Home

Quick Links

Search

 
Ослабление влияния системы наблюдений 3D наземных съемокGreen Open Access

Authors: N. Gulunay, N. Benjamin and M. Magesan
Journal name: First Break
Issue: Vol 24, No 2, February 2006
Language: Russian
Info: Article, PDF ( 657.06Kb )

Summary:
Necati Gulunay, Nigel Benjamin и Mag Magesan из CGG обсуждают влияние геометрии системы наблюдений, которое проявляется в большинстве 3D наземных съемках, и надежный метод для ослабления этого влияния. В лияние геометрии системы наблюдений 3D наземных съемок проявляет себя в виде полос на временных срезах суммарного куба данных с инлайновым и кросслайновым периодами, которые совпадают с интервалами между источниками и интервалами между приемниками в системе наблюдений. Hill и др. (1999) дает детальное описание и исследование влияния системы наблюдений. ДМО кубы, также известно, демонстрирует такие артефакты. Schleicher и др. (1989) и Ronen (1994) объясняют артефакты ДМО, как проявление неоднородностей в диаграмме кратности. Эти артефакты на суммарных кубах (или ДМО кубах) иногда описываются как «штриховка» или «дребезг», и они препятствуют точной интерпретации. Это явление подобно периодическим артефактам, которые наблюдаются вдоль направления инлайна (ОГТ) 2D профилей, вследствие того, что распределение удалений в пределах ОГТ имеет периодичность, пропорциональную отношению интервала между источниками и интервала между приемниками. В 2D съемках геометрия источников и приемников и полевые расстановки могут быть объединены по правилу «суммарная расстановка» (Ansty, 1986; Morse и др., 1989) для ослабления таких артефактов. Хорошо известно, что такие артефакты в 2D могут быть ослаблены неоднозначным способом интерполяции трасс, поскольку источником проблемы является крутопадающая составляющая (содержание зеркальных частот), появившаяся вследствие использования редкой геометрии системы наблюдения. В 3D наземных съемках, вследствие больших интервалов линий источников и приемников, и поиска малых расстановок источников и приемников, невозможно применение правила «суммарной расстановки». Любая многоканальная процедура, является ли это суммированием, ДМО или миграцией, чувствительна к таким артефактам. Поскольку интерполяция является трудной или дорогостоящей, то требуется другой способ для ослабления таких артефактов. Первые известные нам изданные исследования, связанные с проблемами влияния системы наблюдений на 3D кубы и детерминированными способами их решения, были сделаны Meunier и др. (1992) и Baixas и др. (1993). Вскоре Gulunay и др. (1994) предложили адаптивный к данным метод режекторной фильтрации в частотно-волновочисловой области, который работал хорошо в основном для плоских волн. Gulunay (1999, 2000) позже дополнил метод для наклонных волн, заметив, что формы артефактов являются частотно-инвариантными, но их положение меняется с частотой и повторяет наклон каждой преобладающей волны. Работа в частотной области не единственный способ: Drummond и др. (2000) предложили использовать временные срезы и детерминистическую режекторную фильтрацию этих срезов в области волнового числа. Однако, поскольку их основной метод фильтрации временных срезов не был адаптивен к данным и диаграммы шумов могли меняться со временем, они также предложили использование адаптивного подавления помех. Зависящая от геометрии детерминистическая фильтрация временных срезов 3D кубов для подавления влияния системы наблюдения была позже предложена Soubaras (2002). Karagul и др. (2004) показали интересные результаты на наборе данных со сложным строением, используя метод Soubaras. Самой последней является предложенная Al-Bannagi и др. (2004) фильтрация временных срезов с разложением по сингулярным числам матрицы (SVD), где ослабление влияния системы наблюдений и случайное подавление шума выполняются на одном шаге путем выбора определенных сингулярных чисел. Изучая похожие предшествующие публикации, можно естественно задаться вопросом, каковы за и против работы с временными или частотными срезами, поскольку они необязательно одинаковые, даже когда все частоты отфильтрованы в методе частотной области. Можно было также задаться вопросом, могут ли адаптивные к данным методы, как метод Gulunay (1999, 2000), работать со сложными волновыми картинами или должны ли мы проектировать детерминированные фильтры для каждого отдельного случая. Оставив первый вопрос на будущие исследования, Gulunay и др. (2005) разработали метод режекторной фильтрации частотных срезов по волновым числам, названный FKF3D, с обширным пользовательским средством управления и небольшими требованиями к контролю качества, и проверили его на различных массивах данных, полученных на Ближнем Востоке. В данной статье мы приводим введение в основные принципы метода и некоторые результаты, полученные для ближневосточных полевых данных.

Download
Back to the article list