Case Study

Tunnel and Underground Space. 30 June 2023. 126-140
https://doi.org/10.7474/TUS.2023.33.3.126

ABSTRACT


MAIN

  • 1. 서 론

  • 2. 현장 조사

  •   2.1 조사지역 지반침하 현황

  •   2.2 조사 개요

  •   2.3 암반분류 조사 결과

  • 3. 정밀 형상 모델 구축

  •   3.1 정밀 형상 모델 구축 방법

  •   3.2 정밀 형상 모델 구축 결과

  • 4. 지반침하 원인분석

  •   4.1 크라운필러 두께 변화 분석

  •   4.2 침하지 주변 단층 및 공동 분포 분석

  •   4.3 침하지 침하량과 갱내 침하 적치물 부피 비교 분석

  •   4.4 침하지 지표 경사 분석

  •   4.5 침하 원인분석 결과

  • 5. 결 론

1. 서 론

가행광산의 갱내채광은 갱도 상부의 지반침하를 유발할 수 있으며, 광산의 지속 가능한 개발을 위해서는 채광으로 인해 발생한 침하지에 대한 안전진단과 관리가 필요하다. 정부 합동 지반침하 실태조사(MOTIE, 2016)에 따르면 가행기간 10년 미만의 비금속 광산에서 대규모 지반침하가 발생한 것으로 확인되었다. 가행광산에서 발생한 지반침하는 광산 작업자의 안전과 조업 중단으로 인한 생산성에 영향을 미칠 수 있다.

Jang and Lee(2017)는 국내의 지반침하에 관한 연구는 가행광산 보다는 주로 조업이 끝난 폐광산 대상으로 이루어져, 가행광산에 3차원 스캐닝 등의 기술적인 방법을 통해 지반침하 방지대책에 관련 연구의 필요성을 고찰하였다. Song(2019)은 국내 가행광산에서의 지반침하 현황을 분석하고, 정밀한 광산 모델 기반의 안전 플랫폼 구축을 통한 대책이 필요하며 특히 드론을 통해 주기적인 지반침하 정밀 지형 모델링을 통한 관리가 필요함을 주장하였다.

라이다(LiDAR) 시스템은 한 번의 스캐닝으로 대상체에 대한 수백만~수천만의 점군자료를 획득하여 정밀한 모델을 구축할 수 있는 장점이 있다. 또한 mm 오차 범위로 자료를 획득하기 때문에 갱내 채굴과 관련된 경험적, 수치적 안정성 해석을 위한 기반 모델 구축에 많이 활용되고 있다(KORES, 2018, KORES, 2019, KORES, 2020, KOMIR, 2021, KOMIR, 2022a, KOMIR, 2022b). 또한 기술의 발전으로 드론을 활용한 항공 사진 측량 및 라이다 스캐닝을 통해 지표에 대한 정밀 형상 모델을 구축할 수 있는 기반이 마련되었고, 이를 활용하여 광산 활동 관련 지반침하지 구현과 관련된 연구들이 수행되었다(Suh and Choi, 2017, Zheng et al., 2022).

국내는 석회석 광산의 생산량이 전체 광산의 약 78.4%(KIGAM, 2022)로 석회석 지역의 광산 채굴 및 터널 시공과 관련된 지반침하에 대한 원인분석 및 안전진단에 관한 여러 연구가 수행되었다(Sunwoo et al., 2006, Lee et al., 2015, Lee et al., 2016, Oh, 2021). 이런 선행연구들은 지구물리탐사, 암반 조사, 수리적 영향 조사, 경험적 혹은 수치적 해석 등을 기반으로 한 원인분석에 중점을 두고 있으며 라이다 시스템을 활용한 침하 원인분석에 관한 연구 수행은 미비한 실정이다.

본 연구에서는 드론 라이다와 지상 기반 3D 스캐너를 활용하여 지반침하가 발생한 가행중인 석회석 광산에 대한 정밀 형상 모델을 구축하고 갱내 지질조사 결과를 활용하여 지반침하가 발생한 원인을 다 각도로 분석하였다.

2. 현장 조사

2.1 조사지역 지반침하 현황

조사지역은 강원도 소재 석회석 광산으로 2개소의 지반침하가 발생하였다. Fig. 1(a)는 침하지역의 항공사진 영상이며, 2개소의 침하지는 침하지 A와 침하지 B로 구분되며 침하지 A를 기준으로 침하지 B는 북동쪽 약 20 m 이격되어 있다. 침하지 A의 경우 Fig. 1(b)와 같이 함몰형 침하 형태를 나타내고 있으며, 침하지 B의 경우 Fig. 1(c)와 같이 상대적으로 소규모의 형태로 침하가 발생하였다. 침하지 하부로 갱도가 개설되어있으며 침하지 A의 직하부 부근의 막장에 Fig. 1(d)와 같이 침하 적치물의 갱내 유입이 확인된다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F1.jpg
Fig. 1.

Current condition of mining-induced ground subsidence: (a) aerial photo of subsidence area, (b) subsidence A condition on the surface, (c) photo of subsidence B condition on the surface and (d) subsidence deposit in mine tunnel

2.2 조사 개요

조사구역에 대한 3차원 정밀 형상 모델 구축과 지반침하 원인분석에 필요한 지질 정보 및 경험적 해석에 활용할 인자값들을 산출하기 위해 현장 조사를 수행하였다. 조사개요도는 Fig. 2와 같으며 조사구역은 침하지 주변의 지표와 갱도이다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F2.jpg
Fig. 2.

Investigation outline map for analyzing the cause of mining-induced ground subsidence

3차원 정밀 형상 모델을 구축하기 위한 점군자료 획득을 위해, 침하지 지표의 경우 산악환경에서의 정확한 위치측정과 식생의 영향을 최소화한 DEM (Digital Elevation model) 생성에 최적인 RTK 드론 라이다 시스템(KOMIR, 2022b)을 활용하였다. 갱내의 경우 지상 기반 라이다 시스템을 활용하여 갱도 모델을 구축하였으며, 조사에 활용한 라이다 시스템의 사양은 Table 1과 같다. 갱내 조사는 일반구간과 침하구간으로 분류하여 침하의 원인을 제공할 수 있는 단층, 암맥, 절리 등의 불연속면과 지하수 상태 및 용식 공동 발달 상황을 중심으로 수행하였다. 조사 방향에 따른 오차를 줄이기 위해 필러와 갱도 개설 방향을 고려하여 조사 위치를 선정하였다.

Table 1.

LiDAR system equipment specification

Categories SX-10 RTC360 DJI L1
Manufacturing factory Trimble Leica DJI
Max range 600 m 130 m 450 m
Range noise 1.5 mm (@ 50 m) 5.3 mm (@ 40 m) horizontal 100 mm (@ 50 m)
vertical 50 mm (@ 50 m)
Scanning speed 26,600 points/sec 2,000,000 points/sec 240,000 points/sec
Operating time 2~3 hours 4 hours 0.66 hours
Main features terrestrial total station function terrestrial speedy scanning aerial scanning

2.3 암반분류 조사 결과

조사지역에서 발달하는 불연속면은 동서 또는 서북서-남남동 방향(J1) 및 남북 또는 북북동-남남서 방향(J2)의 절리군 2개 조와 30° 내외 저경사 층리(B1)의 3가지 방향성이 우세하게 나타났으며, 불연속면 분포양상을 도식화한 결과는 Fig. 3과 같다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F3.jpg
Fig. 3.

Distribution of discontinuities direction through the geological survey in mine tunnel : (a) stereonet, (b) rose diagram

일반구간에서의 불연속면은 대부분 1 mm 이하의 간극을 보이며 충전물은 없으며 거칠기는 평탄하고 부드러우면 신선하고 건조한 상태로 확인되었다. 침하지 구간의 불연속면은 일반구간과 유사한 절리면 상태를 보이나 소규모 공동이 발달한 소단층이 천반에 교차해 있는 특징이 확인되었다. Q-system에 의한 암반분류는 저심도에서 굴착된 갱도의 천반에 발달한 연약면에 의한 암반 특성 저하를 고려하기 위해, NGI(2022)가 제시한 응력저감계수(Stress Reduction Factor, SRF) 중 50 m 이하의 심도에서 단일 연약면이 발달한 경우인 5를 SRF 값으로 적용하였다.

(1)
Q=RQDJn×JrJa×JwSRF

불연속면 조사 결과를 바탕으로 식 (1)에서와 같이 암반구조(RQD/Jn)항, 절리면 특성(Jr/Ja)항, 합응력(Jw/SRF)항의 비를 산출하여 Q-system 암반 평가를 수행하였으며, 결과는 Table 2와 같다. 일반구간은 5.48점으로 Q 분류 등급 중 Fair에 해당하였으며, 침하지 구간은 0.77점으로 Q 분류 등급 중 Very Poor 등급에 해당하였다.

Table 2.

Rock mass classification by Q-system

Value Rating
Normal area Subsidence area Normal area Subsidence area
RQD - - 37 26
Jn (Joint set number) 3 set 3 set 9.00 9.00
Jr (Joint roughness number) smooth, planar smooth, planar 1.00 1.00
Ja (Joint alteration number) Tightly healed Tightly healed 0.75 0.75
Jw (Joint water reduction factor) Dry Dry 1.00 1.00
SRF (Stress Reduction Factor) Medium stress Single weak zones
(depth ≤ 50 m)
1.00 5.00
Total rating - - 5.48 0.77
Q-system grade - - Fair Very Poor

3. 정밀 형상 모델 구축

3.1 정밀 형상 모델 구축 방법

라이다 시스템은 객체와 시스템 간의 거리에 따라 스캐닝 되는 영역이 달라짐에 따라 점군자료의 밀도도 같이 변화하는 특징이 있다. 지표 모델 구축 시 지형에 대한 균질한 밀도의 점군자료 획득을 위해 지표의 지형변화에 따라 일정한 고도 비행을 수행하는 지형 추적(Terrain Follow) 모드를 활용하여 자료를 획득하였다. 사전 비행을 통해 구축한 DEM 기준 80 m 고도를 유지하도록 비행 설계하였다. 점군자료의 밀도를 높이기 위해 3차례 비행한 결과를 활용하였으며, Fig. 4의 UAV 탑재 라이다 시스템 자료처리 순서에 따라 침하지 지표에 대한 모델을 구축하였다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F4.jpg
Fig. 4.

Outline diagram of the data processing sequence of the LiDAR system

조사지역은 산악지역에 위치하여 GCP (Ground Control Point) 설치가 어려운 관계로, 통상적으로 표고 보정에 활용하는 GCP 보정 대신 DJI Terra SW를 활용하여 좌표체계 및 지오이드고 보정을 수행하였다. 지오이드고 보정 시 국토지리정보원에서 제공하는 KNGeoid18 모델을 활용하였다. 그 후 TerraSolid SW를 활용하여 객체를 속성별로 필터링하는 2차 자료처리 과정을 통해 지표 속성의 점군자료를 추출하여 Fig. 5와 같이 매쉬 모델을 생성하여 지반침하지 모델을 구현하였다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F5.jpg
Fig. 5.

Ground subsidence surface model using aerial LiDAR system

갱도 모델 구축은 Fig. 4의 지상 기반 라이다 시스템 자료처리 순서에 따라 수행하였다. 토탈스테이션 기능이 있는 SX-10을 활용하여, 갱내의 측량점을 기준으로 후방교회를 통한 스캐너 위치 파악 후 스캐닝을 수행하였다. 갱내 측량점이 매설되지 않은 영역에 대해서는 비교적 빠른 스캐닝이 가능한 RTC360 장비를 이용하여 스캐닝하였고, SX-10을 통해 획득한 점군자료를 기준으로 RTC360 점군자료를 정합하는 방법을 통해 자료를 통합하였다. 갱도 바닥면의 지하수, 차량, 갱내 중장비 등의 갱도 형상과 관련이 없는 오류를 제거하고 0.5 m 공간 필터링을 수행한 단계별 자료처리 결과는 Fig. 6과 같다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F6.jpg
Fig. 6.

Result of data processing for each stage of mine tunnel point cloud

3.2 정밀 형상 모델 구축 결과

조사구역의 지표 및 갱도 모델 분석을 위해 KModStudio SW를 활용하였으며, 3차원 모델을 시각화한 결과는 Fig. 7과 같다. 갱도 모델 중간 부분의 북쪽 굴진 갱도 막장면 상부에 침하지 A가 위치하고, 침하지 A로부터 북동쪽으로 침하지 B가 위치한다. 3차원 모델을 시각적으로 분석한 뒤, 지형의 구배가 변화하는 지점을 모두 포함하는 영역에 대하여 침하지 경계를 설정하였다. 침하지의 기하학적 무게중심점을 기준으로 각 침하지의 장축과 단축 거리를 측정하고 경계를 기준으로 면적 및 부피를 계산한 결과는 Table 3과 같다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F7.jpg
Fig. 7.

LiDAR-based ground subsidence geometry model (surface and mine tunnel)

Table 3.

Result of the geospatial specification analysis of subsidence area

Subsidence A Subsidence B
Major axis length (m) 24.6 7.1
Minor axis length (m) 17.7 6.7
Subsidence area (m2) 386.6 38.5
Subsidence volume (m3) 712.8 24.2

4. 지반침하 원인분석

라이다 기반 자료를 통해 구현한 침하지의 형태, 갱도와 침하지 위치 관계 및 현장 조사 결과를 토대로 지반침하 발생의 원인이 크라운 필러 파괴와 연관이 있는 것으로 추정하였고, 이를 고려한 침하 원인 규명을 위해 4가지의 분석을 수행하였다.

- 침하지 크라운필러 두께 변화 분석

- 침하지 주변부의 단층 및 공동 분포 분석

- 침하지 침하량과 유입 침하 적치물 부피 계산

- 침하지 지형 경사 분석

침하의 원인과 관련된 인자들의 공간적 위치 파악, 상호 관계 및 규격 계산에 대한 정확한 분석을 위해 정밀 형상 모델을 활용하였으며 관련 내용은 Table 4와 같다.

Table 4.

Geometry model used for subsidence cause analysis and application method

Analysis method Geometry model
used for analysis
How to use geometry model
Crown pillar thickness analysis Surface
Mine tunnel
Calculating the vertical distance between the surface
and the tunnel model (Crown pillar thickness)
Fault and cavity distribution analysis Mine tunnel Implementation of fault model through fault and cavity
traces identified in scanning and geological survey
Calculation of the surface subsidence and
deposit of subsidence in the mine tunnel
Surface
Mine tunnel
Identifying the difference in volume calculation between
surface subsidence and deposit of subsidence in mine tunnel
Terrain slope analysis Surface Analysis of slope change of topography in subsidence area
and localization of lowest point

4.1 크라운필러 두께 변화 분석

4.1.1 Scaled Span 법

조사지역의 크라운필러 최소 두께 산정을 통한 안전진단을 위해 Scaled Span 법을 활용하였다. Scaled Span 법은 암반의 공학적 특성을 표현하는 암반분류법 중, Q 분류값과 갱도 채굴적의 특성을 반영한 크라운필러의 Scaled Span의 관계를 통해 안정성을 평가하는 방법이다. Scaled Span은 평가 대상 크라운필러를 갖는 채굴적의 3차원적 구조 및 광체의 구조적 특성을 반영한 크라운필러의 환산 폭으로, 채굴적 및 광체 등의 두께/폭, 경사, 3차원적 구조, 하중 요소를 고려하는 특징이 있다. Carter(1992)에 따르면 초기 Scaled Span 법은 식 (2)에 의해 계산된 크라운필러의 환산폭과 크라운필러의 암반에 해당하는 Q값을 비교하고, 임계 환산폭을 식 (3)과 같이 계산하여 안정성을 평가한다.

(2)
Cs=S(γT(1+SR)(1-0.4cosθ))0.5

where : S = crown pillar span (m);

γ = rock mass unit weight;

T = thickness of crown pillar (m);

θ = ore body/foliation dip, and;

SR = span ratio = S/L (crown pillar span/crown pillar strike length)

(3)
Sc=0.33×Q0.43×sinh0.0016(Q)

where : Sc = Critical Scaled Span

Q = value of Q-system classification

Q값과 환산폭이 Fig. 8과 같이 Q 도표상의 크라운필러의 임계 환산폭 곡선 상부에 위치 시 크라운필러는 파괴되어 불안정하고, 임계 곡선 하부에 위치 시 크라운필러는 안정한 것으로 평가한다. 이후 다양한 방법의 Scaled Span 법의 개선을 통해 Carter et al.(2008)은 채굴적 용도에 따른 임계 확산 폭 산정식과 수정된 설계 가이드를 Table 5Fig. 8과 같이 보고하였다.

Table 5.

Acceptable risk exposure guidelines (modified from Carter et al., 2008)

Class Probability of failure Minimum
factor of safty
Maximum Scaled Span,
Cs (=Sc)
ESR Expectancy Years
A 50-100 <1 11.31Q0.44 >5 Effectively zero <0.5
B 20-50 1.0 3.358Q0.44 3 Very, very short-term 1.0
C 10-20 1.2 2.74Q0.44 1.6 Very short-term 2-5
D 5-10 1.5 2.33Q0.44 1.4 Short-term 5-10
E 1.5-5 1.8 1.84Q0.44 1.3 Medium-term 15-20
F 0.5-1.5 2 1.12Q0.44 1 Long-term 50-100
G <0.5 >>2 0.69Q0.44 0.8 Very long-term >100

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F8.jpg
Fig. 8.

Updated Scaled Span chart (Carter et al., 2008)

4.1.2 침하지 최소 크라운필러 두께 평가 결과

등급별 최소 크라운필러 두께는 크라운필러의 환산 폭(Cs)과 임계환산폭(Sc)의 값이 같은 경우이다. 식 (2)의 환산 폭 산정식에 식 (3)의 임계 환산폭을 대입한 후 크라운필러의 두께에 대해 정리하면 식 (4)와 같이 최소 두께를 산정할 수 있다.

(4)
T`=γSCs2(1+SR)(1-0.4cosθ)

Table 2에서 계산한 침하지 Q 분류값을 적용하여 식 (4)에 의해 산정한 B등급 및 C등급에 해당하는 최소 크라운필러 두께는 Table 6과 같으며 Fig. 9와 같이 환산폭 도표상에 위치한다. 이를 통해 침하 발생 구역의 암반 조건에서 임시 채굴적에 해당하는 등급(B~C등급)을 위한 크라운필러 두께는 약 40 m 이상인 것으로 판단된다.

Table 6.

Critical thickness of crown pillar calculated by the Scaled Span method

Class Q Unit weight
(ft/m3)
Width of tunnel
(m)
Length of tunnel
(m)
Dip of bed (°) Critical Scaled
span (Cs)
Thickness of
crown pillar (m)
B 0.77 2.7 15 30 90 3.19 39.8
C 2.44 67.9

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F9.jpg
Fig. 9.

Result on the conversion width diagram according to crown pillar thickness

4.1.3 조사지역 크라운필러 두께 분포

조사지역의 크라운필러 두께 분석을 위해 KModStudio의 Critical Thickness 툴을 활용하였다. 본 툴은 측정을 원하는 지역을 일정한 간격으로 그리드화 한 뒤 같은 수평적 좌표에 위치하는 그리드 상에서 3차원 면 간의 수직거리를 계산한다. 상부의 지표 모델과 하부의 갱도 모델 간의 두께를 분석한 결과는 Fig. 10과 같으며, 침하가 발생한 지점에서 약 30 m 내외의 크라운필러 두께가 확인된다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F10.jpg
Fig. 10.

Visualization of crown pillar thickness distribution analysis in the investigation area

4.2 침하지 주변 단층 및 공동 분포 분석

침하 적치물이 유입된 갱도 막장 주변으로 Fig. 11(a)와 같이 NNW, EW 주향 방향의 단층이 확인되며 단층을 따라 용식 공동이 수반되어 나타나는 것이 확인되었다. 단층 주변에서 지표로부터 유입되는 것으로 추정되는 지하수의 흐름이 용식 공동의 발달을 촉진한 것으로 판단된다. EW 단층은 조사지역에서 확인되는 대단층(major fault)에 수반되어 나타나는 소단층으로 추정된다. 지반침하와 관련되어 보이는 EW 대단층(80/005)과 NNW 단층(80/250)을 시각화하여 Fig. 11(b)와 같이 침하지 주변부의 단층 분포를 구현하였다. 시각화 결과 침하지 A의 최서북단 지점에서 두 단층이 교차하는 것을 확인할 수 있다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F11.jpg
Fig. 11.

Fault distribution around subsidence area: (a) distribution status of faults and cavities in mine tunnel around the subsidence, (b) result of fault distribution simulation around the subsidence

4.3 침하지 침하량과 갱내 침하 적치물 부피 비교 분석

지반침하지에서 크라운필러 파괴에 의한 암석 및 토사 등의 침하량과 갱내에서 확인된 침하 적치물 간의 관계성을 파악하기 위해 부피 비교를 수행하였다. 지반침하지의 침하량은 Table 3의 부피 계산 결과를 활용하였으며, 갱내에 유입된 적치 물량은 갱내 스캐닝 결과를 활용하였다. Fig. 12와 같이 갱내에 유입된 적치물 주변의 스캐닝 자료에서 적치물 사면을 추출한 뒤, 0.2 m 간격의 공간 필터링 후 매쉬화 하여 갱도 바닥 레벨을 기준으로 적치물 사면과 바닥 간의 부피를 계산하였다. 계산 결과 갱내에 유입된 침하 적치물 부피는 1,020.3 ㎥이며, 침하지 A의 부피는 712.8 ㎥으로 부피팽창률 50% 고려했을 시 계산되는 침하 적치물의 부피는 1,069.2 ㎥이다. 지표와 갱도 사이의 공동을 채우고 있는 암석 및 토사와 적치물 사면 결계 설정 오류 등을 고려했을 시, 침하지 A의 침하량과 갱내로 유입된 침하 적치 물량 부피 계산 결과가 대략 일치하며 이를 통해 침하지 A의 침하물이 갱내로 유입되었음을 추정할 수 있다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F12.jpg
Fig. 12.

Modeling process for calculating volume of subsidence deposit in mine tunnel

4.4 침하지 지표 경사 분석

경사지에서 침하가 발생하면 Fig. 13과 같이 침하는 침하 원인을 제공한 위치 방향으로 변위가 발생하게 된다. 지표에 변위가 발생하고 이에 따라 지표의 경사 또한 침하 발생 방향으로 변화가 나타남에 따라 경사 방향 분석을 통해 침하 발생지점을 유추할 수 있다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F13.jpg
Fig. 13.

Subsidence displacement and deformation in slope surface (Whittaker and Reddish, 1989)

지반침하지의 경사 방향 분석을 위해 Fig. 14와 같이 지반침하지 내부 지형의 경사 방향과 경사 정도를 벡터로 표현하였다. Depression 표현 툴을 활용하여 배수 관점에서 침하지에 물이 고이게 되는 저고도 구역을 파란색으로 표현하고 배수점을 붉은색 점으로 표현하였다.

침하지 A의 경우 침하 구역의 북서쪽 부근, 침하지 B의 경우 북동쪽 부근에 배수점이 위치하며 지표 경사 방향 분포가 배수점을 향해 있음을 확인할 수 있다. 이는 지형의 변화가 배수점을 향하고 있음을 나타내는 것이며 지반침하의 발생지점이 침하지 A의 경우 북서쪽, 침하지 B의 경우 북동쪽에 위치함을 나타낸다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F14.jpg
Fig. 14.

Result of topographical analysis of subsidence to find the location of the cause of the subsidence

4.5 침하 원인분석 결과

라이다 시스템을 통해 구축한 정밀한 침하지 모델, 침하지 주변부의 지질 조건 및 경험적 방법을 통해 산정한 크라운필러의 최소 두께 산정 등의 조사 결과를 통해 분석한 침하의 원인은 다음과 같다.

1. 침하지 주변의 단층 및 용식 공동 등 암반의 약화를 초래하는 다수의 지질 구조들이 분포하였으며, 이에 의해 암반 상태가 주변부에 비해 불량함을 공학적 암반분류를 통해 확인하였다.

2. 불량한 암반 상태를 고려 시 침하 방지를 위한 최소 크라운필러의 두께는 약 40 m였으나, 크라운필러의 두께 분석 결과 침하가 발생한 지점으로 추정되는 구간에서는 이보다 얇은 두께의 필러가 존재하였다.

3. 침하지의 형태 및 경사의 분포, 침하물의 부피에 따른 유입 상태 등을 확인한 결과, A 지점의 침하 발생은 북 방향 갱도의 막장측에서 발생하였으며 지표 관통 후 유실물이 관통 지점을 통해 갱내로 유입되며 확장된 것으로 분석되었다.

4. 이상의 결과를 통해 분석된 침하의 원인은 능선 방향과 동일한 북쪽 방향으로 갱도 굴진 중 크라운필러 두께가 30 m 내외로 얇아진 상태에서 Fig. 15의 3차원 모델에서 확인되는 바와 같이 EW 대단층과 NNW 단층의 교차로 인해 갱도 천반의 연약부가 함몰된 후 지표 경사를 따라 확장된 것으로 분석되었다. 침하지 B의 경우는 NNW 방향의 단층 및 갱도 채굴과는 직접적인 영향은 없는 것으로 판단되었으나, 침하지 A의 침하 발생과 EW 대단층의 영향으로 인한 쏠림 형상으로 자연 공동이 확장되며 침하가 발생한 것으로 추정되었다.

https://cdn.apub.kr/journalsite/sites/ksrm/2023-033-03/N0120330302/images/ksrm_2023_333_126_F15.jpg
Fig. 15.

Subsidence integrated visualization result based on the geometry model

5. 결 론

본 연구에서는 석회석 광산에서 지반침하의 원인을 분석하기 위해 라이다 기반의 정밀 형상 모델을 활용하였다. 드론 및 지상 기반 라이다 시스템을 통해 침하지의 지표 및 갱도에 대한 정밀한 모델을 구축하였고, 현장 지질조사 결과를 활용하여 침하 원인 규명을 수행하였다. 정밀 형상 모델을 통해 정확한 크라운필러 두께 분포 현황 파악, 침하지 및 적치물 부피 계산, 침하지 사면 방향 분석을 수행하였고 이를 통해 객관적인 원인 규명이 가능하였다.

본 연구지역은 라이다 시스템을 적용하기 적절한 환경이었으나, 사람의 접근이 불가한 갱도나 지형 및 식생에 의해 통신이 어려운 산악환경에서는 라이다 시스템의 원활한 적용이 어려운 실정이다. 이를 해결하기 위한 자율주행 드론의 국내 광산 적용에 관한 연구가 필요할 것으로 판단된다.

국내의 가행중인 석회석 광산 중 낮은 심도에서 개발이 진행되는 광산, 특히 승갱 형태로 상대적으로 지표와 근접한 위치에서 개발되는 광산에서는 단층 등의 연약면에 의한 암반특성 저하와 얇은 크라운필러의 파괴에 의해 지반침하가 발생할 수 있다. 광산에서 3차원 정밀측량을 통한 모델 구축 및 갱도와 지표의 공간적 연관성을 분석하며 개발을 수행한다면 보다 안전하고 지속가능한 개발이 가능할 것으로 판단된다.

Acknowledgements

본 연구는 2022년도 한국광해광업공단 자체연구인 ‘지반침하 탐지 및 모니터링을 위한 라이다 복합센서 활용 드론 시스템 구축’(기술총서 2022-065)의 지원으로 수행되었습니다.

References

1
Carter, T.G., 1992, A new approach to surface crown pillar design, Proc. 16th can., Rock Mecjanocs Symposium, Sudbury, pp. 75-83.
2
Carter, T.G., Cottrell, B.E., Carvalho, J.L., and Steed, C.M., 2008, Logistic regression improvements to the Scaled Span method foe dimensioning surface crown pillars over civil or mining openings, 42nd US Rock Mechanics Symposium and 2nd US-Canada Rock mechanics Symposium, San Fransisco.
3
Jang, M.H. and Lee. S.E., 2017, possibility and countermeasures of subsidence according to mining method and current status in the operating mines, Tunnel & Underground Space, 27(6), 366-376.
4
KIGAM, 2022, Korea mineral information 2021.
5
KOMIR, 2021, Service report for 3D surveying of remaining part and calculation of tunnel specification at the ○○ mine(in Korean).
6
KOMIR, 2022a, Service report for subsidence restoration and mine tunnel safety assessment at the ○○ mine(in Korean).
7
KOMIR, 2022b, Establishment of drone system using LiDAR complex sensor for mining-induced ground subsidence and monitoring, 38.
8
KORES, 2018, Service report for designing mine transport shaft and establishing open-pit development plan of the ○○ mine(in Korean).
9
KORES, 2019, Safety inspection service report for subsidence restoration at the ○○ mine(in Korean).
10
KORES, 2020, Safety inspection service report for large-scale mining and thin crown pillar at the ○○ mine(in Korean).
11
Lee, B.J., Park, S.W., Kim, D.H., and Song, Y.K., 2016, Ground subsidence caused by the development of underground karstic networks in limestone terrain, Tawbag city Korea, The Journal of Engineering Geology, 26(1), 63-70 10.9720/kseg.2016.1.63
12
Lee, S.J., Kim, B.R., Choi, S.O., and Oh, S.H., 2015, A case study of site investigation and ground stability analysis for diagnosis of subsidence occurrence in limestone mine, Tunnel & Underground Space, 23(4), 332-340. 10.7474/TUS.2015.25.4.332
13
MOTIE, 2016, A study on the establishment of safety countermeasures through ground subsidence investigations in underground mines, 134.
14
NGI, 2022, Handbook : Using the Q-system.
15
Oh, G.H., 2021, A study on the cause analysis and countermeasures for Large-scale ground subsidence case in limestone mine, Master thesis, Kangwon National University.
16
Song, W, 2019, Status and prevention measures of ground subsidence in mine areas, Korean Soc. Miner. Energy Resour. Eng, 56(6), 676-687. 10.32390/ksmer.2019.56.6.676
17
Suh, J.W. and Choi, Y.S., 2017, Mapping hazardous mining-induced sinkhole subsidence using unmanned aerial vehicle (drone) photogrammetry, Environ Earth Sci, 76, 144. 10.1007/s12665-017-6458-3
18
Sunwoo, C., Song, W.K., Ryu, D.W., Rao, and Karanam, U.M., 2006, Causal analysis of subsidence and prediction of damage zone in an abandoned underground limestone mine, The Korean Society for Geosystem Engineering, 43(1), 1-12
19
Whittaker, B.N. and Reddish, D.J., 1989, Subsidence:Occurrence, presiction and control, department of mining engineering, the University of Nottingham, United Kingdom.
20
Zheng, J., Yao, W., Lin, X., Ma, B., and Li, B., 2022, An accurate digital subsidence model for deformation detection of coal mining areas using a UAV-based LiDAR, Remote Sens, 14, 421. 10.3390/rs14020421
페이지 상단으로 이동하기