러시아의 공격 식별

블로그

홈페이지홈페이지 / 블로그 / 러시아의 공격 식별

Aug 21, 2023

러시아의 공격 식별

Nature(2023)이 기사 인용 2408 64개의 Altmetric Metrics 세부 정보 액세스 지진계는 일반적으로 연구 커뮤니티에서 지역 또는 원거리 지진을 연구하는 데 사용되지만 지진계에는 다음도 포함됩니다.

네이처(2023)이 기사 인용

2408 액세스

64 알트메트릭

측정항목 세부정보

지진계는 일반적으로 연구 커뮤니티에서 지역 또는 원거리 지진을 연구하는 데 사용되지만 지진계에는 지역1,2 및 글로벌 폭발3의 중요한 관측 정보도 포함되어 있어 갈등을 더 잘 이해하고 잠재적인 국제법 위반을 식별하는 데 사용할 수 있습니다. 포괄적 핵실험 금지 조약의 일환으로 핵 폭발을 모니터링하기 위해 국제 모니터링 시스템4에서 지진, 초저주파 및 수중 음향 기술을 사용하고 있지만, 저위력 군사 공격을 탐지하고 위치를 파악하려면 소스에 훨씬 더 가까운 센서 네트워크가 필요합니다. 폭발의. 따라서 활성 분쟁 지역을 효과적으로 모니터링하는 데 사용할 수 있는 포괄적이고 객관적인 데이터를 얻는 것은 여전히 ​​중요한 과제로 남아 있습니다. 여기에서는 우크라이나 북부에서 발생한 폭발로 인해 발생하고 현지 지진계 네트워크에 기록된 지진파를 사용하여 거의 실시간으로 개별 공격을 자동으로 식별하고 활성 분쟁 지역에 대한 전례 없는 시각을 제공하는 방법을 보여줍니다. 2022년 2월부터 11월까지 키예프, 지토미르, 체르니히프 지역에서 1,200건 이상의 폭발을 관찰하여 정확한 발생 시간, 위치, 규모를 제공했습니다. 우리는 공개적으로 보고된 공격 수를 훨씬 초과하는 폭발 목록을 포함하여 다양한 유형의 군사 공격과 관련된 다양한 지진 음향 신호를 식별합니다. 우리의 결과는 지진 데이터가 지속적인 분쟁을 객관적으로 모니터링하고 잠재적인 국제법 위반에 대한 귀중한 정보를 제공하는 효과적인 도구가 될 수 있음을 보여줍니다.

언론 보도에서는 우크라이나 전쟁과 관련된 참상을 보여주지만 계속되는 군사 공격에 대해 포괄적이고 편견 없는 개요를 얻는 것은 상당한 도전입니다. 소셜 미디어 게시물과 전통적인 미디어 매체는 모두 주관적일 가능성이 있으며 실제로 잘못된 정보와 선전을 목적으로 조작되는 경우가 많습니다. 공격이 발생하는 장소와 시기를 정확히 보여주는 보다 완전하고 객관적인 그림을 확보하는 것은 분쟁의 규모, 진행 상황을 명확하게 이해하고 잠재적인 국제법 위반을 식별하는 데 필수적입니다.

위성 이미지는 우크라이나의 군사 공격에 대한 고해상도 사진을 제공하는 효과적인 수단인 것으로 나타났습니다. 이러한 데이터는 이제 일반 대중이 접근할 수 있으며5 신흥 오픈 소스 인텔리전스 커뮤니티를 지원하는 데 도움이 됩니다. 그러나 공개 위성 이미지는 높은 공간 해상도를 제공할 수 있지만 이미지의 시간과 위치에 대한 사전 지식이 필요합니다. 실시간으로 넓은 지역에 걸쳐 포괄적인 보도를 제공하는 것은 이 기술의 능력을 넘어서며 따라서 전통적인 보고를 괴롭히는 불완전성으로 인해 어려움을 겪습니다.

그러나 위성 이미지가 객관적인 갈등 데이터의 유일한 소스는 아닙니다. 폭발로 인해 생성된 지진파와 음파는 지상에서 최대 약 8km/s, 공중에서는 약 0.34km/s의 속도로 수백 킬로미터에 걸쳐 전파될 수 있습니다. 이러한 신호는 지진계와 미기압계를 통해 높은 샘플링 속도(일반적으로 40~200Hz)로 기록될 수 있으며, 이는 충돌을 실시간으로 모니터링하는 데 도움이 될 수 있습니다. 음향 및 지진 거리 측정 방법은 제1차 세계 대전 초기부터 포병 위치를 찾기 위해 사용되었으며 현대 지진 탐사 방법 개발의 기본이었습니다6,7,8. 이후 실험 데이터 세트의 음향 센서를 사용하여 포병 위치와 충격 영역을 찾는 데 초점을 맞추거나 개별 대규모 폭발의 속성을 추론하는 방법이 발전했습니다1,2,10. 그러나 현재까지 활발한 군사 충돌로 인한 지진 및 음향 신호에 대한 실시간 분석은 부분적으로 적절한 데이터가 부족하기 때문에 문헌에 없습니다.

3,300 km) with classical array processing techniques. Under the assumption that the incoming wavefronts are planar and originate from distances much larger than the array aperture, coherent signals across the array are stacked to enhance the signal-to-noise ratio, whereas the time delays between the individual array elements are used to estimate the direction of an incoming wavefront12. To direct the array towards detecting local and regional seismic activity, we must abandon the classical plane-wave assumption and use observations from individual seismometers to accurately locate events near the array. With the large spatial footprint and high sensor count, the Malyn array offers a unique opportunity for monitoring conflict-related explosions throughout the Zhytomyr, Kyiv and Chernihiv provinces in northern Ukraine./p>100 km) or with lower yield. These observations highlight that both acoustic and seismic monitoring can play an important role in conflict monitoring./p> 1.7), these are associated with mining and quarry activity close to Korosten (Fig. 1). The largest explosion that can be clearly associated with a military attack has a magnitude of 1.7 and corresponds to an air strike that targeted Chernihiv on 10 March 2022 (Fig. 4c). The explosive yield for this explosion is estimated to between 352 and 3,083 kg. Considering an Iskander ballistic missile has a yield of approximately 700 kg (ref. 32), our maximum yield estimate is much too high, but the lower estimate is certainly feasible for such an air strike. To further improve yield estimates, we also derive independent yield estimates from acoustic phase amplitudes (Methods). However, acoustic-based prediction models33 lead to even larger yields, highlighting the need for yield calibration experiments./p>500 km from the source) historical data of mostly atmospheric nuclear explosions that are markedly different, in terms of energy release, from the conflict-related explosions investigated here. By contrast, models based on amplitude inputs have used close-range stations (<50 km from the source), which is more realistic for our event dataset./p>