Browse

폐광산지역의 지반침하 발생 리스크 평가를 위한 GIS 공간분석
GIS-based spatial analysis for the risk assessment of subsidence in abandoned mine areas

Cited 0 time in Web of Science Cited 0 time in Scopus
Authors
서장원
Advisor
박형동
Major
공과대학 에너지시스템공학부
Issue Date
2013-08
Publisher
서울대학교 대학원
Keywords
지리정보시스템광산 지반침하지반침하 예측리스크 평가공간분석
Description
학위논문 (박사)-- 서울대학교 대학원 : 에너지시스템공학부, 2013. 8. 박형동.
Abstract
본 연구에서는 과거 지하자원개발이 활발하게 이루어졌던 강원도 삼척시 도계읍 일대의 폐광산지역을 대상으로 광역적인 범위에서의 지반침하 발생 위험도와 지반침하 발생으로 인한 잠재적 리스크를 상대적 순위 관점에서 평가하였다. 이를 위해 연구대상지역의 수치갱내도, 수치지형도, 수치지질도, 시추공 자료, 지반침하 발생 위치도 등을 통합한 GIS 데이터베이스를 구축하였다. 그리고 국내외 문헌 검토를 통해 광산 지반침하 발생에 영향을 미치는 8개의 주요 영향인자들(갱도 심도, 갱도 밀도, 갱도로부터의 최소거리, 철도로부터의 최소거리, 암반등급, 지하수 심도, 사면경사, 지표강우누적흐름양)을 선정하였다. 광산 지반침하의 발생과 영향인자들의 상관성을 분석하기 위해 GIS의 다양한 공간분석 기법을 이용하여 GIS 데이터베이스로부터 8개의 영향인자 주제도(래스터 레이어)를 생성하였으며, 모든 영향인자 레이어를 동일 면적을 갖는 훈련지역(training area)과 검증지역(validation area)으로 분할하였다.
통계적 기법의 하나인 빈도비 모델(frequency ratio)을 통해 훈련지역의 광산 지반침하 발생과 영향인자의 등급(속성 값 범위)에 따른 상관관계를 분석하여 영향인자의 등급별 빈도비를 부여하였고, 전문가 시스템의 하나인 계층분석기법(analytic hierarchy process)을 이용하여 영향인자들의 상대적인 중요도를 나타내는 가중치를 할당하였다. 빈도비 모델과 빈도비-계층분석기법 결합 모델을 이용하여 8개의 빈도비 레이어를 격자셀별로 더하는 중첩 연산(선형조합, 가중조합)을 수행하여 2개의 광산 지반침하 발생 위험성 지도를 작성하였다. 생성된 광산 지반침하 발생 위험성 지도의 예측 정확도를 검증하고 비교하기 위해 누적비율곡선 기법을 적용한 결과, 빈도비 모델이 약 97%, 가중 조합 모델이 약 94%의 예측 정확도를 나타냈다. 두 모델 중에 더 높은 예측 정확도를 보인 빈도비 모델 기반의 광산 지반침하 발생 위험성 지도를 연구대상지역의 건물과 시설물이 지반침하 위험에 노출된 정도, 노출된 건물의 취약성 정도 등과 결합하여 광산 지반침하 발생으로 인한 상대적 리스크를 평가하였다. 이를 통해, 광산 지반침하 발생 확률이 높은 지점뿐만 아니라 지반침하가 건물에 미치는 잠재적인 피해가 높은 지역에 대한 정보를 제시할 수 있었다.
본 연구에서 제시된 GIS 기반의 분석 모델은 적용 대상과 현장 조건에 따라 영향인자의 종류나 가중치, 분석 기법의 결합 방법 등을 쉽게 변경할 수 있다. 또한, 광산 지반침하 발생 이력 등의 추가적인 공간자료가 확보될 경우 광산 지반침하 발생 예측 정확도와 분석 모델의 신뢰도를 향상시킬 수 있는 장점이 있다.
This study present Geographic Information Systems (GIS)-based subsidence hazard and risk assessment in regional scale in abandoned coal mine areas, Samcheok-si, Gangwon-do, South Korea. For this aim, a spatial database was constructed which incorporating mine drift maps, topographic maps, geological maps, borehole data, and subsidence inventory maps representing the locations of past subsidence occurrences. Eight main factors (drift depth, drift density, distance from nearest drift, distance from nearest railroad, rock mass rating, groundwater depth, slope, and surface runoff accumulation) were selected from the literature review. Eight thematic layers were extracted from the spatial database to examine the relationships between past subsidence occurrences and related factors. Each factor layer was divided into the training area and validation area those have same areas.
Frequency ratio (FR) model, one of the statistical methods, was used to establish rating classes for each factor (training datasets). In addition, Analytic hierarchy process (AHP) model, one of the expert systems, was used as a method to establish weightings for the factors considering relative importance of eight factors. Then, two models (FR model and FR-AHP integrated model) were used to combine multiple factor layers into a subsidence hazard map. When the cumulative frequency diagram and area under the curve technique were used to verify the subsidence hazard map by comparing the determined hazard rankings with past subsidence occurrences (validation dataset), the FR model and FR–AHP integrated model showed 97% and 94% accuracies, respectively, of predicting subsidence occurrences. Finally, the subsidence hazard map based on the FR model, which showed higher prediction accuracy, was overlain with exposure intensity and vulnerability maps to generate a subsidence priority setting map, representing the relative risk of mine subsidence to buildings. The subsidence priority setting map can be used by planners and developers to identify and prioritize areas requiring more detailed investigations (engineering mitigation measures or to design monitoring systems) of mine subsidence hazards and risks.
Proposed GIS-based spatial analysis model can be easily modified (i.e., change of contributing factors, assign of weight of factors, combination of analytical methods) according to the applicable objects and site conditions. In addition, prediction accuracy and reliability can be increased with more geospatial data including mine subsidence occurrences.
Language
Korean
URI
https://hdl.handle.net/10371/118154
Files in This Item:
Appears in Collections:
College of Engineering/Engineering Practice School (공과대학/대학원)Dept. of Energy Systems Engineering (에너지시스템공학부)Theses (Ph.D. / Sc.D._에너지시스템공학부)
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse