แนวคิดพื้นฐานของสถิติทางภูมิศาสตร์ในธรณีฟิสิกส์

แนวคิดพื้นฐานของสถิติทางภูมิศาสตร์ในธรณีฟิสิกส์

ธรณีสถิติเป็นสาขาหนึ่งของสถิติที่ออกแบบมาโดยเฉพาะเพื่อวิเคราะห์ข้อมูลที่เกี่ยวข้องกับตำแหน่งทางภูมิศาสตร์ กล่าวคือ ข้อมูลที่มีค่าได้รับอิทธิพลจากตำแหน่ง ในทางธรณีฟิสิกส์ ข้อมูลเกือบทั้งหมดมีลักษณะเป็นเชิงพื้นที่ เช่น การวัดแรงโน้มถ่วง สนามแม่เหล็ก แผ่นดินไหว และความต้านทาน รวมถึงข้อมูลทางเคมีและข้อมูลบันทึกหลุมเจาะ ล้วนเกี่ยวข้องกับพิกัดเฉพาะ ดังนั้น ธรณีสถิติจึงเป็นพื้นฐานที่สำคัญสำหรับการทำความเข้าใจรูปแบบการกระจายตัวของพารามิเตอร์ใต้พื้นดิน การประมาณค่า ณ ตำแหน่งที่ไม่ได้วัด และการประเมินความไม่แน่นอนของการตีความ บทความนี้จะกล่าวถึงแนวคิดพื้นฐานของธรณีสถิติที่ใช้บ่อยที่สุดในบริบททางธรณีฟิสิกส์

เหตุใดสถิติทางภูมิศาสตร์จึงมีความสำคัญในธรณีฟิสิกส์?

การสำรวจทางธรณีฟิสิกส์มักเผชิญกับข้อจำกัดในการสุ่มตัวอย่าง เป็นไปไม่ได้ที่จะวัดทุกจุดบนพื้นผิวหรือใต้พื้นดินเนื่องจากต้นทุน เวลา และข้อจำกัดในการเข้าถึง ดังนั้น การตีความทางธรณีฟิสิกส์จึงต้องอาศัยการประมาณค่าและการสร้างแบบจำลอง การประมาณค่าแบบง่ายๆ เช่น การถ่วงน้ำหนักระยะทางผกผัน (IDW) นั้นสะดวก แต่โดยทั่วไปมักละเลยโครงสร้างความสัมพันธ์เชิงพื้นที่และไม่มีการวัดความไม่แน่นอน ธรณีสถิติตอบสนองความต้องการที่สำคัญสองประการ ได้แก่ (1) การใช้ประโยชน์จากรูปแบบความสัมพันธ์เชิงพื้นที่ของข้อมูลเพื่อการประมาณค่าที่สมจริงยิ่งขึ้น และ (2) การจัดเตรียมกรอบเชิงปริมาณสำหรับความไม่แน่นอนเพื่อแจ้งการตัดสินใจในการสำรวจ

ในทางธรณีฟิสิกส์ ธรณีสถิติถูกนำมาใช้ในการสร้างแผนที่ความผิดปกติที่มีความละเอียดและสอดคล้องกันมากขึ้น การสร้างแบบจำลองคุณสมบัติของหิน (ความพรุน การซึมผ่าน ความเร็วคลื่น) การบูรณาการข้อมูลจากหลายแหล่ง (เช่น ข้อมูลแผ่นดินไหวและบ่อเจาะ) และการจำลองแบบจำลองใต้ดินสำหรับสถานการณ์ความเสี่ยง

ข้อมูลเชิงพื้นที่และแนวคิดของฟิลด์สุ่ม

สาระสำคัญของธรณีสถิติคือการมองปรากฏการณ์ทางธรณีวิทยาหรือธรณีฟิสิกส์ว่าเป็นฟังก์ชันสุ่มหรือสนามสุ่ม นั่นหมายความว่าค่าพารามิเตอร์ เช่น ความหนาแน่น ความไวต่อสนามแม่เหล็ก หรือความเร็ว P ในแต่ละตำแหน่ง ถือเป็นผลลัพธ์ของกระบวนการสุ่มที่มีโครงสร้างเฉพาะ ในแนวทางนี้ เป้าหมายของเราไม่ใช่เพียงแค่ "การวาดแผนที่" แต่เป็นการประมาณการการกระจายของค่าและความสัมพันธ์ระหว่างตำแหน่งต่างๆ

แบบจำลองทางธรณีสถิติมีองค์ประกอบสำคัญสองส่วน ได้แก่ แนวโน้มและความแปรปรวนในระดับท้องถิ่น แนวโน้มอธิบายถึงการเปลี่ยนแปลงในระดับใหญ่ (เช่น ความหนาแน่นที่เพิ่มขึ้นจากเหนือจรดใต้เนื่องจากการเปลี่ยนแปลงทางธรณีวิทยาในระดับภูมิภาค) ความแปรปรวนในระดับท้องถิ่นอธิบายถึงความผันผวนในระดับเล็ก ซึ่งมักเกี่ยวข้องกับความไม่สม่ำเสมอของหิน รอยแตก หรือการเปลี่ยนแปลงของชั้นหิน การแยกแยะระหว่างแนวโน้มและความแปรปรวนช่วยให้เราเลือกวิธีการที่เหมาะสมได้ ไม่ว่าจะเป็นการสมมติว่าสภาวะคงที่ หรือการรวมแนวโน้ม/การเคลื่อนตัวเข้าไปอย่างชัดเจน

ความนิ่ง: ข้อสมมติฐานพื้นฐานที่ใช้กันทั่วไป

วิธีการทางภูมิสถิติแบบคลาสสิกหลายวิธีอาศัยสมมติฐานเรื่องความคงที่ กล่าวคือ คุณสมบัติทางสถิติของข้อมูลยังคงไม่เปลี่ยนแปลงเมื่อตำแหน่งเปลี่ยนไป รูปแบบที่พบได้บ่อยที่สุดคือความคงที่อันดับสอง: ค่าเฉลี่ยคงที่ และความแปรปรวนร่วมขึ้นอยู่กับระยะทางและทิศทางการแยก (lag) เท่านั้น ไม่ขึ้นอยู่กับตำแหน่งสัมบูรณ์

ในทางธรณีฟิสิกส์ ข้อสมมติฐานนี้ไม่ถูกต้องเสมอไป เพราะสภาพทางธรณีวิทยามักเปลี่ยนแปลงอย่างค่อยเป็นค่อยไป อย่างไรก็ตาม ในบางระดับ (เช่น ภายในโดเมนหินเดียวกัน) ข้อสมมติฐานเรื่องความคงที่มักค่อนข้างสมเหตุสมผล หากข้อมูลแสดงแนวโน้มที่ชัดเจน มักจะทำการกำจัดแนวโน้ม หรือใช้วิธีการอื่น เช่น การประมาณค่าแบบคริกิงสากล ที่สามารถรองรับแนวโน้มนั้นได้

วาเรียแกรม: หัวใจสำคัญของภูมิสถิติ

แนวคิดที่โดดเด่นที่สุดในสถิติภูมิศาสตร์คือ วาริโอแกรม (หรือเซมิวาริโอแกรม) วาริโอแกรมแสดงให้เห็นว่าความคล้ายคลึงกันของค่าข้อมูลเปลี่ยนแปลงไปอย่างไรเมื่อระยะทางเปลี่ยนไป โดยทั่วไปแล้ว จุดสองจุดที่อยู่ใกล้กันมักจะมีค่าใกล้เคียงกัน ในขณะที่จุดที่อยู่ห่างกันมักจะมีค่าแตกต่างกัน วาริโอแกรมจะแสดงหลักการนี้ในเชิงปริมาณ

โดยทั่วไปแล้ว เซมิแวริโอแกรมเชิงประจักษ์จะคำนวณได้ดังนี้:

\[
γ(h)=\frac{1}{2N(h)}\sum_{i=1}^{N(h)}[Z(x_i)-Z(x_i+h)]^2
\]

โดยที่ \(h\) คือค่าความล่าช้า (ระยะทางและทิศทาง), \(N(h)\) คือจำนวนคู่ข้อมูลที่ค่าความล่าช้านั้น และ \(Z(x)\) คือค่าข้อมูล

พารามิเตอร์วาเรียแกรมที่สำคัญสามประการ:

1. นัคเก็ต (Nugget): ค่าเซมิแวริโอแกรมที่ค่าความล่าช้าเข้าใกล้ศูนย์ นัคเก็ตสะท้อนถึงข้อผิดพลาดในการวัด สัญญาณรบกวน หรือความไม่สม่ำเสมอในระดับที่เล็กกว่าระยะการสุ่มตัวอย่าง
2. Sill: ค่าเซมิแวริโอแกรมเมื่อถึงจุดคงที่ ค่านี้เกี่ยวข้องกับความแปรปรวนรวมของข้อมูลในโดเมนนั้น
3. พิสัย: ระยะทางที่วาเรียแกรมเข้าใกล้จุดสูงสุด หากอยู่ต่ำกว่าพิสัย ข้อมูลยังคงมีความสัมพันธ์กัน หากอยู่สูงกว่าพิสัย ความสัมพันธ์จะอ่อนลงหรือหายไป

วาเรียแกรมยังสามารถแสดงความไม่เป็นเนื้อเดียวกัน (anisotropy) ซึ่งเป็นความสัมพันธ์ที่เปลี่ยนแปลงไปตามทิศทาง ในทางธรณีฟิสิกส์ ความไม่เป็นเนื้อเดียวกันมักเกิดขึ้นจากโครงสร้างทางธรณีวิทยา เช่น ชั้นหิน รอยแตก หรือทิศทางการไหลของตะกอน วาเรียแกรมแบบมีทิศทางช่วยในการกำหนดทิศทางที่มีความต่อเนื่องมากที่สุดและน้อยที่สุด ซึ่งมีความสำคัญอย่างยิ่งในการสร้างแบบจำลองแหล่งกักเก็บหรือการตีความโครงสร้าง

แบบจำลองวาเรียแกรม: จากเชิงประจักษ์สู่ฟังก์ชันทางคณิตศาสตร์

วาเรียแกรมเชิงประจักษ์มักมีสัญญาณรบกวนสูงและไม่ตรงตามข้อกำหนดทางคณิตศาสตร์สำหรับการใช้งานในวิธีการครีจิงเสมอไป ดังนั้นจึงจำเป็นต้องปรับให้เข้ากับแบบจำลองทางทฤษฎี เช่น:

– ทรงกลม
– เลขชี้กำลัง
– เกาส์เซียน
– Matérn (มีความยืดหยุ่นมากกว่า แต่ซับซ้อนกว่า)

การเลือกแบบจำลองนั้นขึ้นอยู่กับรูปร่างของวาเรียแกรมเชิงประจักษ์และความเข้าใจทางธรณีวิทยา ตัวอย่างเช่น แบบจำลองเกาส์เซียนมักสร้างการเปลี่ยนแปลงที่ราบเรียบมากในระยะทางสั้นๆ เหมาะสำหรับพารามิเตอร์ที่มีความต่อเนื่องสูง ในขณะที่แบบจำลองเอกซ์โปเนนเชียลจะมีความขรุขระมากกว่าในระยะทางสั้นๆ เหมาะสำหรับปรากฏการณ์ที่มีการเปลี่ยนแปลงอย่างรวดเร็ว

คริกิง: การประมาณค่าที่เหมาะสมที่สุดโดยใช้แวริโอแกรม

Kriging เป็นวิธีการประมาณค่าเชิงสถิติทางภูมิศาสตร์ที่ใช้แวริโอแกรมเพื่อให้ได้ค่าประมาณเชิงเส้นที่ไม่เอนเอียงที่ดีที่สุด (BLUE) ซึ่งแตกต่างจากวิธีการประมาณค่าแบบกำหนดค่าตายตัว Kriging มีคุณสมบัติดังนี้:

1. พิจารณาถึงระยะทางและความสัมพันธ์เชิงพื้นที่
2. สร้างแผนที่การประมาณค่าและแผนที่ความแปรปรวนของ Kriging (ความไม่แน่นอน)

ประเภทของการประมาณค่าแบบ Kriging ที่พบได้ทั่วไป:

– การประมาณค่าแบบ Kriging อย่างง่าย (SK): ค่าเฉลี่ยเป็นที่ทราบและคงที่
– การประมาณค่าแบบ Kriging ธรรมดา (OK): ค่าเฉลี่ยไม่ทราบค่า แต่ถือว่าคงที่ในบริเวณใกล้เคียง
– Universal Kriging (สหราชอาณาจักร): รวมถึงแนวโน้ม/การเลื่อน (เช่น ฟังก์ชันพหุนามเทียบกับพิกัด)
– โค-ครีกิง (Co-kriging): การใช้ตัวแปรเสริม (เช่น การประมาณค่าความพรุนโดยใช้ค่าความต้านทานคลื่นไหวสะเทือน)
– Indicator Kriging: สำหรับข้อมูลเชิงหมวดหมู่/เหตุการณ์ (เช่น ความน่าจะเป็นของลักษณะทางธรณีวิทยาเฉพาะอย่าง)

ในสาขาธรณีฟิสิกส์ประยุกต์ วิธีการครีจิงแบบธรรมดามักเป็นตัวเลือกเริ่มต้นที่ดี เนื่องจากมีความยืดหยุ่นและไม่จำเป็นต้องตั้งสมมติฐานเกี่ยวกับค่าเฉลี่ยทั่วโลกที่ทราบแล้ว

การจำลองทางภูมิสถิติ: มากกว่าแค่แผนที่

การประมาณค่าในช่วงจะสร้างแบบจำลอง "ที่ดีที่สุด" เพียงแบบเดียว แต่สภาพใต้พื้นดินนั้นไม่สามารถแน่นอนได้เสมอไป เพื่อประเมินความเสี่ยงและสร้างสถานการณ์ต่างๆ จึงมีการใช้การจำลองทางสถิติภูมิศาสตร์ เช่น:

– การจำลองแบบเกาส์เซียนตามลำดับ (Sequential Gaussian Simulation: SGS) สำหรับตัวแปรต่อเนื่อง
– การจำลองตัวบ่งชี้ลำดับ (Sequential Indicator Simulation: SIS) สำหรับตัวแปรเชิงหมวดหมู่
- การวิเคราะห์ทางสถิติแบบหลายจุดสำหรับรูปแบบทางธรณีวิทยาที่ซับซ้อนโดยใช้ภาพฝึกฝน

การจำลองสร้างผลลัพธ์หลายชุดที่สอดคล้องกับข้อมูลและวาเรียแกรม ทำให้เราสามารถคำนวณช่วงความน่าจะเป็น ควอนไทล์ และความน่าจะเป็นได้ ในบริบททางธรณีฟิสิกส์ การจำลองมีความสำคัญอย่างยิ่งสำหรับการวางแผนการเจาะ การประเมินความไม่แน่นอนของปริมาตร และการบูรณาการกับการสร้างแบบจำลองการไหล

การตรวจสอบความถูกต้องของแบบจำลอง: การตรวจสอบแบบไขว้และการวินิจฉัย

การวิเคราะห์ทางภูมิสถิติที่ดีไม่ได้หยุดอยู่แค่การสร้างวาเรียแกรมและการประมาณค่าแบบคริกิงเท่านั้น จำเป็นต้องมีการประเมินผลด้วย เช่น:

– การตรวจสอบความถูกต้องแบบตัดออกทีละจุด (Leave-one-out cross-validation): แต่ละจุดจะถูกทำนายโดยใช้จุดอื่น ๆ จากนั้นจึงนำไปเปรียบเทียบกับค่าจริง
– การวิเคราะห์ค่าตกค้าง: ตรวจสอบว่าค่าตกค้างมีการกระจายแบบสุ่มหรือไม่ และมีอคติอย่างเป็นระบบหรือไม่
– การตรวจสอบความแปรปรวนของ Kriging: ตรวจสอบว่าความไม่แน่นอนนั้นสมเหตุสมผลหรือไม่ (สูงในพื้นที่ที่มีข้อมูลน้อย ต่ำในพื้นที่ที่มีข้อมูลมาก)

การตรวจสอบความถูกต้องช่วยให้ทราบว่าวาเรียแกรมนั้น "เรียบ" เกินไปหรือไม่ ช่วงระยะทางยาว/สั้นเกินไป หรือมีความไม่สมมาตรบางอย่างที่ยังไม่ได้ถูกบันทึกไว้หรือไม่

ความท้าทายทั่วไปในการประยุกต์ใช้ทางธรณีฟิสิกส์และธรณีสถิติ

ความท้าทายบางประการที่มักเกิดขึ้น ได้แก่:

1. สัญญาณรบกวนและการกระจายตัวที่ไม่เป็นไปตามแบบปกติ: ข้อมูลทางธรณีฟิสิกส์มักมีค่าผิดปกติและการกระจายตัวที่ไม่เป็นไปตามแบบปกติ การแปลงข้อมูล (เช่น การปรับค่าให้เป็นมาตรฐาน) จึงมีความจำเป็นในบางครั้ง
2. การสุ่มตัวอย่างที่ไม่สม่ำเสมอ: เส้นทางการวัด (วิถีการเคลื่อนที่) ทำให้ข้อมูลมีความหนาแน่นในทิศทางหนึ่งและเบาบางในอีกทิศทางหนึ่ง
3. การเปลี่ยนแปลงที่ไม่คงที่: การเปลี่ยนแปลงในลักษณะทางธรณีวิทยาหรือโครงสร้างระดับภูมิภาคก่อให้เกิดแนวโน้มที่ชัดเจน
4. การบูรณาการหลายระดับ: ข้อมูลแผ่นดินไหวมีขนาดใหญ่ แต่ความละเอียดแตกต่างจากข้อมูลจากบ่อเจาะซึ่งมีรายละเอียดสูงมาก

การเอาชนะความท้าทายเหล่านี้จำเป็นต้องอาศัยความเข้าใจทางสถิติและสัญชาตญาณทางธรณีวิทยา/ธรณีฟิสิกส์ควบคู่กันไป

ปิด

แนวคิดพื้นฐานของธรณีสถิติ ได้แก่ ความเสถียร วาเรียแกรม คริกิง และการจำลอง เป็นกรอบการทำงานที่มีประสิทธิภาพสำหรับการประมวลผลข้อมูลทางธรณีฟิสิกส์ที่อิงตามตำแหน่ง ด้วยวาเรียแกรม เราสามารถสร้างแผนที่โครงสร้างความสัมพันธ์เชิงพื้นที่ได้ ด้วยคริกิง เราจะได้รับค่าประมาณที่เหมาะสมที่สุดและความไม่แน่นอนของค่าเหล่านั้น และด้วยการจำลอง เราสามารถสร้างสถานการณ์ต่างๆ ที่แสดงถึงความไม่แน่นอนใต้พื้นดินได้อย่างสมจริงยิ่งขึ้น ท้ายที่สุดแล้ว ธรณีสถิติไม่ใช่เพียงแค่เทคนิคการทำแผนที่ แต่เป็นวิธีการเชิงปริมาณสำหรับการตัดสินใจในการสำรวจและตีความทางธรณีฟิสิกส์อย่างมีข้อมูลมากขึ้น

หากคุณต้องการ ฉันสามารถเพิ่มตัวอย่างกรณีการใช้งาน (เช่น การทำแผนที่ความผิดปกติทางแม่เหล็ก หรือการประมาณความเร็วคลื่นไหวสะเทือน) หรือรวมขั้นตอนการทำงานที่เป็นรูปธรรมตั้งแต่การคำนวณวาเรียแกรมไปจนถึงการประมาณค่าแบบครีกิงในซอฟต์แวร์เฉพาะได้