Earticle

본 연구는 「산지관리법」에 따라 복구준공 검사일로부터 3년 미만인 산림지역에 개설된 지중 송전시설 주변 산림지역의 복구공사 현장의 효율적인 모니터링을 위한 연구로 작업 인원을 Type A, B, C로 구분하여 시간연구방법을 통해 동시작업시간과 작업여유시간을 파악하였다. 또 한 현장점검을 위한 요소작업을 ‘GNSS 경계 측량’, ‘드론 촬영’,‘ 현장 점검’ 3개 작업으로 구분 하였으며, 11개의 하위 항목으로 구분하여 측정하였다. 연구 결과 동시작업시간과 작업여유시간 은 Type A에서 2.47시간과 2.71시간으로 측정되었으며, Type B는 2.47시간과 0.46시간 Type C는 1.41시간과 1.06시간으로 측정되어 작업여유시간을 고려한 가장 효율적인 작업은 Type B로 사료 된다. 이를 2024년 엔지니어링사업대가 기준에 따라 산출한 현장점검에 소요되는 비용은 1,878,226원으로 나타났다. 본 연구는 체계적인 모니터링 기법의 개발과 송전시설의 산지관리정 책 및 재해예방 기술 고도화를 위한 기초자료로 제공하기 위해 수행되었다.

This study was conducted to derive efficient field inspection work for restoration sites around the underground transmission facilities established in forest areas less than 3 years from the completion date under the Mountainous District Management Act. The field inspection work was divided into three types according to the number of workers, and the work time and work slack time were identified through the time study method. In addition, the element work for on-site inspection was divided into three tasks: ‘GNSS boundary surveying’, ‘drone shooting’, and ‘field monitoring’, and was measured by classifying it into 11 sub-items. As a result of the study, the net work time and allowance time were estimated as 2.47 hours and 2.71 hours for 2 people in 1 team, 2.47 hours and 0.46 hours for 3 people in 1 team, and 1.41 hours and 1.06 hours for 4 people in 1 team. Therefore, it is considered that the most efficient work is Type B. The cost of field inspection work calculated based on the 2024 Engineering Business Unit standard was 1,878,226 Korean won. This study was conducted to provide basic data for developing systematic monitoring techniques and advancing mountain management policies and disaster prevention technologies for power transmission facilities.

본 연구에서는 한국치산기술협회에서 관리하는 땅밀림 관리대상지의 기초자료를 사용하여 기계학습 기법을 통한 땅밀림 위험도 예측모형을 개발하였다. 기계학습 기법은 SVM(Support Vecter Machine), RF(Random Forest)와 KNN(K-Nearest Neighbors)를 사용하였으며, 기법의 성능 평가를 위 한 지표로 Confusion Matrix를 통한 Accuracy Score, F1 Score 그리고 Kappa Score를 활용하였다. 연 구결과 세 가지 기법 모두 Accuracy Score는 0.98 이상으로 매우 높은 정확도를 나타내었으며, F1 Score는 SVM과 KNN이 0.98 이상, Kappa Score는 RF가 0.8 이상으로 나타났다. 다만, 모형학습에 활 용된 위험등급 간의 기초자료의 수가 크게 차이가 나며 이는 기계학습 기법의 과적합의 원인이 될 수 있다. 따라서, 현장자료와 이미 기구축된 다양한 국가 디지털 자료의 융합에 관한 방법론 개발이 필요 하며, 충분한 기초자료가 확보된다면 기계학습 기법을 통한 전국단위 땅밀림 위험지도의 제작 및 활용은 가능할 것으로 판단된다.

In this study, a soil creep susceptibility prediction model was developed using machine learning techniques, based on the foundational data of soil creep management sites overseen by the Korea Association for Mountain Soil and Water Conservation. The machine learning methods employed were Support Vector Machine (SVM), Random Forest (RF), and K-Nearest Neighbors (KNN). For model performance evaluation, metrics such as Accuracy Score, F1 Score, and Kappa Score were derived from the confusion matrix. The results showed that all three methods achieved high accuracy, with accuracy scores exceeding 0.98. The F1 Scores of SVM and KNN were also above 0.98, while the Kappa Score for RF was above 0.8. However, a significant imbalance in the number of data points among different risk levels used for model training may lead to overfitting in the machine learning models. Therefore, it is necessary to develop methodologies that integrate field data with a variety of pre-established national digital datasets. With sufficient foundational data, it is considered feasible to produce and utilize a nationwide soil creep risk map using machine learning techniques.

최근 이상기후의 발달로 산사태의 발생 및 피해가 점차 증가하고 있다. 이러한 산지 토사재해를 예방하고자 기존에는 탄소함량이 높은 재료를 사용하여 보강재로 사용하거나 구조물을 설치하였지 만, 시공상의 제약 및 비용적 문제, 탄소배출과 같은 단점이 존재한다. 식생을 이용한 사면 보강은 생태적인 관점에서 우수한 평가를 받고 있으며 비용적인 문제를 해결할 수 있어 사면 보강에 있어 많은 연구들이 진행되고 있다. 벌개미취(Aster koraiensis)는 국화과 참취속의 식물로 토양 및 기후 조 건에서 적응성이 높고 번식력이 뛰어나다는 장점이 있다. 따라서 본 연구에서는 벌개미취 뿌리에 대한 직경별 최대 인장력을 측정하였으며, 뿌리의 인장강도를 산정하였다. 또한, 직경별 뿌리의 인 장력 및 인장강도에 대한 회귀식을 제안하였으며, 기존 선행연구에 따른 초본식물의 뿌리 인장력 및 인장강도 결과와 비교·분석 하였다.

In recent years, the occurrence and damage caused by landslides have been increasing due to the development of extreme weather events. To prevent such soil disasters in mountainous areas, conventional methods have utilized reinforcement materials with high carbon content or installed structural measures. However, these approaches have several drawbacks, including construction constraints, high costs, and carbon emissions. Vegetation-based slope reinforcement has been widely recognized for its ecological benefits and cost-effectiveness, leading to extensive research in this field. Among various species, Aster koraiensis, a member of the Asteraceae family, exhibits high adaptability to diverse soil and climatic conditions, along with strong reproductive capability. Therefore, this study measured the maximum tensile force of A. koraiensis roots by diameter and calculated their tensile strength. Additionally, regression equations for root tensile force and tensile strength by diameter were proposed. The results were compared and analyzed with previous studies on the root tensile properties of herbaceous plants.

본 연구는 급경사 목재 수확지를 대상으로 임업기계 주행으로 인한 토양 형태적 교란을 정량 적으로 평가하고, 현장 조사와 비교하여 MLS(Mobile LiDAR system)의 정확성 및 토양 교란 평 가에서의 적용 가능성을 제시하고자 진행되었다. 연구대상지 내에 임업기계의 주행으로 인해 토 양 교란이 명확히 발생한 지역을 대상으로 3개의 조사구와 9개의 조사선을 설정하였고, 각 조사 구 내에 토양 변형 특성이 다른 3개의 측정 구간을 선정하여 토양 형태적 교란을 평가하였다. 핀 보드를 활용한 현장 조사와 MLS를 통해 토양 높이 데이터와 토양 패임 깊이 및 변형 높이를 산 출하였고, 결정계수(R2) 및 평균제곱오차(RMSE), 편향(Bias)을 활용하여 MLS의 토양 형태 감지 정확도 및 오차 특성을 평가하였다. 연구 결과, MLS와 현장 조사의 토양 높이 데이터는 높은 상 관성(R2 = 0.94, p < 0.001)을 보였으며, 전체 회귀 분석 및 구간별 비교·분석에서 모두 MLS가 전 반적으로 현장 조사보다 실제 토양 높이를 더 낮게 추정하는 경향이 나타났다(RMSE = 3.76 cm, Bias = -1.40 cm). 또한, R2 및 RMSE를 기반으로 수행한 K-means 클러스터링 분석 결과, 토양 변형의 범위(ΔH)와 토양 형태적 복잡성(Csoil)이 MLS의 형태 감지 정확도에 유의한 영향을 미치 는 변수로 확인되었으며(p < 0.001), 토양 변형이 형태적으로 얕고 복잡할수록 감지 정확도가 낮 아지는 것으로 나타났다. 이러한 결과는 MLS가 수작업 기반 현장 조사 방법을 보완할 수 있는 정량적이고 실용적인 대안이 될 수 있음을 시사하며, 데이터 수집 및 처리 과정에서 오차를 보정 한다면, 향후 급경사지 등 접근이 제한되는 산림 작업지에서의 토양 교란 모니터링에 효과적으로 활용될 수 있음을 제시한다.

This study investigated soil surface deformation caused by forestry machine traffic in a steep-slope timber harvesting site to evaluate the accuracy and applicability of a Mobile LiDAR System (MLS). Three survey plots and nine survey lines were established where machine-induced soil surface deformation was observed. Within each plot, three measurement sections with distinct deformation patterns were selected for detailed analysis. Soil surface height, rut depth, and elevation change were measured using both a manual pinboard method and MLS-based point cloud data. The accuracy and error characteristics of MLS in detecting soil deformation were evaluated using the coefficient of determination (R2), root mean square error (RMSE), and bias. The results showed a strong correlation between MLS-derived and manually measured soil surface heights (R2 = 0.94, p < 0.001). Both overall regression analysis and the comparison across sections indicated that MLS tended to estimate soil surface heights deeper than those obtained via manual measurements (RMSE = 3.76 cm, Bias = -1.40 cm). Additionally, K-means clustering based on R2 and RMSE revealed that the range of soil surface height variation (ΔH) and soil surface complexity (Csoil) significantly influenced MLS accuracy (p < 0.001).

2023년 기준 우리나라에 개설된 임도는 총 연장길이 약 25,848km, 임도밀도 약 4.1m/ha로 매 년 약 900km 이상 개설되고 있다. 임도 개설의 증가와 함께 임업인들의 임도에 대한 수요 또한 다양해지고 있어, 이에 대응하기 위해 현 임도의 종류 및 관리체계 상에 발생하고 있는 한계점을 개선할 필요가 있다. 본 연구에서는 국외 임도의 종류 및 유지·관리체계에 대하여 조사하고, 국내 임도 분야 전문가(산림청, 지자체, 협회, 학계 등) 총 142명에게 우리나라 임도의 종류 구분 체계 및 유지·관리체계 개선 방향에 대한 설문조사를 실시하였다. 연구 결과, 일본, 미국, 호주, 유럽 등 많은 임업 선진국가에서 임도의 종류를 법률 및 지침을 통해 그 등급을 구분하고 있는 것으 로 나타났으며, 이와 같은 방법은 임도 관리 주체 및 국민들이 관리하고 이용하는 데 있어 더 용 이할 것으로 판단되었다. 전문가 설문조사 결과, 임도의 종류 구분 개선에 대하여 ‘현행 구분 체 계를 유지해야 한다.’의 응답 비율은 36%, ‘등급별 구분 체계를 마련하여 개선하여야 한다.’의 응 답 비율은 약 64%로 나타났다. 본 연구 결과는 다양해지는 산림 산업과 임업인의 수요에 맞춰 앞으로의 임도 관리체계 정비에 활용될 수 있을 것으로 기대된다.

As of 2023, the total length of forest roads in Korea amounts to approximately 25,848 km (forest road density of about 4.1 m/ha), and more than 900 km of new forest roads are constructed annually. With the increasing expansion of forest roads, the demand for forest roads among forestry professionals has become increasingly diverse. In response, it is necessary to improve the existing classification system and management framework to address the current limitations. This study examines the classification and maintenance management systems of forest roads in foreign countries and conducts a survey targeting 142 domestic forest road experts. The findings indicate that many forestry-advanced nations, such as Japan, the United States, Australia, and European countries, categorize forest roads based on legal regulations and guidelines. Such classification methods are expected to enhance the efficiency of road management for both authorities and users. According to expert survey results, 36% of respondents supported maintaining the current classification system, while approximately 64% advocated for an improved classification framework based on hierarchical grades. The findings of this study are expected to contribute to the future refinement of Korea’s forest road management system, aligning it with the evolving demands of the forestry industry and professionals.