pengolahan lanjut data gayaberat
Post on 02-Mar-2016
56 Views
Preview:
DESCRIPTION
TRANSCRIPT
-
PENGOLAHAN LANJUT DATA GAYABERAT DAN MAGNETIK
Oleh: Yanisa Zafira (12311028)
Anomali gayaberat yang terukur di permukaan adalah merupakan penjumlahan dari semua
kemungkinan sumber anomali yang ada di bawah permukaan dimana salah satunya merupakan
target event dari eksplorasi. Sehingga untuk kepentingan interpretasi, target event harus
dipisahkan dari event lainnya. Jika target event adalah anomali residual, maka event lainnya
adalah Noise dan Regional. Secara sederhana, dari segi lebar anomali, Noise akan memiliki lebar
anomali lebih kecil dari target (residual), sedangkan Regional lebih besar dari Residual dari
kedalaman, Noise lebih dangkal dari Residual, sedangkan Regional lebih dalam. Dengan cara
memisahkan anomali bourguer untuk menjadi dnagkal dan memiliki efek gayaberat yang dalam.
Kemudian efek dangkal tersebut diperlihatkan oleh anomali residual, sedangkan efek dalam oleh
anomali regional.
Untuk anomali magnetik, proses ini bertujuan untuk memisahkan efek magnetik pada
permukaan yang ditunjukan oleh frekuensi spasial yang relatif tinggi. Proses ini disebut smoothing.
Untuk kepentingan pemisahan Regional-Residual, maka diperlukan suatu proses pengolahan
lanjut yang juga disebut advanced processing yaitu:
1. Spectral analysis
Spectral analysis digunakan untuk mengestimasi window filter dan kedalaman rata-rata dari
suatu basement menggunakan fast fourier transform. Kemudian lebar window dari spectral
analysis dapat dipakai dalam pemisahan Regional-Residual menggunakan metode moving
average. Melalui transformasi nilai gayaberat, pada lintasan yang ingin diperkirakan
kedalamannya, dapat diestimasi nilai bilangan gelombang (k) dan amplitudo (A) yang dapat
digunakan untuk menghitung lebar jendela filter yang selanjutnya digunakan sebagai input
data proses filtering (dalam pemisahan anomali regional dan residual).
2. Filtering (Smoothing, Anomalies Separation)
Teknik pemisahan regional dan residual yang bisa digunakan yaitu:
Moving average window filter
Penurunan anomali residual dengan metoda ini adalah secara tidak langsung karena
keluaran dari moving average adalah regionalnya. Sehingga residual didapat dengan
mengurangkan regional terhadap anomali hasil pengukura (data ini sebagai input
dalam prosesnya).
-
Anomali residual:
Berdasarkan karakter dari filter spectral, lebar window, N x N menggambarkan
secara langsung dari low cut panjang gelombang atau high cut frekuensi spasial dari
low-pass filter. Sehingga, jika lebar window bertambah, makan panjang gelombang
regional akan bertambah juga. Dalam kata lain, lebar window terkecil akan
mempengaruhi hasil regional yang akan semakin mendekati anomali bouguer nya.
Polynomial Trend Surface Analysis
Dalam metode ini, anomali regional didekati oleh persamaan polynomial. Artinya
bahwa anomali residual diturunkan secara tidak langsung.
Persamaan polynomial yang menunjukan anomali regionalnya untuk orde kedua:
Dimana, i = 1,2,3,....,n = nomor stasiun
gi = anomali gayaberat
xi, yi = koordinat stasiun
c1, c2, ..., c6 = konstanta polynomial
Dalam matrix:
3. Second Vertical Derivative
Metode ini mempunyai perbedaan mendasar dengan dua metoda yang dijelaskan
sebelumnya. Pada metode moving average dan persamaan polynomial, anomali residual
diestimasi melalui anomali regionalnya, sedangkan pada metoda second vertical derivative,
anomali residual ditunjukkan oleh anomali second vertical derivative yang menggambarkan
sumber-sumber anomali yang bersifat lokal/dangkal, sehingga identik dengan anomali
residual pada dua metode sebelumnya.
Secara teoritis, metode ini diturnkan dari persamaan Laplaces untuk anomali
gayaberat permukaan yang diberikan sebagai:
-
Second vertical derivative dari suatu anomali gayaberat permukaan adalah sama
dengan negatif dari derivatif orde dua arah horizontal. Sehingga untuk mencari
second vertical derivative dapat dicari dari derivatif horizontalnya, yang lebih mudah
untuk dikerjakan.
top related