1. 서 론
2. 균열 분포의 공간적 변동성 연구 사례
3. 암반의 수리적 거동 특성 연구 사례
3.1 균질 분포 기반 수리적 거동 분석
3.2 균열 분포의 공간적 변동성을 고려한 수리적 거동 분석
4. 고찰 및 향후 연구 방향
5. 결 론
1. 서 론
암반 내 불연속면은 암반의 역학적·수리적 거동에 중요한 영향을 미치기 때문에 불연속면의 분포를 특성화하는 것은 암반 거동 예측을 위해 필수적이다(Mehrishal et al., 2024; Wang et al., 2024). 특히 불연속면은 암반 내 지하수 유동의 주요 경로로 작용하므로, 지하수의 흐름은 불연속면의 방향, 밀도, 길이와 같은 분포 특성에 영향을 받는다. 따라서 암반의 수리적 거동을 정확하게 평가하기 위해서는 불연속면의 분포 특성을 적절하게 고려할 필요가 있다. 그러나 실제 암반의 균열 분포는 균일하지 않고 위치에 따라 상이하며, 이러한 차이를 분석한 연구가 다수 수행되어 왔다(Kulatilake et al., 1996; Mahtab and Yegulalp, 1984; Li et al., 2015; Wang et al., 2020).
공간적 변동성(spatial variability)은 균열 특성이 공간 내 위치에 따라 달라지는 것을 의미한다(Selroos et al., 2022). 이러한 공간적 변동성은 지하수 유동 특성에 영향을 미칠 수 있으므로, 암반의 수리적 거동을 현실적으로 평가하려면 이를 고려해야 한다. 특히 방사성폐기물 처분과 같이 장기간의 암반 거동을 높은 정확도로 예측해야 하는 경우, 이를 적절히 반영한 DFN (discrete fracture network, 이산균열망) 모델링이 중요하다. 즉, 전체 영역의 평균적인 균열 특성만으로는 충분하지 않으며, 실제 암반에서 나타나는 국지적 변동을 함께 반영해야 한다. 그러나 균열 분포의 공간적 변동성을 DFN 모델에 반영하는 방법과 그 영향은 아직 체계적으로 정리되지 않았다. 또한 기존 DFN 모델링은 균열 분포를 통계적으로 균질한 것으로 가정하는 경우가 많아, 실제 균열 분포의 공간적 변동성이 수리적 거동 예측에 미치는 영향이 충분히 고려되지 못하고 있다.
이에 본 논문에서는 먼저 암반 내 균열 분포의 공간적 변동성을 분석한 기존 연구를 정리하고, 수리적 거동 예측에 적용된 방법론을 검토한다. 이어서 균열 분포 특성의 공간적 변동성이 암반의 수리적 거동에 미치는 영향을 검토하고, 이를 DFN 모델링에 반영해야 할 필요성을 논의한다. 이를 바탕으로 실제 암반의 수리적 거동을 보다 적절하게 평가하기 위한 DFN 모델링의 적용 방향을 제시한다.
2. 균열 분포의 공간적 변동성 연구 사례
암반 내 불연속면은 위치에 따라 분포 특성이 상이하므로, 이를 하나의 균질한 매체로 가정하여 해석할 경우 실제 암반 거동과 상이한 결과를 초래할 수 있다(Zhang et al., 2016). 따라서 암반을 불연속면 특성이 유사한 여러 구조적 영역으로 구분하여 해석하는 절차가 필요하다. 이에 따라 Table 1과 같이 다양한 균열 파라미터를 사용하여 암반 내 구조적 영역을 구분하는 연구가 수행된 바 있다. 비교적 초기에 수행된 연구들은 구조적 영역의 경계를 구분하기 위해 균열 방향을 기준으로 사용하였다(Miller, 1983; Kulatilake et al., 1996; Mahtab and Yegulalp, 1984; Martin and Tannant, 2004; Li et al., 2014). Miller(1983)는 하반구(lower hemisphere)를 면적이 동일한 패치(patch)로 분할하는 방법을 이용하여 균열 방향의 유사도를 판별하였다. Fig. 1은 Miller(1983)가 사용한 등면적 34개 패치 네트워크의 예시이다.
Table 1.
Summary of previous studies on structural domain classification
| Number of parameters | Parameter | References |
| Single parameter | Orientation | Miller(1983), Kulatilake et al.(1996), Mahtab and Yegulalp (1984), Martin and Tannant(2004), Li et al.(2014) |
| Multiple parameters | Orientation, spacing, and roughness | Zhou and Maerz(2002) |
| Orientation and density | Darcel et al.(2013) | |
| Orientation and trace length | Song et al.(2015) | |
|
Orientation, spacing, aperture, roughness, trace length, trace type, filling, groundwater condition, and weathering | Li et al.(2015) | |
| Box-counting dimension and trace angle | Wang et al.(2020) |
한편, Mahtab and Yegulalp(1984)와 Martin and Tannant(2004)는 100개의 방향 윈도우를 사용하여 균열 방향의 유사도를 판별하였다. Martin and Tannant(2004)는 구조적 영역 경계 판별에 상관계수를 활용한 대표적 사례로, 캐나다 EKATI 다이아몬드 광산을 대상으로 연구를 수행하였다. 이 연구에서는 인접한 세 개의 채굴장에서 수집된 10,000개 이상의 불연속면 방향 자료를 하나의 데이터베이스로 통합한 뒤, 방향 윈도우별 절리 극점(pole)의 빈도를 산출하였다. 이를 바탕으로 식 (1)을 이용하여 서로 다른 영역의 스테레오넷 간 상관계수를 계산하여 유사도를 정량적으로 비교하는 기법을 제시하였다.
이처럼 균열 방향만을 기준으로 구조적 영역을 분류한 연구 이외에도, 방향을 포함한 다양한 균열 파라미터를 종합적으로 고려하여 구조적 영역을 구분한 연구들이 수행된 바 있다(Zhou and Maerz, 2002; Darcel et al., 2013; Song et al., 2015; Li et al., 2015; Wang et al., 2020). Zhou and Maerz(2002)는 다변량 분석(multivariate analysis) 기법을 적용하여 방향, 간격(spacing), 거칠기(roughness)를 군집 분석에 동시에 반영하였다. 이를 위해 최근접 이웃법(nearest neighbor), k-평균법(k-means), 퍼지 c-평균법(fuzzy c-means), 벡터 양자화(vector quantization)의 네 가지 군집화 기법을 적용하였으며, 그 결과 불연속면 그룹화의 정확도가 향상되었다.
한편 Li et al.(2015)는 중국 남서부 누강 상류의 송타(Songta) 댐 부지를 대상으로 방향, 간격, 간극(aperture), 거칠기, 절리선 길이, 절리선 유형, 충전물(filling), 지하수 조건, 풍화 정도(weathering)까지 총 9개의 파라미터를 도입하여 균질 영역을 식별하였다(Table 2). 이들 파라미터는 Fig. 2와 같이 세 가지 범주로 구분되는데, 방향, 간격, 절리선 길이, 절리선 유형은 기하학적(geometrical) 범주, 거칠기, 풍화 정도, 충전물은 역학적(mechanical) 범주, 간극과 지하수 조건은 수리지질학적(hydrogeological) 범주에 속한다. 이를 바탕으로 Li et al.(2015)는 3개 계층으로 구성된 계층분석과정(analytic hierarchy process, AHP) 모델을 수립하였다. 인접한 4개 갱도에서 수집된 파라미터들 간의 유사도는 상관계수를 통해 정량화하였고, 각 파라미터의 가중치는 AHP 모델을 통해 산정하였다. 이를 바탕으로 두 영역 간의 전반적인 균질성 정도를 하나의 값으로 나타내기 위해 균질성 지수(homogeneity index, HI)라는 개념을 도입하였는데, 이는 각 파라미터별 상관계수 값에 해당 파라미터의 가중치를 곱한 뒤 이를 모두 합산하는 방식으로 산출된다. 이렇게 산정된 균질성 지수를 바탕으로 연구 대상 영역 주변 암반의 전반적인 균질성을 평가하였다. 이처럼 균열 방향, 밀도, 길이 등 다양한 파라미터를 활용한 암반 내 구조적 영역 분류 연구들은 암반 내 균열 분포의 공간적 불균질성을 정량적으로 특성화하는 데 기여하였다. 그러나 구분된 영역 간 균열 분포 차이가 실제 암반의 수리적 거동에 어떠한 영향을 미치는지는 다루지 않았다는 한계가 있다.
Table 2.
Classification scheme for fracture parameters (Li et al., 2015)
3. 암반의 수리적 거동 특성 연구 사례
3.1 균질 분포 기반 수리적 거동 분석
앞서 언급한 바와 같이 암반의 수리적 거동을 예측하는 것은 방사성폐기물 처분장, 지하 에너지 저장 시설, 지하공간 개발과 같은 다양한 현장에서 중요한 문제이며, 이에 따라 관련 연구가 폭넓게 수행되어 왔다. 이를 위한 대표적인 방법으로 DFN 모델링 기법이 널리 활용되고 있다. DFN 기반 접근에서는 균열의 방향, 밀도, 길이 등의 특성이 멱법칙(power-law), 균등분포, 로그정규(log-normal)분포와 같은 단일 통계적 분포를 따른다고 가정한 뒤, 이를 바탕으로 등가 투수계수(equivalent permeability)이나 투수계수 텐서(permeability tensor)를 계산하는 방식이 주로 채택되어 왔다(De Dreuzy et al., 2001; Baghbanan and Jing, 2007; Jafari and Babadagli, 2013). 대표적으로 De Dreuzy et al.(2001)은 멱법칙 길이분포를 따르는 균열망에서 균열망의 수리적 거동이 멱법칙 지수(a) 값에 따라 세 가지 유형으로 분류됨을 규명하였다. 이처럼 대부분의 DFN 모델링에 기반한 수치해석 연구들은 균열 특성이 단일 통계적 분포로 대표될 수 있다는 전제에서 출발하며, 실제 암반 내에서 위치에 따라 균열 분포가 상이하게 나타나는 공간적 변동성은 충분히 반영하지 못한다는 한계를 지닌다.
이러한 한계는 대표요소체적(Representative Elementary Volume, REV) 개념에서도 유사하게 나타난다. REV는 암반의 역학적·수리적 물성 등이 특정 체적 이상에서 수렴한다는 전제하에 암반 전체를 대표할 수 있는 임계 체적을 정의하는 개념이며, REV의 크기는 주로 추계학적(stochastic)으로 생성된 DFN을 기반으로 산정되어 왔다. Min et al.(2004)은 영국 Sellafield 현장 조사에서 취득한 균열 자료를 토대로, 몬테카를로 시뮬레이션을 통해 10개의 정사각형 DFN 모델을 생성하였다. 이후 각 모델의 중심부에서 0.25 m×0.25 m-10 m×10 m 크기의 하위 모델들을 추출하여 등가 투수계수 텐서를 계산함으로써 추계학적 REV 개념을 검증하였으며, Fig. 3은 이러한 방법론의 개념을 도식적으로 나타낸 것이다. Fig. 4와 같이 DFN 모델 크기가 커질수록 계산된 투수계수 값의 분산이 뚜렷이 감소하는 것으로 나타나 REV의 존재가 확인되었으며, 허용 변동폭 20%와 10% 기준으로 REV 를 제시하였다. Mi et al.(2024)은 중국 방사성 폐기물 처분장 후보지인 베이산(Beishan) I 지역의 균열망 통계적 기하 특성을 바탕으로 몬테카를로 기법을 이용해 3차원 DFN 모델을 생성하고, 등가 파이프망(equivalent pipe network, EPN) 기법으로 투수율을 산정하여 해당 지역의 REV를 결정하였다. 그러나 이러한 REV 산정 방식은 전체 암반에서 얻은 균열 데이터로부터 단일 통계 분포를 도출하여 DFN을 생성하며, 이때 균열 밀도가 공간적으로 균질하다고 가정한다. 이로 인해 실제 암반 내 균열 분포가 지니는 공간적 변동이 수리적 거동에 미치는 영향은 충분히 반영하지 못한다는 한계가 있다.
Fig. 3.
Schematic illustration of the stochastic REV approach, in which sub-models are extracted from the center of DFN models (after Min et al., 2004)
3.2 균열 분포의 공간적 변동성을 고려한 수리적 거동 분석
앞서 살펴본 바와 같이, 구조적 영역 분류 연구들은 균열 분포의 불균질성을 수리적 거동과 연결하지 못한다는 한계가 있으며, 암반균열망 기반의 수리적 거동 예측 연구들은 실제 암반 내에서 균열 파라미터가 위치에 따라 상이하게 나타나는 공간적 변동성을 충분히 반영하지 못한다는 한계를 지닌다. 이에 Choi et al.(2025)은 실제 노두(outcrop)에서 얻은 균열 지도(trace map) 자료를 활용함으로써 균열 분포의 실제 공간적 변동성이 암반의 수리적 분포 특성에 어떠한 영향을 미치는지를 정량적으로 규명하고자 하였다. Zhu et al.(2022)은 세계 각지의 선행연구에서 획득된 균열 지도를 수집 및 분석하였으며, Choi et al.(2025)은 이 중 총 7개의 균열 지도를 분석에 활용하였다. 먼저 균열 지도 내 균열 분포와 투수계수의 공간적 분포 특성을 분석하기 위하여 각 균열 지도를 Fig. 5와 같이 3×3과 4×4 서브도메인(subdomain)으로 분할하였다. 이후 Fig. 6에 제시된 알고리즘을 이용하여 균열 방향, 밀도, 길이의 유사도에 따라 서브도메인들을 분류하였다.
Fig. 5.
Workflow for processing trace map data from Odling(1997): (a) skeletonized trace map (reproduced from Zhu, 2021) and (b) division of the trace map into 4 × 4 subdomains (Choi et al., 2025)
Fig. 6.
Workflow for classifying subdomains of a trace map using similarity in fracture properties (Choi et al., 2025)
Fig. 7의 좌측 3개 열과 우측 3개 열은 각각 균열 지도를 3×3과 4×4 서브도메인으로 분할한 경우에 대하여, 균열 방향, 밀도, 길이의 유사도를 기준으로 여러 임계값을 적용해 서브도메인을 분류한 결과를 보여준다. Choi et al.(2025)은 분류 기준으로 사용한 균열 특성의 종류와 관계없이, 동일한 그룹으로 묶인 서브도메인들이 대체로 서로 인접한 위치에 분포하는 경향을 확인하였다. 다만 일부 사례에서는 멀리 떨어진 서브도메인 간에 높은 유사도가 나타나거나, 인접한 서브도메인 간에도 낮은 유사도가 나타나는 경우가 확인되었다. 또한 균열 방향, 밀도, 길이 중 어떤 특성을 기준으로 하느냐에 따라 서브도메인의 분류 결과가 다르게 나타났으며, 이는 각 균열 특성이 지도 내에서 서로 다른 양상으로 변동함을 의미한다. 나아가 Choi et al.(2025)은 균열 지도별 균열 분포 특성의 차이를 파악하기 위해, 지도 내부의 균열 특성 변동 정도를 정량적 지표로 나타내었다. 균열 방향의 변동성은 3×3 및 4×4 분할로 얻은 초기 서브도메인들의 모든 쌍에 대해 방향 분포의 상관계수를 계산한 뒤 그 평균값으로 나타내었으며, 균열 밀도와 평균 길이의 변동성은 식 (2)와 같이 표준편차와 평균의 비율로 정의되는 변동계수(coefficient of variation, CV)를 이용해 표현하였다.
Fig. 7.
Classification of subdomains in a trace map (Odling, 1997) by fracture property similarity: (a) orientation, 3 × 3; (b) orientation, 4 × 4; (c) density, 3 × 3; (d) density, 4 × 4; (e) mean length, 3 × 3; (f) mean length, 4 × 4 (Choi et al., 2025)
Fig. 8은 균열 방향의 평균 상관계수와 함께, 각 균열 지도의 모든 서브도메인에 대한 밀도와 길이의 변동계수를 나타낸 것이다. Choi et al.(2025)은 균열 방향의 평균 상관계수가 0.3-0.9 범위로 넓게 분포함을 확인하였으며, 이는 균열 지도에 따라 방향 특성의 변동 정도가 크게 달라짐을 보여준다. 한편 균열 밀도의 변동계수는 대체로 10-40% 범위에 분포한 반면, 평균 길이의 변동계수는 20% 이하로 나타났다. 이러한 결과는 현장의 암반 거동을 보다 잘 재현할 수 있는 암반균열망 모델링을 위해서는 균열 분포의 변동성을 고려할 필요가 있음을 뒷받침한다.
Fig. 8.
Degree of variation in fracture properties within each of the seven trace maps, expressed by (a) the mean correlation coefficient, (b) the coefficient of variation of trace density, and (c) the coefficient of variation of mean trace length (Choi et al., 2025)
한편 균열 지도 내 투수계수의 공간적 분포 특성을 분석하기 위해 UDEC (Itasca, 2019)을 이용하여 각 서브도메인의 x, y 방향 투수계수를 수치적으로 산정하였다. Fig. 9(a)와 (b)는 각각 균열 지도를 3×3 및 4×4서브도메인으로 분할하였을 때 산출된 서브도메인별 투수계수 분포의 예시이다. Fig. 9에서 볼 수 있듯이, 동일한 균열 지도 내에서도 서브도메인의 위치에 따라 투수계수가 뚜렷하게 다르게 나타났다. Choi et al.(2025)은 이러한 결과로부터 균열 분포뿐 아니라 수리적 특성 또한 공간적으로 불균질하다는 점을 확인하였으며, 이는 균열 지도 전체에 단일 대표값을 적용하는 방식으로는 암반의 수리적 거동을 충분히 설명하기 어려움을 시사한다.
Choi et al.(2025)은 Fig. 8과 Fig. 9를 통해 확인된 균열 분포 및 수리적 특성의 공간적 변동성을 바탕으로, 이들 간의 정량적 관계를 분석하였다. 이를 위해 균열 특성의 유사도에 따라 분류된 서브도메인 군집 결과와, 각 서브도메인에서 산출된 투수계수 값을 함께 활용하였다. 두 요소 간의 관계를 정량적으로 평가하기 위해 칼린스키-하라바즈 지수(Calinski-Harabasz index, CH index)를 도입하였다(Caliński and Harabasz, 1974):
Fig. 9.
Spatial distribution of permeability across the sub-domains of trace map 4: (a) and (b) for the 3 × 3 division, and (c) and (d) for the 4 × 4 division (Choi et al., 2025)
CH 지수는 그룹 간 분산과 그룹 내 분산의 비율로 정의되는 통계량으로, 군집화 결과의 타당성을 평가하는 데 널리 사용된다. 그룹 간 분산은 각 그룹의 중심(centroid)이 전체 데이터의 중심으로부터 얼마나 떨어져 있는지를, 그룹 내 분산은 각 데이터가 자신이 속한 그룹의 중심으로부터 얼마나 떨어져 있는지를 나타낸다. 따라서 CH 지수가 높을수록 그룹 내부는 서로 유사하고 그룹 간에는 뚜렷이 구분됨을 의미하며, 이는 해당 분류 기준, 즉 균열 특성이 투수계수의 차이를 효과적으로 설명함을 뜻한다.
Choi et al.(2025)은 균열 특성의 유사성에 따른 서브도메인 분류가 수리적 거동의 유사도 관점에서도 실제로 타당한지 검증하기 위해, 균열 방향, 밀도, 길이별 서브도메인 분류 결과를 이용하여 각 그룹의 투수계수(, )로부터 CH 지수를 계산하였다. 그 결과, 균열 지도 내 공간적 변동성이 큰 균열 특성을 기준으로 분류할 때 대체적으로 CH 지수가 높게 나타났다. 이는 균열 특성 기반 서브도메인 분류가 투수계수의 공간적 차이를 효과적으로 설명할 수 있음을 보여주며, 균열 분포의 공간적 변동성을 반영한 DFN 모델링이 암반의 수리적 거동을 정확히 예측하는 데 핵심적임을 시사한다.
균열 지도의 4×4 서브도메인을 대상으로 그룹별 와 의 평균 투수계수를 색상으로 구분하여 시각화한 예시는 Fig. 10과 같다. 서브도메인 간 균열 방향 및 밀도의 유사도를 기준으로 각각 두 그룹과 여섯 그룹으로 분류하여 비교한 결과, 방향을 기준으로 분류한 경우에는 그룹 간 평균 투수계수의 구분이 뚜렷하지 않았던 반면, 밀도를 기준으로 분류한 경우에는 그룹 간 차이가 명확하게 나타났다. 특히 두 그룹으로 분류한 경우, 투수계수가 높은 그룹의 평균값이 낮은 그룹의 약 3배에 달하였다. 여섯 그룹으로 세분화한 경우에는 이와 같이 명확한 구분은 관찰되지 않았으나, 유사한 투수계수를 갖는 서브도메인끼리 동일 그룹으로 분류되는 경향은 유지되었다.
Fig. 10.
Grouping of the average permeability of the 4 × 4 sub-domains in trace map 4, classified into two groups by (a) trace orientation and (b) trace density, and into six groups by (c) trace orientation and (d) trace density (Choi et al., 2025)
4. 고찰 및 향후 연구 방향
앞서 살펴본 바와 같이, 균열 방향·밀도·길이 등을 기준으로 구조적 영역을 구분한 기존 연구들은 균열 분포의 공간적 변동성을 정량적으로 규명하는 데는 기여하였으나, 이를 수리적 거동과 직접 연계하지는 못하였다. 한편 DFN 기반 수리거동 예측 연구 및 이에 기반한 REV 결정 연구들은 단일 통계적 분포를 따른다는 전제하에 균열을 생성하여, 실제 암반 내 균열 분포가 위치에 따라 상이하게 나타나는 공간적 변동성을 충분히 반영하지 못하였다는 한계가 있다. Choi et al.(2025)의 연구는 이러한 두 연구 흐름 사이의 간극을 메우기 위한 시도로서, 균열 분포의 변동성이 암반 내 유동 특성에 미치는 영향을 규명하고자 실제 암반 노두에서 확보한 2차원 균열 지도를 분석하였다. 다양한 균열 지도로부터 균열 분포 변동성을 산정하고 수치해석을 통해 얻은 수리적 특성의 불균질성을 확인한 후, 두 요소 간의 상관관계를 CH 지수를 통해 정량화하였다. 그 결과, 균열 분포의 공간적 변동성이 실제 수리적 불균질성과 밀접하게 연관되어 있음이 확인되었으며, 이는 균열 분포의 변동성을 고려하는 것이 실제 암반 내 수리적 거동을 효과적으로 구현하기 위해 필수적임을 시사한다. 특히 균열 분포의 공간적 변동성이 클수록, 해당 변동성을 반영한 DFN 모델링의 필요성이 더욱 커진다.
다만 실제 암반에서는 균열 분포의 공간적 변동성이 크지 않은 경우도 존재하므로, 변동성을 DFN 모델링에 반영하는 것이 특히 중요한 조건을 고려할 필요가 있다. 해석 대상 영역의 규모가 작은 경우 서브도메인별 균열 분포 특성을 지나치게 세분화하여 반영하면 서브도메인 간 균열의 연결성이 단절되어 유동 특성이 실제와 다르게 모사될 수 있다(Choi et al., 2025). 따라서 이러한 모델링 기법은 해석 대상 영역이 수십 m 이상으로 충분히 크고, 그 안에서 균열 분포 특성이 뚜렷이 구분되는 경우에 유의미하다. 한편 서브도메인 간 변동성이 어느 수준일 때 이 기법이 필요한지는 부지 특성에 따라 달라지므로 현장별로 결정해야 하나, Choi et al.(2025)에서 균열 밀도의 변동계수가 20% 이상일 때 변동성을 반영해야 한다고 제시한 바 있어 이를 하나의 기준으로 활용할 수 있다.
이러한 모델링 기법을 사용할 경우 서브도메인의 크기에 따라 결과가 달라질 수 있으므로, 네트워크 연결성과 서브도메인 내 균질성을 함께 고려하여 크기를 결정해야 한다. 균열 개수가 전반적으로 적거나 균열 크기가 작은 경우 서브도메인을 지나치게 작게 분할하면 서브도메인 간 연결성이 DFN에 반영되지 못하므로, 서브도메인 기반으로 생성한 DFN의 네트워크 연결성이 실제 암반에서의 연결성을 잘 모사하는지, 즉 균열 밀도와 크기에 따라 달라지는 네트워크 연결성을 실제 암반 조건과 비교하여 검증할 필요가 있다. 반대로 서브도메인이 지나치게 크면 암반 내 공간적 변동성을 반영하기 어려우므로, 서브도메인 내에서는 균열 분포 특성이 대체로 균질하도록 분할해야 하며, 균질성을 확인하여 여전히 불균질한 경우에는 해당 서브도메인을 추가로 분할할 필요가 있다.
한편 Choi et al.(2025)의 연구는 2차원 균열 데이터에 기반하고 있어, 균열망의 3차원적 연결 구조와 실제 유동 경로를 2차원 단면만으로는 동일하게 재현하지 못한다는 한계를 지닌다. 실제로 Huang et al.(2017)은 3차원 균열망으로부터 추출한 2차원 절단면들의 등가 투수계수를 비교한 결과, 3차원 균열망은 모두 투수성을 나타낸 반면 일부 2차원 절단면은 비투수성으로 산정되는 등 두 결과 사이에 뚜렷한 차이가 존재함을 보고하였다. 이는 균열망의 연결성 구조가 2차원과 3차원에서 서로 다르게 나타날 수 있음을 시사한다. 따라서 3차원 균열망을 대상으로 균열 분포 변동성이 유동 특성에 미치는 영향을 분석하는 후속 연구가 필요하며, 이러한 관점에서 Choi et al.(2026)은 3차원 균열망을 대상으로 균열 분포 변동성과 유동 특성 간의 관계를 분석하는 연구를 수행하였다.
또한 Choi et al.(2025)을 비롯한 기존 연구들은 대체로 수리적 거동에 초점을 맞추어 왔으나, 실제 암반의 거동은 열적(Thermal, T)·수리적(Hydraulic, H)·역학적(Mechanical, M)·지화학적(Chemical, C) 요인이 상호작용하는 복합 거동(THMC coupling)의 특성을 지닌다. 특히 방사성폐기물처분장의 경우, 처분장 전체에 걸친 암반 가열로 인한 열응력이 균열의 폐쇄를 유발하여 투수계수를 변화시키는 것으로 보고된 바 있으며(Rutqvist et al., 2009), 이는 역학적·열적 요인이 균열의 수리적 거동을 지배하는 핵심 변수로 작용함을 보여준다. 아울러 지화학적 반응 역시 처분장의 장기 안정성 측면에서 중요한 요소로 작용하므로, 향후에는 균열 분포의 변동성을 고려한 암반 복합거동 연구가 중요한 과제가 될 것으로 판단된다.
5. 결 론
암반 내 불연속면은 지하수 흐름을 좌우하는 핵심 요인이며, 실제 암반의 균열 분포는 전 영역에 걸쳐 균질하게 나타나기보다 위치별로 상이한 공간적 특성을 지닌다. 특히 방사성폐기물 처분과 같이 장기적 시간 규모에서 높은 예측 신뢰도가 요구되는 분야에서는, 이러한 공간적 변동성을 충실히 반영한 DFN 모델링이 필수적이다. 그러나 본 고찰에서 살펴본 바와 같이, 관련 연구는 두 갈래로 나뉘어 수행되어 왔다. 다양한 균열 파라미터를 기준으로 암반 내 구조적 영역을 구분한 연구들은 균열 분포의 공간적 변동성을 정량적으로 특성화해 왔으나 이를 수리적 거동과 연계하지는 못하였다. 반면 DFN 모델링에 기반한 수리적 거동 예측 연구들은 균열 특성이 단일 통계적 분포를 따른다는 전제하에 수행되어 공간적 변동성을 충분히 반영하지 못하였다. 이처럼 균열 분포의 공간적 변동성을 규명하는 연구와 수리적 거동을 예측하는 연구가 분리되어 수행되어 왔다는 점은, 암반균열망 모델링에서 균열 분포의 공간적 변동성과 수리적 거동을 함께 고려하는 통합적 접근이 필요함을 시사한다.
이러한 통합적 접근의 필요성은 Choi et al.(2025)의 연구에서도 뒷받침된다. 이 연구는 균열 분포의 공간적 변동성이 암반의 수리적 거동에 실질적인 영향을 미친다는 것을 정량적으로 보여주었다. 이를 실제 모델링에 반영하는 구체적 방향으로는, 해석 대상 암반 영역을 균열 특성의 유사도에 따라 서브도메인으로 구분하고, 단일 분포 대신 서브도메인별로 서로 다른 균열 분포 파라미터를 적용하여 DFN을 생성하는 방식을 고려할 수 있다. 이러한 접근은 방사성폐기물처분장, 지하 에너지 저장 시설 등 높은 신뢰도가 요구되는 분야에서 보다 현실적인 암반 거동 예측과 안전성 평가에 기여할 수 있을 것으로 기대된다.
