SUMMARY
V. Suggestions for Applications
3. 지능형 탄성파자료해석 기술 응용분야
3.1 해저기인 자연재해에의 적용
서해의 백령도 (규모 4.9), 보령 (규모 3.5), 흑산도 (규모 4.9) 해역 등에서 일어난 지진에서 알 수 있듯이 서해지역에서 발생하는 지진의 빈도와 규모가 점차 증가 하고 있다. 서해는 Qiling-Dabie-Suhu 충돌대에 의해 북쪽과 남쪽 해역으로 나뉘며, 북쪽해 역은 발해만과 North Yellow Sea 분지로 이루어져 있고 남쪽 해역은 Northern South Yellow Sea 분지와 Southern South Yellow Sea 분지로 이루어 져 있다. 서해의 많은 분 지들은 단층작용에 의해 형성되었으며 현재 발생하는 지진들도 이러한 단층들에 의해 발생 된 것으로 예상된다. 또한 최근에는 한반도 남동권역을 중심으로 중규모 이상의 지진이 많이 발생하고 있는데, 이는 해저단층·지진 및 해저사면사태와 같은 해저기인 지구조 운동에 의해 발생되는 것으로 추측되고 있다 (Kim et al., 2007; 2011).
한반도 주변의 동해, 서해, 남해는 지구조 운동에 의해 형성되었으며 이와 관련된 대 규모 단층 등의 구조가 존재한다. 최근 발생한 중규모 이상의 지진으로 인해 지진 발 생 지역에 대한 지질학적 활동특성 연구의 필요성이 더욱 중요시 되고 있다.
해저 단층의 분포, 구성, 층서적 활동성 등 다양한 특성과 정보를 파악하기 위해 탄 성파 탐사가 많이 사용되고 있으며 이를 통해 퇴적층 형성 기작, 퇴적환경·지구환경 변화 및 복원, 지구조 등에 관한 정보를 얻고 있다. Fig. 3-3-1과 Fig. 3-3-2는 각각 서 해지역과 남동해역 지역에서 획득한 탄성파 탐사자료를 자료처리 및 해석 과정을 적용 시켜 얻은 탄성파 해석 단면의 예시이다. 이러한 탄성파 탐사자료의 해석 작업에는 숙 련도가 높은 전문 인력과 상당한 양의 해석 시간이 요구된다. 하지만 실질적으로 작업 을 수행 할 때는 제한적인 인원이 많은 양의 데이터를 처리하기 때문에 작업의 효율성 이 저하되고 데이터의 유실이 발생 할 수 있다. 인공지능을 활용한 탄성파 탐사 해석 기술은 이러한 작업환경에서 작업의 효율성과 해석 결과의 질을 향상시킬 수 있는 주 요한 기술력이다.
탄성파 탐사를 위해서는 일반적으로 2-D 탐사법을 많이 사용하고 있다. 하지만, 측 선 간에 간격이 존재하기 때문에 그 공간 사이의 단층 및 지질구조의 변화를 정확하게 분석하는데 어려움이 있다. 이러한 탐사 자료의 한계성을 극복하기 위해 최근에는 고 해상 3-D 탐사를 많이 수행한다. 이를 통해 이전보다 좀 더 상세한 특성, 분포, 활동성 분석이 가능하게 되었다. 탄성파 자료는 일반적인 해양물리·지질 분야의 과학조사와
는 달리 자료의 양이 방대하다. Fig. 3-3-3은 동해에서 얻은 탄성파자료 측선의 예이 다. 상당한 수의 조사측선과 이에 해당하는 수십-수백 km 길이의 탄성파 자료가 존재 한다. Fig. 3-3-4는 Spectrum 사가 보유하고 있는 노르웨이 대륙붕지역의 막대한 양의 2-D 및 3-D 탄성파자료로, DB 라이브러리인 “Seamless Seismic" 이다. 이 자료에는 125000 제곱킬로미터의 3-D탄성파 큐브자료 뿐만 아니라 8000 km 이상의 2-D 자료를 포함하고 있다. 이처럼 머신러닝을 활용한 탄성파 자료의 해석은 방대한 양의 2-D, 3-D 자료를 한꺼번에 빠르고 정확하게 처리 할 수 있으며, 이러한 측면에서 기술 개발 이 요구되는 상황이다.
Fig. 3-3-1. 서해지역에서 획득한 탄성파 해석단면 (Shinn et al., 2010)
Fig. 3-3-2. 남동해역 지역에서 획득한 탄성파 해석단면 (Kim et al., 2016)
Fig. 3-3-3. 동해에서 얻은 탄성파자료 측선 (윤석훈, 2015)
Fig. 3-3-4. 노르웨이 연안에서의 2-D/3-D 탄성파 자료 ("Seamless Seismic”library)
해저사면사태는 해양환경변화, 가스 하이드레이트 해리, 지진 및 지구조운동 등 다 양한 요인으로 발생된다. 이 현상은 산업 시설물이 파괴되고 쓰나미가 발생되어 많은 인명 피해와 경제적 손실을 야기시킨다 (Hampton et al., 1996; Locat and Lee, 2002;
Camerlenghi et al., 2007). Fig. 3-3-5과 같이 동해에서도 울릉분지 및 한국대지의 사면 에서 해저사면사태의 흔적이 광범위하게 분포하고 있다 (Lee et al., 1999, 2004, 2010, 2013). 해저사면사태의 흔적에서 상부 사면 퇴적층에 분포하는 미끌림면과 균열·단층 등에 대한 분석은 향후 해저사면사태 발생 가능성을 위해 필수적인 요건으로 천부~심 부 탄성파 자료를 활용하여 분석이 가능하다. 특히, 고해상 3-D 탄성파 자료를 통해 균열 및 단층과 이를 통한 유체 흐름에 대하여 분석하여 향후 해저사면사태를 예측하 는 연구가 활발히 진행되고 있다 (Fig. 3-3-6).
Fig. 3-3-5. 동해 울릉분지의 사면사태 분포 (Lee et al., 2010).
Fig. 3-3-6. 고해상 3-D 탄성파 자료를 이용한 해석 단면 (Plaze-Faverola et al., 2012)
해저단층·지구조, 해저사면사태 연구와 같은 해저기인 자연재해를 분석하고 예측하 기 위해서는 막대한 양의 2-D 및 3-D 탄성파 자료를 처리하고 해석하여야 한다. 이러 한 작업을 진행하기 위해서는 CNN 과 같은 인공지능기술의 응용이 반드시 필요하며, 이를 통해 복잡한 지하구조를 매우 상세하게 규명하여 그 정확도를 높이고 상대적으로 빠른 예측으로 자연재해를 사전에 예방하고 그 피해를 최소화 시킬 수 있다.
3.2. 해저 퇴적층 기초연구 및 해저 자원탐사 개발
퇴적체 구분과 형태분석, 층서면 해석, 등의 다양한 해양 퇴적층 특성 분석은 대부분 탄성파 자료를 이용하고 있다. 이러한 작업들은 퇴적환경·지구환경 변화 및 복원, 지 구조 등에 관한 기초 분야에 대한 연구 뿐만 아니라 해저 자원을 탐사하고 개발하는 등의 응용분야에도 유용하게 이용 되고 있다. 석유가스를 비롯해 비전통 에너지 자원 인 가스 하이드레이트의 경우에도 탄성파 탐사 자료가 사용되며, 퇴적층과 가스하이드 레이트와의 물성 차로 나타나는 BSR (Bottom Simulating Reflector)의 존재를 통해 자원 의 부존을 확인한다 (Kvenvolden, 1993; Holbrook et al., 1996). Fig. 3-3-7은 3-D 고해 상 탄성파 자료를 활용하여 다양한 탄성파 속성을 분석하는 그림을 나타낸다. 우리나 라 울릉분지에 가스 하이드레이트가 광범위하게 존재하며 향후 시험 생산을 위한 연구
가 꾸준히 진행되고 있다 (Ryu et al., 2009; Kim et al., 2010). 현재까지 우리나라 주변 해역에서는 2차원 해양지질/지구물리 연구가 수행된 바 있고 향후 고해상 3-D 탄성파 시스템을 활용하여 퇴적 층서면, 퇴적체 구분, 내부·외부 형태 확인, 등 다양한 분포 및 특성 정보를 정밀하고 입체적으로 파악 할 계획에 있다. 이와 더불어 기 획득 자료 및 향후 획득 탄성파 자료의 재처리 필요성 또한 대두 되고 있다. 인공지능 탄성파 자 료 해석 시스템의 개발은 자료처리에 필요한 기술력, 인력, 시간 등의 제약에서 벗어 나 오류를 최소화하는 종합적 해석을 가능하게 할 것이다. 또한, 속성분석을 통해 분 포특성을 조사하는 가스 하이드레이트와 같은 자원 탐사에서도 머신러닝기술을 효과적 으로 활용할 수 있을 것으로 판단된다.
Fig. 3-3-7. 3-D 탄성파 속성분석 (Geometrics, 2016)