• geophysiscist
• acquisition footprint attenuation
• regularization
• Eni
• seismic processing
• geophysics

Il lavoro di tesi corrente nasce da una cooperazione tra l’unità AESI (Acquisizione ed Elaborazioni geofisiche) di Eni ed il Dipartimento di Scienze della Terra dell’Università di Pisa. L’obiettivo primario di questo elaborato è quello di effettuare un’analisi critica dell’applicazione della regolarizzazione e dell’attenuazione del footprint di acquisizione su un dato sismico marino 3D NAZ (Narrow Azimuth).
In ambito geofisico il termine footprint di acquisizione viene attribuito a quelle variazioni di ampiezza e/o di fase delle riflessioni registrate nei dati sismici che sono riconducibili alla geometria di acquisizione adoperata anziché alla geologia del sottosuolo. Lo scopo principale di una prospezione sismica consiste nel ricavare informazioni su possibili reservoir di idrocarburi sfruttando sia le geometrie che le ampiezze delle riflessioni osservabili nei dati acquisiti. La presenza di footprint di acquisizione, a seconda della sua intensità, rischia potenzialmente di alterare la reale risposta sismica delle strutture del sottosuolo, andando di conseguenza a complicare il lavoro di interpretazione. Esistono diverse metodologie per l’attenuazione del footprint che, in sintesi, possono essere classificate in due categorie principali: 1) metodi analitici che agiscono direttamente sulle cause del footprint di acquisizione in dominio pre-stack, 2) tecniche che mirano a migliorare la qualità dell’immagine sismica finale tramite il filtraggio o l’utilizzo di scalari per bilanciare le ampiezze, applicati solitamente in dominio post-stack. Durante il lavoro di tesi sono state sperimentate due metodologie avvalendosi degli strumenti offerti dal software Reveal, acquisito recentemente da Eni. Il primo metodo, appartenente alla prima categoria, è la regolarizzazione tramite l’algoritmo ALFT (Anti-Leakage Fourier Transform) anti-alias di Schonewille M. et al. (2009). Il secondo, facente parte della seconda categoria, consiste in un filtraggio effettuato nel dominio delle frequenze spaziali attraverso l’applicazione di un filtro di tipo notch.
La parte iniziale di questo testo descrive le problematiche derivanti dall’acquisizione sismica marina 3D NAZ al fine di comprendere le relazioni tra geometria di acquisizione, regolarizzazione e footprint. Molto spesso i dati sismici acquisiti risultano scarsamente campionati ed irregolari, causando l’introduzione di footprint di acquisizione e di aliasing spaziale. L’applicazione della regolarizzazione attraverso l’algoritmo ALFT anti-alias dovrebbe avere l’effetto di produrre dati elaborati privi di aliasing spaziale e con footprint di acquisizione notevolmente ridotto di intensità. La regolarizzazione infatti consiste in quel processo di elaborazione che permette di ottenere dati sismici campionati regolarmente nello spazio a partire da dati sismici di partenza che si distribuiscono irregolarmente.
L’analisi è stata condotta attraverso tre fasi fondamentali. Durante la prima fase, è stata applicata la regolarizzazione sul dato sismico fornito da Eni, in tre passi principali: 1) precondizionamento del dato di input alla regolarizzazione; 2) esecuzione dei test per la scelta dei parametri richiesti dal modulo di Reveal per la regolarizzazione; 3) QC (Quality Control) dell’output prodotto. Per quanto riguarda il QC, sono state esaminate alcune sezioni sismiche crossline target sia in dominio pre-stack che in dominio post-stack; per tali sezioni sono stati osservati in particolar modo gli spettri f-k. Inoltre, sono state generate mappe di ampiezza RMS e time slice del volume sismico. Infine, come ulteriore strumento di QC, ciascuna offset class è stata migrata nei tempi (Kirchhoff PreSTM). Per mezzo degli strumenti di QC sopra elencati è stato possibile osservare che il footprint di acquisizione viene ridotto in seguito alla regolarizzazione e ancor di più dopo la migrazione e lo stacking. Per questo motivo è stata presa la decisione di non applicare alcun metodo per l’attenuazione del footprint in dominio post-stack, sul dato regolarizzato in Eni. Nella seconda fase dello studio, questo dato è stato confrontato con il dato regolarizzato da quattro compagnie contrattiste, con lo scopo di verificare l’impatto delle diverse regolarizzazioni sull’imaging finale. È stato interessante osservare che nonostante le metodologie di regolarizzazione confrontate differiscano in modo consistente, i risultati finali, valutati a livello di sezione migrata, sono molto simili. Per la fase finale del lavoro, ovvero la sperimentazione dell’attenuazione del footprint di acquisizione tramite un filtro notch sul dato stack, è stato selezionato l’output regolarizzato e migrato da una delle contrattiste.
I risultati finali, seppur soddisfacenti, evidenziano la difficoltà nel rimuovere totalmente il footprint di acquisizione durante il processing. Tuttavia, le esperienze condotte hanno dimostrato che il metodo più efficace per poterlo attenuare è dato dall’operazione di regolarizzazione. Infatti, attraverso una attenta parametrizzazione di quest’ultima è possibile ridurre sensibilmente il rumore relativo al footprint di acquisizione evitando l’applicazione di qualsiasi altro processo post-imaging.