FORWARD MODELING DATA MT 1D (MAGNETOTELLURIK) MENGGUNAKAN

MATLAB

Diajukan untuk melengkapi tugas mata kuliah Pemodelan Geofisika

Oleh:

MUJIBUSSALIM
1804107010037

UNIVERSITAS SYIAH KUALA

FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK GEOFISIKA
TAHUN AJARAN 2020/2021
 BAB I
PENDAHULUAN
Dalam geofisika, pengukuran data di permukaan bumi dilakukan untuk memperkirakan
kondisi bawah permukaan. Data pengamatan merupakan respon dari struktur atau formasi
geologi bawah permukaan. Selanjutnya, interpretasi data geofisika perlu dilakukan untuk
mengetahui gambaran distribusi respon fisis bawah permukan (misalnya: distribusi nilai
resistivitas). Pengukuran data di permukaan bumi umumnya dilakukan menggunakan geolistrik.
Salah satu metoda geolistrik yang sesuai yaitu metode geolistrik resistivitas. Data resistivitas
yang diperoleh dari pengukuran merupakan data resistivitas semu. Data resistivitas semu
umumnya ditampilkan sebagai peta kontur berwarna dan diinterpretasi secara kualitatif.
Namun, karena struktur geologi bawah permukaan bersifat nonhomogen, maka diperlukannya
solusi analitik untuk merubah resistivitas semu menjadi resistivitas sebenarnya.
Dalam eksplorasi geofisika terdapat banyak metode yang dapat digunakan untuk
eksplorasi panas bumi, yaitu metode Magnetotellurik (MT), metode Gravity dan metode Micro
Earth Quake (MEQ). Metode Magnetotellurik digunakan untuk mengetahui konduktivitas bawah
permukaan, Metode Gravity digunakan untuk mengetahui struktur bawah permukaan dan metode
MEQ digunakan untuk mengetahui pergerakan fluida dalam reservoar. Semua metode geofisika
seperti MT, Gravity, dan MEQ, memiliki tahapan akuisisi, processing, modelling dan
interpretasi. Untuk akusisi data MT, parameter yang diukur adalah medan magnetik bumi (Hx,
Hy dan Hz) dan medan listrik bumi (Ex, Ey). Sedangkan pengolahan data dilakukan dengan
beberapa langkah dengan tujuan untuk mendapatkan nilai impedansi. Impedansi yang dapat
memberikan informasi mengenai nilai resistivitas bawah permukaan. Hasil pengolahan data
kemudian dimodelkan, di mana dalam hal ini menggunakan pemodelan dari hasil inversi. Proses
inversi merupakan proses pengolahan data hasil akuisisi menggunakan teknik matematis..
Forward modeling atau pemodelan kedepan ialah suatu metode interpretasi yang
memperkirakan densitas bawah permukaan dengan membuat terlebih dahulu benda geologi
bawah permukaan. Forward modeling juga merupakan proses perhitungan data dari hasil teori
yang akan teramati di permukaan bumi jika parameter model diketahui, atau untuk lebih mudah
memahaminya bahwa forward modelling adalah suatu proses membangkitkan data berdasarkan
model yang kita lakukan atau asumsikan.
1. Rumusan Masalah
Rumusan masalah pada penelitian ini adalah bagaimana cara memplot data MT pada Matlab

2. Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk mendapatkan hasil plot data MT dengan menggunakan
Matlab
 BAB II
TINJAUAN PUSTAKA
1. Prinsip Dasar Metode Magnetotellurik
Metode magnetotellurik (MT) merupakan salah satu metode eksplorasi geofisika pasif
yang memanfaatkan medan elektromagnetik alam. Medan EM tersebut ditimbulkan oleh
berbagai proses fisik yang cukup kompleks sehinga spectrum frekuensinya sangat lebar ( 10 Hz).
Metode magnetutellurik (MT) merupakan salah satu metode geofisika yang dinilai paling baik
digunakan dalam eksplorasi panas bumi karena kemampuannya untuk memetakan nilai
resistivitas batuan sistem panas bumi. Metode tersebut mengukur dua komponen orthogonal
medan listrik ( E ) dan dua komponen orthogonal medan magnet ( B ). Rasio dari medan listrik
dan medan magnet merupakan nilai resistivitas semu yang kita kenal sebagaItensor impedan ( Z).
Medan elektromagnetik alami ( medan elektromagnetik primer ) sebagai sumber metode
magnetotellurik sampai ke bumi dengan memiliki variasi ke Bumi dengan memiliki variasi
terhadap waktu. Medan elektromagnetik tersebut menginduksi ore body di bawah permukaan
bumi sehingga eddy current ( arus telluric) yang menimbulkan medan elektromagnetik sekunder.
Receiver (RX) yang berada di permukaan menangkap total medan elektromagnetik sebagai
penjumlahan dari medan elektromagnetik primer dan medan elektromagnetik sekunder.

2. Sumber Gelombang Magnetotellurik

Bumi memiliki medan magnet yang konstan, namun yang dibutuhkan dalam metode MT
bukanlah medan magnet yang konstan, melainkan medan magnet yang berubah-ubah terhadap
waktu, karena medan magnet yang berubah-ubah terhadap waktu dapat men-generate medan
listrik. Variasi medan elektromagnet dapat berasal dari petir ataupun interaksi dari solar wind
dengan lapisan magnetosphere Bumi. Medan elektromagnetik dengan
frekuensi lebih dari 1 Hz berasal dari aktivitas meteoreologi seperti lightening discharge (cahaya
petir). Signal petir oleh cahaya dikenal sebagai sferics dan mencakup rentang frekuensi
elektromagnetik. Sferic menjalar dalam waveguide sebagai gelombang listrik transversal (TE),
magnetik transversal (TM), atau gelombang listrik dan magnetik transversal (TEM). Sedangkan
interaksi antara solar wind dengan lapisan Magnetosphere dan Ionosphere Bumi menghasilkan
Bumi memiliki medan magnet yang konstan, namun yang dibutuhkan dalam metode MT
bukanlah medan magnet yang konstan, melainkan medan magnet yang berubah-ubah terhadap
waktu, karena medan magnet yang berubah-ubah terhadap waktu dapat men-generate medan
listrik. Variasi medan elektromagnet dapat berasal dari petir ataupun interaksi dari solar wind
dengan lapisan magnetosphere Bumi. Medan elektromagnetik dengan frekuensi lebih dari 1 Hz
berasal dari aktivitas meteoreologi seperti lightening discharge (cahaya petir). Signal petir oleh
cahaya dikenal sebagai sferics dan mencakup rentang frekuensi
elektromagnetik. Sferic menjalar dalam waveguide sebagai gelombang listrik transversal (TE),
magnetik transversal (TM), atau gelombang listrik dan magnetik transversal (TEM). Sedangkan
interaksi antara solar wind dengan lapisan Magnetosphere dan Ionosphere Bumi menghasilkan
gelombang electromagnet dengan frekuensi kurang dari 1 Hz. Solar wind adalah suatu aliran
yang kontinu dari plasma, memancarkan sebagian besar proton dan elektron dari Matahari. Pada
saat solar wind mengenai medan magnet terrestrial pada magnetopause, proton dan elektron akan
berdefleksi ke arah yang berlawanan sehingga menimbulkan medan listrik gelombang
electromagnet dengan frekuensi kurang dari 1 Hz. Solar wind adalah suatu aliran yang kontinu
dari plasma, memancarkan sebagian besar proton dan elektron dari Matahari. Pada saat solar
wind mengenai medan magnet terrestrial pada magnetopause, proton dan elektron akan
berdefleksi ke arah yang berlawanan sehingga menimbulkan medan listrik.

3. Pre-Processing
Teori yang digunakan pada proses awal pengolahan data MT diantaranya adalah Fourier
transform untuk mengubah data time series menjadi frequency domain dan robust processing
yang dapat berguna sebagai filter noise awal.

a. Fourier Transform
Fourier transform merupakan suatu fungsi yang dapat mengubah signal dari time-series
menjadi frequency domain. Fourier transform hanya dapat digunakan untuk space atau timeseries
yang merupakan fungsi kontinu. Berikut ini adalah fungsi dari Fourier transform dengan x(ω)
adalah fungsi gelombang dalam frequency domain, x(t) adalah fungsi gelombang dalam time
series, i adalah bilangan imaginer, ω = 2πf adalah frekuensi angular, dan t adalah waktu.

b. Robust Processing
Robust processing adalah teknik pemrosesan statistical yang menggunakan bobot
iterative dari residual untuk mengidentifikasi dan menghapus data yang menyimpang oleh noise
nonGaussian. Robust processing menggunakan beberapa pengukuran dari departure suatu
kontribusi individual dari rata-rata untuk merendahkan bobot outliers pada iterasi selanjutnya.
Outlier adalah data dengan nilai yang menyimpang jauh dari nilai ratarata, umumnya data
tersebut dapat dianggap sebagai noise sehingga robust processing dapat berperan sebagai filter
noise awal bagi data MT.

III
 METODOLOGI
1. Alat dan Bahan
Dalam pengerjaan Praktik ini kami menggunakan:
 Laptop
 Software
- Matlab

2. Diagram Alir

buka Matlab

Masukan script
modelMT dan Main

Run model

Simpan gambar

BAB IV
 HASIL DAN PEMBAHASAN

Gambar di atas merupakan kurva yang menunjukkan nilai frekuensi terhadap resistivitas
semu. Garis merah menunjukkan data lapangan dan garis biru menunjukkan model yang telah
dibuat. Garis merah dan garis biru terlihat saling berhimpitan(menyatu) satu sama lain. Terlihat
presisi dari bentuk model yang dibuat sama dengan bentuk dari model lapangannya dengan
misfit/RMS sebesar 6.8554%.

Pada gambar diatas juga dapat dilihat pada layer 1 resistivitasnya sebesar 200 Ωm
dengan ketebalan 100m, pada layer 2 resistivitasnya sebesar 2000 Ωm dengan ketebalan 200 m,
pada layer 3 resistivitasnya sebesar 0.5 Ωm dengan ketebalan 30 m, pada layer 4 resistivitasnya
sebesar 2500 Ωm dengan ketebalan 400 m dan pada layer 5 resistivitas yang dimiliki sebesar
2000 Ωm dengan ketebalan half space.

 Script Matlab
1. Model MT
% Digital Earth Lab
% www.DigitalEarthLab.com
% Written by Andrew Pethick 2013
% Last Updated October 29th 2013
% Licensed under WTFPL

function [apparentResistivity, phase] = modelMT(resistivities,

thicknesses,frequency)

mu = 4*pi*1E-7; %Magnetic Permeability (H/m)

w = 2 * pi * frequency; %Angular Frequency (Radians);
n=length(resistivities); %Number of Layers

impedances = zeros(n,1);
%Layering in this format
% Layer j
% Layer 1 1
% Layer 2 2
% Layer 3 3
% Layer 4 4
% Basement 5
%

% Steps for modelling (for each geoelectric model and frequency)

% 1. Compute basement impedance Zn using sqrt((w * mu * resistivity))
% 2. Iterate from bottom layer to top(not the basement)
% 2.1. Calculate induction parameters
% 2.2. Calculate Exponential factor from intrinsic impedance
% 2.3 Calculate reflection coeficient using current layer
% intrinsic impedance and the below layer impedance

% 3. Compute apparent resistivity from top layer impedance

% apparent resistivity = (Zn^2)/(mu * w)

%Symbols
% Zn - Basement Impedance
% Zi - Layer Impedance
% wi - Intrinsic Impedance
% di - Induction parameter
% ei - Exponential Factor
% ri - Reflection coeficient
% re - Earth R.C.

%Step 1 : Calculate basement impedance

Zn = sqrt(sqrt(-1)*w*mu*resistivities(n));
impedances(n) = Zn;

%Iterate through layers starting from layer j=n-1 (i.e. the layer above the
basement)
for j = n-1:-1:1
resistivity = resistivities(j);
thickness = thicknesses(j);

% 3. Compute apparent resistivity from top layer impedance

%Step 2. Iterate from bottom layer to top(not the basement)
% Step 2.1 Calculate the intrinsic impedance of current layer
dj = sqrt(sqrt(-1)* (w * mu * (1/resistivity)));
wj = dj * resistivity;

% Step 2.2 Calculate Exponential factor from intrinsic impedance

ej = exp(-2*thickness*dj);

% Step 2.3 Calculate reflection coeficient using current layer

% intrinsic impedance and the below layer impedance
belowImpedance = impedances(j + 1);
 rj = (wj - belowImpedance)/(wj + belowImpedance);
re = rj*ej;
Zj = wj * ((1 - re)/(1 + re));
impedances(j) = Zj;
end
% Step 3. Compute apparent resistivity from top layer impedance
Z = impedances(1);
absZ = abs(Z);
apparentResistivity = (absZ * absZ)/(mu * w);
phase = atan2(imag(Z),real(Z));

2. Main MT
clear all;
clc;
figure(1);
close(1);
disp('====================================');
disp('1D MAGNETOTELLURIC MODELLING PROGRAM');
disp('====================================');
disp(' LAST UPDATED 29TH DECEMBER 2013 ');
disp(' DEVELOPED BY ANDREW PETHICK ');
disp(' WWW.DIGITIALEARTHLAB.COM ');
disp('====================================');
disp('');
disp(' licensed under WTFPL')
disp('');
data = load('data3.txt');
dataFrequencies = data(:,1);
dataApparentResistivities = data(:,2);
dataError = data(:,3);

%data taken from telford

resistivities = [200 2000 0.5 2500 2000];
thicknesses = [100 300 30 400];

dataModelledApparentResistivities =
zeros(length(dataApparentResistivities),1);
for i = 1 : length(dataFrequencies)
frequency = dataFrequencies(i);
[apparentResistivity] = modelMT(resistivities, thicknesses, frequency);
dataModelledApparentResistivities(i) = apparentResistivity;
end

%Calculate Misfit
misfit = zeros(length(dataApparentResistivities),1);
for i = 1 : length(dataFrequencies)
d = dataApparentResistivities(i);
m = dataModelledApparentResistivities(i);
e = dataError(i);
misfit(i) = ((m - e)^2)/((d*e/10))^2;
end

%Create array of frequencies from 10^-4 to 10^4Hz

%i.e. frequencies = 10^n, where n = -4,-3.9,-3.8....4
logFrequencies = -4:0.1:4;
frequencies = 10.^logFrequencies;

apparentResistivities = zeros(length(frequencies),1);
for i = 1 : length(frequencies)
frequency = frequencies(i);
[apparentResistivity] = modelMT(resistivities, thicknesses, frequency);
apparentResistivities(i) = apparentResistivity;
end

earthModelText = repmat(cellstr(''), length(resistivities + 2),1);

earthModelText{1} = ['Misfit = ' num2str(sum(misfit)) '%'];
earthModelText{2} = ['Layer ' ' Resistivity ' ' Thickness'];
for i = 1 : length(resistivities)
resistivity = resistivities(i);
mainText = ['Layer ' num2str(i) ' ' num2str(resistivity) ' Ohm m
'];
earthModelText{i + 2} = mainText;
if(i == length(resistivities))
earthModelText{i+2} = [earthModelText{i+2} 'Halfspace'];
else
earthModelText{i+2} = [earthModelText{i+2} num2str(thicknesses(i))
'm'];
end
end

%Plot for each resistivity

scrsz = get(0,'ScreenSize');
figure(1)
set(1,'Position',[50 50 900 400]);
yy = spline(dataFrequencies,dataApparentResistivities,dataFrequencies);
subplot(1, 4, [1,3])
loglog(frequencies,apparentResistivities,'-r','LineWidth',2);
hold on
loglog(dataFrequencies,dataApparentResistivities,'-
bs','LineWidth',1,'MarkerSize',3,'MarkerFaceColor','b');
loglog(dataFrequencies,dataModelledApparentResistivities,'rs','LineWidth',1,'M
arkerSize',3,'MarkerFaceColor','r');
%set(get(AX(2),'Ylabel'),'String','Error (%)');
legend('Field Data','Modelled Data');
hold off
title({['Apparent Resistivity (Ohm m) vs Frequency(Hz)']});
xlabel('Frequency (Hz)');
ylabel('Apparent Resistivity (Ohm m)');
subplot(1,4,4);

text(0,0.5,earthModelText);

axis off

xlabel('Frequency (Hz)');
ylabel('B-Field (T)');
 Gambar di atas merupakan kurva yang menunjukkan nilai frekuensi terhadap resistivitas
semu. Garis merah menunjukkan data lapangan dan garis biru menunjukkan model yang telah
dibuat. Garis merah dan garis biru terlihat saling berhimpitan(menyatu) satu sama lain. Terlihat
presisi dari bentuk model yang dibuat sama dengan bentuk dari model lapangannya dengan
misfit/RMS sebesar 65851%.
Pada gambar diatas juga dapat dilihat pada layer 1 resistivitasnya sebesar 200 Ωm dengan
ketebalan 150 m, pada layer 2 resistivitasnya sebesar 3000 Ωm dengan ketebalan 300 m, pada
layer 3 resistivitasnya sebesar 0.8 Ωm dengan ketebalan 60 m, pada layer 4 resistivitasnya
sebesar 1500 Ωm dengan ketebalan 350 m dan pada layer 5 resistivitas yang dimiliki sebesar
3000 Ωm dengan ketebalan half space.
 Script Matlab
1. Model MT
% Digital Earth Lab
% www.DigitalEarthLab.com
% Written by Andrew Pethick 2013
% Last Updated October 29th 2013
% Licensed under WTFPL

function [apparentResistivity, phase] = modelMT(resistivities,

thicknesses,frequency)

mu = 4*pi*1E-7; %Magnetic Permeability (H/m)

w = 2 * pi * frequency; %Angular Frequency (Radians);
n=length(resistivities); %Number of Layers

impedances = zeros(n,1);
%Layering in this format
% Layer j
% Layer 1 1
% Layer 2 2
% Layer 3 3
% Layer 4 4
% Basement 5
%

% Steps for modelling (for each geoelectric model and frequency)

% 1. Compute basement impedance Zn using sqrt((w * mu * resistivity))
% 2. Iterate from bottom layer to top(not the basement)
% 2.1. Calculate induction parameters
% 2.2. Calculate Exponential factor from intrinsic impedance
% 2.3 Calculate reflection coeficient using current layer
% intrinsic impedance and the below layer impedance

% 3. Compute apparent resistivity from top layer impedance

% apparent resistivity = (Zn^2)/(mu * w)

%Symbols
% Zn - Basement Impedance
% Zi - Layer Impedance
% wi - Intrinsic Impedance
% di - Induction parameter
% ei - Exponential Factor
% ri - Reflection coeficient
% re - Earth R.C.

%Step 1 : Calculate basement impedance

Zn = sqrt(sqrt(-1)*w*mu*resistivities(n));
impedances(n) = Zn;

%Iterate through layers starting from layer j=n-1 (i.e. the layer above the
basement)
for j = n-1:-1:1
resistivity = resistivities(j);
thickness = thicknesses(j);

% 3. Compute apparent resistivity from top layer impedance

%Step 2. Iterate from bottom layer to top(not the basement)
% Step 2.1 Calculate the intrinsic impedance of current layer
dj = sqrt(sqrt(-1)* (w * mu * (1/resistivity)));
wj = dj * resistivity;

% Step 2.2 Calculate Exponential factor from intrinsic impedance

ej = exp(-2*thickness*dj);

% Step 2.3 Calculate reflection coeficient using current layer

% intrinsic impedance and the below layer impedance
belowImpedance = impedances(j + 1);
rj = (wj - belowImpedance)/(wj + belowImpedance);
re = rj*ej;
Zj = wj * ((1 - re)/(1 + re));
impedances(j) = Zj;
end
% Step 3. Compute apparent resistivity from top layer impedance
Z = impedances(1);
absZ = abs(Z);
apparentResistivity = (absZ * absZ)/(mu * w);
 phase = atan2(imag(Z),real(Z));

2. Main MT
clear all;
clc;
figure(1);
close(1);
disp('====================================');
disp('1D MAGNETOTELLURIC MODELLING PROGRAM');
disp('====================================');
disp(' LAST UPDATED 29TH DECEMBER 2013 ');
disp(' DEVELOPED BY ANDREW PETHICK ');
disp(' WWW.DIGITIALEARTHLAB.COM ');
disp('====================================');
disp('');
disp(' licensed under WTFPL')
disp('');
data = load('data4.txt');
dataFrequencies = data(:,1);
dataApparentResistivities = data(:,2);
dataError = data(:,3);

%data taken from telford

resistivities = [200 3000 0.8 1500 3000];
thicknesses = [150 300 60 350];

dataModelledApparentResistivities =
zeros(length(dataApparentResistivities),1);
for i = 1 : length(dataFrequencies)
frequency = dataFrequencies(i);
[apparentResistivity] = modelMT(resistivities, thicknesses, frequency);
dataModelledApparentResistivities(i) = apparentResistivity;
end

%Calculate Misfit
misfit = zeros(length(dataApparentResistivities),1);
for i = 1 : length(dataFrequencies)
d = dataApparentResistivities(i);
m = dataModelledApparentResistivities(i);
e = dataError(i);
misfit(i) = ((m - e)^2)/((d*e/10))^2;
end

%Create array of frequencies from 10^-4 to 10^4Hz

%i.e. frequencies = 10^n, where n = -4,-3.9,-3.8....4
logFrequencies = -4:0.1:4;
frequencies = 10.^logFrequencies;

apparentResistivities = zeros(length(frequencies),1);
for i = 1 : length(frequencies)
frequency = frequencies(i);
[apparentResistivity] = modelMT(resistivities, thicknesses, frequency);
 apparentResistivities(i) = apparentResistivity;
end

earthModelText = repmat(cellstr(''), length(resistivities + 2),1);

earthModelText{1} = ['Misfit = ' num2str(sum(misfit)) '%'];
earthModelText{2} = ['Layer ' ' Resistivity ' ' Thickness'];
for i = 1 : length(resistivities)
resistivity = resistivities(i);
mainText = ['Layer ' num2str(i) ' ' num2str(resistivity) ' Ohm m
'];
earthModelText{i + 2} = mainText;
if(i == length(resistivities))
earthModelText{i+2} = [earthModelText{i+2} 'Halfspace'];
else
earthModelText{i+2} = [earthModelText{i+2} num2str(thicknesses(i))
'm'];
end
end

%Plot for each resistivity

scrsz = get(0,'ScreenSize');
figure(1)
set(1,'Position',[50 50 900 400]);
yy = spline(dataFrequencies,dataApparentResistivities,dataFrequencies);
subplot(1, 4, [1,3])
loglog(frequencies,apparentResistivities,'-r','LineWidth',2);
hold on
loglog(dataFrequencies,dataApparentResistivities,'-
bs','LineWidth',1,'MarkerSize',3,'MarkerFaceColor','b');
loglog(dataFrequencies,dataModelledApparentResistivities,'rs','LineWidth',1,'M
arkerSize',3,'MarkerFaceColor','r');
%set(get(AX(2),'Ylabel'),'String','Error (%)');
legend('Field Data','Modelled Data');
hold off
title({['Apparent Resistivity (Ohm m) vs Frequency(Hz)']});
xlabel('Frequency (Hz)');
ylabel('Apparent Resistivity (Ohm m)');
subplot(1,4,4);

text(0,0.5,earthModelText);

axis off

xlabel('Frequency (Hz)');
ylabel('B-Field (T)');