지진 표면 파열 및 지질재해 형상 정량화 연구

Quantitative Mapping of Earthquake Surface Ruptures for Geological Hazard Analysis

연구 내용

고해상도 위성영상에서 지진 표면 파열을 자동 검출하고 형상 특성을 정량 추출하는 모델을 개발하는 연구

본 연구는 지진으로 인해 발생하는 표면 파열을 원격탐사 기반으로 신속하게 탐지하고, 파열의 방향·길이 등 형상 정보를 정량화하는 데 초점을 둡니다. 고해상도 위성영상에서 crack(균열) 검출을 위해 딥러닝 기반 파열 탐지 모델을 적용하고, 전문가 기준 line map과의 비교를 통해 신뢰성을 확인합니다. 또한 검출된 파열 형상에 대해 skeletonization 기반의 형태학적 분석을 수행하여 복잡 구조를 개별 균열 객체로 분해하고, crack location, length, width, direction과 같은 기하학적 특징을 자동 추출합니다. 결과적으로 현장 조사의 시간적 제약을 보완하는 재해 후속 관측용 입력 데이터를 제공하는 차별성이 있습니다.

관련 프로젝트

0건

연구 흐름

초기 연구는 고해상도 위성영상에서 지진 표면 파열을 딥러닝으로 자동 검출하고, 기존 연구의 line map을 활용해 탐지 신뢰성을 검증하는 방향으로 진행되었습니다. 2023년에는 Pléiades-1B 기반 crack detection 모델을 통해 파열의 orientation과 length를 포함한 핵심 특성 추출 가능성을 보여주었습니다. 2024년에는 지진 파열의 형태학적 복잡성을 반영하기 위해 skeletonization을 포함한 분석 체계를 확장하고, 전문가 확인 기반으로 모델 전체의 재현성을 평가하는 연구를 수행했습니다. 한편 2024년에는 한국 위성 프로그램을 지질재해 탐지·분석에 활용하는 전망을 정리하여, 관측 자원과 재난 대응 흐름을 연결하는 확장 연구도 병행했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

지진 후 파열 지도 자동화
파열 기하학 기반 단층 구조 해석
현장 조사 우선순위 결정 지원
대규모 재해 지역의 정량 데이터 축적
재해 후속 모니터링용 자동 입력 생성
파열 방향성·패턴 분석
복잡 균열 객체 분해 및 추적
지질재해 대응 체계의 위성 기반 고속화
훈련 데이터 검증을 위한 기준 라벨링 체계
재난 관련 기초 통계 산출