Journal of the Korean Geotechnical Society. 30 April 2026. 101-111
https://doi.org/10.7843/kgs.2026.42.2.101

ABSTRACT


MAIN

  • 1. 서 론

  • 2. 연구대상지 및 강우 자료수집

  •   2.1 연구 대상지 개요

  •   2.2 강우 자료 수집

  • 3. 수치해석과 현장모니터링 결과값 비교

  •   3.1 함수비 분석을 위한 불포화 침투해석

  •   3.2 침투해석 결과 및 현장모니터링 결과 비교

  • 4. 결 론

1. 서 론

우리나라는 산지 지형이 우세하고 토심이 상대적으로 얕으며, 강우가 특정 계절에 집중되는 기후적 특성으로 인해 산사태와 같은 토사재해 발생 가능성이 높은 환경적 특성을 보인다. 특히 여름철 집중호우로 인해 발생하는 산사태는 사전 징후가 뚜렷하지 않은 상태에서 급격히 발생하는 경우가 많아 인명 및 사회기반시설에 심각한 피해를 유발해 왔다. 이러한 배경에서 강우 침투에 따른 토양 수분 거동을 정량적으로 파악하고 산림 피복 상태에 따른 침투 특성의 차이를 규명하는 연구의 중요성이 지속적으로 제기되어 왔다.

산림지역에서 식생 피복은 강우 시 토양 침투, 지표 유출, 토양 수분 분포 및 간극수압 형성 과정에 직접적인 영향을 미치는 주요 인자로 알려져 있다. 수풀이나 임목이 존재하는 경우, 지표 차단 효과와 뿌리 발달에 따른 토양 구조 변화, 근권 영역의 물리·역학적 특성 변화가 복합적으로 작용하여 강우 침투 특성이 달라지는 것으로 보고되고 있다. 반면, 벌채와 같은 인위적 산림 훼손은 토양 구조의 교란과 표층 보호 기능의 상실로 이어져 강우 침투 속도와 포화 진행 양상을 변화시키며, 결과적으로 토사재해 발생 가능성을 증가시키는 요인으로 작용한다.

선행연구에서는 산사태 발생과 관련하여 기후, 지형, 토양, 지질 등 다양한 환경 요인에 따라 발생 특성이 상이하게 나타나며, 이러한 요소들이 산사태 발생에 복합적으로 기여하는 것으로 보고되었다(Sidle et al., 1985; Brardinoni et al., 2003; Sidle and Ochiai, 2006; Imaizumi et al., 2008; Lee et al., 2023). 장기간 강우 특성의 변화 역시 사면 불안정성을 증가시키는 주요 요인으로 제시되었으며, 전국 관측자료 분석 결과 기후 변화에 따른 강우 패턴은 자연사면과 보강사면의 안정성 평가에서 중요한 영향 요인으로 나타났다(Lee et al., 2014). 선행강우는 모관흡수력을 감소시켜 불포화토의 전단강도를 저하시킴으로써 이후 강우 시 사면의 안전율을 더욱 빠르게 감소시키는 것으로 보고되었다(Kim et al., 2013). 최근 연구에서도 이러한 경향은 일관되게 확인되고 있으며 강우, 지형, 지질 및 토양 특성 간의 복합적 상호작용이 산사태 발생 민감도에 중요한 영향을 미치는 것으로 나타났다(Yu et al., 2021; Zou et al., 2021; Ehsan et al., 2025).

이러한 선행연구에도 불구하고 기존 연구의 대부분은 식생을 고려하지 않은 단일 지반 조건을 가정하거나, 현장 관측 또는 수치해석 중 하나에 초점을 맞추는 경향이 있다. 이에 따라 산림 피복 유형별 강우 침투 및 함수비의 시간적 변화 거동을 현장 자료와 수치해석 결과를 통합적으로 비교·분석한 연구는 제한적인 실정이다.

이러한 한계를 보완하기 위하여 Park et al.(2024)에서는 수풀지역과 벌목지역을 대상으로 체적함수비(Volumetric Water Content, VWC)를 실시간으로 계측하고, 산림 피복 유형에 따른 함수비 변화 양상과 강우 침투 특성의 차이를 비교·분석함으로써 산림 피복 형태가 불포화 토층의 시간적 수분 거동에 미치는 영향을 제시하였다. 그러나 해당 연구는 현장 계측 자료 기반 분석에 국한되어 수치해석 결과와의 정량적 비교는 수행되지 않았다.

이에 본 연구에서는 2023년부터 2025년까지 수행된 현장 모니터링을 통해 확보된 체적함수비 자료를 기반으로 수치해석 모델을 적용하여 수풀지역과 벌목지역의 강우 침투 특성과 토층 내 수분 변화를 모사하고 산림 피복 유형에 따른 침투 거동의 차이를 정량적으로 분석하고자 한다. 이를 통해 현장 계측 결과와 수치해석 결과를 비교·분석함으로써 산림 피복 상태가 강우 침투 및 토층 내 수분 거동에 미치는 영향을 정량적으로 검토하고, 향후 산림 관리 및 토사재해 평가에 참고 자료로 활용될 수 있는 기초적인 정보를 제공하고자 한다.

2. 연구대상지 및 강우 자료수집

2.1 연구 대상지 개요

연구 대상지는 광주광역시 서구에 위치한 OO산 사면으로 수풀지역과 벌목지역을 모두 포함한다. 두 지역은 지질조건과 지형조건이 동일하고 산림 피복 상태만 상이하여 피복 유형에 따른 강우 침투 특성 및 함수비 변화 양상을 비교·분석하기에 적합하다. 본 대상지에서는 2023년부터 무선센서네트워크(Wireless Sensor Network, WSN) 기반의 실시간 함수비 모니터링 시스템을 Fig. 1과 같이 구축하여 운영하였다. 수풀지역과 벌목지역 각각에 대해 지표면으로부터 20cm, 40cm, 60cm 깊이에 체적함수비 센서를 Fig. 2와 같이 매설하였으며, 10분 간격으로 계측된 자료를 서버로 전송하여 연속적인 함수비 모니터링을 수행하였다(Park et al., 2024).

https://cdn.apub.kr/journalsite/sites/kgs/2026-042-02/N0990420209/images/kgs_42_02_09_F1.jpg
Fig. 1

Location of water content monitoring system (Park et al., 2024)

https://cdn.apub.kr/journalsite/sites/kgs/2026-042-02/N0990420209/images/kgs_42_02_09_F2.jpg
Fig. 2

Overview of WSN measurement system installation (Park et al., 2024)

Kim et al.(2025)의 선행연구에 따르면 해당 지반은 동일한 지질 조건을 가지며 조립질 토사의 비율이 높아 강우 발생 시 침투가 빠르고 함수비가 즉각적으로 변화하는 특성을 나타낸다. 이러한 지반 특성은 산림 피복 유형에 따른 강우 침투 특성과 함수비 반응 양상을 비교·분석 하는데 유리한 조건을 제공한다. 본 연구에서는 이러한 현장 계측 자료를 바탕으로 수치해석 모델을 적용하여 강우 침투에 따른 토층 내 함수비 변화를 모사하고 계측 결과와의 비교를 통해 산림 피복 유형별 침투 거동 특성을 분석하고자 한다.

2.2 강우 자료 수집

수풀지역과 벌목지역에서 관측된 체적함수비(Volumetric Water Content, VWC)의 강우 반응 특성을 분석하기 위하여 모니터링 기간 중 강우 특성이 상이하게 나타난 세 시기를 분석 대상으로 선정하였다. 선정된 시기는 함수비 변화가 뚜렷하게 관찰된 2023년 8월, 전반적으로 표층이 습윤한 상태가 유지된 2024년 6월, 그리고 모니터링 기간 중 최대 일 강수량(87.1mm/day)을 기록한 2024년 9월을 분석 대상으로 하였다(Kim et al., 2025). 이들 시기는 강우강도와 누적 강우 특성이 서로 상이하여 다양한 강우 조건 하에서 토층 내 침투 거동과 함수비의 시간적 반응 특성을 비교·분석하기에 적합한 기간으로 판단하였다.

분석에 활용한 강우 자료는 기상청 기상자료개방포털(www.data.kma.go.kr)에서 제공하는 광주광역시 관측 자료를 사용하였다. 광주기상관측소는 본 연구 대상지역으로부터 약 2km 이내에 위치하고 있어 연구대상지의 강우 조건을 대표하는데 무리가 없는 것으로 판단된다. 다만, 수풀지역의 경우 수관 차단 효과 및 지형적 영향으로 인해 실제 지표에 도달하는 유효 강우량이 관측 강우량과 차이를 보일 수 있으며, 산악지형 특성상 이러한 편차가 발생할 가능성이 있다. 이에 외부 관측소 자료를 활용함에 따른 한계를 고려할 필요가 있다. 한편 본 연구는 절대 강우량의 정확한 재현보다는 동일 강우 조건 하에서 나타나는 함수비 반응의 상대적 변화 및 침투 경향을 비교하는 데 목적이 있으므로, 해당 강우 자료는 현장 계측 자료와의 비교·분석에 활용 가능한 수준의 신뢰성을 갖는 것으로 판단된다.

각 분석 기간에 대한 일 강우량은 Table 1에 정리하였으며, 이를 기준으로 침투해석에 적용할 강우 조건을 설정하여 수치해석을 수행하였다. 본 연구에서는 서로 다른 강우 특성을 갖는 세 시기를 대상으로 침투해석 결과와 현장 계측된 함수비 자료를 비교함으로써 강우 조건 변화에 따른 토층 내 함수비 반응 특성을 정량적으로 비교하고 현장 계측 결과와의 정확성을 검토하고자 하였다.

Table 1.

Climate Information of Gwangju (Korea Meteorological Administration)

Day Rainfall intensity
(mm/hr)
Day Rainfall intensity
(mm/hr)
Day Rainfall intensity
(mm/hr)
2023-08-23 0:00 0.3 2024-06-29 13:00 0.8 2024-09-20 6:00 21.5
2023-08-23 1:00 0.9 2024-06-29 14:00 5.3 2024-09-20 7:00 7.1
2023-08-23 2:00 7.9 2024-06-29 15:00 6.8 2024-09-20 8:00 2.6
2023-08-23 3:00 0.2 2024-06-29 16:00 5.5 2024-09-20 9:00 2.9
2023-08-23 5:00 0.1 2024-06-29 17:00 2.8 2024-09-20 10:00 0.8
2023-08-23 8:00 2.8 2024-06-29 18:00 6 2024-09-20 11:00 18.5
2023-08-23 9:00 0.3 2024-06-29 19:00 0.6 2024-09-20 12:00 2.8
2023-08-23 15:00 0.4 2024-06-29 20:00 14 2024-09-20 14:00 3.7
2023-08-23 16:00 1.2 2024-06-29 21:00 0.4 2024-09-20 17:00 2.5
2023-08-23 17:00 34.1 2024-06-29 22:00 0.6 2024-09-20 18:00 2
2023-08-23 18:00 10.6 2024-06-29 23:00 0.4 2024-09-20 20:00 0.5
2023-08-23 19:00 0.4 2024-06-30 0:00 0.1 2024-09-20 21:00 0.4
2024-09-20 22:00 2.4
2024-09-20 23:00 8.7
2024-09-21 0:00 10.7

3. 수치해석과 현장모니터링 결과값 비교

3.1 함수비 분석을 위한 불포화 침투해석

함수비 변화 특성을 정량적으로 분석하기 위하여 시간별 강우량 자료를 적용한 불포화 침투해석을 시간 단계별로 수행하였다. 본 연구에서는 Geostudio 2024.2.1의 SEEP/W 모듈을 이용하여 해석을 수행하였으며, 불포화 침투해석에 필요한 함수특성곡선(Soil-Water Characteristic Curve, SWCC)의 매개변수는 본 연구대상지역을 대상으로 수행된 Kim et al.(2022)의 연구 결과를 적용하였다. SWCC는 Fredlund-Xing 모델을 사용하였으며, 해당모델에서 a는 공기유입값(air-entry value)과 관련된 매개변수이고, n, m은 함수특성곡선의 형상을 결정하는 지수로서 토양의 수분 보유 및 배수 특성을 반영한다. 각 지층에 대한 함수특성곡선의 매개변수와 포화투수계수는 Table 2에 정리하였으며, 이를 통해 지층별 수리적 거동 특성을 반영하였다.

Table 2.

Hydraulic properties of unsaturated soil (Kim et al., 2022)

Soil type a (kPa-1) nmpermeability (m/s)
Weathered soil 1.18 1.601 0.375 1.48×10-5
Weathered rock 10.0 1.601 0.375 5.68×10-7
Bedrock 30.0 1.601 0.375 1.05×10-8

수치해석의 초기조건은 강우 직전의 현장 계측 깊이별 체적함수비 자료를 활용하여 설정하였다. 계측된 체적함수비는 불포화토 상태를 고려하여 초기 음의 간극수압 분포(negative pressure head)로 환산하여 초기 지반의 함수 상태를 반영하였다. 이러한 방법을 통해 현장 계측 조건과 수치해석 초기 상태의 일치성을 높여 실제 사면 조건을 보다 현실적으로 모사하고자 하였다.

수치해석을 위한 기본 모델링 조건은 Kim et al.(2022)과 동일하게 구성하였으며, 현장 계측 센서의 매설 깊이에 따른 함수비 거동을 비교하기 위하여 Fig. 3과 같이 20cm, 40cm, 60cm 깊이를 기준으로 각각 독립적인 해석 모델을 구축하였다. 이를 통해 동일 강우 조건 하에서 깊이별 함수비 반응 특성을 체계적으로 분석하였다(Fig. 4 참조).

https://cdn.apub.kr/journalsite/sites/kgs/2026-042-02/N0990420209/images/kgs_42_02_09_F3.jpg
Fig. 3

Initial condition for unsaturated soil seepage analysis

https://cdn.apub.kr/journalsite/sites/kgs/2026-042-02/N0990420209/images/kgs_42_02_09_F4.jpg
Fig. 4

Seepage analysis results for unsaturated soil

3.2 침투해석 결과 및 현장모니터링 결과 비교

불포화 침투해석에 필요한 지층별 수리특성은 Table 2에 제시된 값을 적용하였으며, 강우 조건은 Table 1의 강우 자료를 기반으로 시간별 실제 강우강도를 반영하여 설정하였다. 이를 통해 매설 깊이에 따른 체적함수비(Volumetric Water Content, VWC)의 시간적 변화 양상을 산정하고, 동일 조건에서 계측된 현장 모니터링 자료와 비교·분석하였다.

특히 동일한 매설 깊이를 기준으로 침투해석 결과와 현장 계측된 체적함수비 값을 시간 단계별로 직접 비교함으로써, 강우 침투에 따른 함수비 변화 경향과 수치해석 결과의 재현성을 평가하고자 하였다. 이러한 비교를 통해 불포화 침투해석이 실제 현장 조건에서 관측되는 함수비 반응 특성을 얼마나 합리적으로 모사하는지를 검토하였다.

Fig. 5부터 Fig. 7까지는 매설 깊이(20cm, 40cm, 60cm)에 따른 침투해석 결과와 수풀지역 및 벌목지역에서 계측된 실시간 함수비 변화를 비교한 것이다. 60cm 깊이에서는 현장 계측 결과에서 함수비 변화가 거의 나타나지 않는 것으로 보고된 바 있으며(Park et al., 2024), 본 연구의 수치해석 결과에서도 20cm 및 40cm에 비해 강우에 대한 침투 반응이 지연되고 함수비 변화가 상대적으로 미미하게 나타났다. 이는 해당 깊이에서 강우에 따른 수분 전달이 제한적으로 발생함을 의미한다. 따라서 본 연구에서는 강우 침투에 대한 반응이 뚜렷하게 나타난 20cm 및 40cm 깊이의 함수비 자료를 중심으로 분석을 수행하였다.

https://cdn.apub.kr/journalsite/sites/kgs/2026-042-02/N0990420209/images/kgs_42_02_09_F5.jpg
Fig. 5

Comparison of numerical analysis results and field-measured volumetric water content on the slope in August 2023

https://cdn.apub.kr/journalsite/sites/kgs/2026-042-02/N0990420209/images/kgs_42_02_09_F6.jpg
Fig. 6

Comparison of numerical analysis results and field-measured volumetric water content on the slope in June 2024

https://cdn.apub.kr/journalsite/sites/kgs/2026-042-02/N0990420209/images/kgs_42_02_09_F7.jpg
Fig. 7

Comparison of numerical analysis results and field-measured volumetric water content on the slope in September 2024

한편, 침투해석에서는 초기 조건 설정상 체적함수비를 0%로 가정할 수 없으므로, 본 연구에서는 강우 직전 시점의 현장 계측 깊이별 체적함수비 자료를 활용하여 초기조건을 설정하였다. 이를 통해 해석 초기 상태가 현장 조건을 최대한 반영하도록 하였으나, 강우의 시간적 변동성으로 인해 침투 개시 시점을 일관되게 정의하고 비교 기준을 설정하는 데에는 여전히 한계가 존재하였다. 이에 따라 개별 시점 비교 대신 하루 단위의 강우 이벤트를 분석 단위로 설정하여 해당 기간 동안의 함수비 변화 양상을 비교하였다. 또한 동일 강우 조건 하에서 수풀지역과 벌목지역의 함수비 응답을 비교함으로써 산림 피복 상태에 따른 침투 거동의 차이를 정량적으로 분석하였다.

Fig. 5 ~ Fig. 7은 시기별 강우 조건에서 수풀지역과 벌목지역의 체적함수비 현장 계측 결과와 수치해석 결과를 매설 깊이별(20cm, 40cm)로 비교한 것이다. 전반적으로 수치해석 결과는 강우에 따른 체적함수비 증가 경향을 잘 재현하고 있으며, 산림 피복 유형별 비교에서는 벌목지역에서 상대적으로 높은 일치도가 나타났다.

벌목지역의 경우 체적함수비 증가 시점과 증가 폭 측면에서 수치해석 결과와 현장 계측 결과가 전반적으로 유사한 경향을 보였다. 특히, 20cm 깊이에서는 강우 시작 직후 체적함수비가 급격히 증가하는 양상이 수치해석과 현장 계측에서 공통적으로 나타났으며, 40cm 깊이에서도 침투 지연 이후 점진적으로 증가하는 함수비 특성이 유사하게 관찰되었다. 이는 수치해석 모델이 식생 피복이 제거된 조건에서의 강우 침투 거동을 비교적 합리적으로 모사하고 있음을 의미한다.

한편 2024년 6월 강우 사례의 중부 비탈면에서는 수치해석 결과가 수풀지역의 현장 계측 결과와도 비교적 유사한 함수비 변화 양상을 보였다. 이는 해당 시기 전반적으로 높은 초기 함수비 상태가 유지되어 강우 침투에 따른 추가적인 함수비 증가가 제한적으로 나타났기 때문으로 판단된다. 이러한 조건에서는 산림 피복에 따른 침투 거동 차이가 감소하여 수치해석 결과가 수풀지역의 수분 거동을 일시적으로 유사하게 재현한 것으로 해석된다. 따라서, 해당 결과는 일반적인 수풀지역의 침투 특성이라기보다는 초기 습윤 조건에 따른 특수한 사례로 판단된다.

반면 전체 강우 사례를 종합하면 수풀지역에서는 수치해석 결과와 현장 계측 결과 간의 차이가 비교적 뚜렷하게 나타났다. 현장 계측에서는 체적함수비 증가가 완만하게 진행되거나 일정 수준에서 유지되는 경향이 나타난 반면 수치해석에서는 보다 급격한 증가 양상이 모사되었다. 이는 수치해석 모델이 식생에 의한 강우 차단 효과, 근권 영역의 토양 구조 변화, 그리고 식생에 따른 수분 이동 특성을 충분히 반영하지 못한 데 따른 것으로 판단된다.

깊이에 따른 비교 결과, 20cm에서는 피복 유형에 따른 함수비 변화 차이가 뚜렷하게 나타난 반면, 40cm에서는 전반적으로 침투 지연 특성이 공통적으로 확인되었다. 다만 수풀지역에서는 수치해석 대비 실제 함수비 증가 양상이 보다 완만하게 나타나는 경향이 모든 강우 사례에서 일관되게 확인되었다. 이는 본 수치해석 결과가 벌목지역에서는 비교적 높은 재현성을 보이나, 수풀지역의 복합적인 수분 거동을 충분히 반영하는 데에는 한계가 있음을 시사한다.

이와 같은 해석 결과의 정합성을 정량적으로 평가하기 위하여 결정계수(R2)와 RMSE(Root Mean Square Error)를 활용하여 Table 3과 같이 비교·분석하였다. 분석 결과, 벌목지역의 경우 20cm 깊이에서는 R2는 0.70~0.89 범위를 나타내며 전반적으로 높은 상관성을 보였고, RMSE는 0.04~0.09 범위로 낮은 오차 수준을 유지하여 수치해석 결과가 현장 계측값의 시간적 변화 경향을 안정적으로 재현하는 것으로 나타났다. 40cm 깊이에서도 전반적으로 유사한 경향이 확인되었으며, 침투 지연에 따른 완만한 함수비 증가 특성이 반영되면서 R2값은 일부 구간에서 감소하는 경향을 보였으나 RMSE는 여전히 낮은 수준을 유지하여 체적함수비의 절대적인 수준은 비교적 잘 재현되는 것으로 나타났다.

Table 3.

Comparison of R2 and RMSE between Numerical Results and Measurements by Area (Deforested vs. Forested)

Days Location Deforested
20cm
(R2)
Deforested
20cm
(RMSE)
Deforested
40cm
(R2)
Deforested
40cm
(RMSE)
Forested
20cm
(R2)
Forested
20cm
(RMSE)
Forested
40cm
(R2)
Forested
20cm
(RMSE)
2023-08-23 Top 0.89 0.05 0.49 0.06 0.79 0.06 0.30 0.07
Mid 0.88 0.05 0.75 0.08 0.38 0.05 0.32 0.06
Bot 0.70 0.05 0.85 0.06 0.77 0.07 0.80 0.07
2024-06-29 Top 0.71 0.07 0.26 0.06 0.05 0.05 0.64 0.04
Mid 0.003 0.05 0.24 0.07 0.59 0.05 0.09 0.07
Bot 0.79 0.04 0.90 0.06 0.65 0.06 0.35 0.06
2024-09-20 Top 0.73 0.08 0.57 0.06 0.95 0.06 0.62 0.05
Mid 0.63 0.09 0.63 0.09 0.83 0.10 0.64 0.10
Bot 0.87 0.06 0.45 0.08 0.91 0.06 0.93 0.07

다만 2024년 6월 벌목지역 중부 구간에서는 20cm 깊이에서 R2값이 0.003 수준으로 매우 낮게 나타났는데 이는 해당 시기 지반이 전반적으로 높은 함수비 상태를 유지하고 있어 강우에 따른 함수비 변화폭이 제한적으로 나타난 데 기인한 것으로 판단된다. 이 경우 RMSE 또한 낮은 수준을 유지하고 있어 절대적인 오차는 크지 않은 것으로 나타났으며, 이는 수치해석 결과가 함수비 수준 자체는 유사하게 재현하였으나 변화 패턴의 상관성이 낮게 평가된 결과로 해석된다.

반면, 수풀지역은 최대 일 강수량이 내린 2024년 9월의 경우 20cm 깊이에서 대부분 R2가 0.9 이상으로 높게 나타났으나, 전체적으로 변동폭이 크게 나타나 재현성이 일관되지 않은 경향을 보였다. 40cm 깊이에서도 유사한 경향이 확인되었으며, 침투 지연 특성으로 인해 함수비 변화가 완만하게 나타나면서 수치해석 결과와의 시계열 상관성이 일부 구간에서 저하되는 경향이 나타났다. RMSE는 0.04~0.10 범위로 전반적으로 벌목지역과 유사한 수준을 유지하였으나, 일부 깊이에서는 R2가 낮게 나타났으며, 이러한 구간에서는 RMSE가 상대적으로 증가하는 경향이 확인되어 해당 구간에서 예측 오차가 확대되는 것으로 나타났다.

본 연구에서는 초기 조건 설정 상 체적함수비를 0%로 가정할 수 없어 해석 초기 상태와 현장 계측값의 시작점을 완전히 일치시키는 데에는 한계가 있으며, 하루 단위의 전체 강우 이벤트를 기준으로 함수비 변화를 비교하였다. 이에 따라 R2 및 RMSE에는 강우 침투에 따른 함수비 변화뿐 아니라 초기 함수 상태 차이의 영향도 일부 포함된 것으로 판단된다. 따라서 본 연구의 정량 비교 결과는 절대적인 일치도라기보다는 동일 강우 조건 하에서 나타나는 함수비 변화 경향과 상대적인 재현성을 평가한 결과로 해석할 필요가 있다.

종합하면 수치해석 결과는 벌목지역과 같이 상대적으로 단순한 침투 조건에서는 비교적 높은 재현성을 보이는 반면, 수풀지역과 같이 식생 영향이 작용하는 경우에는 깊이에 따른 침투 지연과 완만한 수분 거동 특성으로 인해 시간적 변동성에 대한 재현성이 다소 저하되는 경향이 있는 것으로 판단된다.

4. 결 론

본 연구에서는 불포화 침투해석 결과와 현장 실시간 체적함수비(Volumetric Water Content, VWC) 모니터링 자료를 비교·분석하여, 산림 피복 조건에 따른 침투 거동의 재현성을 검토하였다. 분석 결과, 수치해석은 벌목지역에서 관측된 체적함수비의 시간적 변화 경향과 비교적 유사한 침투 패턴을 나타내어, 상대적으로 단순한 지반 조건에서는 함수비 변화 양상을 일정 수준 이상 재현할 수 있는 것으로 나타났다. 이는 식생 영향이 제한적인 조건에서 불포화 침투해석이 현장 함수비 변동 특성 평가에 활용 가능함을 시사한다. 반면 수풀지역에서는 동일한 해석 조건에도 불구하고 현장 계측 결과와 수치해석 결과 간에 차이가 나타났으며, 특히 강우 지속 과정에서의 함수비 증가 속도 및 변동 폭 측면에서 차이가 두드러졌다. 이는 수풀지역에서의 뿌리 분포, 토층 구조 변화, 국부적인 투수성 변화 등 식생에 기인한 다양한 요인이 침투 거동에 복합적으로 작용한 결과로 해석된다.

정량적 비교 결과에서도 벌목지역은 전반적으로 일정한 결정계수와 낮은 RMSE를 보여 비교적 안정적인 재현성을 나타낸 반면, 수풀지역은 구간에 따라 결정계수와 RMSE의 변동성이 크게 나타나 재현성이 일관되지 않은 경향을 보였다. 다만 일부 구간에서는 초기 함수 상태 및 강우 조건에 따라 함수비 변화폭이 제한적으로 나타나면서 정량지표 해석에 영향을 미치는 경우도 확인되었다. 이러한 결과는 본 연구에서 적용한 불포화 침투해석이 단순한 침투 조건에서는 비교적 합리적인 결과를 도출할 수 있으나, 식생 영향이 작용하는 실제 사면 조건을 완전하게 반영하기에는 한계가 있음을 시사한다. 따라서 향후에는 식생 피복 조건에 따른 수리특성 변화, 근권 영역의 영향, 공간적 불균질성 등을 고려할 수 있는 해석 접근이 필요할 것으로 판단된다.

본 연구는 특정 대상지 및 제한된 강우 사례를 기반으로 수행된 분석이며, 이에 따라 결과의 일반화에는 신중한 해석이 요구된다. 향후에는 다양한 지형 및 토양 조건을 포함한 장기 모니터링 자료와 함께 분석을 수행함으로써 불포화 침투해석의 적용 가능성과 한계를 보다 체계적으로 검토할 필요가 있다.

Acknowledgements

이 논문은 2020년도 정부(교육부) 및 2025년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. 2020R1I1A3075110)(No. RS-2025-23524993).

References

1

Brardinoni, F., Hassan, M., and Slaymaker, H. O. (2003), “Complex Mass Wasting Response of Drainage Basins to Management in Coastal British Columbia”, Geomorphology, Vol.49, No.1-2, pp.109-124, https://doi.org/10.1016/S0169-555X(02)00166-6.

10.1016/S0169-555X(02)00166-6
2

Ehsan, M., Anees, M. T., Bakar, A. F. B. A., and Ahmed, A. (2025), “A Review of Geolofical and Triggering Factors Influencing Landslide Susceptibility; Artificial Intelligence-based Trends in Mapping and Prediction”, International Journal of Environmental Science and Technology, Vol.22, pp.17347-17382, https://doi.org/10.1007/s13762-025-06741-6.

10.1007/s13762-025-06741-6
3

Imaizumi, F., Sidle, R.C., and Kamei, R. (2008), “Effects of Forest Harvesting on the Occurrence of Landslides and Devris Flows in Steep Terrain of Central Japan”, Earth Surface Processes and Landforms, Vol.33, No.6, pp.827-840, https://doi.org/10.1002/esp.1574.

10.1002/esp.1574
4

Kim, J. H., Jeong, S. S., Kim, Y. M., and Lee, K. W. (2013), “Proposal of Design Method for Landslides Considering Antecedent Rainfall and In-situ Matric Suction”, Journal of the Korean Geotechnical Society, Vol.29, No.12, pp.11-24, https://doi.org/10.7843/kgs.2013.29.12.11.

10.7843/kgs.2013.29.12.11
5

Kim, J. H., Yoo, H. S., Choi, Y. J., and Kim, T. W. (2025), “Analysis of Failure Susceptibility due to Rainfall Infiltration Considering Vegetation Conditions on Slopes”, Journal of the Korean Geotechnical Society, Vol.41, No.6, pp.89-97, https://doi.org/10.7843/KGS.2025.41.6.89.

10.7843/KGS.2025.41.6.89
6

Kim, T. W., Yoo, H. S., Park, S. I., and Kim, J. H. (2022), “Slope Stability in Logging Areas Using Unmanned Aerial Vehicle Imaging”, Journal of the Korean Geotechnical Society, Vol.38, No.7, pp.39-47, https://doi.org/10.7843/kgs.2022.38.7.39.

10.7843/kgs.2022.38.7.39
7

KMA Weather Data Service, Korea Meteorological Administration, https://data.kma.go.kr.

8

Lee, J. J., Kim, J. H., and Hwang, Y. C. (2014), “Slope Stability by Variation of Rainfall Characteristic for Long Period”, Journal of the Korean Geotechnical Society, Vol.30, No.6, pp.51-59, https://doi.org/10.7843/kgs.2014.30.6.51.

10.7843/kgs.2014.30.6.51
9

Lee, J. U., Cho, Y. C., Kim, S., Kim, M., and Oh, H. J. (2023), “Analysis of Landslide Occurrence Characteristics Based on the Root Cohesion of Vegetation and Flow Direction of Surface Runoff: A Case Study of Landslides in Jecheon-si, Chungcheongbuk-do, South Korea”, Journal of Korean Society of Forest Science, Vol.112, No.4, pp.426-441, https://doi.org/10.14578/JKFS.2023.112.4.426.

10.14578/JKFS.2023.112.4.426
10

Park, S. I., Yoo, H. S., Kim, J. H., and Kim, T. W. (2024), “Analysis of Rainfall Infiltration and Slope Stability in Deforested and Forested Areas Using Real-Time Water Content Monitoring”, Journal of the Korean Geotechnical Society, Vol.40, No.6, pp.45-55, https://doi.org/10.7843/KGS.2024.40.6.45.

10.7843/KGS.2024.40.6.45
11

Sidle, R. C., Pearce, A. J., and O'Loughlin, C. L. (1985), “Hillslope Stability and Land Use”, American Geophysical Union, American Geophysical Union, Washington, U.S.A. pp.140, https://doi.org/10.2134/jeq1988.00472425001700030032x .

10.2134/jeq1988.00472425001700030032x
12

Sidle, R. C. and Ochiai, H. (2006), “Landslides: Processes, Prediction, and Land Use”, Water Resources Monograph, American Geophysical Union, Washington, U.S.A. pp.322, https://doi:10.1029/WM018.

10.1029/WM018
13

Yu, X., Zhang, K., Song, Y., Jiang, W., and Zhou, J. (2021), “Study on Landslide Susceptibility Mapping based on Rock-soil Characteristic Factors”, Scientific Reports, 11, 15476, https://doi.org/10.1038/s41598-021-94936-5.

10.1038/s41598-021-94936-534326404PMC8322255
14

Zou, Q., Jiang, H., Cui, P., Zhou, B., Jiang, Y., Qin, M., Liu, Y., and Li, C. (2021), “A New Approach to Assess Landslide Susceptibility based on Slope Failure Mechanisms”, Catena, Vol.204, 105388, https://doi.org/10.1016/j.catena.2021.105388.

10.1016/j.catena.2021.105388
페이지 상단으로 이동하기