Quantitative interpretation approaches for GPR and seismic reflection data in complex environments

Details

Ressource 1Download: thèse-LY-OK.pdf (6906.24 [Ko])
State: Public
Version: After imprimatur
License: Not specified
Serval ID
serval:BIB_5488F9E20D84
Type
PhD thesis: a PhD thesis.
Collection
Publications
Institution
Title
Quantitative interpretation approaches for GPR and seismic reflection data in complex environments
Author(s)
Liu Yu
Director(s)
Holliger Klaus
Codirector(s)
Irving James
Institution details
Université de Lausanne, Faculté des géosciences et de l'environnement
Publication state
Accepted
Issued date
2022
Language
english
Abstract
Le sous-sol de la Terre présente une hétérogénéité à plusieurs échelles. Contraindre l'hétérogénéité est essentielle pour améliorer notre compréhension des conditions géologiques. Par rapport aux approches basées sur les sondages qui sont limitées à la dimension verticale, les mesures géophysiques basées sur la surface, notamment le géoradar (GPR) et la sismique, permettent de révéler efficacement les caractéristiques latéralement corrélées de la subsurface. Le GPR et la sismique sont basés sur la propagation des ondes électromagnétiques et sismiques, respectivement, qui ont de fortes analogies mathématiques. Les deux méthodes ont un bon potentiel pour contraindre l'hétérogénéité. Dans cette thèse, quatre nouvelles techniques d'interprétation quantitative sont proposées, dont trois pour explorer la vitesse des ondes radar ou la structure de corrélation du sous-sol peu profond en utilisant le GPR, et une pour caractériser les structures sub-verticales en milieu cristallin en utilisant la sismique. Pour le sous-sol peu profond, la connaissance détaillée des propriétés diélectriques, par exemple la vitesse des ondes radar, est particulièrement intéressante car elle fournit une image à haute résolution pour décrire l'hétérogénéité. Néanmoins, l'estimation de la vitesse à haute résolution par une mesure de réflexion GPR à décalage commun n'est actuellement pas possible sans informations complémentaires sur le forage. En considérant la distribution de la vitesse sous la surface comme la superposition d'un champ de vitesse de fond à variation lisse et d'un champ de fluctuation de la vitesse à petite échelle, la première étude de cette thèse développe une approche utilisant les composantes de diffraction pour déduire le champ de vitesse de fond et les composantes de réflexion pour inverser le champ de perturbation de la vitesse. Les résultats des tests de données synthétiques et de terrain montrent l'efficacité de cette méthode. Cette méthode se distingue par le fait qu'elle ne nécessite aucune information sur le calibration ou le conditionnement du trou de forage, ce qui est plutôt intéressant pour les levés de réflexion GPR à décalage commun. L'étape d'estimation du modèle de vitesse de fond est importante car un biais local dans le modèle déduit peut largement affecter le résultat. Pour améliorer les performances de l'analyse de la vitesse basée sur la diffraction, une deuxième étude présente une stratégie de pondération basée sur une mesure de focalisation de la semblance locale. La fonction de pondération conçue varie en fonction de la sensibilité d'une courbe de diffraction aux changements de la vitesse de migration. Des tests de données synthétiques et de terrain montrent que la méthode peut augmenter la résolution des spectres de semblance, ce qui réduit de manière correspondante les incertitudes dans l'analyse de la vitesse de diffraction. Une autre façon de caractériser les sous-sols peu profonds complexes avec des données GPR est d'estimer les propriétés géostatistiques liées à l'hétérogénéité. Pour estimer efficacement les paramètres géostatistiques, une troisième étude propose un schéma d'apprentissage supervisé. Le réseau neuronal convolutif est entraîné sur une vaste base de données d'images d'autocorrélation 2D obtenues de la modélisation basée sur la convolution de données GPR synthétiques pour une gamme compréhensive de modèles stochastiques de vitesse subsurface. Les résultats des tests de données synthétiques et de terrain confirment la viabilité de l'utilisation d'un réseau entraîné pour estimer le rapport d'aspect structurel de l'hétérogénéité de la subsurface. L'estimation est encore robuste en présence de niveaux de bruit élevés. Dans la dernière étude de cette thèse, les données sismiques de la zone d'Ivrea-Verbano sont prises comme exemple pour tester la capacité d'utiliser les champs d'ondes diffractées et une vue géostatistique pour interpréter les structures à fort pendage dans un environnement cristallin. Des données de réflexion sismique synthétique pour des modèles canoniques d'hétérogénéité crustale structurés de manière sub-verticale sont employées pour corroborer la viabilité des techniques proposées. À partir des données sismiques de terrain, la continuité et l'angle de pendage dominant des structures sub-verticales dans la région sondée sont évalués. Ce travail fournit des informations intéressantes et potentiellement de nouvelles perspectives concernant les levés de sismique réflexion dans les terraines cristallins. Finalement, les avancées techniques de cette thèse ont le potentiel d'améliorer notre compréhension des environnements complexes de subsurface. Bien que les applications actuelles soient limitées aux cas 2D, les extensions des quatre méthodes proposées à la 3D sont conceptuellement directes.
--
The Earth's subsurface exhibits heterogeneity at multiple scales. Constraining the heterogeneity is critical to enhance our understanding of the geological conditions. Compared to borehole-based approaches that are limited to the vertical dimension, surface-based geophysical measurements, especially ground penetrating radar (GPR) and seismics, allow to effectively reveal the laterally correlated features of subsurface. GPR and seismics are based on the propagation of electromagnetic and seismic waves, respectively, which have strong mathematical analogies. The two methods both have good potential to constrain heterogeneity. In this thesis, four novel quantitative interpretation techniques are proposed, with three for exploring the radar wave velocity or correlation structure of the shallow subsurface using GPR, and one for characterizing sub-vertical structures in crystalline environment using seismics. For the shallow subsurface, detailed knowledge of dielectric properties, e.g., radar wave velocity, is of particular interest because it provides a fine-scale image to describe the heterogeneity. Nonetheless, high-resolution velocity estimation through common-offset GPR reflection measurement is currently not possible without complementary borehole information. Regarding the subsurface velocity distribution as the superimposition of a smoothly varying background velocity field and a small-scale velocity fluctuation field, the first study of this thesis develops an approach utilizing diffraction components to infer the background velocity field and reflection components to invert the velocity perturbation field. The results from synthetic and field data tests show the effectiveness of this method. A distinguishing feature of this method is that it does not require any borehole calibration or conditioning information, which is rather attractive for common-offset GPR reflection surveys. The step of background velocity model estimation is important because a local bias in the inferred model can largely affect the result. To improve the performance of diffraction-based velocity analysis, a second study presents a weighting strategy based on a local semblance focusing measure. The designed weight function varies in accordance with the sensitivity of a diffraction curve to changes in migration velocity. Synthetic and field data tests show that the method can increase the resolution of the semblance spectra, which correspondingly reduces the uncertainties in diffraction velocity analysis. An alternative way to characterize complex shallow subsurface with GPR data is to estimate the geostatistical properties related to the heterogeneity. To estimate the geostatistical parameters efficiently, a third study proposes a supervised-learning scheme. The convolutional neural network is trained on a vast database of 2D autocorrelation images obtained from convolution-based modeling of synthetic GPR data for a comprehensive range of stochastic subsurface velocity models. Results from synthetic and field data tests confirm the viability of using a trained network to estimate the structural aspect ratio of the subsurface heterogeneity. The estimation is still robust in the presence of high noise levels. In the last study of this thesis, the seismic data from Ivrea- Verbano Zone are taken as an example to test the ability of using diffracted wavefields and a geostatistical view to interpret the steeply dipping structures in crystalline environment. Synthetic seismic reflection data for sub-vertically structured canonical models of crustal heterogeneity are employed to corroborate the viability of the proposed techniques. From the field seismic data, the continuity and dominant dip angle of sub- vertical structures in the probed region are assessed. This work provides interesting insights and potentially new perspectives regarding the seismic reflection surveys in crystalline terranes. Ultimately, the technical advances in this thesis have the potential to improve our understanding of complex subsurface environments. Though the current applications are limited to 2D cases, the extensions of the four proposed methods to 3D are conceptually straightforward.
Create date
19/01/2023 12:30
Last modification date
01/06/2023 7:10
Usage data