This study aims to predict the time of landslide occurrence through seepage analysis and slope stability analysis in the event of rainfall by predicting seepage analysis data (soil type, water content change, soil water characteristic curve (SWCC) parameters, saturated hydraulic conductivity) that are necessary for landslide prediction. Recently, significant research is being conducted on remote sensing and unmanned aerial vehicle (UAV) monitoring. These methods are more accessible compared to satellite images and are useful for examining wide areas as they are suitable for time-series monitoring. Therefore, this study utilizes UAVs to analyze the spectral data of soil samples obtained from mountains in 18 regions in Korea. Additionally, models are developed to estimate the soil type and hydraulic characteristics.
First, spectral images of soil samples were obtained through hyperspectral experiments, and the images were analyzed at the pixel level. Artificial neural networks (ANN) were then developed to predict the soil type, change in water content, SWCC parameters, and saturated hydraulic conductivity. The ANNs were trained by classifying Korean soils into four main colors: brown, red, yellow, and gray. In the case of the ANN for soil classification, an index capable of classifying each soil was proposed through the spectral analysis of 114 soils, and this index was used as input data for the artificial neural network. In the case of water content, the factor with the strongest correlation with water content was determined through regression analysis and was used as input data for the ANN. The coefficients of determination of the developed artificial neural network were all 0.9 or higher, indicating high predictive performance.
The spectral images acquired using the UAV include location information, and after being converted into an orthographic image through pre-processing, spectral data were obtained through layer stacking. Subsequently, trees were removed from the image and only the exposed sections of the topsoil were extracted. The ANN capable of estimating soil type was applied to map the sand % and the fine % of the soil in the Pyeongchang area. Here, the root mean square error (RMSE) was 5.48 for sandy soil and 0.107 for fine soil. The estimated sand % and fine %values are necessary input factors of ANN models developed to predict SWCC parameters and saturated hydraulic
conductivity.
Similarly, the ANN model capable of predicting water content variation was applied to sites in Gokseong and Pyeongchang. As a result, the resulting the mean square error (MSE) was 1.69 in the Gokseong area and 4.12 in the Pyeongchang area. Therefore, the model is evaluated to be highly capable of predicting water content variation in soils in the field.
Furthermore, a seepage analysis factor prediction model is proposed in this study. Using this model, seepage analysis and slope stability analysis were performed by considering a rainfall event that occurred in Songnisan in August 2021. First, high-resolution topographic information of the site was acquired using a UAV- LiDAR system. Next, numerical analysis was performed using data measured at the site and the predicted seepage analysis data. Based on these results, the changes in slope safety factor under rainfall were compared and analyzed. The findings highlight the potential of the final developed predictive model to be used in the field to provide primary data for slope stability evaluations over wide areas.
본 연구에서는 산사태 예측을 위해 필요한 침투해석 인자 (흙의 종류, 함수비 변화, 함수특성곡선 인자, 포화투수계수)를 예측하여 강우 발생 시 침투해석 및 사면안정해석을 통해 산사태 발생 시기를 예측하는 것을 목표로 하였다. 최근 무인항공기를 이용한 원격탐사 및 모니터링에 대한 연구가 활발히 진행 중이다. 이는 위성 영상에 비해 상대적으로 접근이 쉽고, 시계열 모니터링에 적합하여 광역지역의 대상지를 탐사하는데 유용하다. 따라서 본 연구에서는 무인항공기를 이용해 우리나라 18개 지역의 산지에서 획득된 흙에 대한 분광 데이터를 분석하였고 흙의 종류 및 수리학적 특성을 추정하였다.
먼저 초분광 실험을 통해 흙의 분광 이미지를 획득하고 픽셀 단위로 분광 데이터를 분석하여 흙의 종류, 함수비 변화, 함수특성곡선 인자, 포화투수계수를 예측할 수 있는 인공신경망을 개발 하였다. 우리나라의 흙을 갈색, 적색, 황색, 회색으로 총 4가지 색으로 분류하여 각각의 인공신경망 별로 학습을 시켰다. 흙의 분류를 위한 인공신경망의 경우 114개의 흙의 분광 분석을 통해 각 흙을 분류할수 있는 지수를 제안 하였고, 이를 인공신경망 입력자료로 사용하였다. 함수비의 경우 회귀분석을 통해 함수비과 가장 관련성 높은 인자를 제안하여 마찬가지로 인공신경망 입력자료로 사용하였다. 개발된 인공신경망의 결정게수는 모두 0.9이상으로 높은 예측성능을 보여주었다.
무인항공기를 통해 획득한 분광 이미지는 위치 정보를 포함하고 있으며 전처리 과정을 통해 하나의 정사 영상으로 변환한 후, 밴드 병합 작업을 통해 분광 데이터를 획득하였다. 수목을 제거한 후 표토의 노출 구간만을 추출하였다. 흙의 종류를 추정할 수 있는 인공신경망을 적용하여 평창 지역에 사질토 %와 세립토 %를 맵핑하였고, 평균제곱오차는 사질토의 경우 30.10, 세립토의 경우 0.013 으로 나타났다. 이를 함수특성곡선 인자와 포화투수계수 예측 모델의 입력 인자로 필요한 사질토 %와 세립토 %를 추정하는데 활용하였다.
마찬가지로 함수비 변화 예측이 가능한 인공신경망을 곡성과 평창 지역에 적용하였다. 그 결과, 곡성 지역에서의 평균제곱오차는 1.69, 평창 지역에서의 평균제곱오차는 4.12로 현장 지반에 대한 예측성능이 높다고 평가되었다.
본 연구에서 제안된 침투해석 인자 예측 모델은 2021년 8월 속리산 유 역에 발생하였던 강우량을 기준으로 침투해석 및 사면안정해석을 수행하였다. 먼저 현장의 정확한 지형정보를 획득하기 위해 무인항공기와 라이다를 이용해 고해상도 지형정보를 획득하였다. 이후 현장에서 계측된 자료와 예측된 침투해석 데이터로 수치해석 한 결과를 바탕으로 강우 발생시 변화되는 사면의 안전율을 비교 분석 하였다. 그 결과, 최종적으로 개발된 예측모델의 현장 적용 가능성을 확인하였고, 이는 광역지역의 사면 안정성 평가 기초자료로 활용될 수 있다.
