KR20160062470A - Apparatus for predicting landslide using logistic regression model and method thereof - Google Patents
Apparatus for predicting landslide using logistic regression model and method thereof Download PDFInfo
- Publication number
- KR20160062470A KR20160062470A KR1020140165240A KR20140165240A KR20160062470A KR 20160062470 A KR20160062470 A KR 20160062470A KR 1020140165240 A KR1020140165240 A KR 1020140165240A KR 20140165240 A KR20140165240 A KR 20140165240A KR 20160062470 A KR20160062470 A KR 20160062470A
- Authority
- KR
- South Korea
- Prior art keywords
- landslide
- risk
- prediction model
- factor
- risk prediction
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000007477 logistic regression Methods 0.000 title claims abstract description 28
- 238000013058 risk prediction model Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 9
- 239000002689 soil Substances 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000010438 granite Substances 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000000366 juvenile effect Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06Q50/265—Personal security, identity or safety
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 산사태 예측 기법에 관한 것으로서, 특히, 로지스틱 회귀모형을 이용하여 산사태를 예측하기 위한 장치 및 그 방법에 관한 것이다.The present invention relates to a landslide prediction method, and more particularly, to an apparatus and method for predicting a landslide using a logistic regression model.
최근 기후 변화로 인한 국지성 집중호우 및 태풍의 영향으로 산사태 피해 면적은 크게 증가하고 있다. 산림청 통계에 따르면 산사태 패해면적은 1980년대 연평균 231ha에서 1990년대 349ha, 2000년대에는 713ha로 1980년대에 비해 약 3배 이상 증가한 것으로 나타났다.Recent landslides due to climate change The area affected by landslides has increased significantly due to heavy rainfall and typhoons. According to the Forest Agency statistics, the area of landslide loss increased from 231ha in the 1980s to 349ha in the 1990s and 713ha in the 2000s, more than three times that of the 1980s.
이렇게 지속적으로 증가하고 있는 산사태 피해를 효과적으로 대비하기 위해 다양한 연구가 수행되고 있으며, 특히, 산사태가 언제, 어디에서 발생하는지 등에 대한 산사태 위험도 예측 연구가 중요하다.Various studies have been carried out to effectively prepare for the ongoing landslide damage. In particular, it is important to study the landslide risk prediction, such as when and where landslides occur.
산사태 예측 방법은 크게 두 부분으로 나뉘는데 물리기반의 사면안정해석방법과 통계분석기법을 이용한 방법으로 구분된다.The landslide prediction method is divided into two parts: physical slope stability analysis method and statistical analysis method.
사면안정해석은 안정해석식과 그 파라미터들 즉, 붕괴메커니즘에 의한 수치식과 지하수위, 전단응력, 간극수압 등 현장이나 실험에 의한 실제 물리계수를 사용해 비교적 정확한 예측이 가능하고 강우에 의한 산사태 위험도 변화를 모의할 수 있다. 그러나 물리모형의 경우 일정범위 이상 확대·적용이 어려워 넓은 지역을 대상으로 하기 위해서는 많은 시간과 비용이 투입되어야 한다.The slope stability analysis is based on the stability analysis and its parameters, that is, the numerical formula by the collapse mechanism, and the actual physical factors such as groundwater level, shear stress and pore water pressure, You can simulate. However, in the case of the physical model, it is difficult to expand or apply more than a certain range.
반면 통계를 기반으로 한 모형은 기존 산사태 발생지에서 나타난 여러 인자별 특성을 통계기법을 이용하여 분석한 뒤 산사태 발생위험도를 예측하는 것으로 산사태 발생 위치 및 공간 분포에 따라 적용 범위를 비교적 쉽게 확대할 수 있는 장점이 있으나, 통계기법으로 인한 주관적(경험적) 요소를 배제할 수 없었다. 또한, 기존 인력에 의한 현장조사는 인력 및 시간 등 투입비용의 한계로 인해 국소지역으로 제한되었다.On the other hand, the statistical model predicts the risk of landslide occurrence by analyzing the characteristics of various factors in the existing landslide area using statistical techniques and can easily extend the application range according to the landslide occurrence location and spatial distribution There is an advantage, but the subjective (empirical) factor of statistical techniques can not be ruled out. In addition, field work by existing manpower has been limited to local areas due to the limitation of input costs such as manpower and time.
따라서 이러한 종래 기술의 문제점을 해결하기 위한 것으로, 본 발명의 목적은 로지스틱 회귀모형을 이용하여 산정된 산사태 영향 인자를 기반으로 산사태 위험도 예측모형을 생성하고 그 생성된 산사태 위험도 예측모형을 이용하여 산사태 발생위험을 예측하도록 하는 로지스틱 회귀모형을 이용하여 산사태를 예측하기 위한 장치 및 그 방법을 제공하는데 있다.Therefore, the object of the present invention is to create a landslide risk prediction model based on the landslide impact factor estimated using the logistic regression model, and to use the generated landslide risk prediction model, And to provide a device and method for predicting landslide using a logistic regression model that predicts risk.
그러나 본 발명의 목적은 상기에 언급된 사항으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.However, the objects of the present invention are not limited to those mentioned above, and other objects not mentioned can be clearly understood by those skilled in the art from the following description.
상기 목적들을 달성하기 위하여, 본 발명의 한 관점에 따른 산사태를 예측하기 위한 장치는 기 구축된 공간 DB를 기반으로 산사태 예측에 사용할 산사태 영향 인자를 선정하는 인자 선정부; 로지스틱 회귀모형을 이용하여 기 선정된 적어도 하나의 산사태 영향 인자를 기반으로 하는 산사태 위험도 예측모형을 생성하는 예측모형 생성부; 및 상기 산사태 위험도 예측모형을 기반으로 산사태 발생지와 미발생지를 예측하는 산사태 예측부를 포함할 수 있다.According to an aspect of the present invention, there is provided an apparatus for predicting a landslide according to an aspect of the present invention, the apparatus comprising: a factor selection unit for selecting a landslide effect factor to be used for landslide prediction based on a pre- A prediction model generation unit for generating a landslide risk prediction model based on at least one landslide impact factor selected using a logistic regression model; And a landslide prediction unit for predicting landslide occurrence sites and non-landslide lands based on the landslide risk prediction model.
바람직하게, 상기 인자 선정부는 로지스틱 회귀모형을 이용하여 기 설정된 산사태 영향 인자를 분석하여 그 분석한 결과로 유의수준(p-value)이 0.05 이상이 되는 인자를 제거하는 과정을 반복 수행하고 상기 반복 수행한 결과로 기 설정된 산사태 영향 인자 중 적어도 하나의 최종 산사태 영향 인자를 결정하는 것을 특징으로 한다.Preferably, the factor selection unit analyzes a predetermined landslide impact factor using a logistic regression model, and repeatedly performs a process of removing a factor having a p-value of 0.05 or more as a result of the analysis, And determining a final landslide impact factor of at least one of the predetermined landslide impact factors as a result.
바람직하게, 상기 산사태 위험도 예측모형 LS는 수학식 (LS = -2.596 + 0.069×사면 경사 - 0.022×사면 길이 + 0.011×사면 곡률 + 0.734×TWI - 0.594×경급 + 0.006×토심 + 사면방위 + 모암 + 임상)인 것을 특징으로 한다.Preferably, the landslide risk prediction model LS satisfies the following formula: LS = -2.596 + 0.069 × slope-0.022 slope length + 0.011 slope curvature + 0.734 × TWI-0.594 × speed + 0.006 × depth + slope bearing + Clinical).
바람직하게, 상기 산사태 예측부는 상기 산사태 위험도 예측모형을 이용하여 지역별 산사태 위험도를 산출하고, 산출된 상기 지역별 산사태 위험도를 기반으로 해당 영역 내 산사태 발생지와 미발생지를 예측하는 것을 특징으로 한다.Preferably, the landslide predictor calculates the landslide risk by region using the landslide risk prediction model, and predicts the landslide occurrence areas and non-landslide areas based on the calculated regional landslide risk.
바람직하게, 상기 산사태 위험도는 수학식 산사태 위험도 = EXP(LS) / (1+EXP(LS))에 의해 구하고, 여기서, 상기 LS는 산사태 위험도 예측모형인 것을 특징으로 한다.Preferably, the landslide risk is calculated by a mathematical formula of landslide risk = EXP (LS) / (1 + EXP (LS)), where LS is a landslide risk prediction model.
또한, 본 발명에 따른 산사태를 예측하기 위한 장치는 상기 산사태 위험도 예측모형을 이용하여 예측된 상기 산사태 발생지와 상기 산사태 미발생지를 기반으로 산사태 발생위험 예측지도를 생성하는 예측지도 생성부를 더 포함하되, 상기 산사태 발생위험 예측지도는 각 지역을 기 설정된 산사태 위험도에 따라 구분되는 것을 특징으로 한다.Further, the apparatus for predicting landslides according to the present invention further includes a prediction map generation unit for generating a landslide risk prediction map based on the landslide occurrence sites and the landslide non-occurrence sites predicted using the landslide risk prediction model, The above-described landslide risk prediction map is characterized in that each area is classified according to the predetermined landslide risk.
본 발명의 다른 한 관점에 따른 산사태를 예측하기 위한 방법은 기 구축된 공간 DB를 기반으로 산사태 예측에 사용할 산사태 영향 인자를 선정하는 인자 선정단계; 로지스틱 회귀모형을 이용하여 기 선정된 적어도 하나의 산사태 영향 인자를 기반으로 하는 산사태 위험도 예측모형을 생성하는 예측모형 생성단계; 및 상기 산사태 위험도 예측모형을 기반으로 산사태 발생지와 미발생지를 예측하는 산사태 예측단계를 포함할 수 있다.According to another aspect of the present invention, there is provided a method for predicting a landslide, comprising the steps of: selecting a landslide impact factor to be used for predicting landslides based on a pre-constructed space DB; A prediction model generation step to generate a landslide risk prediction model based on at least one landslide impact factor selected using a logistic regression model; And a landslide prediction step of predicting landslide occurrence sites and non-landslide lands based on the landslide risk prediction model.
바람직하게, 상기 인자 선정단계는 로지스틱 회귀모형을 이용하여 기 설정된 산사태 영향 인자를 분석하여 그 분석한 결과로 유의수준(p-value)이 0.05 이상이 되는 인자를 제거하는 과정을 반복 수행하고 상기 반복 수행한 결과로 기 설정된 산사태 영향 인자 중 적어도 하나의 최종 산사태 영향 인자를 결정하는 것을 특징으로 한다.Preferably, the factor selection step is performed by analyzing a predetermined landslide impact factor using a logistic regression model and repeating the process of removing a factor having a p-value of 0.05 or more as a result of the analysis, And determining at least one final landslide impact factor among the predetermined landslide impact factors as a result of the performance.
바람직하게, 상기 산사태 위험도 예측모형 LS는 수학식 (LS = -2.596 + 0.069×사면 경사 - 0.022×사면 길이 + 0.011×사면 곡률 + 0.734×TWI - 0.594×경급 + 0.006×토심 + 사면방위 + 모암 + 임상)인 것을 특징으로 한다.Preferably, the landslide risk prediction model LS satisfies the following formula: LS = -2.596 + 0.069 × slope-0.022 slope length + 0.011 slope curvature + 0.734 × TWI-0.594 × speed + 0.006 × depth + slope bearing + Clinical).
바람직하게, 상기 산사태 예측단계는 상기 산사태 위험도 예측모형을 이용하여 지역별 산사태 위험도를 산출하고, 산출된 상기 지역별 산사태 위험도를 기반으로 해당 영역 내 산사태 발생지와 미발생지를 예측하는 것을 특징으로 한다.Preferably, the landslide prediction step calculates the landslide risk by using the landslide risk prediction model, and predicts landslide occurrence areas and non-landslide areas based on the calculated regional landslide risk.
바람직하게, 상기 산사태 위험도는 수학식 산사태 위험도 = EXP(LS) / (1+EXP(LS))에 의해 구하고, 여기서, 상기 LS는 산사태 위험도 예측모형인 것을 특징으로 한다.Preferably, the landslide risk is calculated by a mathematical formula of landslide risk = EXP (LS) / (1 + EXP (LS)), where LS is a landslide risk prediction model.
또한, 본 발명에 따른 산사태를 예측하기 위한 방법은 상기 산사태 위험도 예측모형을 이용하여 예측된 상기 산사태 발생지와 상기 산사태 미발생지를 기반으로 산사태 발생위험 예측지도를 생성하는 예측지도 생성단계를 더 포함하되, 상기 산사태 발생위험 예측지도는 각 지역을 기 설정된 산사태 위험도에 따라 구분되는 것을 특징으로 한다.According to another aspect of the present invention, there is provided a method for predicting a landslide risk, the method comprising: generating a predicted landslide risk prediction map based on the landslide occurrence site and the landslide occurrence site using the landslide risk prediction model; , And the prediction map of the occurrence of the landslide is classified according to the predetermined landslide risk.
이를 통해, 본 발명은 로지스틱 회귀모형을 이용하여 산정된 산사태 영향 인자를 기반으로 산사태 위험도 예측모형을 생성하고 그 생성된 산사태 위험도 예측모형을 이용하여 산사태 발생위험을 예측하도록 함으로써, 비용, 시간 등을 절약하여 효율성을 증대시킬 수 있는 효과가 있다.Accordingly, the present invention generates a landslide risk prediction model based on a landslide impact factor calculated using a logistic regression model, and estimates the risk of landslide occurrence using the generated prediction model of landslide risk, And the efficiency can be increased.
또한 본 발명은 여러 공간 자료와 결합하여 다양한 분석에 활용될 수 있는 효과가 있다.Also, the present invention can be utilized in various analyzes in combination with various spatial data.
또한 본 발명은 공간자료에 적합한 특성을 가지고 있는 로지스틱 회구모형을 이용하기 때문에 충분한 자료를 구축함에 따라 정확도를 지속적으로 향상시킬 수 있는 효과가 있다.In addition, since the present invention uses a logistic model that has characteristics suitable for spatial data, it has an effect of continuously improving the accuracy by building sufficient data.
도 1은 본 발명의 일 실시예에 따른 산사태를 예측하기 위한 장치를 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 산사태 영향 인자를 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 로지스틱 회귀 분석 결과를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 산사태 발생위험 예측지도를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 산사태를 예측하기 위한 방법을 나타내는 도면이다.1 is a block diagram of an apparatus for predicting a landslide according to an embodiment of the present invention.
2 is a view showing a landslide impact factor according to an embodiment of the present invention.
FIG. 3 is a diagram showing a result of a logistic regression analysis according to an embodiment of the present invention.
FIG. 4 is a diagram illustrating a prediction of a landslide occurrence risk according to an embodiment of the present invention.
5 is a diagram illustrating a method for predicting a landslide according to an embodiment of the present invention.
이하에서는, 본 발명의 실시예에 따른 로지스틱 회귀모형을 이용하여 산사태를 예측하기 위한 장치 및 그 방법을 첨부한 도면을 참조하여 설명한다. 본 발명에 따른 동작 및 작용을 이해하는데 필요한 부분을 중심으로 상세히 설명한다.Hereinafter, an apparatus and method for predicting landslides using a logistic regression model according to an embodiment of the present invention will be described with reference to the accompanying drawings. The present invention will be described in detail with reference to the portions necessary for understanding the operation and operation according to the present invention.
또한, 본 발명의 구성 요소를 설명하는 데 있어서, 동일한 명칭의 구성 요소에 대하여 도면에 따라 다른 참조부호를 부여할 수도 있으며, 서로 다른 도면임에도 불구하고 동일한 참조부호를 부여할 수도 있다. 그러나, 이와 같은 경우라 하더라도 해당 구성 요소가 실시예에 따라 서로 다른 기능을 갖는다는 것을 의미하거나, 서로 다른 실시예에서 동일한 기능을 갖는다는 것을 의미하는 것은 아니며, 각각의 구성 요소의 기능은 해당 실시예에서의 각각의 구성요소에 대한 설명에 기초하여 판단하여야 할 것이다.In describing the constituent elements of the present invention, the same reference numerals may be given to constituent elements having the same name, and the same reference numerals may be given thereto even though they are different from each other. However, even in such a case, it does not mean that the corresponding component has different functions according to the embodiment, or does not mean that the different components have the same function. It should be judged based on the description of each component in the example.
특히, 본 발명에서는 로지스틱 회귀모형을 이용하여 산정된 산사태 영향 인자를 기반으로 산사태 위험도 예측모형을 생성하고 그 생성된 산사태 위험도 예측모형을 이용하여 산사태 발생위험을 예측하도록 하는 새로운 방안을 제안한다.In particular, the present invention proposes a new method for predicting landslide risk using the generated landslide risk prediction model based on the landslide impact factor estimated using the logistic regression model.
도 1은 본 발명의 일 실시예에 따른 산사태를 예측하기 위한 장치를 나타내는 도면이다.1 is a block diagram of an apparatus for predicting a landslide according to an embodiment of the present invention.
도 1에 도시한 바와 같이, 본 발명에 따른 산사태를 예측하기 위한 장치는 정보 입력부(110), 인자 선정부(120), 예측모형 생성부(130), 산사태 예측부(140), 예측지도 생성부(150), 및 정보 저장부(160) 등을 포함할 수 있다.1, an apparatus for predicting a landslide according to the present invention includes an
정보 입력부(110)는 산사태 발생 지역을 촬영한 항공 영상을 입력 받고 입력받은 항공 영상으로부터 사용자에 의해 산사태 발생지를 추출하여 그 추출된 산사태 발생지를 기반으로 공간 DB(Spatial Database)를 구축할 수 있다.The
인자 선정부(120)는 입력 받은 정보를 기반으로 산사태 예측에 사용할 적어도 하나의 산사태 영향 인자를 로지스틱 회귀모형을 이용하여 선정할 수 있다.Based on the input information, the
도 2는 본 발명의 일 실시예에 따른 산사태 영향 인자를 나타내는 도면이다.2 is a view showing a landslide impact factor according to an embodiment of the present invention.
도 2를 참조하면, 본 발명에 따른 산사태 영향 인자는 크게 지형 인자(Topography), 수문 인자(Hydrology), 식생 인자(Vegetation), 토양 인자(Soil), 지질 인자(Geology)로 구분될 수 있다.Referring to FIG. 2, the landslide impact factor according to the present invention can be roughly classified into topography, hydrology, vegetation, soil factor, and geology.
예컨대, 지형 인자는 집수면적(drainage area), 집수길이(Drainage length), 사면곡률(curvature), 경사도(slope), 사면방위(aspect)를 포함하고, 수문인자는 TWI(Topographic Wetness Index), SPI(Stream Power Index)를 포함하며, 식생 인자는 임상(stand), 경급(age class), 영급(diameter)을 포함하며, 지질 인자는 토심(soil texture), 토성(soil depth), 모암(rock)를 포함할 수 있다.For example, topographical factors include drainage area, drainage length, slope curvature, slope, slope aspect, and hydrological factors include TWI (Topographic Wetness Index), SPI The soil vegetation, the soil depth, the rock, and the vegetation factors include the stand, the age class, and the diameter. . ≪ / RTI >
이때, 지형 인자 및 수문 인자는 1:5,000 수치지형도, 공간 분석 기법을 이용하여 분석되고, 식생 인자 및 토양 인자는 1:25,000 수치임상도와 산림입지도를 이용하여 분석되며, 지질 인자는 1:50,000 지질도를 이용하여 분석된다.The topographic and hydrologic parameters were analyzed using 1: 5,000 digital topography and spatial analysis. Vegetation factors and soil factors were analyzed using 1: 25,000 numerical clusters and forest location data. The lipid parameters were 1: 50,000 It is analyzed using geology.
본 발명에서 사용하고 있는 로지스틱 회귀모형(Logistic Regression)은 종속 변수와 독립 변수들 간의 인과 관계를 확률로 추정하는 통계 기법을 의미한다.The logistic regression used in the present invention means a statistical technique for estimating the causal relationship between the dependent variable and the independent variable with probability.
이때, 독립 변수는 연속형 변수와 범주형 변수로 혼합해서 분석할 수 있다. 종속 변수는 각 독립 변수의 값에 따라서 예측된 확률을 가지게 되는데 산사태의 미발생을 뜻하는 '0'의 값과 발생을 뜻하는 '1'의 값을 갖는다. 종속 변수의 값은 0과 1 사이를 벗어나지 않으며, 독립 변수의 값이 증가하면서 예측되는 종속 변수의 값은 1에 가까워진다.At this time, independent variables can be analyzed by mixing them with continuous variables and categorical variables. The dependent variable has a predicted probability depending on the value of each independent variable. It has a value of '0' to indicate the occurrence of landslide and a value of '1' to indicate occurrence of landslide. The value of the dependent variable does not deviate from 0 and 1, and the value of the dependent variable that is predicted as the value of the independent variable increases is close to 1.
다음의 [수학식 1]은 로지스틱 회귀모형의 기본형으로 우측절편의 상수 및 독립변수의 계수를 반복 수행하여 결정하고 다음의 [수학식 2]와 같이 변환할 수 있다.The following equation (1) can be determined by repeating the coefficients of the constants and independent variables of the right intercept as the basic form of the logistic regression model, and can be transformed as shown in the following equation (2).
[수학식 1][Equation 1]
[수학식 2]&Quot; (2) "
여기서, p는 예측된 이벤트 발생 확률(predicted probability of he event occurrence)을 나타낸다.Here, p represents a predicted probability of he event occurrence.
인자 선정부(130)는 이러한 로지스틱 회귀모형을 이용하여 기 선정된 산사태 영향 인자인 지형, 수문, 식생, 토양, 지질 등 13개의 인자를 분석하여 그 분석한 결과로 유의수준(p-value)이 0.05 이상이 되는 인자를 제거하는 과정을 반복 수행하고 수행한 결과로서 최종 산사태 영향 인자를 결정할 수 있다.Using the logistic regression model, the
도 3은 본 발명의 일 실시예에 따른 로지스틱 회귀 분석 결과를 나타내는 도면이다.FIG. 3 is a diagram showing a result of a logistic regression analysis according to an embodiment of the present invention.
도 3을 참조하면, 일 예로 집수면적, SPI, 영급, 토성이 제거되고 최종적으로 9개의 인자가 선정된 것을 보여주고 있다. 이때, 사면방위 및 임상의 경우 유의수준이 0.05 이상인 항목이 있지만 범주형 변수임을 고려하여 제거하지 않았다.Referring to FIG. 3, it is shown that, for example, the catchment area, SPI, juvenile level, and soil are removed and finally, nine factors are selected. At this time, there were items with significance level of 0.05 or more in slope bearing and clinical cases, but they were not removed considering that they are categorical variables.
여기서, 'B'는 로지스틱 회귀모형을 이루는 각 변수의 계수를 나타내고, 'Wald'는 통계량이 크면 클수록 독립변수가 종속변수에 미치는 영향이 크다는 것을 의미하며, EXP(B)는 산사태 미발생과 발생이 이항분포에서 산사태 발생으로 갈 확률을 의미한다.In this case, 'B' represents the coefficient of each variable making up the logistic regression model, 'Wald' means that the larger the statistic is, the bigger the dependent variable has on the dependent variable, and EXP (B) In this binomial distribution, it means the probability of going to landslide occurrence.
연속형 변수에서는 TWI와 경사도가 산사태 발생에 가장 크게 영향을 미치고 범주형 변수에서는 사면방향과 임상이 가장 큰 영향을 미치는 것으로 나타난다.In continuous variables, TWI and slope have the greatest influence on occurrence of landslide, and categorical variables have the greatest influence on slope direction and clinic.
예측모형 생성부(130)는 로지스틱 회귀모형을 이용하여 이렇게 기 선정된 최종 산사태 영향 인자를 기반으로 하는 산사태 위험도 예측모형을 생성할 수 있다.The
이러한 산사태 영향 인자를 이용하는 일반적인 산사태 위험도 예측모형 LS는 다음의 [수학식 3]과 같다.The general model LS for estimating landslide risk using these landslide impact factors is shown in Equation (3).
[수학식 3]&Quot; (3) "
LS = C0 + B1×집수면적 + B2×집수 길이 + B3×사면 경사 + B4×사면 길이LS = C 0 + B 1 × collecting area + B 2 × collecting length + B 3 × slope inclination + B 4 × slope length
+ B5×사면 곡률 + B6×TWI + B7×SPI + B8×경급 + B9×영급+ B 5 × Slope curvature + B 6 × TWI + B 7 × SPI + B 8 × Lightning + B 9 × Height
+ B10×토심 + B11×사면방위 + B12×모암 + B13×임상+ B 10 × depth + B 11 × slope bearing + B 12 × laminae + B 13 × clinical
여기서, C0는 상수(constant)를 나타내고, B1~B13은 각 인자의 계수를 나타낸다.Here, C 0 represents a constant, and B 1 through B 13 represent coefficients of respective factors.
상기 [수학식 3]은 각 인자에 곱해지는 지수가 양수인 경우 인자가 커질수록 산사태 위험도가 증가하며 음수인 경우 인자가 커질수록 산사태 위험도가 낮아지는 것을 의미한다.The above equation (3) means that the risk factor for landslide increases as the factor increases, and the risk of landslide decreases as the factor increases.
상기 [수학식 3]에 9개의 최종 산사태 영향 인자를 적용하면 다음의 [수학식 4]와 같다.Applying the nine final landslide impact factors to Equation (3) yields Equation (4).
[수학식 4]&Quot; (4) "
LS = -2.596 + 0.069×사면 경사 - 0.022×사면 길이 + 0.011×사면 곡률LS = -2.596 + 0.069 × slope inclination - 0.022 × slope length + 0.011 × slope curvature
+ 0.734×TWI - 0.594×경급 + 0.006×토심+ 사면방위 + 모암 + 임상 + 0.734 x TWI - 0.594 x light + 0.006 x depth + slope bearing + tuft + clinic
상기 [수학식 3]을 다음의 [수학식 5]에 대입하여 산사태 위험도로 변환할 수 있다.The above equation (3) can be substituted into the following equation (5) to convert it into a landslide risk diagram.
[수학식 5]&Quot; (5) "
산사태 위험도 = EXP(LS) / (1 + EXP(LS))Landslide Risk = EXP (LS) / (1 + EXP (LS))
여기서, 유역면적과 관련되어 인자의 범위가 한정되지 않고 무한한 범위를 가지는 TWI와 사면길이는 각각 양과 음의 값을 취하는데 인자끼리 서로 상충되면서 공간적으로 계류부가 아닌 상부사면에서 산사태 위험도가 높게 나타난다. 그리고 사면방위는 남쪽일수록, 모암은 화강암이 포함된 화성암류일수록, 임상은 침엽수일수록 산사태 위험도가 증가하는 것으로 나타난다.Here, the TWI and the slope length, which are not limited in the range of the factor related to the watershed area, have positive and negative values, respectively, and the risk of landslide is high in the upper slope, The more the slope bearing is south, the more igneous rocks containing granite, the more coniferous the clinic, the more the risk of landslide increases.
산사태 예측부(140)는 이렇게 최종 산사태 영향 인자를 적용하여 생성된 산사태 위험도 예측모형을 이용하여 산사태 발생지와 산사태 미발생지를 예측할 수 있다.The
즉, 산사태 예측부(140)는 최종 산사태 영향 인자가 적용되어 생성된 산사태 위험도 예측모형을 이용하여 지역별 산사태 위험도를 산출하고, 산출된 지역별 산사태 위험도를 기반으로 해당 영역 내 산사태 발생지와 미발생지를 예측할 수 있다.That is, the
예측지도 생성부(150)는 산사태 위험도 예측모형을 이용하여 예측된 산사태 발생지와 산사태 미발생지를 기반으로 산사태 발생위험 예측지도를 생성할 수 있다.The
예컨대, 본 발명에서는 산사태 발생위험 예측지도 확률을 5구간으로 구분하였는데, 산사태 위험도 0.70 이상을 1등급, 0.50~0.69를 2등급, 0.30~0.49를 3등급, 0.10~0.29를 4등급, 0.10 미만을 5등급으로 각각 구분할 수 있다.For example, in the present invention, the probability of predicting the occurrence of landslides is divided into five sections, where the landslide risk is 0.70 or more in the first grade, 0.50 to 0.69 in the second grade, 0.30 to 0.49 in the third grade, 0.10 to 0.29 in the fourth grade, 5 grades.
도 4는 본 발명의 일 실시예에 따른 산사태 발생위험 예측지도를 나타내는 도면이다.FIG. 4 is a diagram illustrating a prediction of a landslide occurrence risk according to an embodiment of the present invention.
도 4에 도시한 바와 같이 우리나라의 산사태 발생위험 예측지도를 보여주고 있는데, 예컨대, 1등급은 산사태 위험도가 매우 높은 곳, 2등급은 산사태 위험도가 높은 곳, 3등급은 산사태 위험도가 낮은 곳, 4등급은 산사태 위험도가 매우 낮은 곳, 5등급은 산사태 위험도가 없는 곳으로 구분하여 보여준다.As shown in FIG. 4, there is shown a prediction map of the risk of landslide occurrence in Korea. For example, the first grade is a place where the risk of landslide is very high, the second grade is the place where the risk of landslide is high, The grades are classified as those where the risk of landslides is very low, and those of
정보 저장부(160)는 항공 영상, 항공 영상으로부터 추출된 정보, 산사태 영향 인자, 산사태 위험도 예측모델, 산사태 발생위험 예측지도 등을 저장할 수 있다.The
도 5는 본 발명의 일 실시예에 따른 산사태를 예측하기 위한 방법을 나타내는 도면이다.5 is a diagram illustrating a method for predicting a landslide according to an embodiment of the present invention.
도 5에 도시한 바와 같이, 본 발명에 따른 산사태를 예측하기 위한 장치(이하, 산사태 예측장치라고 한다)는 산사태 발생 지역을 촬영한 항공 영상을 입력 받고(S510) 입력 받은 항공 영상으로부터 산사태 발생지를 추출하여 그 추출된 산사태 발생지를 기반으로 공간 DB를 구축할 수 있다(S520).5, an apparatus for predicting landslides according to the present invention (hereinafter referred to as a landslide prediction apparatus) receives an aerial image photographed in a landslide occurrence area (S510) and receives a landslide source from an input aerial image And a spatial DB can be constructed based on the extracted landslide occurrence source (S520).
다음으로, 산사태 예측장치는 구축된 공간 DB를 기반으로 산사태 예측에 사용할 기 설정된 산사태 영향 인자를 로지스틱 회귀모형을 이용하여 분석하여 그 분석한 결과로 최종 산사태 영향 인자를 선정할 수 있다(S530).Next, the landslide prediction device analyzes a predetermined landslide impact factor to be used for landslide prediction based on the constructed space DB using a logistic regression model, and selects a final landslide impact factor as a result of the analysis (S530).
구체적으로 설명하면, 산사태 예측장치는 로지스틱 회귀모형을 이용하여 기 선정된 산사태 영향 인자인 지형, 수문, 식생, 토양, 지질 등 13개의 인자를 분석하여 그 분석한 결과로 유의수준(p-value)이 0.05 이상이 되는 인자를 제거하는 과정을 반복 수행하고 수행한 결과로 최종 산사태 영향 인자를 결정하게 된다.Specifically, the landslide prediction system uses a logistic regression model to analyze 13 factors such as terrain, hydrology, vegetation, soil, and geology, And a factor of 0.05 or more is removed. As a result, the final landslide impact factor is determined.
다음으로, 산사태 예측장치는 로지스틱 회귀모형을 이용하여 기 선정된 최종 산사태 영향 인자를 기반으로 하는 산사태 위험도 예측모형을 생성할 수 있다(S540).Next, using the logistic regression model, the landslide prediction apparatus can generate a landslide risk prediction model based on the selected final landslide impact factor (S540).
다음으로, 산사태 예측장치는 산사태 위험도 예측모형을 이용하여 산출된 지역별 산사태 위험도를 기반으로 산사태 발생지와 산사태 미발생지를 예측할 수 있다(S550).Next, the landslide prediction apparatus can predict landslide occurrence sites and landslide occurrence sites based on the regional landslide risk calculated using the landslide risk prediction model (S550).
다음으로, 산사태 예측장치는 산사태 위험도 예측모형을 이용하여 예측된 산사태 발생지와 산사태 미발생지를 기반으로 산사태 발생위험 예측지도를 생성할 수 있다(S560).Next, the landslide prediction apparatus can generate a landslide risk prediction map based on the predicted landslide occurrence sites and non-landslide occurrence sites using the landslide risk prediction model (S560).
한편, 이상에서 설명한 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 기재되어 있다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 또한, 이와 같은 컴퓨터 프로그램은 USB 메모리, CD 디스크, 플래쉬 메모리 등과 같은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 캐리어 웨이브 매체 등이 포함될 수 있다.It is to be understood that the present invention is not limited to these embodiments, and all of the elements constituting the embodiments of the present invention described above are described as being combined or operated together. That is, within the scope of the present invention, all of the components may be selectively coupled to one or more of them. In addition, although all of the components may be implemented as one independent hardware, some or all of the components may be selectively combined to perform a part or all of the functions in one or a plurality of hardware. As shown in FIG. In addition, such a computer program may be stored in a computer-readable medium such as a USB memory, a CD disk, a flash memory, etc., and read and executed by a computer, thereby implementing embodiments of the present invention. As the storage medium of the computer program, a magnetic recording medium, an optical recording medium, a carrier wave medium, or the like may be included.
이상에서 설명한 실시예들은 그 일 예로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.While the invention has been shown and described with reference to certain embodiments thereof, it will be apparent to those skilled in the art that various changes and modifications may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. Therefore, the embodiments disclosed in the present invention are intended to illustrate rather than limit the scope of the present invention, and the scope of the technical idea of the present invention is not limited by these embodiments. The scope of protection of the present invention should be construed according to the following claims, and all technical ideas within the scope of equivalents should be construed as falling within the scope of the present invention.
110: 정보 입력부
120: 인자 선정부
130: 예측모형 생성부
140: 산사태 예측부
150: 예측지도 생성부
160: 정보 저장부110: Information input unit
120:
130: prediction model generation unit
140: landslide predictor
150: prediction map generating unit
160: Information storage unit
Claims (12)
로지스틱 회귀모형을 이용하여 기 선정된 적어도 하나의 산사태 영향 인자를 기반으로 하는 산사태 위험도 예측모형을 생성하는 예측모형 생성부; 및
상기 산사태 위험도 예측모형을 기반으로 산사태 발생지와 미발생지를 예측하는 산사태 예측부;
를 포함하는 산사태를 예측하기 위한 장치.A Factor for Selecting Landslide Impact Factors to Use in Landslide Prediction Based on Pre - Built Space DB;
A prediction model generation unit for generating a landslide risk prediction model based on at least one landslide impact factor selected using a logistic regression model; And
A landslide predictor for predicting landslide occurrence sites and non-landslide lands based on the landslide risk prediction model;
And a device for predicting a landslide.
상기 인자 선정부는,
로지스틱 회귀모형을 이용하여 기 설정된 산사태 영향 인자를 분석하여 그 분석한 결과로 유의수준(p-value)이 0.05 이상이 되는 인자를 제거하는 과정을 반복 수행하고
상기 반복 수행한 결과로 기 설정된 산사태 영향 인자 중 적어도 하나의 최종 산사태 영향 인자를 결정하는 것을 특징으로 하는 산사태를 예측하기 위한 장치.The method according to claim 1,
Wherein the factor selecting unit comprises:
The logistic regression model was used to analyze the pre-established landslide impact factor and the process of removing the factor with the p-value of 0.05 or higher was repeated.
And determining at least one final landslide impact factor among the predetermined landslide impact factors as a result of the repeatedly performed operations.
상기 산사태 위험도 예측모형 LS는 수학식 (LS = -2.596 + 0.069×사면 경사 - 0.022×사면 길이 + 0.011×사면 곡률 + 0.734×TWI - 0.594×경급 + 0.006×토심+ 사면방위 + 모암 + 임상)인 것을 특징으로 하는 산사태를 예측하기 위한 장치.The method according to claim 1,
The landslide risk prediction model LS has a formula of LS = -2.596 + 0.069 × slope-0.022 × slope length + 0.011 × slope curvature + 0.734 × TWI-0.594 × lightweight + 0.006 × depth + slope bearing + Wherein the device is for predicting landslides.
상기 산사태 예측부는,
상기 산사태 위험도 예측모형을 이용하여 지역별 산사태 위험도를 산출하고, 산출된 상기 지역별 산사태 위험도를 기반으로 해당 영역 내 산사태 발생지와 미발생지를 예측하는 것을 특징으로 하는 산사태를 예측하기 위한 장치.The method according to claim 1,
The landslide prediction unit,
Wherein a landslide risk is calculated using the landslide risk prediction model, and landslide occurrence sites and non-landslide occurrence regions are predicted based on the calculated landslide risk.
상기 산사태 위험도는,
수학식 산사태 위험도 = EXP(LS) / (1+EXP(LS))에 의해 구하고, 여기서, 상기 LS는 산사태 위험도 예측모형인 것을 특징으로 하는 산사태를 예측하기 위한 장치.5. The method of claim 4,
The risk of landslide,
(LS) / (1 + EXP (LS)), where LS is a landslide risk prediction model.
상기 산사태 위험도 예측모형을 이용하여 예측된 상기 산사태 발생지와 상기 산사태 미발생지를 기반으로 산사태 발생위험 예측지도를 생성하는 예측지도 생성부;
를 더 포함하되, 상기 산사태 발생위험 예측지도는 각 지역을 기 설정된 산사태 위험도에 따라 구분되는 것을 특징으로 하는 산사태를 예측하기 위한 장치.The method according to claim 1,
A prediction map generation unit for generating a landslide risk prediction map based on the landslide occurrence sites and the landslide non-occurrence sites predicted using the landslide risk prediction model;
Wherein the predicted landslide risk prediction map is classified according to a predetermined landslide risk.
로지스틱 회귀모형을 이용하여 기 선정된 적어도 하나의 산사태 영향 인자를 기반으로 하는 산사태 위험도 예측모형을 생성하는 예측모형 생성단계; 및
상기 산사태 위험도 예측모형을 기반으로 산사태 발생지와 미발생지를 예측하는 산사태 예측단계;
를 포함하는 산사태를 예측하기 위한 방법.Factor selection step to select the landslide impact factor to be used for landslide prediction based on the pre - built spatial DB;
A prediction model generation step to generate a landslide risk prediction model based on at least one landslide impact factor selected using a logistic regression model; And
A landslide prediction step for predicting landslide occurrence sites and non-landslide lands based on the landslide risk prediction model;
The method comprising the steps of:
상기 인자 선정단계는,
로지스틱 회귀모형을 이용하여 기 설정된 산사태 영향 인자를 분석하여 그 분석한 결과로 유의수준(p-value)이 0.05 이상이 되는 인자를 제거하는 과정을 반복 수행하고
상기 반복 수행한 결과로 기 설정된 산사태 영향 인자 중 적어도 하나의 최종 산사태 영향 인자를 결정하는 것을 특징으로 하는 산사태를 예측하기 위한 방법.8. The method of claim 7,
The parameter selection step may include:
The logistic regression model was used to analyze the pre-established landslide impact factor and the process of removing the factor with the p-value of 0.05 or higher was repeated.
Determining a final landslide impact factor of at least one of the predetermined landslide impact factors as a result of the repeatedly performed operations.
상기 산사태 위험도 예측모형 LS는 수학식 (LS = -2.596 + 0.069×사면 경사 - 0.022×사면 길이 + 0.011×사면 곡률 + 0.734×TWI - 0.594×경급 + 0.006×토심+ 사면방위 + 모암 + 임상)인 것을 특징으로 하는 산사태를 예측하기 위한 방법.8. The method of claim 7,
The landslide risk prediction model LS has a formula of LS = -2.596 + 0.069 × slope-0.022 × slope length + 0.011 × slope curvature + 0.734 × TWI-0.594 × lightweight + 0.006 × depth + slope bearing + A method for predicting a landslide.
상기 산사태 예측단계는,
상기 산사태 위험도 예측모형을 이용하여 지역별 산사태 위험도를 산출하고, 산출된 상기 지역별 산사태 위험도를 기반으로 해당 영역 내 산사태 발생지와 미발생지를 예측하는 것을 특징으로 하는 산사태를 예측하기 위한 방법.8. The method of claim 7,
In the landslide prediction step,
Calculating a landslide risk by using the landslide risk prediction model, and predicting landslide occurrence areas and non-landslide areas in the area based on the calculated landslide risk of each area.
상기 산사태 위험도는,
수학식 산사태 위험도 = EXP(LS) / (1+EXP(LS))에 의해 구하고, 여기서, 상기 LS는 산사태 위험도 예측모형인 것을 특징으로 하는 산사태를 예측하기 위한 방법.11. The method of claim 10,
The risk of landslide,
(LS) / (1 + EXP (LS)), where LS is a landslide risk prediction model.
상기 산사태 위험도 예측모형을 이용하여 예측된 상기 산사태 발생지와 상기 산사태 미발생지를 기반으로 산사태 발생위험 예측지도를 생성하는 예측지도 생성단계;
를 더 포함하되, 상기 산사태 발생위험 예측지도는 각 지역을 기 설정된 산사태 위험도에 따라 구분되는 것을 특징으로 하는 산사태를 예측하기 위한 방법.8. The method of claim 7,
A prediction map generation step of generating a landslide risk prediction map based on the landslide occurrence sites and the landslide non-occurrence sites predicted using the landslide risk prediction model;
Wherein the predicted landslide risk prediction map is classified according to a predetermined landslide risk.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140165240A KR20160062470A (en) | 2014-11-25 | 2014-11-25 | Apparatus for predicting landslide using logistic regression model and method thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140165240A KR20160062470A (en) | 2014-11-25 | 2014-11-25 | Apparatus for predicting landslide using logistic regression model and method thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20160062470A true KR20160062470A (en) | 2016-06-02 |
Family
ID=56135614
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140165240A KR20160062470A (en) | 2014-11-25 | 2014-11-25 | Apparatus for predicting landslide using logistic regression model and method thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20160062470A (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111461009A (en) * | 2020-03-31 | 2020-07-28 | 四川九洲北斗导航与位置服务有限公司 | Landslide risk assessment method and device based on high-resolution SAR technology and electronic equipment |
| CN112966722A (en) * | 2021-02-07 | 2021-06-15 | 南昌大学 | Regional landslide susceptibility prediction method based on semi-supervised random forest model |
| KR20220079119A (en) * | 2020-12-04 | 2022-06-13 | 대한민국(산림청 국립산림과학원장) | Method and Apparatus for Predicting Land Creep |
| KR20220096458A (en) | 2020-12-31 | 2022-07-07 | 재단법인 국가농림기상센터 | A device for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer, and a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer using the same |
| CN116108758A (en) * | 2023-04-10 | 2023-05-12 | 中南大学 | Landslide susceptibility evaluation method |
-
2014
- 2014-11-25 KR KR1020140165240A patent/KR20160062470A/en not_active Application Discontinuation
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111461009A (en) * | 2020-03-31 | 2020-07-28 | 四川九洲北斗导航与位置服务有限公司 | Landslide risk assessment method and device based on high-resolution SAR technology and electronic equipment |
| CN111461009B (en) * | 2020-03-31 | 2023-10-24 | 四川九洲北斗导航与位置服务有限公司 | Landslide risk assessment method and device based on high-score SAR technology and electronic equipment |
| KR20220079119A (en) * | 2020-12-04 | 2022-06-13 | 대한민국(산림청 국립산림과학원장) | Method and Apparatus for Predicting Land Creep |
| KR20220096458A (en) | 2020-12-31 | 2022-07-07 | 재단법인 국가농림기상센터 | A device for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer, and a method for calculating a landslide risk index using WRF hourly rainfall and soil moisture per layer using the same |
| CN112966722A (en) * | 2021-02-07 | 2021-06-15 | 南昌大学 | Regional landslide susceptibility prediction method based on semi-supervised random forest model |
| CN116108758A (en) * | 2023-04-10 | 2023-05-12 | 中南大学 | Landslide susceptibility evaluation method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | The influence of DEM spatial resolution on landslide susceptibility mapping in the Baxie River basin, NW China | |
| Catani et al. | Landslide susceptibility estimation by random forests technique: sensitivity and scaling issues | |
| Wang et al. | Spatial and temporal prediction and uncertainty of soil loss using the revised universal soil loss equation: a case study of the rainfall–runoff erosivity R factor | |
| KR20160062470A (en) | Apparatus for predicting landslide using logistic regression model and method thereof | |
| Watson et al. | An improved method to represent DEM uncertainty in glacial lake outburst flood propagation using stochastic simulations | |
| CN105804730B (en) | Method and system for resource identification using historical well data | |
| CN107657618B (en) | Automatic extraction method of regional scale erosion gully based on remote sensing image and topographic data | |
| Singh et al. | Application of principal component analysis in grouping geomorphic parameters for hydrologic modeling | |
| Deshmukh et al. | Physio‐climatic controls on vulnerability of watersheds to climate and land use change across the US | |
| Mergili et al. | Combining release and runout in statistical landslide susceptibility modeling | |
| JP2019127818A (en) | Earth-flow disaster prediction device, computer program, earth-flow disaster prediction method and map information | |
| Arana et al. | What precision in the Digital Terrain Model is required for noise mapping? | |
| Muluneh et al. | Morphometric analysis of Didessa River catchment in blue nile basin, western Ethiopia | |
| Marsh et al. | Validation of FABDEM, a global bare-earth elevation model, against UAV-lidar derived elevation in a complex forested mountain catchment | |
| Samiran Das et al. | Assessment of uncertainty in flood flows under climate change impacts in the Upper Thames River basin, Canada. | |
| Lin et al. | WinBasin: Using improved algorithms and the GIS technique for automated watershed modelling analysis from digital elevation models | |
| KR20130080683A (en) | Method and system for predicting detailed rainfall using quantitative precipitation model | |
| 준영박 et al. | Development of continuous rainfall-based citywide landslide early warning model | |
| KR101785148B1 (en) | Empirical Formula for the Mobilization Criteria between Landslide and Debris Flow and Generation Method thereof | |
| Pradhan et al. | GIS-based landslide susceptibility model considering effective contributing area for drainage time | |
| KR101723796B1 (en) | Apparatus for predicting risk of debris flow and method thereof | |
| Wilson | Geomorphometry: Today and tomorrow | |
| Esmaili et al. | An applied method for general regional seismic loss assessment—With a case study in Los Angeles County | |
| KR102387940B1 (en) | Landslide prediction apparatus and method to undestand the geo-environmental characteristics related to landslide | |
| Hojatimalekshah et al. | Lidar and deep learning reveal forest structural controls on snowpack |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |