AVO भूकंपीय सिद्धांताची मूलभूत माहिती
भूभौतिकीय अन्वेषणामध्ये, प्रथम ड्रिलिंग न करता पृथ्वीच्या भूगर्भातील रचना 'पाहण्यासाठी' भूकंपात्मक डेटा हे एक मुख्य साधन आहे. तथापि, भूकंपात्मक डेटा केवळ स्तरांची भूमिती (उदा., अँटिकलाइन, फॉल्ट किंवा स्ट्रॅटिग्राफीक ट्रॅप) नकाशावर दर्शवण्यासाठीच उपयुक्त नाही, तर खडक आणि द्रवांच्या गुणधर्मांमधील बदल दर्शवण्यासाठी देखील उपयुक्त आहे. या उद्देशासाठी मोठ्या प्रमाणावर वापरली जाणारी एक महत्त्वाची संकल्पना म्हणजे AVO (ॲम्प्लिट्यूड व्हर्सेस ऑफसेट), जी स्रोत-प्राप्तकर्ता अंतर (ऑफसेट) किंवा आपतन कोन (अँगल) यांच्या संदर्भात भूकंपात्मक परावर्तन ॲम्प्लिट्यूडमधील बदल दर्शवते. हा लेख भूकंपात्मक AVO सिद्धांताची मूलभूत माहिती, ही घटना का घडते आणि विश्लेषणात AVO चा उपयोग कसा केला जातो यावर चर्चा करतो.
-
१. एव्हीओ म्हणजे काय?
ऑफसेट वाढल्याने (किंवा दुसऱ्या शब्दांत सांगायचे झाल्यास, सीमेवरील तरंगाचा आपतन कोन वाढल्याने) भूकंपाच्या परावर्तनाची तीव्रता कशी बदलते, याचा अभ्यास म्हणजे AVO होय. मल्टी-ऑफसेट भूकंपाच्या डेटामध्ये (उदा., CMP गॅदर डेटा), एकाच परावर्तकाची नोंद विविध ऑफसेटवर केली जाते. आदर्श परिस्थितीत, जर सर्व परिस्थिती समान असती, तर तीव्रता स्थिर राहील अशी अपेक्षा आपण करू शकलो असतो. प्रत्यक्षात, तीव्रता बदलते कारण परावर्तनाचा प्रतिसाद हा आपतन कोनावर आणि दोन लगतच्या थरांमधील लवचिक गुणधर्मांमधील फरकावर अवलंबून असतो.
AVO चे सार: आयाम म्हणजे केवळ “ऊर्जेचा आकार” नव्हे, तर खडक आणि द्रव्यांच्या गुणधर्मांविषयीची माहिती होय.
-
२. मूलभूत भौतिकशास्त्र: लहरींचे परावर्तन आणि पारगमन
लवचिक माध्यमात पसरणाऱ्या भूकंपाच्या लहरी, जेव्हा वेगवेगळ्या गुणधर्मांच्या दोन थरांमधील सीमेशी टक्कर देतात, तेव्हा त्यांचे परावर्तन आणि पारगमन होते. एका विशिष्ट आपतन कोनावर, काही ऊर्जा परत परावर्तित होते आणि काही पारगमित होते. परावर्तित ऊर्जेचे प्रमाण परावर्तन गुणांकाद्वारे निर्धारित केले जाते.
सर्वात सोप्या बाबतीत, म्हणजेच लंबवत येणाऱ्या लहरींच्या बाबतीत, परावर्तन गुणांक PP (लहर P ही P मध्ये परावर्तित होते) अंदाजे खालीलप्रमाणे लिहिता येतो:
\[
R(0) \approx \frac{Z_2 – Z_1}{Z_2 + Z_1}
\]
येथे \( Z = \rho V_p \) ही ध्वनिक प्रतिबाधा, \( \rho \) ही घनता आणि \( V_p \) हा पी-तरंग वेग आहे. हे समीकरण स्पष्ट करते की मोठ्या प्रतिबाधा फरकांवर, उदाहरणार्थ कठीण आणि मऊ खडकांमध्ये, तीव्र परावर्तन का होते.
तथापि, शून्येतर ऑफसेटवर (शून्येतर आपतन कोनांवर), केवळ ध्वनिक प्रतिबाधाद्वारे परावर्तनांचे पुरेसे स्पष्टीकरण देता येत नाही. येथे स्थितिस्थापक गुणधर्म (Vp, Vs, आणि घनता) महत्त्वाचे ठरतात आणि AVO दिसून येतो.
-
३. झोएप्रिट्झ समीकरण: एव्हीओ सिद्धांताचा पाया
सैद्धांतिकदृष्ट्या, दिलेल्या आपतन कोनावरील परावर्तन आयाम झोएप्रिट्झ समीकरणाद्वारे वर्णन केला जातो, जे दोन लवचिक माध्यमांच्या सीमेवर पी- आणि एस-तरंगांसाठी परावर्तन आणि पारगमन गुणांक मिळवते. झोएप्रिट्झ समीकरण "पूर्ण" आहे, परंतु दैनंदिन अर्थासाठी त्याचा थेट वापर करणे गुंतागुंतीचे आहे.
त्यामुळे, AVO प्रथेमध्ये सहसा एक सोपे अंदाजे सूत्र वापरले जाते, विशेषतः लहान-मध्यम कोनांसाठी आणि तीव्र नसलेल्या लवचिक फरकांसाठी.
-
4. अकी-रिचर्ड्स अंदाजे आणि शुई फॉर्म
एक लोकप्रिय अंदाजीकरण म्हणजे अकी-रिचर्ड्स अंदाजीकरण, जे परावर्तन गुणांक PP ला आपतन कोनाच्या संदर्भात Vp, Vs, आणि घनतेमधील बदलाचे फलन म्हणून व्यक्त करते. विविध सरलीकरणांपैकी, उद्योगात सर्वाधिक वापरले जाणारे स्वरूप म्हणजे शूई अंदाजीकरण, जे खालीलप्रमाणे लिहिले जाते:
\[
R(\theta) \approx R_0 + G \sin^2\theta + F(\tan^2\theta – \sin^2\theta)
\]
di mana:
– \( R(\theta) \) = आपतन कोन \( \theta \) वरील परावर्तन गुणांक
– \( R_0 \) = इंटरसेप्ट (शून्य कोनातून परावर्तकता गाठणे)
– \( G \) = प्रवणता (कोनानुसार आयामातील बदल नियंत्रित करते, विशेषतः लहान-मध्यम कोनांवर)
– \( F \) = मोठ्या कोनाचे पद (कोन फार मोठा नसल्यास याकडे अनेकदा दुर्लक्ष केले जाते)
अनेक AVO अभ्यासांमध्ये, विशेषतः जेव्हा कोनीय श्रेणी तुलनेने लहान असते, तेव्हा समीकरण अनेकदा खालीलप्रमाणे सोपे केले जाते:
\[
R(\theta) \approx R_0 + G \sin^2\theta
\]
येथून आपल्याला AVO ची मुख्य कल्पना दिसून येते: एका विशिष्ट कोनीय श्रेणीमध्ये परावर्तकता \(\sin^2\theta\) सोबत जवळजवळ रेषीयपणे बदलते.
-
५. आयाम का बदलतो? Vp, Vs, घनता आणि द्रवाची भूमिका.
ऑफसेटनुसार आयामात बदल होतो कारण मोठ्या कोनांवर पी-तरंगाला अधिक लवचिक परिणाम जाणवतात, ज्यात Vp/Vs गुणोत्तरातील (किंवा पॉइसन गुणोत्तरातील) बदलांचा समावेश असतो. द्रव्यांच्या (वायू, तेल, पाणी) उपस्थितीमुळे Vp मध्ये लक्षणीय बदल होऊ शकतो, तर Vs अधिक स्थिर राहतो (कारण Vs वर द्रव्यांपेक्षा खडकाच्या संरचनेचा जास्त प्रभाव पडतो). परिणामी, वायूयुक्त थरांमध्ये अनेकदा वैशिष्ट्यपूर्ण AVO नमुने आढळतात.
सर्वसाधारणपणे:
– वायू सामान्यतः Vp आणि ध्वनिक प्रतिबाधा कमी करतो, त्यामुळे R0 नकारात्मक होऊ शकतो (विशिष्ट शेल-वाळू सीमांवर).
– खडकशास्त्र आणि द्रवाच्या संयोजनावर अवलंबून, Vs आणि Vp/Vs गुणोत्तरातील बदलांमुळे लांब ऑफसेटवर आयाम वाढू किंवा कमी होऊ शकतात.
– घनतेचा देखील परावर्तनावर परिणाम होतो, परंतु बऱ्याच प्रकरणांमध्ये AVO प्रतिसादात त्याचे योगदान Vp आणि Vs पेक्षा कमी असते.
-
६. इंटरसेप्ट आणि ग्रेडियंटची संकल्पना (शास्त्रीय AVO विश्लेषण)
अन्वयार्थामध्ये, AVO चे विश्लेषण अनेकदा पॅरामीटर जोड्या वापरून केले जाते:
– इंटरसेप्ट (A किंवा R0) : जवळच्या ऑफसेटवरील परावर्तनाचे वर्णन करते.
– ग्रेडियंट (B किंवा G): ऑफसेटनुसार अॅम्प्लिट्यूड बदलाचा कल दर्शवतो.
अँप्लिट्यूडचे \(\sin^2\theta\) विरुद्ध रिग्रेशन करून, आपण प्रत्येक टाइम/डेप्थ सॅम्पलसाठी इंटरसेप्ट आणि ग्रेडियंटचा अंदाज लावू शकतो. त्यानंतर या दोन ॲट्रिब्यूट्सचे मॅपिंग करून विश्लेषण केले जाते.
एक सामान्य तंत्र म्हणजे इंटरसेप्ट विरुद्ध ग्रेडियंट क्रॉसप्लॉट. क्रॉसप्लॉटवरील बिंदूंचा वितरण नमुना लिथोलॉजिक आणि फ्लुइड प्रतिसादांमध्ये फरक करण्यास, तसेच हायड्रोकार्बनशी सुसंगत विसंगती ओळखण्यास मदत करू शकतो.
-
७. एव्हीओ वर्गीकरण (आढावा)
अन्वेषण साहित्यात, अनेक AVO वर्ग (उदा., रदरफोर्ड आणि विल्यम्स वर्गीकरण) ओळखले जातात, जे त्यांच्यावरील शेलच्या तुलनेत हायड्रोकार्बन-युक्त वाळूच्या सामान्य आयाम प्रतिसादाचे वर्णन करतात. तपशील वेगवेगळे असू शकतात, परंतु मूळ कल्पना अशी आहे:
१. वर्ग I: वाळूचा प्रतिबाधा शेलपेक्षा जास्त असतो (R0 पॉझिटिव्ह), परंतु मोठ्या ऑफसेटवर ध्रुवीयता बदलेपर्यंत ऑफसेटसह आयाम कमी होतो.
२. वर्ग II: R0 शून्याच्या जवळ जातो, ऑफसेटसह होणारे बदल एक महत्त्वाचा सूचक बनतात; “फेज रिव्हर्सल” किंवा संदिग्ध प्रतिसाद दर्शवू शकते.
३. वर्ग III: कमी वाळू प्रतिबाधा (नकारात्मक R0), आणि लांब ऑफसेटवर मोठे आयाम (अधिक नकारात्मक) — बहुतेकदा "ब्राइट स्पॉट" वायूने भरलेल्या वाळूशी संबंधित.
४. वर्ग IV: R0 नकारात्मक आहे परंतु मोठ्या ऑफसेटवर अॅम्प्लिट्यूड कमी होते (विसंगती अधिक सूक्ष्म आहे आणि तिचे स्पष्टीकरण आव्हानात्मक आहे).
हे वर्गीकरण विचार करण्यासाठी एक चौकट म्हणून उपयुक्त आहे, परंतु याला अंतिम नियम मानू नये, कारण मिळणारी प्रतिक्रिया स्थानिक भूवैज्ञानिक परिस्थितीवर मोठ्या प्रमाणात अवलंबून असते.
-
८. एव्हीओ डेटा आवश्यकता आणि कार्यप्रवाह
AVO चा योग्य अर्थ लावण्यासाठी, डेटाची गुणवत्ता आणि प्रक्रिया अत्यंत महत्त्वाची आहे. काही सामान्य पूर्वावश्यकता:
– अॅम्प्लिट्यूड राखला पाहिजे (खरा अॅम्प्लिट्यूड / सापेक्ष अॅम्प्लिट्यूड): प्रोसेसिंगमुळे ऑफसेट्समधील अॅम्प्लिट्यूड संबंधाला हानी पोहोचता कामा नये.
– अचूक NMO/DMO दुरुस्ती: वेगातील त्रुटींमुळे आयाम बदलू शकतो, विशेषतः दूरच्या ऑफसेटवर.
– भौमितिक, शोषण (Q) आणि स्केलिंग भरपाई सातत्याने केली जाते.
– म्यूटिंग आणि ऑफसेट निवड काळजीपूर्वक केली पाहिजे जेणेकरून AVO माहिती नष्ट होणार नाही किंवा प्रभावी नॉईज निर्माण होणार नाही.
कार्यप्रवाह (संक्षिप्त):
१. QC गॅदर (नॉईज तपासा, मल्टिपल, स्ट्रेच).
२. शक्य असल्यास ऑफसेटचे अँगलमध्ये रूपांतर करा (अँगल गॅदर).
3. क्षितिज किंवा वेळेच्या चौकटीतील आयामांचे निष्कर्षण.
4. इंटरसेप्ट-ग्रेडियंट किंवा इतर गुणधर्मांचे अंदाज (उदा. दूर-जवळ, द्रव घटक).
५. क्रॉसप्लॉट आणि ॲट्रिब्यूट मॅपिंग, त्यानंतर वेल लॉग्स आणि रॉक फिजिक्ससह एकत्रीकरण.
-
९. मर्यादा आणि अन्वयार्थाच्या सापळ्यांचे स्रोत
जरी AVO मजबूत असला तरी, असे अनेक गैर-भूवैज्ञानिक घटक आहेत जे "खोट्या विसंगती" निर्माण करू शकतात, ज्यामध्ये खालील गोष्टींचा समावेश आहे:
– अनिसोट्रॉपी (उदा. VTI) ज्यामुळे कोनानुसार प्रतिसाद बदलतो.
– पातळ थरांमध्ये ट्यूनिंग आणि व्यतिकरण.
– लक्ष्याच्या परावर्तनावर एकाधिक थरांची मांडणी.
– ऑफसेटमधील वेव्हलेट किंवा फेज बदल.
– पृष्ठभागाजवळील फरकांमुळे होणाऱ्या स्थिर त्रुटी आणि वेव्हलेट विसंगती.
– जटिल संरचनांवर वेगवेगळे छिद्र/प्रकाशयोजना.
म्हणून, Vp, Vs, आणि घनतेचा अधिक संख्यात्मक अंदाज घेण्यासाठी, AVO ला आदर्शपणे नेहमी वेल डेटा, रॉक फिजिक्स विश्लेषण, आणि उपलब्ध असल्यास, इलॅस्टिक इन्व्हर्जन (EI/AVA इन्व्हर्जन) सह कॅलिब्रेट केले पाहिजे.
-
७. निष्कर्ष
AVO भूकंपीय सिद्धांत या तत्त्वावर आधारित आहे की परावर्तन गुणांक केवळ सामान्य आपतन कोनातील ध्वनिक प्रतिबाधावरच नव्हे, तर खडकाच्या लवचिक गुणधर्मांवर आणि तरंगाच्या आपतन कोनावरही अवलंबून असतो. शुएच्या पद्धतीप्रमाणेच झोएप्रिट्झ सन्निकटनाचा वापर करून, AVO ला भूस्तरशास्त्रीय बदल आणि द्रवीय क्षमता, ज्यात हायड्रोकार्बन्सच्या संकेतांचाही समावेश आहे, शोधण्यासाठी एका व्यावहारिक इंटरसेप्ट आणि ग्रेडियंट विश्लेषणात सरलीकृत केले जाऊ शकते.
तथापि, AVO हे काही 'जादुई साधन' नाही. त्याचे यश मुख्यत्वे डेटाची गुणवत्ता, अँप्लिट्यूड-प्रिझर्व्हिंग प्रोसेसिंग, रॉक फिजिक्सचे आकलन आणि वेल कंट्रोल व भूवैज्ञानिक संदर्भासोबतचे एकीकरण यांवर अवलंबून असते. या पायावर, AVO हे आधुनिक सिस्मिक इंटरप्रिटेशनमधील सर्वात महत्त्वाच्या पद्धतींपैकी एक बनले आहे, जे अन्वेषणाची जोखीम कमी करते आणि जलाशय वैशिष्ट्यीकरणावरील विश्वास वाढवते.
-
तुमची इच्छा असल्यास, मी अधिक तांत्रिक आवृत्ती (ज्यात शुई/अकी-रिचर्ड्स डेरिव्हेटिव्ह, क्रॉसप्लॉटची उदाहरणे आणि AVA इन्व्हर्जन वर्कफ्लो असेल) किंवा नवशिक्या वाचकांसाठी सोपी आवृत्ती सादर करू शकेन.
