Research Article

Split Viewer

Korean J. Remote Sens. 2024; 40(6): 1305-1314

Published online: December 31, 2024

https://doi.org/10.7780/kjrs.2024.40.6.2.2

© Korean Society of Remote Sensing

원격탐사 자료를 활용한 산지토사재해 모니터링 및 위험지 분석

박종수1, 정하규2*, 이준우3, 허보영4

1국립재난안전연구원 재난정보연구실 연구원
2국립재난안전연구원 재난정보연구실 선임연구원
3국립재난안전연구원 재난정보연구실 시설연구관
4국립재난안전연구원 재난정보연구실 시설연구사

Received: November 3, 2024; Revised: November 26, 2024; Accepted: November 27, 2024

Monitoring and Hazard Area Analysis of Forest Soil Sediment Disaster Using Remote Sensing Data

Jongsoo Park1 , Hagyu Jeong2* , Junwoo Lee3 , Boyoung Heo4

1Researcher, Disaster Information Research Division, National Disaster Management Research Institute, Ulsan, Republic of Korea
2Senior Researcher, Disaster Information Research Division, National Disaster Management Research Institute, Ulsan, Republic of Korea
3Senior Research Officer, Disaster Information Research Division, National Disaster Management Research Institute, Ulsan, Republic of Korea
4Research Officer, Disaster Information Research Division, National Disaster Management Research Institute, Ulsan, Republic of Korea

Correspondence to : Hagyu Jeong
E-mail: hagyu@korea.kr

Received: November 3, 2024; Revised: November 26, 2024; Accepted: November 27, 2024

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (https://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

This study aimed to monitor the forest soil sediment disaster caused by Typhoon Hinnamnor in 2022 in Tohamsan, Gyeongju-si, and Gyeongsangbuk-do and analyze high-risk areas to develop effective disaster prevention strategies. The study used remote sensing data (RSD) from various sources, including PlanetScope and Sentinel satellite images, orthophotos from the National Geographic Information Institute (NGII), and drone images. We identified pre- and post-disaster changes and damage patterns through time-series image analysis. The analysis showed that landslide hazards predominantly flow downstream along valley channels, with some independent occurrences at valley heads and outside valley areas. Based on these findings, we classified hazard-prone areas into three types: (a) along valley channels, (b) at valley heads, and (c) outside valley areas, proposing tailored disaster prevention measures for each. Emphasizing the need to protect nearby cultural heritage sites and residential areas, this study highlights that these monitoring results can support the development of a national disaster management framework. This research will serve as foundational data for future landslide hazard prevention and recovery planning.

Keywords Remote sensing, Satellite image, Aerial photography, Landslide, Disaster monitoring

우리나라에서 인명과 재산상 피해를 가장 많이 발생시키는 자연재해는 집중호우, 태풍 등 물과 관련된 재해로 알려져 있다(Ministry of the Interior and Safety, 2024). 최근 집중호우 형태의 강우 빈도가 증가하고 있으며(Song et al., 2024), 이전까지 호우관련 피해는 댐, 저수지 또는 하천의 범람과 도심지 내수침수의 형태였으나 국가적 차원의 관리와 및 각 지방자치단체의 적극적 대응으로 예방차원에서는 효율적인 재난 관리가 수행되고 있다. 그러나 호우로 인해 발생하는 자연재해는 침수·범람뿐만 아니라 산지산지가 많은 우리나라는 산사태 및 토석류 발생의 빈도가 점점 증가하고 있다(Ryu et al., 2014). 약화된 지반으로 인한 산사태 및 땅밀림과 같은 산지토사재해의 예방 및 관리는 필수적이나 이를 위한 인력과 예산에는 한계가 존재한다(Choi, 2016; Kim et al., 2022b).

산지토사재해는 산사태, 토석류, 땅밀림 등으로 구분되며, 주로 호우에 의해 토양이 이동하는 현상을 의미한다(Seoul Metropolitan City, 2023). 먼저 산사태는 사면의 붕괴현상을 의미하며, 암석 또는 흙이 경사면을 따라 떨어지거나(falls), 포행(creep), 불연속적 미끄러짐(slides, flows) 형태로 복합적으로 나타난다(Ro et al., 2015; Park et al., 2021b). 토석류는 산지 내에서 발생한 다수의 산사태로, 우리나라의 경우 자연산지에서 발생한 산사태는 대부분 토석류의 원인이 된다. 땅밀림 현상은 땅 속 깊은 곳에서 지하수 등의 영향으로 토층이 천천히 이동하는 현상이다. 이러한 산지토사재해는 인명 및 심각한 재산피해를 유발할 수 있으므로 사전 방재대책 수립이 필요하다(Oh et al., 2011).

2023년 7월 문경시와 예천군 등 경상북도에서 호우로 인해 산지의 토사물이 인근 마을까지 흘러 수많은 인명 피해와 막대한 재산상 피해가 발생한 바 있다. 재난 이후 경상북도는 많은 전문인력과 예산을 투입하여 여름철 산림재해대책기간(5.15~10.15)동안 산사태대책상황실을 운영하여 산사태 취약지구를 중심으로 예방, 복구 등 토사재해에 대해 관리했다(Gyeongsangbuk-do, 2024). 또한 2024년 7월에는 경주시 토함산에서 땅밀림 현상이 발견되었다. 산림청은 관계기관과의 합동조사를 통해 2022년 태풍 힌남노 이후 발생한 토함산 산사태 지역과 땅밀림 지역이 다수 발견했다. 추가적인 피해를 사전에 예방하기 위해 호우 전·후 드론 등 첨단장비를 활용한 모니터링과 사방댐 설치 등을 통해 관계기관과의 협업을 강화하여 대응하겠다고 언급했다(Kim, 2014). 이와 같이 산지토사재해는 산지의 지질과 지형에 대한 지속적인 모니터링은 물론, 도로와 같은 사회기반시설 및 인근 주민 거주시설 등을 고려한 예방 및 복구 정책의 수립이 필수적이다.

사면붕괴 및 토석류 등 산지토사재해에 대한 다양한 연구가 진행되었으며(Park and Seo, 2013; Kim and Park, 2023), 대부분 현장 조사를 기반으로 이루어진 연구이기 때문에 정보의 정확도는 확보할 수 있으나 불안정한 사면에 많은 인력이 투입되어야 한다는 위험성이 존재한다. 반면 위성, 드론과 같이 위험한 현장 밖에서 정보를 취득하는 다양한 연구들도 진행되고 있다(Suh and Lee, 2024; Oh and Jun, 2023). 원격탐사 자료는 위성, 항공기 등 다양한 플랫폼을 통해 광범위한 지역을 관측하고, 주기적으로 정보를 생산하는 데 용이하며, 이와 같은 원격탐사 자료는 국토, 기상, 해양 등 지구의 변화를 지속적으로 파악할 수 있는 기초자료로 사용되고 있다(Park et al., 2023; Park and Kang, 2022). 특히 재난분야에서는 긴급재난이 발생했을 때 적시적인 대응과 재난이후 피해에 대한 영향 평가 등 신속한 복구를 위한 자료로 활용하고 있다(Park et al., 2021a). 최근 급격한 기후변화의 영향으로 예측하기 힘든 자연재난의 발생이 증가하면서 효과적인 재난관리를 위해 원격탐사 자료의 활용은 절대적으로 필요하다(Awada et al., 2022; Kim et al., 2022a).

본 연구에서는 경상북도 경주시 토함산을 대상으로 위성, 항공기 등에서 취득된 원격탐사 자료를 활용하여 현재 진행 중인 산지토사재해의 모니터링을 수행했다. 시계열 영상 자료를 통해 피해 지역을 검토하고, 토지 피복 및 수치 지형 자료를 활용하여 토함산 주변의 시설물과 민가 등 피해 위험 지역을 파악하였다. 또한 산지토사재해의 관리에 있어 원격탐사 자료의 활용성을 검토하고, 그 활용 방향성을 제시하였다.

2.1. 연구 지역 및 자료

본 연구의 대상 지역인 경상북도 경주시는 대한민국에서 가장 역사가 오래된 도시 중 하나로, 다양한 문화유산과 생태적 중요성을 지니고 있다(Gwak et al., 2023). 그러나 경주국립공원에 포함된 산지(토함산)는 해발 700 m 이상에 이르며, 급경사지도 다수 포함하고 있어 산지토사재해의 발생 위험이 높은 지형적 취약성을 가지고 있다. 따라서 본 연구는 토함산을 이루는 경주시 하동·마동·진현동·외동읍·황용동·문무대왕면을 연구대상지로 하여 산지토사재해 모니터링을 수행했다(Fig. 1).

Fig. 1. Location of the study area (Gyeongju-si, Gyeonsangbuk-do).

연구에 활용된 자료는 위성 및 항공기를 통해 취득된 원격탐사 자료들로 각 자료는 재해 전·후 변화 탐지에 유용한 정보를 제공한다(Table 1). 위성의 경우 광학영상과 synthetic aperture radar (SAR) 영상을 사용했다. 광학영상으로는 미국 Planet사의 PlanetScope와 유럽 European Satellite Agency (ESA)의 Sentinel-2를 사용하였고, SAR 영상은 ESA의 Sentinel-1A의 자료를 사용했다. 항공영상은 국토지리정보원에서 무료로 배포중인 항공 정사영상을 사용하였으며, 추가로 산지토사재해 위험지를 파악하기 위해 국토지리정보원에서 제공하는 수치지형도 자료도 활용했다.

Table 1 Specification of remote sensing and spatial data for forest soil sediment disaster monitoring

Data categoryData typeImage bandResolution (m)Supplier (Agency)Purpose
Aerial imageryOrthophotoRGB0.25NGIISeasonal change detection and highresolution damage assessment
Satellite imagesOptic (PlanetScope)RGB+NIR3PlanetPre and post-typhoon surface change detection and time-series analysis
Optic (Sentinel-2)Multispectral10ESASurface reflectance analysis and environmental change evaluation
SAR (Sentinel-1)C-band SAR10ESADetection of water bodies and analysis of flooded areas along stream centerline
Other spatial dataTopographic map-1:5,000NGIIStream centerline path analysis and identification of hazard-prone areas

SAR: synthetic aperture radar, NGII: National Geographic Information Institute, ESA: European Satellite Agency.



2.2. 연구 방법

본 연구에서는 경상북도 경주시 토함산을 대상으로 산지토사재해 모니터링을 위해 다양한 원격탐사 자료를 활용했다. 연구에 사용된 자료는 항공 및 위성영상으로 구성되며, 이를 통해 시계열 영상 비교와 지표 변화 탐지를 수행했다. 연구 자료의 주요 특성과 자료처리 및 분석방법은 다음과 같다.

먼저 미국 Planet사가 제공하는 PlanetScope와 유럽우주국(ESA)의 Sentinel-2 광학영상을 사용했다. PlanetScope 영상은 해상도 3 m의 RGB 및 near infrared (NIR) 밴드를 포함한 4개 밴드로 구성되어 있으며, 짧은 재관측주기를 통해 시간에 따른 지표 변화를 관찰하기에 적합하다. Sentinel-2 영상은 10 m해상도의 다중 밴드(coastal aerosol, blue, green, red, red edge, NIR, shortwave infrared [SWIR])를 포함하여 다양한 지표 변화를 평가할 수 있는 자료로, 특히 식생 상태와 수분 함량을 반영하는 NIR 및 SWIR 밴드를 통해 토양과 식생의 변화 양상을 파악하는 데 유리하다.

광학 영상 자료는 태풍 힌남노 및 산사태 전후의 표면 반사 특성 변화를 탐지하기 위해 사용되었으며, 방사 보정, 대기 보정 및 지형 보정을 통해 영상의 일관성을 확보한 후 분석을 수행했다. 대기보정의 경우 태양 빛이 대기를 지나는 동안 흡수, 산란 등 현상으로 인해 실제 지표 반사도와 센서에서 관측된 값의 차이를 보정해주는 작업으로 본 연구에서는 quick atmospheric correction (QUAC) 알고리즘을 활용했다.

또한 ESA의 Sentinel-1 SAR 영상을 사용하여 산지토사재해 모니터링을 강화했다. C-band SAR 데이터는 주·야간 및 기상 조건에 구애받지 않고 관측이 가능하여 재난 상황 모니터링에 매우 유용하다. 본 연구에서는 태풍 전후의 수체 변화를 탐지하고, 계곡부와 하류 지역의 침수 여부를 확인하기 위해 SAR 영상을 사용했다. SAR 데이터는 기하 보정과 스펙클 필터링을 적용하여 노이즈를 최소화하였고, 산란 강도의 변화를 비교하여 수체 영역의 변화를 분석했다. 이를 통해 하천 및 저수지의 수량 변동을 파악하고, 침수 가능성이 높은 지역을 식별했다.

국토지리정보원(NGII)의 항공 정사영상은 0.25 m공간 해상도를 가지며 지형 변화를 정밀하게 파악하는 데 적합하다. 본 연구에서는 2021년부터 2023년까지의 항공영상을 활용하여 주요 산지토사재해 흔적을 육안으로 판독했다. 특히 계절별 식생 상태를 고려하여 계절적 차이를 보정한 후 영상을 비교함으로써 산지토사재해 발생 지역을 명확히 확인했다. 추가로 PlanetScope 영상의 밴드별 반사 특성 변화를 분석하여 특정 지역의 변화량을 면적으로 환산하여 정량적으로 평가했다. NIR 밴드와 SWIR 밴드를 통해 식생 및 지표의 수분 함량 변화를 분석함으로써 산사태 의심 지역의 변화를 평가할 수 있었다. 마지막으로 위험 지역 분석을 위해 국토지리정보원의 1:5,000 연속수치지형도를 활용했다. 이를 통해 계곡부의 흐름 경로와 주변 지형을 파악하고, 시설물 및 민가와의 접근성을 고려하여 위험 지역을 선정했다.

3.1. 산지토사재해 모니터링 결과

본 논문에서 연구대상지역으로 설정한 토함산 일대의 산지토사재해는 2022년 태풍 ‘힌남노’의 영향을 크게 받은 것으로 추정된다. 본 절에서는 연구결과를 기술하기에 앞서 태풍 전후의 위성영상을 활용하여 연구대상지 내 변화를 구글지도를 배경으로 시각적으로 나타냈다(Fig. 2). 항공영상의 경우 힌남노 전후 시기에 관측된 영상을 확보할 수 없는 반면 위성영상의 경우 주기적 관측을 통해 해당시기 관측된 영상을 확보할 수 있었다. 먼저 Fig. 2의 (a)와 (b)는 광학위성인 Planet 영상으로, Fig. 2(a)는 태풍 발생 전인 2022년 8월 26일 관측된 영상이며, Fig. 2(b)는 태풍 발생 이후인 2022년 9월 7일 관측된 영상이다. 태풍 이후 Fig. 2(b) 영상을 통해 저수지와 하천의 수량이 증가된 일부 지역을 육안으로 판독할 수 있었다. Fig. 2의 (c)와 (d)는 SAR 위성인 Sentinel-1 위성영상으로, Fig. 2(c)는 태풍 발생 전인 2022년 8월 28일 관측된 영상이고, Fig. 2(d)는 태풍 발생 이후인 2022년 9월 9일 관측된 영상이다. Fig. 2(c)와 (d)에서 탐지된 수체 픽셀을 차분하여 Fig. 2(d)에 표현하였으며, 태풍 이후 하천 범람과 일부 농경지에 범란된 물이 탐지된 것을 확인할 수 있었다. 추가로 차분된 수체 픽셀의 면적은 79 ha로 추정되었고 태풍 이후 2일 정도 시간이 지난 것을 감안했을 때에도 강수량이 많았던 것을 간접적으로 파악할 수 있다. 이처럼 서로 다른 센서에서 취득된 위성영상으로 태풍 힌남노로 인한 하천, 저수지 등의 범람과 일부 침수지역을 확인할 수 있었다.

Fig. 2. Changes in reservoirs and rivers after Typhoon Hinnamnor (2022.09.07). (a) and (b) are pre- and post-typhoon images from PlanetScope satellites. (c) and (d) are pre- and post-typhoon images from Sentinel-1 satellite images.

Fig. 2의 결과를 통해 영상 수급이 태풍 이후 2일 정도의 시간이 지난 것을 감안했을 때에도 강수량이 많았던 것을 알 수 있었고, 연구대상지인 토함산과 인근 마을에도 피해가 있었음을 간접적으로 파악할 수 있다. 우선 고해상도 항공 정사영상을 활용하여 토함산 정상부를 중심으로 산사태와 같은 피해지역을 확인한 결과는 Fig. 3과 같다. 총 22개의 의심지역을 선정하였고, 행정구역 단위로는 하동 4개 지역, 마동 3개 지역, 진현동 6개 지역, 외동읍 1개 지역, 문무대왕면 6개 지역, 황용동 2개 지역으로 Fig. 3에 도시했다. Fig. 3의 우측 상단의 박스는 2022년 8월 촬영된 항공사진이고, 하단 박스는 2023년 3월 촬영된 항공영상으로 앞서 언급한 바와 같이 항공영상의 관측된 시기가 계절적 차이가 크기때문에 녹지와 산림 식생 상태를 고려하여 선정했다.

Fig. 3. Detection of potential forest soil sediment disaster areas on Mt. Toham using high-resolution aerial orthophotos.

25 cm수준의 해상도가 높은 항공 정사영상이지만 촬영일자에 의 해 나타나는 계절적 영향에 대한 판독 한계를 보완하기 위해 3 m 수준의 고해상도 위성인 PlanetScope 영상을 이용했다. 위성영상은 동일한 환경을 고려하기 위해 다시기 영상을 확보하였으며, 2022년 5월 21일, 2023년 5월 16일, 2024년 5월 22일 촬영의 영상을 활용해 행정구역별로 나누어 총 22개의 의심지역을 중심으로 육안판독 했다. Fig. 4는 위성영상을 활용해 판독한 결과이며, (a) 하동, (b), 황용동, (c) 진현동, (d) 마동, (e) 외동읍, (f) 문무대왕면이다. 확인 결과 6개 지역 모두 항공영상에서 확인된 지역과 동일한 결과를 보였으나 동일시기의 위성영상에서는 소규모로 발생되는 지역들을 다수 확인할 수 있었다.

Fig. 4. Identification of forest soil sediment disaster traces in administrative units using multi-temporal satellite images.

추가로 항공 정사영상과 위성영상에서 육안판독에 의해 탐지된 의심지역에서 지표의 반사 특성 변화를 분석했다. 2022년 5월과 2024년 5월 PlanetScope 영상을 활용하였으며 R,G,B, NIR 밴드를 포함하는 4개 밴드의 대기상단 복사에너지(top of atmosphere radiance, TOAR) 값을 이용했다. 먼저 분석 대상 지역에 대해 동일한 해상도와 좌표 체계로 정렬하고, 각 밴드별로 픽셀 단위의 복사에너지 값을 산출했다. 이후 각 픽셀에서 전후 영상의 복사에너지 값을 차분하여 특정 밴드에서 나타나는 유의미한 변화량을 확인하였으며 분석결과는 Fig. 5와 같다. NIR밴드에서의 변화량이 0.07 (W/m2/sr/μm)로 가장 컸으며, 이는 지표의 식생 변화 및 수분 함량의 변화를 민감하게 반영한 결과로 해석된다. 이러한 변화량은 연구 대상지역의 산사태로 인한 환경변화를 반영하고 있으며, t-검정 방법에 의해 통계적으로 유의미한 결과임을 확인했다.

Fig. 5. Pixel-wise change detection of top-of-atmosphere radiance (TOAR) values in potential forest soil sediment disaster regions (2022 and 2024).

또한 복사에너지의 값은 태양 천정각, 대기 구성요소(수증기, 에어로졸), 표면의 양방향 반사 특성 등 다양한 요인의 영향을 받을 수 있다. 다만 모든 영향 요인을 제거할 수 없기 때문에 관측영상 활용시 동일 시간, 기상 등을 고려하여 영향을 최소화 하여 활용했다. 전후 영상에서의 픽셀 변화량을 면적으로 변환하여 계산하였으며 하동(Fig. 5a)은 0.8 ha, 황용동(Fig. 5b)은 1.2 ha, 진현동(Fig. 5c)은 1.0 ha였다. 마동(Fig. 5d)은 2.1 ha로 변화량이 가장 컸으며, 외동읍(Fig. 5e)은 0.1 ha로 가장 작았고 문무대왕면(Fig. 5f)은 1.8 ha로 계산되었다.

본 절에서는 위성영상을 이용하여 태풍 힌남노 발생에 따른 경상북도 경주시의 피해 영향에 대해 살펴보았으며, 집중호우로 인해 본 연구의 대상지인 토함산에 발생한 피해를 간접적으로 확인할 수 있었다. 토함산에 대한 산지토사재해 의심지역을 파악하기 위해 국토지리정보원에서 제공받은 고해상도 항공 정사영상을 활용하였으며, 행정구역 별 총 22개의 지역을 선정했다. 다만 항공 정사영상의 경우 고해상도로 육안판독에 용이하지만 연도별 촬영된 시기가 계절적인 차이가 큰 한계로 명확한 판독을 위해 2022년부터 2024년까지 동시기 3개년의 위성영상을 활용했다. 또한 산지토사재해로 인한 지표의 물리적, 화학적 변화에 따라 달라진 반사특성을 평가하기 위해 2022년과 2024년 위성영상에서 복사에너지 값을 픽셀 단위로 산출하고 각각을 차분하여 변화량을 면적으로 산출했다. 본 연구에서 원격탐사 자료를 통해 파악된 결과를 파악하기 위해서는 반드시 현장조사를 통한 검증이 필요하다. 본 연구대상지는 지난 2년간 지속적으로 산지토사재해가 발생했으며, 향후에도 발생할 가능성이 다분한 것으로 사료된다. 본 연구에서의 항공영상과 위성영상의 육안판독 및 복사에너지의 변화량 분석 모니터링 결과가 현장조사에 앞서 기초 자료로 활용될 수 있으며, 중장기 관리대책 수립에도 활용될 수 있을 것으로 사료된다.

3.2. 산지토사재해 위험지 선정

우리나라는 사방댐 설치, 계류보전, 산지사방 설치 작업을 통해 산지토사재해를 예방하고 있다. 사방댐, 계류보전, 산지사방 설치 등을 통해 유속을 줄이고 침식을 억제시켜 토석류를 퇴적시켜 인명 및 재산피해를 예방하고 있다. 이러한 예방책을 적용하기 이전에 산지토사재해 위험지를 선정하고 있으며, 이에 따라 본 연구에서는 현재도 진행 중인 토함산을 대상으로 주변 시설물, 민가 등을 고려하여 위험지를 선정해보고자 하였다.

산지토사재해는 지형적 특성에 따라 여러 위치에서 다양한 형태로 발생할 수 있지만, 계곡부를 따라 산사면을 통해 하류로 내려오는 양상이 가장 일반적이다. 계곡부는 토사와 물이 자연스럽게 모이는 주요 경로로 작용하여, 대규모 토석류가 형성되고 이동할 수 있는 통로가 되므로, 계곡을 따라 형성된 재해는 하류로 빠르게 전파되면서 더욱 큰 피해를 일으킬 가능성이 높다. 본 연구에서는 계곡부와 인접한 지역의 지형 특성을 분석하기 위해 연속수치지형도 중 1:5,000 축척의 하천 중심선 자료를 추가로 활용하였으며, 분석 결과 계곡을 따라 발생한 경우, 계곡부 시점에서 발생한 경우, 계곡부 외부에서 발생한 경우의 세 가지 유형으로 재해 발생 지점을 구분했다(Fig. 6).

Fig. 6. Classification and risk assessment of forest soil sediment disaster-prone areas by types. (a) and (b) indicate the nearby villages in the area affected by the disaster. (c) represents the facilities. (d) shows the expected affected area.

먼저 계곡을 따라 발생하는 사례인 Fig. 6(a)는 토석류가 집중되어 하류로 이동하며 경로 내 모든 지점에서 연쇄적인 영향을 미칠 가능성이 있다고 판단된다. 특히, 계곡부 하류에는 민가와 문화유산인 불국사가 위치해 있어, 이 지역은 재해에 매우 취약할 가능성이 크며, 사방댐 등의사전재해 방지시설의 설치와 지속적 모니터링이 필수적이라고 사료된다. 다음으로 계곡부 시점에서 발생한 사례인 Fig. 6(b)는 주로 상부에서 시작된 토사와 물이 계곡 경사를 타고 하류로 흐르면 피해 범위를 확장시킬 수 있는 잠재성이 크다. 본 연구의 대상지에서도 계곡부 시점에서 시작된 토사가 하류로 유출될 가능성이 높아 해당 지역 하류에 위치한 마을과 취약시설에 대한 주기적인 관측과 예방 관리가 필요할 것으로 판단된다. 마지막으로 계곡부 외 지역에서 발생한 사례인 Fig. 6(c)는 일반적인 토사 이동 경로에서 벗어나 독립적으로 나타나기 때문에 예측이 어려우며, 주변 시설물이나 민가에 예기치 못한 피해를 초래할 수 있다. 본 사례에서는 석굴암 인근에서도 토사재해 흔적이 확인되어, 해당 지역에 대한 추가적인 조사와 예방적 모니터링이 필요할 것으로 판단된다.

Fig. 6(d)에서는 본 연구 대상지 내에서 수치지형도의 건물정보를 추가하여 산지토사재해의 위험이 높은 지역을 분석한 결과를 제시하였다. 분석 결과, 시설물이 밀집된 세 지역은 산지토사재해의 영향을 크게 받을 수 있는 지역으로 판단되며, 세 지역에 대한 지속적 모니터링과 함께 피해를 최소화하기 위한 예방 조치가 시급한 것으로 판단된다. 특히 해당 지역은 재해 발생 시 직접적인 피해뿐 아니라 사회·경제적으로도 큰 손실을 입을 가능성이 높으므로 국가 차원의 재난 대비 체계 수립과 함께 위험 관리 계획 마련이 필수적이다.

본 연구는 2022년 태풍 힌남노의 영향으로 경상북도 경주시 토함산에서 발생한 산지토사재해를 모니터링하고, 위험지 분석을 통해 효율적인 방재 방안을 제시하였다. 이를 위해 다양한 원격탐사 자료를 활용하여 연구 대상지 내 지형적 특성과 재해 발생 양상을 분석했다. 구체적으로 PlanetScope 및 Sentinel 위성영상, 국토지리정보원의 항공영상, 드론 영상을 활용하여 재해 발생 전후의 변화 및 피해 양상을 파악했다.

연구 결과, 토함산 지역 내 산지토사재해는 주로 계곡부를 따라 하류로 집중되는 경향이 강하였으며, 계곡 시점 및 계곡 외부에서도 일부 발생하여 다양한 위치에서 재해가 확인되었다. 이러한 재해 발생패턴을 기반으로 산지토사재해 유형을 (a) 계곡부를 따라 발생하는 경우, (b) 계곡부 시점에서 발생하는 경우, (c) 계곡 외부에서 발생하는 경우로 구분하였고, 이에 따른 맞춤형 방재 방안을 제안했다. 특히 본 연구에서 확인된 토함산 내 주요 문화재(예: 불국사, 석굴암)와 민가가 위치한 지역은 집중적인 모니터링과 예방 조치가 필요하다는 점을 확인했다.

본 연구의 의의는 다양한 원격탐사 자료를 융합하여 산지토사재해의 위치별 특성을 종합적으로 파악함으로써, 단순한 재해 감지에 그치지 않고 이를 기반으로 구체적인 방재 대책을 수립할 수 있도록 기초 자료를 제공하는 데 있다. 본 연구 결과는 다음과 같은 점에서 실질적인 기여를 할 수 있다:

  • 방재 효율성 강화: 계곡부를 따라 하류로 이어지는 토사 이동 경로와 같은 지형적 특성에 기반한 모니터링 체계를 구축함으로써, 재해 발생 가능성이 높은 지역에 대한 선제적 대응 방안을 마련할 수 있다.

  • 문화유산 및 민가 보호: 연구를 통해 산지토사재해의 위험이 높다고 판단된 지역에 대해 문화유산과 민가 보호를 위한 체계적 관리 방안을 제시했다. 이를 통해 장기적인 방재 인프라 강화와 국가 문화유산 보호에 기여할 수 있을 것으로 기대된다.

  • 원격탐사 자료의 활용성 확대: 본 연구는 위성영상과 항공영상을 결합하여 광범위한 지역의 재해 현황을 모니터링하고, 드론영상으로 세부적인 피해 지역을 보완 분석하는 방안을 제안함으로써 원격탐사 자료의 실질적 활용성을 제고했다. 이는 추후 다른 지역의 재해 대응 모델 개발에도 유용한 기준을 제공할 수 있다.

따라서 본 연구는 향후 산지토사재해 관리에서 원격탐사 자료의 정량적 분석을 통한 모니터링의 필요성을 강조하며, 국가 차원의 장기적 방재 및 복구 체계 수립에도 기초 자료로 활용될 수 있을 것으로 판단된다.

본 연구는 행정안전부 국립재난안전연구원의 지원(재난분야 위성자료 활용성 증대를 위한 다종위성 활용방안 연구, NDMI-주요-2024-03-01)에 의해 수행되었습니다.

No potential conflict of interest relevant to this article was reported.

  1. Awada, H., Di Prima, S., Sirca, C., Giadrossich, F., Marras, S., Spano, D., and Pirastru, M., 2022. A remote sensing and modeling integrated approach for constructing continuous time series of daily actual evapotranspiration. Agricultural Water Management, 260, 107320. https://doi.org/10.1016/j.agwat.2021.107320
  2. Choi, J. H., 2016. An experimental study on filtering acoustic signals of different bedload particles using the hydrophone. Master's thesis, Kangwon National University, Chuncheon, Republic of Korea.
  3. Gwak, S. B., Lee, H. J., and You, J. H., 2023. The status and characteristics of invasive alien plants distributed in parking lots in Gyeongju National Park. Journal of the Korean Institute of Garden Design, 9(4), 283-299. https://doi.org/10.22849/jkigd.2023.9.4.007
  4. Gyeongsangbuk-do, 2024. Gyeongsangbuk-do, 'Landslide Countermeasures Situation Room' activated to prepare for landslide disasters. Available online: https://www.gb.go.kr/Main/page.do?mnu_uid=6792&dept_code=&dept_name=&BD_CODE=bbs_bodo&bdName=&cmd=2&Start=50&B_NUM=412010701&B_STEP=412010700&B_LEVEL=0&key=4&word=&p1=0&p2=0&V_NUM=9007&tbbscode1=bbs_bodo (accessed on Oct. 27, 2024)
  5. Kim, G. H., 2014. Landslides and other landslides using the ground disaster risk map management of risk area, Korea Disaster Prevention Association. https://koreascience.kr/article/JAKO201356039807342.pdf
  6. Kim, H. W., Kim, M. H., and Lee, Y. W., 2022a. Research trend of the remote sensing image analysis using deep learning. Korean Journal of Remote Sensing, 38(5-3), 819-834. https://doi.org/10.7780/kjrs.2022.38.5.3.2
  7. Kim, N. G., and Park, Y. S., 2023. Landslide risk analysis due to development of mountain area. Journal of Korean Society of Disaster and Security, 16(4), 67-74. https://doi.org/10.21729/ksds.2023.16.4.67
  8. Kim, S. U., Jun, K. W., Jin, J. M., and Jo, H. I., 2022b. A study on bed load measuring device installation for sediment disaster prediction. Crisisonomy, 18(2), 63-70. https://doi.org/10.14251/crisisonomy.2022.18.2.63
  9. Ministry of the Interior and Safety, 2024. 2022 disaster yearbook. Available online: https://www.safekorea.go.kr/idsiSFK/neo/sfk/cs/csc/bbs_conf.jsp?bbs_no=26&emgPage=Y&menuSeq=735&viewtype=read&bbs_ordr=2547 (accessed on Oct. 27, 2024)
  10. Oh, C. Y., and Jun, K. W., 2023. Utilizing drones in landslide-prone areas- A case study on mountain roads. Crisisonomy, 19(11), 63-71. https://doi.org/10.14251/crisisonomy.2023.19.11.63
  11. Oh, C. Y., Jun, K. W., Jang, C. D., and Jun, B. H., 2011. Verifying of soil water index for sediment disaster triggering in mountainous area. Crisisonomy, 7(4), 167-176.
  12. Park, B. S., and Seo, H. S., 2013. A case study for the slope face collapse and occurrence of debris flow according to heavy rain. Korean Review of Crisis and Emergency Management, 9(11), 19-29.
  13. Park, J., and Kang, K., 2022. Research of water-related disaster monitoring using satellite bigdata based on Google Earth Engine cloud computing platform. Korean Journal of Remote Sensing, 38(6-3), 1761-1775. https://doi.org/10.7780/kjrs.2022.38.6.3.2
  14. Park, J., Kang, K., and Hwang, E., 2021a. Extraction of water body area using micro satellite SAR: A case study of the Daecheng Dam of South Korea. Journal of the Korean Association of Geographic Information Studies, 24(4), 41-54. https://doi.org/10.11108/kagis.2021.24.4.041
  15. Park, J., Lee, D., Lee, J., Cheon, E., and Jeong, H., 2023. Study on disaster response strategies using multi-sensors satellite imagery. Korean Journal of Remote Sensing, 39(5-2), 755-770. https://doi.org/10.7780/kjrs.2023.39.5.2.2
  16. Park, S. Y., Moon, S. W., Choi, J., and Seo, Y. S., 2021b. Machine-learning evaluation of factors influencing landslides. The Journal of Engineering Geology, 31(4), 701-718. https://doi.org/10.9720/kseg.2021.4.701
  17. Ro, K. S., Jeon, B. J., and Jeon, K. W., 2015. Induction wall influence review by debris flow's impact force. Journal of the Korean Society of Hazard Mitigation, 15(2), 159-164. https://doi.org/10.9798/KOSHAM.2015.15.2.159
  18. Ryu, J. H., Sung, H. J., and Kim, Y., 2014. A study on the major factors causing the sediment disasters by case analysis. Journal of the Korean Society of Hazard Mitigation, 14(6), 151-157. http://doi.org/10.9798/KOSHAM.2014.14.6.151
  19. Seoul Metropolitan City, 2023. Definition of a Landslide - What is a Landslide?. Available online: https://news.seoul.go.kr/env/mountain-disaster-prevention/is_landslide (accessed on Oct. 27, 2024)
  20. Song, Y., Lee, H. J., Joo, J., and Park, M., 2024. Predicting damage characteristics of heavy rain disasters using artificial neural network. Journal of the Korean Society of Hazard Mitigation, 24(1), 83-89. https://doi.org/10.9798/KOSHAM.2024.24.1.83
  21. Suh, Y. H., and Lee, G. H., 2024. Predicting landslide susceptibility using high-resolution active remote sensing data: An interpretable machine learning approach. Journal of the Korean Cartographic Association, 24(2), 89-111. https://doi.org/10.16879/jkca.2024.24.2.089

Research Article

Korean J. Remote Sens. 2024; 40(6): 1305-1314

Published online December 31, 2024 https://doi.org/10.7780/kjrs.2024.40.6.2.2

Copyright © Korean Society of Remote Sensing.

원격탐사 자료를 활용한 산지토사재해 모니터링 및 위험지 분석

박종수1, 정하규2*, 이준우3, 허보영4

1국립재난안전연구원 재난정보연구실 연구원
2국립재난안전연구원 재난정보연구실 선임연구원
3국립재난안전연구원 재난정보연구실 시설연구관
4국립재난안전연구원 재난정보연구실 시설연구사

Received: November 3, 2024; Revised: November 26, 2024; Accepted: November 27, 2024

Monitoring and Hazard Area Analysis of Forest Soil Sediment Disaster Using Remote Sensing Data

Jongsoo Park1 , Hagyu Jeong2* , Junwoo Lee3 , Boyoung Heo4

1Researcher, Disaster Information Research Division, National Disaster Management Research Institute, Ulsan, Republic of Korea
2Senior Researcher, Disaster Information Research Division, National Disaster Management Research Institute, Ulsan, Republic of Korea
3Senior Research Officer, Disaster Information Research Division, National Disaster Management Research Institute, Ulsan, Republic of Korea
4Research Officer, Disaster Information Research Division, National Disaster Management Research Institute, Ulsan, Republic of Korea

Correspondence to:Hagyu Jeong
E-mail: hagyu@korea.kr

Received: November 3, 2024; Revised: November 26, 2024; Accepted: November 27, 2024

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (https://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract

This study aimed to monitor the forest soil sediment disaster caused by Typhoon Hinnamnor in 2022 in Tohamsan, Gyeongju-si, and Gyeongsangbuk-do and analyze high-risk areas to develop effective disaster prevention strategies. The study used remote sensing data (RSD) from various sources, including PlanetScope and Sentinel satellite images, orthophotos from the National Geographic Information Institute (NGII), and drone images. We identified pre- and post-disaster changes and damage patterns through time-series image analysis. The analysis showed that landslide hazards predominantly flow downstream along valley channels, with some independent occurrences at valley heads and outside valley areas. Based on these findings, we classified hazard-prone areas into three types: (a) along valley channels, (b) at valley heads, and (c) outside valley areas, proposing tailored disaster prevention measures for each. Emphasizing the need to protect nearby cultural heritage sites and residential areas, this study highlights that these monitoring results can support the development of a national disaster management framework. This research will serve as foundational data for future landslide hazard prevention and recovery planning.

Keywords: Remote sensing, Satellite image, Aerial photography, Landslide, Disaster monitoring

1. 서론

우리나라에서 인명과 재산상 피해를 가장 많이 발생시키는 자연재해는 집중호우, 태풍 등 물과 관련된 재해로 알려져 있다(Ministry of the Interior and Safety, 2024). 최근 집중호우 형태의 강우 빈도가 증가하고 있으며(Song et al., 2024), 이전까지 호우관련 피해는 댐, 저수지 또는 하천의 범람과 도심지 내수침수의 형태였으나 국가적 차원의 관리와 및 각 지방자치단체의 적극적 대응으로 예방차원에서는 효율적인 재난 관리가 수행되고 있다. 그러나 호우로 인해 발생하는 자연재해는 침수·범람뿐만 아니라 산지산지가 많은 우리나라는 산사태 및 토석류 발생의 빈도가 점점 증가하고 있다(Ryu et al., 2014). 약화된 지반으로 인한 산사태 및 땅밀림과 같은 산지토사재해의 예방 및 관리는 필수적이나 이를 위한 인력과 예산에는 한계가 존재한다(Choi, 2016; Kim et al., 2022b).

산지토사재해는 산사태, 토석류, 땅밀림 등으로 구분되며, 주로 호우에 의해 토양이 이동하는 현상을 의미한다(Seoul Metropolitan City, 2023). 먼저 산사태는 사면의 붕괴현상을 의미하며, 암석 또는 흙이 경사면을 따라 떨어지거나(falls), 포행(creep), 불연속적 미끄러짐(slides, flows) 형태로 복합적으로 나타난다(Ro et al., 2015; Park et al., 2021b). 토석류는 산지 내에서 발생한 다수의 산사태로, 우리나라의 경우 자연산지에서 발생한 산사태는 대부분 토석류의 원인이 된다. 땅밀림 현상은 땅 속 깊은 곳에서 지하수 등의 영향으로 토층이 천천히 이동하는 현상이다. 이러한 산지토사재해는 인명 및 심각한 재산피해를 유발할 수 있으므로 사전 방재대책 수립이 필요하다(Oh et al., 2011).

2023년 7월 문경시와 예천군 등 경상북도에서 호우로 인해 산지의 토사물이 인근 마을까지 흘러 수많은 인명 피해와 막대한 재산상 피해가 발생한 바 있다. 재난 이후 경상북도는 많은 전문인력과 예산을 투입하여 여름철 산림재해대책기간(5.15~10.15)동안 산사태대책상황실을 운영하여 산사태 취약지구를 중심으로 예방, 복구 등 토사재해에 대해 관리했다(Gyeongsangbuk-do, 2024). 또한 2024년 7월에는 경주시 토함산에서 땅밀림 현상이 발견되었다. 산림청은 관계기관과의 합동조사를 통해 2022년 태풍 힌남노 이후 발생한 토함산 산사태 지역과 땅밀림 지역이 다수 발견했다. 추가적인 피해를 사전에 예방하기 위해 호우 전·후 드론 등 첨단장비를 활용한 모니터링과 사방댐 설치 등을 통해 관계기관과의 협업을 강화하여 대응하겠다고 언급했다(Kim, 2014). 이와 같이 산지토사재해는 산지의 지질과 지형에 대한 지속적인 모니터링은 물론, 도로와 같은 사회기반시설 및 인근 주민 거주시설 등을 고려한 예방 및 복구 정책의 수립이 필수적이다.

사면붕괴 및 토석류 등 산지토사재해에 대한 다양한 연구가 진행되었으며(Park and Seo, 2013; Kim and Park, 2023), 대부분 현장 조사를 기반으로 이루어진 연구이기 때문에 정보의 정확도는 확보할 수 있으나 불안정한 사면에 많은 인력이 투입되어야 한다는 위험성이 존재한다. 반면 위성, 드론과 같이 위험한 현장 밖에서 정보를 취득하는 다양한 연구들도 진행되고 있다(Suh and Lee, 2024; Oh and Jun, 2023). 원격탐사 자료는 위성, 항공기 등 다양한 플랫폼을 통해 광범위한 지역을 관측하고, 주기적으로 정보를 생산하는 데 용이하며, 이와 같은 원격탐사 자료는 국토, 기상, 해양 등 지구의 변화를 지속적으로 파악할 수 있는 기초자료로 사용되고 있다(Park et al., 2023; Park and Kang, 2022). 특히 재난분야에서는 긴급재난이 발생했을 때 적시적인 대응과 재난이후 피해에 대한 영향 평가 등 신속한 복구를 위한 자료로 활용하고 있다(Park et al., 2021a). 최근 급격한 기후변화의 영향으로 예측하기 힘든 자연재난의 발생이 증가하면서 효과적인 재난관리를 위해 원격탐사 자료의 활용은 절대적으로 필요하다(Awada et al., 2022; Kim et al., 2022a).

본 연구에서는 경상북도 경주시 토함산을 대상으로 위성, 항공기 등에서 취득된 원격탐사 자료를 활용하여 현재 진행 중인 산지토사재해의 모니터링을 수행했다. 시계열 영상 자료를 통해 피해 지역을 검토하고, 토지 피복 및 수치 지형 자료를 활용하여 토함산 주변의 시설물과 민가 등 피해 위험 지역을 파악하였다. 또한 산지토사재해의 관리에 있어 원격탐사 자료의 활용성을 검토하고, 그 활용 방향성을 제시하였다.

2. 연구 자료 및 방법

2.1. 연구 지역 및 자료

본 연구의 대상 지역인 경상북도 경주시는 대한민국에서 가장 역사가 오래된 도시 중 하나로, 다양한 문화유산과 생태적 중요성을 지니고 있다(Gwak et al., 2023). 그러나 경주국립공원에 포함된 산지(토함산)는 해발 700 m 이상에 이르며, 급경사지도 다수 포함하고 있어 산지토사재해의 발생 위험이 높은 지형적 취약성을 가지고 있다. 따라서 본 연구는 토함산을 이루는 경주시 하동·마동·진현동·외동읍·황용동·문무대왕면을 연구대상지로 하여 산지토사재해 모니터링을 수행했다(Fig. 1).

Figure 1. Location of the study area (Gyeongju-si, Gyeonsangbuk-do).

연구에 활용된 자료는 위성 및 항공기를 통해 취득된 원격탐사 자료들로 각 자료는 재해 전·후 변화 탐지에 유용한 정보를 제공한다(Table 1). 위성의 경우 광학영상과 synthetic aperture radar (SAR) 영상을 사용했다. 광학영상으로는 미국 Planet사의 PlanetScope와 유럽 European Satellite Agency (ESA)의 Sentinel-2를 사용하였고, SAR 영상은 ESA의 Sentinel-1A의 자료를 사용했다. 항공영상은 국토지리정보원에서 무료로 배포중인 항공 정사영상을 사용하였으며, 추가로 산지토사재해 위험지를 파악하기 위해 국토지리정보원에서 제공하는 수치지형도 자료도 활용했다.

Table 1 . Specification of remote sensing and spatial data for forest soil sediment disaster monitoring.

Data categoryData typeImage bandResolution (m)Supplier (Agency)Purpose
Aerial imageryOrthophotoRGB0.25NGIISeasonal change detection and highresolution damage assessment
Satellite imagesOptic (PlanetScope)RGB+NIR3PlanetPre and post-typhoon surface change detection and time-series analysis
Optic (Sentinel-2)Multispectral10ESASurface reflectance analysis and environmental change evaluation
SAR (Sentinel-1)C-band SAR10ESADetection of water bodies and analysis of flooded areas along stream centerline
Other spatial dataTopographic map-1:5,000NGIIStream centerline path analysis and identification of hazard-prone areas

SAR: synthetic aperture radar, NGII: National Geographic Information Institute, ESA: European Satellite Agency..



2.2. 연구 방법

본 연구에서는 경상북도 경주시 토함산을 대상으로 산지토사재해 모니터링을 위해 다양한 원격탐사 자료를 활용했다. 연구에 사용된 자료는 항공 및 위성영상으로 구성되며, 이를 통해 시계열 영상 비교와 지표 변화 탐지를 수행했다. 연구 자료의 주요 특성과 자료처리 및 분석방법은 다음과 같다.

먼저 미국 Planet사가 제공하는 PlanetScope와 유럽우주국(ESA)의 Sentinel-2 광학영상을 사용했다. PlanetScope 영상은 해상도 3 m의 RGB 및 near infrared (NIR) 밴드를 포함한 4개 밴드로 구성되어 있으며, 짧은 재관측주기를 통해 시간에 따른 지표 변화를 관찰하기에 적합하다. Sentinel-2 영상은 10 m해상도의 다중 밴드(coastal aerosol, blue, green, red, red edge, NIR, shortwave infrared [SWIR])를 포함하여 다양한 지표 변화를 평가할 수 있는 자료로, 특히 식생 상태와 수분 함량을 반영하는 NIR 및 SWIR 밴드를 통해 토양과 식생의 변화 양상을 파악하는 데 유리하다.

광학 영상 자료는 태풍 힌남노 및 산사태 전후의 표면 반사 특성 변화를 탐지하기 위해 사용되었으며, 방사 보정, 대기 보정 및 지형 보정을 통해 영상의 일관성을 확보한 후 분석을 수행했다. 대기보정의 경우 태양 빛이 대기를 지나는 동안 흡수, 산란 등 현상으로 인해 실제 지표 반사도와 센서에서 관측된 값의 차이를 보정해주는 작업으로 본 연구에서는 quick atmospheric correction (QUAC) 알고리즘을 활용했다.

또한 ESA의 Sentinel-1 SAR 영상을 사용하여 산지토사재해 모니터링을 강화했다. C-band SAR 데이터는 주·야간 및 기상 조건에 구애받지 않고 관측이 가능하여 재난 상황 모니터링에 매우 유용하다. 본 연구에서는 태풍 전후의 수체 변화를 탐지하고, 계곡부와 하류 지역의 침수 여부를 확인하기 위해 SAR 영상을 사용했다. SAR 데이터는 기하 보정과 스펙클 필터링을 적용하여 노이즈를 최소화하였고, 산란 강도의 변화를 비교하여 수체 영역의 변화를 분석했다. 이를 통해 하천 및 저수지의 수량 변동을 파악하고, 침수 가능성이 높은 지역을 식별했다.

국토지리정보원(NGII)의 항공 정사영상은 0.25 m공간 해상도를 가지며 지형 변화를 정밀하게 파악하는 데 적합하다. 본 연구에서는 2021년부터 2023년까지의 항공영상을 활용하여 주요 산지토사재해 흔적을 육안으로 판독했다. 특히 계절별 식생 상태를 고려하여 계절적 차이를 보정한 후 영상을 비교함으로써 산지토사재해 발생 지역을 명확히 확인했다. 추가로 PlanetScope 영상의 밴드별 반사 특성 변화를 분석하여 특정 지역의 변화량을 면적으로 환산하여 정량적으로 평가했다. NIR 밴드와 SWIR 밴드를 통해 식생 및 지표의 수분 함량 변화를 분석함으로써 산사태 의심 지역의 변화를 평가할 수 있었다. 마지막으로 위험 지역 분석을 위해 국토지리정보원의 1:5,000 연속수치지형도를 활용했다. 이를 통해 계곡부의 흐름 경로와 주변 지형을 파악하고, 시설물 및 민가와의 접근성을 고려하여 위험 지역을 선정했다.

3. 연구 결과

3.1. 산지토사재해 모니터링 결과

본 논문에서 연구대상지역으로 설정한 토함산 일대의 산지토사재해는 2022년 태풍 ‘힌남노’의 영향을 크게 받은 것으로 추정된다. 본 절에서는 연구결과를 기술하기에 앞서 태풍 전후의 위성영상을 활용하여 연구대상지 내 변화를 구글지도를 배경으로 시각적으로 나타냈다(Fig. 2). 항공영상의 경우 힌남노 전후 시기에 관측된 영상을 확보할 수 없는 반면 위성영상의 경우 주기적 관측을 통해 해당시기 관측된 영상을 확보할 수 있었다. 먼저 Fig. 2의 (a)와 (b)는 광학위성인 Planet 영상으로, Fig. 2(a)는 태풍 발생 전인 2022년 8월 26일 관측된 영상이며, Fig. 2(b)는 태풍 발생 이후인 2022년 9월 7일 관측된 영상이다. 태풍 이후 Fig. 2(b) 영상을 통해 저수지와 하천의 수량이 증가된 일부 지역을 육안으로 판독할 수 있었다. Fig. 2의 (c)와 (d)는 SAR 위성인 Sentinel-1 위성영상으로, Fig. 2(c)는 태풍 발생 전인 2022년 8월 28일 관측된 영상이고, Fig. 2(d)는 태풍 발생 이후인 2022년 9월 9일 관측된 영상이다. Fig. 2(c)와 (d)에서 탐지된 수체 픽셀을 차분하여 Fig. 2(d)에 표현하였으며, 태풍 이후 하천 범람과 일부 농경지에 범란된 물이 탐지된 것을 확인할 수 있었다. 추가로 차분된 수체 픽셀의 면적은 79 ha로 추정되었고 태풍 이후 2일 정도 시간이 지난 것을 감안했을 때에도 강수량이 많았던 것을 간접적으로 파악할 수 있다. 이처럼 서로 다른 센서에서 취득된 위성영상으로 태풍 힌남노로 인한 하천, 저수지 등의 범람과 일부 침수지역을 확인할 수 있었다.

Figure 2. Changes in reservoirs and rivers after Typhoon Hinnamnor (2022.09.07). (a) and (b) are pre- and post-typhoon images from PlanetScope satellites. (c) and (d) are pre- and post-typhoon images from Sentinel-1 satellite images.

Fig. 2의 결과를 통해 영상 수급이 태풍 이후 2일 정도의 시간이 지난 것을 감안했을 때에도 강수량이 많았던 것을 알 수 있었고, 연구대상지인 토함산과 인근 마을에도 피해가 있었음을 간접적으로 파악할 수 있다. 우선 고해상도 항공 정사영상을 활용하여 토함산 정상부를 중심으로 산사태와 같은 피해지역을 확인한 결과는 Fig. 3과 같다. 총 22개의 의심지역을 선정하였고, 행정구역 단위로는 하동 4개 지역, 마동 3개 지역, 진현동 6개 지역, 외동읍 1개 지역, 문무대왕면 6개 지역, 황용동 2개 지역으로 Fig. 3에 도시했다. Fig. 3의 우측 상단의 박스는 2022년 8월 촬영된 항공사진이고, 하단 박스는 2023년 3월 촬영된 항공영상으로 앞서 언급한 바와 같이 항공영상의 관측된 시기가 계절적 차이가 크기때문에 녹지와 산림 식생 상태를 고려하여 선정했다.

Figure 3. Detection of potential forest soil sediment disaster areas on Mt. Toham using high-resolution aerial orthophotos.

25 cm수준의 해상도가 높은 항공 정사영상이지만 촬영일자에 의 해 나타나는 계절적 영향에 대한 판독 한계를 보완하기 위해 3 m 수준의 고해상도 위성인 PlanetScope 영상을 이용했다. 위성영상은 동일한 환경을 고려하기 위해 다시기 영상을 확보하였으며, 2022년 5월 21일, 2023년 5월 16일, 2024년 5월 22일 촬영의 영상을 활용해 행정구역별로 나누어 총 22개의 의심지역을 중심으로 육안판독 했다. Fig. 4는 위성영상을 활용해 판독한 결과이며, (a) 하동, (b), 황용동, (c) 진현동, (d) 마동, (e) 외동읍, (f) 문무대왕면이다. 확인 결과 6개 지역 모두 항공영상에서 확인된 지역과 동일한 결과를 보였으나 동일시기의 위성영상에서는 소규모로 발생되는 지역들을 다수 확인할 수 있었다.

Figure 4. Identification of forest soil sediment disaster traces in administrative units using multi-temporal satellite images.

추가로 항공 정사영상과 위성영상에서 육안판독에 의해 탐지된 의심지역에서 지표의 반사 특성 변화를 분석했다. 2022년 5월과 2024년 5월 PlanetScope 영상을 활용하였으며 R,G,B, NIR 밴드를 포함하는 4개 밴드의 대기상단 복사에너지(top of atmosphere radiance, TOAR) 값을 이용했다. 먼저 분석 대상 지역에 대해 동일한 해상도와 좌표 체계로 정렬하고, 각 밴드별로 픽셀 단위의 복사에너지 값을 산출했다. 이후 각 픽셀에서 전후 영상의 복사에너지 값을 차분하여 특정 밴드에서 나타나는 유의미한 변화량을 확인하였으며 분석결과는 Fig. 5와 같다. NIR밴드에서의 변화량이 0.07 (W/m2/sr/μm)로 가장 컸으며, 이는 지표의 식생 변화 및 수분 함량의 변화를 민감하게 반영한 결과로 해석된다. 이러한 변화량은 연구 대상지역의 산사태로 인한 환경변화를 반영하고 있으며, t-검정 방법에 의해 통계적으로 유의미한 결과임을 확인했다.

Figure 5. Pixel-wise change detection of top-of-atmosphere radiance (TOAR) values in potential forest soil sediment disaster regions (2022 and 2024).

또한 복사에너지의 값은 태양 천정각, 대기 구성요소(수증기, 에어로졸), 표면의 양방향 반사 특성 등 다양한 요인의 영향을 받을 수 있다. 다만 모든 영향 요인을 제거할 수 없기 때문에 관측영상 활용시 동일 시간, 기상 등을 고려하여 영향을 최소화 하여 활용했다. 전후 영상에서의 픽셀 변화량을 면적으로 변환하여 계산하였으며 하동(Fig. 5a)은 0.8 ha, 황용동(Fig. 5b)은 1.2 ha, 진현동(Fig. 5c)은 1.0 ha였다. 마동(Fig. 5d)은 2.1 ha로 변화량이 가장 컸으며, 외동읍(Fig. 5e)은 0.1 ha로 가장 작았고 문무대왕면(Fig. 5f)은 1.8 ha로 계산되었다.

본 절에서는 위성영상을 이용하여 태풍 힌남노 발생에 따른 경상북도 경주시의 피해 영향에 대해 살펴보았으며, 집중호우로 인해 본 연구의 대상지인 토함산에 발생한 피해를 간접적으로 확인할 수 있었다. 토함산에 대한 산지토사재해 의심지역을 파악하기 위해 국토지리정보원에서 제공받은 고해상도 항공 정사영상을 활용하였으며, 행정구역 별 총 22개의 지역을 선정했다. 다만 항공 정사영상의 경우 고해상도로 육안판독에 용이하지만 연도별 촬영된 시기가 계절적인 차이가 큰 한계로 명확한 판독을 위해 2022년부터 2024년까지 동시기 3개년의 위성영상을 활용했다. 또한 산지토사재해로 인한 지표의 물리적, 화학적 변화에 따라 달라진 반사특성을 평가하기 위해 2022년과 2024년 위성영상에서 복사에너지 값을 픽셀 단위로 산출하고 각각을 차분하여 변화량을 면적으로 산출했다. 본 연구에서 원격탐사 자료를 통해 파악된 결과를 파악하기 위해서는 반드시 현장조사를 통한 검증이 필요하다. 본 연구대상지는 지난 2년간 지속적으로 산지토사재해가 발생했으며, 향후에도 발생할 가능성이 다분한 것으로 사료된다. 본 연구에서의 항공영상과 위성영상의 육안판독 및 복사에너지의 변화량 분석 모니터링 결과가 현장조사에 앞서 기초 자료로 활용될 수 있으며, 중장기 관리대책 수립에도 활용될 수 있을 것으로 사료된다.

3.2. 산지토사재해 위험지 선정

우리나라는 사방댐 설치, 계류보전, 산지사방 설치 작업을 통해 산지토사재해를 예방하고 있다. 사방댐, 계류보전, 산지사방 설치 등을 통해 유속을 줄이고 침식을 억제시켜 토석류를 퇴적시켜 인명 및 재산피해를 예방하고 있다. 이러한 예방책을 적용하기 이전에 산지토사재해 위험지를 선정하고 있으며, 이에 따라 본 연구에서는 현재도 진행 중인 토함산을 대상으로 주변 시설물, 민가 등을 고려하여 위험지를 선정해보고자 하였다.

산지토사재해는 지형적 특성에 따라 여러 위치에서 다양한 형태로 발생할 수 있지만, 계곡부를 따라 산사면을 통해 하류로 내려오는 양상이 가장 일반적이다. 계곡부는 토사와 물이 자연스럽게 모이는 주요 경로로 작용하여, 대규모 토석류가 형성되고 이동할 수 있는 통로가 되므로, 계곡을 따라 형성된 재해는 하류로 빠르게 전파되면서 더욱 큰 피해를 일으킬 가능성이 높다. 본 연구에서는 계곡부와 인접한 지역의 지형 특성을 분석하기 위해 연속수치지형도 중 1:5,000 축척의 하천 중심선 자료를 추가로 활용하였으며, 분석 결과 계곡을 따라 발생한 경우, 계곡부 시점에서 발생한 경우, 계곡부 외부에서 발생한 경우의 세 가지 유형으로 재해 발생 지점을 구분했다(Fig. 6).

Figure 6. Classification and risk assessment of forest soil sediment disaster-prone areas by types. (a) and (b) indicate the nearby villages in the area affected by the disaster. (c) represents the facilities. (d) shows the expected affected area.

먼저 계곡을 따라 발생하는 사례인 Fig. 6(a)는 토석류가 집중되어 하류로 이동하며 경로 내 모든 지점에서 연쇄적인 영향을 미칠 가능성이 있다고 판단된다. 특히, 계곡부 하류에는 민가와 문화유산인 불국사가 위치해 있어, 이 지역은 재해에 매우 취약할 가능성이 크며, 사방댐 등의사전재해 방지시설의 설치와 지속적 모니터링이 필수적이라고 사료된다. 다음으로 계곡부 시점에서 발생한 사례인 Fig. 6(b)는 주로 상부에서 시작된 토사와 물이 계곡 경사를 타고 하류로 흐르면 피해 범위를 확장시킬 수 있는 잠재성이 크다. 본 연구의 대상지에서도 계곡부 시점에서 시작된 토사가 하류로 유출될 가능성이 높아 해당 지역 하류에 위치한 마을과 취약시설에 대한 주기적인 관측과 예방 관리가 필요할 것으로 판단된다. 마지막으로 계곡부 외 지역에서 발생한 사례인 Fig. 6(c)는 일반적인 토사 이동 경로에서 벗어나 독립적으로 나타나기 때문에 예측이 어려우며, 주변 시설물이나 민가에 예기치 못한 피해를 초래할 수 있다. 본 사례에서는 석굴암 인근에서도 토사재해 흔적이 확인되어, 해당 지역에 대한 추가적인 조사와 예방적 모니터링이 필요할 것으로 판단된다.

Fig. 6(d)에서는 본 연구 대상지 내에서 수치지형도의 건물정보를 추가하여 산지토사재해의 위험이 높은 지역을 분석한 결과를 제시하였다. 분석 결과, 시설물이 밀집된 세 지역은 산지토사재해의 영향을 크게 받을 수 있는 지역으로 판단되며, 세 지역에 대한 지속적 모니터링과 함께 피해를 최소화하기 위한 예방 조치가 시급한 것으로 판단된다. 특히 해당 지역은 재해 발생 시 직접적인 피해뿐 아니라 사회·경제적으로도 큰 손실을 입을 가능성이 높으므로 국가 차원의 재난 대비 체계 수립과 함께 위험 관리 계획 마련이 필수적이다.

4. 결론

본 연구는 2022년 태풍 힌남노의 영향으로 경상북도 경주시 토함산에서 발생한 산지토사재해를 모니터링하고, 위험지 분석을 통해 효율적인 방재 방안을 제시하였다. 이를 위해 다양한 원격탐사 자료를 활용하여 연구 대상지 내 지형적 특성과 재해 발생 양상을 분석했다. 구체적으로 PlanetScope 및 Sentinel 위성영상, 국토지리정보원의 항공영상, 드론 영상을 활용하여 재해 발생 전후의 변화 및 피해 양상을 파악했다.

연구 결과, 토함산 지역 내 산지토사재해는 주로 계곡부를 따라 하류로 집중되는 경향이 강하였으며, 계곡 시점 및 계곡 외부에서도 일부 발생하여 다양한 위치에서 재해가 확인되었다. 이러한 재해 발생패턴을 기반으로 산지토사재해 유형을 (a) 계곡부를 따라 발생하는 경우, (b) 계곡부 시점에서 발생하는 경우, (c) 계곡 외부에서 발생하는 경우로 구분하였고, 이에 따른 맞춤형 방재 방안을 제안했다. 특히 본 연구에서 확인된 토함산 내 주요 문화재(예: 불국사, 석굴암)와 민가가 위치한 지역은 집중적인 모니터링과 예방 조치가 필요하다는 점을 확인했다.

본 연구의 의의는 다양한 원격탐사 자료를 융합하여 산지토사재해의 위치별 특성을 종합적으로 파악함으로써, 단순한 재해 감지에 그치지 않고 이를 기반으로 구체적인 방재 대책을 수립할 수 있도록 기초 자료를 제공하는 데 있다. 본 연구 결과는 다음과 같은 점에서 실질적인 기여를 할 수 있다:

  • 방재 효율성 강화: 계곡부를 따라 하류로 이어지는 토사 이동 경로와 같은 지형적 특성에 기반한 모니터링 체계를 구축함으로써, 재해 발생 가능성이 높은 지역에 대한 선제적 대응 방안을 마련할 수 있다.

  • 문화유산 및 민가 보호: 연구를 통해 산지토사재해의 위험이 높다고 판단된 지역에 대해 문화유산과 민가 보호를 위한 체계적 관리 방안을 제시했다. 이를 통해 장기적인 방재 인프라 강화와 국가 문화유산 보호에 기여할 수 있을 것으로 기대된다.

  • 원격탐사 자료의 활용성 확대: 본 연구는 위성영상과 항공영상을 결합하여 광범위한 지역의 재해 현황을 모니터링하고, 드론영상으로 세부적인 피해 지역을 보완 분석하는 방안을 제안함으로써 원격탐사 자료의 실질적 활용성을 제고했다. 이는 추후 다른 지역의 재해 대응 모델 개발에도 유용한 기준을 제공할 수 있다.

따라서 본 연구는 향후 산지토사재해 관리에서 원격탐사 자료의 정량적 분석을 통한 모니터링의 필요성을 강조하며, 국가 차원의 장기적 방재 및 복구 체계 수립에도 기초 자료로 활용될 수 있을 것으로 판단된다.

사사

본 연구는 행정안전부 국립재난안전연구원의 지원(재난분야 위성자료 활용성 증대를 위한 다종위성 활용방안 연구, NDMI-주요-2024-03-01)에 의해 수행되었습니다.

Conflict of Interest

No potential conflict of interest relevant to this article was reported.

Fig 1.

Figure 1.Location of the study area (Gyeongju-si, Gyeonsangbuk-do).
Korean Journal of Remote Sensing 2024; 40: 1305-1314https://doi.org/10.7780/kjrs.2024.40.6.2.2

Fig 2.

Figure 2.Changes in reservoirs and rivers after Typhoon Hinnamnor (2022.09.07). (a) and (b) are pre- and post-typhoon images from PlanetScope satellites. (c) and (d) are pre- and post-typhoon images from Sentinel-1 satellite images.
Korean Journal of Remote Sensing 2024; 40: 1305-1314https://doi.org/10.7780/kjrs.2024.40.6.2.2

Fig 3.

Figure 3.Detection of potential forest soil sediment disaster areas on Mt. Toham using high-resolution aerial orthophotos.
Korean Journal of Remote Sensing 2024; 40: 1305-1314https://doi.org/10.7780/kjrs.2024.40.6.2.2

Fig 4.

Figure 4.Identification of forest soil sediment disaster traces in administrative units using multi-temporal satellite images.
Korean Journal of Remote Sensing 2024; 40: 1305-1314https://doi.org/10.7780/kjrs.2024.40.6.2.2

Fig 5.

Figure 5.Pixel-wise change detection of top-of-atmosphere radiance (TOAR) values in potential forest soil sediment disaster regions (2022 and 2024).
Korean Journal of Remote Sensing 2024; 40: 1305-1314https://doi.org/10.7780/kjrs.2024.40.6.2.2

Fig 6.

Figure 6.Classification and risk assessment of forest soil sediment disaster-prone areas by types. (a) and (b) indicate the nearby villages in the area affected by the disaster. (c) represents the facilities. (d) shows the expected affected area.
Korean Journal of Remote Sensing 2024; 40: 1305-1314https://doi.org/10.7780/kjrs.2024.40.6.2.2

Table 1 . Specification of remote sensing and spatial data for forest soil sediment disaster monitoring.

Data categoryData typeImage bandResolution (m)Supplier (Agency)Purpose
Aerial imageryOrthophotoRGB0.25NGIISeasonal change detection and highresolution damage assessment
Satellite imagesOptic (PlanetScope)RGB+NIR3PlanetPre and post-typhoon surface change detection and time-series analysis
Optic (Sentinel-2)Multispectral10ESASurface reflectance analysis and environmental change evaluation
SAR (Sentinel-1)C-band SAR10ESADetection of water bodies and analysis of flooded areas along stream centerline
Other spatial dataTopographic map-1:5,000NGIIStream centerline path analysis and identification of hazard-prone areas

SAR: synthetic aperture radar, NGII: National Geographic Information Institute, ESA: European Satellite Agency..


References

  1. Awada, H., Di Prima, S., Sirca, C., Giadrossich, F., Marras, S., Spano, D., and Pirastru, M., 2022. A remote sensing and modeling integrated approach for constructing continuous time series of daily actual evapotranspiration. Agricultural Water Management, 260, 107320. https://doi.org/10.1016/j.agwat.2021.107320
  2. Choi, J. H., 2016. An experimental study on filtering acoustic signals of different bedload particles using the hydrophone. Master's thesis, Kangwon National University, Chuncheon, Republic of Korea.
  3. Gwak, S. B., Lee, H. J., and You, J. H., 2023. The status and characteristics of invasive alien plants distributed in parking lots in Gyeongju National Park. Journal of the Korean Institute of Garden Design, 9(4), 283-299. https://doi.org/10.22849/jkigd.2023.9.4.007
  4. Gyeongsangbuk-do, 2024. Gyeongsangbuk-do, 'Landslide Countermeasures Situation Room' activated to prepare for landslide disasters. Available online: https://www.gb.go.kr/Main/page.do?mnu_uid=6792&dept_code=&dept_name=&BD_CODE=bbs_bodo&bdName=&cmd=2&Start=50&B_NUM=412010701&B_STEP=412010700&B_LEVEL=0&key=4&word=&p1=0&p2=0&V_NUM=9007&tbbscode1=bbs_bodo (accessed on Oct. 27, 2024)
  5. Kim, G. H., 2014. Landslides and other landslides using the ground disaster risk map management of risk area, Korea Disaster Prevention Association. https://koreascience.kr/article/JAKO201356039807342.pdf
  6. Kim, H. W., Kim, M. H., and Lee, Y. W., 2022a. Research trend of the remote sensing image analysis using deep learning. Korean Journal of Remote Sensing, 38(5-3), 819-834. https://doi.org/10.7780/kjrs.2022.38.5.3.2
  7. Kim, N. G., and Park, Y. S., 2023. Landslide risk analysis due to development of mountain area. Journal of Korean Society of Disaster and Security, 16(4), 67-74. https://doi.org/10.21729/ksds.2023.16.4.67
  8. Kim, S. U., Jun, K. W., Jin, J. M., and Jo, H. I., 2022b. A study on bed load measuring device installation for sediment disaster prediction. Crisisonomy, 18(2), 63-70. https://doi.org/10.14251/crisisonomy.2022.18.2.63
  9. Ministry of the Interior and Safety, 2024. 2022 disaster yearbook. Available online: https://www.safekorea.go.kr/idsiSFK/neo/sfk/cs/csc/bbs_conf.jsp?bbs_no=26&emgPage=Y&menuSeq=735&viewtype=read&bbs_ordr=2547 (accessed on Oct. 27, 2024)
  10. Oh, C. Y., and Jun, K. W., 2023. Utilizing drones in landslide-prone areas- A case study on mountain roads. Crisisonomy, 19(11), 63-71. https://doi.org/10.14251/crisisonomy.2023.19.11.63
  11. Oh, C. Y., Jun, K. W., Jang, C. D., and Jun, B. H., 2011. Verifying of soil water index for sediment disaster triggering in mountainous area. Crisisonomy, 7(4), 167-176.
  12. Park, B. S., and Seo, H. S., 2013. A case study for the slope face collapse and occurrence of debris flow according to heavy rain. Korean Review of Crisis and Emergency Management, 9(11), 19-29.
  13. Park, J., and Kang, K., 2022. Research of water-related disaster monitoring using satellite bigdata based on Google Earth Engine cloud computing platform. Korean Journal of Remote Sensing, 38(6-3), 1761-1775. https://doi.org/10.7780/kjrs.2022.38.6.3.2
  14. Park, J., Kang, K., and Hwang, E., 2021a. Extraction of water body area using micro satellite SAR: A case study of the Daecheng Dam of South Korea. Journal of the Korean Association of Geographic Information Studies, 24(4), 41-54. https://doi.org/10.11108/kagis.2021.24.4.041
  15. Park, J., Lee, D., Lee, J., Cheon, E., and Jeong, H., 2023. Study on disaster response strategies using multi-sensors satellite imagery. Korean Journal of Remote Sensing, 39(5-2), 755-770. https://doi.org/10.7780/kjrs.2023.39.5.2.2
  16. Park, S. Y., Moon, S. W., Choi, J., and Seo, Y. S., 2021b. Machine-learning evaluation of factors influencing landslides. The Journal of Engineering Geology, 31(4), 701-718. https://doi.org/10.9720/kseg.2021.4.701
  17. Ro, K. S., Jeon, B. J., and Jeon, K. W., 2015. Induction wall influence review by debris flow's impact force. Journal of the Korean Society of Hazard Mitigation, 15(2), 159-164. https://doi.org/10.9798/KOSHAM.2015.15.2.159
  18. Ryu, J. H., Sung, H. J., and Kim, Y., 2014. A study on the major factors causing the sediment disasters by case analysis. Journal of the Korean Society of Hazard Mitigation, 14(6), 151-157. http://doi.org/10.9798/KOSHAM.2014.14.6.151
  19. Seoul Metropolitan City, 2023. Definition of a Landslide - What is a Landslide?. Available online: https://news.seoul.go.kr/env/mountain-disaster-prevention/is_landslide (accessed on Oct. 27, 2024)
  20. Song, Y., Lee, H. J., Joo, J., and Park, M., 2024. Predicting damage characteristics of heavy rain disasters using artificial neural network. Journal of the Korean Society of Hazard Mitigation, 24(1), 83-89. https://doi.org/10.9798/KOSHAM.2024.24.1.83
  21. Suh, Y. H., and Lee, G. H., 2024. Predicting landslide susceptibility using high-resolution active remote sensing data: An interpretable machine learning approach. Journal of the Korean Cartographic Association, 24(2), 89-111. https://doi.org/10.16879/jkca.2024.24.2.089
KSRS
December 2024 Vol. 40, No.6, pp. 1005-989

Metrics

Share

  • line

Related Articles

Korean Journal of Remote Sensing