1.1. 연구배경

최근 재난은 다양한 요인들이 상호 연계되어 발생하는 연쇄적, 복합적, 대규모 재해로 나타나고 있으며, 그로 인한 피해 또한 증가하는 추세를 보이고 있다. 특히, 기후변화에 따른 집중호우와 태풍은 국민의 생명과 재산을 위협하는 산사태의 주요 원인으로 작용하고 있다. 2023년 7월은 우리나라 중부지방(경상북도, 충청북도, 충청남도)에 집중호우로 인한 대규모 산사태가 여러 곳에 발생하였고, 한 해 동안의 산사태 피해현황은 붕괴면적 459 ha, 사망자 13명, 복구비용은 약 1,428억원으로 최근 10년 중 가장 큰 피해가 발생했다(Statistics Korea, 2021).

산사태는 주로 강우에 의해 발생하지만, 지형, 토질, 수목 상태, 임의 개발 등 현장 특성에 따라 구체적인 발생 원인은 상이할 수 있다. 이러한 산사태의 재발을 방지하기 위해서는 강우 외에 제어 가능한 요인들을 파악하고 이를 개선·보완하는 과정이 필수적이다. 이를 위해서는 정확한 현장 조사를 통해 산사태와 해당 지역의 지형적 특성 간의 인과관계를 분석하는 것이 중요하다.

산사태 피해지역의 지형 정보는 매우 중요한 요소로 작용한다. 기존에는 휴대용 global positioning system (GPS) 장비와 레이저 거리측정기를 이용해 피해 지점의 자료를 수집해 왔다. 그러나 이러한 인력 중심의 조사는 급경사지나 절벽 등 접근이 어려운 지역에서 시간적·공간적 한계를 가지며, 산사태 피해 조사 범위 및 수준 또한 제한적일 수밖에 없다. 최근에는 지상 light detection and ranging (LiDAR)를 활용하여 고해상도의 포인트 클라우드를 취득하고 이를 분석에 활용하기도 하지만, 장비 이동성에 따른 한계로 인해 원거리 스캔 시 해상도가 저하될 수 있으며, 스캔 위치와 동일선상에 있는 수목과 같은 장애물이나 급경사로 인해 피해 대상지의 정보가 누락되는 문제점이 있다.

기존에 활용되던 위성지도는 산사태 피해 조사에서 전통적인 방법으로 사용되어 왔다. 그러나 인공위성의 촬영 주기, 날씨, 해상도 등 필요한 조건을 충족하기 어려우며, 조건을 충족하더라도 붕괴 형태, 면적, 길이 등 정량적인 규모를 파악하는 데에는 한계가 있다. 또한 이러한 매핑 방식은 장기적인 산사태 발생 이력에 대한 database (DB) 구축에 제한이 있어, 장기간에 걸친 산사태 사례를 바탕으로 산사태 특성을 분석하는 데에 이르지 못하는 실정이다. 따라서 산사태 사고조사 및 복구 계획을 수립하기 위해서는 발생 현황 및 붕괴 원인 등에 대한 정량적 조사 및 분석 방법의 개발이 필요하며, 드론매핑(drone mapping) 기술은 기존의 산사태 피해 조사 방법보다 빠르고 효율적이며, 안전한 자료 수집 도구이다.

1.2. 드론매핑 기술

최근 드론을 활용한 매핑 기술은 여러 연구 분야에서 활용되고 있다. 드론매핑 기술은 인공위성 사진 자료나 항공사진과 다르게 필요한 지역의 고해상도 영상 자료를 취득할 수 있어 매우 효율적이다(Oh and Jun, 2023). 특히 사람이 접근하기 어려운 급경사지, 고산지, 절벽과 같은 지역에 상대적으로 쉽게 접근할 수 있고 적은 인원으로 빠르게 조사할 수 있어 투입되는 시간과 비용이 경제적이다(Kim et al., 2019a; Tanzi et al., 2016). 또한 목적에 따라서 드론에 장착할 수 있는 페이로드가 다양하여 활용가치가 높다. 이와 같이 드론매핑 기술은 기존의 연구의 한계를 극복하는 중요한 역할을 하고 있다.

드론매핑은 비행계획, 자료취득, 성과제작의 단계를 거치게 된다. 비행계획을 위해 대상지 주변 환경, 풍향, 풍속, 목표지점과의 거리 등을 확인한다. 또한 필요에 따라서 기체 또는 카메라의 캘리브레이션(calibration) 작업을 수행하여 최적화 상태를 유지한다. 자료 취득을 위해서는 비행고도와 중복도 설정이 필요하며, 이 둘의 관계에 의해서 매핑 해상도가 결정되어 매우 중요하다. 마지막으로 드론매핑 결과물은 3차원 포인트 클라우드, 정사영상, digital surface model (DSM)/digital terrain model (DTM) 등이 있으며, 이는 현장 정보를 정밀하게 파악할 수 있는 자료로 활용된다(Kim et al., 2019b).

본 절에서는 산사태가 발생한 현장에 대한 원인조사를 위해 피해 조사 과정에 드론매핑 기술을 시범 적용한 다양한 사례에 대해 고찰하였다. 과거에 드론은 위치오차가 크게 발생하여 global navigation satellite system 장비를 활용한 지상기준점 측량 값을 활용했지만, 최근에는 real time kinematice (RTK) 센서를 장착한 드론이 등장하면서 복잡한 작업과정을 거치지 않고 보다 정확한 매핑 결과를 취득할 수 있게 되었다. Shin et al. (2020)은 산악지역에서 드론매핑의 한계를 극복하기위해 기존의 방법과 RTK 드론을 활용한 방법을 시도하여 보다 효과적인 결과를 보여주었다. 비슷한 사례로 드론에 postprocessed kinematic (PPK) 장비를 탑재하여 사면의 변위와 변위 속도를 모니터링할 수 있으며, 지상기준점 값을 활용한다면 보다 정확한 분석 결과를 얻을 수 있다(Cho et al., 2022).

드론 기반의 산사태 분석에서 가장 보편적이게 사용할 수 있는 분석자료는 드론매핑 결과물이며, 관련된 연구도 활발히 진행되고 있다. 드론으로 제작한 digital elevation model (DEM)과 DSM은 급경사지하부의 지반 변위를 조사하기 위하여 산사태 시뮬레이션에 활용할 수 있다(Choi et al., 2021). 또한 드론 영상 기반의 3차원 모델링은 토양의 체적을 측정할 수 있어 사면 변위 지역의 토양 이동을 확인하기에 효율적이다(Mokhtar et al., 2014).

기존의 산사태 조사를 위해 활용하고 있는 지형자료들을 드론 매핑 결과물과 비교하면 그 효율성을 더 정확하게 확인할 수 있다. Shin et al. (2017)은 산사태 발생 구간의 피해규모를 분석하기 위하여 기존의 수치지형도와 GPS 측량과 드론측량의 결과를 바탕으로 표고, 경사, 면적의 정확도를 비교하여 드론 영상에 의한 조사 방법이 시간이나 인력 운용에 있어 매우 효율적이고 정확함을 보여주었다. Oh and Jun (2023)은 산사태 위험지역에서 지형 변화 분석을 위하여 수치지형도와 항공사진을 드론 DEM과 비교하여 고도와 경사도의 차이의 정확도를 비교하였다. 이뿐만 아니라 드론매핑 결과물과 분석 가능한 자료는 정사영상, 포인트 클라우드, DSM등을 조합 또는 결합하여 산사태 붕괴 및 균열 그리고 움직임을 비교 및 분석할 수 있다(Eker et al., 2018; Lian et al., 2020).

산사태 연구는 드론에 다양한 센서를 페이로드하여 자료를 취득하고 분석할 수 있다. 산사태 위험지역에 고해상도 지형정보를 취득하기 위해서 라이다, 광학카메라, 분광카메라를 적용한 드론 시스템은 산사태 면적을 효율적으로 추출할 수 있다(Choi, 2021). 이처럼 다양한 센서 기반의 드론 기술의 통합은 정적 및 동적 산사태 특성에 대한 이해를 향상시키며, 균열 및 균열 감지를 위한 표면 변화 모니터링을 포함한 산사태 프로세스의 시간적 및 공간적 역학 모니터링을 한다(Sun et al., 2023).

산사태 피해 조사를 가장 효과적이게 수행하기 위해서는 피해 지점과 주변의 지면을 분류하여 분석할 수 있는 기술이 중요하다. 지면분리 기법 중 가장 많이 활용되고 있는 cloth simulation filtering (CSF) 알고리즘은 드론 라이다에서 취득한 포인트 클라우드 자료를 바탕으로 지면과 비지면을 분류하기 때문에 산사태 현장에 효과적으로 활용할 수 있다(Koo et al., 2023). CSF 알고리즘과 같은 progressive TIN densification , multiscale curvature classification (MCC) 알고리즘을 활용하여 지상에서 취득한 라이다 자료를 분석한 결과 지면에 존재하는 식물의 밀도에 따라서 분류 결과 정확도가 다르다(Gutierrez Mozo et al., 2020). 나아가 드론 영상에서 산사태 위험정보를 탐지하기 위해서 딥러닝 신경망을 활용하여 탐지 모델을 개발한 결과, 실제 산사태 지역 대상으로 91%의 높은 탐지 결과를 얻은 연구도 있다(Chen et al., 2020).

가장 최근에는 드론 플랫폼에 synthetic aperture radar (SAR) 시스템을 장착하여 위성보다 저렴한 비용으로 고해상도의 이미지를 생성하여 환경 모니터링 및 재난 대응과 같은 실시간 현장 응용 기술에 대한 연구가 이루어지고 있다(Bekar et al., 2021). 드론 SAR 시스템에 Ku-band 레이더를 활용하여 지역별 지형 관찰, 토지 변화감지, 지면변위 모니터링 등 SAR 시스템의 효율성에 대한 연구도 이루어지고 있다(Ruiz-Carregal et al., 2024).

본 연구에서는 드론매핑 기술을 활용하여 산사태 피해 조사 및 분석의 효율성을 높이는데 목적이 있다. 기존의 전통적인 조사 방법의 문제점을 해결하기 위해 드론을 활용한 고해상도 정사영상과 3차원 모델을 제작하고 산사태 붕괴 형태, 토석류 유출 경로, 퇴적 위치 등을 정량적으로 분석하는 방법을 제안하고자 한다. 이러한 분석 결과는 산사태 피해 규모 평가, 추가 붕괴 가능성 예측, 효과적인 복구 계획 수립 등 중요한 자료로 활용될 수 있을 것이다.

2.1. 연구대상지 및 조사장비

산사태와 토석류는 강우에 의해서 발생하는 대표적인 자연재해이다. 산사태는 집중호우나 태풍과 같은 단기간 많은 비에 의해서 땅속 흙의 공간이 물로 포화가 되면 산지의 토양과 암반의 지지력이 약해져 갑작스럽게 붕괴하는 현상이다. 토석류는 산지 내에서 발생한 산사태로 토사, 나무, 암석 등이 혼합되어 계곡을 따라 빗물과 함께 급류처럼 흘러내리는 현상이다. 우리나라의 경우 산지에서 발생한 산사태가 토석류의 원인이 되는 경우가 대부분이다. 토석류를 조사하기 위해서는 산사태가 발생한 발생부, 계곡이나 비탈면을 따라 흘러내린 이동부, 산지 하부에 토사물이 퇴적된 퇴적부로 구분하여 조사가 이루어진다. 산사태 조사관이 토석류가 발생한 각 지점의 특성을 조사하기에는 다양한 한계점이 있다. 산악지형에서 발생하는 토석류는 경사가 크고 경로가 길어 장비나 인력을 동원하는데 현장의 물리적 한계가 있다. 또한 현장의 신속한 피해복구나 자료 취득을 위한 피해 현장의 훼손 등 조속히 이루어저야 하는 조사의 한계점이 분명한게 사실이다.

2023년 7월 9일부터 16일까지 우리나라 중부지방에 집중호우가 내렸고 연구 대상지인 경상북도 봉화군과 예천군은 산사태와 토석류로 인하여 많은 재산피해와 인명피해가 발생했다(Fig. 1). 집계된 피해현장은 봉화군 2곳, 예천군 5곳으로 봉화군 서동길을 제외한 5곳은 모두 토석류이며, 복구가 진행되는 가운데 신속한 조사를 위해서 피해 현장을 대상으로 조사관의 전문적인 현장조사와 병행하여 드론매핑을 수행하였다.

Figure 1. Study area and landslide occurrence map.

산사태 조사에 활용한 장비는 DJI사의 Matrice 300 RTK 드론과 Zenmuse P1 광학센서를 사용하였다(Fig. 2). Matrice 300 RTK 드론은 비행시간이 최대 55분으로 기존 상용 드론 보다 약 30분 가량의 비행시간이 증가했으며, RTK 센서가 탑재되어 있어 보정 없이도 사진에 저장된 위치값이 수평으로 ±1 cm, 수직으로 ±1.5 cm의 높은 정확도를 나타낸다(Table 1). 또한 Zenmuse P1 광학센서는 센서 크기가 35 mm의 full frame으로 50 mm렌즈와 동등한 영상범위를 가지고 있으며, 4,500만 화소의 고해상도 사진을 촬영할 수 있다(Table 2).

Figure 2. Drone and sensor image. (a) Matice 300 RTK. (b) Zenmuse P1.

Table 1 . Specifications of a Matrice 300 RTK.

Dimensions (mm)	Weight (kg)	Speed (m/s)	Flight time (min)	RTK accuracy
810 × 670 × 430 (Unfolded, propellers excluded)	9 (Max takeoff)	17 (Max, P mode)	55 (Max)	Ver. ±1.0 cm Hor. ±1.5 cm

Table 2 . Specifications of a Zenmuse P1.

Sensor size (mm)	Effective pixel (MP)	FOV (°)	Aperture	ISO
35.9 × 24 (Full-frame)	45	63.5	f/2.8 – f/16	100-25,600

2.2. 지형을 고려한 드론매핑 방법

산사태의 일반적인 개요는 조사관이 현장조사에서 취득한 산사태 발생 위치, 이동경로, 피해지역 등과 같은 정보를 상업용 위성지도에 표현하고 있다(Fig. 3). 이러한 2차원적인 표현은 개략적인 현황 파악이 가능하나 붕괴형상, 길이, 면적, 체적과 같은 세부 사항을 정량화하고 보여주는데 한계가 있다. 또한 장기간에 걸쳐 발생한 산사태의 경우 발생하는 현상에 대한 시계열적인 정보를 DB화 하고 구축하는데 있어 한계가 있다.

Figure 3. Example of landslide mapping using satellite image. (a) Debris flow mapping. (b) Landslide mapping.

산사태 조사관이 현장에서 지형 및 지질 특성을 조사할 때, 드론매핑으로 조사관 관점에서 현장을 기록하고 필요한 정보를 제공할 수 있도록 병행하면, 산사태 원인을 파악하기 위한 현장의 3차원적인 정보 기록과 정량적인 수치를 지도에 표현하고 광범위한 공간정보를 정량적으로 보여줄 수 있다. 따라서 드론매핑을 산사태 피해현장에 활용하는 것이 필수적이며, 이를 위해 산악지형에 대한 3차원 정보를 정확하게 파악하는 것이 우선되어야 한다.

일반적으로 드론 항공촬영을 통하여 고해상도의 정사영상이나 3차원 지형모델을 제작하기 위해서는 드론매핑 비행임무를 수행한다. 드론매핑은 자료취득 목적에 따라서 임무장비를 선택하고 카메라 각도, 비행고도, 비행경로, 중복도를 설정하여 ground sample distance (GSD)를 계산할 수 있다. GSD는 드론매핑 성과물인 정사영상이나 3차원 지형모델의 품질을 나타내므로 비행계획시 고려해야 하는 핵심지표이다.

기존의 드론매핑 방식은 카메라를 수직 방향으로 두고 항공사진을 촬영하는 것이 일반적인 방법이다. 그러나 높이가 다른 지형이나 건물과 같은 정보가 고려되지 않기 때문에 GSD가 일정하지 않다는 한계가 있다. 따라서 드론 항공사진 촬영 시 경사촬영 또는 지형추적 방법을 활용하면 효율적이다(Kim et al., 2023). 경사(oblique) 촬영 방식은 설정한 촬영면적을 기준으로 대상지역내 수직 방향 촬영과 전후좌우 방향 촬영을 병행한다. 따라서 도심속 건물의 측면에 대한 모델 제작이 가능하고 수직 방향의 GSD와 경사 방향의 GSD를 각각 계산할 수 있다.

지형추적(terrain follow) 촬영 방식은 지표면에 상대적인 고도인 above ground level (AGL)을 설정하기 위해서 고도 정보가 포함된 DSM이나 DEM정보를 활용할 수 있다. 선행된 대상지역내의 비행 결과 값에서 DSM을 제작하여 지형추적 자료로 활용하거나, 일본경제산업성과 미국항공우주국이 공동 출시한 advanced spaceborne thermal emission and reflection eadiometer global digital elevationmap (ASTER GDEM) V3 지오이드(geoid) DB의 오픈 소스를 내려받아 활용할 수 있다. 지형추적 방식을 활용하게 되면 드론과 지상의 상대적인 높이가 변화하지 않도록 비행할 수 있어 GSD도 일정하게 유지된다(Fig. 4).

Figure 4. Drone mapping method image. (a) Normal mode. (b) Oblique mode. (c) Terrain follow mode.

2.3. 지면분류 방법

산악지역에서 드론을 사용한 항공사진 촬영에 가장 큰 제약 중 하나는 산림에 의해 지면이 보이지 않는 경우가 빈번하다는 것이다. 산사태 발생 자료를 확보하기 위해서는 조사관이 지상에서 산사태 경로를 따라 이동하면서 관찰되는 특징을 드론 영상에서도 파악할 수 있어야 한다. 그러나 단편적으로 촬영한 사진이나 이동경로를 따라서 촬영한 동영상을 가지고는 암석 경사, 토양층 두께 및 변화, 세굴, 침식 등의 산사태 발생 특징을 취득하기 어렵다.

최근에는 산악지역에서 수목과 지면을 분류하기 위해 LiDAR, 드론매핑, 위성영상 등 다양하게 수집된 자료를 처리하는 기술이 발전하고 있다. LiDAR 시스템은 레이저 펄스를 활용해 반사되는 지표면과 지상위 물체의 거리에 따라 위치 정보값이 저장된 3차원 포인트 클라우드를 생성할 수 있다. 여름철이나 수목이 우거진 산림에도 다중 리턴 방식을 활용하여 지표면 정보를 얻을 수 있는 것이 큰 특징 이다. 드론매핑은 넓은지역에 항공촬영을 통하여 정밀한 정사지도, 3차원 모델을 제작할 수 있다. 특히 항공영상을 기반으로DEM/DSM 지형모델을 생성할 수 있어 지형요소와 비지형요소를 서로 비교할 수 있으며, 중첩된 항공영상을 structure from motion (SfM) 기법의 scale-invariant feature transform (SIFT) 또 는 speeded-up robust features (SURF) 알고리즘을 사용하여 동일한 특징점을 탐색 및 추출하여 조밀한 포인트 클라우드를 생성할 수 있다.

LiDAR 또는 드론매핑을 통해 생성되는 3차원 포인트 클라우드를 분류하기 위해서는 필터링, 머신러닝, 딥러닝 등 다양한 방법을 활용할 수 있다. 머신러닝 기법은 위치정보, RGB, 반사 강도, 점 밀도 등을 입력 변수로 활용하여 포인트를 정밀하게 분류할 수 있다. 대표적인 알고리즘으로는 random forest (RF), support vector machine (SVM), K-Means clustering 등이 있지만 3차원 포인트 클라우드 수가 많을수록 처리 시간과 계산 자원이 많이 필요하다. 딥러닝 기법은 3차원 포인트 클라우드의 패턴을 학습시켜 복잡한 환경의 자료도 분류할 수 있다.

대표적으로 PointNet, PointCNN, DeepLab 등의 알고리즘이 있으며, 딥러닝 특성상 많은 자료를 학습한 모델의 충분한 성능과 고성능 하드웨어가 필요하다. 최근에는 다양한 공간정보 소프트웨어에서 3차원 포인트 클라우드를 시각화하고 수동 또는 자동으로 분류할 수 있다. 특히 드론과 관련한 Pix4D, DJI Terra, Terrasolid 등의 소프트웨어에서 CSF, TIN, MCC 알고리즘을 활용하여 지면과 비지면을 분류하는 기능이 상용화되고 있어, 연구의 목적과 자료의 복잡도에 따라서 적절한 분류 기법을 선택하여 활용할 수 있는 폭이 넓어지고 있다.

본 연구에서는 집중호우 피해로 발생한 산사태 지역을 조사하기 위해 전문 조사관의 물리적 현장조사와 더불어 드론매핑을 활용했으며, 현장기록 및 보존과 동시에 산사태 원인 및 피해 분석을 위한 실험을 진행하였다(Fig. 5).

Figure 5. Study methodology flowchart.

3.1. 항공사진 취득결과 및 영상분석

드론항공 촬영은 산사태 발생현장 주변 여건을 고려하여 안전하게 비행해야 한다. 가시권 비행을 위해서 고도를 산사태 현장마다 다르게 설정하였으며, 고해상도의 정사영상과 3차원 모델 제작을 위해서 중독도 80%로 설정했다. 산악지역 항공촬영을 위해 지형추적 기능을 사용하여 지형 변화에 맞게 고도를 조절하고 일정한 GSD를 확보했다. 경사촬영의 경우 지형의 고저차가 크고 좁은 계곡이 발달해 비행시 조종기와 기체의 연결이 끊길 수 있으며, RTK 신호가 약해지거나 차단될 수 있어 병행하지 않았다. 산사태 현장 여건에 따라서 최소 5분에서 최대 약 35분의 비행임무를 수행했으며, 촬영면적 역시 서동길 산사태 현장을 제외하고는 모두 토석류 현장으로 그 피해 규모가 크게 나타났다. 촬영된 사진 수는 최소 279장에서 최대 1,954장까지이며, 어림성길 현장의 경우 고도가 높은 곳에서 여러 개의 산사태가 발생했고 토석류 이동부가 길어 3회에 걸처 영상을 취득했다. GSD는 모두 2 cm이내로 사진의 픽셀 하나당 2 cm이내의 해상력을 가지고 있다(Table 3).

Table 3 . Flight results of landslide area.

Location	Altitude (m)	Camera angle (°)	Overlap (%)	Flight time	Area (ha)	Number of images	GSD (cm/pixel)
304-134, Seodong-gil	100	90	80	5 min 1 s	4.5	279	1.26
409-42, Haksan-gil	150	90	80	17 min	27.8	671	1.88
250-37, Eorimseong-gil	100	90	80	34 min 46 s	37.3	1,954	1.26
289-13, Saburyong-gil	150	90	80	18 min 24 s	25.5	694	1.88
189, Beakseok-gil	150	90	80	22 min 32 s	39.2	896	1.88

마지막으로 서백로 현장은 산사태 발생지역에 송전탑이 지나가고 있어 비행시 조종기 연결끊김 및 RTK 통신 오류가 발생해 전경 및 현황만 촬영했다. 자봉길 현장은 길이 협소하고 재난 복구가 진행중이어 접근이 어려운 상황으로 드론항공 촬영을 하지 않았다.

본 연구에서는 발생규모와 특징이 구분되는 서동길 산사태 현장과 어림성길 토석류 현장을 대상으로 분석을 수행했다. 드론 영상처리는 드론매핑 전문 소프트웨어인 DJI Terra를 활용했으며, 비행계획 수립, 정사영상 생성, 3차원 모델링 및 포인트 클라우드 생성, 다중분광영상지도 제작 등 건설 및 토목, 농업, 인프라 관리 등의 분야에서 효율적으로 활용하고 있으며, 특히 지상기준점과 RTK/PPK 모듈을 활용한 고정밀 매핑이 가능하다.

각 현장의 정사영상은 기존의 상업용 위성영상보다 고해상도의 영상으로 발생 현장에 대한 붕괴형상, 길이, 면적 등을 정밀하게 분석이 가능하고 재난발생 당시의 현황에 대한 정보가 저장되어 전후 지형변화나 주변의 배수로, 절개지 등을 탐지하고 지표면 변형을 측정해 추가 붕괴 가능성을 예측할 수 있지만, 깊이와 경사 정보가 중요한 산사태 조사에서 분석의 제약이나 한계가 있다. 반면, 3차원 모델은 시각적으로 고도변화를 확인할 수 있으며, 토사 이동경로나 붕괴 규모를 정확히 파악할 수 있다. 또한 붕괴 지점의 절벽이나 암반의 모양 변형을 명확하게 표현되고 실제와 같은 형태를 시각화할 수 있어 의사결정자의 이해를 높일 수 있다(Fig. 6).

Figure 6. Orthoimages produced by drone mapping. (a) Seodong-gil site. (b) Eorimseong-gil site.

산사태 현장의 3차원 모델의 경우 붕괴 위치부터 토사가 퇴적된 위치까지 고해상도 결과를 확인할 수 있었다. 특히, 붕괴 위치는 붕괴원인과 관련된 지질 및 지형 분석이 가능한 수준의 정밀한 3차원 모델확보가 가능했다. 이러한 결과는 조사관이 현장에서 기록한 현장 정보를 재확인하고, 추가적인 정보를 제공하여 원인분석에 효과과적으로 활용될 수 있다(Fig. 7).

Figure 7. 3D model view of the landslide occurrence area (Seoding-gil site). (a) Close-up image of the collapse site. (b) The deposition starting point. (c) The sediment deposition area.

토석류 발생 현장은 붕괴 위치부터 산지 아래 마을에 토사가 퇴적된 구역까지 조사영역이 매우 광범위한 특징을 가지고 있다. 토석류 3차원 모델은 토사가 계곡을 따라 흐른 후 하부에 토사물이 퇴적되어 있는 모습을 한눈에 확인할 수 있었다. 이를 통해 조사자가 육안으로 확인하지 못했던 퇴적면적이나 피해주택의 수 등 피해정도 등을 파악할 수 있었다(Fig. 8).

Figure 8. 3D model view of the debris flow occurrence area (Eorimseong-gil site). (a) Close-up image of the collapse site. (b) The sediment deposition area. (c) A sediment-moving area.

3.2. 산사태 유출로 분석

산사태 붕괴부를 3차원 모델에서 분석할 때 가장큰 제약은 주변 수목에 의해 지반이 가려져 토석류가 유출한 경로의 일부가 보이지 않는 경우가 빈번하다는 것이다. 지상에서 조사관이 산사태 유출로를 따라 이동하면서 국지적으로 관찰한 정보를 드론 영상 결과에서 확보하기 위해서는 수목에 의해 가려진 지반의 이미지 확보가 필수적이다.

본 연구에서는 Pix4Dsurvey 프로그램의 지형 필터 기능을 활용하여 지형과 비지형을 구분했다. 지형 필터 기능은 샘플링 거리, 강직성 (rigidity), 지상 임계값을 설정할 수 있다. 샘플거리는 지형의 복잡도에 따라서 격자의 크기를 5 m–0.5 m까지 설정하여 지형의 다양한 세부정보를 감지할 수 있다. 강직성은 지형을 시뮬레이션하는 기본구조를 3단계로 설정할 수 있다. 지상 임계값은 앞에서 설정한 샘플거리와 강직성 매개변수를 기반으로 생성된 표면 사이의 최대 허용 거리를 설정하여 지형 분류 결과를 얻을 수 있다. 실험을 위해서 어림성길 현장을 대상으로 샘플링 거리 1 m, 강직성 중간, 지상 임계값 0.5 m로 설정하고 지면 필터 기능을 활용하여 산사태 발생지점 체적을 계산하였다. 또한 정확도 비교를 위하여 수동으로 지면을 분류하고 산사태 발생지점의 붕괴면을 따라 계산한 체적 값과 비교하였다. 체적계산은 붕괴면을 따라 만든 다각형을 기준하여 GSD 간격으로 격자를 투영하고 각 셀에 대한 체적을 식(1)과 같이 계산한다.

이 때, 길이(L_i)와 넓이(W_i)는 GSD의 가로 및 세로의 길이와 동일하고 높이(H_i)는 격자에 해당하는 3차원 지형의 고도(Z_Ti)와 격자 차이다(식2).

따라서 격자 하나의 부피는 식(3)과 같으며, 총 체적은 식(4)와 같이 지형이 바닥보다 높을 때(V_C)의 체적을 계산한 격자 개수(n)와 지형이 바닥보다 낮을 때(V_F)의 체적을 계산한 격자 개수(n)의 차를 계산했다.

먼저, 대상지의 발생현황은 붕괴부의 길이가 349 m, 경사가 25.6°, 이동부의 길이가 426 m, 경사가 16.2°, 퇴적부의 길이가 1,056 m, 경사가 10°로 나타났다. 토석류 붕괴지점은 임도를 따라 A, B, C 총 3개 부분에서 강우로 인한 세굴 및 침식으로 다량의 토사유실이 발생했으며, 앞의 두 가지 방법에 따라 각 구간의 체적을 계산하고 비교하였다(Fig. 9).

Figure 9. Debris flow sites in the Eorimseong-gil.

분석을 위한 포인트 클라우드는 253,729,883개로 지면 필터 기능을 사용하여 26,923,742개, 수동으로 분류하여 33,571,849개로 나타났으며, 수동 분류에서 지면 필터 기능보다 비교적 더 많은 지면의 포인트를 관측할 수 있었다(Fig. 10).

Figure 10. Point cloud classification results. (a) Ground filter function. (b) Manual classification.

각 구간 산사태 발생지점의 체적은 지면 필터링 결과, 발생지점 A가 2,991 m³, 발생지점 B가 3,681 m³, 발생지점 C가 4,652 m³로 나타났으며, 수동 분류의 체적 산출 결과는 발생지점 A가 2,710 m³, 발생지점 B가 3,654 m³, 발생지점 C가 4,444 m³로 나타났다. 각 발생지점 마다 281 m³, 27 m³, 208 m³의 면적이 차이가 났다(Table 4).

Table 4 . Area calculation results of occurrence sections.

Ground classification methods	Section A (m3)	Section B (m3)	Section C (m3)
Ground filter function	2,991	3,681	4,652
Manual classification	2,710	3,654	4,444
(a)–(b)	281	27	208

분석 결과, 산사태 발생지점의 체적 값은 지면 분류 방법에 따라서 차이가 나는 것을 확인할 수 있었다. 그러나 산사태 원인 및 피해조사가 신속하게 진행될 수 있다는 점에서 수동 분류보다 지면 필터 기능의 효율성이 좋으며, 붕괴면을 따라 생성한 다각형 아래로 포인트 클라우드가 관측되지 않더라도 주변 포인트 간 최적의 연결로 삼각형을 생성하여 지형을 유지하면서 체적을 계산하기 때문에 발생지점 B와 같이 작은 차이의 결과가 나타날 수 있다(Fig. 11).

Figure 11. Comparison images of polygon generation for volume calculation. (a) Ground filter function. (b) Manual classification.

본 연구는 산사태 발생 현장에 드론을 활용하여 고해상도 정사영상과 3차원 모델을 제작하고, 이를 바탕으로 산사태 붕괴 형태와 토석류 유출 경로를 분석했다. 드론매핑 기술의 적용은 접근이 어려운 산사태 현장에서 효율성이 크며, 비행고도, 중복도, GSD 설정에 따라 고해상도의 포인트 클라우드, 정사영상, DSM, DTM등의 지형정보를 바탕으로 정밀한 현장분석이 가능했다. 특히, 산악지형에서의 드론매핑 한계를 극복하기 위해 고해상도의 카메라 센서와 RTK를 통해 지형변화에 따른 정밀한 3차원 모델을 생성함으로써 붕괴 위치와 토석류 유출 경로 및 퇴적 위치 등을 명확히 확인할 수 있어, 추가 붕괴 가능성 예측 및 재난 상황 관리에 중요한 자료로 활용될 수 있다.

산사태 조사 과정에서 드론 영상 분석의 주요 한계로는 수목에 의 해 가려진 지형이 충분히 드러나지 않아 유출 경로 일부가 불분명하게 나타나는 문제가 있다. 이를 보완하기 위해 Pix4Dsurvey 프로그램의 지형 필터 기능을 활용하여 지형과 비지형을 구분하고, 샘플링 거리, 강직성, 지상 임계값 등의 매개변수를 설정하여 체적 분석을 수행했다. 지면 필터 기능을 통해 산사태 발생지점의 붕괴 체적을 자동으로 계산했으며, 수동 분류와 비교했을 때 지면 필터 기능이 신속하고 효율적임을 확인할 수 있었다.

본 연구 결과는 드론 영상 자료를 통해 산사태의 발생 형태와 피해규모를 체계적으로 분석하고, 추가적인 지형 변화 가능성을 예측하는 데 기여할 수 있다. 또한 지면 필터 기능을 활용한 자동화된 체적 분석 기법이 산사태 피해 조사와 복구 계획 수립에 효과적으로 활용될 수 있을 것으로 판단된다.

이 논문은 2023년 국립재난안전연구원의 “재난안전관리업무지원기술개발(R&D)-이동형 로봇기반의 재난사고 현장조사 공유 기술개발(NDMI-주요-2024-06-02)”의 지원을 받았으며, 이에 감사드립니다.

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