ADVANCE SEISMIC PROCESSING TUGAS MATA KULIAH PENGOLAHAN DATA SEISMIK LANJUT
DEWI TIRTASARI 1306421954
PROGRAM MAGISTER GEOFISIKA RESERVOAR FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS INDONESIA 2014
ADVANCE SEISMIC PROCESSING Ulasan tentang Pengolahan Data Seismik Lanjutan berikut ini, diantaranya mengenai Atribut amplitodo RMS, koherensi, curvature, spectral decomposition, curvature, AVO, inversi, dan atribut lamda mu rho. Beberapa atribut dan metode tersebut merupakan cara/metode yang masih sering digunakan hingga saat ini. Dengan pengolahan data seismic lanjutan ini, diharapkan dapat mempermudah interpretasi struktur geologi, stratigrafi, karakter reservoir, mengetahui sebaran litologi, dan masih banyak keuntungan lainnya. Sehingga, memahami Advance Seismic Processing ini sangatlah berguna untuk menambah keilmuan geofisika reservoar.
Atribut Amplitudo RMS Atribut ini banyak digunakan di dalam penelitian, untuk mengidentifikasi lingkungan pengendapan Channel yang dicirikan dengan penyebaran laisan pasir. Atribut Amplitudo RMS merupakan salah satu contoh dari atribut amplitudo Primer. Beberapa atribut amplitudo primer lainnya yaitu amplitudo absoulut rata-rata, amplitudo puncak maksimum, amplitudo total, amplitudo rata-rata, dan masih banyak lagi. Amplitudo adalah sinyal seismik untuk mendapatkan informasi tentang reservoar. Asumsi yang digunakan adalah Brightspot pada seismic section akan meningkat saat sa$turasi hidrokarbon meningkat, porositas meningkat, serta pay thickness menebal. Hasil analisa atribut RMS yang dilakukan pada penelitian di Formasi Batu Raja, dapat menunjukkan keberadaan reservoir reef built up, yang ditandai dengan nilai amplitudo RMS rendah. Selain itu, analisa atribut RMS pada Formasi Talang Akar, telah dapat menunjukkan keberadaan reservoar berupa channel, yang ditandai dengan nilai amplitudo RMS yang tinggi. Berikut ini adalah persamaan matematis yang digunakan atribut amplitudo RMS:
Selain atribut amplitude primer, ada pula atribut amplitudo jejak kompleks, yang digunakan sebagai indikator hidrokarbon secara langsung, serta untuk pembuatan fasies dan ketebalan.
Atribut Koherensi
Koherensi adalah salah satu atribut seismic yang menampilkan kemiripan satu tras seismic dengan tras lainnya. Jika tras-tras tersebut memiliki kemiripan, maka dipetakan dengan koefisien koherensi tinggi. Sebaliknya, jika tras-tras tersebut menunjukkan ketidakmiripan, maka dipetakan dengan koefisien koherensi rendah. Atribut koherensi digunakan untuk memetakan partahan, rekahan, ketidakmenerusan stratigrafi secara lateral, channel, delta, reef, dan lain-lain. Atribut koherensi diestimasi berdasarkan kros korelasi tras-tras seismic yang selanjutnya diterapkan semblance dan algoritma dekomposisi eigen struktur. Atribut ini sering ditampilkan bersama dengan atribut lain seperti akustik impedance dan amplitudo.
Curvature
Most Positive Curvature dapat menggambarkan antiklin atau blok tinggian dari suatu struktur, sedangkan Most Negative Curvature menggambarkan sinklin atau blok bawahan dari suatu struktur sesar.
Terdapat beberapa jenis curvature: Mean curvature, Gaussian curvature, Dip curvature, strike curvature, shape-index, most-positive curvature, most-negative curvature. 1. Mean curvature: rata-rata curvature minimum dan curvature maksimum dan biasanya didominasi oleh curvature maksimum. 2. Gaussian curvature: produk dari minimum curvature dan maksimum curvature. 3. Dip curvature: curvature yang diekstrak sepanjang arah dip (kemiringan struktur). 4. Strike curvature: curvature yang diekstrak sepanjang arah strike. 5. Shape-index: bentuk permukaan lokal, dengan biru menunjukkan mangkuk, lembah dengan cyan, saddle dengan hijau, ridge dengan kuning dan dome dengan merah. 6. Most-positive curvature: curvature dengan nilai positif tertinggi yang akan memperjelas struktur antiklin dan domal. 7. Most-negative curvature: curvature dengan nilai negatif tertinggi yang akan memperjelas struktur sinklin dan bowl.
Spectral Decomposition (Dekomposisi Spektrum)
Dalam pemrosesan data interpretasi geofisika, analisis spectrum merupakan hal penting. Dasar algoritmanya adalah transformasi seismogram dari domain waktu menjadi domain frekuensi. Tetapi, untuk sinyal seismik yang frekuensinya berubah terhadap waktu, perlu dilakukan transformasi ke dalam domain time-frekuensi. Suatu metode pemrosesan sinyal seismik berbasis analisis spectrum time-frequency domain dikenal dengan Spectral Decomposition. Metode ini dapat mendeteksi adanya Direct Hydrocarbon Indicator seperti Low Frequency Shadow, memprediksi ketebalan lapisan tipis di bawah tuning thickness, serta menggambarkan diskontinuitas geologis. Secara terminologi, spectral decomposition adalah proses menguraikan trace yang semula mengandung beberapa frekuensi, lalu diubah menjadi trace yang hanya memiliki satu frekuensi saja. Tahap dalam melakukan spectral decomposition yang pertama yaitu interpretasi seismik dengan picking horizon pada data seismic 3D, kemudian pilih jendela pada zona target. Beberapa metode transformasi pada dekomposisi spektral yang sering digunakan adalah STFT (Short Time Forier Transform) dan CWT (Continous Wavelet Transform). Dengan sebuah asumsi bahwa sinyal dalam suatu window yang kecil adalah stasioner, maka transformasi foriernya akan memberikan informasi kandungan frekuensi pada waktu tersebut. Pergeseran window waktu akan merepresentasi sinyal dalam kawasan waktu-frekuensi. Hal ini dinamakan STFT (Short Time Forier Transform). Sedangkan, CWT (Continous Wavelet Transform) dikembangkan sebagai alternative mengatasi masalah resolusi pada metode STFT. Terdapat dua perbedaan yang cukup mendasar pada STFT dan CWT, yaitu 1. Pada CWT tidak diperlukan transformasi forier di windows. 2. Lebar jendela pada CWT berubah seiring dengan transformasi pada setiap komponen spectral. CWT memiliki resolusi waktu yang lebih baik pada frekuensi tinggi, akan tetapi resolusi frekuensinya kurang baik. Sedangkan pada frekuensi rendah, CWT menghasilkan resolusi frekuensi dan waktu yang lebih baik. Pengolahan data seismic dengan spectral decomposition metode CWT sangat membantu dalam interpretasi penentuan ketebalan lapisan tipis batubara (Kemala, 2011).
Pada Spectral Decoposition dapat terjadi Efek Tuning Cube, yaitu saat terjadi perubahan pada sumbu Z di data seismic menjadi besaran frekuensi. Hal itu terjadi dengan menggunakan Transformasi Forier. Pada seismic cube kita memiliki sumbu Y sebagai inline, sumbu X sebagai cross line dan sumbu Z sebagai TWT, selanjutnya dengan dekomposisi spectral kita akan memperoleh Tuning Cube dimana sumbu Z merupakan frekuensi sedangkan sumbu Y dan X tetap inline dan cross line. Untuk lebih jelasnya perhatikan gambar di bawah ini:
Pemilihan frekuensi dilakukan berdasarkan perubahan spectrum amplitude. Perubahan spectrum amplitude merupakan gambaran geologi pada zona target. Menurut beberapa peneliti, atribut dekomposisi spektrum menghasilkan fitur geologi yang lebih baik dibandingkan dengan atribut amplitude RMS.
AVO (Amplitude Variation with Offset)
Metode AVO (Amplitude Variation with Offset) adalah suatu metode yang mengamati variasi amplitudo gelombang P terhadap kenampakan bright spot atau dim spot pada penampang seismic. Ada penguatan amplitude yang berbanding lurus dengan bertambahnya offset. Jarak (offset) ini berhubungan langsung dengan sudut datang gelombang seismik (angle of incidence) terhadap lapisan pemantul, makin besar offset makin besar pula sudut datangnya. Tetapi, anomali AVO dapat terjadi karena adanya perubahan perbandingan Vp dan Vs. ketika gelombang mengenai suatu lapisan yang mengandung fluida, maka akan terjadi perubahan perbandingan antara Vp dan Vs. Prinsip konsep AVO berdasar kepada suatu anomali bertambahnya amplitudo sinyal terpantul dengan bertambahnya offset apabila gelombang seismik dipantulkan oleh reservoir gas. Offset mempunyai batas maksimum yang tidak boleh dilewati yaitu sudut kritis, karena untuk offset lebih besar dari sudut kritis respon amplitudo sinyal terpantul tidak sesuai dengan konsep AVO. Deteksi hidrokarbon berdasarkan respon AVO lebih efektif untuk reservoir batupasir karena perubahan ratio Vp/Vs terhadap perubahan kandungan fluida relatif lebih sensitif dibandingkan dengan jenis litologi yang lain seperti batuan karbonat. Inversi AVO adalah tahapan penting pada proses ekstraksi atribut AVO, yaitu mengubah data seismik kedalam reflektifitas–reflektifitas guna memperlihatkan bentuk-bentuk respon amplitudo yang jelas. Konversi energi amplitudo dari gelombang datang P tergantung dari besar incident angle (sudut datang), dengan bertambahnya sudut datang maka jumlah energy yang dikonversikan juga menjadi berubah (Zoeppritz, 1919). Perubahan konversi tersebut dimanifestasikan berupa variasi dari amplitudo atau koefisien refleksi terhadap jarak, dengan batas maksimum yang tidak boleh dilewati, yaitu jarak (offset) yang bersesuaian dengan sudut kritis.
Gambar berikut merupakan pola perubahan koefisien refleksi terhadap jarak untuk tiga klasifikasi anomali AVO, sumbu X menunjukkan sudut datang dan sumbu Y adalah besar serta polaritas dari koefisien refleksi.
Klasifikasi perubahan koefisien refleksi menurut Rutherford & Williams (Waters, 1978) 1. Klasifikasi pertama Anomali memiliki koefisien refleksi positif pada sudut datang yang kecil. Dengan pertambahan sudut, koefisien refleksi berkurang sampai pada sudut tertentu polaritas dari refleksi berubah dari positif menjadi negative.
2. Klasifikasi kedua Anomali memiliki koefisien refleksi yang kecil pada normal incidence (gelombang datang yang tegak lurus). Koefisien refleksinya hanya mengalami sedikit pertambahan pada sudut datang yang kecil, kemudian meningkat pada sudut datang yang lebih besar. Perubahan amplitudo ini
sangat besar terhadap pertambahan jarak (sudut). Perubahan polaritas sangat mungkin terjadi pada klasifikasi ini.
3. Klasifikasi ketiga Anomali AVO lebih mudah untuk dianalisa, namun memiliki perubahan amplitude yang kecil pada seluruh interval sudut datang. Pada normal incidence koefisien refleksi relatif besar, berharga negatif dan meningkat dengan bertambahnya sudut. Tanda negatif pada koefisien refleksi menunjukkan bahwa refleksi berasal dari puncak reservoir.
Persamaan Zeoppritz memungkinkan untuk mendapatkan secara eksak amplitudo gelombang bidang dari refleksi gelombang P sebagai fungsi dari sudut, namun demikian persamaan ini tidaklah memberikan pengertian yang intuitif mengenai bagaimana amplitudo ini memiliki kaitan dengan berbagai parameter fisis. Sehingga visualisasi mengenai variasi parameter tertentu yang mempengaruhi kurva koefisien refleksi menjadi sulit. Aproximasi merupakan suatu pendekatan yang dibuat untuk membantu memperoleh informasi yang terkandung didalam tingkah laku amplitudo. Aki dan Richards (1980), dalam rangka mempermudah penyelesaian dengan persamaan Zoeppritz, memodifikasikan persamaan tersebut kedalam bentuk matriks :
Keefektifan dari analisis AVO tergantung pada kemampuan dalam memprediksi koefisien refleksi berdasarkan persamaan Zoeppritz. Solusi untuk persamaan tersebut menggunakan asumsi prakondisi yang terbatas, yaitu hanya berlaku untuk stress dan perpindahan gelombang bidang yang kontiyu, pada saat gelombang tersebut mengenai batas permukaan antara dua media elastik yang membentuk sudut secara tangensial diukur terhadap garis vertikal (normal incidence).
Secara umum persamaan Zeoppritz dapat digunakan untuk mempredisksikan perubahan amplitudo untuk berbagai kombinasi sifat fisis pada batuan. Namun demikian koefisien refleksi yang dihitung dengan menggunakan persamaan Zeoppritz memiliki perbedaan terhadap amplitudo yang terukur pada akusisi data seismik, yaitu: o Persamaan Zoeppritz mengasumsikan gelombang datang merupakan gelombang bidang, sedangkan gelombang seismik sebenarnya berbentuk sperikal (Krail & Brysk, 1983). o Persamaan Zeoppritz mengasumsikan refleksi dari reflektor berasal dari permukaan dua media sederhana, tidak melibatkan efek interferensi wavelet yang diakibatkan oleh pelapisan. o Persamaan Zeoppritz mengasumsikan bahwa amplitudo yang dihitung dengan koefisien refleksi adalah bebas dari efek transmision loss, attenuasi, divergensi dan pengaruh lain yang mengganggu amplitudo.
Sehingga hasil yang diperoleh dari persamaan Zeoppritz tidak dapat digunakan sebagai solusi eksak terhadap respon seismik yang diperoleh dari akusisi data seismic sebenarnya.
Metoda ray tracing merupakan suatu metoda untuk menentukan jejak energy yang berasal dari sumber (source) menuju bidang pantul (reflektor) dan kembali ke penerima (receiver). Dengan menggunakan model bumi berlapis, maka metoda ini dapat memperkirakan bentuk trace seismik yang dihasilkan. Secara umum geometri ray tracing pada pemodelan seismik adalah : 1. Normal incidence ray tracing Mensimulasikan penjalaran gelombang dengan sumber dan penerima yang berhimpit, dan menghasilkan sintetik seismogram dalam bentuk stack section. 2. Offset ray tracing Mensimulasikan penjalaran gelombang dari suatu titik sumber menuju kebeberapa penerima, dan koefisien refleksi dihitung pada saat gelombang mencapai titik interface berdasarkan sudut datang terhadap titik sumber tersebut. Geometri offset ray tracing inilah yang digunakan dalam pemodelan AVO. Sintetik seismogram yang dihasilkan berdasarkan metoda ray tracing untuk AVO adalah berupa model prestack data seismik. Sintetik seismogram ini diperoleh dengan cara mengkonvolusikannya terhadap wavelet tertetu.
Metode Inversi Proses mengekstrak parameter fisis batuan dari data observasi disebut dengan proses inversi. Proses inversi adalah proses analisis terhadap data lapangan dengan melakukan curve fitting (pencocokan kurva) antara model matematis dengan data lapangan. Inversi bertujuan mengestimasi parameter fisis batuan yang belum diketahui. Inversi merupakan proses 'pembagian' rekaman seismik terhadap wavelet sumber yang diprediksi. Metode Inversi Seismik merupakan teknik pembuatan model bawah permukaan dengan input data seismic dan menggunakan data sumur sebagai control. Dalam inversi seismic diperlukan sebuah model awal. Model awal adalah tambahan data frekuensi rendah untuk memberikan jangkauan frekuensi yang lebih lebar dari data seismic yang bandlimited. Terdapat beberapa jenis inversi seismic, yaitu inversi Bandlimited, Sparse Spike, dan Model Based. Pada umumnya, inversi seismic menggunakan data seismic 3D PSTM. Metode seismic inversi dibagi menjadi dua jenis, berdasarkan data seismic yang digunakan, yaitu Post Stack Seismic Inversion dan Pre Stack Seismic Inversion. Diasumsikan amplitude seismic hanya dihasilkan oleh R(0) sehingga Post Stack Seismic Inversion hanya digunakan untuk menampilkan model AI. Sementara Pre Stack Seismic Inversion dapat digunakan untuk menghasilkan parameter lain selain AI, seperti EI, lamda-rho, mu-rho, dan Vp/Vs. Dalam masalah inversi, kita selalu berhubungan dengan parameter model (M) dan jumlah data (N) yang mana jumlah dari masing-masing akan menentukan klasifikasi permasalahan inversi dan cara penyelesaiannya. Bila jumlah model parameter lebih sedikit dibandingkan data lapangan (M < N), maka ini disebut overdetermined, dan cara penyelesaiannya biasanya menggunakan pencocokan (best fit ) terhadap data lapangan. Jika dalam kondisi yang lain dimana jumlah parameter yang ingin dicari lebih banyak dari pada jumlah datanya, maka ini disebut problem underdetermined.
Atribut Lamda Mu Rho Batuan memiliki resistensi terhadap sebuat strain yang mengakibatkan perubahan bentuk, tanpa disertai perubahan volume. Gejala ini dikenal dengan rigiditas atau modulus geser. Setiap litologi memiliki derajat rigiditas yang berbeda. Batu karbonat biasanya lebih rigid dibandingkan dengan sandstone atau shale. Sedangkan, batu bara biasanya kurang rigid jika dibandingkan dengan sandstone atau shale. Resistensi batuan terhadap perubahan volume yang disebabkan oleh perubahan tekanan dinamakan inkompresibilitas. Inkompresibilitas sensitive terhadap fluida pengisi pori terutama gas. Batuan yang terisi gas akan terkompresi jika dibandingkan dengan batuan yang terisi air atau minyak. Sifat-sifat tersebut adalah dasar dalam penggunaan atribut lamda mu rho. Secara singkat, atribut lamda mu rho dapat dijelaskan sebagai berikut:
Lamda*Rho (
)
1. Ketahanan terhadap normal stress yang menyebabkan perubahan volume 2. Sensitive terhadap perubahan fluida pengisi pori 3. Membedakan kompresibilitas beberapa litologi batuan seperti gas sand, wet sand, shale, karbonat, dan batu bara
Mu*Rho (
)
1. Ketahanan terhadap shear yang menyebabkan perubahan bentuk 2. Sensitive terhadap perubahan litologi dan tidak dipengaruhi oleh jenis fluida 3. Membedakan rigiditas beberapa litologi batuan seperti karbonat, sand, shale, dan batu bara.
Daftar Pustaka
Angga Peryoga. (2011). Skripsi: Karakterisasi Reservoar dengan menggunakan Metode Inversi Elastic Impedance Studi Kasus Lapangan Penobscot, Kanada. Depok: UI. Debora Elsyna Pormes. (2009). Skripsi: Interpretasi Seismik 3D untuk Evaluasi dan Penentuan Prospek Hidrokarbon Daerah X, Jawa Barat Utara. Depok: UI. Didik Ardiyanto. (2009). Tesis: Analisis Waktu-Frekuensi Seismik Berbasis Transformasi Wavelet: Deteksi Reservoar Hidrokarbon. Jakarta: UI. Gerry Rolando H. (2009). Skripsi: Integrasi Inversi Seismik Dengan Atribut Amplitudo Seismik untuk Memetakan Distribusi Reservoar pada Lapangan Blackfoot. Depok: UI. Supriyanto. (2007). Diktat Perkuliahan, Analisis Data Geofisika: Memahami Teori Inversi. Depok.
