Enhanced Seismicity Monitoring in the Rapid Scientific Response to the 2025 Santorini Crisis

이 논문은 2025 년 산토리니와 아모르고스 사이에서 발생한 지진 활동에 대해 딥러닝 워크플로우를 적용해 지진 목록을 4,000 개에서 8 만 개로 대폭 확장함으로써, 유체 주입에 기인한 화산 - 구조적 특성과 새로운 심부 마그마 저장고의 존재를 규명하고 위기 진화를 실시간으로 추적한 연구 결과를 제시합니다.

핵심

🌋 1. 상황: 산토리니의 '지진 폭풍'

2025 년 2 월, 산토리니 섬과 인근 아모르고스 섬 사이에서 지진이 연이어 터졌습니다. 마치 거대한 화산이 깨어나기 직전처럼 땅이 흔들렸고, 관광객들이 몰려있는 이 섬은 비상사태에 빠졌습니다.

기존의 지진 관측소는 마치 어두운 밤하늘에서 별을 세는 사람과 같았습니다. 밝은 별 (큰 지진) 은 잘 보이지만, 어둡고 작은 별 (작은 지진) 은 놓치기 일쑤였습니다. 그래서 당시 관측된 지진은 약 4,000 개 정도였을 뿐입니다.

🤖 2. 해결책: AI 가 켜는 '초고해상도 스포트라이트'

연구진은 **딥러닝 (Deep Learning)**이라는 인공지능 기술을 도입했습니다. 이는 마치 어두운 밤하늘에 강력한 스포트라이트를 비추고, AI 가 모든 별을 실시간으로 찾아주는 것과 같습니다.

• 기존 방식: 큰 지진만 4,000 개 발견.
• AI 방식: 작은 지진까지 포함해 무려 80,000 개의 지진을 찾아냈습니다. (약 20 배 증가!)

이제 연구진은 지진들이 어떻게 움직이는지 아주 세밀하게 볼 수 있게 되었습니다.

🌊 3. 발견: "지진이 아니라 '물'이 움직이고 있다!"

AI 가 찾아낸 80,000 개의 지진 데이터를 분석하자 놀라운 패턴이 드러났습니다.

• 폭발적인 '지진 댄스': 지진이 한 번에 수십 개씩, 마치 폭포수처럼 쏟아지듯 짧은 시간에 몰려왔습니다. 이를 '지진 군집 (Swarm)'이라고 하는데, 보통 지각판이 부딪혀 일어나는 일반적인 지진과는 다릅니다.
• 비밀의 신호: 지진이 일어날 때 땅이 찢어지는 소리만 나는 게 아니라, 액체나 가스가 터지듯 움직이는 소리가 들렸습니다. 마치 수압이 높은 물줄기가 지하를 뚫고 지나가면서 주변을 흔드는 것과 같았습니다.

이것은 "지진이 아니라, 화산 아래에서 뜨거운 마그마나 뜨거운 물이 움직이고 있다"는 강력한 증거였습니다.

🗺️ 4. 지도 그리기: 지하의 '보물 지도'를 발견하다

연구진은 찾아낸 수많은 지진 데이터를 이용해 지하 3D 지도 (단층촬영) 를 그렸습니다. 마치 CT 촬영을 하듯 지하를 들여다본 결과, 세 가지 중요한 '보물 창고'를 발견했습니다.

1. 산토리니 칼데라 아래: 뜨거운 물 (열수) 이 가득 찬 곳.
2. 콜롬보 해저 화산 아래: 진짜 마그마 (녹은 돌) 가 있는 곳.
3. 안드로스 섬 아래: 새로운 마그마 저장소가 있다는 놀라운 발견!

특히 안드로스 섬 아래 깊은 곳에서 마그마가 움직이며 지진을 일으켰다는 것을 밝혀냈습니다. 마치 지하에 숨겨진 새로운 화산의 심장이 뛰고 있는 것을 발견한 셈입니다.

🚨 5. 결론: "화산 폭발은 imminent(임박) 하지 않다"

이 모든 분석을 통해 연구진은 중요한 결론을 내렸습니다.

• 위험은 있지만, 폭발은 아니다: 지하에서 뜨거운 물과 마그마가 움직이며 지진을 일으키고 있지만, 아직 표면으로 분출할 준비를 하지 않았습니다.
• 원인: 깊은 곳에서 올라온 마그마가 지하의 단층을 밀어내고, 뜨거운 물이 그 사이를 흐르면서 지진을 일으켰습니다. 마치 고압 호스로 물을 뿌리면서 주변을 흔드는 것과 비슷합니다.

이 덕분에 당국은 "지진이 계속되지만, 곧 화산이 터져 섬이 사라질 일은 아니다"라고 안심시킬 수 있었고, 관광과 주민 생활을 정상화하는 데 큰 도움을 주었습니다.

💡 6. 교훈: "미래의 재난을 위한 새로운 눈"

이 사건은 인공지능이 재난 대응에 얼마나 혁신적인지 보여줍니다.

• 과거에는 지진 데이터를 모으고 분석하는 데 몇 주가 걸렸다면, 이번에는 **실시간 (Near Real-time)**으로 분석했습니다.
• 마치 안개가 낀 바다에서 등대를 켜고 항해하는 것처럼, AI 는 불확실한 위기 상황에서 정확한 방향을 제시했습니다.

연구진은 앞으로 산토리니와 같은 화산 지역에는 상시 작동하는 AI 관측소가 필요하다고 주장합니다. 그래야만 다음 위기가 닥쳤을 때, 우리가 더 빠르고 정확하게 대응할 수 있기 때문입니다.

---

한 줄 요약:

"인공지능이 4,000 개의 지진을 80,000 개로 찾아내어, 산토리니 지하에서 '뜨거운 물과 마그마'가 움직이고 있음을 밝혀냈고, 덕분에 화산 폭발 공포를 과학적으로 해소했습니다."

기술 요약

1. 문제 제기 (Problem)

• 배경: 2025 년 1 월 말부터 그리스 산토리니 (Santorini) 와 아모르고스 (Amorgos) 섬 사이에서 급격한 지진 활동이 발생하여 2 월 초 심각한 위기로 발전했습니다. 이 지역은 성숙한 활화산 지대이며, 1956 년 M7.5 지진과 쓰나미 발생 이력이 있어 주민 (~15,000 명) 과 연간 300 만 명의 관광객에게 큰 위협이 되었습니다.
• 도전 과제:
  • 기존 표준 지진 관측망 (NOA 등) 은 문화적 소음 (인공 소음) 과 해저 지진 추적의 어려움으로 인해 소규모 지진 탐지 한계가 명확했습니다.
  • 초기 지진 목록은 약 4,000 건 수준에 그쳐, 지진의 진원 특성, 유체 이동 여부, 화산 활동과의 연관성을 실시간으로 파악하기 어려웠습니다.
  • 화산성 지진인지 단층성 지진인지, 그리고 분화 가능성에 대한 즉각적인 과학적 판단이 시급했으나, 기존 분석 속도가 위기 대응에 미치지 못했습니다.

2. 방법론 (Methodology)

이 연구는 국제 과학자 그룹이 협력하여 딥러닝 (Deep Learning, DL) 기반 워크플로우를 활용하여 실시간 지진 모니터링 체계를 구축하고 고해상도 데이터를 생성했습니다.

• 딥러닝 기반 지진 탐지 (DL Detection):
  • QuakeFlow (QF) 워크플로우와 PhaseNet (딥러닝 위상 선택기) 을 사용하여 2025 년 1 월 25 일부터 3 월 3 일까지의 연속 지진 데이터를 매일 분석했습니다.
  • 기존 STA-LTA(단기/장기 비율) 방식보다 소규모 지진과 중첩된 지진 (overlapping events) 을 훨씬 더 민감하게 탐지했습니다.
• 템플릿 매칭 (Template Matching) 을 통한 목록 강화:
  • DL 로 탐지된 지진을 '템플릿'으로 사용하여 EQCorrscan 알고리즘을 적용했습니다.
  • 이를 통해 매우 짧은 시간 간격 (수 초) 으로 발생한 지진들을 분리해내고, DL 만으로는 놓쳤던 미세 지진 (microseismicity) 을 추가로 탐지하여 목록을 더욱 정밀화했습니다.
• 모멘트 텐서 역산 (Moment Tensor Inversion):
  • M > 4 지진에 대해 P 파 첫 운동 (first-motion) 과 진폭 데이터를 활용하여 모멘트 텐서를 계산했습니다.
  • 이중 쌍극자 (Double-Couple, DC) 성분뿐만 아니라 비 DC 성분 (CLVD, 등방성 성분) 을 분석하여 화산성/유체 관련 메커니즘을 규명했습니다.
• 지진 단층 촬영 (Seismic Tomography):
  • DL 로 확보된 방대한 P 파 및 S 파 데이터를 활용하여 비선형 베이지안 전이 차원 (trans-dimensional) 역산 기법을 적용했습니다.
  • Vp(압력파 속도) 와 Vp/Vs 비율을 동시에 추정하여 마그마 또는 유체 저장고의 위치와 특성을 파악했습니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 지진 목록의 획기적 확장

• 탐지 수 증가: 기존 표준 목록 (약 4,000 건) 대비 DL 기반 목록은 약 40,000 건, 템플릿 매칭을 추가한 강화된 목록은 약 80,000 건으로 확대되었습니다. 탐지 효율이 약 20 배 향상되었습니다.
• 완전성 한계 (Completeness) 하향: 탐지 가능한 최소 지진 규모 (Mc) 가 기존 ML 2.7 에서 DL 은 ML 1.5, 강화된 목록은 ML 1.3까지 낮아져 소규모 지진 활동의 패턴을 정밀하게 파악할 수 있게 되었습니다.

B. 지진 활동의 특성 규명

• 유체 구동형 지진군 (Fluid-driven Swarms): 지진 활동이 '발작적 (spasmodic)'이고 '뭉쳐지는 (burst-like)' 패턴을 보였습니다. 이는 마그마에서 분출된 고압 유체가 지각을 통과하며 지진을 유발하는 전형적인 화산 - 구조적 (volcanic-tectonic) 활동 특성이었습니다.
• 비 DC 성분 (Non-DC Components): M > 4 지진의 모멘트 텐서 분석에서 CLVD(보상 선형 벡터 쌍극자) 성분이 40% 이상인 경우가 빈번하게 관측되었습니다. 이는 균열의 개폐나 공동의 붕괴 등 유체 주입 및 압력 변화와 관련된 과정을 강력히 시사합니다.
• 지진 이동 경로: 지진 활동은 1 월 말 Kolumbo 화산 부근에서 시작하여 Anydros 섬을 거쳐 아모르고스 단층 시스템으로 이동하는 복잡한 패턴을 보였습니다. 특히 2 월 10 일 이후 Anydros 동북부에서 급격한 이동이 관측되었습니다.

C. 지하 구조 및 마그마 저장고 발견

• 새로운 마그마 저장고 식별: 단층 촬영 결과, 산토리니 칼데라와 Kolumbo 화산 아래에 알려진 저장고 외에 Anydros 섬 바로 아래 (깊이 8km 이상) 에 제 3 의 심부 마그마 저장고가 존재함이 확인되었습니다.
• 유체 vs 마그마 구분: Kolumbo 아래는 높은 Vp/Vs 비율로 용융물 (melt) 이 존재함을, Anydros 아래는 낮은 Vp/Vs 비율로 고압 마그마성 유체 (magmatic fluids) 가 우세함을 시사했습니다.

D. 위기 대응 및 결론

• 분화 가능성 평가: 깊은 심도에서의 활동, 명확한 장주기 (LP) 지진이나 얕은 진동 (tremor) 의 부재, 그리고 지열/가스 방출의 부재로 인해 즉각적인 분화 가능성은 낮음으로 판단되었습니다.
• 실시간 과학적 대응: 이 연구는 위기 발생 초기부터 매일 데이터를 분석하여 그리스 당국과 국제 전문가들에게 과학적 근거를 제공했습니다. 이를 통해 불필요한 대피를 방지하고 효과적인 재난 관리에 기여했습니다.

4. 의의 및 시사점 (Significance)

• 실시간 재난 대응의 패러다임 전환: 딥러닝과 클라우드 컴퓨팅을 결합한 워크플로우가 화산 위기 상황에서 기존 방법론보다 훨씬 빠르고 정밀한 정보를 제공하여 정책 결정과 과학적 대응을 가능하게 함을 입증했습니다.
• 화산 - 구조적 상호작용의 이해: 산토리니 - 아모르고스 지역이 단순한 단층 활동이 아닌, 심부 마그마 관입이 얕은 지각의 단층을 활성화시키는 복잡한 화산 - 구조적 과정임을 규명했습니다.
• 향후 관측망 구축의 필요성: 이 사건은 산토리니와 같은 섬 지역 화산에 대해 해상 광대역 지진계 (OBS) 와 실시간 지질학적 관측망이 필수적임을 강조했습니다. 또한, 다양한 데이터 소스 (지진, 측지, 가스 등) 를 통합하는 전용 화산 관측소 설립의 필요성을 제기했습니다.

요약하자면, 이 논문은 2025 년 산토리니 지진 위기에 대해 딥러닝 기술을 활용하여 지진 목록을 20 배 확장하고, 이를 통해 유체 구동형 화산 - 구조적 활동과 새로운 심부 마그마 저장고를 실시간으로 규명한 획기적인 사례 연구입니다.