리소스피어 단층 발생 구역을 개방 물리계로 바라본 최대 예상 규모 결정

본 연구에서는 지각의 단층 발생 구역을 개방 물리계로 간주하고, 앞서 제시한 에너지 균형 분석(Part‑I, Thanassoulas, 2008)을 토대로 정상적인 단층 발생 조건(입력 에너지와 방출 에너지가 동일)에서의 거동을 조사하였다. 이러한 조건 하에서는 누적 지진 에너지 방출이 시간에 대해 선형 함수를 이루게 된다. 선형 함수를 기반으로 향후 발생

리소스피어 단층 발생 구역을 개방 물리계로 바라본 최대 예상 규모 결정

초록

본 연구에서는 지각의 단층 발생 구역을 개방 물리계로 간주하고, 앞서 제시한 에너지 균형 분석(Part‑I, Thanassoulas, 2008)을 토대로 정상적인 단층 발생 조건(입력 에너지와 방출 에너지가 동일)에서의 거동을 조사하였다. 이러한 조건 하에서는 누적 지진 에너지 방출이 시간에 대해 선형 함수를 이루게 된다. 선형 함수를 기반으로 향후 발생 가능한 지진의 최대 예상 규모를 추정하는 방법을 제안하고, 그 방법을 그리스, 미국 지역의 실제 지진 사례와 기존 문헌 데이터를 이용해 사후 검증하였다. 검증 결과, 제안된 방법이 기존 지진학적 방법에 비해 높은 정확도를 보이며, 그 이유에 대한 분석도 함께 제시한다.

상세 요약

본 논문은 지구 내부의 단층 발생 구역을 ‘개방 물리계(open physical system)’라는 개념으로 재정의함으로써, 전통적인 지진학적 접근법과는 다른 시각을 제공한다. 개방 계는 외부와 에너지를 교환할 수 있는 시스템을 의미하며, 여기서는 지각 내부에 축적되는 응력 에너지와 그에 따른 방출 에너지(지진) 사이의 흐름을 정량적으로 기술한다. Part‑I에서 제시된 에너지 균형식은 입력 에너지(판 구조 운동, 열 팽창 등)와 방출 에너지(지진 파동) 사이의 차이가 누적 에너지 저장량을 결정한다는 전제를 둔다.

특히 ‘정상(seismic equilibrium)’ 상태, 즉 입력 에너지와 방출 에너지가 장기적으로 동일하게 유지되는 경우를 가정하면, 누적 방출 에너지 E(t)는 시간 t에 대해 선형적으로 증가한다는 결론에 도달한다. 이 선형 관계는 다음과 같이 표현될 수 있다.

E(t) = E₀ + α·t

여기서 E₀는 초기 누적 에너지, α는 단위 시간당 평균 에너지 방출률이다. 선형성을 전제로 하면, 과거 일정 기간 동안 관측된 지진들의 규모와 발생 시점을 이용해 α 값을 추정할 수 있다. 이후 α와 현재까지 누적된 에너지량을 바탕으로, 시스템이 더 이상 에너지를 저장하지 못하고 급격히 방출하게 되는 ‘임계점’을 계산한다. 이 임계점에서 발생할 지진의 규모 M_max는 에너지-규모 관계식(예: Gutenberg‑Richter의 로그‑에너지 공식)을 적용해 도출한다.

논문은 이 방법을 그리스와 미국의 실제 대형 지진 사례에 적용하였다. 각 사례마다 과거 5년10년 간의 지진 카탈로그를 이용해 α를 추정하고, 현재까지의 누적 에너지와 비교해 M_max를 계산하였다. 결과는 기존의 지진학적 예측(예: 복합단층 모델, 역학적 응력 누적 모델)과 비교했을 때 평균 오차가 0.10.2 규모 수준으로 매우 낮았다. 이는 선형 누적 에너지 가정이 실제 지각에서 장기적인 평균 응력 흐름을 잘 포착한다는 증거로 해석될 수 있다.

또한 논문은 높은 정확도의 원인을 두 가지로 설명한다. 첫째, 개방 계 모델은 외부 에너지 입력을 명시적으로 고려함으로써, 단순히 과거 지진 기록만을 이용하는 전통적 통계 모델보다 물리적 근거가 강화된다. 둘째, 선형 누적 가정은 장기 평균에서의 변동성을 평균화하여, 단기적인 비정상적 사건(예: 급격한 응력 변동)으로 인한 오차를 최소화한다.

이와 같은 접근법은 지진 위험 평가와 재난 대비 정책 수립에 실용적인 도구가 될 수 있다. 특히 에너지 흐름을 정량화함으로써, 특정 지역의 ‘에너지 포화도’를 실시간으로 모니터링하고, 임계점에 근접했을 때 조기 경보를 발령하는 시스템 구축이 가능해진다. 향후 연구에서는 비선형 누적 단계(예: 급격한 응력 재분배)와 다중 규모의 개방 계를 결합한 복합 모델을 개발함으로써, 더욱 정교한 규모 예측과 시간 예측을 동시에 달성할 수 있을 것으로 기대된다.


📜 논문 원문 (영문)

🚀 1TB 저장소에서 고화질 레이아웃을 불러오는 중입니다...