نشریه پژوهش های ژئوفیزیک کاربردی
سال هشتم شماره 3 (پیاپی 19، پاییز 1401)

موفقیت های اخیر در روش های وارون سازی شکل موج کامل مبتنی بر داده، منجر به رشد سریع تقاضا برای مجموعه داده های قابل دسترس به منظور استفاده در این مسائل شده است. کمبود مجموعه داده آموزشی به تعداد لازم و نزدیک به مدل های واقعی زیرسطحی برای آموزش شبکه های عصبی عمیق، یکی از کاستی های این روش ها در کاربردهایی ژئوفیزیکی است. برای حل این مشکل، در این مقاله، چارچوبی با استفاده از یک روش شبیه سازی زمین آماری برای تولید پایگاه داده آموزشی، استفاده شده است. ایده اصلی در این مقاله، استفاده از داده های چاه استخراج شده از مدل های مختلف و به تعداد دلخواه و قرارگیری در الگوریتم شبیه سازی متوالی مستقیم و شبیه سازی متوالی مستقیم توامان است. در این روش، برای بدست آوردن مدل های سرعت یا مخزنی قابل استفاده برای شبکه عمیق، از آماره های اولیه (میانگین و واریانس) که از داده های چاه بدست می آید، در مراحل شبیه سازی استفاده می شود. همچنین با استفاده از الگوریتم شبیه سازی متوالی مستقیم توامان و به کارگیری تصویر ثانویه (تصویر مدل اصلی با درصدهای متفاوت همبستگی) تولید مدل های با پیوستگی بیشتر ارائه شده است. استفاده از درصدهای مختلف همبستگی تصویر ثانویه منجر به تولید مدل های متنوع زمین شناسی شده است. در این مقاله، مثال های گوناگونی از مدل های سرعت معروف، انتخاب و چارچوب ارائه شده بر روی آنها اعمال گردیده است. اگرچه محدودیتی در استفاده از ضرایب همبستگی متنوع وجود ندارد، به عنوان نمونه، ضرایب همبستگی 30، 50 و 70 درصد برای استفاده از تصویر ثانویه در تولید داده آموزشی استفاده شده است. نتایج، نشان دهنده تولید پایگاه آموزشی با مدل های مرتبط با ساختارهای زمین شناسی متنوع است.

بررسی های ژئوالکتریک یکی از روش های رایج تصویربرداری ژئوفیزیک زیرسطحی است که بینش قابل توجهی در مورد خواص الکتریکی اهداف مورد تجسس ارائه می دهد. در این پژوهش سعی شده است با بکارگیری مش غیرساختاری، نواحی با توپوگرافی خشن و شدید و همچنین ساختاری های الکتریکی با هندسه پیچیده را مورد بررسی قرار داد. یک روش رایج در بررسی های ژئوفیزیکی کم عمق، توموگرافی مقاومت ویژه الکتریکی (ERT) برای تعیین وضعیت لایه های زمین از نظر خواص الکتریکی و متعاقبا نمایش سطح زمین لغزش احتمالی است. از یک برنامه توسعه یافته به نام ResIPy استفاده شد تا توپوگرافی سطح را با استفاده از مش مثلثی مبتنی بر الگوریتم های اجزای محدود برای حل مسائل پیشرو و وارون ژئوالکتریکی بازیابی نمود. در ابتدا، یک زمین لغزش مصنوعی شبیه سازی الکتریکی شد که استفاده از مش غیرساختاری تا حدودی منجر به شناسایی دقیق تر سازندهای زمین شناسی نسبت به مش ساختاری با المان مستطیلی گردید؛ همچنین زمان اجرای الگوریتم با مش جدید به حافظه کمتری نیاز داشت. سپس داده های میدانی از یک محدوده زمین لغزش مستعد در حدود 10کیلومتری شمال غرب استان تهران (محدوده کیلومتر دوم جاده تهران- شمال) با استفاده از 31 سونداژ الکتریکی بر روی چهار پروفیل ERT به فاصله 20 متر در امتداد سطح لغزشی بررسی شد. سطح مورد تجسس بسیار لغزش پذیر است زیرا مربوط به منطقه ای با مقاومت ویژه الکتریکی پایین و متشکل از مصالح ناهمگن (آبرفت و توف) بود. بر روی محدوده زمین لغزش، سه لایه با تباین مقاومت ویژه الکتریکی بارز قابل تفکیک است. لایه سطحی متشکل از مواد ناهمگن با گستره مقاومت ویژه الکتریکی 30 تا 100 اهم متر است و در بخش هایی تا 200 اهم متر مرتبط با نواحی خرد شده آبرفت - توف قابل رویت است. این لایه تا عمق 15 تا 20 متر در مقاطع دیده می شود. لایه ای با مقاومت کمتر از 40 اهم متر هم به عنوان لایه آبرفتی و کنگلومرایی قابل مشاهده است. در اعماق بیشتر لایه ای وجود دارد که شامل سنگ های مقاومت بالای توف البرز می باشد.

هدف از این تحقیق، مکان یابی و شناسایی مناطق با پتانسیل بالای کانی سازی در منطقه اکویتی سیلور در مرکز برتیش کلمبیا، کانادا بود. به همین منظور مدل های چگالی، حساسیت مغناطیسی و رسانایی الکتریکی به کمک مدل سازی وارون داده های هوابرد در این منطقه تولید شدند. هدف از این کار ایجاد مدل هایی با خواص فیزیکی سه بعدی مفید است که می توانند مستقیما در اکتشافات منطقه ای برای شناسایی مناطق امید بخش بر اساس معیارهای مختلف اکتشاف استفاده شوند. محدوده مورد مطالعه یک ذخیره سولفیدی با سنگ میزبان آتشفشانی می باشد که با فعالیت های نفوذی مرتبط است و از سنگ های رسوبی، آذرآواری و آتشفشانی به علاوه توده های نفوذی که توسط جریان های آندزیتی تا بازالتی جوان تر و برش های جریانی که مربوط به دوران ژوراسیک فوقانی تا کرتاسه هستند، تشکیل شده است. در سال 2008 و ابتدا بنا به درخواست انجمن علوم زمین برتیش کلمبیا برداشت گرانی سنجی با استفاده از سیستم برداشت SGL AIRGrav G2-7 و در ادامه فعالیت اکتشافی برداشت هوابرد الکترومغناطیس و مغناطیس سنجی توسط سیستم پروازی Aero quest به طور هم زمان، صورت پذیرفت. در انتهای برداشت در طی 3 پروفیل برای داده های گرانی سنجی تعداد 398 قرائت و تعداد 26 پروفیل داده الکترومغناطیس و مغناطیس سنجی با تعداد 36860 قرائت بدست آمد. مدل سازی سه بعدی میدان پتانسیل با استفاده از الگوریتم وارون سازی لی و اولدنبورگ و با استفاده از کدهای وارون سازی UBCGIF MAG3D و UBCGIF GRAV3D صورت پذیرفت. برای مدل سازی داده های الکترومغناطیسی از نرم افزار EM Flow که به عنوان یک ابزار تفسیر سریع و نیمه خودکار برای وارن سازی یک بعدی داده های الکترومغناطیسی هوابرد طراحی شده است، استفاده گردید. برای اینکه مدل های ژئوفیزیکی سه بعدی به طور موثر برای تفسیر و هدف یابی اکتشاف مورد استفاده قرار گیرند، به درک خوبی از ویژگی های فیزیکی هدف اکتشافی نیاز است که می تواند به زمین شناسی و فرآیندهای زمین شناسی مرتبط باشد. برای منطقه مورد مطالعه، با توجه به مشاهدات زمین شناسی سطحی حاصل از مطالعات سنگ شناسی و ژئوشیمیایی،نتایج وارون سازی سه بعدی داده های هوابرد گرانی، مغناطیس و نتایج حاصل از مدل سازی یک بعدی داده های الکترومغناطیس جهت ساخت یک مدل زمین شناسی مشترک برای شناسایی اهداف معدنی بر روی یک پروفیل به صورت همزمان به نمایش در آمدند. در نهایت یک زون امید بخش با تباین چگالی و رسانایی الکتریکی بالاتر نسبت به محیط در برگیرنده شناسایی گردید. ضخامت این قسمت بین 30 تا 60 متر است و تا عمق حدود 200 متری از سطح زمین ادامه دارد. این زون باتوجه به پیشینه زمین شناسی موجود و مطالعات ژئوشیمیایی، به احتمال زیاد با کانه زایی مس-طلا-مولیبدن پورفیری، نقره، سرب و روی در ارتباط است.

استفاده از آنومالی مغناطیسی زمین جهت تعیین ناوبری در هوانوردی و همچنین اکتشاف مواد معدنی و نفتی، تولید نقشه های زمین شناسی و توپوگرافی به منظور شناسایی هرچه دقیقتر ساختارهای زیرسطحی، توسعه بسیار یافته است. یکی از روش های تعیین مقدار آنومالی نواحی، استفاده از ژئوفیزیک هوابرد می باشد. در این روش به کمک پهپاد وسعت های بالا در زمان کوتاه تری نسبت به دیگر روش های ژئوفیزیکی داده برداری می شوند. مطابق مطالعات ژئوفیزیک، اندازه بردار مغناطیس زمین در هر نقطه به غیر از مولفه اصلی که ناشی از هسته زمین بوده و شامل مشخصات فرکانسی پایین می شود، دارای مولفه آنومالی ناشی از عوارض سطحی و ساختارهای زیر سطحی نواحی می باشد . علاوه بر این دو ، یک مولفه گذرا و متغیر با زمان، ناشی از عوامل خارجی نیز دارد. لذا برای یک حسگر متحرک، تعیین مقدار آنومالی مغناطیسی برای یک ناحیه بصورت بر خط، منوط به جداسازی این مولفه های زمانی و مکانی میدان مغناطیسی در هر لحظه می باشد.در این پژوهش جهت تخمین آنومالی میدان مغناطیسی توسط حسگر مغناطیسی بروی پهپاد روشی ارائه شده است که در آن، ابتدا جهت کاهش نویز و افزایش کیفیت داده ها از روش تلفیق داده و تبدیل هیلبرت استفاده شده است و سپس با کمک سوابق داده های مغناطیسی بدست آمده از رصدخانه محلی، تغییرات زمانی میدان گذرا برای دوره های زمانی مختلف براساس جمع ، مولفه غیر تصادفی برای دوره های زمانی سالانه، ماهانه و روزانه و یک مولفه تصادفی برای دوره روزانه یصورت فرآیند گوس مارکوف مدل سازی می شود. سپس با داشتن مقادیر اندازه گیری میدان در هر مکان و کسر مولفه های تغییرات زمانی میدان گذرا و مقدار میدان اصلی مطابق مدل IGRF، مقدار آنومالی مسیر حرکت حسگر تخمین زده می شود. درنهایت نشان داده می شود که با کمک این روش می توان آنومالی مسیر یک حسگر متحرک را در شرایط مختلف با دقت بهتر از 8 نانو تسلا بدست آورد.

گنبدهای نمکی یکی از ساختارهای مهم زمین شناسی در اکتشاف منابع هیدروکربنی هستند که به دلایل مختلفی تعیین ژئوبادی آن ها در داده های لرزه ای دارای اهمیت زیادی است. به دلیل بافت متفاوت گنبد نمکی نسبت به رسوبات دربرگیرنده، نشانگرهای لرزه ای بافتی ابزار مفیدی برای شناسایی و تشخیص این ساختارها در داده های لرزه ای هستند. ماتریس هم رخداد سطح خاکستری به عنوان ابزاری متداول برای تولید نشانگرهای بافتی در داده های لرزه ای استفاده می شوند. برای محاسبه ماتریس هم رخداد سطح خاکستری به منظور استخراج نشانگرهای بافتی، ابتدا تصویر داده لرزه ای بایستی به مقیاس خاکستری تبدیل شود. تبدیل خطی به عنوان متداول ترین و پرکاربردترین الگوریتم برای مقیاس کردن دامنه داده های لرزه ای به سطوح خاکستری استفاده می شود که مهمترین ویژگی آن حفظ حداکثری هیستوگرام توزیع دامنه های اصلی داده لرزه ای است. با این حال، رویدادهای زمین شناسی مورد علاقه مفسران نظیر گنبد نمکی اغلب تنها بخش کوچکی از هیستوگرام اولیه دامنه را پوشش می دهند و برای نمایش موثرتر آن ها، بهتر است، سطوح خاکستری بیشتری به آن ها اختصاص داده شود. تبدیل غیرخطی به مقیاس خاکستری با استفاده از تابع سیگموئید، امکان اختصاص سطوح خاکستری بیشتری به رویداد زمین شناسی نسبت به تبدیل خطی در داده لرزه ای را فراهم می آورد و سبب تقویت آن رویداد در تصویر مقیاس خاکستری و در نتیجه بهبود نشانگر بافتی حاصل از آن می شود. در این مقاله از طبقه بندی نشانگرهای بافتی مبتنی بر ماتریس هم رخداد سطح خاکستری بهبود یافته جهت تعیین ژئوبادی گنبد نمکی در داده لرزه ای دریایی دو بعدی مربوط به تنگه هرمز استفاده شده است. نتایج به دست آمده نشان داد که دقت شناسایی گنبد نمکی با استفاده از نشانگرهای بهبود یافته نسبت به نشانگرهای متداول در حدود 2 درصد افزایش دارد و با توجه به عدم افزایش در زمان محاسبات می تواند به عنوان جایگزین مناسبی برای نشانگرهای متداول باشند.

مدلسازی وارون یکی از جالبترین ابزارها به منظور بدست آوردن تصاویر دوبعدی و سه- بعدی از ساختارهای زمین شناسی است که رابطه بین داده ها و پارامترهای مدل می تواند خطی یا غیر خطی باشد. در این مقاله از الگوریتم بهینه سازی گرگ خاکستری (GWO) برای مدلسازی وارون غیرخطی دو بعدی داده های گرانی سنجی جهت ارزیابی و تخمین عمق حوضه رسوبی استفاده شده است . گرگ خاکستری، یک الگوریتم هوش مصنوعی مبتنی بر تکامل است که بر اساس رفتار شکار و صید گروهی گرگ ها الهام گرفته شده است.در این روش، ابتدا داده های گرانی یک پروفیل سنگ بستر دوبعدی با استفاده از روش های جمع آوری داده ها و تجهیزات مخصوصی اندازه گیری می شود. سپس با استفاده از الگوریتم گرگ خاکستری، پارامترهای مختلف مدل سنگ بستر از جمله عمق، شکل و ضرایب دیگر مدل، تخمین زده می شوند. در این فرآیند مدلسازی یک سنگ بستر عموما به وسیله یک سری از بلوک های راست گوشه ی کنار هم چیده شده مدل شده و سپس ضخامت آنها محاسبه می شود. به منظور نشان دادن کارایی این روش ابتدا مدلسازی وارون برای داده های مصنوعی بدون نوفه و حاوی نوفه صورت گرفت. عمق و گرانی محاسبه شده مدل مصنوعی به دلیل محدوده جستجوی تعیین شده برای پارامترهای مدل ، تفاوت زیادی با مقادیر فرضی ندارند و همیشه در محدوده قرار می گیرند. همچنین از روش مذکور برای مدلسازی وارون روی قسمتی از داده های گرانی سنجی حوضه رسوبی مغان در شمال غرب ایران انجام شد که نتایج بدست آمده با دیگر مطالعات و زمین شناسی منطقه همخوانی دارد. حداکثر عمق به دست آمده این حوضه رسوبی 2720 متر است و مقایسه نتایج بدست آمده با نتایج مطالعات پیشین ، گویای عملکرد مناسب آن می باشد.