Research Article

Journal of the Korean Geosynthetics Society. September 2020. 1-8
https://doi.org/10.12814/jkgss.2020.19.3.001


ABSTRACT


MAIN

  • 1. 서 론

  • 2. 재료 및 방법

  •   2.1 토석류 수치해석 방법

  •   2.2 선행연구 결과 비교를 통한 토질정수 검증

  •   2.3 연구대상지 데이터 취득 및 처리

  • 3. 결과 및 고찰

  • 4. 결 론

1. 서 론

토석류(Debris Flow)는 지질 현상으로 집중 호우 등에 의해 물로 포화된 토양과 조각난 암석이 물과 함께 하류로 밀려 떠내려가면서 경로 상에 물체를 혼입 시켜 계곡 바닥에 두꺼운 진흙 퇴적물을 형성한다. 토석류는 발생부로부터 수십 킬로미터를 이동하면서 넓은 지역에 막대한 피해를 입힌다. 또한 높은 퇴적물 농도와 이동성 때문에 매우 파괴적이다.

토석류는 높은 부피 밀도를 갖지만, 높은 기공 유체 압력에 의한 광범위한 퇴적 액화로 인해 거의 물처럼 유동적으로 흐른다. 따라서 토석류 해석을 위해서는 토질역학, 유체역학, 수문학적 해석이 필수적이며, 최근 국내에서는 최신 공간 정보를 기반으로 하는 GIS(Geographic Information System), RS(Remote Sensing)기술을 적용한 토석류 해석 및 위험평가 연구들이 수행되고 있다.

국내 SPH 기반 프로그램으로 토석류를 분석한 연구가 진행 중에 있으나 매우 미미한 실정이다. 토석류와 관련한 국내연구를 살펴보면, Choi and Kwon(2017)은 사방댐 설치에 따른 토석류 흐름에 대한 영향을 수치해석적 접근으로 사방댐의 배치에 따른 토석류의 속도와 깊이 변화를 분석하였다. Kim and Han(2017)은 정밀토양도와 GIS를 이용하여 토석류 발생지역 예측 분석에서의 SINMAP 모형을 적용한 토석류 발생지역 예측기법으로 정밀토양도와 토질강도정수(c, ϕ)를 이용해 다중보정영역을 적용하는 방법에 대해 제안하였다. Choi(2018)는 FLO-2D 수치해석 모델을 이용하여 토석류 거동 분석 및 건물 위험도 평가에서의 현장 자료를 바탕으로 토석류 유동학적 인자 도출 후 수치해석 프로그램 FLO-2D 모형에 적용시켜 토석류의 거동을 모의하였다.

기존 선행연구에서 토석류 수치해석 시 대부분 인공위성 GPS(Global Positioning System)를 이용해 제공받은 위치정보를 GIS기법으로 생성한 지형데이터를 사용하는 경우가 많다. 위성사진을 활용한 공간분석은 넓은 지역에 활용 가능한 장점이 있지만, 최근 설치된 도로 및 구조물에 대한 실시간 지형 데이터 반영이 어렵고, 좁은 계곡부 및 소규모 지형에 활용하기 어려운 단점이 있다.

본 연구에서는 토석류 매커니즘 분석을 위해 SPH(Smoothed Particle Hydrodynamics) 기법을 사용하여 토석류 수치해석을 수행하고 선행연구와 비교하여 토질정수의 적용성을 검증하였다. 또한, 드론을 이용하여 항공사진측량을 수행한 후 이를 기반으로 지형모델을 생성하고 NFLOW를 활용하여 토석류 수치해석을 수행하고 결과값을 기존의 방법과 비교·분석하였다.

본 연구를 통해 드론 영상 및 NFLOW를 활용한 토석류 분석기법은 사방댐 위치선정 등 토석류 예방 대책 수립 시 기초자료로 활용될 수 있을 것으로 사료된다.

2. 재료 및 방법

2.1 토석류 수치해석 방법

SPH(Smoothed Particle Hydrodynamics)는 경계가 없는 상태에서 임의로 3차원으로 움직이는 유체 덩어리와 관련된 천체 물리학에서 비축대칭 현상을 시뮬레이션 하기 위해 고안되었다(Lucy, 1977; Gingold and Monorhan, 1977). SPH 기법은 입자 방법으로 세포법(PIC)의 입자(Harlow, 1957)와 달리 SPH는 공간적 파생물을 계산하기 위해 그리드가 불필요하다. SPH의 중심에는 모든 함수를 난해한 점 집합에서 값의 관점으로 표현할 수 있는 보간법(Lucy, 1977; Gingold and Monaghan, 1977; Monaghan, 1985)을 사용하며 입자들의 관계로부터 물리량을 계산한다. SPH는 자유표면 해석 및 유동해석 등 다양한 유체해석에 적용되고 있다. 특히, Pastor et al.(2014), Cascini et al.(2014) 연구에서 토석류 해석을 통해 SPH 토석류 해석기법의 적용성을 확인하였다.

본 연구에서는 Iverson et al.(2010)의 연구를 참고하여 토석류 현장 모형 실험을 제시된 물성값과 동일한 지반조건으로 SPH기반 프로그램인 NFLOW를 사용하여 수치해석을 수행하였다. NFLOW는 유체 물리적 특성 해석에 따라 특화된 유체해석 시뮬레이션 소프트웨어로 Multi-Phase, 강체와의 상호작용, 자유수면 해석, 입자표현 등 비선형 자유표면 유동을 탁월하게 분석할 수 있다.

토석류는 일반적인 산사태와는 달리 많은 물을 함유함으로써 암석과 같은 큰 입자들을 포함하고, 토체가 아닌 혼합체로 거동하는 특징을 지닌다. 토석류의 밀도(ρdf)는 토석류 사태물질의 공극률 및 체분석 결과 값을 이용하여 아래 식 (1)과 같이 추정될 수 있다(Iverson, 1997).

$$\rho_{df}=\rho_{solid}\nu_{solid}+\rho_{fluid}\nu_{fluid}$$ (1)

여기서, ρsolid는 토석류 내 암편 밀도, νsolid는 암편 체적비, ρfluid는 토석류내 유체 밀도, νfluid는 유체 체적비를 나타낸다. 크기 0.063mm보다 작은 실트이하의 입자는 유체와 같은 거동을 하기 때문에 유체의 체적비에 포함된다. 대부분의 토석류 밀도(ρdf)는 2,000±500kg/m3의 범위로 분포한다(Curry, 1966; Pierson, 1981; Zhang, 1993; Iverson, 1997).

2.2 선행연구 결과 비교를 통한 토질정수 검증

선행 연구(Iverson et al., 2010)의 토석류 현장 모형 실험에서 시간에 대한 토석류 변위값(Fig. 1(a))과 특정 관측 지점(32m, 66m, 90m)에서의 토석류 퇴적 높이(Fig. 2 참조)를 NFLOW 수치해석 결과와 비교하였다. NFLOW 수치해석을 통해 얻어진 시간에 따른 토석류 변위값(Fig. 1(b))과 특정 관측 지점(32m, 66m, 90m) 토석류 도달 시간, 토석류 퇴적 높이(Fig. 2)는 선행 연구와 유사한 것으로 나타났다.

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F1.jpg
Fig. 1.

Position Change of Flow Fronts over Time

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F2.jpg
Fig. 2.

Thickness Change over Time

본 연구에서는 선행연구의 토석류 모형 실험(Fig. 3)과 같은 조건으로 모델링(Fig. 4) 하였으며, 이후 단상유동해석으로 토석류 해석을 수행하였다. 토석류 해석조건은 정리해서 Table 1로 나타내었다.

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F3.jpg
Fig. 3.

Debris‐flow Flume, Oregon (Iverson et al. (2010))

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F4.jpg
Fig. 4.

Debris‐flow Flume, 3D Modeling

Table 1.

Analysis Conditions

Parameters Value
Density (kg/m3) 2,010
Viscosity (kg/(m·s)) 0.1
Gamma 7
Restitution 0.1
CS (s) 2
Analysis Interval (s) 0.001
Max Particles 300,000
Radius (m) 0.05
Friction Coefficient 0.05

본 연구에서의 적용한 흙의 밀도는 선행연구와 동일한 2,010kg/m3를 적용하였으며 점성계수도 Dilute Slurry의 점성계수를 참고하여 0.1kg/(m·s)를 적용하였는데 해석결과를 통해 이러한 값들은 적절한 것으로 판단된다.

2.3 연구대상지 데이터 취득 및 처리

본 연구에서는 선행연구(Iverson et al.(2010))에서의 모형실험과 비슷한 유역규모의 현장 적용성을 확인하기 위해 경남 의령시 자굴산 산림생태문화체험단지 유역 계곡부를 대상으로 해석을 수행하였다.

본 현장은 북위 35°22′40″, 동경 128°12′43″, 해발 897m로서 본 분석에 필요한 지형자료를 추출을 위하여 고정익 타입의 eBee 무인항공기를 사용하였다. 드론 촬영 시 광학센서는 Sony WX RGB 카메라를 사용하였으며, 지상기준점의 현장측량으로 Sokkia사의 GRX2를 사용하여 좌표를 취득하였다.

UAV(Unmanned Aerial Vehicle)와 자동 항로 소프트웨어 eMotion2를 사용하여 대상지역을 Fig. 5와 같이 촬영하였으며, 높이는 650m/ATO, 지반 해상도는 18.4cm/px, 촬영 중첩도는 종방향, 횡방향 각 80%로 설정하여 측량 오차를 최소화하였다. 취득영상의 왜곡을 방지하기 위해 대상 지역의 지상기준점 조사를 실시하였다.

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F5.jpg
Fig. 5.

UAV Photograph

지상 측량을 통해 기준점의 좌표(Fig. 6)를 획득하였으며, 획득된 각 좌표들은 3D모델의 오차범위를 줄이기 위해 보정하는데 사용되었다. 3D 지형모델 구축을 위해 eMotion2 소프트웨어를 통해 UAV 측량 데이터와 비행 로그 파일을 결합한 뒤 .p4d 파일을 생성하였다. Pix4Dmapper 3D 소프트웨어(Fig. 7)를 통해 모자이크 파일을 제작한 후 Virtual Surveyor 소프트웨어에서 해당 파일을 로드하여 최종적으로 3D지형모델을 생성하였다. Table 2는 지형 데이터를 추출하는 과정을 나타낸다.

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F6.jpg
Fig. 6.

GCP Coordinate Input

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F7.jpg
Fig. 7.

Pix4Dmapper 3D

Table 2.

Flow Chart of Data Processing Procedure

Stage Process
Stage 1 Area Selection
Stage 2 UAV Survey
Stage 3 GPS Survey of GCP Point
Stage 4 Pre-processing UAV Survey Data
Stage 5 Post-processing UAV Survey Data
Stage 6 Obtain 3D Topographic Map

데이터 처리를 통해 Fig. 8과 같은 3D지형모델을 생성하였는데 드론 촬영 데이터를 기반으로 생성된 3D지형의 매쉬의 크기는 1m이며 계곡부와 도로, 건물 지형이 선명하게 나타남을 볼 수 있다. 이는 Google Earth에서 데이터를 추출하여 생성한 매쉬 크기 10m인 3D지형 Fig. 8(a)와 비교하여 계곡부 및 도로 등 지형 및 구조물이 3D지형모델에 반영되어 높은 정확도를 나타내는 것으로 판단된다. 본 연구에서는 Fig. 8(b)와 같이 드론 영상 기반의 3D지형을 토석류 SPH 수치해석에 적용하였다.

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F8.jpg
Fig. 8.

3D Terrain Model

3. 결과 및 고찰

본 연구에서는 경남 의령시 자굴산 산림생태문화체험단지 유역 계곡부 Fig. 9(a)를 대상으로 SPH 기법을 적용한 토석류 수치해석을 수행하였다. 해당 계곡부는 Fig. 9(b)와 같이 수직거리 50m, 수평거리 125m, 계곡길이 135m, 계곡 폭 3∼10m이며 경사는 약 22°이다. 토석류 수치해석시 도로부, 계곡부 해석구역을 Area A, Area B로 나눠 마찰계수를 다르게 적용하여 해석을 수행하였다.

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F9.jpg
Fig. 9.

Terrain Setting

SPH 토석류 해석시 Table 3과 같이 해석조건에 따른 변화를 관찰하기 위해 Fig. 10과 같이 토석류 발생지점으로부터 45m 90m, 135m 떨어진 3개의 관측지점에서 토석류의 높이, 속도, 밀도값을 모니터링 하였다.

Table 3.

Case of Debris Flow

Case A1 A2 A3 B1 B2 B3
Amount (m3) 576 288
Friction
Coefficient
Area : A 0.05 0.06 0.07 0.05 0.06 0.07
Area : B 0.08
http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F10.jpg
Fig. 10.

Observation Point Setting

계곡부에 곡선 구간이 존재하고 단면이 불규칙하여 단순 비교하기 어렵지만 대체적으로 계곡부 상류에 해당하는 Fig. 11(a)의 45m 관측지점에서 토석류 높이를 보면 마찰계수보다 토석류 규모에 영향을 크게 받는 것으로 나타났다. 계곡부 중류에 해당하는 Fig. 11(b) 90m 관측지점에서 토석류 규모가 576m3 조건일 때 토석류 높이 4.5m∼4.9m, 288m3 조건일 때 토석류 높이 2.9m∼3.8m로 토석류 규모가 작을수록 마찰계수의 영향을 크게 받아 토석류 높이차의 폭이 큰 것으로 나타났다.

Fig. 11(c)의 관측지점 135m에서 토석류는 일정한 두께로 퇴적되었으며 관측지점에 도달하는 시간은 토석류 규모가 클수록 마찰계수가 작을수록 짧았다. 각 관측지점에서 케이스별 토석류 최대높이(Table 4)와 도달시간(Table 5)을 정리해서 표로 나타내었다.

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F11.jpg
Fig. 11.

Debris Flow Height over Time

Table 4.

Maximum Height of Debris Flow at the Observation Point

Case Maximum Height of Debris Flow at the Observation Point (m)
A1 A2 A3 B1 B2 B3
Point A 4.46 4.38 4.29 2.90 2.78 2.67
Point B 4.86 4.90 4.56 3.85 3.56 2.89
Point C 2.38 2.41 2.42 2.26 2.14 2.02
Table 5.

Reaching Time of Debris Flow to the Observation Point

Case Reaching Time of Debris Flow to the Observation Point (s)
A1 A2 A3 B1 B2 B3
Point A 3.1 3.1 3.1 4.0 4.1 4.2
Point B 5.8 6.0 6.3 6.9 7.1 7.4
Point C 9.1 9.5 9.9 10.9 11.8 13.2

Fig. 12는 Case A1에서 45m, 90m 관측지점의 토석류 밀도를 나타낸다. 토석류 높이의 절반을 기준으로 상하로 나눠 밀도를 측정한 결과 Point A 관측지점에서 하부구간 최대밀도 2,273.1kg/m3, 상하부 전체 평균밀도 2,125.2kg/m3, Point B 관측지점에서 하부구간 최대밀도 2,141.3kg/m3, 상하부 전체 평균밀도 2,068.0kg/m3로 토석류 하부구간 밀도가 더 크게 나타났다.

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F12.jpg
Fig. 12.

Debris Flow Density at the Observation Point

Fig. 13은 Case A, B 시간에 따른 토석류 속도를 나타낸다. 이때 속도는 모든 입자를 대상으로 한 각각의 속도 평균 값을 나타낸다. 관측지점에 토석류가 도달한 시간에 대해 그림으로 표시하였다. 관측지점에서 케이스별 토석류 속도는 Table 6와 같이 표로 나타냈다.

http://static.apub.kr/journalsite/sites/kgss/2020-019-03/N0150190301/images/kgss_19_03_01_F13.jpg
Fig. 13.

Debris Flow Velocity

Table 6.

Debris Flow Velocity at the Observation Point

Case Debris Flow Velocity at the Observation Point (m/s)
A1 A2 A3 B1 B2 B3
Point A 7.68 7.56 7.44 6.77 6.54 6.30
Point B 8.73 8.54 8.40 7.70 7.25 6.84
Point C 12.06 11.04 9.98 9.10 7.54 5.61

케이스별 토석류의 최대속도는 Case A에서 12.15m/s(A1), 11.19m/s(A2), 10.22m/s(A3)이며 Case B에서 9.33m/s(A1), 8.20m/s(A2), 7.22m/s(A3)이며 이후 도로부 구간 Point C를 지나면서 토석류의 속도는 감속하여 퇴적하게 된다. 동일 마찰계수 조건에 대해 2.8m/s∼3m/s의 최대속도 차이가 발생하였다.

4. 결 론

본 연구에서는 토석류 매커니즘 분석을 위해 드론을 이용하여 항공사진측량을 수행한 후 이를 기반으로 지형모델을 생성하고 SPH 기법의 토석류 수치해석을 수행하고 결과값을 기존의 방법과 비교·분석하였으며, 본 연구를 통해 얻어진 결론은 다음과 같다.

(1) 기존의 토석류 현장 모형 실험에 대해 NFLOW SPH 기법으로 수치해석한 결과, 토석류의 이동거리, 속도, 높이의 결과값이 양호한 정확도로 모의되어 수치해석 시 입력된 토질정수는 토석류 유동 및 퇴적을 합리적으로 해석하는데 적용 가능함을 확인하였다.

(2) 드론 영상 기반으로 생성한 3D지형은 매쉬 크기 1m의 높은 정확도로 대상지역을 나타내어 기존의 GPS와 GIS 기반의 3D지형에 비해 계곡부와 도로부를 정확히 구분되고 마찰계수도 구분하여 적용할 수 있어 드론 기반의 토석류 수치해석이 토석류의 영향범위 예측에 더 적절한 것으로 판단한다.

(3) 자굴산 토석류 SPH 수치해석 시 계곡부에서 토석류 높이와 속도는 마찰계수보다 토석류 규모에 영향을 크게 받는 것으로 나타났으며 토석류 규모가 작을수록 마찰계수의 영향을 크게 받는 것으로 나타났다.

(4) SPH 기법으로 수행한 토석류 수치해석 시 속도, 높이, 유량 뿐만 아니라 토석류 밀도 및 압력을 구할 수 있으며 이는 토석류 제어시설인 사방댐 위치선정 및 토석류 충격량 계산 등에 유용하게 활용될 수 있을 것으로 판단된다.

Acknowledgements

This research was supported by Kangwon National University LINC+ and E8IGHT

References

1

Kim, P. G. and Han, K. Y. (2017) "Numerical Modeling for the Detection of Debris Flow Using Detailed Soil Map and GIS", KOREAN SOCIETY OF CIVIL ENGINEERS, Vol.37, No.1, pp.43-59. (in Korean)

10.12652/Ksce.2017.37.1.0043
2

Choi, S. K. and Kwon, T. H. (2017) "Effect of Barrier Location on Debris Flow Behaviors: A Numerical Study", J. Korean Soc. Hazard Mitig, Vol.17, No.6, pp.383-388. (in Korean)

10.9798/KOSHAM.2017.17.6.383
3

Choi, J. R. (2018), "An Analysis of Debris-Flow Propagation Characteristics and Assessment of Building Hazard Mapping Using FLO-2D - The Case of Chuncheon Landslide Area", Crisisonomy, Vol.14, No.2, pp.91-99. (in Korean)

10.14251/crisisonomy.2018.14.2.91
4

Cascini, L., Cuomo, S., Pastor, M., Sorbino, G. and Piciullo, L. (2014), "SPH run-out modelling of channelised landslides of the flow type", Geomorphology, Vol.214, pp.502-513.

10.1016/j.geomorph.2014.02.031
5

Curry, R. R. (1966), "Observation of alpine mudflows in the Tenmile Range, central Colorado", Geological Society of America Bulletin, Vol.77, No.7, pp.771-776.

10.1130/0016-7606(1966)77[771:OOAMIT]2.0.CO;2
6

Gingold, R. A. and Monaghan, J. J. (1977), "Smoothed particle hydrodynamics: theory and application to non-spherical stars", Monthly notices of the royal astronomical society, Vol.181, No.3, pp-375-389.

10.1093/mnras/181.3.375
7

Harlow, F. H. (1957), "Hydrodynamic problems involving large fluid distortions", Journal of the ACM (JACM), Vol.4, No.2, pp.137-142.

10.1145/320868.320871
8

Harlow, F. H. (1962), "The particle-in-cell method for numerical solution of problems in fluid dynamics", Los Alamos Scientific Lab., N. Mex. No. LADC-5288.

10.2172/4769185PMC197895
9

Iverson, R. M. (1997), "The physics of debris flows", Reviews of geophysics, Vol.35, No.3, pp.245-296.

10.1029/97RG00426
10

Iverson, R. M., Logan, M., LaHusen, R. G. and Berti, M. (2010), "The perfect debris flow? Aggregated results from 28 large‐scale experiments", Journal of Geophysical Research: Earth Surface, Vol.115, Is.F3.

10.1029/2009JF001514
11

Lucy, L. B. (1977), "A numerical approach to the testing of the fission hypothesis", The astronomical journal, Vol.82, pp.1013-1024.

10.1086/112164
12

Monaghan, J. J. (1985), "Particle methods for hydrodynamics", Computer Physics Reports Vol.3, No.2, pp.71-124.

10.1016/0167-7977(85)90010-3
13

Pastor, M., Blanc, T., Haddad, B., Petrone, S., Morles, M. S., Drempetic, V., Issler, D., Crosta, G. B., Cascini, L., Sorbino, G. and Cuomo, S. (2014), "Application of a SPH depth-integrated model to landslide run-out analysis", Landslides, Vol.11, No.5, pp.793-812.

10.1007/s10346-014-0484-y
14

Pierson, T. C. (1981), "Dominant particle support mechanisms in debris flows at Mt Thomas, New Zealand, and implications for flow mobility", Sedimentology, Vol.28, No.1, pp.49-60.

10.1111/j.1365-3091.1981.tb01662.x
15

Zhang, S. (1993), "A comprehensive approach to the observation and prevention of debris flows in China", Natural Hazards, Vol.7, No.1, pp.1-23.

10.1007/BF00595676
페이지 상단으로 이동하기