발하였다(Fig. 1(b)). 본 연구에서는 2011년부터 2020년까지 발생한 토석류 27개소를 대상으로 연구를 수행하였다. 토석류 발생자료를 살펴보면 경기권, 충청권, 경상권에서 많이 발생하였다.
Fig. 1
Study Area Information
kosham-2023-23-4-185gf1.jpg

3. 방법론

토사재해 취약곡선 개발을 위한 연구 흐름은 Fig. 2와 같다. 먼저 연구대상 지역인 27개소에서 현장조사를 실시하여 지형특성, DEM, 피해 자료를 수집하였다. 피해 발생 사진과의 비교 분석을 통해 건물의 손상정도를 4개 등급으로 분류하였다. 그리고 지형학적 자료 수집을 위해 레스터 형태의 공간자료로 구축하였다. 이를 바탕으로 수치해석 방법을 통해 토사재해 위험 강도를 분석하였다. 공간 데이터(DEM, Slope, Soil depth, Runout distance)와 수치해석 프로그램을 통해 연행침식과 건물을 고려하여 역해석을 수행하여 각 지역에 대한 토석류의 속도 및 높이를 분석하고 충격압을 계산한다. 마지막으로 토석류 충격압과 건물의 손상정도와의 통계분석을 통해 보강 콘크리트 구조(RC-frame)과 비보강 콘크리트 구조(Non-RC frame) 두 가지의 건물 유형에 따라 취약곡선과 취약함수를 도출하였다.
Fig. 2
Flowchart of Applied in this Study
kosham-2023-23-4-185gf2.jpg

3.1 건물 손상정도 분석

신뢰성 있는 구조물 취약곡선 개발을 위해서는 토석류에 의해 피해받은 건물의 손상정도를 정확하게 분석해야 한다. 국외에서는 지진이나 산사태 및 홍수로 인해 피해받은 건물의 손상정도를 결정할 때 사용하는 Fig. 3을 바탕으로 소파(Slight), 중파(Moderate), 광파(Extensive), 완파(Complete)로 분석한다(Hazus-MH; Hu et al., 2012). 소파는 비구조적으로 경미한 손상, 구조의 외부 또는 내부의 가구나 부속품 손상, 구조적으로 안정성에 영향이 없을 경우이다. 중파는 구조적으로 벽에 균열이 발생하고, 구조 내부가 침수, 가구가 파손 또는 구조적으로 안정성에 영향이 없을 경우이다. 광파는 구조적으로 외벽 및 내벽의 일부 파손, 파손된 부분의 부분적인 재건축 필요, 인명의 대피가 필요한 경우이다. 완파는 구조적으로 외벽 및 내벽이 부분적으로 파손되었거나 전체적으로 파괴가 발생, 부분적인 재건축이 힘들어 완전한 재건축이 필요한 경우이다. 본 연구에서도 토석류 재해지역 현장조사, 보고서, 피해건물의 현장 사진과 문헌을 종합적으로 분석하여 건물의 손상정도를 분류하였다.
Fig. 3
Methods for Developing Slope Disaster Vulnerability Curve
kosham-2023-23-4-185gf3.jpg
건물의 구조형식은 보강 콘크리트 구조(RC-frame)와 비보강 콘크리트 구조(Non-RC frame)로 구분하였다. 보강 콘크리트 구조는 철근콘크리트, 철골모멘트, 보강조적조를 포함한다. 그리고 비 콘크리트 구조는 무보강조적조, 경량철골조, 경량목구조를 포함한다. 이와 같이 분류된 기준을 바탕으로 Fig. 4와 같이 2011년부터 2020년까지 토석류로 피해받은 건물의 구조 형식과 건물의 손상 정도를 구분하였다. 토석류로 피해받은 건물은 총 78개이다. 그중 보강 콘크리트 구조는 16개, 비보강 콘크리트 구조는 62개로 분류되었다. 보강 콘크리트 구조의 건물 손상정도는 소파 8개, 중파 1개, 광파 7개, 완파 0개로 분석되었고, 비 보강 콘크리트 구조의 건물 손상정도는 소파 10개, 중파 9개, 광파 7개, 완파 36개로 분석되었다. 강성이 작은 비보강 콘크리트 구조는 약 58%가 완파되고, 강성이 큰 보강 콘크리트 구조는 완파가 없었다. 산지 경계부와 근접한 곳에 비보강 콘크리트 구조 건물이 위치한 경우 지형학적으로 토석류 위험강도가 크고, 낮은 충격에도 손상이 쉽게 발생하는 취약한 구조로 인해 많은 피해가 발생한 것으로 판단된다.
Fig. 4
Analysis of Degree of Damaged Building
kosham-2023-23-4-185gf4.jpg

3.2 연구지역 역해석

일반적으로 데이터 기반 방법의 경우 수치해석 프로그램을 이용하여 토석류 재해 지역에 대하여 역해석을 수행하여 피해받은 건물에 부딪히는 토석류 위험 강도를 분석한다. 정확한 토석류 위험 강도를 분석하기 위해서는 Fig. 5와 같이 토석류가 이동할 때 지표면에서 발생하는 연행작용을 반드시 고려해야 한다. 또한 토석류 퇴적부에 위치한 건물 및 구조물의 영향으로 토석류 높이와 속도가 감소하는 현상을 고려해야 한다. 따라서 본 연구에서는 DAN3D 모형을 이용하여 연행을 고려하지 않았을 때, 연행을 고려하였을 때, 연행과 건물을 고려하였을 때의 토석류 역해석을 통해 위험강도를 각각 분석하였다.
Fig. 5
Influence of Building and Entrainment
kosham-2023-23-4-185gf5.jpg
DAN3D 모형은 Eq. (1)과 같이 토석류의 부피가 이동하는 거리에 따라 자연지수적으로 증가한다고 가정하여 연행을 고려할 수 있다.
(1)
Es=1n(Vf/V0)S
여기서 Es는 연행증가율, Vf는 최종부피, V0는 초기부피, S는 산지에서 토석류 이동거리를 나타낸다.
토석류 부피는 유역면적, 토심, 이동거리 등 다양한 요인이 복합적으로 작용하여 발생되기 때문에 정확하게 산정하기 어렵다. 따라서 초기부피(V0)는 토석류 발생 시작부의 면적과 토심을 곱하여 산정하였다. 최종부피(Vf)는 토석류 발생 전후 위성영상을 분석하여 추출한 토석류 발생면적과 토석류 발생전의 평균 토심을 산정하여 발생면적과 평균 토심의 곱으로 계산하였다. Table 2는 총 27개 토석류에 대한 유역면적, 이동거리, 초기 부피, 최종부피 및 연행증가율을 나타낸다.
Table 2
Debris Flow Events and Locations
No. Location Catchment area (m2) Path length (m) Initiation volume (m3) Final volume (m3) Entrainment
A Gyeongnam Miryang 75,900 886 3,844 25,600 0.0048
B Gyeonggi Yongin 2,530 142 596 4,310 0.004
C Gyeonggi PocheonI 9,510 102 1,192 2,880 0.0038
D Gyeonggi PocheonII 12,700 73 294 476 0.0038
E Gyeonggi Dongducheon H 27,600 235 1,060 3,150 0.0021
F Gyeonggi Gwacheon 96,400 415 2,137 3,320 0.0042
G Seoul Seocho 85,500 675 3,950 45,500 0.0036
H Gyeonggi Dongducheon S 32,700 347 1,876 5,620 0.0029
I Gangwon ChuncheonI 17,400 297 924 3,890 0.0018
J Gangwon ChuncheonII 38,300 340 2,034 10,600 0.0019
K Jeonbuk Jeongeup 29,800 332 498 2,340 0.0025
L Chungnam Cheonan 150,791 1,168 3,040 27,360 0.0048
M Chungbuk Cheongju 25,960 226 894 4,784 0.0047
N Gangwon Samcheok 152,116 898 4,983 47,000 0.0139
O Gyeongbuk Uljin 17,152 280 900 4,660 0.0082
P Gyeongbuk Pohang 12,015 344 1,160 7,120 0.0086
Q Jeonnam Damyang 9,271 181 1,063 1,886 0.0074
R Busan 32,540 346 4,780 15,393 0.0049
S Gyeonggi AnseongI 45,988 523 939 14,037 0.0068
T Gyeonggi AnseongII 92,606 447 3,420 12,713 0.0053
U Chungbuk ChungjuI 70,445 739 1,766 28,867 0.0066
V Chungbuk ChungjuII 65,197 377 2,480 10,401 0.0074
W Chungnam Asan 28,023 294 694 4,420 0.0059
X Chungnam Nonsan 76,190 447 1,025 6,827 0.0046
Y Gyeongnam GeochangI 13,925 229 702 3,813 0.0063
Z Gyeongnam GeochangII 11,020 218 779 3,395 0.0034
AA Jeonnam Gokseong 49,186 569 3,007 28,472 0.0032
Fig. 6은 연행증가율과 토석류 유발인자인 유역면적, 이동거리 및 평균 경사각에 대한 상관성 분석을 수행한 것이다. 유역면적은 토석류 부피에 영향을 주는 인자로 유역면적이 클수록 큰 규모의 토석류가 발생하며 이동거리 또한 증가시킨다. 따라서 토석류 재해지역의 유역면적과 이동거리는 증가할수록 연행증가율은 낮아지는 음의 상관관계(Figs. 6(a), (b))를 나타냈다. 그리고 평균 경사각은 증가할수록 연행증가율도 같이 증가하는 양의 상관관계(Fig. 6(c))를 갖는 것으로 분석되었다. 즉 사면의 평균 경사각이 커질수록 토석류가 이동되는 속도가 증가함에 따라 세굴이 발생할 가능성이 커짐을 나타낸다.
Fig. 6
Correlation Analysis of Entrainment and Causative Factors of Debris Flow
kosham-2023-23-4-185gf6.jpg
DAN3D 모형에서는 5가지의 유변학적 모델을 제공한다. 본 연구에서는 구축된 자료를 사용하여 역해석을 수행할 수 있는 Frictional 모델을 사용하였다. DAN3D의 Frictional 모델은 마찰거동에서 바닥면 전단 저항력은 바닥부의 유효응력(effective bed-normal stress)에 비례하고 바닥부의 전응력(total bed-normal stress)과 간극수압(pore water pressure)의 차로 표현된다(Eq. (2)).
(2)
τzx(z=b)=σz(z=b)(z=b)(1ru)(z=b)tanϕ
여기서 τzx는 바닥면 전단 저향력, σz는 바닥부의 유효응력, γu는 간극수압비, φ는 내부마찰각을 나타낸다. 간극수압비를 통해 토석류의 배수, 비배수 조건을 시뮬레이션할 수 있다.
본 연구에서는 DAN3D 모형을 이용하여 Fig. 7과 같이 토석류 사례를 역해석하였다. 간극수압비에 따른 정량지수분석(Kang and Kim, 2016)을 통해 순 성공지수가 가장 높은 해석결과를 바탕으로 위험 강도를 분석하였다. Fig. 8과 같이 재해지역에 따라 지형학적 특성이 다르고 토석류 발생 특성이 다양하기 때문에 역해석으로 구한 간극수압비는 약 0.5에서 0.9의 범위를 가지며, 평균 0.68의 값을 나타내었다.
Fig. 7
Back Analysis Process Using Numerical Method
kosham-2023-23-4-185gf7.jpg
Fig. 8
Distribution of Pore Water Pressure Ratio
kosham-2023-23-4-185gf8.jpg
DAN3D 모형에서 Frictional 모델의 신뢰성을 검증하고자 Fig. 9와 같이 실제로 발생한 우면산 토석류 재해 지역을 역해석하였다. Table 3은 실제로 관측된 토석류의 속도 및 높이와 수치해석으로 계산된 값을 비교하였다. 2011년 우면산에서 토석류 재해가 발생하였을 때 래미안 아파트에서 속도는 28 m/s, 높이는 3~4 m로 관측되었고, 신동아 아파트에서 속도는 18 m/s, 높이는 2~3 m로 관측되었다. 이와 같이 관측된 값과 역해석을 통해 산정된 토석류 위험 강도를 비교 분석한 결과 래미안 아파트와 신동아 아파트에서 실측값과 유사하였다.
Fig. 9
Results of Numerical Analysis in Umyeon Mt.
kosham-2023-23-4-185gf9.jpg
Table 3
Validation of Numerical Analysis Method
Factor Region
Raemian Sindonga
Observed value Estimated value Observed value Estimated value
Velocity (m/s) 28 25.7 18 17.5
Height (m) 3~4 4.07 2~3 2.8
연행과 건물의 영향을 분석하기 위한 예제로서 Fig. 10과 같이 래미안 아파트를 선택하였다. 토석류가 발생하기 전후의 위성사진을 바탕으로 토석류 시작부(Initiation area), 토석류 발생부(Failed/scoured area), 연행 발생 영역(Entrainment Zone), 연행 미발생 영역(No Entrainment Zone)을 설정하였다. Fig. 11과 같이 동일한 입력값으로 연행을 고려하지 않았을 때(Fig. 11(a)), 연행을 고려하였을 때(Fig. 11(b)), 연행과 건물을 고려하였을 때(Fig. 11(c)) 해석 결과이다. 이와 같이 해석된 위험강도를 실제로 피해받은 우면산 W-3 건물(Fig. 10)의 퇴적높이와 비교 분석하였다. W-3 건물은 토석류 피해로 인해 약 9 m의 토사가 퇴적된 것을 현장사진을 통해 확인하였다. 연행을 고려하지 않았을 때는 약 2.9 m의 높이로 분석되었고, 연행을 고려하였을 때는 약 4 m의 높이로 분석되었다. 그리고 연행과 건물을 동시에 고려하였을 때는 약 8.3 m의 높이로 분석되어(Fig. 12(a)) 현장과 가장 유사한 결과값을 산정하였다. W-7 건물은 토석류 이동거리의 끝에 위치하여 건물의 손상정도가 낮고 속도가 실제로 측정되지 않았다. 연행을 고려하지 않았을 때는 약 5.2 m/s, 연행을 고려하였을 때는 약 6.5 m/s, 연행과 건물을 고려하였을 때는 약 3.2 m/s의 속도로 분석되었다(Fig. 12(b)). 이와 같은 결과는 앞 건물로 인해 토석류 속도가 저하되는 것이 반영되었기 때문이다. 즉 실제 토석류 해석에서 연행과 건물 영향을 고려해야 정확한 위험강도를 산정할 수 있다고 사료된다.
Fig. 10
Hazard Intensity Difference of Considering the Building
kosham-2023-23-4-185gf10.jpg
Fig. 11
Results of Numerical Analysis
kosham-2023-23-4-185gf11.jpg
Fig. 12
Analysis of Hazard Intensity to Entrainment and Building Consider
kosham-2023-23-4-185gf12.jpg

3.3 위험강도 분석

일반적으로 토석류 위험강도는 높이, 속도, 충격압으로 분류된다. 하지만 DAN3D 프로그램에서는 시간에 따라 건물에 부딪히는 토석류의 높이 및 속도를 분석할 수 있다. 따라서 각 건물에서 계산되는 높이 및 속도 최댓값을 위험강도로 산정하였다. 토석류 충격압은 DAN3D 프로그램에서 계산되지 않아 경험식을 통해 산정하였다. 토석류 충격압은 여러 가지의 경험식이 있지만 동적압력과 정적압력의 합으로 정의(Zanchetta et al., 2004; Hu et al., 2012)되는 Eq. (3)을 통해 산정하였다.
(3)
Pt=12ρdfgh+ρdfv2
여기서 ρdf는 토석류의 평균 밀도, v는 토석류의 속도, h는 토석류의 높이를 나타낸다. 선행연구(Okuda et al., 1980; Li and Luo, 1981; Pierson, 1985)에 따르면 대부분의 토석류 밀도는 1,900~2,100 kg/m3의 범위를 나타냈다. 그러므로 본 연구에서는 토석류 밀도는 평균값인 2,000 kg/m3을 사용하였다.

4. 토석류 물리적 취약곡선

취약성은 위험지역에 존재하는 위험요소의 손실 또는 손상정도를 의미하며, 0 (손상 없음)~1 (완전 손상) 사이의 정량화된 지수 값으로 표현된다. van Westen et al. (2011)은 해저드(Hazard), 취약성, 위험요소의 곱을 리스크로 정의하였다. 여기서 취약성이 취약곡선을 의미한다. 취약곡선은 위험강도와 건물 손상정도의 관계를 기반으로 곡선으로 표현된다. 위험강도가 증가함에 따라 건물 손상정도가 증가하는 S자 형태(Simoid 형태)로 표현된다. 시그모이드 함수는 0에 가까운 값에서 일정한 유한값에 접근하는 특징을 가지고 있다. 따라서 본 연구에서는 건물 손상정도와 토석류 위험강도의 관계를 Eq. (4)와 같은 시그모이드 함수를 적용하여 비선형 회귀분석을 수행하여 토석류 충격압에 따른 물리적 취약곡선을 도출하였다.
(4)
y=a(1exp(b×xc))
여기서 a는 곡선의 최대값, b는 곡선의 기울기, c는 곡선을 결정하는 지수를 나타낸다.
물리적 취약곡선을 도출하기에 앞서 Fig. 13과 같이 연행을 고려하지 않았을 때와 연행을 고려하였을 때의 위험강도 분석을 수행하였다. Fig. 13(a)는 속도, Fig. 13(b)는 높이, Fig. 13(c)는 충격압을 나타낸다. 연행을 고려한 위험강도(높이, 속도, 충격압)가 연행을 고려하지 않은 경우의 위험강도보다 크게 평가되는 것을 알 수 있다. 연행은 토석류가 진행할 때 발생하는 지반침식으로 인해 발생부 부피보다 퇴적부 토사 부피가 크기 때문에 위험강도가 크게 산정되는 것으로 판단된다. 그리고 Fig. 14와 같이 연행을 고려하지 않았을 때와 연행과 건물을 동시에 고려하였을 때의 위험강도를 분석하였다.
Fig. 13
Comparison of Hazard Intensity (No Entrainment vs. Entrainment Only)
kosham-2023-23-4-185gf13.jpg
Fig. 14
Comparison of Hazard Intensity (No Entrainment vs. Both Entrainment and Building)
kosham-2023-23-4-185gf14.jpg
Fig. 14(a)는 토석류 높이를 분석한 것으로 약 90%의 DB가 연행과 건물을 동시에 고려하였을 때 크게 산정되었다. 건물에 퇴적되는 현상이 고려되어 연행만 고려하였을 때보다 상대적으로 더 높은 값이 산정되고 퇴적부에 위치한 건물에서는 낮게 산정되는 것을 알 수 있다. Fig. 14(b)는 토석류 속도를 비교 분석한 것으로 각 경우에 따라 속도 차이가 발생한다. 이와 같은 이유는 토석류 영향을 크게 받는 앞 건물로 인해 뒤쪽에 위치한 건물에서는 토사량이 감소하여 속도 또한 낮아지는 것으로 판단된다. Fig. 14(c)는 충격압을 비교 분석한 결과로서 각 DB 별로 분산이 크게 발생하는 것을 알 수 있다. 이와 같은 이유는 연행을 고려하지 않았을 때보다 연행과 건물을 고려하면 일반적으로 토석류 부피는 증가하지만 속도는 앞 건물 유무에 따라 차이가 있고, 충격압은 토석류 속도에 크게 의존하기 때문이다. 또한 산지 인근에 위치한 건물에서는 연행과 건물을 고려하였을 때가 연행을 고려하지 않았을 때보다 큰 충격압이 산정되는 경우가 많다.
이와 같이 산정된 충격압과 피해받은 건물 손상정도의 상관성 분석을 통해 구조물 취약곡선을 개발하였다. Fig. 15는 보강 콘크리트 구조의 취약곡선이다. 모든 곡선에서 충격압이 증가할수록 건물의 손상은 비선형적으로 증가하는 것을 볼 수 있다. 연행과 건물을 고려한 곡선이 연행만 고려한 곡선보다 Slight에서 Moderate 구간에서는 다른 곡선보다 좌측에 위치하나 Moderate에서 Extensive 구간에서는 우측에 위치하였다. 이와 같은 이유는 Slight 손상을 받은 대부분의 보강 콘크리트 건물은 토석류 이동이 종료되는 부근에 있다. 따라서 건물을 고려하지 않았을 때는 건물을 고려하였을 때보다 앞 건물의 영향이 반영되지 않기 때문에 속도와 높이 모두 크게 산정된다.
Fig. 15
Comparison of Vulnerability Curve of RC-frame Structure
kosham-2023-23-4-185gf15.jpg
Fig. 16은 비보강 콘크리트 구조의 취약곡선이다. 연행과 건물을 동시에 고려하면 취약곡선이 우측으로 이동하는 것을 볼 수 있다.
Fig. 16
Comparison of Vulnerability Curve of Non-RC Frame Structure
kosham-2023-23-4-185gf16.jpg
연행으로 인한 토석류 부피증가를 고려하여 위험강도가 증가하였고 건물로 인해 퇴적되는 높이 또한 증가한 것이 반영되었다고 판단된다. 보강 콘크리트 구조보다 비보강 콘크리트 구조에서 취약곡선이 빠르게 1에 수렴하는 형태의 패턴을 보인다. 보강 콘크리트 구조보다 비보강 콘크리트 구조는 작은 충격압에서 취약지수가 큰 값을 나타낸다. 따라서 비보강 콘크리트 구조가 보강 콘크리트 구조에 비해 낮은 위험강도에도 큰 건물 손상이 발생할 수 있음을 의미한다. 그리고 Table 4는 비선형 회귀분석을 통해 토석류 위험강도와 건물의 유형에 따른 취약함수를 나타낸다. 보강 콘크리트 구조에서는 구조물의 강성이 커서 토석류에 의해 완파된 건물이 없기 때문에 곡선 최대값이 광파의 취약지수인 0.7에 수렴한다. 그러나 비보강 콘크리트 구조에서는 구조물의 강성이 작아서 완파된 건물이 많으므로 1에 수렴한다.
Table 4
Vulnerability Function for Hazard Intensity
Hazard intensity Building type
RC-frame Non-RC frame
Impact pressure, Pt (kPa) V=0.707(1−e(−0.0016×Pt1.5)) V=1.012(1−e(−0.0358×Pt0.967))
도출된 곡선의 통계적 유의성을 검증하기 위해 기존 선행연구와 결정계수를 비교하였다. 기존 선행연구는 대부분 비보강 콘크리트 구조 대상으로 취약곡선을 도출하였기 때문에 Fig. 17과 같이 비보강 콘크리트 구조 곡선만 비교하였다.
Fig. 17
Comparison with Previous Study
kosham-2023-23-4-185gf17.jpg
Barbolini et al. (2004)은 오스트리아 지역의 토석류로 인해 피해받은 건물 자료를 활용하여 선형 취약곡선을 제시하였고 결정계수는 0.24로 분석되었다. Quan Luna et al. (2011)은 이탈리아 북부지역의 토석류로 피해받은 건물 자료 13개를 활용하여 취약곡선을 개발하였고 결정계수는 0.71로 분석되었다. Kang and Kim (2016)은 2011년 국내에서 발생한 토석류 피해건물 16개의 자료를 활용하여 취약곡선을 개발하였고 결정계수는 0.74로 분석되었다. 본 연구에서 제안된 연행을 고려하지 않은 곡선의 결정계수는 0.83, 연행을 고려한 곡선의 결정계수는 0.85, 연행과 건물을 동시에 고려한 곡선의 결정계수는 0.87로 분석되었다. 제안된 취약곡선 모두 기존 연구보다 높은 결정계수를 가진다. 또한 연행과 건물을 고려한 곡선의 결정계수가 가장 높은 것으로 분석되었다. 기존 선행연구는 연행을 고려하지 않고 위험강도를 분석하였기 때문에 본 연구에서 연행을 고려하지 않은 곡선과 비슷한 형태의 곡선을 나타내었으나 연행을 고려하면 곡선의 형태가 우측으로 이동하고 연행과 건물을 같이 고려하면 약간 더 우측으로 이동하는 것으로 분석되었다. 따라서 신뢰성 있는 토석류 취약곡선을 개발하기 위해서는 연행과 건물 영향이 함께 고려할 필요가 있다.

5. 결 론

본 연구는 국내에서 발생한 토석류 27개소를 대상으로 연행과 건물을 고려하여 수치해석을 통해 위험강도인 속도, 높이를 분석하였고 경험식을 통해 충격압을 산정하였다. 그리고 충격압과 건물 손상정도와의 상관성 분석을 수행하여 보강 콘크리트 구조와 비보강 콘크리트 구조에 따른 물리적 취약곡선을 개발하였고, 다음과 같은 결론을 얻었다.
  • 1) 건물의 손상정도를 분석하기 위해 토석류에 의해 피해받은 건물을 보강 콘크리트 구조(RC-frame)과 비보강 콘크리트 구조(Non-RC frame) 유형으로 분류하였다. 그리고 취약지수 범위에 따라 Slight, Moderate, Extensive, Complete로 분류하였다. 보강 콘크리트 구조의 피해건물은 16개로 Slight 8개, Moderate 1개, Extensive 7개, Complete 0개로 분석되었고, 비보강 콘크리트 구조의 피해건물은 62개로 Slight 10개, Moderate 9개, Extensive 7개, Complete 36개로 분석되었다. 비보강 콘크리트 구조는 보강 콘크리트 구조보다 강성도가 낮고, 대부분 산지 경계부와 근접한 곳에 위치하여 손상정도가 대부분 완파인 것으로 분석되었다.

  • 2) DAN3D 프로그램을 통해 연행을 고려하지 않았을 때, 연행을 고려하였을 때, 연행과 건물을 고려하였을 때의 위험강도(속도, 높이)를 산정하여 충격압을 산정하였다. 각 경우에 따라 산정된 위험강도를 분석한 결과 연행과 건물을 고려하지 않았을 때와 연행만 고려하였을 때는 취약지수가 낮은 건물에서도 높은 위험강도가 분석되었지만 연행과 건물을 동시에 고려하였을 때는 토석류 영향을 직접 받는 앞 건물에서 퇴적 높이는 증가하였고, 토사 퇴적이 종료되는 뒤쪽 건물에서 퇴적 높이와 속도는 감소하는 것을 알 수 있었다.

  • 3) 건물 손상정도와 토석류 충격압 관계를 시그모이드 함수를 적용하여 비선형 회귀분석을 통해 토석류 취약곡선을 도출하였다. 보강 콘크리트 구조와 비교하면 비보강 콘크리트 구조에서 작은 충격압에서도 취약지수가 빠르게 1에 수렴하는 형태의 패턴을 보였고, 낮은 위험강도에서 큰 건물 손상이 발생할 수 있는 것을 알 수 있었다. 또한 기존 선행연구와 결정계수를 비교 분석한 결과 연행과 건물을 고려하였을 때의 결정계수가 가장 높은 것으로 분석되었다. 토석류 취약곡선과 취약함수는 토사재해 위험지역의 건물 손상정도를 파악할 때 이용할 수 있고, 토사재해 취약성 평가를 위한 기초자료로 활용될 수 있을 것으로 기대된다.

감사의 글

본 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원(No. 2021R1C1C2005708)을 받아 수행되었고, 또한 행정안전부의 재원으로 한국산업기술평가관리원(No. K_G012001951201)의 지원을 받아 수행되었으며, 이에 깊은 감사를 드립니다.

References

1. Akbas, S, Blahut, J, and Sterlacchini, S (2009). Critical assessment of existing physical vulnerability estimation approaches for debris flows. In: Malet J, Remaître A, Bogaard T, eds. International conference - Landslide processes:from geomorphological mappingto dynamic modelling. p 229-233. Strasbourg: CERG Editions.

2. Barbolini, M, Cappabianca, F, and Sailer, R (2004). Empirical estimate of vulnerability relations for use in snow avalanche risk assessment. In: Brebbia C, ed. Risk analysis IV. p 533-542. Southampton: WIT Press.

3. Bell, R, and Glade, T (2004) Quantitative risk analysis for landslides - Examples from Bíldudalur, NW-Iceland. Natural Hazards and Earth System Sciences, Vol. 4, pp. 117-131.
crossref
4. Choi, G.M, Lee, S.W, and Yune, C.Y (2015) Risk assessment of 2011 debris flow hazard area in Yongin City. J. Korean Soc. Hazard Mitig, Vol. 15, No. 2, pp. 165-178.
crossref
5. Choi, S.H, Ham, H.J, and Lee, S (2020) Assessment of building vulnerability curve subjected to debris-flow. Journal of the Korean Society of Hazard Mitigation, Vol. 20, No. 5, pp. 11-20.
crossref pdf
6. Choi, W.I, Lee, S.G, Lee, B.K, and Jang, S.J (2012) A study of vulnerability of structure by debris flow. Journal of Korean Society of Hazard MItigation, Vol. 12, No. 3, pp. 141-146.
crossref
7. Ciurean, R.L, Hussin, H, van Westen, C.J, Jaboyedoff, M, Nicolet, P, Chen, L, and Glade, T (2017) Multi- scale debris flow vulnerability assessment and direct loss estimation of buildings in the Eastern Italian Alps. Natural Hazards, Vol. 85, No. 2, pp. 929-957.
crossref pdf
8. Fuchs, S, Heiss, K, and Hubl, J (2007) Towards an empirical vulnerability function for use in debris flow risk assessment. Nat. Hazards Earth Syst. Sci, Vol. 7, pp. 495-506.
crossref
9. Haugen, E.D, and Kaynia, A.M (2008). Vulnerability of structures impacted by debris flow. In: Chen Z, Zhang J, Li Z, Wu F, Ho K, eds. Landslides and engineered slopes. Vol. 1: p 381-387. London: Taylor and Francis Group.
crossref
10. Hu, K.H, Cui, P, and Zhang, J.Q (2012) Characteristics of damage to buildings by debris flows on 7 august 2010 in zhouqu, Western China. Nat. Hazards Earth Syst. Sci, Vol. 12, pp. 2209-2217.
crossref
11. Jakob, M, Stein, D, and Ulmi, M (2012) Vulnerability of buildings to debris flow impact. Nat. Hazards, Vol. 60, pp. 241-261.
crossref pdf
12. Kang, H.S, and Kim, Y.T (2015) Study on physical vulnerability curves of buildings by numerical simulation of debris flow. Journal of Korean Society of Hazard Mitigation, Vol. 15, No. 5, pp. 155-167.
crossref
13. Kang, H.S, and Kim, Y.T (2016) The physical vulnerability of different types of building sturucture to debris flow events. Natural Hazards, Vol. 80, pp. 1475-1493.
crossref pdf
14. Kim, M.I, and Kwak, J.H (2020) Assessment of building vulnerability with varying distances from outlet considering impact force of debris flow and building resistance. Water, Vol. 12, No. 7, pp. 1-18.
crossref
15. Lee, J, Lee, J, Lee, S, and Jun, H (2016) Methodological approaches to the vulnerability assessment for the effect quantification of debris flow disaster mitigation facilities. Journal of Korean Society of Hazard Mitigation, Vol. 16, No. 3, pp. 359-367.
crossref
16. Li, J, and Luo, D (1981) The formation and characteristics of mudflow and flood in the mountain area of the dachao river and its prevention. Z. Geomorphol. N.F, Vol. 25, pp. 470-484.

17. Lo, W.-C, Tsao, T.-C, and Hsu, C.-H (2012) Building vulnerability to debris flows in Taiwan:A preliminary study. Nat. Hazards, Vol. 64, pp. 2107-2128.
crossref pdf
18. Okuda, S, Okunishi, K, and Suwa, H (1980) Observation of debris flow at kamikamihori valley of Mt. Yakedake. In: Okuda S, Suzuki T, Hirano K, Okunishi M, Suwa H, eds. Third meeting of igu commission on field experiments in geomorphology, pp. 116-139.

19. Papathoma-Köhle, M, Keiler, M, Totschnig, R, and Glade, T (2012) Improvement of vulnerability curves using data from extreme events:A debris-flow event in South Tyrol. Nat Hazards, Vol. 64, pp. 2083-2105.
crossref pdf
20. Pierson, T.C (1985) Initiation and flow behavior of the 1980 pine creek and muddy river lahars, Mt. St. Helens, Washington. Geol. Soc. Am. Bull, Vol. 96, pp. 1056-1069.
crossref
21. Quan Luna, B, Blahut, J, van Westen, C.J, Sterlacchini, S, van Asch, T.W.J, and Akbas, S.O (2011) The application of numerical debris flow modelling for the generation of physical vulnerability curves. Nat. Hazards Earth Syst. Sci, Vol. 11, pp. 2047-2060.
crossref
22. van Westen, C.J, Alkema, D, Damen, M.C.J, Kerle, N, and Kingma, N.C (2011) Multi-hazard risk assessment. United Nations University-ITC School on Disaster Geo-information Management, Version 2011.

23. Yoon, S, Lee, S.R, Park, J.Y, Seong, J.H, and Lee, D.H (2015) A prediction of entrainment growth rate for debris-flow hazard analysis using multiple regression analysis. Journal of the Korean Society of Hazard Mitigation, Vol. 15, No. 6, pp. 353-360.
crossref
24. Zanchetta, G, Sulpizio, R, Pareschi, M.T, Leoni, F.M, and Santacroce, R (2004) Characteristics of May 5-6, 1998 volcaniclastic debris flows in the Sarno Area (Campania, Southern Italy):Relationships to structural damage and hazard zonation. Journal of Volcanology and Geothermal Research, Vol. 133, No. 1-4, pp. 377-393.
crossref
25. Zhang, S, Zhang, L, Li, X, and Xu, Q (2018) Physical vulnerability models for assessing building damage by debris flows. Engineering Geology, Vol. 247, pp. 145-158.
crossref


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
1010 New Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2024 by The Korean Society of Hazard Mitigation.

Developed in M2PI

Close layer
prev next