HLW 지층처분 광역 후보부지 선정을 위한 선형구조 예비 분석 결과

고경태; 김유홍; 이홍진

추천

검색

자료유형: 학술저널

저자정보: 고경태 (한국지질자원연구원 전략기술연구본부 방사성폐기물지층처분연구단) 김유홍 (한국지질자원연구원 전략기술연구본부 방사성폐기물지층처분연구단) 이홍진 (한국지질자원연구원 국토지질연구본부 지질연구센터)

저널정보: 대한자원환경지질학회 자원환경지질 자원환경지질 제51권 제2호

발행연도: 2018.1

수록면: 167 - 176 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

고준위방사성폐기물 처분장 부지선정을 위해서는 암종, 지질구조, 지진, 수리지질, 지구화학, 지질공학 및 지열 등과 같은 다양한 지질학적 인자들에 대한 고려가 필요하며, 특히 선형구조는 다양한 지질인자의 특성을 반영하기 때문에 원자력 발전소, 고준위방사성폐기물 처분장 등과 같은 국가 중요시설물의 후보부지 선정에 있어 매우 중요한 기초자료로 활용될 수 있다. 본 논문에서는 선형구조분석을 통해 고준위방사성폐기물 광역 처분부지 선정을 실시한 핀란드의 선형구조 분류 방법을 국내 선형구조 자료에 적용하여 살펴보았다. 이를 위하여 기존에 한국지질자원연구원에서 보유한 선형구조도와 신규로 구조지질학, 고지진학, 지형학 전문가들로부터 획득한 새로운 선형구조 자료를 분석에 이용하였다. 새로운 선형구조 분석 자료의 신뢰성 확보를 위해 한반도 지역을 최근에 촬영한 위성영상과 국토지리정보원에서 제공하는 수치표고모델로 제작한 고해상도의 음영기복도를 이용하였다. 취득한 자료들의 전체적인 방향성 분석 결과에서는 북북동-남남서 방향이 가장 우세하게 관찰되었지만, 분석자들의 판독기준의 차이에 따라서 동북동-서남서 및 북북서-남남동 방향의 선형구조들도 높게 판독 되었다. 핀란드의 분류 방법을 적용하여, 광역후보부지 선정에 사용되는 등급 1과 등급 2에 해당되는 선형구조들의 기하학적인 발달특성을 상호 비교해 보았다. 그 결과에서는 전체적으로 등급 1의 경우에는 공통적으로 북북동-남남서 방향이 가장 우세하였으며, 서북서-동남동 방향의 선형구조도 빈도가 높게 나타났다. 등급 2의 경우에도 북북동-남남서 방향의 선형구조가 가장 우세하게 발달하고 있으며, 분석자에 따라 서북서-동남동 또는 동북동-서남서 방향의 선형구조도 빈도가 높게 나타났다. 같은 자료를 바탕으로 실시한 선형구조분석에서도 상이한 판독 결과를 보이는 것은 판독자의 주관적인 경험 및 기준이 작용하였기 때문으로 여겨진다. 따라서 신뢰도 높은 한반도 광역선형구조도를 발간하기 위해서는 상이한 자료들을 통합하는 과정에서 명확한 통합 기준의 설정이 필요하며, 지구물리탐사자료와 같은 추가적인 데이터를 통한 분석이 요구된다.

It is necessary to consider various geological parameters such as lithology, geological structure, earthquake, hydraulic geology, geochemistry, geological engineering, and geothermal in order to select potential sites for HLW(high-level radioactive waste) geological disposal. In particular, the geological lineament reflects the characteristics of various geological parameters and can be used as an important criterion for site selecting such as nuclear power plants and HLW repositories. In this paper, the Finnish lineament classification method for HLW disposal site selection through the lineament analysis was applied to the lineament data in the Korean peninsula. For this purpose, we used previous lineament data from the KIGAM(Korea Institute of Geoscience and Mineral Resources) and obtained new lineament data from the field geologists such as structural geologist, paleoseismologist, and geomorphologist. To ensure the reliability of the new lineament analysis data, we used high-resolution satellite images and hill-shade relief maps which were constructed by a digital elevation model. In the prevailing direction analysis from the acquired lineament data, the NNE-SSW direction was the most dominant, but the ENE-WSW and NNW-SSE directions also showed highly frequency depending on the experts. Applying the Finnish classification method, the geometrical development characteristics of the lineament corresponding to the Class 1 and 2 used for the wide-wide candidate site were compared. As a result of direction analysis for Class 1, the NNE-SSW direction was the most dominant and the WNW-ESE direction also showed a high frequency. In the case of Class 2, the NNE-SSW is the most prevalent and WNW-ESE or ENE-WSW direction also had highly frequency depending on the experts. Different lineament analysis results based on the same data are interpreted as a result of subjective experience and analytical criteria from the every experts. Therefore, it is necessary to establish integrated criteria and consider geophysical data for the publication of reliable nation-wide lineament map.

#고준위방사성폐기물 #지층처분 #후보부지 #지질인자 #선형구조

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

고경태

소속기관 한국지질자원연구원 국토지질연구본부

주요연구분야 자연과학 > 지구과학 > 지질학

논문수 3 이용수 55

김유홍

소속기관 한국지질자원연구원 전략기술연구본부 방사성폐기물지층처분연구단

주요연구분야 자연과학 > 지구과학 > 지질학

논문수 4 이용수 42

이홍진

소속기관 한국지질자원연구원

주요연구분야 자연과학 > 지구과학 > 지질학 공학 > 조선해양공학

논문수 16 이용수 678

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)