5/31/2016

Ilustrasi Survey Geofisika pada Zona Mineral

GEOFISIKA:

1 Merupakan bagian integral

dari kegiatan pencarian
Mineral.
Eksplorasi Mineral Keuntungan:
Area bisa cukup luas
Berdasar Metode Geofisika Cost lebih murah
Melihat apa yang di
permukaan tidak
terlihat/terdeteksi

E. Hartantyo
2016

(Dentith & Mudge, 2014)

Geologi : Karakterisasi Fisis vs Kimia Metode Geofisika dalam eksplorasi dan tambang
Untuk memetakan dan mengidentifikasi
Untuk mendelineasi

Geofisika Pasif
Respon energi alami

Seharusnya komplemen,
namun bisa berkebalikan.
Misal: porositas, permeabilitas, dll
Geofisika Aktif
Penghubung: Respon energi buatan
PETROFISIKA

M : Pemetaan Geologi
D : Delineasi thd lingkungan
Survey: Metode Geofisika dan Deposit Mineral L : Logging (borehole)
Survey Airborne
Aeromagnetics
Aerogravity
Airborne gravity gradiometry
Airborne electro magnetic (AEM)
Ground
Geolistrik
Induce polarization
Self Potential
Mise Ala Masse
Gravity Magnetics
VLF, MT, dll
In-Ground
Borehole geophysics (Downhole logging)
Fisika sampel

(Harman, 2004)

1
 5/31/2016

Perbandingan Perbandingan biaya survey Geofisika : panjang

Biaya Survey
Geofisika :
Luasan

(Fritz, 2000) (Fritz, 2000)

Approximate Cost Relative Kerangka kerja geofisika

(Fritz, 2000)

Gradien

Tipe
pengukuran
geofisika

2
 5/31/2016

Respon gradien (vertical dike) Respon gradien (normal vertical fault)

Sifat Alamiah Respon Geofisika Sifat Alamiah Respon Geofisika

Noise lingkungan (Dentith & Mudge, 2014)

Sinyal dan Noise

Setiap pengukuran, dimana dilakukan pada daerah yang
terdapat sistem lingkungan yang kompleks dan tak bias
diprediksikan, maka kemungkinan besar data yang diukur
akan terkontaminasi informasi yang tak diinginkan.
Data = Sinyal
Informasi yang tak diinginkan = Noise
Sinyal / Noise = SNR (Signal to noise ratio), dihitung dalam
dB.
Noise terbagi 2:
Noise lingkungan
Noise metodologi (proses akuisisi, pengolahan, dll)

3
 5/31/2016

Noise lingkungan (sambungan) Noise lingkungan (sambungan)

(Dentith & Mudge, 2014)

(Dentith & Mudge, 2014)

(Dentith & Mudge, 2014)

Ilustrasi noise topografi dan urban Pengaruh topografi terhadap 2 jenis pengukuran

Noise Metodologi Akuisisi Data : Sampling dan Aliasing

Bisa muncul pada saat akuisisi, proses maupun
tampilan (display)
Misalnya:
Noise akibat besarnya energy sumber yang
digunakan
Drift pada beberapa instrument (umumnya
berkaitan dengan suhu)
Kesalahan orientasi dan posisi pada sensor
Munculnya ringing dalam proses seismik, akibat
ketidaktepatan algoritma

4
 5/31/2016

Aliasing, perbandingan frekuensi input-output Aliasing data lapangan sulfide masif Zn-Pb-Ag
pd 200Hz sampling

(Smith & Pridmore, 1989)

Hipotesa Model Probabilitas anomaly elips S=20m (Galybin etal., 2007)

Analisa terhadap respon model lapangan
Berguna untuk penentuan:
Panjang lintasan (jika 2D)
Luasan daerah survey (jika 3D)
Spasi antar titik (baik 2D ataupun 3D)
Ketelitian sensor yang dipergunakan
Perkiraan waktu/lamanya survey dengan asumsi survey
rate nya diketahui
QC terhadap data yang akan diperoleh

Probabilitas anomaly elips S=200m (Galybin etal., 2007) Konfigurasi Survey

5
 5/31/2016

Deteksi fitur:
Marmora Fe
Deposit,
Ontario Perbedaan fitur
anomaly akibat
Perbedaan perbedaan
fitur anomaly pemilihan
akibat lintasan survey
perbedaan
pemilihan
lintasan survey

Proses Interpolasi berbasis fungsi : spline

Reduksi Data
De-Spiking
Leveling
Lain-lain
Interpolasi
Interpolasi Statistik
Interpolasi berbasis fungsi

Interpolasi berbasis fungsi : bi-directional gridding Proses

Reduksi Data
De-Spiking
Leveling
Lain-lain
Interpolasi
Interpolasi Statistik
Interpolasi berbasis fungsi
Interpolasi parameter dan artefak

6
 5/31/2016

Artefak : kontur membulat (sirkular) : bulls-eye Proses

Reduksi Data
De-Spiking
Leveling
Lain-lain
Interpolasi
Interpolasi Statistik
Interpolasi berbasis fungsi
Interpolasi parameter dan artefak
Menggabungkan Set Data
Data Enhancement
Stacking
Rasio dua data pengukuran
Manipulasi matematis : filter

Data enhancement : Stacking Data Enhancement : Filtering

Rekaman sinyal
EM : B(t) yang
diulang pada lokasi
yang sama (tetap)

7
 5/31/2016

Contoh Aplikasi Filter Terhadap Data Seismik Visualisasi : visualisasi 1D

Menggambarkan profil parameter sebagai fungsi jarak,
waktu, frekuensi, band frekuensi, etc.
Parameter dapat di plot dalam skala log atau linier
Untuk interpretasi, umumnya diplot berbagai parameter fisis
hasil prosesing

Contoh ilustrasi visualisasi Contoh ilustrasi visualisasi

data dalam kerangka 1D data 2D

Visualisasi data 3D Visualisasi Data 3D

8
 5/31/2016

Visualisasi 3D aeromagnet : Mt. poly Cu-Au Deposit, Australia Visualisasi 3D : shaded relief
WetLook grey-shaded

Grey-shaded relief

HiPass

Dasar Interpretasi Remove respon regional (gravity)

Pertimbangan aspek:
Petrofisika
Skala kenampakan yang dapat teridentifikasi
Berpikir 3D terutama jika data hasil dalam profil 2D.
Anomali kuat dekat permukaan (regolith, dll) yang dapat
melemahkan respon target bedrock.
Distorsi oleh topografi
Basemap (artefak yang mungkin berpengaruh)
Arah lintasan dan kerapatan yang berpengaruh terhadap ukuran
model anomaly
Ketepatan posisi lintasan/titik pengukuran
Artefak akibat proses dan display
Info keberadaan infrastruktur Data gravity dari Murray
Brook, tambang sulfide
Kajian multi interpretasi data geofisika Cu-Pb-Zn, New
Brunswick, Canada
(Thoman, 1999)

Remove respon regional (geomagnetic) Remove respon regional (Log SP)

Data geomagnetic melintas Data Log SP memotong

deposit Pb-Zn Lembah pyrit di Trondelag,
Mississippi, Pin Point Area, NW Norway (Skianis &
Teritorist, Canada. Papadopoulos, 1993)
(Lajoie & Klein, 1979)

9
 5/31/2016

Kenampakan koreksi respon regional Interpretasi kualitatif kenampakan struktur

Interpretasi Kuantatif (model benda geofisika )

Respon gravity (gu) deposit sulfide

Data potensial (mV/A) pada deposit
nickel, Oulu, Finlandia (Ketola dkk,
sulfide nickel, Finlandia (Ketola, 1972)
1976)

Interpretasi Kuantitatif (model berbasis sel/grid) Model Geofisika 1D, 2D 3D

10
 5/31/2016

Ilustrasi inversi model berbasis gradient fungsi obyektif (Z known) Ilustrasi inversi model berbasis gradient fungsi obyektif ( known)

Ilustrasi inversi model berbasis gradient fungsi obyektif (x known)

11