1. 서 론
2. 연구 지역
3. 이론적 배경 및 연구방법
3.2 로지스틱 회귀 분석
3.2 로지스틱 회귀 분석
3.3 D-InSAR 활용 지표변위 분석
3.4 다중 지표 중첩 프레임워크 및 자료 출처
4. 결과 분석
4.1 NDVI 활용 산불 피해지 분석 결과
4.2 로지스틱 회귀 분석 결과
4.3 D-InSAR 활용 지표변위 분석 결과
4.4 다중 지표 GIS 공간 중첩 및 취약구간 도출
5. 결 론
1. 서 론
기후 변화로 인한 전 지구적 기온 상승과 강수 패턴의 변화는 산불 발생의 빈도와 규모를 지속적으로 증가시키고 있다. 최근 위성 자료 기반 분석에 따르면, 2003년부터 2023년까지 전 세계 산불 및 들불 발생 빈도는 약 2.2배 증가하였으며, 가장 심각한 산불이 발생한 해 6개 중 5개가 2017년 이후에 집중된 것으로 보고되었다(Cunningham et al., 2024). 이러한 산불의 고빈도화는 산림 생태계의 훼손을 넘어, 지표 지형의 물리적 안정성 저하를 유발함으로써 산사태와 같은 2차 재해의 발생 가능성을 증대시키는 주요 요인으로 작용한다. 대한민국의 산림면적은 2020년 기준 국토 면적의 약 62.6%를 차지한다(Korea Forest Service, 2021). 특히 소나무림은 수종 특성상 연소 특성이 강해 산불 발생 시 식생 소실이 급격히 진행되는 경향이 있으며, 이는 산불 이후 사면 안정성 저하를 가속화하는 요인으로 지적되어 왔다(National Geographic Information Institute, 2015; Lee, 2024). 이러한 지형적·생태적 특성으로 인해 우리나라는 산불 발생에 취약할 뿐만 아니라, 산불 이후 산사태와 같은 2차 재해에도 쉽게 노출되는 지역으로 평가된다.
선행 연구에 따르면, 산불은 식생 제거와 함께 토양 표층에 소수성 층을 형성하여 강우 시 침투 능력을 저해하고 지표 유출을 증가시키며, 이러한 변화는 산사태 및 토석류 발생을 촉진하는 주요 메커니즘으로 작용한다. 특히 산불 발생 이후 1–5년 사이에 산사태 민감도가 현저히 증가하고, 발생 시점에 따라 산사태 유형과 거동 특성이 달라지는 것으로 보고되었다(Doerr et al., 2000; Rengers et al., 2020; Di Napoli et al., 2024). 이는 산불 이후 식생 회복에 최소 수년 이상의 시간이 소요됨을 의미하며, 해당 기간 동안 사면의 불안정성을 지속적으로 감시할 필요성을 시사한다. 산불로 인한 식생 소실은 이러한 사면 불안정성 증가 과정의 초기 단계로 작용하며, 그 공간적 분포와 강도는 위성 기반 식생 지수를 통해 정량적으로 평가될 수 있다. 특히 정규화 식생 지수(Normalized Difference Vegetation Index, NDVI)는 식생의 광합성 활성도와 피복 상태를 민감하게 반영하는 지표로, 산불 이후 식생 손실의 공간적 특성을 효과적으로 파악할 수 있다(Huang et al., 2021; Potter, 2014). NDVI의 급격한 감소는 식생 뿌리 보강 효과와 지표 피복에 의한 토양 보호 기능의 상실을 의미하며, 이는 강우 반응성 증가 및 표면 유출 증대를 통해 사면 불안정성을 증폭시키는 요인으로 작용한다. 따라서 NDVI 기반 식생 손실 분석은 산불 이후 사면 불안정성이 본격적으로 발현되기 이전 단계에서 잠재적 취약 구간을 선별하는 데 유효한 선행 지표로 활용될 수 있다.
산불 이후 산사태 위험성을 평가하기 위한 연구는 주로 GIS 기반 통계 분석을 중심으로 수행되어 왔다. Di Napoli et al.(2020)은 산불 여부를 포함한 11개의 지형 인자를 변수로 설정하여 산사태 민감도 지도를 구축하였고, 그 결과 산불 피해 지역에서 산사태 발생 확률이 유의미하게 증가함을 정량적으로 제시하였다. Culler et al.(2023)은 NASA 산사태 발생 카탈로그와 MODIS 기반 산불 소실 면적 자료를 융합한 전 지구적 통계 분석을 통해, 산불 발생 지역에서는 비산불 지역보다 훨씬 적은 강우량으로도 산사태가 촉발될 수 있음을 입증하였다. 미국 지질조사국(USGS) 역시 산불 이후 강우에 의해 발생할 수 있는 토석류 위험도를 정량적으로 평가하기 위해 로지스틱 회귀 분석 기반 예측 모델을 구축하고 이를 공식적인 위험 지도 생성 체계에 적용하고 있다(Staley et al., 2016). 국내 연구로는 Choi et al.(2013)이 산불 영향을 고려한 통계적 산사태 위험 분석을 통해 지역별 발생 가능성을 예측하고 이를 위험도 지도로 시각화한 바 있으며, Lee et al.(2022)은 전국 단위 산사태 발생 데이터를 기반으로 분석을 수행하여 산불 이후 1–5년 사이 산사태 위험도가 유의하게 증가하는 경향을 도출하였다. 이러한 연구들은 산불 이후 산사태 위험성 증가를 정량적으로 입증하였으나, 대부분 확률 기반 분석에 초점을 두고 있어 실제 사면에서 발생하는 물리적 변형 양상을 직접적으로 반영하는 데에는 한계가 있다.
한편, SAR(Synthetic Aperture Radar) 기반 InSAR 기법은 mm 단위의 지표 변위를 정밀하게 계측할 수 있어 산불 이후 사면의 미세한 지형 변화를 탐지하는 데 효과적인 도구로 활용되고 있다. Sentinel-1 기반 InSAR 시계열 분석을 적용한 Strząbała et al.(2024)은 이탈리아 남부 산불 지역에서 토양 함수량 변화 및 침식 진전을 정량적으로 추적하였으며, 일부 지역에서는 복구에 3년 이상이 소요되는 것으로 나타났다. 또한 Abe et al.(2022), Iwahana et al.(2016), Sun et al.(2016)은 중국, 알래스카, 시베리아 등 다양한 지역을 대상으로 연간 수 mm~cm 수준의 지표 변형과 계절적 융기–침하 패턴을 분석하였다. 이러한 연구들은 SAR 기반 분석이 산불 이후 지표 변화를 정량적으로 측정하는 데 효과적임을 보여주지만, 일반적인 산림 사면의 산사태 고위험지 도출 체계로 일반화하기에는 지형 및 기후 조건의 차이가 존재한다.
이상의 선행 연구를 종합하면, 산불 이후 사면의 불안정성을 정량적으로 평가하기 위해서는 식생 손실, 산사태 발생 확률, 그리고 지표 변위와 같은 상이한 특성의 지표를 단계적으로 고려할 필요가 있다. 그러나 국내에서는 이러한 요소들을 동시에 반영하여 산불 이후 산사태 고위험지를 공간적으로 도출한 연구는 아직도 매우 부족한 실정이다.
이에 따라 본 연구에서는 먼저 Sentinel-2 기반 NDVI 분석을 통해 산불 피해 지역을 식별하고, 이를 로지스틱 회귀모델의 wildfire occurrence 입력 정보로 반영하였다. 이후 로지스틱 회귀 기반 산사태 발생 확률 평가와 Sentinel-1 기반 D-InSAR 변위 분석 결과를 활용하여, 산불 이후 산사태 고위험 후보지를 다중 지표 기반 단계적 선별 체계(stepwise screening approach)를 통해 도출하였다.
2. 연구 지역
본 연구는 2023년 4월 11일 대형 산불이 발생한 강원도 강릉시 경포동 일대를 대상으로 수행되었다. 연구 지역은 태백산맥 동사면 말단부와 동해 연안 평야가 접하는 전이 구간에 위치하며, 산지 사면과 해안 저지대가 인접해 분포하는 복합 지형 환경을 이룬다. 이러한 지형적 배치는 강우 발생 시 사면 상부에서 형성된 유출수가 단시간 내 계곡부 및 국지적 배수 경로로 집중되는 구조를 형성하여, 강우 이후 사면 반응이 국지적으로 증폭되기 쉬운 조건을 제공한다(NGII, 2015).
연구 지역은 주로 화강암 및 편마암 기반의 암반 지형으로 구성되어 있으며, 경사 지형과 결합될 경우 외부 교란 이후 사면 안정성이 저하되기 쉬운 특성을 가진다. 토층 발달이 제한적이고 경사 조건에 민감한 토양 환경으로 인해, 산불과 같이 식생 피복이 제거되는 교란이 발생할 경우 강우 시 표면 유실과 토양 침식이 용이하게 발생할 수 있다. 산림청 「2023 산불통계연보」에 따르면, 2023년 4월 11일 강릉시 난곡동에서 강풍 조건 하에 전도된 수목이 전신주와 접촉하면서 화재가 발생하였다. 산불은 강한 바람의 영향으로 주거지역, 관광지 및 인접 산지로 빠르게 확산되었으며, 약 8시간 동안 지속되어 총 379 ha의 산림 면적이 소실되었다. Fig. 1(a)는 연구 지역의 위치를 나타내며, 강릉시 경포동 일대의 산불 피해 지역의 지리적 위치를 보여준다. Fig. 1(b)는 연구 대상지를 확대한 Sentinel-2 기반 NDVI 변화량 지도로, 산불 이후 식생 손실의 공간적 분포를 개략적으로 보여준다. 그림에서 적색 계열은 상대적으로 ΔNDVI 값이 큰 구간으로, 산불 이후 식생 손실이 크게 나타난 지역을 의미한다. 반면 녹색 계열은 ΔNDVI 값이 낮은 구간으로, 식생 손실이 작거나 식생 변화가 제한적인 지역을 나타낸다. NDVI 변화량 산출 과정과 산불 피해 지역 추출 기준은 이후 방법론 절에서 상세히 제시하였다.
연구 지역에서 조사된 산불 전·후의 임상 변화를 정리한 그래프(Fig. 2a)에서 알 수 있듯이, 연구 지역 일대는 침엽수림, 그중에서도 소나무림의 분포 비율과 면적이 높은 지역으로, 수종 특성상 가연성이 높고 산불 발생 시 연소 강도가 크게 증가하는 경향을 보인다. 기존 연구에 따르면 침엽수림은 활엽수림에 비해 산불 피해가 상대적으로 크며, 특히 소나무림은 화재 확산 속도와 연소 강도를 증폭시키는 연료 특성을 가진다(Lee, 2024). 산림공간정보서비스에서 제공하는 1:5,000 축척의 임상도를 활용하여 2019년(산불 이전)과 2024년(산불 이후)의 식생 분포를 비교한 결과, 산불 이전 우점 식생이었던 소나무림이 산불 이후 가장 큰 면적 감소를 보인 것으로 확인되었다(Fig. 2b). 이는 연구 지역이 침엽수림 중심의 식생 구성을 보이고 있으며, 이러한 식생 특성이 산불 피해 확대에 기여했을 가능성을 시사한다.
산불 발생 당시 강원 영동권에는 건조특보 및 화재주의보가 지속적으로 발효 중이었으며, 이러한 기상 조건은 화재 확산을 가속화하는 주요 외적 요인으로 작용하였다. (ASOS) 강릉 관측소(지점번호 105)의 5분 단위 기상자료에 따르면, 화재 발생 당일 오전에는 낮은 습도와 강풍이 지속되었고, 오후에 상대습도 증가와 함께 국지적 강우가 관측되었다(Fig. 3). 본 자료는 산불 발생 당시의 기상 배경을 제시하기 위한 것이다.
기존 연구에 따르면 강릉 지역을 포함한 강원도 산지는 산불 피해 이력이 있는 경우 상대적으로 낮은 강우 조건에서도 사면 붕괴가 빈번하게 발생하는 것으로 보고되어 왔다(Yune et al., 2010). 국내 산불 피해지를 대상으로 산불 이후 산사태 발생 경향을 분석한 연구에서는 산불 이후 1–5년 사이 산사태 발생위험이 크게 증가하는 경향이 확인되었다(Lee et al., 2022). 또한 2023년 강릉 산불 피해 유역을 대상으로 수행된 침식 분석에서는 급경사지에서 침식량이 현저히 증가하는 경향이 확인되었다(Shin et al., 2024). 이러한 결과는 산불로 인한 식생 소실과 토양 강도 저하가 사면 불안정성을 단기간 내 증폭시킬 수 있음을 시사한다. 본 연구에서는 이러한 산불 이후 사면 반응을 공간적으로 검토하기 위해 2023년 강릉 산불 피해지를 분석 대상지로 설정하였다. 해당 지역은 대형 산불 이후 식생 손실이 뚜렷하게 나타났으며, 산불 전·후 식생 변화와 함께 지표 변위 특성을 공간적으로 연계하여 검토할 수 있는 사례지로 판단된다.
3. 이론적 배경 및 연구방법
3.1 NDVI 기반 산불 피해 지역 식별 및 입력자료 구축
본 연구에서는 산불에 의한 식생 피해를 정량적으로 분석하기 위해, 유럽우주국(European Space Agency, ESA)에서 제공하는 Sentinel-2 MSI(Multispectral Instrument) 위성의 Level-2A 표면 반사율(Bottom-of-Atmosphere reflectance) 자료를 활용하였다. 해당 자료는 대기 보정이 사전에 적용된 형태로 제공되므로, 광학 영상 기반 식생지수(NDVI) 분석에 신뢰성 있는 입력자료로 적합하다. NDVI 산출을 위해 사용된 영상은 10 m 공간 해상도의 밴드 4(적색, 중심 파장: 665 nm) 및 밴드 8(근적외선, 중심 파장: 842 nm)이며, 산불 발생 전·후 시점을 대표하는 영상으로 각각 2023년 4월 9일 및 2023년 4월 12일 촬영분을 채택하였다. 영상 전처리는 ArcMap 환경에서 수행되었으며, 분석 대상 지역은 연구 대상지(산불 발생지 중심 범위)를 기준으로 공간적으로 클리핑하였다. 이후 Raster Calculator 도구를 활용하여 NDVI 래스터를 산출하였으며, 이를 통해 산불 전·후 식생 상태의 정량 비교가 가능하도록 구성하였다.
산불 발생 이후의 식생 손실과 생태계 교란을 효과적으로 정량화하기 위해 원격탐사 분야에서는 NDVI(Normalized Difference Vegetation Index) 및 NBR(Normalized Burn Ratio)과 같은 스펙트럴 지수를 활용한 분석이 활발히 이루어지고 있다. 일반적으로 산불 피해지 식별에는 NBR(Normalized Burn Ratio)이 burn severity를 효과적으로 반영할 수 있어 널리 활용되고 있다. 그러나 본 연구의 목적은 산불 피해 자체를 정밀하게 구분하는 것이 아니라, 산불 이후 사면의 불안정성을 평가하기 위한 식생 상태 변화를 반영하는 데 있다. 이에 따라 식생의 생육 상태 및 피복 변화를 정량적으로 표현할 수 있는 NDVI를 활용하였다. NDVI는 식생이 적색 파장을 흡수하고 근적외선을 반사하는 특성에 기반하여 식생 활력을 정량적으로 평가하는 지수로, 다음 식 (1)을 통해 계산된다.
여기서, NIR은 근적외선 대역(Sentinel-2 Band 8, 중심 파장 842 nm), RED는 적색 대역(Band 4, 중심 파장 665 nm)의 반사율이다. 본 연구에서는 Sentinel-2 Level-2A 영상자료를 활용하여 대기보정이 완료된 상태의 데이터를 사용하였으며, 산불 전·후 영상으로부터 NDVI를 산출하였다. NDVI 기반 변화량(ΔNDVI)은 다음 식 (2)와 같이 정의되며, 이 값이 클수록 식생 손실이 심각한 것으로 간주된다.
이러한 분석을 통하여 ΔNDVI 값이 0.2 이상인 지역을 산불에 의한 피해 손실 구역으로 판단하였다. ΔNDVI ≥ 0.2라는 임계값은 기존 산불 피해 연구에서 산불 영향권 식별에 효과적인 기준으로 제시된 바 있으며(Demir et al., 2023), 본 연구에서도 이를 참고하여 적용하였다. 다만, NDVI는 식생 종류, 계절성 및 지역적 특성에 따라 변동성이 존재하므로, 본 연구에서 설정한 임계값을 국내 전역에 일반화하는 데에는 한계가 있다. 미국 캘리포니아의 Rim Fire 사례에서는 Landsat 기반 NBR 및 ΔNDVI 분석을 통해 전체 화재 면적 중 약 72.9%가 중·고강도 피해를 입은 것으로 분석되었으며, 이후 식생 회복 경향 또한 시계열 NDVI를 통해 추적되었다(Potter, 2014). 이와 유사하게, 포르투갈 중부 지역 산불 사례에서도 NDVI 및 dNBR 기반의 시계열 분석을 활용하여 피해 지역의 공간적 범위와 회복 정도를 효과적으로 도출한 바 있다(Pinheiro et al., 2025). NDVI 단독 분석은 단기적인 식생 반응을 민감하게 포착할 수 있으나, 지형 안정성이나 지표면 변화와 같은 복합적 영향을 평가하기에는 한계가 있다. 따라서 본 연구에서는 NDVI 분석 결과를 산불 피해 지역 식별에 활용하고, 이를 로지스틱 회귀모형의 산불 발생 여부 입력자료로 반영하였다. 또한 NDVI를 통해 식별된 산불 피해 지역을 대상으로 D-InSAR 지표 변위 분석을 수행하였다. 이후 산정된 산사태 발생 확률과 지표 변위 결과를 활용하여 다중 지표 기반 단계적 선별 체계를 통해 산불 이후 산사태 고위험 후보지를 도출하였다.
3.2 로지스틱 회귀 분석
미국 콜로라도대학교(University of Colorado Boulder)와 환경과학협력연구소(Cooperative Institute for Research in Environmental Sciences, CIRES)에서는 산불 이후 발생하는 산사태 및 토석류의 유발 특성과 산사태 위험도 증가 메커니즘에 대한 연구를 수행한 바 있다. 또한 미국 지질조사국(United States Geological Survey, USGS)은 산불 이후 산사태 발생 가능성을 평가하기 위해 수치 모델링, 통계 분석 및 이론적 접근을 기반으로 한 산사태 취약성 평가 모델을 개발하여 미국 전역에 적용하고 있다(Culler et al., 2023; Staley et al., 2016). 그러나 이러한 국외 연구에서 제안된 산불 고려 산사태 위험식은 지형 조건, 식생 특성, 강우 패턴, 산불 발생 빈도 등이 상이한 국내 사면 환경에 그대로 적용하기에는 한계가 있다. 특히 우리나라의 경우 급경사 지형, 집중호우 특성, 인공림 위주의 산림 구조 등으로 인해 산사태 발생 메커니즘이 국외와 상이할 가능성이 크다. 그럼에도 불구하고 현재까지 국내에서는 산불을 명시적으로 고려한 산사태 취약성 평가 모델에 대한 체계적인 연구가 충분히 이루어지지 않은 실정이다.
산사태 위험도 산정은 이진 사건(산사태 발생/비발생)의 발생 가능성을 확률적으로 추정할 수 있는 로지스틱 회귀 분석(Logistic Regression Analysis)을 기반으로 수행하였다. 로지스틱 회귀 분석은 종속변수가 이분형 자료인 경우 적용 가능한 통계적 기법으로, 지형·지질·환경 인자와 산사태 발생 여부 간의 관계를 정량적으로 모델링하는 데 널리 활용되고 있다. 특히 분석 결과가 0과 1 사이의 확률값으로 산출되므로, 공간적 산사태 민감도 평가 및 위험도 구분에 적합한 방법론이다.
본 연구에서는 Lee et al.(2012)에 의하여 제시된 산사태 로지스틱 회귀모델을 채택하였다. 해당 모델은 DEM 기반 지형 인자, 토질 및 식생 특성, 강우 인자와 함께 산불 발생 여부를 설명 변수로 명시적으로 포함하고 있어, 산불 이후 사면 환경 변화가 산사태 발생 가능성에 미치는 영향을 직접적으로 반영할 수 있다는 점에서 본 연구 목적에 적합하다. 특히 산불로 인한 식생 소실, 토양 구조 약화 및 침투 특성 변화가 산사태 발생 메커니즘에 중요한 영향을 미친다는 점을 고려할 때, 산불 인자를 포함하지 않는 기존 일반 로지스틱 회귀모델에 비하여 산불의 영향을 정량적으로 판단할 수 있다는 장점이 있다. 해당 모델은 광범위한 산사태 발생 이력과 지형·환경 자료를 데이터베이스화하여 회귀계수를 산정한 경험적 모델로, 국내 산지 지형 특성을 반영하도록 구성되어 있다. 로지스틱 회귀 분석에서 산사태 발생 확률 p는 다음 식 (3)과 같이 logit 함수로부터 계산된다.
여기서, logit(p)는 다음 식 (4)와 같이 정의된다.
이 분석에서 사용되는 입력 변수들은 국가 정보 데이터를 기반으로 한 데이터에서 추출 가능하며, 따라서 적용성과 범용성이 높은 자료들로 구성되어 있다. 이 때, 경사도 및 경사 방향 인자는 국토지리정보원에서 제공하는 1:5,000 수치지도를 기반으로 구축한 DEM으로부터 산정하였으며, 경사 방향은 남·남동·남서 사면을 1, 그 외 방향을 0으로 이진화하여 일사량 차이에 따른 토양 함수 조건 및 풍화 환경의 차이를 반영하였다.
영급분포는 산림청에서 제공하는 1:5,000 임상도를 활용하여 구축하였으며, 이는 나무의 성장 단계에 따른 뿌리계 발달 정도를 간접적으로 반영하는 지표로 사용되었다. 건조단위중량은 산림청 1:5,000 산림입지토양도를 기반으로 토질 특성을 공간적으로 반영하였으며, 토양의 전단저항 특성을 대표하는 인자로 적용하였다. 강우 인자로는 3일 누적 확률 강우량을 사용하였으며, 이는 전국 하천 유역 홍수량 및 확률 강우량 자료를 기반으로 강릉 지역의 5년 빈도 확률 강우량을 적용하였다. 본 연구에서 적용한 로지스틱 회귀모형은 2012년을 기준으로 개발된 모델로, 최근 기후변화로 증가한 극한 강우량을 그대로 적용할 경우 산사태 발생 확률이 과대 평가될 우려가 있으므로, 상대적으로 보수적인 강우 조건을 반영하기 위해 5년 빈도 확률 강우량을 채택하였다. 산불 발생 여부는 Sentinel-2 영상 기반 NDVI 분석 결과를 활용하여 정의하였으며, 산불 전·후 NDVI 값의 차이(ΔNDVI)가 0.2 이상인 지역을 산불 피해 지역으로 분류하여 이진 변수로 회귀식에 반영하였다. 이는 산불로 인한 식생 소실과 토양 구조 약화가 사면 불안정성을 증가시킨다는 점을 고려한 것으로, 산불 이후 산사태 발생 가능성을 직접적으로 반영하기 위한 핵심 설명 변수이다.
로지스틱 회귀 분석 결과로 산출된 산사태 발생 확률값은 0~1의 범위를 가지며, 본 연구에서는 산사태 발생 확률의 절댓값보다는 공간적 상대 분포에 주목하여 고위험 후보지를 구분하였다. 로지스틱 회귀 분석 결과는 모델 구조와 입력 자료에 따라 확률값의 분포 폭이 달라질 수 있으므로, 단일 임계값을 적용하기보다는 상위 확률 구간을 기준으로 위험도를 구분하는 것이 합리적이다. 이에 따라 본 연구에서는 로지스틱 회귀 분석으로 산정된 발생 확률값을 기반으로 위험 후보 영역을 구분하되, 절대적 임계값을 적용하기보다는 전체 확률 분포에서 70번째 백분위수 이상에 해당하는 영역을 기준으로 고위험 후보 영역을 정의하였다. 해당 기준은 산사태 발생 여부를 구분하는 절대적 임계값이 아니라, 로지스틱 회귀모형에서 상대적으로 높은 발생 확률을 보이는 영역을 우선적으로 선별하기 위한 기준으로 적용하였다.
다만, 로지스틱 회귀 분석은 지형·환경 인자를 기반으로 한 잠재적 산사태 발생 가능성을 평가하는 데 강점을 가지는 반면, 실제 사면에서 진행 중인 미소 변형이나 누적 변위를 직접적으로 반영하기에는 한계가 있다. 이에 따라 본 연구에서는 로지스틱 회귀 기반 민감도 평가 결과를 보완하기 위해, 다음 절에서 Sentinel-1 SAR 자료를 활용한 D-InSAR 기반 지표 변위 분석을 추가로 수행하여 실제 사면 변형 신호를 함께 고려하였다.
3.3 D-InSAR 활용 지표변위 분석
산불 이후 사면의 지형 변화를 정량적으로 분석하기 위해, 본 연구에서는 Sentinel-1 SAR 자료를 활용한 D-InSAR(Differential Interferometric Synthetic Aperture Radar) 기법을 적용하였다. 본 연구에서 사용한 Sentinel-1 SAR 영상은 NASA와 Alaska Satellite Facility(ASF)에서 운영하는 ASF Distributed Active Archive Center(DAAC)를 통해 수집하였다. InSAR 기법은 서로 다른 시기에 취득된 SAR 영상 간 위상 차이를 분석하여 지표의 미세한 변위를 밀리미터 단위로 추정할 수 있는 원격탐사 기법으로, 기상 조건이나 구름의 영향을 받지 않고 광범위한 산악 지역의 변형을 관측할 수 있다는 장점을 가진다.
InSAR 기반 지표 변위 분석 기법은 시계열 구성 방식과 분석 목적에 따라 PS-InSAR, SBAS-InSAR, D-InSAR로 구분된다. PS-InSAR와 SBAS-InSAR 기법은 다수의 장기 시계열 SAR 영상을 활용하여 시간적으로 안정적인 산란체를 선별하고, 이를 기반으로 누적 변위 및 장기 변형 추세를 추정하는 방법으로 도시 지역이나 인공 구조물이 밀집된 지역에서 효과적인 것으로 알려져 있다. 그러나 산불 피해 지역과 같이 식생 피복이 급격히 변화하는 환경에서는 산란 특성의 시간적 안정성이 저하되고 위상 불연속이 빈번히 발생할 가능성이 높다. 이러한 조건에서는 다수의 시계열 영상을 전제로 하는 PS-InSAR 및 SBAS-InSAR 기법의 적용에 제약이 따르며, 특히 산불 직후와 같이 단기간 내 급격한 사면 변형을 신속히 탐지하는 데에는 한계가 있다(Iwahana et al., 2016; Rengers et al., 2020).
반면, D-InSAR 기법은 두 시기의 SAR 영상으로부터 직접적인 위상 차이를 계산하여 단기적인 지표 변위를 산정할 수 있어, 산불, 지진, 산사태와 같은 급격한 지형 변화 분석에 적합한 기법이다. 특히 산불 이후 산사태 위험은 강우 이전 또는 초기 강우가 발생하는 수개월 이내에 급격히 증가하는 것으로 보고되고 있으며, 이 시기의 사면 변형을 조기에 감지하는 것이 고위험 지역 선별에 중요하다. 이에 따라 본 연구에서는 산불 전·후 단기 시계열 조건에서 사면의 초기 변형과 잠재적 불안정성을 신속하게 포착하기 위해 D-InSAR 기법을 채택하였다.
본 연구에서는 2023년 1월부터 10월까지 강릉 지역에서 취득된 Sentinel-1 SAR 영상 12장을 사용하여, 촬영 간격 12일에서 최대 40일 범위의 간섭쌍 총 11쌍을 구축하였다. 모든 간섭쌍은 ESA의 SNAP(Sentinel Application Platform) 프로그램을 이용하여 동일한 처리 절차로 분석하였다. 먼저, 서로 다른 시기에 취득된 Sentinel-1A SLC 영상에 대해 정합(co-registration)을 수행하여, 동일한 픽셀이 동일한 지표 위치를 대표하도록 정밀 정렬하였다. 이 과정에서는 master–slave 영상 간의 궤도 차이를 고려한 정합을 수행하여, 간섭 처리에 앞서 기하학적 오차를 최소화하였다. 이후 Sentinel-1 정밀 궤도 자료(Precise Orbit Ephemerides)를 적용하여 위성 궤도 오차를 보정하였으며, 이를 통해 장주기 위상 오차(long-wavelength phase error)를 제거하였다. 정밀 궤도 보정이 완료된 영상 쌍으로부터 간섭도를 생성한 뒤, 외부 수치표고모델(DEM)을 이용하여 지형 기인 위상(topographic phase)을 제거하였다. 이를 통해 간섭 위상에서 지표 변위 성분이 우세하게 나타나도록 하였다. 간섭 위상에는 레이더 잡음 및 잔여 오차가 포함되므로, 위상 품질 향상을 위해 Goldstein 필터 기반의 위상 필터링을 적용하였다. 이후 위상 풀림(phase unwrapping)을 수행하여 2π 모호성을 제거하였으며, 풀림된 위상은 레이더 관측 방향(Line-of-Sight, LOS)에 따른 변위로 변환되었다. 본 연구에서는 LOS 변위를 그대로 활용하여 분석을 수행하였으며, 수직 변위로의 추가 변환은 적용하지 않았다. 이 때, 관측된 간섭 위상(Δϕ)은 평면 위상, 지형 위상, 지표 변위 성분 및 잡음 성분의 합으로 표현될 수 있으며, 다음 식 (5)와 같이 모델링된다.
이 중 지형 위상 성분(Δϕ_{topo})은 외부 수치표고모형(DEM)을 이용하여 제거하였으며, 이를 통해 지표 변위에 해당하는 차등 간섭 위상을 추출하였다. 추출된 위상은 레이더 관측 방향(Line-of-Sight, LOS)에 따른 변위량으로 변환되며, 그 관계식은 다음 식 (6)과 같다. λ는 Sentinel-1 C-band 레이더의 파장(약 5.6 cm)을 의미한다.
변위 해석의 신뢰성을 확보하기 위해 코히어런스 계수 0.25 이상을 품질 기준으로 적용하였다. 코히어런스는 InSAR 자료의 위상 신뢰도를 나타내는 핵심 지표로, 국내 연구에서도 식생이 우세한 산지에서는 시간적 decorrelation로 인해 coherence가 저하되는 경향이 보고된 바 있다(Hong and Wdowinski, 2013). 한편, 해외 선행 연구들에서도 연구 목적 및 자료 특성에 따라 약 0.2~0.3 수준의 coherence threshold를 적용하여 저신뢰 픽셀을 제외하고 분석을 수행하고 있다(Cigna et al., 2017; Li et al., 2020). 이에 본 연구에서는 해당 문헌 범위 내에서, 산불 피해지의 식생 특성과 단기 시계열 D-InSAR 자료의 특성을 고려하여, 위상 신뢰도가 확보된 영역만을 분석에 포함시키기 위한 기준으로 coherence 0.25를 적용하였다. 아울러, 도심 지역을 기준면(reference area)으로 설정하여 각 간섭쌍의 변위값을 재보정하였으며, 이러한 기준면 설정은 단일 기준점 의존으로 인한 오차를 완화하고, 변위 해석의 공간적 일관성을 향상시키는 데 효과적인 접근법으로 제시된 바 있다(Strząbała et al., 2024).
간섭쌍별 변위 결과를 종합적으로 검토하여 산불 피해 지역의 지표 변위 분포를 도출하였으며, 모든 간섭쌍에서 3.5 mm 이상의 변위가 반복적으로 관측되는 지역을 지표 변위 기반 고위험 후보지로 정의하였다. 본 연구는 단기 시계열 간섭쌍을 대상으로 분석을 수행하였으며, 분석 기간이 짧고 저코히어런스 영역이 포함되는 특성을 고려하여 반복적으로 관측되는 변위 신호를 식별하기 위한 탐지 기준(detection threshold)으로 3.5 mm를 적용하였다. 기존 InSAR 기반 장기 시계열 분석에서는 연간 5–10 mm 이상의 변위를 기준으로 활용하는 경우가 있으나(Lyu et al., 2023), 본 연구에서 적용한 단기 간섭쌍 기반 D-InSAR 분석은 대기 지연, 위상 잡음 및 decorrelation 등의 영향에 민감하여 단일 간섭쌍 결과의 변동성이 크게 나타날 수 있다. 이에 따라 본 연구에서는 단기 간섭쌍 기반 분석에서 발생할 수 있는 수 mm 수준의 변위 변동성을 고려하여 변위 기준을 설정하였으며, 개별 변위 값 자체보다는 간섭쌍 간 반복적으로 관측되는 변형 신호를 식별하기 위한 목적으로 적용하였다. 본 연구에서 적용한 3.5 mm 기준은 일반화된 임계값이 아니라, 사례 지역의 단기 간섭쌍 분석에서 확인된 변위 변동성과 잡음 수준을 반영하여 설정한 것이다.
다만, D-InSAR 기반 변위는 위성의 관측 방향에 따른 LOS(Line-of-Sight) 성분만을 반영하므로 실제 사면의 3차원 변위를 완전히 대표하지 못하는 한계가 있다. 따라서 본 연구에서는 변위를 절대적 변형량으로 해석하기보다는, 반복적으로 관측되는 변형 신호를 기반으로 고위험 후보지를 선별하기 위한 보조적 판단 기준으로 활용하였다. 이후 산사태 발생 확률과 함께 고려하여 단계적 선별 체계를 통해 고위험 후보지를 도출하였다.
3.4 다중 지표 중첩 프레임워크 및 자료 출처
본 연구의 목적을 달성하기 위해, 산불 이후 사면 불안정성을 종합적으로 평가할 수 있도록 광학 원격탐사와 합성개구레이다(SAR) 간섭 기법을 결합한 다중 지표 기반 단계적 선별 체계를 적용하였다. 전체 연구 방법론은 산불 피해 지역 식별, 산사태 발생 확률 분석, 그리고 지표 변위 분석의 단계적 구성 요소로 이루어진다.
먼저, Sentinel-2 광학 위성 영상을 활용하여 산불 전·후 NDVI를 산정하고, 그 변화량(ΔNDVI)을 기반으로 식생 손실을 정량화하였다. ΔNDVI 값이 0.2 이상인 지역을 산불 피해 지역으로 정의하였으며, 이를 통해 산불로 인한 식생 손실의 공간적 분포를 파악하고 로지스틱 회귀모델의 wildfire occurrence 입력 정보를 구축하였다.
다음으로, 산사태 발생 가능성 평가는 DEM 기반 지형·환경 자료를 활용한 로지스틱 회귀 분석을 통해 수행하였다. 본 연구에서 적용한 산사태 로지스틱 회귀 모형은 경사도, 영급분포, 경사방향, 건조단위중량, 산불 발생 여부, 강우량의 총 6개 변수를 독립 변수로 구성한다. 회귀 분석을 통해 산출된 산사태 발생 확률은 0–1 범위의 연속값으로 표현되며, 본 연구에서는 발생 확률 상위 구간에 해당하는 상위 30% 구간을 산사태 고위험 후보지로 정의하였다.
또한, 산불 이후 사면의 물리적 거동을 정량적으로 평가하기 위해 Sentinel-1 SAR 자료를 활용한 차분 간섭 SAR(D-InSAR) 기법을 적용하였다. 산불 전·후 시기의 다수 간섭쌍으로부터 지표 변위를 산출하였으며, 단일 간섭쌍의 일시적 변위 및 잡음 영향을 최소화 하기 위해 모든 간섭쌍에서 반복적으로 3.5 mm 이상의 변위가 관측되는 지역을 의미 있는 지표 변위 구간으로 정의하였다. 해당 기준은 절대 변형량이 아닌 산불 이후 반복적으로 나타나는 미세 변형 신호를 식별하기 위한 탐지 기준으로 설정되었다.
이후 산사태 고위험지 후보지를 단계적으로 선별하였다. 이 때, NDVI는 산불 피해 지역 식별 및 로지스틱 회귀모델의 입력 정보로 활용되었으며, 이후 해당 피해 지역을 대상으로 지표 변위 분석을 진행하였다. 보다 구체적으로는 다음의 두 가지 기준을 만족하는 지역을 최종 고위험 후보지로 선별하였다.
⦁ 로지스틱 회귀 기반 산사태 발생 확률 상위 30%
⦁ D-InSAR 연속 변위 ≥ 3.5 mm
본 연구에서는 산불 이후 단기적 사면 불안정성이 우선적으로 검토될 필요가 있는 후보지를 공간적으로 식별하기 위해, 다중 지표를 활용한 분석 체계를 구축하였다. 전체 분석 절차는 Fig. 4에 도시하였으며, 각 인자 산정에 사용된 자료의 출처는 Table 1에 정리하였다.
Table 1.
Summary of input datasets used in this study
본 연구에서 제안한 접근법은 다중 지표를 가중치 기반으로 통합하여 연속적인 위험도를 산정하는 방식이 아니라, 각 지표에서 도출된 고위험 조건을 순차적으로 적용하여 최종 후보지를 선별하는 단계적 스크리닝 체계이다. 이러한 접근은 개별 지표의 물리적 의미를 유지하면서, 각 재해 인자가 동시에 만족하는 구간을 식별하기 위한 목적에서 적용되었다. 다만, 본 연구에서 적용한 AND 기반 필터링 방식은 일부 조건을 만족하지 않는 지역이 제외될 수 있어 잠재적 고위험 지역이 누락될 가능성이 존재하며, 이는 향후 가중치 기반 통합 분석 또는 확률적 접근을 통해 보완될 필요가 있다.
4. 결과 분석
4.1 NDVI 활용 산불 피해지 분석 결과
산불 발생 이전, 연구 지역 전반의 산지 사면에서 관측된 NDVI는 대체로 0.6 이상의 값을 나타내었으며, 이는 광합성 활동이 활발한 양호한 식생 상태를 반영한다(Fig. 5a). 특히 산림으로 피복된 사면을 중심으로 높은 NDVI 값이 연속적으로 분포하여, 산불 이전 연구 지역은 전반적으로 안정적인 식생 조건을 보였다. 반면, 산불 발생 이후 취득된 Sentinel-2 위성 영상을 기반으로 산정한 NDVI 분포에서는 연구 지역 전반에 걸쳐 NDVI 값이 전반적으로 감소하는 경향이 뚜렷하게 나타났다(Fig. 5b). 이러한 감소는 산불 피해가 발생한 산지 사면을 중심으로, 공간적으로 집중되어 분포하였으며, 산불로 인해 식생이 소실되고 수관층 붕괴 및 지표 노출이 광범위하게 진행되었음을 시사한다.
Fig. 5(b)에 제시된 산불 피해 지역 경계 내부 픽셀을 대상으로, 산불 발생 전인 2023년 4월 9일과 산불 발생 후인 2023년 4월 12일 Sentinel-2 영상에서 산출한 NDVI의 누적확률분포를 비교하였다(Fig. 6). 분석 결과, 산불 이후 NDVI의 누적분포곡선은 산불 이전 NDVI의 누적분포곡선보다 대부분의 구간에서 상방에 위치하였다. 이는 동일한 NDVI 기준값 이하에 포함되는 픽셀의 누적비율이 산불 이후 더 크게 나타났음을 의미하며, 산불 이후 NDVI 분포가 상대적으로 낮은 값의 범위로 이동하였음을 보여준다. 해당 픽셀 자료를 이용해 기준값별 누적비율을 산출한 결과, NDVI 0.2 이하의 누적비율은 산불 이전 29.94%에서 산불 이후 63.38%로 증가하였고, NDVI 0.3 이하의 누적비율 역시 47.04%에서 82.13%로 증가하였다. NDVI 0.3–0.5 범위에 해당하는 픽셀 비율은 산불 이전 52.43%에서 산불 이후 17.77%로 감소하였다.
동일한 산불 피해 지역 내부 픽셀을 대상으로 평균값과 중앙값을 산출한 결과에서도 동일한 경향이 확인되었다. 산불 이전 NDVI의 평균값과 중앙값은 각각 0.2884와 0.3156이었으나, 산불 이후에는 각각 0.1851과 0.1608로 감소하였다. 이는 Fig. 6의 누적확률분포에서 확인된 NDVI 분포 변화와 일관된 결과이며, 산불 피해 지역 내부에서 산불 이후 식생 피복 수준이 전반적으로 감소하였음을 의미한다.
산불 피해 지역 내부에서 식생 손실이 명확하게 나타난 영역을 선별하기 위해 산불 전·후 NDVI 차이를 계산한 ∆NDVI(= NDVIpre-NDVIpost) 지도를 생성하였다(Fig. 7). ΔNDVI ≥ 0.2 기준을 적용한 결과, 도출된 산불 피해 지역의 외곽 면적은 약 382.8 ha로 나타났으며, 이는 공식적으로 보고된 피해면적(379 ha)과 유사한 수준이었다. 이에 따라 ΔNDVI ≥ 0.2 기준은 연구 지역 내 산불 피해 구역의 공간적 범위를 식별하는 데 활용 가능함을 확인하였다. 반면, ΔNDVI ≥ 0.2 기준을 만족하는 픽셀만을 대상으로 식생 피해 면적을 산정한 결과, 약 55.9 ha로 나타났다. 이러한 차이는 NDVI 기반 분석이 외곽 피해 범위 전체가 아니라 식생 변화가 상대적으로 크게 나타나는 영역을 중심으로 추출하기 때문으로 판단된다. 이러한 영역은 NDVI 값의 감소가 크게 나타난 구간으로, 산불로 인한 식생 변화가 집중된 영역으로 해석할 수 있다. 따라서 본 연구에서는 ΔNDVI ≥ 0.2 기준을 만족하는 식생 피해 영역(약 55.9 ha)을 이후 수행되는 로지스틱 회귀 기반 산사태 위험도 분석과 D-InSAR 기반 지표 변위 분석을 위한 입력 자료로 활용하였다.
4.2 로지스틱 회귀 분석 결과
Fig. 8은 로지스틱 회귀 분석을 진행하기 위해 GIS 상에서 구축한 각 인자 별 수치지형도 기반 데이터베이스(DB)이다. 사면경사(Fig. 8a), 나무의 영급(Fig. 8b), 경사향(Fig. 8c), 건조단위중량(Fig. 8d)을 GIS 상에서 Raster 데이터로 구축하여 적용하였으며, 산불 인자는 ΔNDVI 분석 결과를, 강우량은 5년 빈도 확률 강우량의 3일 누적 강우량을 식 4에 적용하였다. 이들 인자는 기존 산사태 취약성 평가 연구에서 반복적으로 활용되어 온 주요 지형·지반·식생 및 강우 요인으로, 로지스틱 회귀 분석을 위한 설명 변수로서 물리적·통계적 타당성을 갖는다. 또한 모든 인자 레이어는 동일한 공간 해상도와 좌표체계로 전처리하여, 이후 확률 계산 과정에서 발생할 수 있는 공간 불일치를 최소화하였다.
앞서 구축한 데이터베이스를 활용하여 산사태 발생 확률 지도를 GIS 상에서 분석한 결과, 평균 산사태 발생 확률은 산불 이전 49%에서(Fig. 9a), 산불 이후 66%로(Fig. 9b) 약 17% 증가한 것으로 나타났다. 반면, 표준편차는 산불 이전 34, 산불 이후 35로 거의 변화가 없어 산불 전·후의 공간적 변동성은 유사하게 유지된 것으로 분석되었다. 이러한 결과는 산불 이후 식생 변화 및 지표 조건 변화에 따라 산불 피해 지역의 산사태 발생 위험이 증가할 가능성을 시사한다.
상위 30% 고위험 후보 지역은 로지스틱 회귀모형으로 산출된 산사태 발생 확률 래스터(p_at.tif)를 기반으로 설정하였다. 먼저 Raster to Point 도구를 이용해 점 자료로 변환한 후, 각 점의 산사태 발생 확률값을 추출하였다. 이후 전체 발생 확률 값의 분포에서 70번째 백분위수에 해당하는 값을 임계값으로 산정하고, 해당 값 이상인 픽셀을 고위험 후보 지역으로 정의하였다. 본 연구에서 상위 30% 고위험 후보 지역의 기준은 산사태 발생 여부를 구분하는 절대적 임계값이 아니라, ΔNDVI 기반 식생 손실 영역 및 D-InSAR 기반 지표 변위 영역과의 후속 공간 중첩 분석을 수행하기 위한 선별 기준이다. 따라서 상위 30% 외의 지역이 안전하다는 의미는 아니며, 로지스틱 회귀모형에서 상대적으로 높은 발생 확률을 보이는 영역을 우선적으로 추출하기 위한 기준으로 활용하였다.
상위 30% 기준에 해당하는 발생 확률 임계값은 약 0.93으로 산정되어, 해당 후보 지역은 전체 연구지역 내에서도 높은 발생 확률 값을 갖는 영역으로 확인되었다. 이에 따라 본 연구에서는 산사태 발생 확률 상위 30%에 해당하는 영역을 고위험 후보 지역으로 설정하고, 이후 식생 손실 및 지표 변위 조건과의 공간 중첩을 통해 산불 이후 사면 불안정성이 상대적으로 크게 나타날 수 있는 고위험 구간을 검토하였다.
다만 본 연구에서 적용한 상위 30% 기준은 향후 실제 산사태 발생 이력 자료와 연계한 ROC 분석, success rate curve 또는 민감도 분석을 통해 임계 기준의 정량적 타당성을 추가적으로 검토할 필요가 있다. Fig. 10은 GIS 상에서 상위 30%에 해당하는 고위험 지역을 추출한 결과를 나타낸다.
이처럼 확률 기반 산사태 취약성 분류 연구에서는 전체 취약도 지도의 누적 분포를 분석한 뒤, 특정 백분위수 값을 임계값으로 활용하여 고위험 지역을 도출하는 방식이 다수 적용되고 있다(Ageenko et al., 2022; Joshi et al., 2025). 이와 같은 백분위수 기반 접근은 절대 확률값 자체보다는 연구 지역 내 상대적 위험 수준의 차이에 초점을 두는 방법으로, 전체 확률 분포에서 상대적으로 높은 위험도 영역을 통계적으로 분리하여 공간적으로 해석하기 위한 방법으로 활용될 수 있다. 도출된 상위 30% 구간은 이후 산불 이후 산사태 고위험지 선정의 첫 번째 주요 기준으로 적용되었다.
4.3 D-InSAR 활용 지표변위 분석 결과
본 연구에서는 앞선 3.3절에서 설명한 D-InSAR 전처리 및 위상 보정 과정을 거쳐, 간섭 위상을 실제 지리 좌표계로 투영함으로써 공간 분석이 가능하도록 하였으며, 그 결과 Fig. 11과 같이 분석 기간에 따라 총 11장의 지표 변위 지도를 생성하였다.
이후, Fig. 12a와 같이 각 간섭쌍으로부터 산출된 평균 지표 변위 값을 시계열로 비교한 결과, 산불 발생 전과 후에 뚜렷한 변위 특성 차이가 확인되었다. 산불 이전 기간의 모든 간섭쌍에서 평균 지표 변위는 약 +1.6 mm로 나타나 전반적으로 미약한 융기 경향을 보였다. 반면, 산불 이후 기간에는 평균 변위가 –4.2 mm로 전환되며 침하 방향의 변형이 지배적으로 나타났고, 산불 전·후 평균 변위 간에는 약 5 mm 이상의 차이가 발생하였다. 또한 산불 이전에는 대부분의 변위 값이 ±5 mm 이내의 안정 범위에 분포한 반면, 산불 이후에는 변위 값이 급격히 증가한 뒤 일시적으로 완화되었다가 다시 확대되는 이상 변위 패턴이 관찰되었다. 특히 7월에 해당하는 간섭쌍에서는 변위가 침하에서 융기로 일시적으로 전환되는 특이한 양상이 나타났다. 해당 간섭쌍에 사용된 7월 18일 SAR 영상의 관측 시각을 기준으로 기상 관측 자료를 확인한 결과, 강릉 지역에서는 관측 전·후 수 시간 동안 시간당 약 0.7–1.4 mm 수준의 강우가 지속되었고, 높은 적운량이 동반된 대기 불안정 조건이 확인되었다. SNAP 기반 D-InSAR 처리에는 기본적인 대기 보정이 포함되나, 강수 직후 형성되는 수분층이나 시간적으로 불균질한 대기 조건에 따른 위상 지연 효과는 완전히 제거되지 않는다. 따라서 해당 변위 반전은 실제 지표 거동보다는, 강수 및 대기 불안정에 기인한 위상 지연 효과가 반영된 결과로 판단된다. 따라서 7월의 특이 변위를 제외하면 산불 이후 지표침하 거동이 명확히 확인된다.
이후 각 간섭쌍의 평균 코히어런스 값을 비교한 결과(Fig. 12b), 전체 분석 기간 동안 평균 코히어런스는 약 0.289로 나타났다. 이는 산림 및 산악 지형이 우세한 지역에서 일반적으로 보고되는 0.2–0.4 범위의 전형적인 수준에 해당한다(Sun et al., 2016). 이에 따라 본 연구에서는 코히어런스 0.25 이하 영역을 제거한 후, 산불 피해지와 도심지를 구분하여 변위 특성을 추가적으로 분석하였다. 일반적으로 도심 지역은 고코히어런스 조건에서 매우 작은 변위가 산정되지만, 본 연구에서는 분석 조건의 일관성을 유지하기 위해 동일한 코히어런스 기준을 적용하였다.
그 결과, 산불 발생 전·후 모두에서 산불 피해 지역의 평균 변위가 도심지에 비해 상대적으로 크게 나타났다. 다만 본 연구에서는 산불 피해 지역과의 분석 조건을 일관되게 유지하기 위해 도심지에도 동일한 코히어런스 기준(0.25)을 적용함에 따라, 도심지 변위는 일반적인 고코히어런스(≥0.6) 조건에서 산정되는 값보다 상대적으로 크게 나타났을 가능성이 있다. 이에 따라 본 연구에서는 도심지를 기준면(0 mm)으로 설정하고, 이를 기준으로 산불 피해 지역의 상대적 변위 특성을 비교·분석하였다(Fig. 12c). 이는 최근 InSAR 연구에서 고코히어런스 영역에 분포한 여러 기준점을 동시에 활용함으로써, 기준점 선택에 따른 편향을 줄이고 변위 해석의 공간적 일관성과 안정성을 향상시키는 방법으로, 본 연구의 상대 변위 분석 역시 이러한 개념을 참고하여 접근하였다(Wegmüller et al., 2020; Peng et al., 2019). 도심지를 기준면(reference surface, 0 mm)으로 설정하여 산불 피해지의 상대 변위를 분석한 결과, 산불 이전에는 피해지가 도심지 대비 평균 +1.86 mm의 융기 경향을 보인 반면, 산불 이후에는 평균 –1.12 mm로 침하 방향으로 전환되는 양상이 확인되었다. 특히 산불 직후에는 –4.60 mm의 급격한 침하가 발생한 뒤, 시간이 경과함에 따라 변위가 점차 0 mm 부근으로 수렴하는 안정화 경향이 나타났다. 이러한 변위 변화는 산불로 인한 식생 소실 이후 지표층 약화와 공극수 재분배가 연쇄적으로 발생하는 전형적인 사면 반응 과정과 일치한다(Moody et al., 2013). 이에 더하여, 산불 피해 지역과 도심지 간 상대 변위(Fig. 12c)를 종합적으로 분석한 결과, 간섭쌍별 평균 변위 차이는 대체로 수 mm 수준에서 변동하는 경향이 나타났으며, 일부 간섭쌍에서는 약 4 mm 이상의 차이가 관측되었다. 이러한 결과는 단기 간섭쌍 기반 D-InSAR 분석에서 발생할 수 있는 변위 변동성이 수 mm 수준임을 보여주며, 단일 간섭쌍에서 관측되는 소규모 변위는 실제 지표 변형뿐 아니라 대기 지연 및 위상 잡음의 영향을 포함할 가능성이 있음을 시사한다. 따라서 본 연구에서는 이러한 변동성을 고려하여 3.5 mm를 변위 탐지 기준으로 설정하였으며, 이는 변위 변동성 범위를 반영하여 일부 간섭쌍에서 나타나는 극단적인 변위 값을 배제하고 반복적으로 관측되는 변형 신호를 식별하기 위한 것이다.
따라서 본 연구에서는 모든 간섭쌍에서 반복적으로 3.5 mm 이상의 변위가 관측된 지역을 중첩하여, 산불 이후 지속적 지표 변형이 나타나는 변위 핫스팟을 도출하였다(Fig. 13). 값 1은 모든 간섭쌍에서 반복적으로 3.5 mm 이상의 변위가 관측된 지역을 의미하며, 값 0은 해당 기준을 충족하지 않는 지역을 의미한다. 해당 결과는 산불 이후 산사태 고위험지 선정의 두 번째 주요 기준으로 활용되었다.
4.4 다중 지표 GIS 공간 중첩 및 취약구간 도출
본 연구에서는 산불 이후 산사태 발생 가능성이 높은 지역을 보다 정밀하게 도출하기 위해, 산사태 발생 취약성, 그리고 지표 변위라는 서로 다른 물리적 의미를 갖는 두 가지 위험 지표를 GIS 기반 공간 분석을 통해 단계적으로 분석하였다.
이러한 개별 지표들이 연구 지역 내에서 어떠한 공간적 중첩 양상을 보이는지를 시각적으로 제시한 중간 결과를 Fig. 14에 도시하였으며, 이는 최종 고위험 구간 도출 이전의 공간적 선별 과정을 보여준다. 산사태 발생 취약성은 로지스틱 회귀 분석 결과 중 상위 30% 구간을 고위험 영역으로 분류하였고, 지표 변위 지표는 Sentinel-1 D-InSAR 분석을 통해 산출된 변위 시계열 중, 모든 간섭쌍에서 반복적으로 3.5 mm 이상의 변위가 관측된 지점을 대상으로 하였다. 본 연구에서는 이러한 지점을 단발성 변위가 아닌, 지속적인 지표 불안정성이 확인된 변위 핫스팟(hotspot)으로 정의하였다.
Fig. 15는 산불 피해 지역으로 선별된 영역을 대상으로, 산사태 발생 확률 상위 30% 구간과 모든 간섭쌍에서 반복적으로 3.5 mm 이상의 변위가 관측된 지점을 AND 조건으로 결합하여 도출한 최종 산사태 고위험 후보지를 나타낸 것이다. 그림에서 빨간 점으로 표시된 지점들은 이러한 조건을 모두 충족하는 위치로, 산불 이후 지형·식생·지표 변형 측면에서 복합적인 불안정성이 동시에 작용하고 있는 구간으로 해석할 수 있다. 아울러, 연구 지역 전체 픽셀 95,373개 중 단순 D-InSAR 분석에서 연속 변위가 관측된 지점은 1,172개로 나타났으며, 이들 중 산사태 발생 취약성 상위 30% 조건을 추가로 만족하는 지점은 345개로 감소하였다. 이는 단일 변위 지표만을 사용할 경우보다, 취약성 및 지표 변위 지표를 함께 고려함으로써 산불 이후 사면 불안정성과 관련된 신호를 보다 엄격하게 선별할 수 있음을 시사한다.
따라서 최종 고위험 구간으로 도출된 픽셀들의 특성을 보다 정량적으로 비교하기 위해, 전체 산불 피해 지역과 최종 고위험 픽셀 집합을 대상으로 각 위험 지표의 분포를 시각화하였다(Fig. 16). Fig. 16a는 산불 피해 지역 전체의 ΔNDVI 분포를, Fig. 16b는 그 중 최종 고위험 픽셀에서의 ΔNDVI 분포를 나타낸다. 동일한 방식으로 Fig. 16c와 Fig. 16d는 각각 전체 산불 피해 지역과 최종 고위험 픽셀에서의 산사태 발생 위험도 분포를 비교한 결과이다.
분석 결과, 산불 피해 지역 전체의 평균 식생 손실 정도는 ΔNDVI 0.19로 나타난 반면, 최종 고위험 픽셀의 평균 식생 손실 정도는 0.25로 확인되어 최종 고위험 픽셀 구간에서 상대적으로 더 심각한 식생 훼손이 발생하였음을 알 수 있다. 또한 산불 피해 지역 전체의 평균 산사태 발생 위험도는 0.66으로 나타났으나, 최종 고위험 픽셀 구간의 평균 산사태 발생 위험도는 0.97로 크게 증가하였다. 본 연구에서 제안한 다중 지표 기반 선별 과정은 상대적으로 불안정성이 높은 구간을 효과적으로 선별하는 경향을 보인다. 다만, 이러한 다중 조건 기반 선별 과정은 엄격한 기준을 적용하는 만큼 일부 잠재적 위험 지역이 제외될 수 있는 한계를 가지며, 이에 대한 해석에는 주의가 필요하다.
한편, 본 연구는 2023년 강릉 산불 피해 지역을 대상으로 수행되었으며, 해당 지역에서는 산사태 발생 이력 자료의 공간적 정확도와 시계열 가용성이 제한적이어서 사건 기반의 직접적인 검증에는 한계가 존재한다. 이는 산불 피해 산악 지역에서 단기적으로 발생한 소규모 사면 붕괴나 표층 변형이 공식 재해 기록에 충분히 반영되지 않는 국내 재해 자료 구축 체계의 구조적 특성에 기인한다. 아울러 본 연구 지역은 전반적으로 완만한 사면 경사 조건이 우세하여, 산사태가 대규모 붕괴 형태보다는 미소 변형이나 국지적 표층 교란 형태로 나타날 가능성이 높으며, 이로 인해 사건 기반 재해 기록으로 포착되기 어려운 특성을 가진다. 향후 산사태 발생 이력 자료나 현장 계측 정보가 추가로 확보되는 경우, 정량적 검증 단계로 자연스럽게 확장될 수 있는 구조를 가지므로, 추후 본 연구의 결과는 산불 이후 단기적 사면 불안정성 평가를 위한 과정 기반 위험 선별 접근의 하나로 활용될 수 있을 것으로 기대된다.
5. 결 론
본 연구는 2023년 강릉 산불 피해 지역을 대상으로, 산불 이후 사면의 불안정성을 정량적으로 평가하기 위해 NDVI 기반 식생 손실 분석, 로지스틱 회귀 기반 산사태 발생 확률 평가, 그리고 Sentinel-1 D-InSAR 기반 지표 기반 단계적 선별 접근을 제안하였다. 이를 통하여 잠재적 산사태 위험도, 지표 변위라는 서로 다른 물리적 의미를 갖는 두 가지 지표를 단계적으로 적용하여, 산불 이후 단기적 사면 불안정 구간을 공간적으로 제시하였다. 이러한 연구 결과로부터 다음과 같은 결론을 도출하였다.
(1) NDVI 기반 분석 결과, 연구 지역 내에서는 산불 이후 ΔNDVI ≥ 0.2의 급격한 식생 손실이 특정 사면을 중심으로 군집 형태로 분포하는 양상이 확인되었으며, 이는 산불로 인한 수관층 붕괴 및 표층 교란이 국지적으로 집중되었음을 나타낸다. 이러한 식생 손실 지표는 산불 이후 사면 불안정성이 본격적으로 발현되기 이전 단계에서 취약 구간을 선별하기 위한 기초 자료로 활용될 수 있었다.
(2) 로지스틱 회귀 분석을 통해 산불 전·후 산사태 발생 확률을 비교한 결과, ΔNDVI ≥ 0.2 기준을 만족하는 산불 피해 지역에서 산불 이후 평균 산사태 발생 확률은 산불 이전 대비 약 17% 증가한 것으로 나타났다. 본 연구에서는 로지스틱 회귀모형으로 산출된 전체 산사태 발생 확률 분포에서 70번째 백분위수 이상에 해당하는 영역을고위험 후보 영역으로 정의하였다. 분석 결과, 해당 고위험 후보 지역은 이후 수행된 D-InSAR 변위 분석 결과와 공간적으로 높은 중첩성을 보이는 것으로 확인되었다.
(3) Sentinel-1 D-InSAR 분석 결과, 산불 이후 기간에는 산불 이전에 비해 침하 방향의 지표 변위가 지배적으로 나타났으며, 일부 사면에서는 반복적으로 3.5 mm 이상의 단기 변위가 관측되었다. 이러한 변위 패턴은 산불 이후 식생 소실로 인한 지표층 약화와 공극수 재분배 과정이 복합적으로 작용하는 전형적인 사면 반응 특성과 일치한다. 단일 간섭쌍에 의존하지 않고, 다수의 간섭쌍에서 공통적으로 변위가 관측된 지점을 중첩함으로써 일시적 잡음이나 대기 효과의 영향을 최소화하고, 지속적인 지표 불안정성이 나타나는 변위 집중 구간을 선별할 수 있었다.
(4) 산불 피해 지역을 대상으로 산사태 취약성과 변위 조건을 동시에 적용한 결과, 전체 분석 픽셀 대비 제한적인 영역에서 두 조건을 동시에 만족하는 최종 산사태 고위험 구간이 도출되었다. 단계별 다중 조건 적용을 통해 상대적으로 불안정성이 높은 구간이 선별되는 경향을 보인다. 다만, 이러한 접근은 일부 잠재적 위험지역이 제외될 수 있는 한계를 가진다.
(5) 본 연구는 2023년 강릉 산불 피해 지역을 대상으로 수행되었으며, 해당 지역에서는 산사태 발생 이력 자료의 공간적 정확도와 시계열 가용성이 제한적이어서 사건 기반의 직접적인 검증에는 한계가 존재한다. 이는 산불 피해 산악 지역에서 단기적으로 발생한 소규모 사면 붕괴나 표층 변형이 공식 재해 기록에 충분히 반영되지 않는 국내 재해 자료 구축 체계의 한계 및 본 연구 지역의 지형적 특성에 기인한다. 향후 산사태 발생 이력 자료나 현장 계측 정보가 추가로 확보되는 경우, 정량적 검증 단계로 자연스럽게 확장될 수 있는 구조를 가지므로, 추후 본 연구의 결과는 산불 이후 단기적 사면 불안정성 평가를 위한 과정 기반 위험 선별 접근의 하나로 활용될 수 있을 것으로 기대된다.
(6) 종합적으로, 본 연구에서 제시한 다중 지표 기반 단계적 선별 접근은 산불 이후 산사태 고위험지 후보지를 신속하게 도출할 수 있는 실용적인 방법론을 제시하며, 향후 산불 피해 지역의 우선 관리 대상지 선정, 사면 모니터링 대상 구간 설정, 나아가 산불 이후 지형 재해 위험도를 고려한 종합적 재해 리스크 평가 체계로 확장·적용될 수 있을 것으로 기대된다.
