[논문 리뷰] Locating clustered seismicity using Distance Geometry Solvers: applications for sparse and single-borehole DAS networks

Katinka Tuinstra, Francesco Grigoli외 4명|arXiv (Cornell University)|2023. 09. 28.

Seismic Imaging and Inversion Techniques참고 문헌 46인용 수 1

한 줄 요약

HADES-R는 단일 마스터 이벤트와 클러스터 폭 추정치만을 사용하여, 거리 기하학과 회전 최적화를 활용해 희박하거나 단일 굴착구멍 DAS 네트워크에서 방향성 모호성을 극복하는 새로운 상대 위치 측정 방법이다. 이는 기존 방법이 실패하는 도전적인 구성에서도 클러스터 형상과 위치 불확실성을 성공적으로 재구성하며, 10–50m 수준의 위치 불확실성 감소를 이룬다.

ABSTRACT

The determination of seismic event locations with sparse networks or single-borehole systems remains a significant challenge in observational seismology. Leveraging the advantages of the location approach HADES, which was initially developed for locating clustered seismicity recorded at two stations, we present here an improved version of the methodology: HADES-R. Where HADES previously needed a minimum of 4 absolutely located master events, HADES-R solves a least-squares problem to find the relative inter-event distances in the cluster, and uses only a single master event to find the locations of all events, and subsequently applies rotational optimiser to find the cluster orientation. It can leverage iterative station combinations if multiple receivers are available, to describe the cluster shape and orientation uncertainty with a bootstrap approach. The improved method requires P- and S-phase arrival picks, a homogeneous velocity model, a single master event with a known location, and an estimate of the cluster width. The approach is benchmarked on the 2019 Ridgecrest sequence recorded at two stations, and applied to two seismic clusters at the FORGE geothermal test site, including a microseismic monitoring scenario with a DAS in a vertical borehole. Traditional procedures struggle in these settings due to the ill-posed network configuration. The azimuthal ambiguity in this scenario is partially overcome by assuming that all events belong to the same cluster around the master event and a cluster width estimate. We find the cluster shape in both cases, although the orientation remains uncertain. The method's ability to constrain the cluster shape and location with only one well-located event offers promising implications, especially for environments where limited or specialised instrumentation is in use.

연구 동기 및 목표

• 제한된 방향성 커버리지가 있는 희박하거나 단일 굴착구멍 DAS 네트워크에서 마이크로지질 클러스터를 위치시키는 도전 과제를 해결한다.
• 단일 성분 DAS 측정에서 내재된 방향성 모호성을 극복하기 위해 클러스터의 일관성과 클러스터 폭 추정치를 가정한다.
• 희소한 데이터와 열악한 네트워크 기하학성 조건에서도 클러스터 형상과 방향을 안정적으로 제약하는 강력한 반복적 방법을 개발한다.
• 딥 브وري홀이나 지열 지역과 같은 자원 제한 또는 특수 환경에서 신뢰할 수 있는 마이크로지질 모니터링을 가능하게 한다.
• 기타 위치 계산 루틴과 통합 가능하고, 고급 처리를 위한 초기 추정치를 향상시킬 수 있는 모듈러하고 적응 가능한 프레임워크를 제공한다.

제안 방법

• P-파 및 S-파 도착 시간 피킹을 이용해 지진 클러스터 내 상대적 이벤트 간 거리를 최소 제곱법으로 추정한다.
• 단일 마스터 이벤트의 알려진 위치를 사용해 클러스터 기하학을 锚정한다.
• 관측된 전파 시간에 최소한의 오차를 갖도록 클러스터의 방향을 결정하기 위해 회전 최적화기를 적용한다.
• 반복적인 정류소 조합을 통한 부트스트랩 방법을 사용해 형상과 방향의 불확실성을 정량화한다.
• 균일한 속도 모델과 클러스터 폭의 사전 추정치를 도입해 해를 안정화시킨다.
• 차별 도착 시간에 의존하지 않는 다른 상대적 이벤트 간 거리 추정 방법과 통합 가능한 모듈러 프레임워크를 사용한다.

실험 결과

연구 질문

• RQ1 단일 마스터 이벤트와 클러스터 폭 추정치만으로 단일 굴착구멍 DAS 네트워크에서 다수의 지진 이벤트를 정확하게 상대적으로 위치시킬 수 있는가?
• RQ2 방향성 커버리지가 희박하거나 없을 경우 HADES-R이 클러스터 형상과 방향을 얼마나 효과적으로 복원할 수 있는가?
• RQ3 희박하거나 불안정한 네트워크 구성에서 전통적 방법에 비해 HADES-R이 위치 불확실성을 얼마나 줄이는가?
• RQ4 표면 정류소 데이터가 너무 노이즈가 많아 탐지가 어려운 상황에서 DAS 데이터만으로 HADES-R이 마이크로지질을 신뢰성 있게 위치시킬 수 있는가?
• RQ5 FORGE 지열 현장과 같이 장비가 제한된 실제 환경에서 이 방법은 어떻게 성능을 발휘하는가?

주요 결과

• HADES-R는 열악한 네트워크 기하학성에도 불구하고 FORGE 현장에서 DAS 데이터와 단일 마스터 이벤트만을 사용해 두 개의 마이크로지질 클러스터 형상을 성공적으로 재구성했다.
• 마이크로지질 클러스터의 위치 불확실성은 10–50m로 감소하였고, 남동부 클러스터의 경우 10–400m로 줄어들어, 기록된 지질계 케이지 위치보다 뛰어난 성능을 보였다.
• 클러스터의 일관성과 클러스터 폭 추정치를 가정함으로써 방향성 모호성을 부분적으로 해소하여, 단일 성분 DAS 데이터에서도 형상 복원이 가능했다.
• 표면 정류소 데이터가 없었음에도 불구하고 HADES-R은 FORGE 현장에서 탐지된 82개 이벤트 중 32개를 위치시켰고, 결과는 이력 지진 활동과 일치했다.
• DAS 채널과 하나의 표면 정류소를 융합함으로써 방향성 제약이 향상되었으며, 다중 장비 융합의 가치를 입증했다.
• HADES-R의 모듈러 설계 덕분에 다른 상대적 이벤트 간 거리 추정 방법과 통합 가능하며, 속도 모델, 마스터 이벤트, 클러스터 폭의 반복적 개선도 가능하다.