Earticle

본 연구는 최근 국내에서 산불확산으로 인한 피해가 증가됨에 따라 산림기반시설인 임도가 산 불발생위험 저감, 산불확산 방지, 산불피해지 복구 등에 미치는 영향을 분석하고자 하였다. 분석 방법은 임도가 산불확산에 미치는 영향에 대해서 국립산림과학원의 산불확산 시뮬레이션 프로그 램으로 조사, 분석하였다. 시뮬레이션 대상지는 강원도 강릉시 주문진읍 삼교리의 산을 대상으로 하였으며 시뮬레이션은 사면 방향 발화점과 사면 경사에 따른 산불확산 시뮬레이션으로 진행하 였다. 시뮬레이션 결과 임도가 산불 진행 방향에 수직으로 화미에 위치한 경우에는 방화 효과가 높은 것으로 나타났으며 특히 급경사지 임도에서 임도의 방화효과가 가장 크게 나타났다. 따라 서 강원도 동해안 지역의 산불확산 방지를 위한 산림기반시설을 개설하기 위해서는 부지폭이 넓 은 임도를 봄철 풍향(북서풍)에 수직인 북동/남서 방향으로 개설하는 것이 효과적이라고 판단된 다. 본 연구는 산불 확산 저감, 진화를 위한 임도노선 선정 및 시공 방안을 제시 하는데 활용될 수 있을 것이다.

This study aimed to analyze the impact of forest roads, key forest infrastructure, on mitigating wildfire risk, preventing fire spread, and aiding post-fire recovery, in response to the recent increase in wildfire damage in Republic of Korea. The study used the wildfire spread simulation program of the Korea Forest Research Institute. The simulations were conducted on a mountain in Samgyo-ri, Jumunjin-eup, Gangneung-si, Gangwon-do. The simulations focused on how wildfires spread based on ignition points and slope gradient. The results showed that forest roads were highly effective at preventing fire spread when positioned perpendicularly to the fire's direction, particularly on steep slopes. Therefore, to prevent wildfire spread in the coastal areas of Gangwon-do, it is most effective to build wide forest roads in a northeast-southwest direction, perpendicular to the prevailing winds (northwesterly winds) in spring time. This research can be used to help design and construct forest road networks for mitigating wildfire spread and aiding suppression efforts.

지표투과레이더(Ground Penetrating Radar, GPR)는 토양 경계층을 탐사하는데 유용하지만, 반 사신호의 복잡성으로 인해 데이터의 해석이 전문가의 주관적 판단에 의존하는 한계가 있다. 따 라서, 이 연구는 지표투과레이더 자료와 인공지능 객체 탐지 모델(YOLOv11)을 결합하여 토양 내 수분 경계층을 자동으로 식별하는 기법을 제안하였다. 연구는 경기도 광주시 태화산 학술림 내 묘포지와 잣나무 조림지를 대상으로 수행되었으며, 지표투과레이더 탐사 결과를 실제 굴착한 토양단면의 시각적 분류 및 함수량 측정을 통해 비교 및 검증하였다. 그 결과, 두 조사 지점 모 두에서 O층과 A층의 경계가 각각 약 10∼20cm 깊이에서 구분되었으며, 이는 지표투과레이더 반 사 신호의 변화와 일치하였다. YOLOv11 모델의 학습에는 씨앤에치아이엔씨(C&H Inc.)의 춘천 양묘사업소 데이터를 이용하였으며, 검증에는 서울대학교 태화산 학술림 데이터를 사용하였다. 학습 결과, 손실 함수(box_loss, cls_loss, dfl_loss)는 안정적으로 감소하였으며, 정밀도(Precision) 75.8%, 재현율(Recall) 66.7%, mAP@50이 0.66의 성능을 보였다. 기존 연구들이 인공지능 모델을 단일 반사체 탐지에 활용하였던 것과 달리, 이 연구는 인공지능 모델을 이용하여 연속적이며 중 첩된 반사 형상을 탐지하였다. 향후 학습 데이터를 다양화하여 모델을 고도화한다면, 산림 지역 의 토양 수분 분포 및 구조 분석 등 현장 기반 연구에 활용될 수 있을 것으로 판단된다.

Ground Penetrating Radar (GPR) is a useful tool for investigating soil layers. However, due to the complexity of reflection signals, data interpretation often relies on the subjective judgement of experts. Therefore, this study proposes a method that combines GPR data with an artificial intelligence object detection model (YOLOv11) to identify soil layer horizons automatically. The study was conducted in a nursery and a pine plantation site, which is located in the Tae-hwa Experimental Forest. The GPR survey results were verified with actual soil profiles obtained through excavation and soil water content measurements. In both survey sites, the horizons between the O and A horizons were identified at depths of approximately 10–20 cm. Model training was conducted using datasets collected from the Chuncheon Forest Nursery managed by C&H Inc. While the Tae-hwa Experimental Forest dataset were used for validation. The training results showed stable decreases in loss functions (box_loss, cls_loss, dfl_loss), achieving a precision of 75.8%, recall of 66.7%, and mAP@50 of 0.66. Unlike previous studies that focused on detecting single reflectors, this study demonstrated that the YOLOv11 model is capable of identifying continuous and overlapping reflection patterns. With a more diverse dataset and further model optimization, the model is expected to be applicable to field-based studies on soil moisture distribution and structural analysis in forested areas.

2025년 7월 경상남도 산청군 산청읍에서는 누적 강우량 약 700mm에 달하는 극한 강우로 8명 이 희생되는 대규모 산사태 피해가 발생하였다. 본 연구는 해당 사례를 통해 극한 강우 조건에서 의 산사태 발생 과정과 피해 확대 요인을 고찰하고, 산지 인접 생활권의 재해 취약성을 분석하였 다. 7월 산청군 집중호우는 선행 강우로 사면이 포화에 근접한 상태에서 추가적인 집중호우가 더해지며 넓은 면적에 걸쳐 연쇄적으로 발생한 것으로 나타났다. 특히 인접한 여러 사면에서 붕 괴된 토사가 하류로 유하하는 과정에서 합류⋅집적되어 토석류로 전이되었고, 이것이 피해 규모 를 키운 주요 원인으로 판단되었다. 아울러 발생원과 주거지 간의 짧은 이격거리, 유휴 농경지 등 불리한 지형 및 토지이용 조건이 맞물려 토석류가 생활권으로 집중되는 결과를 초래하였다.

In July 2025, Sancheong-eup, Gyeongsangnam-do, experienced a large-scale landslide disaster triggered by approximately 700 mm of extreme rainfall, resulting in 8 fatalities. This study investigates landslide triggering mechanisms and the factors contributing to damage amplification under extreme rainfall conditions, and examines the disaster vulnerability of residential areas adjacent to mountainous slopes. The results indicate that landslides occurred sequentially over a wide area as intense rainfall was superimposed on slopes that had already approached saturation due to antecedent rainfall. Collapsed materials from multiple adjacent slopes converged and accumulated along downstream flow paths, transitioning into debris flows, which acted as the primary driver of the enlarged damage. In addition, unfavorable topographic and land-use conditions—specifically the short distance between source areas and residential zones, and the presence of idle farmland along flow paths— facilitated the concentration of debris flows into residential areas.

산불은 지표 식생의 소실과 토양 표층의 발수층 형성을 야기하여 강우 시 빗물의 침투를 저해 하고 지표유출을 가속화하는 요인으로 작용한다. 이러한 피해지역의 수문학적 변화는 토사 유출 량을 증대시켜 하류 생활권에 2차 피해를 유발할 수 있으며, 식생이 회복되는 과정에서도 사면 이 안정화되기 전까지는 산사태로 인한 토사재해 위험이 잔존한다. 본 연구에서는 산불피해지와 비피해지를 대상으로 파이프 하이드로폰 시스템을 적용하고, 장기간 축적한 소류사 데이터를 분 석하여 해당 기술의 현장 적용성을 검토하였다. 아울러 실측값과의 비교·분석으로 데이터의 신뢰 도를 검증하고, 이를 통해 산불 이후 산지 유역에서의 토사유출 특성 및 토사 이동 양상을 파악하고자 하였다.

Wildfires can result in the loss of vegetation cover and the formation of a water-repellent soil layer, thereby reducing infiltration capacity and increasing surface runoff during rainfall events. These hydrological changes can substantially increase sediment yield relative to the unburned conditions, posing a risk of secondary hazards to downstream communities. Moreover, the risk of sediment disasters triggered by landslides may persist during the vegetation recovery until slopes stabilization is fully achieved. This study evaluated the field applicability of a pipe hydrophone system in burned and unburned catchments by analyzing long-term accumulated bedload data. Additionally, data reliability was validated through comparative analysis with in-situ direct measurements. Based on these results, this study aimed to characterize post-fire sediment discharge and sediment transport patterns in a small mountainous catchment.

최근 기후변화 가속화로 인해 국지성 집중호우 및 가뭄 등 극한기상 현상이 증가하며 산사태, 산불 등 산림재난 발생 위험이 증대되고 있다. 본 논문에서는 이러한 산림재난 발생 위험에 대응 하기 위한 산악기상관측망(Automatic Mountain Meteorology Observation Stations, AMOS)의 핵 심적인 역할에 대해 소개한다. 산악기상관측망은 2025년 11월 현재 495개소 운영중이며, 산지의 특수 기상정보를 실시간 관측하고 있다. 산악기상정보는 1분 단위로 관측하고 있으며, 수집된 자 료는 6가지 품질검사를 수행하여 데이터의 품질을 관리한다. 이렇게 수집된 자료는 산사태, 산불 등 산림재난 예방과 대응을 위한 기반 입력자료로 활용된다. 본 논문에서는 지난 10년간(2015∼ 2024)의 강수 패턴 분석과 함께 2025년 여름 장마철에 발생했던 산사태 피해지 중심으로 강우 분석사례, 복잡지형에서의 바람 특성 분석 등 정보의 활용 사례를 제시하여 산악지역에서의 정 밀한 기상정보 관측의 필요성을 제시하였다. 산악기상관측망은 최근의 기후 여건에서 발생하는 산림재난에 대해 효과적인 예방과 대응 체계 구축을 위한 과학적 기반 데이터를 제공한다. 향후 산지에 특화된 고해상도 기상정보를 신속하게 생산하여 산림재난 예방 및 대응 체계를 완성하는 데 기여해 나갈 것이다.

The recent climate change has led to an increase in extreme weather events such as localized heavy rainfall and drought, which significantly escalate the risk of forest disasters including landslides and forest fires. This paper introduces the critical role of the Automatic Mountain Meteorology Observation Stations (AMOS) in addressing these growing risks. As of November 2025, a total of 495 AMOS stations are in operation, providing real-time observations of specialized meteorological data in mountainous regions. Data are recorded at one-minute intervals, and their reliability is maintained through a rigorous quality management process consisting of six distinct quality control (QC) procedures. These high-quality datasets serve as fundamental inputs for the prevention of and response to forest disasters. By presenting various applications—including a decadal analysis of precipitation patterns (2015–2024), case studies of rainfall in landslide-affected areas during the 2025 summer monsoon season, and wind characteristic analysis over complex terrain for numerical mountain weather forecasting— this study underscores the necessity of high-precision meteorological monitoring in mountainous areas. AMOS provides the scientific foundation for establishing effective prevention and response systems related to current climatic conditions. We will continue to develop a data production system providing high-resolution meteorological information specialized for mountainous terrain to ensure the successful prevention of and response to forest disasters.

기후변화로 인한 극한 강수·폭염·건조·강풍 사례가 증가하면서 산사태·산불 등 산림재난의 위험 기상조건 발생 가능성이 커지고 있다. 우리나라는 국토의 약 63%가 산악지형으로 구성되어 복잡 지형에 따른 국지 순환과 급격한 기상 변동성이 두드러지므로, 산악지역에 특화된 고해상도 수 치모의·예측체계 구축이 필요하다. 본 연구에서는 고성능 컴퓨팅(High Performance Computing, HPC) 환경에서 WRF(Weather Research and Forecasting) 모델을 기반으로 산악지역 미기상 해 석 및 예측을 위한 1 km 고해상도 수치모델 체계를 구축하였다. 입력자료로는 기상청 LDAPS (Local Data Assimilation and Prediction System)를 활용하였고, 산악지역 초기장 개선을 위해 3 차원 변분 자료동화(3DVAR)를 적용하였다. 모델의 고도화 방안을 수립하기 위해 2024년 6월 8 일 강수 사례를 대상으로 실험을 수행하였으며, 기존 WRFv3.7 기반 실험(EXP1)과 WRFv4.3 기 반의 둥지격자 도입, 모격자 자료동화 적용, Noah-MP 지면모델을 적용한 실험(EXP2)을 비교하 였다. 관측 검증 결과, 기상청 및 산악기상관측소 대비 기온, 풍속, 상대습도에서 대체로 개선된 수치를 보였다. 본 연구는 산악지역 특화 고해상도 수치모델 구축 및 정확도 개선 가능성을 제시 하며, 향후 지면 물리과정 개선과 동화·격자체계 고도화를 통해 산림재난 대응을 위한 산악기상 예측역량을 강화할 수 있을 것으로 기대된다.

As extreme precipitation, heatwaves, drought, and strong-wind events increase under climate change, the likelihood of hazardous meteorological conditions leading to forest-related disasters such as landslides and wildfires is growing. Because approximately 63% of South Korea consists of mountainous terrain, complex topography induces pronounced local circulations and rapid weather variability, underscoring the need for a high-resolution numerical simulation and prediction system tailored to mountainous regions. In this study, we developed a 1-km high-resolution numerical modeling framework for mountain-scale meteorological analysis and forecasting based on the Weather Research and Forecasting (WRF) model in a highperformance computing (HPC) environment. The Korea Meteorological Administration’s Local Data Assimilation and Prediction System (LDAPS) fields were used as initial and boundary conditions, and a three-dimensional variational data assimilation (3DVAR) method was applied to improve the initial fields over mountainous areas. To establish an upgrade strategy for the modeling system, experiments were conducted for a rainfall event on 8 June 2024, comparing a baseline configuration using WRF v3.7 (EXP1) with an advanced configuration using WRF v4.3 (EXP2) that incorporates nested domains, data assimilation applied to the parent domain, and the Noah-MP land surface model. Observation-based verification against operational weather stations and mountain meteorological stations indicates overall improvements in nearsurface temperature, wind speed, and relative humidity in EXP2 relative to EXP1. These results demonstrate the feasibility of constructing a high-resolution, mountain-oriented WRF-based modeling system and improving its accuracy; further enhancements are expected through refined land-surface physical processes and advanced data assimilation and grid configurations to strengthen mountain weather prediction capability for forest-disaster preparedness and response.