Atribut Struktur Fault Enhancement - Andika Leonardo Surya - 115130038
Atribut Struktur Fault Enhancement - Andika Leonardo Surya - 115130038
Coherence dan atribut geometri yang lain merupakan atribut untuk melihat perubahan
lokal dari bentuk gelombang seismik, amplitudo, frekuensi dan dip azimuth. Seorang
interpreter menganalisa seperti bidang patahan, meandering channels, slump blocks, karts
collapses, dan fitur lain yang cocok dengan model geologi serta pengalaman interpretasi
mereka.
Seorang prosesor sangat kesulitan dalam bekerja untuk membantu memudahkan
proses interpretasi. Dalam ilmu pengobatan, progres yang signifikan telah dilakukan dalam
pengembangan algoritma yang rumit untuk mendeteksi sel darah pada anak kecil dengan
menggunakan CAT-scan images. Secara jelas algoritma seperti itu bisa saja di terapkan untuk
mendeteksi meandering channels.
Interpretasi dari patahan pada data volume seismik 3D tetap membutuhkan waktu
yang lama dan latihan yang memumpuni. Patahan secara manual di interpretasi dari inline,
crossline, dan time slices dari ketidakmenerusan amplitudo seismik. Meskipun coherence dan
semua atribut edge-detector membantu dalam memunculkan secara visual dari perubahan
lateral yang terjadi secara tiba-tiba di dalam data seismik 3D, peralatan otomatis telah
dikembangkan untuk memperbagus hasil dari atribut. Meskipun demikian, sekarang ini tren
telah berubah menjadi lebih baik dan pendekatan telah dikembangkan dalam penggunaan
atribut seismik untuk mendeteksi patahan secara otomatis.
Gambar 1. Vertical slices pada (a) data seismik 3D (b) diskontinuitas yang sesuai pada data seismik 3D, dari
survey yang dilakukan di bagian selatan Louisiana, Amerika Serikat. Bisa dilihat pada dua sesar
utama di bagian kiri yang cenderung keluar pada display atribut coherence. Data milik Seitel dan
analisa atribut milik Landmark Graphics, setelah Barnes (2005).
Vertical slices yang sesuai pada diskontinuitas data seismik 3D ditunjukan pada
Gambar 1b. Bisa dilihat 2 patahan utama di bagian kiri dan beberapa patahan di sebagian
bawah dari data.
Gambar 2. (a) time slice pada T = 3000 sekon pada data volume seismik dan (b)
time slice yang sesuai pada volum diskontinuitas yang di komputasi
dari survei yang sama pada Gambar 1. Patahan dengan tren TimurBarat bisa secara jelas terlihat pada tampilan atribut coherence. Data
milik Seitel dan analisa atribut milik Landmark Graphics, setelah
Barnes (2005)
Pada Gambar 2 menunjukan time slice pada waktu 3000 sekon dari data seismik 3D
dan time slice yang sesuai dari volum diskontinuitas yang diindikasikan dengan titik kuning
pada Gambar 1. Patahan-patahan tersebut terlihat jelas pada atribut volume coherence, dan
kebanyakan dari patahan-patahan tersebut terbentuk dari timur ke barat.
Pada Gambar 3 terlihat hasil dari filter yang sukses untuk menunjukan volume
diskontinuitas yang terlihat pada vertical slice di Gambar 1b, ditunjukan disini setelah (a)
penekanan dari bidang diskontinuitas horizontal (b) setelah gambar dilatasi, dan (c) setelah
gambar erosi. Paduan gambar dari bidang diskontinuitas dan data seismik ditunjukan pada
Gambar 3d. Demikian juga, Gambar 4 adalah display yang serupa, pada time slice 3000
sekon dari Gambar 2b.
Gambar 4. Hasil dari filter yang tepat
untuk volume diskontinuitas dari
sayatan vertikal pada t = 3000 sekon
ditampilkan pada Gambar 2b, (a)
setelah pembebanan horizontal dari
diskontinuitas, (b) setelah dilatasi, dan
(c) setelah erosi. (d) Gambaran
gabungan dari data diskontinuitas dan
seismik. Perhatikan bagaimana noise
koheren rendah yang tidak diinginkan
sudah di filter. Setelah Barnes (2005).
Lees (1999) mendemonstrasikan bahwa seperti lapisan yang di interpretasi dari data
seismik dengan menggunakan voxel tracking, proses yang serupa juga digunakan untuk
merekonstruksi permukaan yang merepresentasikan patahan. Beliau memulai dengan
mengkalkulasikan sebuah atribut volume coherence dari volume seismik. Lalu, beliau
menghasilkan volume gabungan dengna mengunakan teknik yang telah didiskusikan pada
Bagian 9 dengan menggunakan tampilan berwarna. Jika coherene tidak terlalu kelihatan,
beliau memetakan nilai coherence pada nilai terendah 128 dari range 8-bit voxel nya. Dari
hal tersebut, teknologi picking voxel konvensional bisa menginterpretasikan patahan dari
coherence ataupun bidang reflektor seismik dengan menetapkan seed points dan jarak dari
nilai voxel yang berdekatan.
Gambar 5a menunjukan bagian dari penampang seismik yang menunjukan beberapa
patahans secara jelas. Gambar 5b adalah perbesaran dari porsi bagian ini. Gambar 5c
menunjukan atribut volume yang sesuai dari coherence. Gambar 5d menunjukan tampilan
kombinasi, dengan warna hitam yang sesuai dengan poin yang memiliki kemiripan nilai yang
rendah. Perhatikan pada skala warna gabungan dengan bawahnya menunjukan kemiripan dan
bagian atas nya menunjukan display dari seismik data nya.
Gambar 5. (a) penampang vertikal
seismik yang terdapat patahan. (b) versi
perbesaran dari zona pada kotak kuning
ditunjukan pada (a). (c) volume
coherence yang sesuai di area data pada
(a). (d) gambaran gabungan pada data
coherence
dan
seismik,
dengan
menggunakan skala warna gabungan
diatas. Poin berwarna hitam berasosiasi
dengan nilai koheren yang rendah. (e)
permukaan
yang
di
triangulasi
menunjukan bidang patahan dari patahan
yang kita lihat pada (a)-(d). Perhatikan
bagaimana poin dengan koheren rendah
bisa di gabung secara otomatis untuk
menghasilkan bidang patahan. Setelah
Barnes (1999).
Pada seed point selanjutnya di interpretasi dan dibuat untuk menumbuhkan nilai
rendah pada atribut coherence. Penumbuhan biasanya tidak membentuk lapisan yang
menerus, jadi iterasi diperlukan untuk menumbuhkan point bayangan dari tiap lapisan dan
bidan pada inline dan crossline. Gambar 5c menunjukan permukaan triangulasi yang di
interpolasi dari poin bayangan.
Dorn et al. (2005) mendeskripsikan proses lain yang digunakan pada atribut
coherence. Gambar 6 menunjukan volume coherence yang digunakan untuk ekstraksi
patahan secara otomatis, diambil dari survey yang dilakukan offshore U.K pada lapangan
Wytch Farm. Pertama, klasik destripping operator digunakan pada data (time slice atau depth
slice) untuk membuang semua data akusisi yang kurang sesuai. Lalu hasil dari atribut volume
tersebut akan di proses untuk memperbagus fitur linear pada time atau depth slice tersebut.
Fitur linear berasosiasi dengan patahan yang diperkiranan memiliki nilai minimum
yang menghambat nilai rendah coherence. Tampilan dari contoh adjacent dibuat untuk
memisahkan tiap sample pada slice. Tujuan nya adalah untuk melihat jika bagian linear bisa
dibuat dengan menghubungkan sample dari coherence rendah jadi bisa terbentuk bagian dari
garis yang menerus. Step ini menghasilkan probabilitas yang relatif dari data volume, dimana
pada tiap sample merepresentasikan relatif probabilitas yang dimiliki oleh fitur horizontal
linear. Pada konteks ini, filter bisa di atur untuk membatasi jarak azimuth atau untuk
memfilter fitur linear yang tidak sampai pada jarak yang sudah ditentukan. Gambar 7a
menunjukan lineament-enhanced volume yang di ambil dari volume yang ditunjukan pada
Gambar 6.
kedalaman sesuai dengan azimuth nya. Fitur linear yang sesuai untuk batas channel, pinchout, dan ketidakselarasan dimana tidak ada nya jangkauan yang di filter tidak terlalu besar.
Gambar 7a menunjukkan pengembangan patahan dengan probabilitas relatif.
Perhatikan bidang kontinuitas yang berkembang dan perbandingan signal dengan noise untuk
patahan pada penampang vertikal pada data. Volume ini bisa digunakan untuk melakukan
picking patahan menggunakan 3D interpretation system, menghubungkan polyline pada
ruang 3D, memisahkan data tersebut menjadi patahan yang berbeda, dan menghasilkan
permukaan patahan tertentu. Gambar 8 menunjukan patahan yang dipilih dari banyak
patahan yang di telah dihasilkan dari hasil langkah ini.
Langkah yang serupa juga ditiru oleh paket komersil (dari Ikon Science Ltd.), dengan
menggunakan teknik proses yang tingkatannya lebih tinggi untuk memunculkan tren patahan
pada 3D volume. Atribut coherence digunakan untuk pick bagian dari patahan horizontal,
setelah analisa dan tinjauan dari tren patahan dilakukan untuk meningkatkan resolusi untuk
struktur.
Gambar 9a menunjukan segmen dari patahan yang terlihat pada tampilan 3D, yang
di pick dari atribut coherence (time slice), dan terlihat secara berwarna dengan azimuth yang
didasarkan pada skala warna Gambar 9b. Tampilan 3D yang berisi crossline yang membantu
kita untuk menentukan korelasi dari semua patahan dengan sifat seismik yang bersesuaian.
Gambar 9c menunjukan segmen patahan yang sama yang terlohat pada Gambar 9a, tapi
yang ditampilkan disini pada data seismik adalah amplitudo dari reflektivitas nya. Ini
merupakan tampilan lain yang digunakan untuk mengecek keakuratan picking dari
patahannya.
Gambar
10
menunjukan
bidang
patahan
dimana
telah
dihasilkan
dari
menggabungkan segmen patahan yang sudah di pick dari Gambar 9 dan dibandingkan
berdasarkan slice atribut coherence. Bidang patahan yang mendominasi skala warna dari
azimuth digunakan untuk menampilkan segmen patahan pada Gambar 9.
Ant Tracking
Gambar 11. (a)-(b), Sayatan waktu pada volum coherence (a) sebelum dan (b) sesudah pengaplikasian
algoritma ant-tracking. (c)-(d), sayatan vertikal pada volum coherence yang sama (c) sebelum dan
(d) sesudah pengaplikasian dari algoritma ant-tracking. Perhatikan bagaimana patahan muncul
secara tajam-tajam dan kontinyu pada kedua tampilan horizontal dan vertikal. Setelah Pedersen et
al., (2001).
Permukaan yang di ekstrak dengan menggunakan prosedur diatas adalah segmen yang
esensial dan bukan permukaan yang lengkap. Menggabungkan segmen dengan permukaan
yang mengandung fasa akhir dari metode ant-tracking, saat segmen patahan dipisah menjadi
sistem yang berbeda dari orientasinya. Disini, segmen patahan dipisah menjadi beberapa grup
yang memiliki kesamaan orientasi, dengan tidak adanya segmen yang salit berpotongan.
Pada Gambar 12a, kita menunjukan volum seperti hasil coherence menggunakan
struktur gradien tensor yang sudah dijelaskan pada Bab 2. Pada Gambar 12b, kita
menampilkan hasil dari pemfilteran fitur horizontal dari stratigrafi. Pahami bahwa bidang
diskontinuitas berasosiasi dengan patahan yang sudah dipersiapkan tapi belum selaras. Tiap
permukaan menipis (Randen et al., 2001), jadi tiap permukaan merupakan tebal satu voxel.
Permukaan yang sudah diekstrak muncul serta terkoneksi dan menjadi interpretasi patahan
(Gambar 12c). Aplikasi dari algoritma ant-tracking menghubungkan semua diskontinuitas
yang tidak terhubung dengan permukaan patahan yang berlainan. Gambar 13 menampilkan
permukaan patahan yang sudah dikembangkan yang divisualisasikan dalam subvolum
seismik yang diekstrak dari volum seismik yang besar untuk menghasilkan volum koheren
pada Gambar 11 dan Gambar 12.
Gambar 12. (a) volum yang menyerupai atribut coherence (e.g., menampilkan atribut chaos), (b) volume
koheren di filter untuk meminimalisir efek dari koheren rendah yang berasosiasi dengan stratigrafi,
dan (c) bidang patahan yang ditingkatkan dengan menggunakan algoritma ant-tracking pada data
volum yang sama. Perhatikan kontinuitas dari bidang patahan pada Gambar 12c setelah
pengaplikasian dari algoritma ant-tracking untuk memfilter volum coherence pada Gambar 12b.
Setelah Randen et al., (2001).
Hough Transform
Transformasi Hough digunakan pada prosesing gambaran untuk mendeteksi bentukan.
Atribut ini memetakan garis atau ujung dari suatu poin (pixels) pada sebuah gambaran
ataupun untuk garis pada parameter ruang. Atribut ini juga terkadang digunakan sebagain
transformasi poin menjadi kurva.
Jika kita memparameterkan gari dari slope nya dan menginterpretasikan (y = mx + c),
lalu untuk semua garis yang melalui tiap pixel (x,y) pada gambaran, pixel tersebut akan
dipetakan pada garis b = -xm + y didalam parameter ruang (m,x,b). Persamaan yang
mengkonversi pixel dari domain jarak menjadi domain polar-parameter atau sebaliknya
adalah = xcos + ysin.
Sebuah poin pada bidang gambaran bersesuaian dengan kurva sinusoidal pada
parameter bidang.
Sebuah poin pada parameter bidang bersesuaian dengan garis lurus pada bidang
gambaran.
Poin yang terdapat pada garis lurus yang sama pada bidang gambaran bersesuaian
poin yang bersesuaian dengan bidang pada ruang (x,y,z). Transformasi terbalik dari poin
tersebut menghasilkan subset dari poin pada ruang (x,y,z) dimana nantinya kita bisa
menginterpolasi untuk menghasilkan bidang patahan.
Gambar 14a dan b menunjukan sayatan vertikal pada volum seismik dan volum
koherensi yang bersesuaian (mirip). Menggunakan metodologi yang telah dijelaskan diatas,
patahan diekstrak dari data yang ditampilkan pada bidang tiga dimensi pada Gambar 14c.
Metode ini bekerja sangat baik pada patahan yang planar (lurus), tapi untuk patahan yang
berkelok-kelok akan sangat dibutuhkan secara interaktif menggabungkan beberapa subjek
dari poin yang telah di ekstrak secara terpisah tapi berasosiasi dengan patahan yang sama.
Gambar 14. (a) sayatan vertikal pada data seismik volum dan (b) volum koherensi yang sesuai, menunjukan
patahan. (c) penampakan 3D dari patahan yang telah diekstrak dari volum koheren ditunjukkan
pada (b), disini digunakan metode double Transformasi Hough. Untuk memperkirakan patahan
lurus, metode ini memperbolehkan ekstraksi otomatis dari volum 3D seismik. Untuk patahan yang
berkelok, meskipun demikian, dibutuhkan satu ekstraksi subset dari bidang patahan dan akan
digabung nantinya dari semua subset yang di ekstrak. Setelah Jacquemin dan Muller (2005).