서 론
연구지역
연구 과정
영향인자 선정
빈도비 모델의 적용
연구결과 및 검증
입력자료 전처리 및 영향인자 주제도 작성
갱내 침수와 영향인자의 상관관계 분석
영향인자 가중치 산정
침수 예측지도 작성
침수 예측지도의 정확도 검증
결 론
서 론
석회석은 국내 광업을 대표하는 광종으로 주로 시멘트, 제철, 화학 등의 용도로 사용되며 이 중 시멘트용으로 생산되는 석회석의 양은 전체의 약 82% 이상을 차지하고 있다. 시멘트 원료로 사용되는 석회석은 풍촌층과 삼태산층에서, 백운석은 막동층 상부인 영홍층에서 주로 개발되고 있다(Sunwoo et al., 2005). 시멘트용으로 사용되는 석회석은 비교적 저품위를 보이며 주로 노천채광방식을 채택하여 대규모로 채광하고 있고, 제강 및 화학제품의 원료로 주로 이용되는 고품위 석회석은 갱내채굴방식에 의해 소규모로 개발되어 왔다. 하지만 최근 산지관리법, 백두대간보호에 관한 법률 등의 제정으로 환경관련규제가 강화되면서 석회석의 개발은 점차적으로 노천채굴에 의한 개발방식에서 갱내채광으로 전환되고 있으며(Koo et al., 2008), 이에 따라 갱내채광을 실시하는 석회석 광산의 안정성 평가 연구도 활발히 이루어지고 있다. Shin et al. (1996)은 충청북도 단양에 위치한 석회석 광산에 대해 암반분류법과 수치해석을 통해 갱도의 안정성 평가를 실시하였으며, Koo et al. (2008)는 석회석 광산의 노두를 평가하여 갱내 채광장의 규격을 결정하고 수치해석을 통해 안정성 평가를 수행한 바 있다.
일반적으로 석회암 지대에서는 용해작용이 장기간 진행되면서 불규칙하고 울퉁불퉁한 형태가 발달하고, 지표 천부에서는 석회 공동이 형성됨에 따라 상부지반의 침하 위험성을 초래하게 된다(Park, 1999). 석회암 지대의 지반침하는 석회암 자체 붕괴에 의한 경우는 드문 편이며, 상부 토사가 점진적으로 하부 공동으로 이동함에 따라 발생하는 사례가 다수를 차지하고 있다(Shin et al., 2004). 특히 단층대가 존재할 경우 지반의 강도가 약해질 뿐만 아니라 강우 시 지표수 또는 지하수의 침투에 의해 함수비와 암반의 단위중량이 증가(Sunwoo et al., 2010)하여 붕락 위험도가 높아진다. 또한 단층대나 갱내로 유입된 수계는 석회암과 반응하여 돌리네, 우발라 등의 공동을 형성하여 지반안정성에 악영향을 미치기 때문에 큰 재해를 유발할 가능성이 높다. 따라서 석회석 광산의 지반 자체에 대한 안정성 평가 외에 이에 영향을 미치는 갱내 침수에 대한 연구가 수행될 필요가 있다. 그러나 석회석 광산의 갱내 침수지역을 공간적·정량적으로 평가 및 예측한 연구 사례는 찾아보기 어렵다.
지리정보시스템(Geographic Information Systems, GIS)은 디지털 형식의 지리공간 자료를 수집, 편집, 분석, 모델링, 가시화, 관리할 수 있는 컴퓨터 기반의 시스템 혹은 기술이다(Davis, 2001). 근본적으로 GIS는 다수의 공간자료를 이용하여 공간문제를 해결하는 데 도움을 주기 위한 목적으로 개발되었으며, 문제해결을 위한 과정을 구성하여 공간데이터베이스를 구축하고 분석하여 가시화하는 도구로 사용되고 있다. 국내에서 GIS는 광산 배수 설계 및 광산폐기물 침출수의 경로 분석, 광산지역 지표수 모델링 등에 활용되어 왔다(Choi et al., 2011a; Choi et al., 2011b; Kim et al., 2011).
본 연구에서는 석회석 광산의 갱내 채굴 시 발생되는 석회공동 형성으로 인한 지반붕괴 피해를 예방하기 위하여 갱내 침수 위험 구역을 평가하고 예측하였다. 이를 위해 연구지역의 수치지형도와 수치갱내도 분석 및 현장조사 등을 통해 갱내 침수 발생과 관련된 영향인자를 선정하였고, 통계적 분석 방법인 빈도비 모델(frequency ratio model)을 이용하여 각 영향인자와 침수 발생간의 상관관계를 파악하고 빈도비를 계산하였다. 연구지역의 모든 격자셀에 대해 영향인자 별 빈도비를 덧셈연산하여 상대적 침수 발생 위험지도를 작성하고, Area Under Curve (AUC) 방법과 추가적인 현장조사를 통해 이를 검증하였다.
연구지역
연구지역은 충청북도 단양군 매포읍 하시리에 위치한 석회석 및 백운석 광산으로(Fig. 1), 고생대 대석회암층군의 삼태산층과 영홍층 및 이를 후기에 관입한 염기성 암맥과 부분적으로 평안누층군의 갑산층으로 구성되어 있다. 채굴대상이 되는 광상은 삼태산층이며, 삼태산층의 암석은 유백, 회~암회, 흑~갈회색을 띄며 호상, 괴상, 판상구조 등을 보이는 세립질의 암석이다. 석회암 내 부분적으로 충식구조를 보이는 박층의 이질 석회암과 백운암질 석회암 및 석회질 셰일이 협재되며, 대체적인 층리의 방향은 N30~ 45W의 주향에 70~85NE의 경사를 보인다. 백운암 중에는 회~담회색을 띄는 괴상 및 판상의 세립결정질 백운암이 가장 우세하게 나타나며, 유백, 회백 및 흑회색의 백운암과는 점이적인 분포를 보이는데, 층내에는 방해석 세맥이 망상으로 불규칙하게 배태되기도 한다. 암맥은 석회암과 백운암과의 경계부 및 석회암층 내 층리에 대체로 평행하게 관입하여 분포하는 암회색, 녹회색의 치밀한 염기성 암맥이다(KORES, 2011).
해당 광산은 과거에 채굴갱도 내 파쇄시설을 위한 암반 구조물의 안정성평가 및 지보 대책에 관한 연구가 수행되었고 파쇄시설 구역 내 상부 백운암층 내에 석회암 지대 등에서 흔히 볼 수 있는 자연적인 공동이 점토 등으로 충진되어 있어 강우 등에 의한 지표수 유입 시 이들의 유출에 의한 암반의 원지지력의 약화가 예상되어 갱내수를 체계적으로 유도할 필요가 있다고 보고된 바 있다(KORES, 2011).
연구 과정
영향인자 선정
Suh (2013)는 지하자원개발이 활발하게 이루어졌던 강원도 삼척시 도계읍 일대의 폐광산 지역을 대상으로 GIS를 이용하여 광역적인 범위에서의 지반침하 발생 위험도와 지반침하 발생으로 인한 잠재적 리스크를 상대적 순위 관점에서 평가하였다. 이때 폐광산지역의 지반침하 발생에 영향을 주는 다양한 영향인자들을 산정하기 위해 수치갱내도와 지반침하 발생 위치도, 수치지형도, 시추공 자료 등으로부터 8가지 영향인자(갱도 심도, 갱도 밀도, 갱도로부터의 최소거리, 철도로부터의 최소거리, 암반등급, 지하수 심도, 지형 경사, 지표강우누적흐름양)를 추출한 바 있다. 본 연구에서는 석회석 광산의 특징과 자료의 획득 가능성을 고려하여 연구지역의 수치지형도와 수치갱내도 분석 및 현장조사 등을 통해 Rock mass rating (RMR) 값, Q-system의 Q 값, 단층으로부터의 거리, 갱심도 및 지표강우누적흐름양을 침수발생의 영향인자로 선정하였다.
∙ RMR과 Q 값: RMR과 Q 값은 암반의 역학적인 특성과 품질을 나타내는 대표적인 지수로서 그 값이 낮을 경우 암반 내에 단층, 절리, 습곡, 편리 등과 같은 불연속면들이 많이 존재할 수 있고 이 영역을 통해 지표수나 지하수의 유동이 주로 발생하기 때문에 갱내 침수구역 예측을 위한 인자로 고려될 수 있다.
∙ 단층으로부터의 거리: 불연속면 중 특히 단층의 경우 절리, 습곡, 편리 등에 비해 그 틈새가 크고 연속성이 우수하기 때문에 많은 양의 지표수나 지하수가 유동할 수 있다. 따라서 갱도 내에서 단층으로부터 가까운 위치일수록 침수가 되기 쉽기 때문에 단층으로부터의 거리는 갱내 침수구역 예측을 위한 인자로 고려될 수 있다.
∙ 갱심도: 갱심도는 지표면으로부터 갱도까지의 수직거리를 의미하며, 심도 값이 작을수록 지반침하 발생 및 침수 발생에 영향을 미치는 것으로 여러 연구에서 보고된 바 있어(Choi et al., 2007; Suh, 2013) 갱내 침수구역 예측을 위한 인자로 고려될 수 있다.
∙ 지표강우누적흐름양: 광산지역에 강우가 발생할 경우 지형 기복 및 경사에 의하여 빗물의 흐름 방향이 결정되고 이 방향을 통해 주로 빗물이 흘러가기 때문에 이 방향의 하단에 존재하는 갱도의 경우 다른 구역보다 유입되는 빗물의 양이 많다. 빗물의 흐름방향은 지표강우누적흐름양 분석을 통해 파악이 가능하기 때문에 지표강우누적흐름양은 갱내 침수구역 예측을 위한 인자로 고려될 수 있다.
빈도비 모델의 적용
빈도비 모델은 효과적인 의사결정을 위한 통계적 방법으로 주어진 요인들에서 종속변수가 존재하는 상황을 확률로 설명하여 각 영향요인의 어떤 등급(class or value range)에서 사건이 가장 많이 발생했는지 쉽게 계산할 수 있고 각 요인의 등급별 중요도를 쉽게 파악할 수 있는 장점을 지닌 확률통계 기반의 분석 방법이다. 이는 갱내 침수와 관련되는 요인들을 독립변수로 지정하고 침수가 발생한 지역을 종속변수로 정의하여 두 변수간의 상관관계를 해석하여 결정계수(R2)를 계산하고, 침수 위험 예측도를 작성하는데 사용될 수 있다. 빈도비는 영향요인의 등급별 (침수)발생 면적비율을 해당 등급의 전체 면적비율로 나눈 것으로, 빈도비가 1이면 석회석 광산의 침수영향이 관련항목의 등급에 대해 평균적이라는 것을 의미하며 1보다 크면 관련항목 중 침수 발생 확률이 상대적으로 높다는 것을, 1보다 작으면 침수 발생 확률이 상대적으로 작다는 것을 의미한다(Lee et al., 2004; Lee and Kang, 2012).
이 모델에서는 미래의 어떤 사건은 과거에 발생된 사건의 환경과 동일한 조건에서 발생된다는 가정을 두고 있으며 값의 범위나 종류에 따라 몇 개의 등급으로 분류하여야 한다(Suh, 2013). 따라서 본 연구를 통해 산정된 각 영향인자들에 대해 등급을 분류하였다. RMR과 Q 값 및 지표강우누적흐름양은 등급별 격자셀의 개수가 동일하도록 변위치(Quantile) 방법을 이용하여 8등급으로 분류하였다. 8개 등급으로 설정한 이유는 갱도의 침수 인자를 정밀하게 알아보기 위함이다. 단층으로부터의 거리의 경우 과거 침수가 발생한 단층으로부터 30 m 거리 내 범위를 8등급으로 분류하였다. 갱심도의 경우 갱도가 위치하지 않는 구역의 값은 제외하고 8등급으로 분류하였다. 또한 단층으로부터 30 m 이상 떨어진 구역의 경우와 갱도가 존재하지 않는 구역에서는 침수가 발생하지 않으므로 해당 격자셀의 빈도비 값은 0으로 할당하였다. Fig. 2는 본 연구에서 제안한 빈도비 모델 기반의 갱내 침수발생 예측지도의 작성 절차를 정리한 것이다.
연구결과 및 검증
입력자료 전처리 및 영향인자 주제도 작성
갱도 침수 발생에 영향을 미칠 수 있는 5가지 인자의 주제도를 작성하기 위해 GIS 자료의 전처리를 수행하였다. 이를 위해 캐드(Computer aided design, CAD) 형식의 수치지형도와 수치갱내도 자료를 구축하였다. 또한, 현장조사를 실시하고 ArcGIS 10.2 소프트웨어를 이용하여 75개 지점의 위치정보를 디지타이징(Digitizing)하고(Fig. 3), RMR과 Q 값을 입력하였다. 다음으로 갱도 침수 영향인자로 선정한 공간데이터베이스를 공간분석 수행에 용이한 1 m×1 m의 래스터 자료로 변환하여 총 111,825개의 격자셀을 생성하였다.
∙ RMR과 Q 값: 75개 지점에서 조사한 자료로부터 연구지역의 전체적인 RMR과 Q 값의 공간적 분포를 확인하기 위해 주위 표본의 속성 값들의 선형조합으로 값을 예측하는 지구통계적 기법인 크리깅(Kriging) 보간법 중에서 크리깅 추정식이 편향되지 않으면서 오차분산을 최소로 하는 정규 크리깅(Ordinary Kriging)을 적용하였다. 입력된 자료의 상관성을 파악하기 위해 SGeMS 소프트웨어를 이용하여 실험적 베리오그램(Experimental variogram)을 작성하여 RMR과 Q 값의 베리오그램을 생성한 후, Table 1에 제시된 RMR과 Q 값의 각 조건으로부터 추출한 베리오그램 상수 값들을 입력하여 크리깅 보간을 수행하였다(Fig. 4,5).
∙ 단층으로부터의 거리: 연구지역의 단층은 불연속면이 쐐기모양으로 분포하였으며, 현장조사 결과 단층 주변 30 m 이내에서 수계의 흔적들이 다수 발견되었다. 따라서 경사각이 60도 이상이고 길이가 10 m 이상인 단층을 대상으로 유클리드 거리 분석 기법을 적용하여 과거 침수발생구역을 포함한 단층으로부터의 거리 주제도(최대 영향범위 30 m)를 생성하였다(Fig. 6).
∙ 갱심도: 연구지역의 수치지형도로부터 10 m 간격을 갖는 등고선을 추출하고 이를 불규칙삼각망(Triangulated Irregular Network, TIN) 모델로 변환한 후 지형기복을 잘 반영하는 수치고도모델(Digital Elevation Model, DEM)을 생성하였다. DEM과 수치갱내도의 갱도 고도 값을 뺄셈 연산하여 갱심도 값들을 추출하였다(Fig. 7).
∙ 지표강우누적흐름양: 강우 발생시 지표수의 이동 흐름을 파악할 때 DEM의 관심 격자점을 중심으로 계산된 경사도에 근거하여 빗물의 흐름방향을 결정하게 되고, DEM의 각 지점에 대응하는 강우누적흐름양은 유입 경로에 있는 상부 지점들의 격자 개수로 표현된다. 이때 강우누적흐름양은 상대적인 값이기 때문에, 실제로 유입되는 빗물의 총량(부피)은 관심기간 동안 단위면적에서 발생한 강우량을 곱하여 근사적으로 계산 가능하다(Choi, 2009). 따라서 ArcGIS의 수계분석 도구를 이용하여 DEM의 지형기복에 근거하여 강우시 지표수의 흐름방향을 계산하였다. 또한 지표수의 흐름방향 자료를 기반으로 물의 집중도를 분석하여 지표강우누적흐름양을 계산하였다(Fig. 8).
갱내 침수와 영향인자의 상관관계 분석
Table 2는 빈도비 모델의 적용을 통해 계산된 영향인자 별 빈도비 값을 나타낸다. RMR과 Q 값의 경우 전반적으로 낮은 등급에서 빈도비 값이 높게, 높은 등급에서 빈도비 값이 낮게 나타났다. 일부 높은 등급(RMR: 56.4-58.8, Q-value: 7.4-8.6)에서도 1 이상의 빈도비 값이 나타났는데 이는 크리깅이 내삽 보간법이기 때문에 현장조사 수행구역의 외곽에서 왜곡현상이 발생해 불필요한 격자셀이 생성되고, 그 왜곡된 구역이 빈도비 계산에 포함되었기 때문에 RMR과 Q 값의 빈도비가 상대적으로 높게 나타났던 것으로 판단된다. 단층으로부터 거리는 값이 커질수록 빈도비가 감소하는 양상을 보였고, 등급 21.18 m 이하 구역에서 빈도비가 1 이상으로 나타나 단층으로부터 거리가 가까운 구역의 침수발생 영향이 높게 나타나는 것을 확인할 수 있었다. 갱도가 존재하지 않는 구역의 빈도비는 모두 0으로 할당하였다. 이는 갱도가 존재하는 구역에 집수된 것만을 침수로 고려하였기 때문이며, 5개의 침수발생 영향인자들 중 갱심도가 낮은 등급에서 4.5-6.7의 가장 높은 빈도비 값을 갖는 것으로 나타났다. 지표강우누적흐름양의 경우 지표수의 흐름양이 높은 등급(187070 이상)의 빈도비가 1 이상으로 나타났고 이는 지표에 수계가 많이 유입되거나 집중되는 곳에서 침수발생이 활발히 일어날 수 있음을 의미한다.
Table 2. The results of applying the frequency ratio for each factor
 | ||
| 1)Number of total inundation grids in area.=2,156 2)Table 2. The results of applying the frequency ratio for each factor | ||
영향인자 가중치 산정
침수발생 영향인자의 상대적인 중요도, 즉 가중치 산정을 위해 앞서 계산된 영향인자 등급 별 빈도비 값의 상관성 정도를 나타내는 결정계수(R2)를 이용하였다. 이를 위해 Table 2로부터 각 영향인자 별로 등급간 빈도비 값을 히스토그램으로 나타내고, 이로부터 영향인자들의 등급 별 빈도비의 상관관계를 선형으로 계산하여 결정계수를 계산하였다(Fig. 9). Fig. 10에서 그래프의 
축은 영향인자 별 등급, 
축은 각 영향인자의 등급 별 침수발생 빈도비를 나타낸다. 분석 결과, 단층으로부터 거리, RMR 값, 갱심도, Q 값, 지표강우누적흐름양의 순서로 선형적 상관성이 높게 나타났다. 특히 단층으로부터 거리의 결정계수는 0.8222로 침수 발생과 매우 높은 상관관계가 있는 것으로 나타났으며, 이는 단층 주변에서 침수발생 확률이 높다는 것을 정량적으로 보여준다. 또한 상관관계가 가장 높은 영향인자의 영향력을 크게 설정하기 위해 각 결정계수에 비례하는 가중치(Weight)를 부여하였고, 모든 가중치의 총 합이 1이 되도록 하였다(Table 3).
침수 예측지도 작성
갱내 침수발생 예측지도 작성을 위해 먼저 ArcGIS의 레이어 재분류 연산 모듈을 이용하여 5개의 영향인자 레이어의 모든 격자셀에 (Table 2에 제시된) 빈도비 값을 부여하고, 5개의 빈도비 레이어에 영향인자 별 가중치를 곱셈 연산한 후, 전체 격자셀에 대한 5개 영향인자 별 가중 빈도비 값을 덧셈 연산하여 침수예상지수(Flooding prediction index; FPI)를 산정하였다(식 1). FPI를 기반으로 침수발생 예측지도를 작성하여 5단계로 가시화하였고, FPI가 상위 20% 이상인 값을 갖는 구역을 매우 위험한 구역(Very high)으로 설정하였다(Fig. 11).
(1)
이 때 FRi는 i번째 영향인자의 등급 별 빈도비 값을 나타내며, Weighti는 i번째 영향인자의 가중치를 나타낸다.
Fig. 10의 우측 상단 지역이 침수위험성이 가장 높은 것으로 나타났는데 이 구역은 공통적으로 단층으로부터의 거리가 30 m 이내이고, RMR과 Q 값이 낮다. 또한, 이 주변 지역의 강우누적흐름량이 높게 나타난 것으로 보아 이 지역은 지형기복의 관점에서 강우 발생시 수계가 집중되고, 근거리에 위치한 단층대와 암반 파쇄 및 풍화 등으로 인한 균열로 인하여 수계가 유입되기 쉬운 환경인 것으로 분석할 수 있다. 따라서 침수 위험성이 가장 높게 나타난 것으로 판단된다. 또한, 작성된 침수발생 예측지도와 과거에 발생한 침수 위치를 공간적으로 비교한 결과 대부분의 실제 침수가 침수 위험성이 매우 높은(Very high) 지역에서, 일부 침수는 침수 위험성이 높거나 보통인(High or Normal) 지역에서 발생된 것으로 분석되었다.
침수 예측지도의 정확도 검증
Fig. 10에 제시한 침수위험 예측지도는 침수 위험성에 대한 상대적인 순위 개념을 나타내기 때문에 본 연구에서 제안한 기법의 신뢰성 평가를 위하여 Chung et al. (1999)이 제안한 Success Rate Curve (SRC)와 Choi et al. (2007)이 제안한 Area Under Curve (AUC) 방법을 이용하여 침수 예측지도의 예측정확도 검증을 수행하였다. SRC는 가능성도(예측지도)에서 얻은 가능지수(예측지수) 값을 등면적당 검증용 침수가 된 위치와의 비율 값으로 표현한 방법으로 얻어낸 예측 값을 등면적당 침수피해 발생 구역의 비율 값으로 표현한다. AUC는 SRC 방법을 개선한 것으로, SRC 방법에 의한 결과로부터 검증 곡선하의 면적을 구하는 것(Lee and Kang, 2012)이고, SRC 아래의 면적이 넓을수록 높은 예측 정확도를 나타낸다.
침수위험 예측지도의 검증 결과(Fig. 11), 침수 위험도가 높게 나타난 상위 16% 구간에서 전체 침수의 약 90%가 발생하는 것으로 나타났고, 약 33% 구간에서 모든 침수가 발생하는 것을 확인할 수 있었다. 또한, AUC 방법을 적용하여 곡선의 면적을 계산한 결과 본 연구에서 작성한 갱내 침수위험 예측지도는 약 91.6%의 정확도를 나타내는 것으로 분석됐다.
침수위험 예측지도로부터 위험등급이 보통(Normal) 이상인 구역에 대해 실제 침수가 발생했는지 확인하기 위해 추가적인 현장조사를 실시하였다. 그 결과, 위험등급이 매우 높은 구역(Very high)으로 예측된 다수의 구간에서 침수가 발생한 것을 확인할 수 있었고(Fig. 12) 일부 구간에서는 암반이 용식되어 방해석(Calcite)으로 추정되는 광물이 생성된 것을 확인할 수 있었다. 따라서 현장에서 이 광물을 채취하여 X선 회절분석(X-ray diffraction; XRD)을 실시하였고(Fig. 13), 그 결과, 모암이 수계에 의해 용식되어 생성된 방해석임을 확인할 수 있었다.
결 론
본 연구에서는 GIS를 이용하여 석회석 지하광산지역의 지반 붕괴에 영향을 미칠 수 있는 갱내 침수 위험 구역을 예측하고 검증하였다. 이룰 위해 갱내 침수 발생 영향인자로 판단되는 인자를 선정하였고, 통계 기반의 분석방법인 빈도비 모델을 이용하여 각 영향인자별 침수 발생 상관관계를 파악하였다. 또한 ArcGIS 소프트웨어를 이용한 공간분석을 통해 침수 발생 위험 구역을 예측하고 AUC 방법 적용 및 추가적인 현장조사를 통해 이를 검증하였다. 이로부터 다음과 같은 결론을 도출할 수 있었다.
1.연구지역의 수치지형도와 수치갱내도 분석 및 현장조사를 통해 RMR과 Q 값, 단층으로부터의 거리, 갱심도 및 지표강우누적흐름양을 침수발생의 인자로 선정하였다. 또한 침수 영향인자별 빈도비 레이어의 덧셈 연산을 통해 GIS 기반의 침수위험 예측지도를 작성하였고, 이를 5개의 위험등급으로 분류하여 침수 위험 정도에 대한 정보를 가시화 하였다.
2.빈도비 모델을 이용한 갱내 침수 발생 구역과 영향인자 간의 상관관계 분석 결과, 영향인자 등급 별 빈도비가 1 이상일 때 갱내 침수 발생에 더 큰 영향을 미치는 것으로 분석되었다. 특히, 갱심도가 낮은 등급과 단층으로부터 거리가 가까운 등급에서 높은 빈도비 값을 보였고, 실제 침수도 갱심도가 낮고 단층으로부터 거리가 가까운 구역에서 가장 활발하게 발생된 것으로 나타났다.
3.침수위험 예측지도의 SRC 검증 결과, 침수 위험도가 높게 나타난 상위 16% 구간에서 전체 침수의 약 90%가 발생하는 것으로 나타났고, 약 33% 구간에서 모든 침수가 발생하는 것을 확인할 수 있었다. 또한 AUC 방법을 적용하여 곡선의 면적을 계산한 결과 본 연구에서 사용한 빈도비 모델 기반의 침수위험 예측지도는 약 91.6%의 정확도를 나타내는 것으로 분석됐다.
4.침수위험 예측지도로부터 위험등급이 보통(Normal) 이상인 구역에 대해 실제 침수가 발생했는지 확인하기 위해 추가적인 현장조사를 실시한 결과, 위험등급이 매우 높은(Very high) 구역으로 예측된 구간에서 대부분의 침수가 발생한 것을 확인할 수 있었다. 따라서 석회석 광산 침수위험 예측지도를 통해 광범위한 구역에 대한 정량적 침수 구역 예측이 가능함을 확인할 수 있었다.
5.본 연구에서 개발된 GIS 기반의 침수 발생 예측 평가 기술은 국내 석회석 광산에 대한 안정성 검토를 위한 기초 자료로 활용될 수 있을 것으로 기대되며, 추가적 현장 조사 및 단층의 방향성을 고려한 3차원 갱내 구조 해석이 병행된다면 예측에 대한 신뢰도를 더 높일 수 있을 것으로 판단된다.
