SVILUPPO DI TECNICHE DI DENOISING DI DATI MAGNETOTELLURICI

Transcript

1 34 Convegno Trieste 17 / 19 novembre 2015 SVILUPPO DI TECNICHE DI DENOISING DI DATI MAGNETOTELLURICI Rolando Carbonari¹, Luca D Auria², Rosa Di Maio¹, Zaccaria Petrillo² ¹ Dipartimento Scienze della Terra, dell Ambiente e delle Risorse, Università degli Studi di Napoli Federico II ² Osservatorio Vesuviano, sezione di Napoli dell Istituto Nazionale di Geofisica e Vulcanologia

2 Schema della presentazione Introduzione Noise in MT Sviluppo di tecniche di denoising di dati MT e applicazioni a dati sintetici e sperimentali Conclusioni 34 Convegno Trieste 17 / 19 novembre 2015

3 Il metodo magnetotellurico Introduzione E = Z H E x E y = Z xx Z xy Z yx Z yy H x H y Z = impedenza d onda MT 34 Convegno Trieste 17 / 19 novembre 2015

4 Il noise in magnetotellurica Le sorgenti di noise in MT sono principalmente di origine: Culturale Meteorologico Strumentale Disomogeneità locali (Static Shift)

5 Analisi dei dati MT Trasformata Wavelet Trasformata Wavelet Discreta (DWT) D m,n = f t Ψ m,n t dt Dove Ψ m,n = 1 λ 0 m Ψ(t nt 0 λ 0 Ψ m,n rappresenta una famiglia di funzioni chiamate Wavelets; λ 0 è il fattore di scala; t è il parametro di localizzazione; m λ 0 m ) Coiflet Wavelets

6 Filtro 1: Denoising attraverso analisi di polarizzazione Per polarizzazione ci si riferisce alla proprietà delle onde di oscillare in una determinata direzione. Polarizzazione lineare Polarizzazione ellittica

7 Filtro 1: Denoising attraverso analisi di polarizzazione

8 Filtro 1: Denoising attraverso analisi di polarizzazione λ < λ m thr std λ m è il valore medio dell ellitticità della polarizzazione per una scala Wavelet thr è un valore di soglia scelto dall operatore std è la deviazione standard

9 Test su segnali sintetici Filtro di polarizzazione Modello di distribuzione di resistività utilizzato Segnali sintetici generati e finestra di noise applicata

10 Test su segnali sintetici Filtro di polarizzazione Curva di resistività apparente ricostruita senza l applicazione del filtro Curva di resistività apparente ricostruita dopo l applicazione del filtro di polarizzazione con thr = 0.5

11 Test su segnali sintetici Filtro di polarizzazione Valore della polarizzazione nel tempo per una frequenza di Hz Plot diadico dei coefficienti Wavelet

12 Filtro 2: Denoising attraverso analisi del valore degli invarianti di Weaver nel tempo Nell ambito dell analisi della dimensionalità delle strutture investigate Weaver et al. (2000) hanno mostrato che il tensore di impedenza presenta sette invarianti. Nello specifico è possibile scomporre il tensore di impedenza Z nel seguente modo: Z xx Z xy = ξ 1 + ξ 3 ξ 2 + ξ 4 + i Z yx Z yy ξ 2 ξ 4 ξ 1 ξ 3 η 1 + η 3 η 2 + η 4 η 2 η 4 η 1 η 3 I 1 = ξ ξ ; I 2 = η η ; I 3 = ξ 2 2 +ξ I 1 ; I 4 = η 2 2 +η ; I I 5 = ξ 4η 1 +ξ 1 η 4 ; I 2 I 1 I 6 = ξ 4η 1 ξ 1 η 4 ; I 2 I 1 I 7 = d 41 d 23 ; 2 Q Con: Q = d 12 d d 13 + d d ij = ξ iη j ξ j η i I 1 I 2.

13 Test su segnali sintetici Filtro di Weaver Curva di resistività apparente ricostruita senza l applicazione del filtro Curva di resistività apparente ricostruita in seguito all applicazione del filtro di Weaver con una soglia al 45esimo percentile

14 Test su segnali sintetici Filtro di Weaver Invariante I 3 in funzione del tempo per una frequenza di Hz Invariante I 4 in funzione del tempo per una frequenza di Hz

15 Test su segnali sintetici Filtro di Weaver Plot diadico dei coefficienti Wavelet

16 Test su segnali acquisiti ai Campi Flegrei I Campi Flegrei monteleone solfatara Campi Flegrei Ubicazione dei siti di acquisizione del segnale MT Deformazioni verticali Campi Flegrei

17 Test su segnali acquisiti ai Campi Flegrei Segnali utilizzati Serie temporali MT (Monteleone) Serie temporali MT (Solfatara)

18 Test su segnali acquisiti ai Campi Flegrei Applicazione del filtro di polarizzazione (serie temporali Monteleone) Curve di resistività apparente con e senza filtro. Valore della polarizzazione nel tempo per una frequenza di 24 Hz

19 Test su segnali acquisiti ai Campi Flegrei Ricostruzione del segnale nel tempo dopo applicazione del filtro di polarizzazione Segnale originario Segnale ricostruito

20 Test su segnali acquisiti ai Campi Flegrei Applicazione del filtro di Weaver (serie temporali Monteleone) Curva di resistività apparente con e senza filtro Invariante I 5 in funzione del tempo per una frequenza di 3 Hz

21 Test su segnali acquisiti ai Campi Flegrei Ricostruzione del segnale nel tempo dopo applicazione del filtro di Weaver Segnale originario Segnale ricostruito

22 Test su segnali acquisiti ai Campi Flegrei Applicazione in sequenza dei filtri su segnali acquisiti in località Solfatara Curve di resistività apparente con e senza l applicazione dei filtri in sequenza Segnale originario e segnale ricostruito in seguito all applicazione dei filtri in sequenza

23 Conclusioni e prospettive Sviluppo e applicazione dei filtri di polarizzazione e degli invarianti di Weaver per rilevare e mitigare la presenza di noise temporalmente localizzato sulle serie temporali MT Capacità di estendere la banda di analisi dei dati MT a periodi più alti Capacità di rendere più smoothed le curve di resistività apparente Miglioramento delle stime dei valori di resistività apparente mediante applicazione dei due filtri in sequenza (e.g. in presenza di noise polarizzato e non polarizzato) Prospettive: - studio del comportamento degli invarianti normalizzati di Weaver in presenza di differenti tipologie di noise e in diversi contesti geologici - sviluppo di un algoritmo in grado di utilizzare coefficienti di soglia differenti per differenti scale della trasformata Wavelet