Основни понятия на геостатистиката в геофизиката
Геостатистиката е дял от статистиката, специално разработен за анализ на пространствено свързани данни, т.е. данни, чиито стойности са повлияни от местоположението. В геофизиката данните почти винаги са пространствени по природа: измерванията на гравитация, магнитни, сеизмични и съпротивителни данни, както и геохимичните и каротажните данни, са обвързани със специфични координати. Следователно, геостатистиката предоставя съществена основа за разбиране на моделите на разпределение на параметрите в подповърхността, оценка на стойностите на неизмерени места и оценка на неопределеността на интерпретациите. Тази статия разглежда основните понятия на геостатистиката, които най-често се използват в геофизични контексти.
Защо геостатистиката е важна в геофизиката?
Геофизичните проучвания постоянно се сблъскват с ограничения при вземането на проби. Невъзможно е да се измери всяка точка на повърхността или под повърхността поради ограничения в разходите, времето и достъпа. Следователно, геофизичната интерпретация изисква интерполация и моделиране. Простите интерполации, като например обратното претегляне на разстоянието (IDW), са удобни, но те често игнорират пространствените корелационни структури и не предоставят мярка за несигурност. Геостатистиката отговаря на две ключови нужди: (1) използване на пространствените корелационни модели на данните за по-реалистични оценки и (2) предоставяне на количествена рамка за несигурността, за да се информират решенията за проучване.
В геофизичната практика геостатистиката се използва за създаване на по-прецизни и последователни карти на аномалии, моделиране на свойствата на скалите (порьозност, пропускливост, скорост на вълните), интегриране на данни от множество източници (напр. сеизмични и сондажни) и симулиране на подземни модели за рискови сценарии.
Пространствени данни и концепцията за случайни полета
Същността на геостатистиката е разглеждането на геоложките или геофизичните явления като случайни функции или случайни полета. Това означава, че стойностите на параметри като плътност, магнитна възприемчивост или скорост P на всяко място се разглеждат като реализации на случаен процес със специфична структура. При този подход нашата цел не е просто да „начертаем карта“, а по-скоро да оценим разпределението на стойностите и корелациите между местоположенията.
В геостатистическия модел има два важни компонента: тренд и локална променливост. Тенденцията описва мащабни промени (напр. увеличаване на плътността от север на юг поради регионални литоложки промени). Локалната променливост описва дребномащабни флуктуации, често свързани с хетерогенност на скалите, фрактури или фациални промени. Разграничението между тренд и променливост ни помага да изберем подходящия метод: дали просто да приемем стационарни условия или да включим изрично дрейф/тренд.
Стационарност: Често използвано основно предположение
Много класически геостатистически методи разчитат на предположението за стационарност, т.е. статистическите свойства на данните остават непроменени с промени в местоположението. Най-често срещаната форма е стационарност от втори ред: средната стойност е константна, а ковариацията зависи само от разстоянието и посоката на разделяне (лаг), а не от абсолютната позиция.
В геофизиката това предположение не винаги е правилно, тъй като геоложките условия често се променят постепенно. Въпреки това, в определени мащаби (например в рамките на една литоложка област), предположението за стационарност често е доста разумно. Ако данните показват силна тенденция, обикновено се извършва детрендиране или се използва вариант на метода, като например универсален кригинг, който отчита тенденцията.
Вариограма: Сърцето на геостатистиката
Най-емблематичната концепция в геостатистиката е вариограмата (или семивариограма). Вариограмата илюстрира как сходството на стойностите на данните се променя с разстоянието. Интуитивно, две точки, които са близо една до друга, са склонни да имат сходни стойности, докато точки, които са далеч една от друга, са склонни да имат различни стойности. Вариограмата количествено илюстрира този принцип.
Емпиричната семивариограма обикновено се изчислява чрез:
\[
\γ(h)=\frac{1}{2N(h)}\sum_{i=1}^{N(h)}[Z(x_i)-Z(x_i+h)]^2
\]
където \(h\) е закъснението (разстояние и посока), \(N(h)\) е броят на двойките данни при това закъснение, а \(Z(x)\) е стойността на данните.
Три важни параметъра на вариограмата:
1. Нъгет: стойността на семивариограмата при забавяне, приближаващо се до нула. Нъгетите отразяват грешката в измерването, шума или хетерогенността в мащаб, по-малък от разстоянието на вземане на проби.
2. Праг: стойността на семивариограмата, когато тя достигне плато. Това е свързано с общата дисперсия на данните в тази област.
3. Диапазон: разстоянието, на което вариограмата се приближава до прага. Под диапазона данните все още са корелирани; над диапазона корелацията е слаба/губи се.
Вариограмите могат също да покажат анизотропия, която е корелация, варираща в зависимост от посоката. В геофизиката анизотропията често възниква от геоложки структури като пластове, разломи или посока на потока на седиментите. Насочната вариограма помага да се определят посоките на най-голяма и най-малка непрекъснатост, което е от решаващо значение при моделирането на резервоарите или структурната интерпретация.
Вариограмни модели: от емпирични към математически функции
Емпиричните вариограми често са шумни и не винаги отговарят на математическите изисквания за използване в кригинг. Следователно, те трябва да бъдат съобразени с теоретичен модел, като например:
– Сферичен
– Експоненциален
– Гаусов
– Matérn (по-гъвкав, но по-сложен)
Изборът на модел се ръководи от формата на емпиричната вариограма и геоложките познания. Например, Гаусовите модели често създават много плавни преходи на къси разстояния, подходящи за силно непрекъснати параметри. Експоненциалните модели са по-груби на къси разстояния, подходящи за явления с бързи промени.
Кригинг: Оптимална оценка, базирана на вариограма
Кригингът е геостатистически метод за интерполация, който използва вариограма, за да осигури най-добрата линейна непредубедена оценка (BLUE). За разлика от детерминистичните методи за интерполация, кригингът:
1. Вземете предвид разстоянието и пространствената корелация.
2. Създава карта за оценка, както и карта на дисперсията (неопределеност) по кригинг.
Често срещани видове кригинг:
– Прост кригинг (SK): средната стойност е известна и постоянна.
– Обикновен кригинг (ОК): средната стойност е неизвестна, но се приема, че е постоянна в локалната околност.
– Универсален кригинг (Великобритания): включва тренд/дрейф (напр. полиномиална функция спрямо координати).
– Ко-кригинг: използване на вторични променливи (напр. оценка на порьозността с помощта на сеизмичен импеданс).
– Индикаторен кригинг: за категорични/събитийни данни (напр. вероятност за определена литология).
В приложната геофизика, обикновеният кригинг често е силен първоначален избор, защото е гъвкав и не изисква допускане за известна глобална средна стойност.
Геостатистическа симулация: Повече от просто карта
Интерполацията създава един-единствен „най-добър“ модел, но подпочвеният слой никога не е сигурен. За оценка на риска и създаване на сценарии се използват геостатистически симулации, като например:
– Последователна Гаусова симулация (SGS) за непрекъснати променливи.
– Симулация на последователни индикатори (SIS) за категорични променливи.
– Многоточкова статистика за сложни геоложки модели, базирана на обучителни изображения.
Симулациите водят до множество реализации, които са съвместими с данните и вариограмата, което ни позволява да изчислим диапазони на вероятности, квантили и вероятности. В геофизичен контекст симулациите са от съществено значение за планирането на сондажите, оценката на обемната неопределеност и интегрирането с моделирането на потока.
Валидиране на модел: Кръстосана валидация и диагностика
Добрата геостатистика не се ограничава само до създаване на вариограми и кригинг. Необходимо е да се извършват оценки, например:
– Кръстосана валидация с изключване на една точка: всяка точка се предсказва с помощта на други точки, след което се сравнява с действителната стойност.
– Анализ на остатъците: дали остатъците са разпределени на случаен принцип, дали има систематично отклонение.
– Кригингова проверка на дисперсията: дали неопределеността е разумна (висока в области с оскъдни данни, ниска в области с висока плътност на данните).
Валидацията помага да се определи дали вариограмата е твърде „гладка“, диапазонът е твърде дълъг/къс или има анизотропия, която не е била уловена.
Често срещани предизвикателства в геофизичните геостатистически приложения
Някои предизвикателства, които често възникват:
1. Шум и негаусови разпределения: Геофизичните данни често съдържат отклонения и ненормални разпределения. Понякога са необходими трансформации (напр. нормален резултат).
2. Неравномерно семплиране: пътят на измерване (траекторията) води до това данните да са плътни в едната посока и разредени в другата посока.
3. Нестационарност: промените в литологията или регионалната структура водят до силни тенденции.
4. Многомащабна интеграция: сеизмичните изследвания са широкомащабни, но разделителната способност е различна от много подробните данни от кладенците.
Преодоляването на тези предизвикателства изисква комбинация от статистическо разбиране и геоложка/геофизична интуиция.
Затваряне
Фундаменталните понятия на геостатистиката – стационарност, вариограма, кригинг и симулация – предоставят мощна рамка за обработка на геофизични данни, базирани на местоположението. С вариограма картографираме пространствената корелационна структура; с кригинг получаваме оптимални оценки и техните неопределености; а със симулация конструираме множество сценарии, които по-реалистично изобразяват неопределеностите в подземните условия. В крайна сметка, геостатистиката не е просто техника за картографиране, а количествен подход за вземане на по-информирани решения за геофизично проучване и интерпретация.
Ако желаете, мога да добавя и примери за приложения (напр. картографиране на магнитни аномалии или оценка на сеизмичната скорост) или да включа практически работен процес от изчисляване на вариограма до кригинг в специфичен софтуер.
