Landslide is one of the most devastating natural disasters that cause losses of human lives and properties, and plays an important role to reform topography in many areas in the world. The mountain dominating terrain is also seriously influenced by this hazard and carrying enormous sediment particles through stream channels and rivers. Landslide susceptibility maps can provide a probability of landslide prone areas to mitigate or proper control this problems and to take any development plan and disaster management. In analysis, there were various methodologies and techniques that have been developed and used to identify landslide susceptible area together with associated risk. This study explores a portion of the Jinbu District which is located at Pheongchang County in Gangwon Province and situated the north-eastern part in Republic of Korea. The purpose of this study is to identify the quality of landslide susceptibility maps in a landslide-prone area by spatial prediction modeling approach and compare the obtained results. For the fulfillment of this goal, a landslide inventory map was prepared mainly ii based on past historical information and aerial photograph analysis (Daum Map, 2008), as well as several field observations. Altogether, 550 landslides have been counted at the whole study area, among them 182 landslides were debris flow and 368 landslides were soil slides respectively. The individual group of occurring event has been constructed inventory map and with the help of Excel, the landslide inventory was randomly selected by two groups; 50% landslides were used for model analysis and the remaining 50% were used for validation purpose. In addition, fourteen different contributing factors (continuous and thematic), such as slope, aspect, curvature, topographic wetness index, elevation, forest type, forest crown density, forest timber diameter, forest age, geology, land-use, soil depth, soil drainage and soil texture were used in hazard analysis. Moreover, the correlation between landslides and related causative factors, pixels were divided into several classes and frequency ratio was also extracted for individual factors class. In order to find out most appropriate factors for landslide occurrences in hazardous area, a diverse combination of different data were tested and verified through cross validation technique. Based on the result, most reliable eleven factors have been selected for final analysis. Eventually, the four modeling methods such as bayesian predictive, likelihood ratio, fuzzy set and linear regression were used based on three different types of dataset to produce twelve individual landslide susceptibility maps. Moreover, in the spatial prediction modeling method cross validation technique, landslide susceptibility map was plotted with a receiver operating characteristic (ROC) curve and calculated the area under the curve (AUC) and tried to extract success rate curve together with most hazardous area. Based on the results, highest 87.00% accuracy has been carried on bayesian model during debris flow analysis, and made the most appropriate model. Subsequently, in total slides (soil and debris flow) and soil slides landslide analysis, fuzzy model worked well and contained highest accuracy 86.17% and 85.45% respectively. In addition, for risk evaluation, monetary value and vulnerability scale were added for each thematic class such as house, agriculture, business, industry, river, road, population intensity social data layers on the basis of local standard then converted into US dollar considering landslide occurred time. During analysis, spatial prediction module produced hazard maps (8-bit) have been used with targeted group of thematic layers. Moreover, the total number of the study area pixels and predictive landslide affected pixels were also considered for making probability table. Matching with the affected landslide pixels, standard 5,000 pixels were assumed to run for final calculation. Based on the results, agricultural field showed the most vulnerable class and estimated total risk as US $ 16.3 million, in man-made infrastructure map risk increased a little more and counted as US $ 31.3 million. The total estimated population casualties were 6.77 person that relatively very close with the actual number published in Korean annual disaster report, 2006. The ultimate target of this analysis is evaluation of risk in the hazardous area through all risk maps and to provide data that can be used for taking proper disaster management planning such as priority based valuable elements, public service centers, crop volts and human shelters. All methodologies and process used in this analysis would be applicable in similar field or different hazard field such as flood or mountain fire and also help to make more significant and reliable risk map for helping to the local resident. Finally, the used total procedure and process are reliable and the result can be applicable for further any more landslide susceptibility mapping and risk evaluation.
산사태는 인명과 재산의 막대한 손실을 초래하는 가장 피해가 큰 자연재해 중 하나이며, 세계 여러 지역의 지형 변화에 큰 영향을 미친다. 산지에서는 산사태의 영향을 받아 하천과 우곡을 따라 거대한 퇴적물질들이 운반된다. 산사태 취약성 지도는 산사태가 발생하기 쉬운 지역의 산사태 발생 가능성을 제공하며, 이는 산사태 피해를 완화시키기 위한 방재대책을 수립하는 데에 중요한 역할을 한다. 본 연구에서는 산사태 취약성 및 위험성을 평가하기 위해 다양한 방법론과 기법을 제안하였다. 연구지역은 대한민국 강원도 평창군 진부면 일부지역을 대상으로 하였다. 본 연구의 목적은 공간 예측 모델의 적용에 따른 산사태 취약성도 및 위험도의 정확도를 평가하고, 사용된 각각의 모델을 비교 검증하였다. 이를 위해 과거 산사태 발생기록과 Daum 지도를 활용한 항공사진 분석을 통해 산사태 인벤토리 맵을 작성하였으며, 검증을 위해 추가적인 현장 조사를 실시하였다. 연구지역 전체에서 550건의 산사태가 발생하였으며, 그 중 182건은 토석류, 368건은 표토유실이다. 인벤토리 지도와 DB를 이용하여 산사태 발생 이벤트를 개별 그룹으로 분류하였으며, 전체 산사태 발생 건수를 무작위 두 개 그룹으로 나누어 그 중 50%는 공간 예측 모델링 분석에 사용하였으며 나머지 50%는 정확도 검증에 사용하였다. 또한, 경사도, 사면방향, 곡률도, 지형습도지수(TWI), 표고, 산림유형, 수관밀도, 수목직경, 수령, 지질, 토지이용, 유효토심, 토양배수등급, 토양 유형 등의 14가지 주제도를 취약성 평가에 사용하였다. 이를 통해 산사태와 발생요인들 간의 상관관계를 분석하였으며, 화소 분류를 통해 개별 요인에 대한 빈도율이 추출되었다. 산사태 위험지역에서 산사태 발생에 가장 관련성이 높은 요인을 찾기 위해 교차검증을 실시하였으며, 자료 간의 다양한 조합을 테스트하고 검증하였다. 그 결과를 바탕으로 가장 신뢰도가 높은 11개 요인이 선정되었다. 베이지안 예측모델, 우도비 모델, 퍼지 집합 및 선형회귀분석의 네 가지 모델링 방법을 사용하여 12 개의 개별 산사태취약성 지도를 제작하였다. 공간 예측 모델링의 교차검증을 위해 ROC 곡선과 해당 곡선의 하위 영역에 해당하는 AUC 면적의 계산을 통해 위험 영역과 함께 성공확률 곡선을 추출하였다. 그 결과를 바탕으로 토석류 분석 시 베이지안 모델에서 최고 87.00%의 정확도가 도출되어 가장 적절한 모델로 평가되었다. 또한 전체 산사태 유형과 표토유실 산사태 유형에서는 퍼지모델에서 각각 86.17%, 85.45%에 해당하는 높은 정확도를 보였다. 산사태 위험지도를 작성하기 위해 주택, 농업, 사업체, 산업, 하천, 도로, 인구밀도 등의 인문∙사회 통계자료를 지도화 한 후, 산사태 당시의 환율로 환산한 후 이를 다시 미국달러로 환산하였으며, 공간 예측 모델로 생성된 산사태 위험지도는 8비트 주제도로 작성하였다. 또한, 연구지역의 총 화소와 예측에 영향을 받는 화소 고려하여 확률 도표를 작성하였으며, 예측에 영향을 받는 화소와 일치하는 표준 5,000개의 화소는 이용하여 최종적인 계산을 모의하였다. 그 결과, 산사태에 가장 위험 분야는 농업지역으로서 총 1,626만 달러 규모에 해당하는 위험성이 평가되었으며, 다른 사회기반시설들은 총 3,127만 달러로 평가되었다. 총 추정 사망자는 6.77명으로, 실제 사망자수에 숫자와 비교적 근접하였다.자연재해 분석의 최종 목적은 재해의 위험도를 평가하는 것이며, 본 연구에서 평가된 산사태 위험지도를 활용하여 우선순위에 기반한 재난 관리 계획을 수립할 수 있다. 또한, 본 연구에 적용된 모든 방법론과 프로세스를 활용하여 홍수나 산불과 같은 다른 재해들의 위험도를 평가하여 지역 주민들에게 신뢰도 높은 위험지도를 제공할 수 있을 것이다. 마지막으로 전체 연구절차와 프로세스에 대하여 신뢰할만한 정확도가 도출되었으며, 산사태 취약성 지도를 활용하여 산사태 취약지에 대한 적절한 위험도 평가가 가능할 것이라고 판단된다.