 Seismik attribute adalah segala informasi yang diperoleh dari data seismik baik melalui

pengukuran langsung, komputasi maupun pengalaman.

 seismic attribute adalah metoda yang digunakan untuk memetakan suatu attribute atau
parameter atas kesamaan nilai yang dimiliki pada data seismic.
 Seismik attribute sangat diperlukan dalam eksplorasi untuk “memperjelas” anomaly yang
tidak terlihat secara kasat mata pada data seismic biasa.
 Seismic attribute merupakan pengukuran pada data seismik yang dasari oleh hasil
pengukuran pada waktu (two way time-TWT), amplitude, frekuensi dan atenuasi yang mana
perubahan secara lateral pada parameter-parameter diatas akan memberikan respon yang
berbeda pada geometric attribute.
 Secara analitik, signal seismic ditulis u(t) = x(t) + i y(t),

Dengan:
x(t) adalah data seismik itu sendiri (data yang biasa anda gunakan untuk interpretasi
geologi).
y(t) adalah quadraturenya, yakni fasa gelombang x(t) digeser 90 derajat.
u (t) dapat diperoleh dengan menggunakan tranformasi Hilbert pada data seismik, dimana
komponen realnya adalah data seismik itu sendiri dan quadratur-nya merupakan
komponen imaginer.
 Geometric attributes- their physical basic and sensitivity to seismic signal and noise:
a. Volumetric Dip and Azimuth
b. Coherence
c. Volumetric Curvature and Reflector Shape
d. Lateral changes in amplitude and pattern recognition
e. Spectral decomposition and wavelet transforms
f. Influence of Data Acquisition and processing on Geometric attributes
g. Structure-oriented filtering (SOF) and image enchancement
h. Multiattribute displays
i. Prestack geometric attributes

 PENJELASAN:
 A. Volumetric Dip and Azimuth: Ini adalah atribut yang mengukur kemiringan dan
arah kemiringan lapisan batuan di dalam volume seismik. Volumetric Dip
mengindikasikan bagaimana bawah permukaan berubah kemiringannya, sedangkan
Azimuth mengukur arah kemiringan. Informasi ini membantu mengidentifikasi
struktur geologi seperti patahan dan lipatan.
 b. Coherence: Coherence mengukur sejauh mana gelombang seismik berinterferensi
secara konsisten di sepanjang lintasan seismik. Nilai kohesi tinggi menunjukkan
 daerah dengan pola gelombang yang konsisten, membantu dalam identifikasi
struktur dan batas lapisan.
 c. Volumetric Curvature and Reflector Shape: Atribut ini mengukur perubahan
bentuk permukaan bawah permukaan. Curvature mengindikasikan perubahan
kedataran atau kemiringan permukaan, sementara Reflector Shape menggambarkan
bentuk fisik permukaan tersebut, seperti apakah itu cembung, cekung, atau datar. Ini
membantu dalam identifikasi lipatan, patahan, dan morfologi lapisan.
 d. Lateral changes in amplitude and pattern recognition: Atribut ini
melibatkan analisis perubahan lateral amplitudo gelombang seismik dan pengenalan
pola khusus dalam data. Ini membantu mengidentifikasi perubahan litologi atau
zona reservoir berdasarkan variasi amplitudo dan pola gelombang.
 e. Spectral Decomposition and Wavelet Transforms: Spektral decomposition
melibatkan analisis frekuensi spektrum dalam data seismik, sementara wavelet
transforms mengidentifikasi frekuensi dominan dalam sinyal. Keduanya membantu
mengungkapkan informasi litologi, dan reservoir dalam berbagai skala
frekuensi.
 f. Influence of Data Acquisition and Processing on Geometric Attributes:
Cara data seismik diakuisisi dan diproses dapat memengaruhi atribut geometrik.
Resolusi spasial, kebisingan, dan artefak dapat mempengaruhi interpretasi atribut.
Proses de-noising, de-multiple, dan normalisasi amplitudo dapat
memperbaiki atribut.
 g. Structure-Oriented Filtering (SOF) and Image Enhancement: SOF melibatkan
penerapan filter spasial pada data seismik berdasarkan arah kemiringan. Ini
membantu memperjelas fitur struktural dalam data. Teknik penguatan gambar
(image enhancement) seperti kontrast stretching juga digunakan untuk
meningkatkan visibilitas atribut geometrik.
 h. Multiattribute Displays: Ini melibatkan representasi grafis dari beberapa atribut
geometrik pada citra seismik yang sama. Ini memungkinkan geofisikawan
membandingkan dan menganalisis beberapa atribut secara bersamaan
untuk memahami hubungan dan pola geologi lebih baik.
 i. Prestack Geometric Attributes: Ini merujuk pada atribut geometrik yang dihitung
sebelum proses inversi atau migrasi seismik. Ini mencakup atribut seperti AVO
(Amplitude-Versus-Offset), dimana perubahan amplitudo gelombang seismik
terhadap perubahan jarak sumber-geofon digunakan untuk mengidentifikasi
perubahan sifat batuan di bawah permukaan.
Semua atribut ini membantu dalam pemahaman geologi dan interpretasi data seismik dengan
cara yang lebih komprehensif. Pemahaman tentang dasar fisik dari masing-masing atribut
dan dampaknya terhadap sinyal dan noise seismik sangat penting dalam analisis seismik yang
efektif.
 A. Volumetric dip dan azimuth
 Dip dan azimuth akan memaparkan ‘geological features’ yang berhubungan dengan
bayangan pada beberapa relief dimana mengindikasikan patahan.
 Dip dan azimuth volume dapat menentukan reflektor lokal yang digunakan untuk
mengestimasi beberapa variasi dari ketidak menerusan event dan juga mendeteksi
bagian tepi dari indicator struktur atau stratigraphy feature.

 Terdapat tiga method yang dapat digunakan dalam mengestimasi reflector dip dan
azimuth, yaitu :
a.Phase : by calculating temporal and spatial derivatives of phase estimated using
complex-trace analysis
b. Dip-scan : explicit dip scan to find most coherent reflector
c. Gradient : by calculating its eigenvector of gradient structure tensor
 B. Coherence
 Coherence adalah attribute dengan perhitungan yang dilakukan lansung pada
keseragaman waveform.
  Pada seluruh perhitungan coherence dilakukan pada local dip dan azimuth dari
reflector terbaik dari hasil estimasi dan analisa.
 Semblance, variance dan GST mengestimasi perhitungan atas coherence atas
waveform dan perubahan reflector amplitude secara lateral.
 Volume dari coherence pada time slice dapat merubah tampilan dari structure dan
discontinuity stratigraphic (e.g. patahan dan channel)
 Karakter atas stratigraphic event di dapat secara maksimal pada horizon slice dengan
menggunakan ‘vertical analysis window’.
 Karakter atas structural event yang memotong stratigraphy dapat dilihat secara
maksimal pada ‘constant time slicing’.

Figure 4. Sering disebut sebagai coherence, continuity dan covariance. Ini merupakan
ekspresi dari keseragaman antara seismic trace yang kemudian dapat digunakan untuk meng
‘highlight’ patahan atau karakteristik event geologi lainnya.

 C. Volumetric Curvature and Reflector Shape

 Perhitungan curvature pada dip danazimuth cubes memberikan hasil
pendeteksian tepi akan sebuah karakter event geologi yang baik.
 Curvature tidak dapat menggambarkan channel jika tidak ada perbedaan
secara kompaksi, namun curvature dapat menggambarkan flexure, lipatan, dan
‘collapse features’.
 Terdapat dua macam curvature yaitu negatife dan positife yang mana dapat
secara baik menggambarkan karakter event geologi

 Figure 6. Synclinan feature mempunyai negatife curvature dan aticlinal feature

mempunyai positife curvature
 Figu
re 7. Volumetric curvature and reflector shape Definition of 3D quadratic shapes
expressed as a function of most-positive curvature, kpos, and most-negative
curvature, kneg.

 D. Lateral changes in amplitude and pattern recognition




Figure 5. Variasi seismic waveform.

 G. Structure-oriented filtering (SOF) and image enchancement

 Structure-oriented filtering dapat merubah dan memperbaiki secara signifikan signal
to noise ratio dari data migrasi seismic.
 Pada SOF hanya menerima satu nilai atas dip dan azimuth dari reflector yang telah di
estimasi sebelumnya.
  SOF dapat memperbaiki 3D autotrackers dan perhitungan attribute
 Hasil atas SOF membuat data seismic dengan ratio signal to noise cukup tinggi,
mempertajam discontinuity event, dan memperbaiki tampilan dari patahan, fracture
dan stratigraphic event (e.g. channel)

Gambar SOF removes the noises

 E. Lateral changes in amplitude and pattern recognition

 Interpretasi lateral terjadi perubahan terhadap amplitude
dikarenakan thin-bed tuning.