1. 서 론

국가 지하정보인 시추정보는 터널, 지하구조물 등의 국토개발, 석탄, 석유, 금･은･동의 자원개발, 지진과 같은 지질재해, 지하수, 토양에 대한 환경오염 방지, 지질공원, 지질박물관 같은 관광･레저 그리고 지반에 대한 지질학적, 화학적, 물리학적 교육연구 등에 지대한 기여를 하고 있다(Jang et al., 2013). 한편, 최근 서울 주요 도시에서 잇따라 발생하고 있는 동공 및 도로 함몰과 같은 지반재해로 인하여 많은 사회적 문제와 비용이 발생되고 있으며, 그로인해 현재 시행되고 있는 국내 지하공간정보 통합 인프라 구축을 위한 표준화 방안 및 활용성에 관한 연구가 수행된바 있다(Seok et al., 2012). 이러한 지하공간정보 통합 인프라는 지하공간통합지도라 정의하며, 지하공간통합지도는 지하시설물 정보 6종, 지하구조물 정보 6종, 지반정보 3종의 총 15종의 지하 공간 정보로 구성되어 있다. 이 중 지반정보는 국토지반정보 통합DB센터(2017)에 22만공 이상의 시추 정보 DB로 구축되어있다. 하지만 이렇게 방대한 양의 DB가 구축되어 있음에도 불구하고 활용성 부족의 문제가 지속적으로 제기되고 있으며, 이에 따라 지반정보를 3차원으로 가시화하여 제공함으로써 지반정보 DB의 활용성을 제고하고자하는 연구가 진행 중에 있다. 이러한 연구의 진행을 위해서 대상 지역에 존재하는 다수의 지반조사 결과 자료를 이용하여 지반 특성을 해석할 경우에 지반의 불균질성과 일부 자료의 낮은 신뢰성으로 인해 지층구성 평가 및 각 지층의 지반 정수 산정을 함에 있어서 어느 정도 오차나 오류가 불가피하게 된다(Kim et al., 2011). 그러므로 신뢰성 있는 3차원 지반정보를 제공하기 위해서는 우선적으로 지반정보의 정밀도 평가 및 검증이 필수적으로 선행되어야한다. 이러한 지반정보의 정밀도를 평가하는 연구가 Jang et al.(2014)에 의해 수행된 바 있으며, 지구통계학(geostatistics)적 기법을 활용한 지반정보의 정밀도 분석(Lee et al., 2017)을 통해서 표고 자료에 대한 오차를 확인한 바 있다. 여기서 지구통계학은 지하자원 분포의 합리적 예측을 위하여 개발되어 적용된 이래로 지질학뿐만 아니라 대기과학, 수리학 등의 다양한 학문 분야에서 미지 자료의 효율적 예측을 위하여 지속적으로 활용되어 왔다(Carr, 1995).

신뢰성 있는 3차원 지반정보의 구축은 지반 구조물설계 시 지층경계면 특히 기반암에 대한 경계면 예측 또는 건설 공사, 준설 및 매립 시 합리적인 토공량 또는 준설/매립토량의 산출에 대한 근거 자료로써 활용이 가능할 것으로 기대된다. 하지만 여태까지 지반정보의 정밀도 평가는 지층의 표고에 따라 지층이 종결되는 심도 즉, 지표고 기준 지층경계면 심도 정보에 대해서만 실시되었다. 더욱 신뢰성 있는 3차원 지반정보 구축을 위해서는 지반정보의 정밀도를 분석하고 평가하는데서 더 나아가 정밀도 향상 방안의 제시가 필요하다고 판단된다. 그러므로 본 연구에서는 시추정보의 기존 표고 자료에 대한 이상치를 제거하여 지반정보의 정밀도를 향상시키고 더 나아가 지표고 기준 지층경계면 심도 정보를 이용한 3차원 지반정보의 구축뿐만 아니라 지층의 두께를 이용한 3차원 지반정보 구축 방안을 고려하여 지반정보의 활용 방안에 대하여 검토하였다. 여기서, 지층 두께의 이용은 지형의 영향을 최소화하여 지층 분포를 예측할 수 있으므로, 평지로 분류된 대상지들뿐만 아니라 지형 변화가 심한 구릉이나 산지에서도 상대적으로 합리적인 공간 지층 정보 구축이 가능할 것으로 판단된다(Chun et al., 2005).

2. 시범 대상 지역 및 정밀도 분석 방법

2.1 시범 대상 지역 선정

최근 서울시 내에서는 동공 및 도로함몰과 같은 지반 재해가 빈번히 일어나고 있으며, 이를 근거로 본 연구에서는 Fig. 1과 같이 서울시 내의 2개 구(송파구, 강남구)에 대한 지반정보의 정밀도를 분석하고 나아가 3차원 지반정보의 구축을 위한 지반정보의 활용 방안에 대해서 검토하였다. 이러한 연구 수행을 위해서 국토지반정보 통합DB센터(2017)로부터 서울시 2개 구에 대한 격자 크기 1m × 1m의 DEM과 시추공정보 3267개를 제공받았으며, 제공 받은 DB는 각 시추공에 대한 시추주상도 정보로 시추공번호, XY좌표, 표고, 지층이름, 지층에 대한 심도 정보 등을 포함하고 있다.

Fig. 1.

Locations of boreholes in Gangnam and Songpa region

2.2 정밀도 분석 방법

본 연구에서는 3차원 지반정보 구축을 위한 지반정보의 정밀도 향상방안을 제시하기 위해 ArcGIS 프로그램 내 kriging 기법을 활용하였다. 여기서, kriging은 지구통계학적 기법으로 수학적 방법과 통계학적 방법이 결합된 형태이며, 기지 자료간의 상관관계, 기지 자료와 예측될 지점 값의 상관관계, 기지 자료의 경향성 등을 반영할 수 있어서 넓은 영역의 공간적 보간에 매우 효과적이다(Chun et al., 2005). 미지 영역의 자료들을 보간하는 kriging에는 여러 방법들이 있으며, 본 연구에서는 보편적으로 활용되는 ordinary kriging을 적용하여 공간 지층 분포를 구축하였으며 일반적인 ordinary kriging의 식은 다음과 같다(Isaaks and Srivastava, 1989).

        (1)

  (2)

여기서,  : 가중치

     : Lagrange 계수

또한, kriging의 적용으로부터 영역 내 시추공의 교차검증을 실시하였다. 여기서, 교차검증은 대상영역의 기지점 자료 가운데 하나의 물리량을 미지 값으로 가정하고 나머지 자료로부터 이를 예측함으로써 실측된 물리량과 예측된 물리량의 차이를 분석하여 해당 지점의 물리량이 주변의 측정값이 갖는 경향을 따르는지 판단하여 수행하게 된다. 또한, 교차검증을 통해 획득할 수 있는 평균제곱근오차(RMSE, Root Mean Square Error)의 비교를 통해 대상 영역에 대한 시추정보들의 공간 분석을 수행하였다. 여기서, RMSE는 잔차 제곱의 평균에 제곱근을 취한 것으로 Eq. (3)처럼 표현된다.

       (3)

Eq. (3)에서 e는 관측 값과 계측 값의 차이를 나타내며, n은 자료의 개수를 나타낸다. RMSE는 표준편차의 정의와 동일하나 분산과 표준편차는 미지수 1개의 반복 관측에 의한 개별관측의 정밀도인데 반하여, RMSE는 미지수 2개 이상이 포함된 관측의 정밀도를 나타낼 때 활용하게 된다(Lee et al., 2017).

3. 기존 표고 자료와 DEM의 비교를 통한 지반정보의 이상치 제거

Lee et al.(2017)에 의해 시추정보로부터 획득된 기존 표고 자료는 현재의 지형과 다른 큰 오차를 포함하고 있는 것으로 확인되었다. 3차원 지반정보 구축을 위해서는 우선적으로 현재의 지형과 일치하는 지형으로부터 해당 하는 영역의 하부 지반을 표현해야한다. 이에 따라 실세계 지형 정보 중 건물, 수목, 인공 구조물 등을 제외한 지형(bare earth)부분을 표현하는 수치 모형인 수치표고자료(DEM, Digital Elevation Model)를 시추정보의 기존 표고 자료에 대체하여 지층정보를 나타냄으로써 지반정보를 3차원으로 구축하는 방안이 고려되었다. 하지만 이는 현재의 지형에 맞춰진 3차원 지반정보를 표현할 수 있으나, 그 지형 하부 지반의 지층을 그대로 모사하는 것은 아니다. DEM을 현재의 지형이라고 가정한다면 시간의 흐름에 따라 절토, 성토 등으로 인하여 시추정보의 기존 표고와 차이가 발생하게 되고 그 차이의 크기로부터 해당 지반 내 지층은 매우 상이하게 나타날 것으로 판단된다. 그러므로 본 연구에서는 DEM과 기존 표고 자료의 비교를 통해 과다한 오차를 나타내는 표고를 포함한 시추정보를 이상치로 판단하여 제거 전/후의 정밀도를 분석하고자 하였다. 이러한 정밀도 분석에 앞서 먼저 시추정보의 기존 표고 자료에 입력이 누락된 시추공들을 제거하였다. 입력 누락 시추공들을 제거한 시추정보들에서 기존 표고 자료에 대한 오차를 분석하였으며, 여기서 오차는 아래 Fig. 2와 같이 시추공 DB의 표고정보와 해당 위치의 DEM 격자 표고정보를 추출하여 상호 표고 오차를 계산하였다. 또한 DEM과 기존 표고 자료 간의 차이인 오차에 대한 이상치 범위를 판단하기 위해서 정규분포를 적용하고자 하였으며, 우선적으로 오차의 정규분포 적용이 타당한지 살펴보았다. 수집된 자료들이 정규분포를 따르는지 확인하는 방법은 다양하나 그중 일반적인 자료의 정규성 검정으로는 히스토그램 모양에 따른 검증과 Q-Q 도표의 기울기를 이용하는 방법 등이 있다(Choi, 2000).

Fig. 2.

Comparisons of elevation distribution using elevation data and DEM

본 연구에서는 히스토그램을 활용한 정규성 검토를 실시하였으며, 여기서 히스토그램은 자료 분포의 특징이 한눈에 보이도록 계급구간을 X축, 도수를 y축으로 하여 그린 그래프로 주어진 자료가 정규성을 가질 경우 히스토그램은 형태가 종 모양을 가지며 중앙값 근처의 케이스가 상대적으로 많고 이상점이 거의 없게 나타난다(Jang et al., 2015).

Fig. 3을 통해 송파구 및 강남구의 오차 분포가 종모양의 형태로 나타나는 것을 확인하였으며, 이를 통해 기존의 표고 자료와 DEM의 오차에 대한 정규분포 적용의 타당성을 확인하였다. 다음으로 기존의 표고 자료에 대한 이상치를 제거하기 위해서 신뢰구간(confidence interval)을 적용하였다. 여기서, 신뢰구간이란 실제 모수(parameter)를 추정하는데 몇 퍼센트의 확률로 그 신뢰구간이 실제 모수를 포함하게 될 것이냐 하는 것이다. 신뢰구간은 작을수록 신뢰수준은 그만큼 높아지게 되며, 신뢰구간을 추정하기 위해 점 추정 또는 구간 추정을 사용하게 된다. 점 추정은 한 점을 이용하여 모수를 추정하는데 비해 구간 추정은 그 값의 범위와 편차를 통해 추정을 하게 된다. 본 연구에서는 구간 추정을 통하여 각 지역별로 추출한 오차에 대한 신뢰구간을 추정하였다. 주어진 오차 자료에 대한 산포도를 나타내는 수치인 표준편차를 이용하여 전체 자료의 99.7%(±3)가 포함된 구간을 다음 Eq. (4)를 통하여 신뢰 구간으로 산정하였다. Table 1은 지역별로 표고 기입이 누락된 시추공을 제외하고 신뢰 구간 산출에 활용된 시추공 수 및 신뢰 구간의 적용을 통하여 산출한 허용 가능한 오차의 최대, 최솟값을 나타낸 것이다.

 (4)

Fig. 3.

Histogram and normal distribution of errors in Songpa and Gangnam

여기서, : 표본평균, : 표본 표준편차, : 표본의 크기

기존 표고 자료의 오차가 산정된 신뢰구간을 벗어나는 시추정보들은 이상치로 판단하여 제거하는 과정을 수행하였으며, 교차검증을 통해 산출한 이상치 제거 전 후의 기존 표고 자료에 대한 RMSE를 Table 2에 나타내었다. 신뢰구간의 산정을 통한 이상치 제거 결과 송파구, 강남구 대부분의 시추공에서 기존에 존재하는 표고 자료가 과다한 오차를 나타내는 것을 확인하였다. 이러한 이상치 제거 후 기존 표고 자료의 정밀도는 해당하는 2개의 지역에서 RMSE가 감소하는 경향을 보였으며, 이는 이상치 제거 후 기존의 표고 자료에 대한 정밀도가 상승하는 것을 의미한다.

Table 1. Summary of details calculated value In confidence level

Table 2. Summary of details borehole and RMSE before and after removing outlier

4. 지반정보의 정밀도 분석 및 활용 방안 평가

4.1 지반정보 분석 항목의 선정

3차원 지반정보의 구축 및 제공시 최적의 영역 선정을 위하여 각 시추공의 근린거리를 100∼500m간격으로 설정하여 정밀도를 분석하는 연구가 Lee et al.(2017)에 의하여 진행된 바 있다. 하지만 시추공간의 간격보다는 각 지역의 시추공 밀집도나 지형 및 지반조건에 따라 정밀도가 상이하게 나타났으며, 이에 따라 3차원 지반정보의 사용 및 구축에 대한 편의성을 고려하여 가장 적합한 시추공 간 간격의 선정 후 시추공을 그룹화하여 제공하는 것이 바람직하다 판단되었다. 이러한 결과를 바탕으로 국토지반정보 통합DB센터(2017)에서는 3차원 지반정보의 구축 영역을 자료의 크기 또는 자료 구축 및 사용자의 자료 활용에 대한 편의성을 고려하여 공간상에서 시추공들 간의 가까운 거리를 250m이내로 설정 후 그룹화하여 제공하고자 하였다. 이를 토대로 본 연구에서는 기존 표고 자료와 DEM의 비교를 통하여 지반정보의 이상치가 제거된 송파구와 강남구의 시추 정보를 Fig. 4와 같이 250m의 거리로 그룹화하여 정밀도 분석을 진행하였다. 그룹화를 통해 공간상에서 생성된 폴리곤의 개수, 폴리곤에 포함되어 추출된 시추공 수를 Table 3에 나타내었다. 또한, 해당 지역에서 생성된 그룹들 중 정밀도 분석에 활용할 그룹을 선정하였다. 여기서, 선정된 그룹은 지역별로 정밀도 및 체적 분석을 위해서 시추공 수가 5공 이상이며, 시추공이 많은 그룹을 확인하여 Table 3과 같이 선정하였다.

Table 3. Summary of details polygon and borehole in target area

Fig. 4.

Locations of group with boring interval of 250 m

지반정보를 통한 지층의 경계면 산정은 지반 내 구조물 설계에 있어 매우 중요하다. 선행 연구에서는 이러한 지층의 경계면을 시추정보 내 지표고 기준 지층경계면 심도를 활용하여 정밀도를 분석하였다. 하지만 이는 각 시추공에서 발현되지 않는 지층의 경향성을 반영할 수 없게 된다. 그러므로 본 연구에서는 지층경계면 심도뿐만 아니라 각 시추공 별로 영역 내에서 발현되는 모든 지층의 두께를 산정하여 정밀도 분석을 실시하였다. 또한, 지표고 기준 지층경계면 심도를 공간보간하여 생성한 지층경계면과 지층 두께의 공간보간을 통해 생성된 지표고 기준 지층경계면 심도 및 ArcGIS를 통하여 산출한 각 지층의 체적을 비교하였으며, 이를 통해 3차원 지반정보 구축을 위한 지반정보의 정밀도 향상 방안 및 활용 방안을 제시하고자하였다.

4.1.1 지층 두께 분석을 위한 입력자료 구축

지반정보 중 지층의 심도 정보는 시추주상도 내에 존재한다. 하지만 지층 두께에 대한 정보는 시추주상도에 따로 존재하지 않기 때문에 지층 두께의 정밀도 분석을 위해서 대상 영역에서 나타나는 모든 지층들을 확인하여 정규화 할 필요가 있다. 이러한 지층의 정규화를 위해서 국토지반정보 통합DB센터에서 제시하는 Table 4와 같은 지층 이름을 적용하였으며, Table 5는 각 대상 영역에 대하여 정규화 된 지층을 발현 순서대로 나열한 것이다. 이렇게 정규화 된 지층들을 대상 영역의 모든 시추공으로부터 발현 유/무를 확인하고 발현되지 않는 지층의 두께는 0으로 적용하여 정밀도 분석의 입력 자료로써 활용하였다.

Table 4. Layer name (Integrated DB Center of National Geotechnical Information, 2017)

Table 5. Soil profiles of the target boreholes in Songpa-Gu and Gangnam-Gu

4.2 해당 영역의 정밀도 분석

본 연구에서는 지반정보의 정밀도 분석 및 정밀도 향상 방안을 제시하기 위해서 시추정보 내의 기존 표고 자료를 DEM과 비교하여 지반정보의 이상치를 제거하였다. 이렇게 이상치가 제거된 자료를 바탕으로 국토지반정보 통합DB센터(2017)에서 제시하는 3차원 지반정보 구축을 위한 대상 영역의 정밀도를 분석하기 위해서 각 시추공간의 거리가 250m내에 분포하는 시추공들을 그룹화하여 시추정보 내 지층 정보 중 지표고 기준 지층경계면 심도와 지층 두께 정보를 kriging을 통한 공간보간 후 교차검증을 실시하였다. Fig. 5의 Prediction Map은 지표고 기준 지층경계면 심도 및 지층에 대한 두께를 해당하는 영역에서 공간보간하여 예측한 결과이며, Standard Error Map은 지층경계면 심도와 지층 두께의 표본평균이 모평균으로부터 얼마나 벗어나 있는가를 나타내는 결과이다. 이러한 결과로부터 지층경계면 심도와 지층 두께에 대한 정밀도를 비교하기 위해 교차검증을 실시하였고 교차검증을 통해서 산출된 대상 영역 각 지층의 RMSE를 Fig. 6에 그래프로 도시하였다. Fig. 6을 살펴보면 송파구 A4, A11의 경우 지층경계면 심도 보다는 지층 두께에 대한 RMSE가 낮게 나타났으나, A5, A15는 지층별로 비슷한 정밀도를 나타내었다. 하지만 강남구에서는 대부분의 지층에서 지층경계면 심도에 비해 지층 두께에 대한 정밀도가 더 높게 나타났다. 이러한 결과들을 대상 영역별로 비교하기 위해서 각 영역 모든 지층의 지층경계면 심도와 지층 두께에 대한 RMSE를 평균하여 Fig. 6의 (h)에 그래프로 도시하였다. 그 결과 A5의 지표고 기준 지층경계면 심도의 평균 RMSE는 2.428m로 지층 두께의 평균 RMSE 2.806m보다 다소 낮은 것을 제외하고는 전체적으로 지층의 두께에 대한 평균 RMSE가 지층경계면 심도에 대한 평균 RMSE보다 낮게 나타났다. 이러한 결과는 지층의 정규화를 통해서 대상 영역 내 모든 시추공 자료에 대하여 지층 두께를 산정 후 입력하기 때문에 모든 시추공을 기지점으로 활용할 수 있어 시추공 각각의 경향성 및 상관성이 모두 반영되기 때문인 것으로 판단된다. 또한, 각 대상 지역에서 지층경계면 심도 및 지층 두께의 평균 RMSE에 대한 값의 차이가 큰 영역은 공간보간 시 지층경계면 심도 자료를 포함하는 시추공의 수가 적고 지층에 대한 분포가 영역 내에서 고르지 못하며 국부적으로 나타나 각 시추공의 공간적 상관성 및 경향성을 반영하지 못한 것으로 판단된다.

Fig. 5.

Kriging results using depth and thickness of reclamation soil layer in A15

Fig. 6.

Comparisons of RMSE using depth and thickness in target area

반면에, 대상 지역에서 지층경계면 심도 및 지층 두께의 평균 RMSE 차이가 작은 영역은 전체 시추공 대다수에서 지층경계면 심도를 확인할 수 있으며, 시추공에서 나타나는 지층경계면 심도의 자료 수가 적더라도 지층 분포가 영역 내에서 고르게 나타나는 것을 확인하였다. 이러한 결과를 바탕으로 지층 두께로부터 평가된 정밀도가 지층의 종결 심도로부터 나타낸 지층경계면 심도의 정밀도보다 높은 것을 확인하였다. 이에 따라 3차원 지반정보의 정밀도를 향상시키기 위해서는 지층경계면의 심도보다는 지층의 두께를 통한 구축 방안의 검토가 필요할 것으로 판단된다.

4.3 공간보간 된 지표고 기준 지층경계면 평균 심도의 비교 분석

앞서, 지표고 기준 지층경계면 심도와 지층의 두께를 공간보간하여 정밀도를 비교하였으며, 본 절에서는 두 가지 경우로부터 생성된 지층경계면에 대한 비교 분석을 실시하였다. 공간보간 된 지표고 기준 지층경계면 심도의 경우 그 자체가 지층의 경계면을 나타내므로 별도의 지층경계면을 형상할 필요가 없으나, 공간보간 된 지층 두께에 대해서는 별도의 지층경계면 생성 작업이 필요하다. 먼저, 표고에 대한 지형을 생성하고 그 아래로 표고로부터 정규화 된 지층 중 가장 상위 지층의 두께만큼의 차이에 첫 번째 지층경계면을 생성한다. 다음으로는 첫 번째 지층경계면에서 정규화 된 두 번째 지층 두께 만큼 차이에 두 번째 지층경계면을 생성하며, 이 후로 마지막 지층까지 반복하여 지층경계면을 생성한다. 이렇게 지층 두께로부터 생성된 지층의 경계면은 지층 지표고 기준 지층경계면 심도를 나타내며 이러한 두 가지의 경우로부터 나타낸 각각의 지층경계면에 대한 평균 심도를 Fig. 7에 그래프로 도시하였다. Fig. 7을 살펴보면 표고에 따른 지층 종결 심도와 지층 두께로부터 공간보간하여 생성한 지층경계면에서의 평균 심도는 A4, B5를 제외하고는 큰 편차 없이 비슷한 결과를 나타내었다. 반면에 A4와 B5는 생성한 지층경계면의 평균 심도가 나머지 영역에 비하여 상이한 결과가 나타나는 것을 확인할 수 있다. A4는 풍화토층 경계면 평균 심도에서 큰 차이를 나타내었으며, 이러한 차이는 A4의 지표고 기준 지층경계면 심도로부터 나타낸 지층경계면의 평균 심도가 지층 두께로부터 공간보간하여 생성한 지층경계면의 평균 심도에 비해서 과다하게 보간 된 것을 의미한다. B5의 경우 퇴적토층 경계면의 평균 심도가 매우 낮게 나타났으며, 이에 따라 풍화토층이 퇴적토층 보다 상부에 존재하는 것으로 나타나 정규화 된 지층 층상이 아닌 역전되는 경향을 보이고 있다. 이러한 결과들은 대상 영역 내에서 포함되는 각 시추공의 지층 종결 심도로부터 나타낸 지층경계면 심도 자료의 수가 적어 영역 전체를 대표할 수 없기 때문이다. 반면에 지층 두께에 의해 생성된 지층경계면의 경우 지층의 정규화를 통하여 나타낸 지층 두께에 대한 자료가 대상 영역 내 모든 시추공에서 나타나기 때문에 영역 전체에 걸쳐 모든 시추공들이 기지점의 역할을 하며, 각 시추공들의 상관성 및 경향성을 반영할 수 있기 때문으로 판단된다.

Fig. 7.

Comparisons of mean depth of layer interface using depth and thickness

4.4 공간보간 된 지층별 누적 체적의 비교 분석

본 절에서는 앞서 공간보간으로 생성된 지층경계면을 통해 각 지층별 체적을 산출하고자 하였다. 이러한 체적 산출은 Arc GIS내 ‘Cut Fill’을 활용하였으며, 여기서 ‘Cut Fill’은 높이에 대한 정보가 포함된 지형정보를 기반으로 지형의 변화를 통해서 해당 하는 영역의 위치, 면적, 체적을 계산해주는 툴이다. 다음 Fig. 8은 A15의 퇴적토층이 시작되는 지표고 기준 지층경계면 심도와 퇴적토층이 종료되는 지층경계면 심도에 대하여 ‘Cut Fill’을 적용 한 것이다. 본 연구에서는 ‘Cut Fill’의 적용을 통해서 산출된 지층 체적 뿐 아니라 지층의 정규화를 통해 산출한 각 시추공에서의 지층 두께를 해당 영역에 대하여 평균하고 면적을 곱하여 산출한 체적도 추가적으로 같이 비교하였다. Fig. 9는 송파구, 강남구 내 해당 영역에 대한 지층별로 누적된 체적 분포를 나타내고 있다. 대부분의 영역에서 지표고 기준 지층경계면의 심도로부터 산출된 체적이 지층 두께로부터 산출된 체적보다 과대평가되는 것으로 나타났다. 이는 지층경계면의 공간보간 시대상 영역에서 시추공의 지층 심도에 대한 자료가 지층 두께에 대한 자료에 비하여 적고 시추정보의 기지점으로부터 지층경계면을 생성할 때 외삽에 의한 공간보간으로 인하여 산출된 체적이 과대평가되는 것으로 판단된다. 하지만 지층 심도에 대한 자료가 대상 영역의 모든 시추공 또는 대다수의 시추공에서 충분히 존재한다면 지층의 두께로부터 산출된 체적과 큰 편차가 발생하지 않는 것으로 나타났다. 또한 각 지층의 정규화를 통해 해당 영역의 각 시추공에 입력한 지층 두께를 평균한 후 면적을 곱하여 산출된 지층 체적은 지층 두께를 공간보간하여 산출한 체적과 비슷한 경향을 나타내었다. 이러한 결과로부터 지층 두께에 대한 공간보간은 각 시추공 기지점에 대한 지층의 경향성 및 상관성이 충분히 반영된 것으로 판단된다. 이에 따라 각 지역적 지반 특성, 지형 및 시추 주상도 내의 지층 분포를 고려 할 때, 먼저 지층의 정규화를 통해 각 시추공에서 지층의 두께를 산정하여 3차원으로 구축하는 방안이 더욱 정밀하고 합리적인 결과를 나타낼 것으로 판단된다.

Fig. 8.

‘Cut fill’ results of deposit soil layer A15

Fig. 9.

Comparisons of mean depth of layer interface using depth and thickness

4.5 지반정보의 과다 오차 분석

앞서, 지반정보의 정밀도, 지표고 기준 지층경계면의 평균 심도 그리고 지층에 대한 산출 체적을 비교 분석하였다. 이러한 분석 과정에서 지층경계면 심도에 따른 오차들을 확인하였으며, 그 중에서도 과다한 오차를 나타낸 영역의 지층에 대하여 분석하였다. Fig. 10은 지반정보의 지층경계면 심도와 지층 두께, 두 경우로부터 생성된 지층경계면 평균 심도 및 산출 체적에서 오차가 과다하게 나타나는 A4의 풍화토가 종결되는 지표고 기준 지층경계면 심도와 지층 두께에 대한 공간보간 결과를 나타내고 있다. 지층 두께에 대한 공간보간은 모든 시추 정보에 대한 기지점으로부터 해당하는 영역을 포함하고 있기 때문에 RMSE가 0.56m라는 정밀한 결과를 나타내고 있다. 반면에 지층경계면 심도에 대한 공간보간은 해당 영역의 북쪽 부근의 시추공 10개로부터 넓은 영역을 보간하므로 RMSE가 1.28m라는 지층 두께에 대한 공간보간 결과 보다 다소 낮은 정밀도를 나타내는 것으로 판단된다. 이러한 결과로부터 시추 주상도 내 지층경계면 심도 정보를 통해서 3차원 지반정보를 구축하는 것 보다 3차원으로 지반정보를 구축하고자하는 해당 영역에 대한 지층의 정규화를 실시하고 영역에서 발현되는 모든 지층의 두께를 각 시추공에서 산정하여 3차원 지반정보를 구축하기 위한 입력 자료로 활용하는 것이 합리적일 것이라 판단된다.

Fig. 10.

Kriging results using depth and thickness of weathered soil layer in A4

5. 결 론

본 연구는 국토지반정보 통합DB센터(2017)로부터 서울특별시 송파구, 강남구내에 있는 시추정보들을 제공받아  3차원 지반정보 모델 구축 위한 지반정보의 활용 방안을 제시하고자  정밀도 분석 및 정밀도 향상 방안을 검토하였으며 그 결론은 다음과 같다.

(1)선행 연구로부터 시추 정보 내 기존 표고 자료의 오차를 확인하였으며, 이를 통해 DEM을 기존 표고 자료와 비교하여 이상치 제거를 실시하였다. 이러한 이상치 제거 후 기존 표고 자료의 정밀도가 향상되는 경향을 나타내었으며, 이는 지반정보의 지형적 오차의 제거로부터 지반정보의 정밀도가 향상되는 것을 의미한다.

(2)3차원 지반정보 구축을 위한 최적의 지층 모델 구성을 위해서 지반정보의 활용 방안을 검토하였다. 지반정보 중 지표고 기준 지층경계면 심도 정보를 활용한 3차원 지반정보의 모델 구축과 추가적으로 지층 두께를 활용한 3차원 지반정보 모델 구축을 위한 정밀도 분석을 실시하였으며, 이러한 분석 결과 지층경계면 심도보다는 지층 두께에 대한 정밀도가 높게 나타나는 것을 파악하였다. 이를 근거로 지층 두께의 활용을 통해서 지반정보의 정밀도를 향상시킬 수 있으며, 이에 따라 더욱 신뢰성 있는 3차원 지반정보를 구축할 수 있을 것으로 판단된다.

(3)지층경계면 심도 및 지층 두께의 공간보간으로부터 생성된 지표고 기준 지층경계면의 평균 심도에 대하여 분석하였으며, 이에 따라 지층경계면 심도의 과다한 보간으로 지층의 역전 현상이 나타나는 영역을 확인하였다. 또한 공간보간으로부터 생성된 지층경계면을 활용하여 각 지층별로 체적을 산출하였다. 그 결과로 지층경계면 심도로부터 산출된 체적이 지층 두께로부터 산출된 체적에 비하여 과대평가되는 것으로 나타났다. 이는 지층경계면 심도의 자료가 지층 두께 자료보다 적고 이렇게 적은 자료를 통한 공간보간 시 대상 자료의 공간적 상관관계를 충분히 반영할 수 없기 때문이다. 또한, 이러한 결과로부터 영역 내에서 외삽 된 보간을 통한 예측 값들로 인하여 실제 지층 분포와는 차이가 발생하는 것으로 판단된다.

이러한 결과들을 바탕으로 3차원 지반정보구축을 위한 지반정보 활용에 있어서 지층 두께를 활용한 지층 모델 구축 방안이 검토되어야 할 것으로 판단되며, 이를 통해 신뢰성 있는 3차원 지반정보의 구축이 가능할 것으로 판단된다.