Deep Neural Network와 Convolutional Neural Network 모델을 이용한 산사태 취약성 매핑

공성현; 백원경; 정형섭

추천

검색

자료유형: 학술저널

저자정보: 공성현 (서울시립대학교) 백원경 (서울시립대학교) 정형섭 (서울시립대학교)

저널정보: 대한원격탐사학회 대한원격탐사학회지 대한원격탐사학회지 제38권 제6호

발행연도: 2022.12

수록면: 1,723 - 1,735 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

산사태는 가장 널리 퍼진 자연재해 중 하나로 인명 및 재산피해 뿐만 아니라 범 국가적 차원의 피해를유발할 수 있기 때문에 효과적인 예측 및 예방이 필수적이다. 높은 정확도를 갖는 산사태 취약성도를 제작하려는 연구는 꾸준히 진행되고 있으며 다양한 모델이 산사태 취약성 분석에 적용되어 왔다. 빈도비 모델, logisticregression 모델, ensembles 모델, 인공신경망 등의 모델과 같이 픽셀기반 머신러닝 모델들이 주로 적용되어 왔고 최근 연구에서는 커널기반의 합성곱신경망 기법이 효과적이라는 사실과 함께 입력자료의 공간적 특성이산사태 취약성 매핑의 정확도에 중요한 영향을 미친다는 사실이 알려졌다. 이러한 이유로 본 연구에서는 픽셀기반 deep neural network (DNN) 모델과 패치기반 convolutional neural network (CNN) 모델을 이용하여 산사태취약성을 분석하는 것을 목적으로 한다. 연구지역은 산사태 발생 빈도가 높고 피해가 큰 인제, 강릉, 평창을 포함한 강원도 지역으로 설정하였고, 산사태 관련인자로는 경사도, 곡률, 하천강도지수, 지형습윤지수, 지형위치지수, 임상경급, 임상영급, 암상, 토지이용, 유효토심, 토양모재, 선구조 밀도, 단층 밀도, 정규식생지수, 정규수분지수의 15개 데이터를 이용하였다. 데이터 전처리 과정을 통해 산사태관련인자를 공간데이터베이스로 구축하였으며 DNN, CNN 모델을 이용하여 산사태 취약성도를 작성하였다. 정량적인 지표를 통해 모델과 산사태취약성도에 대한 검증을 진행하였으며 검증결과 패치기반의 CNN 모델에서 픽셀기반의 DNN 모델에 비해3.4% 향상된 성능을 보였다. 본 연구의 결과는 산사태를 예측하는데 사용될 수 있고 토지 이용 정책 및 산사태관리에 관한 정책 수립에 있어 기초자료 역할을 할 수 있을 것으로 기대된다.

Landslides are one of the most prevalent natural disasters, threating both humans andproperty. Also landslides can cause damage at the national level, so effective prediction and preventionare essential. Research to produce a landslide susceptibility map with high accuracy is steadily beingconducted, and various models have been applied to landslide susceptibility analysis. Pixel-based machinelearning models such as frequency ratio models, logistic regression models, ensembles models, andArtificial Neural Networks have been mainly applied. Recent studies have shown that the kernel-basedconvolutional neural network (CNN) technique is effective and that the spatial characteristics of inputdata have a significant effect on the accuracy of landslide susceptibility mapping. For this reason, thepurpose of this study is to analyze landslide vulnerability using a pixel-based deep neural network modeland a patch-based convolutional neural network model. The research area was set up in Gangwon-do,including Inje, Gangneung, and Pyeongchang, where landslides occurred frequently and damaged.Landslide-related factors include slope, curvature, stream power index (SPI), topographic wetness index(TWI), topographic position index (TPI), timber diameter, timber age, lithology, land use, soil depth,soil parent material, lineament density, fault density, normalized difference vegetation index (NDVI)and normalized difference water index (NDWI) were used. Landslide-related factors were built into aspatial database through data preprocessing, and landslide susceptibility map was predicted using deepneural network (DNN) and CNN models. The model and landslide susceptibility map were verifiedthrough average precision (AP) and root mean square errors (RMSE), and as a result of the verification,the patch-based CNN model showed 3.4% improved performance compared to the pixel-based DNN model. The results of this study can be used to predict landslides and are expected to serve as a scientificbasis for establishing land use policies and landslide management policies.

#Landslides #Susceptibility map #Deep learning #Deep neural network #Convolutional neural network

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

공성현

소속기관 서울시립대학교

주요연구분야 자연과학 > 기타 자연과학

논문수 1 이용수 56

백원경

소속기관 서울시립대학교

주요연구분야 자연과학 > 기타 자연과학

논문수 16 이용수 363

정형섭

소속기관 서울시립대학교

주요연구분야 공학 > 건축공학 > 토목공학 자연과학 > 지구과학 > 대기과학

논문수 47 이용수 1,900

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)