KR102540454B1 - 침수 및 산불 재난위험분석 자동화 구축 방법 - Google Patents
침수 및 산불 재난위험분석 자동화 구축 방법 Download PDFInfo
- Publication number
- KR102540454B1 KR102540454B1 KR1020220169435A KR20220169435A KR102540454B1 KR 102540454 B1 KR102540454 B1 KR 102540454B1 KR 1020220169435 A KR1020220169435 A KR 1020220169435A KR 20220169435 A KR20220169435 A KR 20220169435A KR 102540454 B1 KR102540454 B1 KR 102540454B1
- Authority
- KR
- South Korea
- Prior art keywords
- disaster
- grid
- risk
- value
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 135
- 238000012502 risk assessment Methods 0.000 title claims abstract description 45
- 230000008569 process Effects 0.000 claims abstract description 113
- 238000010276 construction Methods 0.000 claims abstract description 45
- 230000003068 static effect Effects 0.000 claims abstract description 11
- 238000012935 Averaging Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000014509 gene expression Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 239000012467 final product Substances 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
본 발명은, 재난 위험 장소를 지도 위에 매핑하여 격자 기반으로 표시하되,
각종 재난에 대한 재난인자들에 의해 공간 및 격자 데이타를 구축한 후, 재난 위험분석 모델을 적용하여 재난유형별 위험도를 산출한 다음, 위험도 값을 등급화하여 재난 위험지도를 표출함으로써, 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있도록 하는 침수 및 산불 재난위험분석 자동화 구축 방법에 관한 것이다.
즉, 서버 컴퓨터 내 위험도 산출 프로그램에 의해 수행되며, 각 정보 제공원들로부터 동적, 정적 재난 관련정보들이 제공되면, 지오코딩 작업을 통해 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있도록 제공되는 격자기반 재난위험 지도의 자동 구축방법에 있어서,
실시간 제공되는 재난 관련 동적정보와 실시간 제공되지않는 재난 관련된 정적정보들로부터 각 재난 별 영향인자들을 구축하되, 각 영향인자들에 대한 공간 데이터를 구축한 후 이를 격자 데이터로 변환하는 공간 및 격자 데이터 구축과정과;
상기 재난 별 영향인자들의 영향도를 정규화한 다음, 지표별 영향인자 값을 평균하여 통계값을 산출하고 평균한 값을 다시 지표별 정규화함으로써, 재난 위험분석 모델을 적용하여 재난유형별 위험도를 산출하는 과정과;
위험도 값을 등급화한 후 지오코딩 작업을 통해 지도 위에 격자 변환된 상태로 모니터에 표시함으로써, 종합적인 재난 현황을 파악할 수 있도록 하는 재난위험 지도 표출과정으로 이루어진 것을 특징으로 한다.
각종 재난에 대한 재난인자들에 의해 공간 및 격자 데이타를 구축한 후, 재난 위험분석 모델을 적용하여 재난유형별 위험도를 산출한 다음, 위험도 값을 등급화하여 재난 위험지도를 표출함으로써, 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있도록 하는 침수 및 산불 재난위험분석 자동화 구축 방법에 관한 것이다.
즉, 서버 컴퓨터 내 위험도 산출 프로그램에 의해 수행되며, 각 정보 제공원들로부터 동적, 정적 재난 관련정보들이 제공되면, 지오코딩 작업을 통해 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있도록 제공되는 격자기반 재난위험 지도의 자동 구축방법에 있어서,
실시간 제공되는 재난 관련 동적정보와 실시간 제공되지않는 재난 관련된 정적정보들로부터 각 재난 별 영향인자들을 구축하되, 각 영향인자들에 대한 공간 데이터를 구축한 후 이를 격자 데이터로 변환하는 공간 및 격자 데이터 구축과정과;
상기 재난 별 영향인자들의 영향도를 정규화한 다음, 지표별 영향인자 값을 평균하여 통계값을 산출하고 평균한 값을 다시 지표별 정규화함으로써, 재난 위험분석 모델을 적용하여 재난유형별 위험도를 산출하는 과정과;
위험도 값을 등급화한 후 지오코딩 작업을 통해 지도 위에 격자 변환된 상태로 모니터에 표시함으로써, 종합적인 재난 현황을 파악할 수 있도록 하는 재난위험 지도 표출과정으로 이루어진 것을 특징으로 한다.
Description
본 발명은, 재난 위험 장소를 지도 위에 매핑하여 격자 기반으로 표시하되,
각종 재난에 대한 재난인자들에 의해 공간 및 격자 데이타를 구축한 후, 재난 위험분석 모델을 적용하여 재난유형별 위험도를 산출한 다음, 위험도 값을 등급화하여 재난 위험지도를 표출함으로써, 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있도록 하는 침수 및 산불 재난위험분석 자동화 구축 방법에 관한 것이다.
행정안전부와 지자체에서는 재난 예방 및 피해 경감을 위해, 행정안전부의 지역안전지수나 위험목록 보고서, 지자체 위험등급지도 또한 행정구역(시·군·구) 단위로 위험 및 안전 수준(지수, 등급)을 도출하여 매해 공표하고 있는데, 본원 발명은 해당 지자체가 관심을 가지고 선제적으로 관리해야 할 재난 유형 및 대상을 파악하는데 그 목적이 있다.
그 중에서 지역안전지수 결과의 일환으로 진행되는 지역 안전역량 향상 컨설팅에서도 기존의 행정구역 단위(읍·면·동)보다 상세하게 표현된 분석 결과물일수록 지자체의 업무 활용도가 높을 것으로 판단되어 2022년 시범 대상지를 선정하고 10m 격자 단위의 재난위험지도를 구축하였다.
이처럼 재난위험지도는 행정구역보다 세분화된 단위로 표출되어 재난관리 주체인 중앙정부, 지자체 등에서 실제로 위험한 지역이 어디인지 파악하고 선제적 관리 및 대응 계획을 수립할 수 있도록 지원하는데 의의가 있다. 행정구역 단위의 정보를 수집 또는 해석 시 통계자료의 집계 범위가 상이하거나 결측치가 발생할 경우 공간상에서 정보를 융합하고 분석하기에 한계가 있다.
따라서 이를 보완하고자 본원 발명에서는 국가지점번호 기반의 재난정보 격자체계, 즉 고정형 격자체계를 활용하였다. 국가지점번호는 「도로명주소법」 제2조 제9항에 따라 “국토 및 이와 인접한 해양을 격자형으로 일정하게 구획한 지점마다 부여된 번호”로 정의되며, 단일평면직각좌표계의 원점인 UTM-K로부터 서쪽 300㎞, 남쪽 700㎞ 지점을 기준점으로 정하고, 가로 세로의 길이가 각각 10m, 100m, 1㎞, 10㎞, 100㎞인 격자를 기본 단위로 하는데, 전 국토의 위치 표시 방식을 통일하여 재난 발생 시 신속한 대응 및 대국민 위치안내 서비스를 제공하는 국가 안전망으로도 활용 가능하다.
재난정보 격자체계를 활용하면 공간적 표현 단위의 상세화가 가능하고 이종데이터 융합 및 분석 시 정보 왜곡을 최소화하며, 지역별 위험정보를 직관적으로 나타낼 수 있다는 장점이 있으며, 기존 통계정보 제공 단위인 행정구역 또는 집계구에 비해 크기가 일정하여 객관적인 비교가 가능하고, 지도의 축척 변화에도 유연하게 적용될 수 있다는 장점이 있다.
한편, 재난위험지도 구축을 위한 시범 유형을 선정하고자 우선 최근 5년 간 발생한 자연재난과 사회재난 통계자료를 조사해보았는데, 재해연보를 기준으로 2016년부터 2020년까지 전국에서 발생한 재난피해 통계를 조사한 결과, 매년 발생하는 우리나라 대표 자연재난인 호우와 태풍이 인명과 재산피해 측면에서 모두 상위 순위에 해당하는 것으로 나타났으며, 재산피해만으로는 산불재난이 가장 높게 나타났고 그 뒤를 이어서 가축질병, 다중밀집시설 대형화재 등의 순으로 나타났다.
이러한 이상기후와 재난환경 변화로 인한 피해를 방지하기 위해서는, 빠르고 정확한 침수 예측 및 산불 피해 범위 예측이 필요하고, 예·경보를 함으로써 피해의 확산을 조기 차단함이 반드시 필요하다.
이와 같이 재난 상황판단을 위한 분석 및 해석하기 위한 수단이 절실히 요구되는 실정이지만, 과거에는 재난의 예방, 대응, 복구를 위해 문서나 이미지 정보를 주로 사용하였으며, 최근들어 IT 기술이 고도화됨에 따라 각종 재난 관련 정보들을 지도 위에 매핑하여 시각화하는 기술이 사용되고 있으나, 다양한 정보의 분석 결과가 이를 해석하는 사람에 따라 크게 달라지는 문제점이 있었으며, 실무에서는 행정경계 기반의 정보를 활용하고 있어 동 단위 정도로 세밀하게 예방, 대응 활동이 이루어질 필요가 있겠으나 전혀 이를 만족시키지못하는 문제점이 있었다.
또한, 산불 및 침수로 인한 피해는 일단 발생하면 대규모 산림이 소실되거나 전국 또는 광역단위의 심각한 인적, 경제적 피해를 발생시키므로, 본원발명에서는 재난 위험 장소를 지도 위에 매핑하여 격자 기반으로 표시하되, 산불 및 침수 관련 재난인자들에 국한하여 공간 및 데이타를 구축한 후, 재난 위험분석 모델을 적용하여 재난유형별 위험도를 산출한 다음, 위험도 값을 등급화하여 재난 위험지도를 표출함으로써, 산불, 침수로 인한 종합적인 재난 현황을 직관적으로 파악하고 이에 대비할 수 있도록 한다.
본 발명에서는 위 문제점을 해소하기 위한 것으로서,
재난상황관리를 위한 격자공간체계 데이터 관리 및 활용방안을 제시하고 지역별, 재난 유형별 위험도를 산출하여 지도기반의 시각화로 최종 결과물을 도출함으로써, 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있도록 함에 첫번째 목적이 있는 것이다.
또한, 도출된 수집 자료의 공간 및 격자 데이터 구축(1단계), 재난위험분석 모델 적용(2단계), 재난위험지도 표출(3단계)에 대한 일련의 과정들을 통해 재난 위험 분석모델 및 재난위험 지도를 제공하게됨으로써, 이를 토대로 추후 동일 재난과 관련하여 갱신된 자료나 다른 시기의 자료 등을 반영하고자 할 때 해당 자료를 입력하면 자동으로 1~3단계 과정 수행이 가능케되는 자동화 모델 구축에 두번째 목적이 있는 것이다.
상기한 목적을 달성하기 위한 본 발명의 침수 및 산불 재난위험분석 자동화 구축 방법에서는,
서버 컴퓨터 내 위험도 산출 프로그램에 의해 수행되며, 각 정보 제공원들로부터 동적, 정적 재난 관련정보들이 제공되면, 지오코딩 작업을 통해 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있도록 제공되는 격자기반 재난위험 지도의 자동 구축방법에 있어서,
실시간 제공되는 재난 관련 동적정보와 실시간 제공되지않는 재난 관련된 정적정보들로부터 각 재난 별 영향인자들을 구축하되, 각 영향인자들에 대한 공간 데이터를 구축한 후 이를 격자 데이터로 변환하는 공간 및 격자 데이터 구축과정과;
상기 재난 별 영향인자들의 영향도를 정규화한 다음, 지표별 영향인자 값을 평균하여 통계값을 산출하고 평균한 값을 다시 지표별 정규화함으로써, 재난 위험분석 모델을 적용하여 재난유형별 위험도를 산출하는 과정과;
위험도 값을 등급화한 후 지오코딩 작업을 통해 지도 위에 격자 변환된 상태로 모니터에 표시함으로써, 종합적인 재난 현황을 파악할 수 있도록 하는 재난위험 지도 표출과정으로 이루어진다.
상기 재난 별 영향인자로는, 침수 관련 재난인 경우 '강우', '하천수위'의 동적 정보와, '인구', '건물', '토지피복'의 정적 정보를 포함할 수 있다.
상기 재난 별 영향인자로는, 산불 관련 재난인 경우 '산불 취약지', 산불 위험지수', '화목 보일러 사용농가', '산림 내 인구', '산림 내 건물', '산림 내 농업지역', '산림 인접 인구', '산림 인접 건물', '산림 인접 농업지역', '경사도'를 포함할 수 있다.
상기 공간 및 격자 데이터 구축과정에서, 실시간 정보인 '강우', '하천수위'의 영향인자에 대해서는 ArcGIS의 '모델빌더 (ModelBuilder)’를 사용하여 자동화 모델을 구축하는데, '강우'는 AWS 지점별 관측값(10분 단위 강우량) 점 자료를 역거리 가중법(IDW) 기법의 입력 자료로 적용하며, 해당 지역의 행정경계 기반으로 산출물을 자른 뒤 최종 결과물은 래스터 파일로 저장경로를 지정해준다.
'하천수위'는 수위 관측지점별 해발 표고값 점 자료를 크리깅(kriging) 기법의 입력 자료로 사용하여, 해당 지역 전체 격자별 위치의 보간 값 및 수치표고모형(DEM) 값을 추출하고,
전체 격자 중 하천수위 영향범위에 해당하는 격자에만 값을 반영하기 위해 홍수위험구역에 포함되는 격자를 우선 선택한 후, 선택된 격자를 대상으로 크리깅 보간 값에서 수치표고모형 값을 뺀 값을 반영하는 '필드 계산(Calculator Field)’을 수행한다.
상기 선택된 격자를 대상으로 크리깅 보간 값에서 수치표고모형 값을 뺀 값을 반영하는 '필드 계산(Calculator Field)’을 마친 격자 중 하천영역에 해당하는 격자는 영향범위에서 제외되어야 하므로, 하천영역에 해당하는 격자를 추출하기 위해 ‘위치로 레이어 선택(Select Layer By Location)’기능을 사용하고, 선택된 격자는 모두 0 값 처리하며, 최종적으로 값 필드에서 0 값이 아닌 속성을 대상으로 래스터 형태의 최종 산출물로 저장한다.
상기 공간 및 격자 데이터 구축과정에서, 실시간 정보가 아닌 '건물', '인구', '토지피복'의 영향인자에 대해서는 QGIS의 ‘그래픽 모델러 (Graphical Modeler)’를 사용하여 자동화 모델을 구축하는데,
영향인자 '인구'는 폴리곤 형태의 격자 인구통계 자료를 입력 자료로 사용하여 총인구수 값을 래스터화 하며, 래스터 형태로 변환된 인구 자료를 격자별 점 자료를 사용해 위치별 총인구수 값을 추출하고, 이 값을 기반으로 벡터 형태의 점 자료를 래스터로 변환하는 작업을 거쳐 최종 산출물로 저장한다.
상기 폴리곤 형태의 격자 인구통계 자료는 100m 격자 인구통계 자료이며, 래스터 형태로 변환된 인구 자료를 10m 격자별 점 자료를 사용해 위치별 총인구수 값을 추출한 값은 100m 격자에 해당하므로, 필드 계산기를 사용해 100으로 나누어 준 값을 기반으로 벡터 형태의 점 자료를 래스터로 변환한다.
상기 공간 및 격자 데이터 구축과정에서, 실시간 정보가 아닌 '건물', '인구', '토지피복'의 영향인자에 대해서는 QGIS의 ‘그래픽 모델러 (Graphical Modeler)’를 사용하여 자동화 모델을 구축하는데,
영향인자 '건물'은 건물 형상의 폴리곤 파일을 입력하여 이를 일정 크기의 래스터 파일로 구축하고, '구역통계’기능을 이용하여 격자 내 포함되어있는 건물에 해당하는 격자 개수를 산출하여 최종 면적 합을 계산해 이를 필드에 반영하며, 해당 필드 값을 기반으로 래스터 변환 작업을 거쳐 최종 산출물을 저장한다.
영향인자 '건물'은 건물 형상의 폴리곤 파일을 입력하여 이를 2m 크기의 래스터 파일로 구축하고, '구역통계’기능을 이용하여 10m 격자 내 포함되어있는 건물에 해당하는 격자 개수를 산출한 다음, 산출된 개수에 4(2m x 2m)를 곱하여 최종 면적 합을 계산해 이를 필드에 반영할 수 있다.
상기 공간 및 격자 데이터 구축과정에서, 실시간 정보가 아닌 '건물', '인구', '토지피복'의 영향인자에 대해서는 QGIS의 ‘그래픽 모델러 (Graphical Modeler)’를 사용하여 자동화 모델을 구축하는데,
영향인자 '토지피복'은 토지피복 중분류 코드별 유출곡선지수(CN) 값과 면적을 곱하여 산출된 값을 입력 자료로 사용하며, '구역통계’기능을 이용하여 격자 내 포함되어있는 토지피복에 해당하는 격자 개수를 산출하여 최종 면적 합을 계산해 이를 필드에 반영하며, 해당 필드 값을 기반으로 래스터 변환 작업을 거쳐 최종 산출물을 저장한다.
상기 공간 및 격자 데이터 구축과정에서, 산불 관련 영향인자 중 '인구', '건물', '농업지역'의 경우 산림 내/인접 지역에 해당하는 격자를 추출 및 사용해야하므로, 토지피복지도 레이어에서 산림에 해당하는 폴리곤을 산림 내 지역으로, 산림 영역 기준 일정 범위를 산림인접지역으로 설정하기 위해 버퍼를 사용하여 영역 기준 파일을 생성하며, 버퍼 영역 생성 후 산림에 해당하는 지역은 제거하여 최종 산림인접지역 경계 파일을 구축하되, 모든 과정에서 폴리곤 자료는 중복되는 도형을 제거하기 위해 ‘중복 도형 제거’작업을 거쳐 '디졸브(dissolve)’기능을 사용하여 모든 면적을 하나로 합친 후, ‘다중 부분을 단일 부분으로’기능을 사용해 피처를 분할한다.
영향인자 '농업지역'의 경우, 산림 내/인접 지역 영역 범위 파일을 기반으로 '위치로 추출’기능을 사용해 일정 격자 내 농업지역에 해당하는 폴리곤 면적 합을 계산하여 반영한다.
영향인자 '인구'의 경우 일정 격자 형태의 폴리곤에 총인구수 값이 반영되는데, 인구수가 6명 미만인 경우 0 값 처리가 되어있어 해당 기준 내 최대 인구수 값인 5명으로 변환해주고, 인구수가 없는 Null 값인 셀은 0으로 변환해주는데, 이를 필드 계산기로 수행해주며, 해당 과정을 거친 후 산림 내/인접 지역 영역 범위에 해당하는 격자만 추출하여 각 파일을 생성한다.
영향인자 '건물'의 경우 1평(3.3㎡) 이하인 면적은 제거하는 작업을 거친 후, 농업지역과 동일하게 산림 내/인접 경계 파일을 기준으로 일정 격자 내 위치한 건물 면적의 합을 계산한다.
상기 공간 및 격자 데이터 구축과정에서, 산불 관련 영향인자 중 텍스트 형태인 '산불 취약지'와 '산불 위험지수'를 공간 데이터로 구축하기 위해 연구지역의 행정구역 폴리곤 파일과 결합하고, 행정구역명 필드를 기반으로 '필드 값으로 속성 결합’기능을 이용해 텍스트 파일 내 행정구역명 기반 필드 정보를 연계해줌으로써 최종 공간 데이터로 구축한다.
상기 공간 및 격자 데이터 구축과정에서, 산불 관련 영향인자 중 '화목 보일러 사용농가'의 경우 위치 정보가 포함되므로 이를 좌표정보(X, Y) 기반으로 점 자료를 생성하고 좌표계 변환하여 최종적으로 영향인자로 활용한다.
영향인자 '산불 위험지수', '산불 취약지', '화목 보일러 사용농가', '산림 내/인접 인구'의 경우 모두 공간 데이터셋 구축 과정에서 산출된 최종 결과물을 각 입력 자료로 사용하여 일정 격자 크기의 래스터 파일로 생성함으로써 격자 데이터를 구축한다.
영향인자 '산림 내/인접 건물', '산림 내/인접 농업지역'의 경우 건물과 농업지역에 해당하는 폴리곤을 일정 격자 크기의 래스터로 변환하고, '구역통계’기능을 이용하여 격자 내 포함되어있는 건물과 농업지역에 해당하는 격자 개수를 산출하여 최종 면적 합을 계산해 이를 필드에 반영하며, 해당 필드 값을 기반으로 래스터 변환 작업을 거쳐 최종 산출물을 저장한다.
영향인자 '경사도'의 경우 래스터로 구축된 경사 파일을 입력 자료로 사용하여 이를 일정 격자 경계 파일 기반 격자 내 경사도 값을 평균하여 반영하고, 격자 폴리곤 내 반영된 경사도 평균값을 기반으로 래스터화 작업을 수행함으로써 최종 격자 데이터셋을 구축한다.
상기 재난 유형별 위험도 산출과정에서는 공간 및 격자 데이터 구축과정에서 구축한 격자 데이터 기반 영향인자를 반영하여 재난유형별 위험도 값을 자동 산출하는 프로세스를 구축하며, 침수 관련 재난의 경우 '발생 가능성'(Likelihood)과 '영향도'(Impact) 값을 산정하여 위험도를 계산하는데,
'영향도'는 상기 영향인자들 값을 모두 반영하므로, 인자별 값을 0~100 사이의 값으로 정규화한 다음 이를 '셀 통계’를 사용해 값을 평균해주고,
'발생 가능성'은 실시간 정보인 '강우'와 '하천수위' 값을 사용하여 영향도 계산식을 '래스터 계산기’에 입력하여 값을 산출한다.
상기 재난 유형별 위험도 산출과정에서는 공간 및 격자 데이터 구축과정에서 구축한 격자 데이터 기반 영향인자를 반영하여 재난유형별 위험도 값을 자동 산출하는 프로세스를 구축하며, 산불 관련 재난의 경우 '위해성', '취약성', '노출성' 지표 값을 기반으로 '영향도' 값을 산정해 위험도를 계산하는데,
'위해성' 지표의 경우 '산불위험지수'의 영향인자가 이에 해당되고, '취약성' 지표의 경우 '산림 내 인구', '산림 내 건물', '산림 내 농업지역'의 영향인자가 이에 해당되고, '노출성' 지표의 경우 '산림 인접 인구', '산림 인접 건물', '산림 인접 농업지역', '경사도', '화목보일러 농가', '산불 취약지'가 이에 해당되며, 각 영향인자들은 값을 정규화한 후 지표별로 인자의 값을 평균하여 통계값을 산출하며, 평균한 값은 다시 한번 지표별 정규화 과정을 거쳐 위험도 산정식에 반영함으로써 위험도가 산출된다.
상기 재난 유형별 위험도 산출과정은 재난유형별 자동화 모델을 통해 산출된 위험도 값을 등급화하기 위한 과정으로서,
침수 관련 재난의 경우 산출된 발생 가능성과 영향도 값을 기반으로 한 계산식을 입력하여 위험등급을 분류한 후, 단계별로 제작된 자동화 모델은 파이썬(python) 스크립트로 작성하여 연계하며, 지오코딩 작업을 통해 지도 위에 격자 변환된 상태로 모니터에 표시할 수 있다.
상기 재난 유형별 위험도 산출과정은 재난유형별 자동화 모델을 통해 산출된 위험도 값을 등급화하기 위한 과정으로서,
산불 관련 재난의 경우 최종 영향도 값을 기반으로 래스터 계산기에 식을 입력하여 위험등급을 분류한 후, 단계별로 제작된 자동화 모델은 파이썬(python) 스크립트로 작성하여 연계하며, 지오코딩 작업을 통해 지도 위에 격자 변환된 상태로 모니터에 표시할 수 있다.
본 발명에서는,
재난상황관리를 위한 격자공간체계 데이터 관리 및 활용방안을 제시하고 지역별, 재난 유형별 위험도를 산출하여 지도기반의 시각화로 최종 결과물을 도출함으로써, 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있도록 한다.
또한, 도출된 수집 자료의 공간 및 격자 데이터 구축(1단계), 재난위험분석 모델 적용(2단계), 재난위험지도 표출(3단계)에 대한 일련의 과정들을 통해 재난 위험 분석모델 및 재난위험 지도를 제공하게됨으로써, 이를 토대로 추후 동일 재난과 관련하여 갱신된 자료나 다른 시기의 자료 등을 반영하고자 할 때 해당 자료를 입력하면 자동으로 1~3단계 과정 수행이 가능케되는 자동화 모델의 구축 효과도 있는 것이다.
도 1은 본 발명의 침수 및 산불 재난위험분석 자동화 구축 방법을 수행하기 위한 기본 시스템 구성도이고,
도 2는 도 1의 시스템의 전체 처리과정을 나타낸 블록도이고,
도 3은 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 침수 관련 재난위험의 강우 데이터셋 구축과정의 예시도이고,
도 4는 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 침수 관련 재난위험의 하천수위 데이터셋 구축과정의 예시도이고,
도 5는 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 침수 관련 재난위험의 인구 데이터셋 구축과정의 예시도이고,
도 6은 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 침수 관련 재난위험의 건물 데이터셋 구축과정의 예시도이고,
도 7은 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 침수 관련 재난위험의 토지피복 데이터셋 구축과정의 예시도이고,
도 8은 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 산불 관련 재난위험의 공간 데이터셋 구축과정의 예시도이고,
도 9는 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 산불 관련 재난위험의 격자 데이터셋 구축과정의 예시도이고,
도 10은 본 발명에서 재난유형별 위험도 산출과정의 일 실시예에 대한 흐름도로서, 침수 관련 발생 가능성 및 영향도 산출과정의 예시도이고,
도 11은 본 발명에서 재난유형별 위험도 산출과정의 일 실시예에 대한 흐름도로서, 산불 관련 영향도 산출과정의 예시도이고,
도 12는 본 발명에서 재난위험 지도 표출과정의 일 실시예에 대한 흐름도로서, 침수 관련 위험도에 대한 등급화 과정의 예시도이고,
도 13은 본 발명에서 재난위험 지도 표출과정의 일 실시예에 대한 흐름도로서, 산불 관련 위험도에 대한 등급화 과정의 예시도이고,
도 14는 본 발명의 재난위험 지도 표출과정에 대한 자동화 모델 파이썬 스크립트의 예시도이고,
도 15는 본 발명의 재난위험 지도 표출과정에 의해 작성되어진 격자기반 재난위험 지도의 예시도이다.
도 2는 도 1의 시스템의 전체 처리과정을 나타낸 블록도이고,
도 3은 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 침수 관련 재난위험의 강우 데이터셋 구축과정의 예시도이고,
도 4는 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 침수 관련 재난위험의 하천수위 데이터셋 구축과정의 예시도이고,
도 5는 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 침수 관련 재난위험의 인구 데이터셋 구축과정의 예시도이고,
도 6은 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 침수 관련 재난위험의 건물 데이터셋 구축과정의 예시도이고,
도 7은 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 침수 관련 재난위험의 토지피복 데이터셋 구축과정의 예시도이고,
도 8은 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 산불 관련 재난위험의 공간 데이터셋 구축과정의 예시도이고,
도 9는 본 발명에서 공간 및 데이터 구축과정의 일 실시예에 대한 흐름도로서, 산불 관련 재난위험의 격자 데이터셋 구축과정의 예시도이고,
도 10은 본 발명에서 재난유형별 위험도 산출과정의 일 실시예에 대한 흐름도로서, 침수 관련 발생 가능성 및 영향도 산출과정의 예시도이고,
도 11은 본 발명에서 재난유형별 위험도 산출과정의 일 실시예에 대한 흐름도로서, 산불 관련 영향도 산출과정의 예시도이고,
도 12는 본 발명에서 재난위험 지도 표출과정의 일 실시예에 대한 흐름도로서, 침수 관련 위험도에 대한 등급화 과정의 예시도이고,
도 13은 본 발명에서 재난위험 지도 표출과정의 일 실시예에 대한 흐름도로서, 산불 관련 위험도에 대한 등급화 과정의 예시도이고,
도 14는 본 발명의 재난위험 지도 표출과정에 대한 자동화 모델 파이썬 스크립트의 예시도이고,
도 15는 본 발명의 재난위험 지도 표출과정에 의해 작성되어진 격자기반 재난위험 지도의 예시도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
한편, 하기 본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하다. 따라서 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다.
예컨대, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다.
또한 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써, 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 침수 및 산불 재난위험분석 자동화 구축 방법을 수행하기 위한 기본 시스템 구성도로서,
본 발명의 침수 및 산불 재난위험분석 자동화 구축 방법은, 서버컴퓨터 내 위험도 산출 프로그램에 의해 수행되며, 각 정보 제공원들로부터 동적, 정적 재난 관련정보들이 제공되면, 지오코딩 작업을 통해 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있도록 제공된다.
도 2는 도 1의 시스템의 전체 처리과정을 나타낸 블록도로서,
실시간 제공되는 재난 관련 동적정보와 실시간 제공되지않는 재난 관련된 정적정보들로부터 각 재난 별 영향인자들을 구축하되, 각 영향인자들에 대한 공간 데이터를 구축한 후 이를 격자 데이터로 변환하는 공간 및 격자 데이터 구축과정과;
상기 재난 별 영향인자들의 영향도를 정규화한 다음, 지표별 인자값을 평균하여 통계값을 산출하고 평균한 값을 다시 지표별 정규화함으로써, 재난 위험분석 모델을 적용하여 재난유형별 위험도를 산출하는 과정과;
위험도 값을 등급화한 후 지오코딩 작업을 통해 지도 위에 격자 변환된 상태로 모니터에 표시함으로써, 종합적인 재난 현황을 파악할 수 있도록 하는 재난위험 지도 표출과정으로 이루어진다.
한편, 본 발명에서는 앞에서 설명드린 바와 같이 국가지점번호 기반의 재난정보 격자체계, 즉 고정형 격자체계를 활용하였는데, 국가지점번호는 「도로명주소법」 제2조 제9항에 따라 “국토 및 이와 인접한 해양을 격자형으로 일정하게 구획한 지점마다 부여된 번호”로 정의되며, 단일평면직각좌표계의 원점인 UTM-K로부터 서쪽 300㎞, 남쪽 700㎞ 지점을 기준점으로 정하고, 가로 세로의 길이가 각각 10m, 100m, 1㎞, 10㎞, 100㎞인 격자를 기본 단위로 하는데, 전 국토의 위치 표시 방식을 통일하여 재난 발생 시 신속한 대응 및 대국민 위치안내 서비스를 제공하는 국가 안전망으로도 활용 가능하다.
재난정보 격자체계를 활용하면 공간적 표현 단위의 상세화가 가능하고 이종데이터 융합 및 분석 시 정보 왜곡을 최소화하며, 지역별 위험정보를 직관적으로 나타낼 수 있다는 장점이 있으며, 기존 통계정보 제공 단위인 행정구역 또는 집계구에 비해 크기가 일정하여 객관적인 비교가 가능하고, 지도의 축척 변화에도 유연하게 적용될 수 있다는 장점이 있다.
또한 상기 재난유형별 위험도 산출 과정은 앞에서 설명한 바와 같이 재난 별 영향인자들의 영향도를 정규화한 다음, 지표별 인자값을 평균하여 통계값을 산출하고 평균한 값을 다시 지표별 정규화하는 Min-Max 방식의 2중 정규화 방식을 사용함으로써, 이중 잠금에 따른 오차발생 억제 효과를 갖게된다.
그리고 상기 재난위험 지도 표출과정은 앞에서 설명한 바와 같이 재난 위치를 단순히 지오코딩하여 표출하는 대신에 위험도 등급을 국가지점번호 기반의 고정형 격자체계에 입혀서, 재난 위치가 아닌 산출된 위험도 값에 대해 고정형 격자체계로 격자화해줌으로써, 등급별 위험범위를 한눈에 파악할 수 있게된다.
이에 대해 구체적으로 설명드리자면 다음과 같다.
한편, 본 발명에서는 앞에서 설명드린 바와 같이 국가지점번호 기반의 재난정보 격자체계, 즉 고정형 격자체계를 활용하였는데, 국가지점번호는 「도로명주소법」 제2조 제9항에 따라 “국토 및 이와 인접한 해양을 격자형으로 일정하게 구획한 지점마다 부여된 번호”로 정의되며, 단일평면직각좌표계의 원점인 UTM-K로부터 서쪽 300㎞, 남쪽 700㎞ 지점을 기준점으로 정하고, 가로 세로의 길이가 각각 10m, 100m, 1㎞, 10㎞, 100㎞인 격자를 기본 단위로 하는데, 전 국토의 위치 표시 방식을 통일하여 재난 발생 시 신속한 대응 및 대국민 위치안내 서비스를 제공하는 국가 안전망으로도 활용 가능하다.
재난정보 격자체계를 활용하면 공간적 표현 단위의 상세화가 가능하고 이종데이터 융합 및 분석 시 정보 왜곡을 최소화하며, 지역별 위험정보를 직관적으로 나타낼 수 있다는 장점이 있으며, 기존 통계정보 제공 단위인 행정구역 또는 집계구에 비해 크기가 일정하여 객관적인 비교가 가능하고, 지도의 축척 변화에도 유연하게 적용될 수 있다는 장점이 있다.
또한 상기 재난유형별 위험도 산출 과정은 앞에서 설명한 바와 같이 재난 별 영향인자들의 영향도를 정규화한 다음, 지표별 인자값을 평균하여 통계값을 산출하고 평균한 값을 다시 지표별 정규화하는 Min-Max 방식의 2중 정규화 방식을 사용함으로써, 이중 잠금에 따른 오차발생 억제 효과를 갖게된다.
그리고 상기 재난위험 지도 표출과정은 앞에서 설명한 바와 같이 재난 위치를 단순히 지오코딩하여 표출하는 대신에 위험도 등급을 국가지점번호 기반의 고정형 격자체계에 입혀서, 재난 위치가 아닌 산출된 위험도 값에 대해 고정형 격자체계로 격자화해줌으로써, 등급별 위험범위를 한눈에 파악할 수 있게된다.
이에 대해 구체적으로 설명드리자면 다음과 같다.
삭제
본 발명에 따른 침수 및 산불 재난위험분석 자동화 구축 방법은 앞에서 설명드린 바와 같이, 수집 자료의 공간 및 격자 데이터 구축과정(1단계), 재난유형별 위험도 산출과정(2단계), 재난위험 지도 표출과정(3단계)의 일련의 과정으로 이루어진다.
본 발명에서는 위 3단계 과정을 토대로 추후 동일 재난과 관련하여 갱신된 자료나 다른 시기의 자료 등을 반영하고자 할 때 해당 자료를 입력하면 자동으로 1~3단계 과정 수행이 가능한 자동화 모델을 구축하였다.
먼저 수집 자료의 공간 및 격자 데이터 구축과정(1단계)에 대해 설명하고자 한다.
본 발명에서는 침수 및 산불위험지도를 작성하기 위해 반영된 영향인자를 자동으로 구축하기 위한 1단계 모델을 설계하였는데, 먼저 침수 관련 재난위험지도 작성을 위해 5개의 영향인자별 구축 방안은 다음과 같다.
침수 재난의 영향인자로는, '강우', '하천수위', '인구', '건물', '토지피복'이 있고 이들은 재난관련 정보로서 제공되는데, 이중에서 '강우', '하천수위'는 실시간으로 제공되는 동적 정보이고, 나머지 '인구', '건물', '토지피복'은 한번에 제공되는 정적정보이다.
실시간 정보인 강우와 하천수위의 경우 ArcGIS의 '모델빌더 (ModelBuilder)’를 사용하는데,
영향인자 '강우'는 도 3에서와 같이, AWS 지점별 관측값(10분 단위 강우량) 점 자료를 역거리 가중법(IDW) 기법의 입력 자료로 적용하며, 울산광역시 행정경계 기반으로 산출물을 자른 뒤 최종 결과물은 래스터 파일로 저장경로를 지정해준다
영향인자 '하천수위'는 도 4에서와 같이, 수위 관측지점별 해발 표고값 점 자료를 크리깅(kriging) 기법의 입력 자료로 사용하여, 울산시 전체 10m 격자별(10,564,653개) 위치의 보간 값 및 10m급 수치표고모형(DEM) 값을 추출하는데,
전체 격자 중 하천수위 영향범위에 해당하는 격자에만 값을 반영하기 위해 홍수위험구역에 포함되는 격자를 우선 선택한다.
다음으로 선택된 격자를 대상으로 크리깅 보간 값에서 수치표고모형 값을 뺀 값을 반영하는 ‘필드 계산(Calculator Field)’을 수행하는데,
본 과정까지 거친 격자 중 하천영역에 해당하는 격자는 영향범위에서 제외되어야 하므로 하천영역에 해당하는 격자를 추출하기 위해 ‘위치로 레이어 선택(Select Layer By Location)’기능을 사용하고, 선택된 격자는 모두 0 값 처리하며, 최종적으로 값 필드에서 0 값이 아닌 속성을 대상으로 래스터 형태의 최종 산출물로 저장한다.
한편, 실시간 정보가 아닌 '건물', '인구', '토지피복'의 영향인자는 QGIS의 ‘그래픽 모델러 (Graphical Modeler)’를 사용하여 자동화 모델을 구축하는데,
영향인자 '인구'는 도 5에서와 같이, 폴리곤 형태의 100m 격자 인구통계 자료를 입력 자료로 사용하여 총인구수 값을 래스터화 하며,
래스터 형태로 변환된 인구 자료를 10m 격자별 점 자료를 사용해 위치별 총인구수 값을 추출하고, 추출된 값은 100m 격자에 해당하는 값이므로 필드 계산기를 사용해 100으로 나누어 주며, 이와 같이 계산된 값을 기반으로 벡터 형태의 점 자료를 래스터로 변환하는 작업을 거쳐 최종 산출물로 저장한다.
영향인자 '건물'은 도 6에서와 같이, 건물 형상의 폴리곤 파일을 입력하여 이를 2m 크기의 래스터 파일로 구축하고, '구역통계’기능을 이용하여 10m 격자 내 포함되어있는 건물에 해당하는 격자 개수를 산출한 다음, 산출된 개수에 4(2m x 2m)를 곱하여 최종 면적 합을 계산해 이를 필드에 반영하며, 해당 필드 값을 기반으로 래스터 변환 작업을 거쳐 최종 산출물을 저장한다.
이때 건물 폴리곤을 2m 격자 크기의 래스터로 변환하는 이유는, 10m 격자 크기로 동일하게 변환할 경우 면적 값의 오차 범위와 형상의 차이가 많아지는 오류가 발생하기 때문이다.
래스터로 변환하지 않고 벡터 형태인 건물 폴리곤을 그대로 사용하게 되면 이러한 오류는 발생하지 않지만, 프로세스를 수행하는 시간이 많이 소요되어 실시간 자료를 반영하는데 어려움이 있으므로, 이를 최소화하기 위해 2m 격자 크기의 래스터로 변환하였다.
영향인자 '토지피복'은 도 7에서와 같이, 토지피복 중분류 코드별 유출곡선지수(CN) 값과 면적을 곱하여 산출된 값을 입력 자료로 사용하며, 이후 과정은 '건물' 자동화 과정에서 필드 계산 과정을 제외한 것과 동일하다.
한편, 산불 관련 재난위험지도 작성을 위한 10개의 영향인자별 구축 방안은 다음과 같다.
먼저 공간 데이터로 구축하는 과정은 그림 8과 같은데, 산불 관련 영향인자 중 '인구', '건물', '농업지역'의 경우 산림 내/인접 지역에 해당하는 격자를 추출하여 사용해야 한다.
따라서 토지피복지도 레이어에서 산림에 해당하는 폴리곤을 산림 내 지역으로, 산림 영역 기준 100m 범위를 산림인접지역으로 설정하기 위해 버퍼를 사용하여 영역 기준 파일을 생성한다.
버퍼 영역 생성 후 산림에 해당하는 지역은 제거하여 최종 산림인접지역 경계 파일을 구축하였는데, 모든 과정에서 폴리곤 자료는 중복되는 도형을 제거하기 위해 ‘중복 도형 제거’작업을 거쳐 '디졸브(dissolve)’기능을 사용하여 모든 면적을 하나로 합친 후, ‘다중 부분을 단일 부분으로’기능을 사용해 피처를 분할 한다.
'농업지역'의 경우, 산림 내/인접 지역 영역 범위 파일을 기반으로 '위치로 추출’기능을 사용해 100m 격자 내 농업지역에 해당하는 폴리곤 면적 합을 계산하여 반영한다.
'인구'의 경우 100m 격자 형태의 폴리곤에 총인구수 값이 반영되는데, 인구수가 6명 미만인 경우 0 값 처리가 되어있어 해당 기준 내 최대 인구수 값인 5명으로 변환해주고, 인구수가 없는 Null 값인 셀은 0으로 변환해주는데, 이를 필드 계산기로 수행해주며, 해당 과정을 거친 후 산림 내/인접 지역 영역 범위에 해당하는 격자만 추출하여 각 파일을 생성한다.
'건물' 데이터는 1평(3.3㎡) 이하인 면적은 제거하는 작업을 거친 후, 농업지역과 동일하게 산림 내/인접 경계 파일을 기준으로 100m 격자 내 위치한 건물 면적의 합을 계산한다.
텍스트 형태인 '산불 취약지'와 '산불 위험지수'를 공간 데이터로 구축하기 위해 연구지역의 행정구역 폴리곤 파일과 결합하고, 행정구역명 필드를 기반으로 '필드 값으로 속성 결합’기능을 이용해 텍스트 파일 내 행정구역명 기반 필드 정보를 연계해줌으로써 최종 공간 데이터로 구축한다.
'화목 보일러 사용농가'는 위치 정보가 포함되어있어 이를 좌표정보(X, Y) 기반으로 점 자료를 생성하고 좌표계 변환하여 최종적으로 영향인자로 활용한다.
이와 같이 공간 데이터로 구축된 산불 관련 영향인자를 격자 데이터로 변환 구축하는 과정은 도 9와 같다.
먼저, '산불 위험지수', '산불 취약지', '화목 보일러 사용농가', '산림 내/인접 인구'의 영향인자들은 격자 데이터로 구축하는 절차가 모두 동일한데,
앞서 공간 데이터셋 구축 과정에서 산출된 최종 결과물을 각 입력 자료로 사용하여 모두 100m 격자 크기의 래스터 파일로 생성한다.
'산림 내/인접 건물', '산림 내/인접 농업지역'의 영향인자들은 건물과 농업지역에 해당하는 폴리곤을 2m 격자 크기의 래스터로 변환하였는데, 이는 침수 자동화 모델에서의 '건물'과 '토지피복' 데이터셋 구축 과정과 동일하며, ‘구역통계’기능을 사용하여 100m 격자 경계 기반 영역 내 포함된 면적 값을 합산하여 격자 데이터 값으로 사용한다.
영향인자 '경사도'의 경우, 래스터로 구축된 경사 파일을 입력 자료로 사용하여 이를 100m 격자 경계 파일 기반 격자 내 경사도 값을 평균하여 반영하고, 격자 폴리곤 내 반영된 경사도 평균값을 기반으로 래스터화 작업을 수행함으로써 최종 격자 데이터셋을 구축한다.
이와 같이 공간 및 격자 데이터 구축과정(1단계)이 완료되면 재난 유형별 위험도 산출과정(2단계)이 진행되는데,
재난 유형별 위험도 산출과정(2단계)에서는 1단계에서 구축한 격자 데이터 기반 영향인자를 반영하여 재난유형별 위험도 값을 자동으로 산출하는 프로세스를 구축한다.
먼저 침수 관련 재난의 경우, 도 10에서와 같이 '발생 가능성'(Likelihood)과 '영향도'(Impact) 값을 산정하여 위험도를 계산하는데,
'영향도'는 5개의 영향인자 값을 모두 반영하므로, 인자별 값을 0~100 사이의 값으로 정규화한 다음 이를 '셀 통계’를 사용해 값을 평균하여 주며,
'발생 가능성'은 실시간 정보인 '강우'와 '하천수위' 값을 사용하여 영향도 계산식을 '래스터 계산기’에 입력하여 값을 산출한다.
도 11에서와 같이 산불 관련 재난의 경우에는, '위해성', '취약성', '노출성' 지표 값을 기반으로 '영향도' 값을 산정해 위험도를 계산하는데, '위해성' 지표의 경우 '산불위험지수'의 영향인자가 이에 해당되고, '취약성' 지표의 경우 '산림 내 인구', '산림 내 건물', '산림 내 농업지역'의 영향인자가 이에 해당되고, '노출성' 지표의 경우 '산림 인접 인구', '산림 인접 건물', '산림 인접 농업지역', '경사도', '화목보일러 농가', '산불 취약지'가 이에 해당된다.
각 영향인자들은 값을 정규화한 후 지표별로 인자의 값을 평균하여 통계값을 산출하며, 평균한 값은 다시 한번 지표별 정규화 과정을 거쳐 위험도 산정식에 반영함으로써 위험도가 산출된다.
이와 같이 재난유형별 위험도 산출과정(2단계)이 완료되면 재난위험 지도 표출과정(3단계)이 진행되는데,
이는 재난유형별 자동화 모델을 통해 산출된 위험도 값을 등급화하기 위한 과정으로서,
침수 관련 재난의 경우 도 12에서와 같이 산출된 발생 가능성과 영향도 값을 기반으로 한 계산식을 입력하여 위험등급을 분류하고,
산불 관련 재난의 경우 도 13에서와 같이 최종 영향도 값을 기반으로 래스터 계산기에 식을 입력하여 위험등급을 분류하며,
이와 같이 단계별로 제작된 자동화 모델은 도 14에서와 같이 파이썬(python) 스크립트로 작성하여 연계하였다.
마지막으로 도 15는 본 발명의 재난위험 지도 표출과정에 의해 작성되어진 격자기반 재난위험 지도의 예시도로서,
각종 재난에 대한 재난인자들에 의해 공간 및 격자 데이타를 구축한 후, 재난 위험분석 모델을 적용하여 재난유형별 위험도를 산출한 다음, 위험도 값을 등급화하여 지오코딩 작업을 통해 지도 위에 격자 변환된 상태로 모니터에 표시함으로써, 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있게되는 것이다.
이상 설명한 바와 같이 본 발명은, 재난상황관리를 위한 격자공간체계 데이터 관리 및 활용방안을 제시하고 지역별, 재난 유형별 위험도를 산출하여 지도기반의 시각화로 최종 결과물을 도출함으로써, 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있도록 한다.
또한, 도출된 수집 자료의 공간 및 격자 데이터 구축(1단계), 재난위험분석 모델 적용(2단계), 재난위험지도 표출(3단계)에 대한 일련의 과정들을 통해 재난 위험 분석모델 및 재난위험 지도를 제공하게됨으로써, 이를 토대로 추후 동일 재난과 관련하여 갱신된 자료나 다른 시기의 자료 등을 반영하고자 할 때 해당 자료를 입력하면 자동으로 1~3단계 과정 수행이 가능케되는 자동화 모델의 구축 효과도 있는 것이다.
본 발명의 기술적 사상은 바람직한 실시형태에서 구체적으로 기술되었으나, 상기한 실시형태는 그 설명을 위한 것이며, 그 제한을 위한 것이 아님을 주의하여야 한다. 본 발명의 기술사상 범위 내에서 다양한 변형 및 수정이 가능함은 당업자에게 명백한 것이며, 따라서 이러한 변형 및 수정이 첨부된 특허청구범위에 속함은 당연한 것이다.
Claims (24)
- 서버 컴퓨터 내 위험도 산출 프로그램에 의해 수행되며, 각 정보 제공원들로부터 동적, 정적 재난 관련정보들이 제공되면, 지오코딩 작업을 통해 격자 지도 위에서 종합적인 재난 현황을 직관적으로 파악할 수 있도록 제공되는 격자기반 재난위험 지도의 자동 구축방법에 있어서,
실시간 제공되는 재난 관련 동적정보와 실시간 제공되지않는 재난 관련된 정적정보들로부터 각 재난 별 영향인자들을 구축하되, 각 영향인자들에 대한 공간 데이터를 구축한 후 이를 격자 데이터로 변환하는 공간 및 격자 데이터 구축과정과;
상기 재난 별 영향인자들의 영향도를 정규화한 다음, 지표별 영향인자 값을 평균하여 통계값을 산출하고 평균한 값을 다시 지표별 정규화함으로써, 재난 위험분석 모델을 적용하여 재난유형별 위험도를 산출하는 과정과;
위험도 값을 등급화한 후 지오코딩 작업을 통해 지도 위에 격자 변환된 상태로 모니터에 표시함으로써, 종합적인 재난 현황을 파악할 수 있도록 하는 재난위험 지도 표출과정으로 이루어지되,
상기 공간 및 격자 데이터 구축과정에서는, 사용자 지정의 격자(임의 또는 가변형 격자) 대신에 국가지점번호 기반의 고정형 격자를 사용하고,
상기 재난유형별 위험도 산출 과정에서는, 인자별 정규화를 1차 수행하고 통계값을 산출한 후 2차 정규화를 수행하는 Min-Max 방식을 사용함으로써, 이중 잠금에 따른 오차발생 억제 효과를 갖도록 하고,
상기 재난위험 지도 표출과정에서는, 재난 위치를 단순히 지오코딩하여 표출하는 대신에 위험도 등급을 국가지점번호 기반의 고정형 격자체계에 입혀서, 재난 위치가 아닌 산출된 위험도 값에 대해 고정형 격자체계로 격자화해줌으로써, 등급별 위험범위를 한눈에 파악할 수 있도록 구성된 것을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 1항에 있어서,
상기 재난 별 영향인자로는, 침수 관련 재난인 경우 '강우', '하천수위'의 동적 정보와, '인구', '건물', '토지피복'의 정적 정보를 포함한 것을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 1항에 있어서,
상기 재난 별 영향인자로는, 산불 관련 재난인 경우 '산불 취약지', 산불 위험지수', '화목 보일러 사용농가', '산림 내 인구', '산림 내 건물', '산림 내 농업지역', '산림 인접 인구', '산림 인접 건물', '산림 인접 농업지역', '경사도'를 포함한 것을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 2항에 있어서,
상기 공간 및 격자 데이터 구축과정에서, 실시간 정보인 '강우', '하천수위'의 영향인자에 대해서는 ArcGIS의 '모델빌더 (ModelBuilder)’를 사용하여 자동화 모델을 구축하는데, '강우'는 AWS 지점별 관측값(10분 단위 강우량) 점 자료를 역거리 가중법(IDW) 기법의 입력 자료로 적용하며, 해당 지역의 행정경계 기반으로 산출물을 자른 뒤 최종 결과물은 래스터 파일로 저장경로를 지정해주는 것을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 2항 또는 제 4항에 있어서,
상기 공간 및 격자 데이터 구축과정에서, 실시간 정보인 '강우', '하천수위'의 영향인자에 대해서는 ArcGIS의 '모델빌더 (ModelBuilder)’를 사용하여 자동화 모델을 구축하는데, '하천수위'는 수위 관측지점별 해발 표고값 점 자료를 크리깅(kriging) 기법의 입력 자료로 사용하여, 해당 지역 전체 격자별 위치의 보간 값 및 수치표고모형(DEM) 값을 추출하고,
전체 격자 중 하천수위 영향범위에 해당하는 격자에만 값을 반영하기 위해 홍수위험구역에 포함되는 격자를 우선 선택한 후, 선택된 격자를 대상으로 크리깅 보간 값에서 수치표고모형 값을 뺀 값을 반영하는 '필드 계산(Calculator Field)’을 수행함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 5항에 있어서,
상기 선택된 격자를 대상으로 크리깅 보간 값에서 수치표고모형 값을 뺀 값을 반영하는 '필드 계산(Calculator Field)’을 마친 격자 중 하천영역에 해당하는 격자는 영향범위에서 제외되어야 하므로, 하천영역에 해당하는 격자를 추출하기 위해 ‘위치로 레이어 선택(Select Layer By Location)’기능을 사용하고, 선택된 격자는 모두 0 값 처리하며, 최종적으로 값 필드에서 0 값이 아닌 속성을 대상으로 래스터 형태의 최종 산출물로 저장함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 2항에 있어서,
상기 공간 및 격자 데이터 구축과정에서, 실시간 정보가 아닌 '건물', '인구', '토지피복'의 영향인자에 대해서는 QGIS의 ‘그래픽 모델러 (Graphical Modeler)’를 사용하여 자동화 모델을 구축하는데,
영향인자 '인구'는 폴리곤 형태의 격자 인구통계 자료를 입력 자료로 사용하여 총인구수 값을 래스터화 하며, 래스터 형태로 변환된 인구 자료를 격자별 점 자료를 사용해 위치별 총인구수 값을 추출하고, 이 값을 기반으로 벡터 형태의 점 자료를 래스터로 변환하는 작업을 거쳐 최종 산출물로 저장함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 7항에 있어서,
상기 폴리곤 형태의 격자 인구통계 자료는 100m 격자 인구통계 자료이며, 래스터 형태로 변환된 인구 자료를 10m 격자별 점 자료를 사용해 위치별 총인구수 값을 추출한 값은 100m 격자에 해당하므로, 필드 계산기를 사용해 100으로 나누어 준 값을 기반으로 벡터 형태의 점 자료를 래스터로 변환함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 2항 또는 제 7항에 있어서,
상기 공간 및 격자 데이터 구축과정에서, 실시간 정보가 아닌 '건물', '인구', '토지피복'의 영향인자에 대해서는 QGIS의 ‘그래픽 모델러 (Graphical Modeler)’를 사용하여 자동화 모델을 구축하는데,
영향인자 '건물'은 건물 형상의 폴리곤 파일을 입력하여 이를 일정 크기의 래스터 파일로 구축하고, '구역통계’기능을 이용하여 격자 내 포함되어있는 건물에 해당하는 격자 개수를 산출하여 최종 면적 합을 계산해 이를 필드에 반영하며, 해당 필드 값을 기반으로 래스터 변환 작업을 거쳐 최종 산출물을 저장함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 9항에 있어서,
영향인자 '건물'은 건물 형상의 폴리곤 파일을 입력하여 이를 2m 크기의 래스터 파일로 구축하고, '구역통계’기능을 이용하여 10m 격자 내 포함되어있는 건물에 해당하는 격자 개수를 산출한 다음, 산출된 개수에 4(2m x 2m)를 곱하여 최종 면적 합을 계산해 이를 필드에 반영함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 2항 또는 제 7항에 있어서,
상기 공간 및 격자 데이터 구축과정에서, 실시간 정보가 아닌 '건물', '인구', '토지피복'의 영향인자에 대해서는 QGIS의 ‘그래픽 모델러 (Graphical Modeler)’를 사용하여 자동화 모델을 구축하는데,
영향인자 '토지피복'은 토지피복 중분류 코드별 유출곡선지수(CN) 값과 면적을 곱하여 산출된 값을 입력 자료로 사용하며, '구역통계’기능을 이용하여 격자 내 포함되어있는 토지피복에 해당하는 격자 개수를 산출하여 최종 면적 합을 계산해 이를 필드에 반영하며, 해당 필드 값을 기반으로 래스터 변환 작업을 거쳐 최종 산출물을 저장함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 3항에 있어서,
상기 공간 및 격자 데이터 구축과정에서, 산불 관련 영향인자 중 '인구', '건물', '농업지역'의 경우 산림 내/인접 지역에 해당하는 격자를 추출 및 사용해야하므로, 토지피복지도 레이어에서 산림에 해당하는 폴리곤을 산림 내 지역으로, 산림 영역 기준 일정 범위를 산림인접지역으로 설정하기 위해 버퍼를 사용하여 영역 기준 파일을 생성하며, 버퍼 영역 생성 후 산림에 해당하는 지역은 제거하여 최종 산림인접지역 경계 파일을 구축하되, 모든 과정에서 폴리곤 자료는 중복되는 도형을 제거하기 위해 ‘중복 도형 제거’작업을 거쳐 '디졸브(dissolve)’기능을 사용하여 모든 면적을 하나로 합친 후, ‘다중 부분을 단일 부분으로’기능을 사용해 피처를 분할함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 12항에 있어서,
영향인자 '농업지역'의 경우, 산림 내/인접 지역 영역 범위 파일을 기반으로 '위치로 추출’기능을 사용해 일정 격자 내 농업지역에 해당하는 폴리곤 면적 합을 계산하여 반영함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 12항 또는 제 13항에 있어서,
영향인자 '인구'의 경우 일정 격자 형태의 폴리곤에 총인구수 값이 반영되는데, 인구수가 6명 미만인 경우 0 값 처리가 되어있어 해당 기준 내 최대 인구수 값인 5명으로 변환해주고, 인구수가 없는 Null 값인 셀은 0으로 변환해주는데, 이를 필드 계산기로 수행해주며, 해당 과정을 거친 후 산림 내/인접 지역 영역 범위에 해당하는 격자만 추출하여 각 파일을 생성함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 12항 또는 제 13항에 있어서,
영향인자 '건물'의 경우 1평(3.3㎡) 이하인 면적은 제거하는 작업을 거친 후, 농업지역과 동일하게 산림 내/인접 경계 파일을 기준으로 일정 격자 내 위치한 건물 면적의 합을 계산함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 3항에 있어서,
상기 공간 및 격자 데이터 구축과정에서, 산불 관련 영향인자 중 텍스트 형태인 '산불 취약지'와 '산불 위험지수'를 공간 데이터로 구축하기 위해 연구지역의 행정구역 폴리곤 파일과 결합하고, 행정구역명 필드를 기반으로 '필드 값으로 속성 결합’기능을 이용해 텍스트 파일 내 행정구역명 기반 필드 정보를 연계해줌으로써 최종 공간 데이터로 구축함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 3항에 있어서,
상기 공간 및 격자 데이터 구축과정에서, 산불 관련 영향인자 중 '화목 보일러 사용농가'의 경우 위치 정보가 포함되므로 이를 좌표정보(X, Y) 기반으로 점 자료를 생성하고 좌표계 변환하여 최종적으로 영향인자로 활용함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 12항 또는 제 16항에 있어서,
영향인자 '산불 위험지수', '산불 취약지', '화목 보일러 사용농가', '산림 내/인접 인구'의 경우 모두 공간 데이터셋 구축 과정에서 산출된 최종 결과물을 각 입력 자료로 사용하여 일정 격자 크기의 래스터 파일로 생성함으로써 격자 데이터를 구축함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 12항 또는 제 16항에 있어서,
영향인자 '산림 내/인접 건물', '산림 내/인접 농업지역'의 경우 건물과 농업지역에 해당하는 폴리곤을 일정 격자 크기의 래스터로 변환하고, '구역통계’기능을 이용하여 격자 내 포함되어있는 건물과 농업지역에 해당하는 격자 개수를 산출하여 최종 면적 합을 계산해 이를 필드에 반영하며, 해당 필드 값을 기반으로 래스터 변환 작업을 거쳐 최종 산출물을 저장함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 12항 또는 제 16항에 있어서,
영향인자 '경사도'의 경우 래스터로 구축된 경사 파일을 입력 자료로 사용하여 이를 일정 격자 경계 파일 기반 격자 내 경사도 값을 평균하여 반영하고, 격자 폴리곤 내 반영된 경사도 평균값을 기반으로 래스터화 작업을 수행함으로써 최종 격자 데이터셋을 구축함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 2항에 있어서,
상기 재난 유형별 위험도 산출과정에서는 공간 및 격자 데이터 구축과정에서 구축한 격자 데이터 기반 영향인자를 반영하여 재난유형별 위험도 값을 자동 산출하는 프로세스를 구축하며, 침수 관련 재난의 경우 '발생 가능성'(Likelihood)과 '영향도'(Impact) 값을 산정하여 위험도를 계산하는데,
'영향도'는 상기 영향인자들 값을 모두 반영하므로, 인자별 값을 0~100 사이의 값으로 정규화한 다음 이를 '셀 통계’를 사용해 값을 평균해주고,
'발생 가능성'은 실시간 정보인 '강우'와 '하천수위' 값을 사용하여 영향도 계산식을 '래스터 계산기’에 입력하여 값을 산출함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 3항에 있어서,
상기 재난 유형별 위험도 산출과정에서는 공간 및 격자 데이터 구축과정에서 구축한 격자 데이터 기반 영향인자를 반영하여 재난유형별 위험도 값을 자동 산출하는 프로세스를 구축하며, 산불 관련 재난의 경우 '위해성', '취약성', '노출성' 지표 값을 기반으로 '영향도' 값을 산정해 위험도를 계산하는데,
'위해성' 지표의 경우 '산불위험지수'의 영향인자가 이에 해당되고, '취약성' 지표의 경우 '산림 내 인구', '산림 내 건물', '산림 내 농업지역'의 영향인자가 이에 해당되고, '노출성' 지표의 경우 '산림 인접 인구', '산림 인접 건물', '산림 인접 농업지역', '경사도', '화목보일러 농가', '산불 취약지'가 이에 해당되며, 각 영향인자들은 값을 정규화한 후 지표별로 인자의 값을 평균하여 통계값을 산출하며, 평균한 값은 다시 한번 지표별 정규화 과정을 거쳐 위험도 산정식에 반영함으로써 위험도가 산출됨을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 21항에 있어서,
상기 재난 유형별 위험도 산출과정은 재난유형별 자동화 모델을 통해 산출된 위험도 값을 등급화하기 위한 과정으로서,
침수 관련 재난의 경우 산출된 발생 가능성과 영향도 값을 기반으로 한 계산식을 입력하여 위험등급을 분류한 후, 단계별로 제작된 자동화 모델은 파이썬(python) 스크립트로 작성하여 연계하며, 지오코딩 작업을 통해 지도 위에 격자 변환된 상태로 모니터에 표시함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
- 제 22항에 있어서,
상기 재난 유형별 위험도 산출과정은 재난유형별 자동화 모델을 통해 산출된 위험도 값을 등급화하기 위한 과정으로서,
산불 관련 재난의 경우 최종 영향도 값을 기반으로 래스터 계산기에 식을 입력하여 위험등급을 분류한 후, 단계별로 제작된 자동화 모델은 파이썬(python) 스크립트로 작성하여 연계하며, 지오코딩 작업을 통해 지도 위에 격자 변환된 상태로 모니터에 표시함을 특징으로 하는 침수 및 산불 재난위험분석 자동화 구축 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220169435A KR102540454B1 (ko) | 2022-12-07 | 2022-12-07 | 침수 및 산불 재난위험분석 자동화 구축 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220169435A KR102540454B1 (ko) | 2022-12-07 | 2022-12-07 | 침수 및 산불 재난위험분석 자동화 구축 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102540454B1 true KR102540454B1 (ko) | 2023-06-14 |
Family
ID=86744547
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220169435A KR102540454B1 (ko) | 2022-12-07 | 2022-12-07 | 침수 및 산불 재난위험분석 자동화 구축 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102540454B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117874498A (zh) * | 2024-03-12 | 2024-04-12 | 航天广通科技(深圳)有限公司 | 基于数据湖的智慧林业大数据系统、方法、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101200368B1 (ko) * | 2012-04-27 | 2012-11-14 | 대한민국 | 기후변화 취약성 평가 시스템 및 그 방법 |
| KR101585402B1 (ko) * | 2014-05-28 | 2016-01-15 | (주)넥스지오 | 지아이에스(gis) 기반의 지질환경정보 검색시스템 |
| KR20160099931A (ko) | 2015-02-13 | 2016-08-23 | 대한민국(국민안전처 국립재난안전연구원장) | 재난 위험 및 관심 지역에 대한 재난 예방 및 관리방법 |
| KR20160133199A (ko) | 2015-05-12 | 2016-11-22 | 대한민국(국민안전처 국립재난안전연구원장) | 빅데이터 의미 기반 재난 감성분류방법 |
| KR102350252B1 (ko) * | 2021-04-14 | 2022-01-12 | 대한민국 | 맵 라이브러리 데이터셋 구축 및 활용방법 |
-
2022
- 2022-12-07 KR KR1020220169435A patent/KR102540454B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101200368B1 (ko) * | 2012-04-27 | 2012-11-14 | 대한민국 | 기후변화 취약성 평가 시스템 및 그 방법 |
| KR101585402B1 (ko) * | 2014-05-28 | 2016-01-15 | (주)넥스지오 | 지아이에스(gis) 기반의 지질환경정보 검색시스템 |
| KR20160099931A (ko) | 2015-02-13 | 2016-08-23 | 대한민국(국민안전처 국립재난안전연구원장) | 재난 위험 및 관심 지역에 대한 재난 예방 및 관리방법 |
| KR20160133199A (ko) | 2015-05-12 | 2016-11-22 | 대한민국(국민안전처 국립재난안전연구원장) | 빅데이터 의미 기반 재난 감성분류방법 |
| KR102350252B1 (ko) * | 2021-04-14 | 2022-01-12 | 대한민국 | 맵 라이브러리 데이터셋 구축 및 활용방법 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117874498A (zh) * | 2024-03-12 | 2024-04-12 | 航天广通科技(深圳)有限公司 | 基于数据湖的智慧林业大数据系统、方法、设备及介质 |
| CN117874498B (zh) * | 2024-03-12 | 2024-05-10 | 航天广通科技(深圳)有限公司 | 基于数据湖的智慧林业大数据系统、方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Safety assessment of shipping routes in the South China Sea based on the fuzzy analytic hierarchy process | |
| Modugno et al. | Mapping regional patterns of large forest fires in Wildland–Urban Interface areas in Europe | |
| Gai et al. | GIS-based forest fire risk assessment and mapping | |
| KR100755890B1 (ko) | 지아이에스를 이용한 지역별 안전도 평가 시스템 및 그방법 | |
| CN111897030A (zh) | 一种雷暴预警系统及方法 | |
| Del Negro et al. | Living at the edge of an active volcano: Risk from lava flows on Mt. Etna | |
| KR102265733B1 (ko) | 전기 화재 예측 장치, 방법 및 그 방법을 이용한 기록 매체 | |
| Zhang et al. | A GIS-based assessment on the vulnerability and future extent of the tropical forests of the Congo Basin | |
| Hysa et al. | A GIS based method for indexing the broad-leaved forest surfaces by their wildfire ignition probability and wildfire spreading capacity | |
| KR102540454B1 (ko) | 침수 및 산불 재난위험분석 자동화 구축 방법 | |
| Burzel et al. | Spatial modeling of tangible and intangible losses in integrated coastal flood risk analysis | |
| KR102350252B1 (ko) | 맵 라이브러리 데이터셋 구축 및 활용방법 | |
| JP2007035017A (ja) | 防災事業計画支援システム | |
| KR102476663B1 (ko) | 쇠퇴지역의 재난재해를 종합진단하는 시스템 및 방법 | |
| Cong et al. | Landslide susceptibility mapping by combining the analytical hierarchy process and regional frequency analysis methods: a case study for Quangngai Province (Vietnam) | |
| Davis et al. | Post-hurricane michael damage assessment using ADCIRC storm surge hindcast, image classification, and LiDAR | |
| Sambo et al. | Framework for multirisk climate scenarios across system receptors with application to the Metropolitan City of Venice | |
| Akyürek | Spatial and temporal analysis of vegetation fires in Europe | |
| Shoman et al. | Dynamic monitoring of land cover change: A recent study for Istanbul metropolitan area | |
| Elvas et al. | Data fusion and visualization towards city disaster management: Lisbon case study | |
| Aghayev et al. | Remote sensing and geographic information system/geodatabase in river flood mapping | |
| JP3656852B1 (ja) | 防災事業計画支援方法とそのシステム | |
| Pradhan et al. | Landslide risk assessment using multi-hazard scenario produced by logistic regression and LiDAR-Based DEM | |
| KR20220157626A (ko) | 공간정보 융합기술을 활용한 노후 건축지구 화재위험지수 평가장치, 방법 및 그 방법을 기록한 기록매체 | |
| Arthur et al. | Assessing the impacts of tropical cyclones |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |