• GPR
• ground penetrating radar
• Kirchhoff migration
• migrazione
• modello velocità 2D

Il presente lavoro di tesi ha avuto lo scopo di migliorare l’elaborazione di dati Ground Penetrating Radar (GPR), strumentazione sempre più utilizzata per le indagini geofisiche, apportando modifiche al modello di sottosuperficie con velocità costante tramite l’utilizzo di funzionali di coerenza ad alta risoluzione normalmente applicati in ambito sismico.
La stima del campo di velocità è una questione importante per ottenere una migrazione dei dati affidabile e mirata ad ottenere una corretta interpretazione finale, soprattutto in contesti di sottosuolo complessi, caratterizzati dall’esistenza di muri, vuoti, all’interno di materiali eterogenei.
L'analisi della velocità sui dati GPR è solitamente effettuata utilizzando un approccio visivo, in cui un'iperbole sintetica di velocità nota è sovrapposta alle iperboli di diffrazione nei dati reali o, in alternativa, con l’utilizzo della funzione semblance su un sottoinsieme di dati estratti dal profilo radar. La velocità stimata viene spesso utilizzata solo per una conversione verticale tempo-profondità, non tenendo conto che la velocità di propagazione della radiazione elettromagnetica può variare sia verticalmente che lateralmente lungo il profilo di acquisizione. Inoltre, si presume comunemente che la forma dell’evento registrato sia iperbolica considerando il target una sorgente puntiforme ideale, ma spesso lo scatter non è puntiforme, di conseguenza, l’evento può apparire come un’iperbole deforme, causando una stima errata della velocità.
Per cercare di risolvere tali problematiche è stata effettuata un’analisi di velocità in corrispondenza delle diffrazioni presenti nel dato, creando un modello di velocità 2D utilizzato in un successivo passo di migrazione. Tale migrazione ha permesso di migliorare il rapporto S/N dei dati e di collocare i target presenti nella corretta posizione spazio-temporale.
Per questo progetto sono stati utilizzati dati GPR, raccolti in un’area archeologica con un’antenna a frequenza di 200 MHz secondo due serie di linee perpendicolari in modo da costituire una griglia di acquisizione. I dati sono stati processati secondo una sequenza composta da: Dewow Filter, T0 truncation, Background Removal, Gain, BandPass Filter, Spectral Whitening, Boxcar Filter e Spectral Deconvolution.
Per effettuare le dovute comparazioni una copia dei dati è stata migrata adottando una velocità costante (10,2 cm/ns) con l’algoritmo di Kirchoff time migration e una copia dei dati processati (non migrati) è stata estratta e sottoposta in MATLAB® ad un’analisi di velocità con funzionali di coerenza ad alta risoluzione. Alcuni funzionali di coerenza normalmente utilizzati nella sismica di esplorazione sono stati adattati per l’analisi di dati GPR. I funzionali scelti sono stati: Semblance, Complex Matched Analysis (Ccm), Complex Matched Coherency Measure (Ccmcm) e l’unione tra questi ultimi due, CcmKS. Sono state esaminate tutte le 128 linee individuando un totale di 150 iperboli di diffrazione risultate idonee per l’utilizzo dei funzionali sopra elencati.
La creazione del modello di velocità si è basato sulla scelta della miglior coppia tempo-velocità che l’utilizzo dei quattro funzionali di coerenza permetteva. Il modello così costruito è stato utilizzato per la successiva migrazione in PROMAX®, applicando l’algoritmo di Kirchoff time migration.
L’ultima fase di questo lavoro è stata caratterizzata dalla creazione di time-slices per i due dataset (modello di velocità costante, modello di velocità 2D) e la loro successiva comparazione valutando le eventuali differenze/miglioramenti. Dai risultati ottenuti è emerso che l’utilizzo del modello di velocità 2D ha permesso di ottenere una sezione migrata con una migliore focalizzazione dell’energia nei diversi radargrammi, rispetto al risultato ottenuto con il campo a velocità costante.
I miglioramenti riscontrati sono relativi alla risoluzione, continuità e contenuto energetico delle aree riflettenti in tutte le sezioni indagate. Questi profili forniscono un miglior imaging degli obiettivi di interesse, consentendo pertanto un'interpretazione più affidabile.
Rispetto ad un approccio basato sull’applicazione di un campo di velocità costante questo lavoro di tesi ha richiesto tempistiche maggiori per la creazione del modello di velocità 2D. Tale richiesta è dovuta al calcolo dei funzionali di coerenza (circa due minuti per ogni posizione) ma soprattutto alla necessità di selezionare manualmente i target su cui eseguire l'analisi della velocità. Pertanto, un possibile sviluppo futuro potrebbe essere quello di sfruttare degli algoritmi automatici di rilevamento delle diffrazioni (Machine Learning) per generare un set di dati di posizioni su cui eseguire l'analisi di velocità ad alta risoluzione. Nonostante i maggiori tempi di elaborazione, ritengo che per una visione accurata e dettagliata del sottosuolo la costruzione di un modello di velocità 2D e la conseguente migrazione sia comunque raccomandabile, soprattutto per indagini in aree con composizione eterogenea del sottosuolo dove sicuramente abbiamo variazioni laterali di velocità, ma anche la presenza di diverse diffrazioni associate a possibili target.