Research Paper

Journal of Korean Tunnelling and Underground Space Association. 30 September 2025. 349-365
https://doi.org/10.9711/KTAJ.2025.27.5.349

ABSTRACT


MAIN

  • 1. 서 론

  • 2. Illinois Basin-Decatur Project

  •   2.1 지질구조

  •   2.2 계측정

  •   2.3 미소지진 오픈소스 데이터

  • 3. K-means 클러스터링

  • 4. 결과 및 논의

  •   4.1 군집별 시공간분포

  •   4.2 군집별 규모특성

  •   4.3 논의

  • 5. 결 론

1. 서 론

지속적인 산업화와 화석연료 사용의 증가로 인해 대기 중 이산화탄소 농도가 빠르게 상승하고 있으며, 이는 기후 변화의 주요 원인으로 작용하고 있다(Choi, 2011). 이에 따라 국제 사회는 이산화탄소 배출 저감을 위한 다양한 기술적 대안을 모색하고 있으며, 그중 하나로 CCUS (carbon capture, utilization, and storage) 기술을 주목하고 있다. CCUS는 산업공정이나 발전소에서 배출되는 이산화탄소를 포집(capture)하여 이를 유용한 자원으로 전환하여 활용하거나(utilization), 적합한 지질 구조 내에 영구적으로 저장(storage)함으로써 대기 중 탄소배출을 줄이는 기술이다. 특히, 이산화탄소의 지중저장은 기존의 산업 인프라와 비교적 쉽게 통합될 수 있고, 저장 가능한 지층이 전 세계적으로 광범위하게 분포한다는 점에서 높은 잠재력을 지닌 실현 가능한 기술로 평가받고 있다(Kim et al., 2014; Dziejarski et al., 2023; Gang and Jung, 2023; Bashir et al., 2024).

이산화탄소 지중저장은 일반적으로 1 km 이하의 깊이에 위치한 다공성 암석층(저류층, reservoir)에 초임계상태(super critical state)의 이산화탄소를 주입하고, 그 위에 불투수성의 덮개암(caprock)을 활용하여 부력으로 인한 이산화탄소의 상승과 누출을 방지하는 구조로 이루어진다(Fig. 1). 그러나 지하 저장소에 대량의 이산화탄소를 주입할 경우 저장층의 온도변화 및 압력상승에 따른 지반내 응력조건 변화가 발생할 수 있으며(Vilarrasa et al., 2016), 이산화탄소 주입으로 인한 간극유체의 압력 변화와 이에 따른 응력 재분포는 주입 지점 주변뿐 아니라 넓은 범위에 걸쳐 미소지진(microseismic)을 유발할 수 있다(Stork et al., 2015; Makhnenko et al., 2020; Shin and Yoon, 2022). 따라서, 미소지진 현상의 모니터링은 저장 안전성 평가에 있어서 핵심적인 역할을 한다고 할 수 있다. 실제로 미소지진 모니터링은 지하에 주입된 이산화탄소 플룸(plume)의 거동과 지층 반응을 추적하여 저장소의 무결성과 주입 프로그램의 안전을 관리하는 데 필수적인 도구로 인식되고 있으며, 이러한 사건(event)들의 정확한 분석을 통해 지하에서 일어나는 물리적 변화를 해석하고자 하는 연구가 활발하다(Goertz-Allmann et al., 2014; Kaven et al., 2015; Verdon, 2016; Meng et al., 2023).

https://cdn.apub.kr/journalsite/sites/kta/2025-027-05/N0550270502/images/kta_2025_275_349_F1.jpg
Fig. 1.

Schematic illustration of CO2 geological storage

미국 일리노이주(Illinois State)의 Decatur에서 수행된 CCS 프로젝트는 미 에너지부(U.S. Department of Energy, DOE) 주도로 수행된 대규모 실증 실험으로 북미 내 최초의 상업규모 CCS (carbon capture and storage) 실증사례이다(Finley, 2014). 이 대형 프로젝트는 Midwest Geological Sequestration Consortium (MGSC)이 주도하고 Archer Daniels Midland (ADM), Schlumberger 등이 공동참여하여, ADM 산업단지 부지에서 포집된 이산화탄소를 지중에 저장하는 실험을 수행하였다. Fig. 2에 나타난, 최초 프로젝트인 Illinois Basin-Decatur Project (IBDP)가 2011년 11월부터 2014년 11월까지 이산화탄소 주입을 지속적으로 수행하였고, 후속 프로젝트로 Illinois Industrial Sources Carbon Capture and Storage (IL-ICCS) project가 2017년 4월부터 이산화탄소 주입을 수행하였다(Bauer et al., 2019; Rathmaier et al., 2024). 이 프로젝트들은 CCS의 기술적 실현 가능성과 장기적 안정성을 현장 조건에서 검증하고자 하였으며, 이를 위해 주입공과 다수의 계측공을 통해 지하 구조, 공극 특성, 지진성 활동 등을 정밀하게 모니터링하였다(Blakley et al., 2020). 특히, 주입 기간 동안 수천 건의 미소지진이 발생하여 보고되었으며, 이러한 유도지진이 기존에 확인되지 않았던 미세한 단층이나 균열의 활성화를 반영하는 것으로 해석되었다(Williams-Stroud et al., 2020). 특히 주입 종료 후에도 미소지진 발생 빈도가 즉각 감소하지 않고 꾸준히 지속되는 양상이 관측되어, 주입 후 잔류 압력에 의한 지반 응력 조정이 일정 기간 이어짐이 확인되었다(Iyegbekedo et al., 2024). 이처럼 이산화탄소의 지중 주입과 이에 따른 미소지진 발생의 상관관계를 면밀히 분석하는 것은 저장소의 거동 파악과 안전 관리에 필수적이며, 이를 통해 지층 내 압력 전파 경로, 잠재적 누출 통로 및 단층 활성화 가능성을 식별할 수 있다(Cheng et al., 2023).

https://cdn.apub.kr/journalsite/sites/kta/2025-027-05/N0550270502/images/kta_2025_275_349_F2.jpg
Fig. 2.

Illinois Decatur CCS Project site (CO2DataShare, 2025)

최근에는 대규모 지질 및 지진계측 데이터를 효과적으로 분석하고, 데이터 내 숨겨진 패턴을 탐색하기 위해 기계학습 기법이 활발히 적용되고 있다(Jia and Ma, 2017; Lizama Molina and Yoon, 2020; Spurio Mancini et al., 2021; Yang et al., 2024). 특히 클러스터링(clustering) 기법은 라벨링(labeling) 되지 않은 비정형 데이터를 기반으로 데이터 간의 유사성을 바탕으로 자연스러운 군집을 도출할 수 있는 비지도 학습 방법으로, 지질 정보나 미소지진 데이터 분석에 적합한 도구로 주목받고 있다(Willis et al., 2025). 클러스터링을 통해 얻어진 군집 정보는 각 클러스터가 가지는 물리적, 지질학적 특성을 분석하고, 특정 클러스터가 특정 지층이나 단층대와 어떤 상관관계를 가지는지 파악할 수 있게 한다.

본 연구는 IBDP에서 공개한 미소지진 오픈소스 데이터를 활용하여, 기계학습 기반의 클러스터링 분석을 통해 미소지진 사건(event)의 시공간적 군집 특성을 규명하고, 이를 지질학적 정보와 연계하여 저장 지층의 반응 메커니즘을 이해하는 것을 목적으로 한다. 특히, 본 연구에서는 K-means 클러스터링 모델을 적용하여 미소지진 사건들이 시공간적으로 어떻게 응집되어 있는지를 탐색하고, 이러한 클러스터들이 지질특성과 어떤 관계를 가지는지 분석하였다.

2. Illinois Basin-Decatur Project

2.1 지질구조

앞서 언급한 IBDP는 미국 일리노이주 Decatur 지역의 ADM 산업단지 부지에서 포집된 이산화탄소를 2011년 11월 17일부터 2014년 11월 26일까지 약 3년간 총 100만 톤의 이산화탄소를 저류층인 Mt. Simon 사암층에 저장하였다. 이산화탄소가 주입된 저류층 근처의 지질구조(Fig. 3)는 다음의 특징들을 가지고 있다(Couëslan et al., 2014; Finley, 2014; Freiburg et al., 2014; Bauer et al., 2016; 2019).

덮개암 역할을 하는 Eau Claire 층은 Mt. Simon 사암층의 상부에 위치하여 이산화탄소의 누출을 방지하며, 주로 셰일, 실트스톤 및 석회암으로 구성된 약 150 m 두께의 불투수성 지층이다. 이 봉쇄층은 이산화탄소의 상방향 이동을 차단하는 역할을 하며, 저장 안정성의 핵심 요소로 작용하였다. 또한 현장 주변의 광역 구조는 대체로 완만한 동사면 구조를 가지며, 명확한 활성 단층의 존재는 보고되지 않아 구조적 안정성이 확보된 상태이다. Mt. Simon 사암층의 하부에는 Argenta formation (Pre-Mt. Simon이라고도 함)이 존재하여 저류층과 기반암(Precambrian basement) 사이의 지질 경계를 형성하며, 저투수성의 세립질 퇴적물로 구성되어 이산화탄소의 하방 누출 가능성을 억제하는 추가적인 차단층 역할을 수행한다.

주입 대상층인 Mt. Simon 사암층은 두터운 퇴적층으로서 최대 두께가 790 m이며, 프로젝트 현장(CCS1 기준)에서는 깊이 1,690–2,150 m에 위치하여 약 460 m의 두께를 보인다. Mt. Simon 사암층은 퇴적학적 특성과 저류 특성의 차이에 따라 일반적으로 하부(lower), 중부(middle), 상부(upper) 세 구간으로 구분된다. 깊이 2,039–2,150 m에 위치한 하부 Mt. Simon은 조립질의 사암으로 최대 30%의 공극률과 최대 500 mD1)의 투과도(permeability)을 갖는 최적의 저장 특성을 나타낸다(평균적으로 공극률은 약 20%, 투과도는 약 200 mD를 보임). 다만, 깊이 2,092–2,094 m 부근에는 투과도 1 mD 미만의 저투수성 단층이 일부 존재하였다. 깊이 1,803–2,039 m에 위치한 중부 Mt. Simon은 보다 세립질의 사암과 셰일이 함께 존재하는 구조로, 최대 공극률이 16%, 투과도는 6 mD 이하인 상대적으로 저투수성 지질구조이다. 이 구간은 이산화탄소의 저장보다는 하부 Mt. Simon에 저장된 이산화탄소의 상방향 이동을 방해하는 구조로의 역할이 예상되었다. 깊이 1,690–1,803 m에 위치한 상부 Mt. Simon은 해양성 퇴적물로 구성되어 중부 Mt. Simon보다는 저장능이 약간 우수한 수준이나, 여전히 저류층으로는 부적절하다는 평가를 받았다.

https://cdn.apub.kr/journalsite/sites/kta/2025-027-05/N0550270502/images/kta_2025_275_349_F3.jpg
Fig. 3.

Underground configuration for the IBDP site (CO2DataShare, 2025)

2.2 계측정

Fig. 3에서 볼 수 있듯이, IBDP 현장에는 주입에 따른 지반 반응과 미소지진 활동을 정밀하게 계측하기 위해 3개의 관측정이 설치되었다(Streibel et al., 2014; Bauer et al., 2016; 2019; Will et al., 2016). CCS1은 2009년 굴착된 주입정으로, 깊이 2,206 m까지 시공되어 기반암에 도달하였다. CCS1은 하부 Mt. Simon층의 최하단부(깊이 2,141–2,149 m)에 초임계 이산화탄소를 주입하는 주요 기능 외에도, 지하 압력 및 온도 게이지, 세 곳의 다성분 지오폰(geophone)이 설치되어, 지구물리 탐사에도 활용되었다. VW1 (Verification Well 1)은 CCS1에서 북쪽으로 약 300 m 떨어진 지점에 위치하며, 2010년에 2,217 m 깊이의 기반암까지 시공되었다. VW1는 총 11개의 구간에서 수압과 온도를 정밀 모니터링하며, 지하수 샘플링 포트도 포함되어 있어 주입에 따른 압력 전파와 화학적 변화를 관측하는 핵심 관측점 역할을 하였다. GM1 (Geophysical Monitoring Well 1)은 CCS1에서 약 60 m 서쪽에 위치하며, 깊이 1,067 m 지점에 걸쳐 31개의 다성분 지오폰이 설치되어 있다. GM1은 수직지진탐사 뿐만 아니라 미소지진 관측에도 사용되며, 얕은 심부의 이산화탄소 주입에 따른 거동을 실시간으로 감지하였다.

2.3 미소지진 오픈소스 데이터

본 연구는 위 계측시스템을 통해 2011년 12월부터 2018년 7월까지 측정된 5,397개의 미소지진 데이터 중, 유효한 사건 데이터 4,293건의 발생 시간 및 위치를 Dando et al. (2021)이 재산정하고 온라인에 공개된 데이터를 사용하였다2). 본 연구에서는 IBDP에서 주입한 이산화탄소의 영향만을 고려하기 위하여 2017년 4월 이전까지 발생한 사건을 다루어, 총 4,171건의 데이터를 사용하였다. 데이터는 각 지진 사건의 발생 시각, 위치, 규모 등을 포함하며, 주요 변수에 대한 설명은 다음과 같다.

• 경과시간(elapsed time) : 주입시점으로부터 각 미소지진이 발생한 시간으로, 본 연구에서는 주입 시작 기준(2011년 11월 17일)으로부터 경과된 시간(day)을 계산하여 사용하였다.

• 공간 좌표 : 사건의 발생 위치를 나타내는 좌표로, IBDP 부지 내 지역 좌표계의 동쪽방향(easting) 및 북쪽방향(northing) 좌표와 깊이(depth)로 구성되었다. Dando et al. (2021)이 사용한 지역 좌표계에서는 주입정 CCS1의 좌표가 (easting, northing) ≈ (250 m, 160 m)로 사용되었다.

• 규모(magnitude) : 로그(log) 스케일로 나타낸 각 사건의 모멘트 규모로, 미소지진의 크기를 나타낸다.

Table 1에 나타난 사건 데이터 4,171건에 대한 통계를 요약하면, 이산화탄소 주입이 시작된 2011년 11월 17일 이후 최대 1,947일까지 미소지진이 기록된 것으로 나타났다. 경과시간의 평균은 543.94일, 중앙값은 468일로 평균이 중위값보다 크고, 사분위 범위가 221.00–816.50일로 넓게 분포하였다. 이는 Fig. 4(a)에서 보이는 것처럼, 주입이 시작된 이후 1년 이내에 미소지진이 집중적으로 발생하였고, 이후에는 발생 빈도가 감소하였으며, 이산화탄소주입 종료 후에는 빈도가 크게 감소하였으나 여전히 발생이 이어졌다는 점을 의미한다.

Table 1.

Statistical summary of the IBDP microseismic data

Elapsed time (d) Northing (m) Easting (m) Depth (m) Magnitude (Mw)
Count 4,171 4,171 4,171 4,171 4,171
Mean 543.94 813.60 43.11 2,013.77 -0.74
Min 28.00 -979.36 -2,287.83 1,811.57 -2.07
25% 221.00 521.87 -70.05 1,967.43 -1.09
50% 468.00 754.29 96.23 2,007.87 -0.80
75% 816.50 1,132.05 344.96 2,050.92 -0.47
Max 1,947.00 2,198.08 1,153.28 2,335.66 1.17

https://cdn.apub.kr/journalsite/sites/kta/2025-027-05/N0550270502/images/kta_2025_275_349_F4.jpg
Fig. 4.

Frequency and magnitude distribution of microseismic events

공간좌표 분석에서는 사건이 기준점에 대하여 평균 813.6 m 북쪽과 43.11 m 동쪽에서 발생했다. northing 값은 -979.36 m에서 2,198.08 m까지, easting 값은 -2,287.83 m에서 1,153.28 m까지 분포하지만, 중위수는 각각 754.29 m와 96.23 m이며 사분위 범위는 northing 521.871–132.05 m, easting -70.05–344.96 m이다. 이는 사건이 동쪽보다 북쪽으로 더 넓게 퍼져 있으며, 절반 이상의 사건이 주입정 북쪽 0.5–1.1 km 범위에 집중되어 있음을 보여준다. 깊이 분포는 1,811.57–2,335.66 m이며 평균 2,013.77 m, 중앙값 2,007.87 m이다. 사건의 75%가 1,811.57–2,050.92 m 사이에서 발생하여 대부분 미소지진이 Mt. Simon 사암층의 중·하부에 집중되었고, 일부 미소지진은 Argenta formation에서도 발생하는 것으로 나타났다.

규모는 평균 -0.74 Mw, 중앙값 -0.80 Mw로 음수 값을 가지는 규모가 우세하며, 사분위 범위가 -1.09–0.47 Mw로 대부분 작은 규모에 해당한다. 그러나 Fig. 4(b)에서 확인할 수 있듯이, 이산화탄소 주입기간과 종료 이후 짧은 시간까지는 1 Mw이 넘는 규모의 사건이 종종 발생하였고, 이후 사건 발생빈도와 함께 규모 또한 감소하였다.

3. K-means 클러스터링

K-means 클러스터링은 라벨(label)이 없는 다차원 데이터를 각 데이터의 거리 기반 유사성에 따라 자동으로 군집화하는 대표적인 비지도 학습 알고리즘이다(Sinaga and Yang, 2020; Seo et al., 2024). 이 알고리즘은 사용자가 사전에 지정한 군집 수 K에 따라, 주어진 데이터를 K개의 그룹으로 나누되 각 군집 내 데이터들이 서로 유사하도록 구성된다. 초기에는 임의로 설정된 K개의 중심점을 기준으로 각 데이터 포인트를 가장 가까운 중심점에 할당하고, 그 군집에 속한 데이터들의 평균값으로 중심점을 갱신하는 과정을 반복하여 수렴시킨다. 알고리즘은 각 반복 단계에서 군집 내 제곱합, 즉 각 데이터 포인트와 그 소속 군집 중심 사이의 거리 제곱을 최소화하는 방향으로 동작한다. 이러한 최적화 대상은 일반적으로 관성(inertia) 혹은 WCSS (within-cluster sum of squares)로 정의되며, 관성 값이 작을수록 군집 내 데이터들이 중심에 더 가깝게 밀집되어 있다는 것을 의미한다.

한편, K-means 클러스터링의 핵심적인 한계로는 연구자가 군집 수 K를 직접 지정해야 한다는 점이다. 최적의 K를 결정하기 위해서는 일반적으로 엘보우 방법(elbow method)이 활용된다(Cui, 2020). 엘보우 방법은 군집 수 K에 따라 관성 값을 계산하여 이를 그래프 형태로 시각화한 후, 관성의 감소율이 급격히 완만해지는 지점을 기준으로 적절한 K를 결정하는 휴리스틱(heuristics) 접근법이다.

본 연구에서는 IBDP 미소지진 데이터의 시공간 정보(경과시간, 북쪽 좌표, 동쪽 좌표, 깊이)와 지진규모를 특징으로 사용하였고, 각 변수 간의 유사도 계산에는 유클리드 거리(Euclidean distance)를 적용하였다. 또한, 변수 간의 단위 차이로 인한 왜곡을 방지하기 위해 표준화(scaling)를 전처리단계에서 수행하였다. Table 1에서 확인할 수 있듯이, 시공간 정보의 범위는 수백에서 수천 단위로 다양하고, 지진규모는 대부분 1 이하의 작은 수치 범위를 갖는다. 만약 정규화를 하지 않을 경우 공간 좌표나 시간 변수가 군집화 거리 계산 시 규모 변수보다 훨씬 큰 가중치를 갖게 되어 결과를 왜곡시킬 수 있다(Wongoutong, 2024). 따라서 모든 변수에 대하여 평균을 0, 표준편차를 1로 갖는 Z-score 정규화를 적용하였다. 다음으로, 군집 수 K를 결정하기 위해 K를 1부터 50까지 변화시키며 관성 값을 계산하였고, 그 결과 K = 5 근처에서 관성 감소율이 급격히 완화되는 전형적인 엘보우 형태가 나타났다(Fig. 5). 이에 따라 본 연구에서는 군집 수를 5로 설정하고, 이후 K-means 클러스터링을 수행하였다.

https://cdn.apub.kr/journalsite/sites/kta/2025-027-05/N0550270502/images/kta_2025_275_349_F5.jpg
Fig. 5.

Result of the elbow method to determine the number of clusters

4. 결과 및 논의

총 4,171건의 미소지진 사건은 총 5개의 군집으로 분류되었으며, Fig. 6과 같이 경과시간을 기준으로 순서대로 군집 0부터 군집 4까지 명명하였다. 본 장에서는 클러스터링 결과를 바탕으로 5개의 군집에 대해 시·공간적, 규모적 분포특성을 분석하였다.

https://cdn.apub.kr/journalsite/sites/kta/2025-027-05/N0550270502/images/kta_2025_275_349_F6.jpg
Fig. 6.

Boxplot of elapsed time for each cluster

4.1 군집별 시공간분포

Fig. 7은 군집의 공간적 분포를 나타내었다. Fig. 7(a)에는 CCS1의 평면 좌표가 나타나 있고, Fig. 7(b)Fig. 7(c)에는 CCS1에서 평가한 현장의 지질구조 및 CCS1의 위치와 이산화탄소 주입영역을 표기하였다. Fig. 7(d)는 주입정 CCS1으로부터의 수평거리와 깊이에 따른 사건의 분포를 나타내었다.

https://cdn.apub.kr/journalsite/sites/kta/2025-027-05/N0550270502/images/kta_2025_275_349_F7.jpg
Fig. 7.

Spatial distribution of clusters

군집 0는 총 1,223개의 사건으로 전체의 29.32%를 차지하며, 평균 경과시간은 주입 시작 후 197일로 가장 이른 시기에 집중되었다. 이 군집의 동·북쪽 좌표는 각각 평균값이 84.35 m, 672.09 m로 주입정에 가까우며, CCS1으로부터 수평 거리의 평균값이 330 m로 나타나 주입정 주변 수백 미터 이내에 대부분의 사건이 분포하였다. 깊이는 중간값 1,982.90 m를 보이며, 사분위 범위가 1,960.68–2,012.87 m로 중부 Mt. Simon에 위치하였다. 이는 하부 Mt. Simon의 최하단 부에 주입된 이산화탄소가 상방향으로 이동하여, 중부 Mt. Simon까지 도달한 것으로 해석된다. 한편, 군집 0의 평면 분포는 NE-SW 방향의 뚜렷한 배열 특성을 보이는데, 이는 일리노이 분지 지역의 최대 수평응력 방향과 거의 일치한다(Langet et al., 2020; Babarinde et al., 2021). 이러한 정향성은 이산화탄소 주입으로 인한 응력변화가 지질학적 취약대(weak zone)를 재활성화하여 해당 방향으로 미소지진이 발생했음을 시사한다.

군집 1은 894건(21.43%)으로 두 번째로 큰 군집이며 평균 경과시간은 304일이다. 군집 1의 평면분포에 대해서, 동쪽 좌표는 평균이 107.25 m이고 북쪽 좌표는 평균이 958.06 m로 군집 0과 유사한 분포를 보였다. 반면, 깊이는 1,900–2,100 m로 Mt. Simon 중·하부를 가로지르며, 일부 사건은 2,150.92 m에서 발생하며 이산화탄소 주입구간까지 깊어졌다. 이는 지속적인 이산화탄소 주입으로 압력 프런트가 더 상부로 확산됨과 동시에 하부 층에 축적된 이산화탄소가 중부 Mt. Simon 내 저류층 경계에 점차 누적된 결과로 해석된다. 즉, 투수성이 큰 하부층과 낮은 중부층의 물성 대비가 두드러진 경계부에서 압력이 상승하면서 그 주변의 미세한 단층들과 균열들이 재활성화되어 미소지진으로 발생한 것이다. 또한 깊이 2,100 m 부근에서 관측되는 사건들은 주입층 바로 아래에 위치해 있어 주입 압력의 하향 전파와 Argenta Formation 상단의 응력 집중을 반영한다.

군집 2는 709건으로 전체의 17.00%를 차지하며, 평균 경과시간은 764일로 주입 종료 이후까지 이어진다. 평면도에서 이 군집은 CCS1을 중심으로 완만한 원형 또는 고리 모양을 형성한다. 동쪽 좌표 -814.07 m에서 1,153.23 m, 북쪽 좌표 -979.36 m에서 1,413.63 m에 사건이 골고루 분포하여 명확한 방향성이 발견되지 않았다. 깊이는 1,811.57–2,074.80 m로 5개 군집 중 가장 상부에 위치하며 중부 Mt. Simon에 거의 모든 사건이 밀집되어 있다. 이러한 분포는 압력 프런트가 덮개암 하부의 불투수성 구간에 도달하면서 상·하부층 간의 체적 변화에 의해 다양한 방향으로 응력이 방출되었음을 시사한다. 군집 0보다 수평 거리가 넓어 주입정에서 멀리 떨어진 구간에서도 미소지진이 발생했음을 보여준다.

군집 3은 752건(18.03%)으로, 평균 발생 시점이 870일로 비교적 늦은 시기에 집중된다. 동쪽 좌표의 중앙값이 555.74 m로, 주입정 동쪽으로 뚜렷하게 이동한 것이 특징이다. 북쪽 좌표의 중앙값은 893.20 m이며, 수평 거리의 평균은 561.21 m이다. 깊이는 평균 2,051.08 m로 군집 1보다 약간 깊으며, 사분위 범위는 2,020.07–2,079.08 m로 Mt. Simon의 중부와 하부에 분포하였다. 일부 사건은 2,300 m를 넘어 기반암까지 내려간 것으로 관측되었다. 한편, 군집 0에서 언급하였듯이, 일리노이 분지에서의 최대 수평응력은 NE-SW 방향이나, 군집 3은 주로 E-W 방향으로 치우쳐 발생함으로써 지역적 응력장 변형이나 지층 이방성에 따른 압력 경로의 변화를 시사한다.

군집 4는 593건(14.22%)으로 가장 적은 사건을 포함하지만, 공간적으로 가장 멀리 떨어져 있다. CCS1의 북서쪽에서 1.3–2.5 km 떨어진 영역에 세 갈래로 분리된 클러스터를 형성하며, 동쪽 좌표 평균 -805.10 m, 북쪽 좌표 평균 1,606.53 m에 분포한다. 수평거리-깊이 단면에서는 사건들이 1,300–2,800 m 범위에 뚜렷한 세 그룹으로 나타나고, 깊이는 사분위 범위가 2,045.56–2,134.16 m로 하부 Mt. Simon에 주로 분포한다. 일부 사건들은 2,200 m를 넘어 기반암까지 위치하는 것으로 확인되었다. 일부 사건이 기반암 심도에서 발생한 점으로 미루어, 압력이 오랜 시간에 걸쳐 저류층-기반암 경계면의 응력에도 영향을 주어 깊은 지진원이 생성되었을 가능성이 있다. Langet et al. (2020)의 분석에 따르면 주입기간 동안 이산화탄소가 최대 2 km까지 관측되었는데, 군집 4의 공간적 분포는 이러한 보고와 잘 부합한다.

4.2 군집별 규모특성

Fig. 8은 각 군집의 평면상 위치에 따른 규모의 크기를 나타내었고, 빨간색 × 표시는 CCS1의 위치이다. 군집 0, 2, 3은 모두 평균 규모가 -1 Mw 내외로 작은 사건이 대부분이다. 군집 0에서는 평균 -0.92 Mw, 표준편차 0.26 Mw 범위를 보이며 최대 규모는 -0.20 Mw에 불과하다. 군집 2는 평균 규모 -0.97 Mw, 표준편차 0.38 Mw로 약간 더 넓은 분포를 가지지만, 최대 규모 0.19 Mw를 제외하면 대부분 -1 Mw 전후의 작은 사건으로 구성된다. 군집 3은 전체 군집 중 가장 작은 평균 규모(-1.05 Mw)를 보이며, 최대 규모도 -0.27 Mw로 제한적이다. 이들 세 군집은 50% 이상의 사건이 -1 Mw 이하에 집중되어 있으며, 사분위 범위가 0.4–0.5 Mw 정도로 비교적 좁은 분포를 나타낸다. 이러한 규모 분포는 관측된 미소지진이 대규모 단층 파열에 기인한 것이 아니라, 이산화탄소 주입에 따른 간극수압 변화와 응력 변동에 의해 저장소 주변의 미세한 균열이나 절리가 국소적으로 재활성화된 결과임을 의미한다.

https://cdn.apub.kr/journalsite/sites/kta/2025-027-05/N0550270502/images/kta_2025_275_349_F8.jpg
Fig. 8.

Easting-Northing map of clusters with magnitude

반대로, 군집 1과 4는 상대적으로 큰 규모 사건을 포함하며 규모 분포의 폭도 넓다. 군집 1은 평균 규모가 -0.15 Mw로 가장 크고 표준편차도 0.38 Mw에 달한다. 이 군집에는 1.17 Mw에 이르는 가장 큰 사건이 포함되어 있으며, 분위수 간 폭도 0.50 Mw로 넓다. 군집 4 역시 평균 규모 -0.60 Mw로 다른 군집보다 크고, 표준편차 0.44 Mw, 최대 규모 1.03 Mw로 높은 변동성을 보인다. 두 군집 모두 +0 Mw 이상의 사건이 다수 포함되어 있어 이산화탄소 주입으로 인한 압력 상승에 따라 임계 상태에 있던 단층이 재활성화되었을 가능성을 제시한다. 특히 주입 종료 이후에도 0.5 Mw 이상의 사건이 산발적으로 발생했다는 관측은 잔류 압력이나 불균질한 지질 구조가 규모 특성에 영향을 미친다는 점을 의미한다.

4.3 논의

본 연구의 군집 분석은 주입정 주변과 원거리에서 나타나는 미소지진의 시·공간적 패턴과 규모 특성을 통합적으로 해석하였다. 군집 0과 2, 3은 평균 -1 Mw 내외의 작은 규모로 발생하며 주입정 반경 약 600–800 m 이내에 집중된다. 이들 군집은 주입 초기부터 종료 이후까지 지속되지만, 규모 분포의 표준편차가 0.26–0.38 Mw로 좁아 작은 균열의 반복적인 재활성화에 따른 배경성 미소지진이 우세함을 보여 준다. 반면 군집 1은 1.17 Mw의 최대 규모와 -0.15 Mw의 평균 규모를 기록하여 가장 큰 변동성을 보이며, 군집 4는 주입정에서 평균 1,922 m 떨어진 NW 방향에서 규모 1.03 Mw까지 발생하였다. 이는 장기간의 이산화탄소 주입에 따른 장거리 압력 전파에 의해, 멀리 떨어진 취약 단층이 재활성화될 수 있음을 입증한다. 이러한 시·공간적 분포와 규모 차이는 주입층과 주변 지층의 투수성 대비, 숨은 단층·배플(baffle) 구조와 같은 지질학적 요소가 압력 확산 경로를 지배한다는 기존 연구 결과와 부합한다(Molina and Zeidouni, 2018; Ortiz et al., 2019; Cappa et al., 2022; Bondarenko et al., 2025).

계측된 사건에 대한 클러스터링 분석은 저장소 운영 성능을 평가하고 향후 전략을 수정하는 데 유의미한 정보를 제공한다. 규모가 작은 사건이 우세한 군집은 주입 압력 변동을 암반이 자연스럽게 흡수하고 있음을 보여 주어 향후 비슷한 조건의 주입에서는 안전성이 높다고 평가할 수 있지만, 최대 규모가 1 Mw를 넘는 군집에서는 주입 중에 압력이 단층이나 배플 주변에 집중되었다는 사실을 사후적으로 확인하게 되므로 향후 주입 계획에서 속도와 압력 상승을 제한하는 방안을 검토해야 한다. 또한 이 연구에서 수행한 시·공간 및 규모 기반 군집 분석은 주입 종료 후 데이터를 종합적으로 분류하여 겉으로 드러나지 않았던 단층이나 투수성 채널을 식별하고, 이산화탄소 플룸 이동 과정에서 응력이 집중되었던 영역을 추적하는 데 도움을 준다. 이러한 정보는 주입이 완료된 후 지반공학적 모델을 보정하고 향후 프로젝트 설계에 반영하는 데 유용하지만, 실시간 위험 관리에는 미소지진 모니터링과 다른 선행 경보 체계가 병행되어야 할 것이다.

5. 결 론

본 연구는 IBDP에서 관측된 4,171건의 미소지진 데이터를 대상으로 비지도학습 기반 K-means 클러스터링을 수행하여, 시·공간 및 규모 특성에 따른 5개의 주요 군집을 도출하고 이를 지질학적 정보와 연계하여 분석하였다. 군집별 분석 결과, 주입정 인근에서는 -1 Mw 내외의 소규모 미소지진이 반복적으로 발생하며, 이는 주입으로 인한 간극수압 변화가 중·하부 Mt. Simon 사암층 내의 미세한 균열 또는 절리를 재활성화한 것으로 해석된다. 반면, 최대 규모 1.17 Mw의 사건이 포함된 군집은 주입정에서 멀리 떨어진 지역에서도 관측되었으며, 이는 장기간 주입으로 누적된 압력이 멀리 떨어진 단층계에까지 영향을 미쳐 재활성화를 유도했을 가능성을 시사한다. 이러한 결과는 주입 위치, 압력 전파 경로, 지층 이방성과 같은 지질학적 요인이 미소지진의 시·공간적 분포에 복합적으로 영향을 미친다는 점을 뚜렷이 보여준다.

클러스터링을 통해 도출된 군집별 특성은 이산화탄소 저장소의 거동을 정성적으로 이해하고 향후 주입 전략을 수립하는 데 실질적인 정보를 제공한다. 또한, 본 연구에서 제시한 시·공간 및 규모 기반의 군집 분석은 주입 종료 후 발생하는 후속 미소지진의 해석과 잠재적 위험 영역의 식별에도 활용될 수 있을 것이며, 실시간 모니터링 자료와의 통합을 통해 더욱 효과적인 지반공학적 위험관리 시스템의 구축이 가능할 것으로 기대된다.

Acknowledgements

본 연구는 국토교통부/국토교통과학기술진흥원이 시행 및 총괄하는 국제공동연구(이산화탄소 지중저장을 위한 심부지층 특성평가 기술 및 이산화탄소 주입성능 10% 향상을 위한 최적 설계기술 개발, RS-2024-00410248)의 지원으로 수행하였으며, 이에 감사드립니다.

저자 기여도

박현태는 데이터 수집, 데이터 분석 및 원고작성를 하였고, 권기범은 데이터 수집을 하였고, 김기석은 원고 검토를 하였고, 최항석은 원고 검토를 하였고, 박상영은 연구 개념 설계, 데이터 분석 및 원고작성을 하였다.

Notes

[1] 1) 1 D(darcy) = 9.869 × 10-13 m2

[2] 2) https://co2datashare.org/dataset/illinois-basin-decatur-project-dataset. Illinois State Geological Survey (ISGS), Illinois Basin - Decatur Project (IBDP) CO2 Injection Monitoring Data, April 30, 2021. Midwest Geological Sequestration Consortium (MGSC) Phase III Data Sets. DOE Cooperative Agreement No. DE-FC26-05NT42588. https://doi.org/10.11582/2022.00017.

References

1

Babarinde, O., Okwen, R., Frailey, S., Yang, F., Whittaker, S., Sweet, D. (2021), “A workflow to assess the efficacy of brine extraction for managing injection-induced seismicity potential using data from a CO2 injection site near Decatur, Illinois”, International Journal of Greenhouse Gas Control, Vol. 109, 103393.

10.1016/j.ijggc.2021.103393
2

Bashir, A., Ali, M., Patil, S., Aljawad, M.S., Mahmoud, M., Al-Shehri, D., Hoteit, H., Kamal, M.S. (2024), “Comprehensive review of CO2 geological storage: Exploring principles, mechanisms, and prospects”, Earth-Science Reviews, Vol. 249, 104672.

10.1016/j.earscirev.2023.104672
3

Bauer, R.A., Carney, M., Finley, R.J. (2016), “Overview of microseismic response to CO2 injection into the Mt. Simon saline reservoir at the Illinois Basin-Decatur Project”, International Journal of Greenhouse Gas Control, Vol. 54, pp. 378-388.

10.1016/j.ijggc.2015.12.015
4

Bauer, R.A., Will, R., Greenberg, S.E., Whittaker, S.G. (2019), “Illinois basin-Decatur project”, Geophysics and Geosequestration, Cambridge University Press, New York, pp. 339-369.

10.1017/9781316480724.020
5

Blakley, C., Carman, C., Korose, C., Luman, D., Zimmerman, J., Frish, M., Dobler, J., Blume, N., Zaccheo, S. (2020), “Application of emerging monitoring techniques at the Illinois Basin-Decatur Project”, International Journal of Greenhouse Gas Control, Vol. 103, 103188.

10.1016/j.ijggc.2020.103188
6

Bondarenko, N., Podladchikov, Y., Williams-Stroud, S., Makhnenko, R. (2025), “Stratigraphy-induced localization of microseismicity during CO2 injection in Illinois Basin”, Journal of Geophysical Research: Solid Earth, Vol. 130, No. 3, e2024JB029526.

10.1029/2024JB029526
7

Cappa, F., Guglielmi, Y., Nussbaum, C., De Barros, L., Birkholzer, J. (2022), “Fluid migration in low-permeability faults driven by decoupling of fault slip and opening”, Nature Geoscience, Vol. 15, No. 9, pp. 747-751.

10.1038/s41561-022-00993-4
8

Cheng, Y., Liu, W., Xu, T., Zhang, Y., Zhang, X., Xing, Y., Feng, B., Xia, Y. (2023), “Seismicity induced by geological CO2 storage: A review”, Earth-Science Reviews, Vol. 239, 104369.

10.1016/j.earscirev.2023.104369
9

Choi, Y.S. (2011), “How sensitive in the earth climate to a runaway carbon dioxide?”, Journal of Korean Earth Science Society, Vol. 32, No. 2, pp. 239-247.

10.5467/JKESS.2011.32.2.239
10

CO2DataShare, Illinois Basin - Decatur Project (IBDP) Dataset, https://co2datashare.org/dataset/illinois-basin-decatur-project-dataset (July 1, 2025).

11

Couëslan, M.L., Butsch, R., Will, R., Locke II, R.A. (2014), “Integrated reservoir monitoring at the Illinois Basin-Decatur Project”, Energy Procedia, Vol. 63, pp. 2836-2847.

10.1016/j.egypro.2014.11.306
12

Cui, M. (2020), “Introduction to the K-means clustering algorithm based on the elbow method”, Accounting, Auditing and Finance, Vol. 1, No. 1, pp. 5-8.

10.23977/accaf.2020.010102
13

Dando, B.D.E., Goertz-Allmann, B.P., Kühn, D., Langet, N., Dichiarante, A.M., Oye, V. (2021), “Relocating microseismicity from downhole monitoring of the Decatur CCS site using a modified double-difference algorithm”, Geophysical Journal International, Vol. 227, No. 2, pp. 1094-1122.

10.1093/gji/ggab255
14

Dziejarski, B., Krzyżyńska, R., Andersson, K. (2023), “Current status of carbon capture, utilization, and storage technologies in the global economy: A survey of technical assessment”, Fuel, Vol. 342, 127776.

10.1016/j.fuel.2023.127776
15

Finley, R.J. (2014), “An overview of the Illinois Basin-Decatur project”, Greenhouse Gases: Science and Technology, Vol. 4, No. 5, pp. 571-579.

10.1002/ghg.1433
16

Freiburg, J.T., Morse, D.G., Leetaru, H.E., Hoss, R.P., Yan, Q. (2014), A depositional and diagenetic characterization of the Mt. Simon sandstone at the Illinois Basin-Decatur Project carbon capture and storage site, Decatur, Illinois, USA, Illinois State Geological Survey, Prairie Research Institute, University of Illinois.

17

Gang, S., Jung, J. (2023), “Enhancing carbon dioxide storage efficiency in aquifers through surfactant application”, Journal of the Korean Geotechnical Society, Vol. 39, No. 11, pp. 63-70.

10.7843/KGS.2023.39.11.63
18

Goertz-Allmann, B.P., Kühn, D., Oye, V., Bohloli, B., Aker, E. (2014), “Combining microseismic and geomechanical observations to interpret storage integrity at the In Salah CCS site”, Geophysical Journal International, Vol. 198, No. 1, pp. 447-461.

10.1093/gji/ggu010
19

Iyegbekedo, I., Fathi, E., Carr, T.R., Belyadi, F. (2024), “Machine learning-driven quantification of CO2 plume dynamics at Illinois Basin Decatur Project sites using microseismic data”, Energies, Vol. 17, No. 17, 4421.

10.3390/en17174421
20

Jia, Y., Ma, J. (2017), “What can machine learning do for seismic data processing? An interpolation application”, Geophysics, Vol. 82, No. 3, pp. V163-V177.

10.1190/geo2016-0300.1
21

Kaven, J.O., Hickman, S.H., McGarr, A.F., Ellsworth, W.L. (2015), “Surface monitoring of microseismicity at the Decatur, Illinois, CO2 sequestration demonstration site”, Seismological Research Letters, Vol. 86, No. 4, pp. 1096-1101.

10.1785/0220150062
22

Kim, Y.S., Kim, J.H., Kim, T.H., Lee, J.K. (2014), “Comparison between soil drainage experiment and finite element analysis for air diffusion in multiphase porous media”, Journal of the Korean Geotechnical Society, Vol. 30, No. 2, pp. 77-85.

10.7843/kgs.2014.30.2.77
23

Langet, N., Goertz-Allmann, B., Oye, V., Bauer, R.A., Williams-Stroud, S., Dichiarante, A.M., Greenberg, S.E. (2020), “Joint focal mechanism inversion using downhole and surface monitoring at the Decatur, Illinois, CO2 injection site”, Bulletin of the Seismological Society of America, Vol. 110, No. 5, pp. 2168-2187.

10.1785/0120200075
24

Lizama Molina, D.A., Yoon, H. (2020), Supervised machine learning application for event detection in induced microseismic data (No. SAND2020-13142C), Sandia National Laboratories (SNL-NM).

10.2172/1833166
25

Makhnenko, R.Y., Bondarenko, N.B., Kim, K., Whittaker, S. (2020), “Laboratory modeling of induced microseismicity in the Illinois Basin”, Proceedings of the 54th US Rock Mechanics/Geomechanics Symposium, Houston, pp. 2020-2040.

26

Meng, L., Zheng, J., Yang, R., Peng, S., Sun, Y., Xie, J., Li, D. (2023), “Microseismic monitoring technology developments and prospects in CCUS injection engineering”, Energies, Vol. 16, No. 7, 3101.

10.3390/en16073101
27

Molina, O.M., Zeidouni, M. (2018), “Analytical model to detect fault permeability alteration induced by fault reactivation in compartmentalized reservoirs”, Water Resources Research, Vol. 54, No. 8, pp. 5841-5855.

10.1029/2018WR022872
28

Ortiz, J.P., Person, M.A., Mozley, P.S., Evans, J.P., Bilek, S.L. (2019), “The role of fault-zone architectural elements on pore pressure propagation and induced seismicity”, Groundwater, Vol. 57, No. 3, pp. 465-478.

10.1111/gwat.12818
29

Rathmaier, D., Naim, F., William, A.C., Chakraborty, D., Conwell, C., Imhof, M., Holmes, G.M., Zerpa, L.E. (2024), “A reservoir modeling study for the evaluation of CO2 storage upscaling at the decatur site in the Eastern Illinois Basin”, Energies, Vol. 17, No. 5, 1212.

10.3390/en17051212
30

Seo, S., Kim, G., Woo, Y., Park, B., Kim, J., Kim, S.H., Chung, M. (2024), “Assessment of risk levels in cut-slope using dimensionality reduction and clustering analysis”, Journal of the Korean Geotechnical Society, Vol. 40, No. 5, pp. 113-129.

10.7843/KGS.2024.40.5.113
31

Shin, H., Yoon, S. (2022), “Numerical formulation of thermo-hydro-mechanical interface element”, Journal of the Korean Geotechnical Society, Vol. 38, No. 9, pp. 45-52.

10.7843/KGS.2022.38.9.45
32

Sinaga, K.P., Yang, M.S. (2020), “Unsupervised K-means clustering algorithm”, IEEE Access, Vol. 8, pp. 80716-80727.

10.1109/ACCESS.2020.2988796
33

Spurio Mancini, A., Piras, D., Ferreira, A.M.G., Hobson, M.P., Joachimi, B. (2021), “Accelerating Bayesian microseismic event location with deep learning”, Solid Earth Discussions, 2021, pp. 1683-1705.

10.5194/se-12-1683-2021
34

Stork, A.L., Verdon, J.P., Kendall, J.M. (2015), “The microseismic response at the In Salah Carbon Capture and Storage (CCS) site”, International Journal of Greenhouse Gas Control, Vol. 32, pp. 159-171.

10.1016/j.ijggc.2014.11.014
35

Streibel, M., Finley, R.J., Martens, S., Greenberg, S., Möller, F., Liebscher, A. (2014), “From pilot to demo scale-Comparing Ketzin results with the Illinois Basin-Decatur project”, Energy Procedia, Vol. 63, pp. 6323-6334.

10.1016/j.egypro.2014.11.665
36

Verdon, J.P. (2016), “Using microseismic data recorded at the Weyburn CCS-EOR site to assess the likelihood of induced seismic activity”, International Journal of Greenhouse Gas Control, Vol. 54, pp. 421-428.

10.1016/j.ijggc.2016.03.018
37

Vilarrasa, V., Makhnenko, R., Gheibi, S. (2016), “Geomechanical analysis of the influence of CO2 injection location on fault stability”, Journal of Rock Mechanics and Geotechnical Engineering, Vol. 8, No. 6, pp. 805-818.

10.1016/j.jrmge.2016.06.006
38

Will, R., El-Kaseeh, G., Jaques, P., Carney, M., Greenberg, S., Finley, R. (2016), “Microseismic data acquisition, processing, and event characterization at the Illinois Basin-Decatur Project”, International Journal of Greenhouse Gas Control, Vol. 54, pp. 404-420.

10.1016/j.ijggc.2016.01.007
39

Williams-Stroud, S., Bauer, R., Leetaru, H., Oye, V., Stanek, F., Greenberg, S., Langet, N. (2020), “Analysis of microseismicity and reactivated fault size to assess the potential for felt events by CO2 injection in the Illinois Basin”, Bulletin of the Seismological Society of America, Vol. 110, No. 5, pp. 2188-2204.

10.1785/0120200112
40

Willis, R.M., Yoon, H., Silva, J.A., Juanes, R., Williams-Stroud, S., Frailey, S.M. (2025), “Unsupervised clustering of microseismic events and focal mechanism analysis at the CO2 injection site in Decatur, Illinois”, Journal of Geophysical Research: Machine Learning and Computation, Vol. 2, No. 3, e2024JH000544.

10.1029/2024JH000544
41

Wongoutong, C. (2024), “The impact of neglecting feature scaling in k-means clustering”, PLoS ONE, Vol. 19, No. 12, e0310839.

10.1371/journal.pone.031083939642177PMC11623793
42

Yang, Y., Saad, O.M., Alkhalifah, T. (2024), “Deep learning-based 3D microseismic event direct location using simultaneous surface and borehole data”, Journal of Geophysical Research: Machine Learning and Computation, Vol. 1, No. 4, e2024JH000365.

10.1029/2024JH000365
페이지 상단으로 이동하기