Geophysics and Geophysical Exploration ISSN:1229-1064(Print) 2384-051X(Online) 지구물리와 물리탐사

드론 기반의 자력탐사 시스템은 다양한 환경에서 고해상도의 지자기 자료를 수집할 수 있는 혁신적인 지구물리 탐사 수단으로 주목받고 있다. 하지만 드론에 탑재된 플럭스게이트 자력계는 플랫폼 자체의 자성, 전자 장비로 인한 전자기 간섭, 그리고 비행 중 발생하는 속도, 진동 및 자세 변화로 인해 신호 품질 저하가 발생한다. 본 연구는 드론 시스템의 주요 잡음원을 분석하고, 기존 선박 및 항공 플랫폼에서 제안된 자성 보정 알고리즘들을 벤치마킹하여 드론에 최적화된 보정 방법을 비교분석하였다. 이를 위해 보정을 위한 8자 회전비행을 포함한 탐사 자료를 수집 분석하였다. 수집된 자기장 데이터는 FFT 분석을 통해 주파수 특성을 파악하고, 저주파통과 필터 및 샘플링 보정을 포함한 전처리 과정을 수행하였다. 이후 드론의 자세보정을 위해 회전행렬을 비교분석하였고, 이를 바탕으로 세가지 자기보정법을 비교 평가한 결과, 진보된 선상 삼성분 자력계 보정 방법은 벡터 3성분에서, 인공위성 삼성분 자력계 보정 방법은 스칼라 자기장에서 가장 정규분포에 근접한 잔차 분포와 높은 정확도를 나타냈다. 추가적으로 획득한 병렬 측선을 보정한 데이터에서도 유사한 지자기 이상이 나타나 보정방법의 신뢰성을 확보하였다. 또한, 비행속도가 빨라짐에 따라 잡음이 증가하는 경향을 확인하였고, 이는 빠른 비행속도에 따라 드론의 자세가 불안정해지고 안정성을 확보하고자 로터의 모터전류 공급이 불규칙하게 증가하며 발생하는 전자기 잡음이 센서에 기록된 것으로 해석된다. 본 연구는 드론 기반 자력탐사 자료의 품질 향상을 위해 다양한 플랫폼에서 적용되는 보정법을 비교하고, 체계적인 자료처리 알고리즘을 제시하며, 향후 자원 탐사 및 환경 조사 등 다양한 분야에서 드론 자력계 시스템의 실용화에 기여할 수 있을 것으로 기대된다.

탄성파 탐사 자료에서 정규화(regularization)는 이후의 자료처리 수행을 수월하게 하는 매우 중요한 과정이다. 이 연구에서는 송신원들이 다소 불규칙하게 취득된 포항 영일만의 소규모 3차원 OBN (Ocean Bottom Node) 자료에 Yeeh (2024)의 델로네이 공간분할을 이용한 딥러닝 기반 정규화 기법을 적용한 사례를 보여준다. 중합전(pre-stack) 현장 자료의 특성 분석 및 전처리를 수행한 후 이 자료만으로 정규화 딥러닝 모델을 학습시켰으며 성능 향상을 위한 자료의 전처리 방법 및 학습 자료 선별 과정을 제시하였다. 학습된 딥러닝 모델로 원자료의 측선 간격인 약 25 ~ 50 m 보다 조밀한 10 m 간격으로 정규화를 수행하였으며, 그 결과 도착 시간의 곡률이 변하는 근거리 오프셋(near offset) 구간에 송신원이 전혀 없는 일부 수신 노드 자료의 경우를 제외하고는 주 신호들이 대부분 잘 예측되며 전체적으로 무작위 잡음이 억제된 정규화 결과를 얻었다. 이 방법은 현장자료 자체만을 이용하여 불규칙하게 위치한 3차원 탐사자료의 내삽과 정규화를 동시에 수행할 수 있어 추후에도 많은 활용이 가능할 것이다.

분포형 광섬유 센싱(Distributed acoustic sensing; DAS) 시스템은 높은 공간 분해능과 넓은 탐지 범위로 미소지진 모니터링에 유망한 기술이지만, 실시간 모니터링을 수행할 경우 대용량 자료가 취득되므로 효율적인 자료 관리와 신호 탐지 및 분류 기법이 필요하다. 본 연구에서는 준실시간 미소지진 모니터링이 가능한 효율적인 자료 처리 절차와 최적의 기계학습 모델을 개발하고자 하여, Utah FORGE 지열 발전 프로젝트의 DAS 자료를 이용해 전통적 자료 처리 절차를 단계별로 적용하면서 VGG-19와 YOLO v11 모델 기반으로 신호 탐지를 수행하여 각 모델의 성능을 비교 분석하였다. 자료 처리 절차별 소요 시간과 함께 혼동 행렬(confusion matrix)을 통한 모델 성능 정량 평가를 수행하였으며, 모니터링을 위한 모델 선택 시 고려해야 할 사항을 분석하였다. 뿐만 아니라 기계학습 기반의 잡음 제거를 수행한 자료에도 신호 탐지 모델을 적용하여 도출된 결과를 비교하고 모델의 성능을 평가하였다. 실제 준실시간 모니터링 시스템 구축을 위해서는 모델 성능, 처리 시간, 자료 준비의 용이성을 종합적으로 고려한 경량화된 기계학습 모델과 전통적인 자료 처리 절차의 최적의 조합이 필요함을 확인하였다.

분포형 음향 계측 시스템(Distributed acoustic sensing; DAS)은 광섬유 케이블을 수신기로 이용하는 기술로써, 광섬유 케이블을 따라 이동하는 광펄스를 방출하고 인터로게이터(interrogator)장치를 통해 광섬유내에서 발생하는 미세한 변형이나 진동을 감지하여 변형의 정도와 위치를 기록한다. 분포형 음향 계측은 높은 민감도로 인해 미세한 신호까지 감지할 수 있지만 다양한 종류의 잡음이 함께 기록되어 신호 대 잡음비가 낮다는 특징이 있다. 특히 일반적인 탄성파 탐사 자료에서 관찰할 수 없는 특유한 잡음들이 존재하므로, 이를 효과적으로 제거하기 위한 목표지향적(target oriented) 자료처리 연구가 필요하다. 본 연구에서는 이 특유한 잡음 중 수평 띠 잡음(horizontal stripe noise)으로도 불리는 공통모드 잡음(common mode noise)을 다루며 이는 인터로게이터 장비의 진동 등 외부 요인으로 인해 발생한다. 공통모드 잡음은 특정 시간대의 모든 채널에서 동일하게 기록되는 수평 패턴의 잡음으로, 기존의 자료처리 작업흐름(workflow)을 적용하기 이전에 반드시 제거되어야 한다. 전통적인 방식인 진동수-파수 영역 필터를 적용할 경우 공통모드 잡음의 제거가 가능하지만, 결과의 품질이 사용자 정의 변수에 매우 의존적이며 유효한 신호의 손실이 발생할 수 있다는 단점이 있다. 따라서 본 연구에서는 분포형 음향 계측 자료의 공통모드 잡음을 효과적으로 제거함과 동시에 신호의 손실을 최소화할 수 있는 새로운 기술을 제안한다. 공통모드 잡음은 채널에 상관없이 동일한 특성을 가지므로, 트레이스를 무작위 재배열하는 경우 신호 요소는 무작위 패턴을 갖는 잡음의 형태로 재배열되고 공통모드 잡음은 기존의 수평적 패턴을 그대로 유지하게 된다. 무작위화 된 자료에 대해 시간-진동수 영역 필터링을 적용하여 잡음으로 변환된 신호 요소를 제거하고 공통모드 잡음을 추출할 수 있으며, 알고리즘의 반복을 통해 보다 견고한 자료처리를 수행할 수 있다. 본 연구에서는 제안된 기법의 효용성을 입증하기 위해 시추공 분포형 음향 계측 합성 자료 및 현장 자료에 적용하였고, 그 결과 공통모드 잡음이 효과적으로 억제됨을 확인할 수 있었다.

최근 해상풍력 발전은 글로벌 재생에너지 전환 전략의 핵심으로 급부상하고 있으며, 이에 따라 구조물 설계를 위한 정밀 해양 지반 정보 조사의 중요성이 크게 증대되고 있다. 해상풍력단지의 안전하고 경제적인 구축을 위해서는 해저 지층의 구성, 연약 지반 분포, 기반암 심도, 지질 구조 등의 공간적 특성을 고해상도로 규명할 수 있는 해양 지구물리탐사가 필수적이다. 그러나 국내의 경우 해상풍력단지 개발을 위한 해양 지구물리탐사 기준이 부족한 실정이므로, 국제 기준 동향 파악 및 분석이 선제적으로 이루어져야 한다. 따라서, 본 연구는 해상풍력단지 개발을 위해 해양 지구물리탐사 기법의 국제 기준을 조사하고, 최신 탐사 장비 사양을 정리하였다. 이를 통해 향후 국내 해양 지구물리탐사의 기술 고도화 및 표준화에 기초 자료를 제공하는 것을 목적으로 한다.