Seismic Processing with Seismic Unix - Part4

Lihat tahapan sebelumnya

Tahap 9:

Setelah kita melakukan eliminasi groundroll dengan F-K filtering, pada tahapan ini kita akan melakukan eliminasi noise-noise yang lainnya dengan menggunakan bandpass filter (sufilter).

Didalam bandpass filter terdapat empat parameter frekuensi yang harus kita tentukan f1,f2,f3 dan f4. Pemilihan rentang frekuensi yang akan diloloskan merupakan hal yang sangat krusial, jangan sampai proses ini menghilangkan data reflektor yang anda miliki. Untuk menghindari hal ini anda harus memperhatikan spektrum frekuensi serta rekaman reflektor yang dilihat pada shot gather.

Didalam terminal linux, ketiklah gedit & lalu copy, paste dan save kode berikut lalu beri nama filter

#!/bin/sh

#memilih shot dengan ep=80
suwind < Line_001_kill_vibro_agc_d2_fk.su key=ep min=80 max=80 > Line_001_kill_vibro_agc_d2_fk_ep80.su

#menampilkan shot dengan ep=80
suximage < Line_001_kill_vibro_agc_d2_fk_ep80.su perc=80 &

#memilih shot dengan ep=80 dan tracf 100-105
suwind < Line_001_kill_vibro_agc_d2_fk_ep80.su key=tracf min=100 max=105 > Line_001_kill_vibro_agc_d2_fk_ep80_tracf100_105.su

#spectrum untuk shot dengan ep=80 dengan tracf 100-105
suspecfx < Line_001_kill_vibro_agc_d2_fk_ep80_tracf100_105.su | suxwigb &

#melakukan filter untuk shot dengan ep=80
sufilter < Line_001_kill_vibro_agc_d2_fk_ep80.su f=10,15,50,60 > Line_001_kill_vibro_agc_d2_fk_ep80_flt.su

#menampilkan shot yang telah difilter
suximage < Line_001_kill_vibro_agc_d2_fk_ep80_flt.su perc=80 &

#memilih shot yang telah difilter dengan tracf 100-105
suwind < Line_001_kill_vibro_agc_d2_fk_ep80_flt.su key=tracf min=100 max=105 > Line_001_kill_vibro_agc_d2_fk_ep80_flt_tracf100_105.su

#spectrum untuk shot dengan ep=80 dengan tracf 100-105 setelah filter
suspecfx < Line_001_kill_vibro_agc_d2_fk_ep80_flt_tracf100_105.su | suxwigb &


Lalu ketik sh filter sehingga kita memperoleh gambar berikut:

Gambar di atas adalah shot gather dengan ep=80 (kiri) serta spektrum frekuensi untuk shot gather tersebut dengan tracf ke 100 sampai 105 (kanan). Perhatikan noise yang terdapat pada data, serta rentang frekuensi yang masih full bandwidth dari 8 sampai 100Hz (sumbu vertikal pada gambar sebelah kanan adalah frekuensi dalam Hz). Alasan saya memilih tracf ke 100 sampai 105 karena trace tersebut adalah mid offset, dari surange pada tahapan-tahapan sebelumnya kita mengetahui bahwa tracf yang kita miliki dimulai dari 1 s/d 282.

Gambar di bawah ini adalah hasil setelah difilter dengan bandpass filter 10,15,50,60Hz, yang berarti saya hanya meloloskan frekuensi dari 10 sampai 60Hz. Anda mungkin berargumen bahwa pemilihan cut off frekuensi 10Hz sangat membahayakan data seismik yang kita miliki, akan tetapi saya beralasan bahwa untuk kasus data ini, walaupun cut off 10Hz, reflektor yang saya miliki masih bisa terselamatkan (lihat shot gather). Tentu saja sebelumnya saya melakukan test dengan berbagai kombinasi frekuensi dari mulai 3,6,50,60Hz, 4,8,50,60Hz, 5,10,50,60Hz dan seterusnya.

Lakukanlah proses di atas untuk beberapa lokasi ep, jika anda sudah memperoleh hasil yang paling baik, maka anda dapat menerapkannya untuk seluruh data yang kita miliki dengan perintah sbb:

sufilter < Line_001_kill_vibro_agc_d2_fk.su f=10,15,50,60 > Line_001_kill_vibro_agc_d2_fk_flt.su

Tahap 10:
Pada tahapan ini kita akan menerapkan proses deconvolusi yang bertujuan untuk meningkatkan resolusi temporal dari reflektor serta menekan multiple. Namun sebelum melakukan deconvolusi, saya akan menerapkan autocorrelation terlebih dahulu yang sangat membantu mempelajari perilaku multiple.

Kode di bawah ini adalah kode untuk melakukan test autocorrelation dan deconvolusi. Parameter utama yang harus kita perhatikan adalah minlag dan maxlag, sedangkan ntout adalah jumlah sampel hasil autocorrelasi yang akan dihasilkan. Anda bisa melakukan test dengan pnoise yang berbeda.

Pada terminal linux ketik gedit, copy paste kode berikut lalu save dengan nama decon

#!/bin/sh

minlag=0.02
maxlag=0.1
pnoise=0.001
ntout=120

#memilih data dengan ep=150
suwind < Line_001_kill_vibro_agc_d2_fk_flt.su key=ep min=150 max=150 > Line_001_kill_vibro_agc_d2_fk_flt_ep150.su

#menampilkan data dengan ep=180
suximage < Line_001_kill_vibro_agc_d2_fk_flt_ep150.su perc=80 &

#melakukan autocorrelation dan menampilkan autocorrelation-nya
suacor < Line_001_kill_vibro_agc_d2_fk_flt_ep150.su suacor ntout=$ntout | suximage perc=80 &

#melakukan deconvolusi
supef < Line_001_kill_vibro_agc_d2_fk_flt_ep150.su > Line_001_kill_vibro_agc_d2_fk_flt_ep150_decon.su minlag=$minlag maxlag=$maxlag pnoise=$pnoise

#menampilkan hasil deconvolusi
suximage < Line_001_kill_vibro_agc_d2_fk_flt_ep150_decon.su perc=80 &

#melakukan autocorrelation dari data yang telah di-deconvolusi
suacor < Line_001_kill_vibro_agc_d2_fk_flt_ep150_decon.su suacor ntout=$ntout | suximage perc=80 &

Lalu pada terminal linux ketik sh decon

Gambar dibawah ini adalah gather sebelum deconvolusi (kiri) serta autocorrelation (kanan)

Untuk menentukan minlag dan maxlag, lihatlah penampang autocorrelation. minlag dihitung dari peak amplitude sampai zero crosing yang kedua. Hasil pengamatan saya menunjukkan bahwa peak amplitude data ini adalah sekitar 0.12s dan zero crossing yang kedua sekitar 0.14s, dengan demikian minlag=0.14-0.12=0.02, sedangkan maxlag 0.1 dipilih karena reverberasi masih terulang sampai sekitar 0.22s. sehingga maxlag=0.22-0.12=0.1s.

Gambar di bawah ini adalah hasil deconvolusi serta autocorrelation-nya. Perhatikan bentuk wavelet setelah deconvolusi yang lebih ramping (meningkat resolusi temporal), serta reverberasi yang sudah tereliminasi. Hal ini bisa kita lihat baik pada shot gather walaupun pada autocorrelation.

Setelah anda puas dengan hasil test, maka terapkanlah deconvolusi untuk seluruh data, dengan perintah sbb (satu baris):

supef < Line_001_kill_vibro_agc_d2_fk_flt.su > Line_001_kill_vibro_agc_d2_fk_flt_decon.su minlag=0.02 maxlag=0.1 pnoise=0.001

Tahap berikutnya