Journal of the Korean earth science society (한국지구과학회지)

The Korean Earth Science Society (한국지구과학회)
권호 표지
DOI QR코드

DOI QR Code

Downscaling of Geophysical Data for Enhanced Resolution by Geostatistical Approach

물리탐사 자료의 해상도 향상을 위한 지구통계학적 다운스케일링

  • Oh, Seok-Hoon (Department of Energy and Resources, Kangwon National University) ;
  • Han, Seong-Mi (Department of Energy and Resources, Kangwon National University)
  • 오석훈 (강원대학교.에너지자원공학과) ;
  • 한성미 (강원대학교.에너지자원공학과)
  • Received : 2010.11.17
  • Accepted : 2010.12.07
  • Published : 2010.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

Inversion result of geophysical data given as a block type was geostatistically simulated with borehole observation given as a point type and was applied to the rock classifying map. The geophysical data generally involved secondary information for the target material and were obtained for overall region. In contrast, borehole data provided direct information for the target material, but tended to be effective only for a narrow range of region and were dealt as a point type. Integrated simulation or kriging interpolation of these two different kinds of information required the covariance for point-point, point-block and block-block. Using the Bssim module included in SGeMS software, integrated result of geophysical data and borehole data were obtained. The results were then compared with the method of geostatistical inversion proposed by authors. Downscaling method used in this study showed relatively more flexible than the geostatistical inversion.

블럭으로 주어지는 물리탐사 자료의 역산결과를 시추공 자료와 복합적으로 시뮬레이션하여 암반등급의 분류에 적용하였다. 물리탐사의 역산결과는 해석 대상에 대한 부가적 수준의 정보를 포함하게 되며, 전체 영역에 대한 정보를 제공한다. 반면, 시추공 자료는 해석 대상에 대한 직접적인 정보를 제공하지만, 그 정보의 공간적 범위가 매우 좁아 포인트 자료로써 이용된다. 블럭으로 주어지는 물리탐사 역산결과와 포인트로 주어지는 시추공 자료를 결합하여 크리깅이나 지구통계학적 시뮬레이션을 수행하기 위해서는, 포인트-포인트, 포인트-블럭, 블럭-포인트 간의 공분산 정보가 필요하다. 이 연구에서는 SGeMS에서 제공하는 Bssim 모듈을 이용하여, 역산 블럭과 시추공 포인트간의 복합적 시뮬레이션을 통해 공간적 특성이 다른 자료를 반영하는 다운스케일 된 결과를 얻었고, 이를 선행연구에서 적용한 지구통계학적 역산 결과와 비교하였다. 그 결과, 본 방법에 의한 다운스케일링 기법이 보다 확장가능하고 유연한 적용이 가능한 것으로 판단하였다.

Keywords

References

  1. 박계순, 2008, 공간분해능 향상을 위한 이종 물리탐사 자료의 지구통계학적 복합 해석. 서울대학교 박사학위 논문, 120 p.
  2. 박노욱, 2003, 지구통계학적 불확실성 추정 기법을 이용한 다중 공간자료 통합: 산사태 취약성 분석과 토지 피복 분류에의 적용. 서울대학교 박사학위 논문, 173 p.
  3. 오석훈, 2000, 지구통계학적 방법에 의한 지구물리자료의 베이지안 역산. 서울대학교 박사학위 논문, 99 p.
  4. 오석훈, 2008, 물리탐사 자료를 이용한 암반등급의 지구통계학적 역산. 지구시스템공학회지, 45, 620-626.
  5. 오석훈, 서백수, 2007, 탄성파 속도와 전기비저항 자료의 지구통계학적 복합해석에 의한 암반등급의 확률적 평가. 물리탐사, 10, 293-298.
  6. 이광배, 허승, 송영수, 송승엽, 김학수, 2004, 초음파 주사검층 방법을 이용한 암반강도 평가에 관한 연구. 물리탐사학회지, 7, 225-233.
  7. 최재화, 조철현, 류동우, 서백수, 권병두, 2001, 전기비저항과 터널막장 암반분류의 상관성 검토. 대한지구물리학회 제4차 정기총회 및 학술발표회 논문초록집, 19-20.
  8. Bortoli, L.J., Alabert, F., Haas, A., and Journel, A.G., 1992, Constraining stochastic images to seismic data, Proceedings of the International Geostatistics Congress, Troia 1992, 325-337.
  9. Deutsch C.V. and Journel A.G., 1992, GSLIB: Geostatistical Software Library and user's guide. Oxford University Press, UK, 340 p.
  10. Goovaert, P., 1997, Geostatistics for natural resources evaluation. Oxford University Press, UK, 483 p.
  11. Haas, A. and Dubrule, O., 1994, Geostatistical inversion - a sequential method of stochastic reservoir modeling constrained by seismic data. First Break, 12, 561-569.
  12. Issaks, E.H. and Srivastava, R.M., 1989, An introductions to applied geostatistics. Oxford University Press, UK, 592 p.
  13. Journel, A.G., 1994, Modelling uncertainty: Some conceptual thoughts. In Dimitrakopoulos, R. (ed.), Geostatistics for the next century. Kluwer Academic Publisher, Dordrecht, Holland, 30-43.
  14. Liu, Y. and Journel, A., 2009, A package for geostatistical integration of coarse and fine scale data. Computers and Geosciences, 35, 527-547. https://doi.org/10.1016/j.cageo.2007.12.015
  15. Oh, S., Chung, H., and Lee, D.K., 2004, Geostatistical integration of MT and borehole data for RMR evaluation. Environmental Geology, 46, 1070-1078. https://doi.org/10.1007/s00254-004-1115-z
  16. Ozturk, C.A., 2002, Geostatistical assessment of rock zones for tunneling. Tunneling and Underground Space Technology, 17, 275-285. https://doi.org/10.1016/S0886-7798(02)00023-8
  17. Remy, N., Boucher, A., and Wu, J., 2009, Applied Geostatistics with SGeMS: A User's Guide, Cambridge University Press, UK, 264 p.
  18. Ryu, D.W., Kim, T.K, and Heo, J.S., 2003, A study on geostatistical simulation technique for the uncertainty modeling of RMR. Tunnel and Underground, 13, 87-99.

Cited by

  1. Concentration Mapping vol.32, pp.3, 2011, https://doi.org/10.5467/JKESS.2011.32.3.249
  2. A Geostatistical Block Simulation Approach for Generating Fine-scale Categorical Thematic Maps from Coarse-scale Fraction Data vol.32, pp.6, 2011, https://doi.org/10.5467/JKESS.2011.32.6.525
  3. Geostatistical Simulation of Compositional Data Using Multiple Data Transformations vol.35, pp.1, 2014, https://doi.org/10.5467/JKESS.2014.35.1.69