CdSEXPLORATION AND APPLIED GEOPHYSICS
Codice267DD
CFU6
PeriodoSecondo semestre
LinguaInglese
Il corso mira a far acquisire agli studenti capacità operative nell’utilizzo di
strumenti numerici per l’elaborazione di dati geofisici. Gran parte del corso è
dedita ad esercitazioni di laboratorio con lo strumento informatico Python (e anche
Matlab) su dati sintetici e reali.
The student who successfully completes the course will have a solid knowledge of the fundamentals of geophysical (signal) data processing from a practical point. This will be achieved through exercises and practical examples in the lab classes with Python (and also Matlab).
Lo studente deve dimostrare di saper applicare in modo critico le attivita' illustrate durante tutto il corso dal docente.
- Dimostrazione pratica in laboratorio
The student must demonstrate the ability to critically apply the activities illustrated throughout the course by the teacher.
- Final laboratory practical demonstration
Al termine del corso lo studente avrà le capacità di sviluppare codici in Python (e anche Matlab) tali da rappresentare dati geofisici e da risolvere semplici problemi numerici. Soprattutto avrà le conoscenze necessarie per poter intraprendere in autonomia ulteriori approfondimenti.
The student will have the ability to apply the basic algorithms of data processing on geophysical data and on digital data in general writing programs in Python (and also Matlab). He/She can also carry out in-depth analysis on topics related to geophysical data processing.
Essere in gradi di scrivere semplici programmi che risolvano specifici problemi geofisici
Ability to write simple programs that solve specific geophysical problems
Conoscenze di teroria dei segnali
Conoscenze delle metodologie geofisiche in particolare della sismica a riflessione
Signal theory; Exploration Seismology (suggested).
Lezioni frontali ed esercitazioni con l'utilizzo di strumenti software (Python, Matlab)
Learning activities:
- attending lectures
- Laboratory work (Python and Matlab)
Teaching methods:
- Frontal lessons
- laboratory work (Python and Matlab)
Lo scopo del corso e' di dare agli studenti le conoscenze numeriche di base per elaborare i dati geofisici. Gli argomenti trattati sono i seguenti:
- Introduzione a Python: i moduli numpy e matplotlib.pyplot; operazioni elementari su array. Alcuni semplici comandi grafici: plt.plot e plt.imshow. I cicli for, while, ed il costrutto if... elif... else. Functions and scripts in Python.
- Il modello convoluzionale: funzione di riflettività e traccia convoluzionale; ondina di Ricker e convoluzione di una ondina generica con una traccia impulsionale (esempio tratto dal modello di Marmousi).
- Campionamento e Trasformata di Fourier: il campionamento di una sinusoide; l'alias di una sinusoide; frequenza di Nyquist; analisi spettrale della componente verticale ed orizzontale del terremoto di Loma Prieta e/o di shot sismici.
- Filtraggio di dati geofisici: esempio di applicazione di un filtro (filtro a fase zero) nel tempo e nelle frequenze su un dato sintetico e reale.
- Autocorrelazione e cross-correlazione; proprietà dell'autocorrelazione nei confronti del rumore random; esempio di applicazione della cross-correlazione: il Vibroseis; filtraggio adattato.
- Traformata di Fourier 2D: esempi sintetici e reali; Filtraggio FK ed esempio di applicazione di un filtro nel dominio FK.
- La fase di un'ondina: unwrap della fase; traslazione nei tempi e rotazione dello spettro di fase.
- Fitting lineare per il calcolo delle statiche a rifrazione.
The aim of the Laboratory is to give the student the basic skill in numerical methods for processing geophysical data. The topics of the course are the following:
- Introduction to Python: the module numpy and matplotlib.pyplot; Operations on arrays. Some simple graphic commands: plt.plot and plt.imshow. for and while loops and the if...elif...else construct. Functions and scripts in Python.
- The Convolutional model: reflectivity function and convolutional trace; Ricker wavelet; convolution of a generic wavelet with an impulsional trace (example from the Marmousi model).
- Sampling theorem and Fourier transform: sampling of a sinusoidal wave, alias of a sinusoid; Nyquist frequency; spectral analysis of the vertical and horizontal component of the Loma Prieta earthquake and/or of seismic shot records.
- Geophysical data filtering: example of a filter application (a zero phase filter) in time and frequency domain on synthetic and read data.
- Autocorrelation and cross-correlation functions; properties of the autocorrelation against the random noise; example of a cross-correlation application: the Vibroseis. Adaptive filtering.
- 2D Fourier Transform: synthetic and real examples. FK filtering and example of application in the FK domain.
- Phase unwrap of the wavelet. Wavelet time shift and rotation of the phase spectrum.
- Linear fitting: application to the first breaks for the refraction statics computation.
Dispense del corso
Seismic Data Analysis, Oz Yilmaz, SEG 2001
Recommended reading includes the following works:
Notes of the course.
Yilmaz (2001); Seismic data Analysis. SEG Book
Prova pratica finale in laboratorio utilizzando Python (o Matlab) su alcuni problemi assegnati
Final laboratory practical demonstration solving some problems with Python (or Matlab)
https://polo3.elearning.unipi.it/course/view.php?id=3374
https://polo3.elearning.unipi.it/course/view.php?id=3374
Stucchi Eusebio (Presidente)
Tognarelli Andrea (Presidente supplente)
Stucchi Eusebio (President)
Tognarelli Andrea (acting President)