高分辨率小道距处理技术及属性分析在水合物识别中的应用

颜中辉, 杨睿, 冯京, 刘欣欣, 刘鸿, 王小杰, 姜春涛

颜中辉,杨睿,冯京,等. 高分辨率小道距处理技术及属性分析在水合物识别中的应用[J]. 海洋地质与第四纪地质,2024,44(6): 46-59. DOI: 10.16562/j.cnki.0256-1492.2024111901
引用本文: 颜中辉,杨睿,冯京,等. 高分辨率小道距处理技术及属性分析在水合物识别中的应用[J]. 海洋地质与第四纪地质,2024,44(6): 46-59. DOI: 10.16562/j.cnki.0256-1492.2024111901
YAN Zhonghui,YANG Rui,FENG Jing,et al. Application of high-resolution small group interval processing technology and attribute analysis for hydrate identification[J]. Marine Geology & Quaternary Geology,2024,44(6):46-59. DOI: 10.16562/j.cnki.0256-1492.2024111901
Citation: YAN Zhonghui,YANG Rui,FENG Jing,et al. Application of high-resolution small group interval processing technology and attribute analysis for hydrate identification[J]. Marine Geology & Quaternary Geology,2024,44(6):46-59. DOI: 10.16562/j.cnki.0256-1492.2024111901

高分辨率小道距处理技术及属性分析在水合物识别中的应用

基金项目: 国家自然科学基金“基于多分辨HHT时频分析的南黄海中深层弱地震反射补偿研究”(42106208),“东海陆架盆地长排列地震数据高精度叠前逆时深度偏移成像”(42106207);山东省自然科学面上基金“跨频段融合天然气水合物储层检测研究”(ZR2021MD118);自然科学基金地质联合基金“南海北部高富集天然气水合物储层特征与成藏控制机理研究”(U2244224);中国地质调查项目(DD20230643,DD20191003)
详细信息
    作者简介:

    颜中辉(1986—),男,硕士,高级工程师,主要从事海洋地震资料处理及方法研究,E-mail:zhonghui4564573@163.com

    通讯作者:

    杨睿(1980—),男,博士,副研究员,主要从事海洋地球物理研究,E-mail:yangr@mail.cgs.gov.cn

    冯京(1983—),男,硕士,高级工程师,主要从事海洋地质与地球物理研究,E-mail:fengjing200272@163.com

  • 中图分类号: P736

Application of high-resolution small group interval processing technology and attribute analysis for hydrate identification

  • 摘要:

    天然气水合物资源在能源勘探中扮演着越来越重要的地位,浅表层天然气水合物的类型特征和成藏模式日益受到学者的广泛关注。浅表层天然气水合物一般赋存于近海底地层中,在勘探过程中要求有更高的分辨率,常规多道地震由于主频较低难以满足要求。海洋高分辨小道距地震探测技术具有分辨率高、作业方式灵活等优势,在浅表天然气水合物勘探中得到广泛应用。实际的高分辨小道距资料由于采集设备条件的影响,往往具有低信噪比的特点。本文针对高分辨小道距地震数据的特点开展精细化处理和属性分析。首先采用基于$ f-x $域和曲波域的多域噪声压制方法、基于频率域自适应虚反射压制和基于相干函数控制的虚反射走时电缆等浮校正等关键技术方法,获得了波组特征更清晰的地震剖面。处理后的剖面具有信噪比较高、连续性好、地层结构清晰等特点,可以更好地揭示BSR特征、空白带、气通道等地震反射特征,为识别浅层天然气水合物赋存区地质信息奠定了基础;然后对精细处理后的数据进一步开展瞬时振幅属性、瞬时频率属性、烃类检测等地震属性分析,以此识别浅层天然气水合物的分布类型和成藏规律。

    Abstract:

    Natural gas hydrate resources are playing more and more important role in energy exploration, and the type characteristics and accumulation patterns of shallow layer natural gas hydrate have attracted more and more attention. Shallow layer gas hydrates generally occur in the near-seabed strata, and require higher resolution in the exploration process. Conventional multi-channel seismic are difficult to meet this requirement due to their low dominant frequency. With the advantages of high resolution and flexible operation mode, the marine high-resolution small group interval seismic exploration technology has been widely used in shallow gas hydrate exploration. Due to the influence of acquisition equipment conditions, the actual high-resolution small group interval data often has the characteristics of low signal-to-noise ratio. Therefore, fine processing and attribute analysis were carried out according to the characteristics of high-resolution small group interval seismic data. First, the key technical methods such as multi-domain noise suppression method based on the fx (f: frequency; x: the offset) domain and curvelet domain, adaptive ghost suppression based on frequency domain, and cable floating correction based on combination of gather coherence and ghost reflection traveltime were used to obtain seismic profiles with clearer wave group characteristics. The processed profile has the characteristics of high signal-to-noise ratio, good continuity, and clear stratigraphic configuration, which can better reveal the seismic reflection characteristics such as BSR characteristics, blank zone, and gas channel, and lay a foundation for identifying the geological information to locate the shallow gas hydrate occurrence area. Secondly, the seismic attributes such as instantaneous amplitude attribute, instantaneous frequency attribute, and hydrocarbon detection were further analyzed for the finely processed data for the identification of the distribution type and accumulation law of shallow gas hydrate.

  • 海水中的悬浮体,包括矿物颗粒、生物残骸、絮凝体等,在近海的主要成分为悬浮泥沙[1-2]。悬浮体是物质输运的重要载体,其分布和扩散、沉降和再悬浮对近海物理、化学和生物过程有重要意义[3-4],在全球物质循环中起重要作用[5]。同时,悬浮体的分布和输运对海底地形地貌发育、港口航道淤积等也有重要影响[6-10]。尤其是在海洋动力、人类活动、气候变化及河流陆源物质输入等各种因素影响下悬浮体浓度(Suspended Sediment Concentration, SSC)的年际变化特征[11],对于研究海洋环境演化和生态系统可持续发展等有重要意义。近年来大河输沙量锐减[12],以风场强度变化为代表的气候变化因素,可能逐渐成为影响SSC长期变化的主要原因。

    渤海是一个半封闭的陆架浅海,由渤海湾、莱州湾、辽东湾、中央海盆及渤海海峡组成,平均水深18 m,海底地势从3个海湾向中央海盆及渤海海峡倾斜,坡度平缓(图1)。渤海沿岸分布着黄河、辽河、滦河等多条河流,这些河流每年向渤海输送大量淡水及陆源物质,其中黄河过去50余年来(1950—2003年)年均输沙量达8.81亿t[13],这使得渤海成为世界上SSC最高的陆架海区之一[14]

    图  1  渤海水深地形和SSC实测站位分布图
    图中黑色十字为用于遥感反演的SSC实测站位位置。
    Figure  1.  Water depth in the Bohai Sea and distribution of SSC observed stations
    Black crosses show the location of the SSC observation stations used for remote sensing data inversion.

    自20世纪60年代以来,国内外学者就开始了渤海SSC时空变化的研究,常用的手段包括卫星遥感、沉积动力观测和数值模拟的方法[15-25]。研究指出渤海表层SSC具有近岸高、远岸低、由岸向海方向逐渐递减的空间分布特征,其中高值区主要分布在黄河入海口附近海域,低值区位于渤海中部;在季节变化上,由于受季风等影响,渤海表层SSC呈现出冬季高、夏季低的变化规律[18,21-22]。亦有学者进一步基于经验正交函数(Empirical Orthogonal Function, EOF)分析的方法研究了SSC的时空变化规律[22, 24],结果显示渤海湾、莱州湾SSC空间变化最为显著,这与孟庆辉等[18]得出的渤海湾、莱州湾短周期内空间变化幅度大的结论较为一致。近年来在黄河输沙量锐减的背景下,更多的学者开始关注渤海整个海域SSC的长期变化趋势,但却得出了不同的结论。基于2000—2004年SeaWiFs卫星遥感反演并结合EOF分析得到,渤海表层SSC有逐年增高的趋势[22]。而更长期的变化,如2003—2014年的结果却显示,渤海表层SSC有明显的下降趋势,其年均下降幅度为1.49%(0.22 mg·L−1·a−1),且各海区的表层SSC均呈下降趋势[11]。前人工作中或者没有进一步分析原因,或者推测其与风速变化、围填海工程以及黄河输沙量减少有关,但均未开展量化的相关性分析。

    渤海SSC变化受到河流输沙量、风浪、潮汐潮流等诸多因素的影响。其中,黄河输沙量影响范围为距河口5 km内,离口门越远影响越小,15 m等深线是其影响极限[26]。尤其是在2003—2021年黄河输沙量较20世纪50年代锐减的背景下,黄河输沙量对渤海SSC分布格局的影响更小;潮汐潮流主要影响SSC的日变化[27-28];表层沉积物粒度和地形等因素则与海洋动力共同控制SSC的空间分布,如浅水区的细砂和粉砂更容易起动,形成高SSC[17,29-30]。在年际变化尺度上,潮汐潮流与底质地形的影响较小。除此之外,渤海SSC的变化还与风场强度有关[27],大风过程可在短时间内显著改变渤海SSC的空间分布格局[17,30-31],风对浅水区沉积物再悬浮和悬沙输运过程起重要作用[17]。同时,渤海表层SSC冬高夏低的季节变化特征,也与风场冬强夏弱的季节变化规律有关。因此,在渤海表层SSC的长期变化中,风场强度变化有何贡献有待开展深入研究。

    为了阐明渤海表层SSC的长期变化趋势,探明风场在其中的贡献以及对不同海湾间物质输运的影响,本文使用2003—2021年中等分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer, MODIS)的Level-1B(L1B)卫星遥感数据,结合渤海多个航次的实测SSC数据,建立遥感反演模型获得渤海表层SSC的时空变化,并利用EOF方法分析SSC的时空变化特征以及风场的影响。

    本研究使用的卫星遥感数据来自Aqua卫星上搭载的MODIS,下载自美国宇航局网站(https://www.nasa.gov)的L1B数据,时间长度为2003年1月—2021年12月,空间分辨率为1 km。

    实测SSC数据来自2010年4月、9月,2011年6月,2012年11月,2017年9月,2018年4月、8月、10月和2020年11月的国家自然科学基金委渤海共享航次,与遥感资料时空匹配的站位共计30个,站位位置如图1所示。现场取样后,用两层孔径为0.45 μm、直径为47 mm的微孔醋酸纤维膜对表层(2~3 m)水样进行现场抽滤、烘干、称重,获得表层SSC,用于与遥感反射率(Remote Sensing Reflectance, Rrs)建立反演模型。

    风场数据来自美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)发布的CFSR(Climate Forecast System Reanalysis)数据,包括风速的东、北分量,时间分辨率为1 h,空间分辨率为0.312°,时间长度为1990年1月—2022年2月(https://climatedataguide.ucar.edu/climate-data/climate-forecast-system-reanalysis-cfsr.)。

    黄河利津站2003—2021年月均输沙量数据来自中国河流泥沙公报。

    遥感数据主要采用NASA官方提供的SeaWiFs数据分析系统(SeaDAS)进行大气校正、去云等初步处理,将L1B遥感数据批量处理成二级Rrs。此外,由于冬季渤海存在可见海冰,海冰对SSC反演影响较大,会导致Rrs极高,影响表层SSC的反演精度。本研究采用了Liu等[32]使用的Shi和Wang[33-34]建立的方法去除海冰影响,同时满足以下条件即被认定为海冰[35]

    $${{\text{ρω}}} {\rm N}(859)\text{>}0.048 $$ (1)
    $$ 0.7{\text{<}}\mathit{{{\text{ρω}} {\rm N}}}(555)/{\text{ρω}} {\rm N}(412)\text{<}3.0 $$ (2)
    $$ {\text{ρω}} {\rm N}(412){\text{>}}0.046 $$ (3)
    $$ {\text{ρω}}\mathrm{N} ={\rm{Rrs}}\times \Pi $$ (4)

    其中${\text{ρω}}\mathrm{N} $为标准化的离水反射率,${\text{ρω}} {\rm N}(555) $为555 nm波段的标准化离水反射率,Rrs为遥感卫星数据的波段反射率。

    前人研究表明,MODIS第4波段(545~565 nm)的Rrs与渤海表层SSC具有较好的相关性[11,17]。在建立反演模型时,利用Matlab软件提取与实测SSC数据在空间(范围<500 m)和时间(误差<2 h)上匹配的555 nm波段的Rrs,共基于30组实测SSC数据和Rrs建立拟合关系(图2),如下式所示:

    图  2  Rrs与实测SSC拟合关系
    Figure  2.  Fitted relationship of Rrs with measured SSC
    $$ \rm{SSC}=\exp(98.96\times\mathrm{Rrs}_{555})\times1.753 $$ (5)

    两者的拟合系数(R²)为0.92,均方根误差(RMSE)为6.25 mg/L,拟合结果较好。基于以上公式,反演得到2003—2021年渤海海域表层SSC,并对其进行年平均处理,以定量化分析其时空演变特征。

    对2003—2021年渤海海域表层年均SSC进行EOF分析,以获得表层SSC的空间模态及时间系数,研究其时空变化特征。

    EOF分析方法,又称主成分分析或者空间模态分析法,将变量场分解成空间模态和时间系数的乘积。空间模态对应空间样本,称为空间特征向量或者特征向量,反映要素场的空间分布特点。主成分对应时间变化,也称时间系数,反映对应空间模态随时间的权重变化。

    本文将渤海海域各站位的年均SSC数据处理成距平矩阵Xm×n,其协方差矩阵Cm×m的特征根(λ1...λm)和空间模态Vm×m,满足:

    $$ C_{m\times m}\times V_{m\times m}=V_{m\times m}\times E_{m\times m } $$ (6)

    其中,Em×m的对角矩阵,即

    $$ E = \left[ {\begin{array}{*{20}{c}} {{\lambda _1}}&0& \cdots &0 \\ 0&{{\lambda _2}}& \cdots &0 \\ \vdots & \vdots & \cdots & \vdots \\ 0&0& \cdots &{{\lambda _m}} \end{array}} \right] $$ (7)

    一般情况下,特征根λ作降序排列,即λ1λ2>...λm。每一个特征根对应一列特征向量值,也称EOF模态。如λ1对应的特征向量值称为EOF第一模态,记为EOF1=V(:,1);λk对应的特征向量值称为EOF第k模态,记为EOFk=V(:,k)。将空间模态投影到原始矩阵X上,得到对应的时间系数(PC):

    $$ \mathrm{PC}_{m\times m}=V_{m\times m}^T\times X_{m\times m} $$ (8)

    EOF分析时,特征根λ越大,其对应的空间模态越典型,对总方差的贡献越大。第k个模态的方差贡献率(S)为:

    $$ S=\frac{{\lambda }_{k}}{\sum _{i=1}^{m}{\lambda }_{i}}\times 100{\text{%}} $$ (9)

    分解出的经验正交函数是否为有意义的物理信号,要通过显著性检验来确定。本文采用North[22]提出的计算特征根的误差范围来进行显著性检验。特征根λi的误差范围可以表示如下:

    $$ {e_i} = {\lambda _i}{\left( {\frac{2}{m}} \right)^{\frac{1}{2}}} $$ (10)

    其中m为样本量,当与相邻的特征根λi+1满足:

    $$ {\lambda _i} - {\lambda _{i + 1}} \geqslant {e_i} $$ (11)

    就认为这两个特征根所对应的经验正交函数通过显著性检验,是有意义的;反之,若没有通过显著性检验,则无意义。

    为对2003—2021年渤海表层SSC分布进行详细研究,绘制了2003—2021年渤海海域表层多年平均SSC及年均SSC距平图(图3)。

    图  3  2003—2021年渤海海域表层多年平均SSC及年均SSC距平
    a为2003—2021平均SSC分布图,b-t分别是年均SSC距平图,色轴代表SSC大小。
    Figure  3.  Multi-year averaged SSC from 2003 to 2021 and the difference between the annual averaged SSC and the multi-year averaged SSC at the surface layer of the Bohai Sea
    a shows the 19-years averaged SSC from 2003 to 2021, b-t show the difference between the annual averaged SSC and the multi-year averaged SSC at the surface layer of the Bohai Sea, the color bar represents the SSC.

    2003—2021年渤海海域表层年均SSC表现为近岸高、远岸低的空间分布特征;受陆源物质输入影响,SSC高值区分布在黄河入海口附近及辽东湾顶部,最大值可达100 mg/L以上,与周舟等[11]的研究结果一致。从各年距平值的空间分布来看:2003—2008年渤海表层SSC相对于19年的平均值(图3a),浓度明显偏大(图3b-g);2009年为一转折点,该年份之后SSC具有明显的减小趋势(图3h-t)。

    为对比渤海不同海域SSC的长期变化趋势,本文将渤海划分为渤海湾、莱州湾、辽东湾以及中央海盆4个海域进行对比分析。图4为2003—2021年渤海不同海域年均区域化平均的SSC变化,从多年平均值来看,渤海湾、莱州湾、辽东湾以及中央海盆的SSC分别为26.04、25.19、8.24、8.12 mg/L,渤海湾SSC最高,中央海盆SSC最低。

    图  4  渤海不同海域2003—2021年年均区域化平均SSC变化
    Figure  4.  Annual averaged SSC in the different area of Bohai Sea from 2003 to 2021

    从多年变化趋势来看,4个海域年均SSC均表现出减小趋势,减小速率从大到小依次为莱州湾、渤海湾、中央海盆和辽东湾,不同海域SSC的变化速度不同可能与黄河输沙量的影响大小有关。

    对2003—2021年渤海表层年均SSC进行EOF分析,得到了一系列空间模态(表1)。表中可得,前三个模态累积方差贡献率为73.4%:其中第一模态的方差贡献率为53.15%,第二模态的方差贡献率为14.14%,第三模态的方差贡献率为6.11%,以下对主要模态分别成图分析(图57)。

    表  1  渤海海域表层SSC空间模态
    Table  1.  Spatial modes of SSC in the surface layer of the Bohai Sea
    方差贡献率/%方差累积贡献率/%特征根误差下限特征根误差上限特征根
    第一模态53.1553.1545726.9247425.5246576.22
    第二模态14.1467.2912166.8712618.8312392.85
    第三模态6.1173.405255.245450.455352.84
    第四模态4.8278.224148.834302.954225.89
    第五模态3.4581.672970.363080.703025.53
    第六模态2.7784.442380.922469.362425.14
    第七模态2.3786.812039.762115.532077.64
    第八模态1.9988.801715.721779.451747.58
    第九模态1.8790.671608.421668.171638.30
    第十模态1.6992.361458.211512.381485.30
    下载: 导出CSV 
    | 显示表格
    图  5  EOF第一模态空间模态及时间系数
    a为第一模态空间模态分布图,色轴代表特征值大小,b为第一模态时间系数图。
    Figure  5.  The spatial mode and time coefficient of the first mode of EOF
    a shows the distribution of spatial mode of the first mode, the color bar represents the eigenvalue, b shows the time coefficient of the first mode.
    图  7  EOF第三模态空间模态及时间系数
    a为第三模态空间模态分布图,色轴代表特征值大小,b为第三模态时间系数图。
    Figure  7.  The spatial mode and time coefficient of the third mode of EOF
    a shows the distribution of spatial mode of the third mode, the color bar represents the eigenvalue, b shows the time coefficient of the third mode.

    第一模态对总体方差贡献率为53.15%,远大于其他模态的贡献率,该模态反映的是渤海海域表层SSC的主要分布特征。渤海海域的空间模态整体为正值(图5a),说明整个渤海海域的表层SSC多年变化趋势较为一致,整体增大或减小。特征值高值分布在渤海湾和莱州湾海域,说明这两处海域SSC变化最为显著。

    时间系数与SSC的变化趋势存在一定的关联性,当空间模态和时间系数同号(即数值同正或者同负),则代表SSC变化呈现增大的趋势;反之,则代表SSC变化呈现减小的趋势,且时间系数绝对值越大,该年份SSC的空间分布类型及变化特征就越明显。第一模态空间模态总体为正,2009年以前时间系数为正(图5b),代表SSC整体为增大趋势;2009年以后时间系数多数为负,与空间模态反号,代表SSC整体为减小趋势。

    第二模态对总体方差贡献率为14.14%。图6a可见,不同海区特征值的符号不同:渤海湾和中央海盆特征值整体为正,莱州湾和辽东湾特征值整体为负,该模态显示的是不同海湾间SSC变化趋势不一致。其中以莱州湾和渤海湾的空间模态反相位变化特征最为显著,2010年以前时间系数大体为负(图6b),与莱州湾空间模态同号,说明莱州湾表层SSC高于渤海湾;而2010年以后时间系数大体为正,说明渤海湾表层SSC高于莱州湾。从时间系数图中可以看到2006年和2017年时间系数绝对值最大,渤海湾和莱州湾的反相位特征最为典型,推测是海湾间悬浮体的平流输运与交换导致。从SSC的空间分布图(图3e、p)也可以证实以上特征。

    图  6  EOF第二模态空间模态及时间系数
    a为第二模态空间模态分布图,色轴代表特征值大小,b为第二模态时间系数图。
    Figure  6.  The spatial mode and time coefficient of the second mode of EOF
    a shows the distribution of spatial mode of the second mode, the color bar represents the eigenvalue, b shows the time coefficient of the second mode.

    第三模态对总体方差贡献率为6.11%。图7a可见,渤海大部分海域空间模态为正值,但在黄河入海口附近海域,悬浮体以10 m等深线为界,浅水区和深水区SSC呈现反相位变化,以莱州湾西部海域及渤海南部海域反相位变化最为显著。该模态反映了悬浮体从浅水向深水扩散受到10 m等深线处海洋水文现象影响的特征,根据学者们的研究成果,黄河口切变锋即分布在10 m等深线处[36-38],表明了切变锋对黄河口附近悬浮体向外海扩散的阻碍作用。初步认为该模态反映的是黄河入海口切变锋的影响。

    因冬季风速在全年平均风速中的贡献较大[39],且冬季SSC影响了全年平均SSC的量值,因此本文考虑冬季风速变化对渤海表层SSC长期变化的影响。从1990—2021年渤海湾、莱州湾海域风场长期变化趋势可见(图8),1990—2009年,渤海海域冬季风速呈增大趋势;2009—2021年,该海域冬季风速呈减小趋势,这和第一模态所反映的SSC随时间变化趋势基本一致,在风场驱动下,SSC呈现出以2009年为界,前后变化趋势相反的特征。风速的这一变化趋势与杨宏达等[39]、李正泉等[40]的研究成果一致。

    图  8  2003—2021年渤海湾和莱州湾冬季区域化平均风速及第一模态时间系数
    Figure  8.  Regional averaged wind speed in Bohai Bay and Laizhou Bay during winter from 2003 to 2021 and the time coefficient of the first mode

    为对比2009年前后SSC的变化幅度,分别对2005—2008年及2009—2012年两个阶段的渤海海域表层SSC进行平均处理并计算其差值(图9)。图中可见,以2009年为节点,前4年渤海海域表层SSC高值区分布范围较广(图9a),主要见于渤海湾与莱州湾,且其均值与2009年之后的4年平均相比,明显偏大,两者相对变化最大可达−70.94%(图9c)。且这两个阶段,黄河的平均输沙量分别为1.50×108 t和1.31×108 t,相差不大。因此SSC在2009年前后的变化主要与冬季风强弱有关,而与黄河输沙量的变化相关性不大。

    图  9  2009年前后渤海海域表层SSC分布及相对变化
    a:2005—2008年渤海海域表层平均SSC分布,b:2009—2012年渤海海域表层平均SSC分布,c:(b-a)/a,2009—2012年与2005—2008年渤海海域表层平均SCC分布相对变化。
    Figure  9.  Distribution and relative changes of averaged SSC at the surface layer of the Bohai Sea before and after 2009
    a shows averaged SSC at the surface layer of the Bohai Sea from 2005 to 2008, b shows averaged SSC from 2009 to 2012, c is (b-a)/a which shows the relative changes of the latter stage to the former stage.

    第二模态显示了渤海湾和莱州湾SSC的反相位变化,为研究两个海湾SSC变化及可能存在的联系,本文分别计算了2003—2021年两个海湾区域平均的SSC距平值(图10)。2009年以前,二者变化趋势大体一致,均表现为相对于多年平均值偏大的趋势;2009年及以后,相对于多年平均值总体表现为减小趋势,体现了如3.1所分析的风速对SSC多年变化趋势的控制作用,此为渤海SSC的主要变化特征。在此基础上叠加的第二模态所显示的渤海湾和莱州湾SSC反相位变化特征,为部分年份表现出来的分布特点,其中,以2006及2017两个年份最为典型(图10)。

    图  10  2003—2021年渤海湾及莱州湾表层区域平均SSC的年距平
    Figure  10.  Annual regionalized averaged variation of SSC in Bohai Bay and Laizhou Bay

    从2006年与2017年的年均风速距平(图11a、b)可以看到,2006年除渤海湾南部和渤海中部的风速略大外,渤海湾大部分海域和莱州湾的风速都小于多年平均值,而2017年则反之。风速的这一变化特征与SSC的空间分布明显相反(图11c、d),2006年莱州湾SSC较高,渤海湾SSC较低;2017年渤海湾SSC高而莱州湾SSC低。这说明这两个年份中风速变化导致的再悬浮变化对SSC的贡献较小。尽管2006年输沙量(1.64×108 t)明显大于2017年输沙量(0.08×108 t),根据前人研究结果,黄河输沙量影响范围仅限于河口地区[26],因此黄河输沙量可能不是主要影响因素。但是从两个年份的风向对比(图11e)来看,2017年风向明显向东偏转,加强了悬浮体向渤海中部的平流输运,加之此时风速较强,再悬浮泥沙浓度较大,因此有利于莱州湾悬浮体向渤海湾中部的输运,导致2017年莱州湾SSC较低而渤海湾SSC较高。

    图  11  2006、2017年渤海风速距平、表层SSC及风向对比图
    Figure  11.  The anomaly of annual averaged wind speed , distribution of SSC and the comparison of wind direction in 2006 and 2017 of the Bohai Sea

    大风作用可使海水紊动强度增大,一方面可以增强垂直混合,另一方面使表层沉积物发生再悬浮[2],从而使得海水表层SSC增大[20]。同时,大风对SSC的影响又受到水深和表层沉积物类型的限制,相同风力条件下,在水深较浅及表层沉积物粒径较小的海区,SSC对风的响应更为明显,例如渤海湾和莱州湾的SSC受风速影响程度远大于中央海盆。同时,大风引起的海流可引起悬浮体的水平输运,也会影响SSC的空间格局[2,20]

    (1)渤海表层SSC的EOF分析结果显示:前三个模态累积方差贡献率为73.4%,其中第一模态对总体方差贡献率为53.15%,以全海域同步变化为主,其受控于冬季风速的长期变化;第二模态对总体方差贡献率为14.14%,显示的是渤海湾和莱州湾SSC反相位的变化特征,与风向控制下的平流输沙作用有关;第三模态对总体方差贡献率为6.11%,显示的是黄河三角洲附近以10 m等深线为界,浅水区和深水区SSC呈现反相位变化的分布特征,可能与黄河口切变锋对河口区SSC向外海输运的限制作用有关。

    (2)冬季风速的变化影响了渤海表层SSC的多年变化趋势,二者呈现明显的正相关关系:以2009年为明显转折点,2009年以前冬季风速呈上升趋势,SSC增大;2009年以后冬季风速呈下降趋势,SSC减小。2009年前后4年平均的渤海SSC相对变化量最大可达−70.94%。

    (3)风向的偏转影响了渤海湾和莱州湾悬浮体的水平输运,表现为2006年与2017年两个海湾SSC距平值呈现反相位变化。

    致谢:感谢审稿专家对本文提出的宝贵修改意见。

  • 图  2   炮集上线性噪音压制前(a)后(b)的效果对比

    Figure  2.   Shot gather before (a) and after (b) linear noise attenuation

    图  3   炮集上双曲形噪音压制前(a)后(b)效果对比

    Figure  3.   Shot gather before (a) and after (b) hyperbolic noise attenuation

    图  1   曲波变换示意图

    Figure  1.   Diagram of curvelet transform

    图  4   噪音压制前的叠加剖面

    Figure  4.   Stacked profile before noise suppression

    图  5   噪音压制后的叠加剖面

    Figure  5.   Stacked profile after noise suppression

    图  6   电缆等浮时差校正前(a)后(b)CMP道集

    Figure  6.   CMP gathers before (a) and after(b) cable float time correction

    图  7   电缆等浮时差校正前叠加剖面

    Figure  7.   Stacked profile before cable float time correction

    图  8   电缆等浮时差校正后叠加剖面

    Figure  8.   Stacked profile after cable float time correction

    图  9   虚反射压制前叠加剖面

    Figure  9.   Stacked profile before ghost suppression

    图  10   虚反射压制后叠加剖面

    Figure  10.   Stacked profile after ghost suppression

    图  11   虚反射压制前频谱

    Figure  11.   The spectrum before ghost suppression

    图  12   虚反射压制后频谱

    Figure  12.   The spectrum after ghost suppression

    图  13   针对性精细处理和常规处理对比

    a:原始剖面,b:常规处理剖面,c:针对性处理剖面。

    Figure  13.   Comparison between Targeted fine processing and conventional processing

    a: Original profile, b: conventional processing profile, c: targeted processing profile.

    图  14   地震剖面上构造及水合物特征

    黄色虚线为气烟囱,红色实线为断层,绿色实线为BSR。

    Figure  14.   Structure and hydrate characteristics on seismic profile

    Yellow dotted lines indicate gas chimney, red solid lines indicate fault, and green solid lines are BSR.

    图  15   BSR等异常响应局部放大图

    Figure  15.   Partial enlargement of of BSR and other abnormal responses

    图  16   地震剖面上构造及水合物特征

    黄色虚线为基底,红色实线为断层,红色虚线为侵入体边界,绿色实线为BSR。

    Figure  16.   Structure and hydrate characteristics on seismic profile

    Yellow dotted line marks the basement, red solid lines are the fault, the red dotted lines are the boundary of intrusive rocks, and the green solid line is BSR.

    图  17   地震解释剖面及属性

    地震剖面(左)、瞬时属性剖面(中)、烃类检测剖面(右)。

    Figure  17.   Seismic interpretation profile and attributes

    Seismic profile ( left ), instantaneous attribute profile ( middle ), hydrocarbon detection profile ( right ).

    图  18   地震解释剖面及属性

    地震剖面(左)、瞬时属性剖面(中)、烃类检测剖面(右)。

    Figure  18.   Seismic interpretation profile and attributes

    Seismic profile ( left ), instantaneous attribute profile ( middle ), hydrocarbon detection profile ( right ).

  • [1] 栾锡武, 赵克斌, 孙冬胜, 等. 海域天然气水合物勘测的地球物理方法[J]. 地球物理学进展, 2008, 23(1):210-219

    LUAN Xiwu, ZHAO Kebin, SUN Dongsheng, et al. Geophysical methods for marine gas hydrates exploration[J]. Progress in Geophysics, 2008, 23(1):210-219.]

    [2] 周大森, 杨册, 曾宪军, 等. 高精度小三维地震采集技术在深水天然气水合物勘探中的应用[J]. 地质学报, 2024, 98(9):2678-2685

    ZHOU Dasen, YANG Ce, ZENG Xianjun, et al. Application of high-precision small 3D seismic acquisition technology in deep water gas hydrate exploration[J]. Acta Geologica Sinica, 2024, 98(9):2678-2685.]

    [3] 魏峥嵘, 裴彦良, 刘保华. 深拖式多道高分辨率地震探测系统在南海首次应用[J]. 石油地球物理勘探, 2020, 55(5):965-972

    WEI Zhengrong, PEI Yanliang, LIU Baohua. The first application of a deep tow multi-channel high-resolution seismic detection system in the South China Sea[J]. Petroleum Geophysical Exploration, 2020, 55(5):965-972.]

    [4] 王祥春, 马文秀, 黄天蔚, 等. OBS技术在南海天然气水合物勘探中的应用[J]. 石油物探, 2021, 60(1):105-113

    WANG Xiangchun, MA Wenxiu, HUANG Tianwei, et al. Application of an ocean bottom seismometer for gas hydrate exploration in the South China Sea[J]. Geophysical Prospecting for Petroleum, 2021, 60(1):105-113.]

    [5] 李绪宣, 王建花, 张金淼, 等. 南海深水区地震资料采集设计和处理关键技术及其野外试验效果[J]. 中国海上油气, 2013, 25(6):8-14

    LI Xuxuan, WANG Jianhua, ZHANG Jinmiao, et al. Some seismic acquisition designs and key processing techniques and their testing effects in the deep water areas, South China Sea[J]. China Offshore Oil and Gas, 2013, 25(6):8-14.]

    [6] 邓桂林, 丁龙翔, 李福元, 等. 海洋长排列单源单缆准三维窄方位地震资料处理技术[J]. 物探与化探, 2019, 43(4):828-834

    DENG Guilin, DING Longxiang, LI Fuyuan, et al. The processing technology of narrow azimuth Quasi three-dimensional seismic data acquisition by single source and single long streamer system in marine seismic exploration[J]. Geophysical and Geochemical Exploration, 2019, 43(4):828-834.]

    [7] 邢磊. 海洋小多道地震高精度探测关键技术研究[D]. 中国海洋大学博士学位论文, 2012

    XING Lei. Study of the key technologies of high-precision marine multichannel seismic survey[D]. Doctor Dissertation of Ocean University of China, 2012.]

    [8] 骆迪, 蔡峰, 吴志强, 等. 海洋短排列高分辨率多道地震高精度成像关键技术[J]. 地球物理学报, 2019, 62(2):730-742

    LUO Di, CAI Feng, WU Zhiqiang, et al. The key technologies of marine small scale high resolution multichannel seismic high-precision imaging[J]. Chinese Journal of Geophysics, 2019, 62(2):730-742.]

    [9] 王威, 徐华源, 孙波, 等. 高分辨率多道地震勘探技术在南海天然气水合物调查中的应用[J]. 海洋地质前沿, 2019, 35(9):19-24

    WANG Wei, XU Huayuan, SUN Bo, et al. Application of high resolution multichannel seismic survey technique to the investigation of natural gas hydrate resources in the south china sea[J]. Marine Geology Frontiers, 2019, 35(9):19-24.]

    [10] 裴彦良, 刘保华, 连艳红, 等. 海洋高分辨率多道数字地震拖缆技术研究与应用[J]. 地球物理学进展, 2013, 28(6):3280-3286

    PEI Yanliang, LIU Baohua, LIAN Yanhong, et al. Marine high resolution multi-channel digital seismic streamer and its application in the ocean engineering[J]. Progress in Geophysics, 2013, 28(6):3280-3286.]

    [11] 王秀娟, 韩磊, 刘俊州, 等. 天然气水合物与游离气共存的地球物理特征与识别[J/OL]. 地学前缘, 2024: 1-22. [4-12-24]. http://kns.cnki.net/kcms/detail/11.3370.P.20240417.1503.010.html.

    WANG Xiujuan, HAN Lei, LIU Junzhou, et al. The geophysical characteristics and identification of the coexistence of gas hydrate and free gas[J]. Earth Science Frontiers, 2024: 1-22. [2024-12-24]. http://kns.cnki.net/kcms/detail/11.3370.P.20240417.1503.010.html.

    [12] 文鹏飞, 刘斌, 徐云霞, 等. 面向海域水合物精细刻画的地震勘探技术: 耙缆式地震勘探[J]. 地球物理学进展, 2021, 36(5):2215-2221

    WEN Pengfei, LIU Bin, XU Yunxia, et al. Novel seismic exploration technique targeting fine characterization of marine gas hydrates: seismic exploration with a harrow-like acquisition geometry[J]. Progress in Geophysics, 2021, 36(5):2215-2221.]

    [13]

    Otsuka H, Morita S, Tanahashi M, et al. Foldback reflectors near methane hydrate bottom-simulating reflectors: indicators of gas distribution from 3D seismic images in the eastern Nankai Trough[J]. Island Arc, 2015, 24(2):145-158. doi: 10.1111/iar.12099

    [14] 张光学, 张明, 杨胜雄, 等. 海洋天然气水合物地震检测技术及其应用[J]. 海洋地质与第四纪地质, 2011, 31(4):51-58

    ZHANG Guangxue, ZHANG Ming, YANG Shengxiong, et al. Application of seismic detecting technique to marine gas hydrate survey[J]. Marine Geology & Quaternary Geology, 2011, 31(4):51-58.]

    [15] 颜中辉, 杨传胜, 王小杰, 等. 海洋低信噪比小道距地震处理关键技术[J]. 海洋科学进展, 2024, 42(3):501-514

    YAN Zhonghui, YANG Chuansheng, WANG Xiaojie, et al. The key technology of marine low SNR seismic data processing for small group interval[J]. Advances in Marine Science, 2024, 42(3):501-514.]

    [16] 褚宏宪, 孙运宝, 秦轲, 等. 小道距高分辨率多道地震对天然气水合物勘查的适用性[J]. 海洋地质前沿, 2015, 31(6):50-54

    CHU Hongxian, SUN Yunbao, QIN Ke, et al. Application of small-scale array high-resolution multi-channel seismic to gas hydrates exploration[J]. Marine Geology Frontiers, 2015, 31(6):50-54.]

    [17]

    Haines S S, Hart P E, Collett T S, et al. High-resolution seismic characterization of the gas and gas hydrate system at Green Canyon 955, Gulf of Mexico, USA[J]. Marine and Petroleum Geology, 2017, 82:220-237. doi: 10.1016/j.marpetgeo.2017.01.029

    [18] 刘鹏奇. 基于地震波频散特征的天然气水合物识别方法研究[D]. 中国石油大学(北京)博士学位论文, 2022

    LIU Pengqi. Research on gas hydrate identification method based on seismic wave dispersion characteristics[D]. Doctor Dissertation of China University of Petroleum (Beijing), 2022.]

    [19] 徐华宁, 陆敬安, 梁金强. 珠江口盆地东部海域近海底天然气水合物地震识别及地质成因[J]. 地学前缘, 2017, 24(4):57-65

    XU Huaning, LU Jing’an, LIANG Jinqiang. Seismic identification and geological origin of gas hydrate in near seafloor sediments in the eastern part of the Pearl River Mouth Basin[J]. Earth Science Frontiers, 2017, 24(4):57-65.]

    [20] 王秀娟, 吴时国, 董冬冬, 等. 琼东南盆地块体搬运体系对天然气水合物形成的控制作用[J]. 海洋地质与第四纪地质, 2011, 31(1):109-118

    WANG Xiujuan, WU Shiguo, DONG Dongdong, et al. Control of mass transport deposits over the occurrence of gas hydrate in Qiongdongnan basin[J]. Marine Geology & Quaternary Geology, 2011, 31(1):109-118.]

    [21] 王伟巍, 伍忠良, 龚跃华, 等. 地震属性在海洋天然气水合物识别中的应用[J]. 海洋技术学报, 2020, 39(3):75-81

    WANG Weiwei, WU Zhongliang, GONG Yuehua, et al. Application of seismic attributes in the identification of marine gas-hydrate[J]. Journal of Ocean Technology, 2020, 39(3):75-81.]

    [22] 杨睿, 霍元媛, 陈江欣, 等. 利用相干属性技术实现参量阵浅地层剖面上的水合物识别[J]. 地质论评, 2020, 66(S1):87-89

    YANG Rui, HUO Yuanyuan, CHEN Jiangxin, et al. Gas hydrate identification of parametic array sub-bottom profile by coherence attribute analysis[J]. Geological Review, 2020, 66(S1):87-89.]

    [23]

    Liu Y J, Liu X X, Liu D M, et al. Applications of seismic techniques to gas hydrates prediction[J]. Applied Geophysics, 2008, 5(1): 67-73. ].

    [24] 王兆湖, 王建民, 高振山, 等. 叠前自适应F-X域相干噪音衰减技术及应用[J]. 地球物理学进展, 2013, 28(5):2605-2610 doi: 10.6038/pg20130540

    WANG Zhaohu, WANG Jianmin, GAO Zhenshan, et al. Pre-stack self-adapting F-X domain coherent noise attenuation technique and application[J]. Progress in Geophysics, 2013, 28(5):2605-2610.] doi: 10.6038/pg20130540

    [25]

    Hennenfent G, Fenelon L, Herrmann F J. Nonequispaced curvelet transform for seismic data reconstruction: a sparsity-promoting approach[J]. Geophysics, 2010, 75(6):WB203-WB210. doi: 10.1190/1.3494032

    [26] 杨凯, 刘伟, 潘永. 基于曲波域的软硬阈值折中地震信号去噪[J]. 工程地球物理学报, 2013, 10(4):437-441

    YANG Kai, LIU Wei, PAN Yong. Random noise attenuation based on soft and hard threshold compromise in curvelet domain[J]. Chinese Journal of Engineering Geophysics, 2013, 10(4):437-441.]

    [27] 王小杰, 颜中辉, 刘俊, 等. 基于模型优化的广义自由表面多次波压制技术在印度洋深水海域的应用[J]. 海洋地质与第四纪地质, 2021, 41(5):221-230

    WANG Xiaojie, YAN Zhonghui, LIU Jun, et al. Generalized free surface multiple suppression technique based on model optimization and its application to the deep water of the Indian Ocean[J]. Marine Geology & Quaternary Geology, 2021, 41(5):221-230.]

    [28] 颜中辉, 王小杰, 徐华宁, 等. 基于虚反射走时和道集相干联合的电缆等浮校正方法[J]. 石油地球物理勘探, 2023, 58(6):1365-1373

    YAN Zhonghui, WANG Xiaojie, XU Huaning, et al. Method of cable floating correction based on combination of gather coherence and ghost reflection traveltime[J]. Oil Geophysical Prospecting, 2023, 58(6):1365-1373.]

    [29] 张汛汛, 张繁昌, 刘汉卿. 基于快速匹配追踪算法的地震道集剩余时差校正[J]. 石油物探, 2015, 54(4):420-426 doi: 10.3969/j.issn.1000-1441.2015.04.008

    ZHANG Xunxun, ZHANG Fanchang, LIU Hanqing. Seismic gathers residual moveout correction based on fast matching pursuit algorithm[J]. Geophysical Prospecting for Petroleum, 2015, 54(4):420-426.] doi: 10.3969/j.issn.1000-1441.2015.04.008

    [30] 周鹏, 张益明, 刘志斌, 等. 地震道集优化方法及应用[J]. 石油地球物理勘探, 2016, 51(2):232-237

    ZHOU Peng, ZHANG Yiming, LIU Zhibin, et al. Seismic gather optimization[J]. Oil Geophysical Prospecting, 2016, 51(2):232-237.]

    [31] 王冲, 顾汉明, 许自强, 等. 最小二乘反演迭代算法在压制海上变深度缆采集数据虚反射中的应用[J]. 地球物理学报, 2016, 59(5):1790-1803

    WANG Chong, GU Hanming, XU Ziqiang, et al. The application of least-squares inversion iteration algorithm to deghost for marine variable-depth streamer data[J]. Chinese Journal of Geophysics, 2016, 59(5):1790-1803.]

    [32]

    Fang Z Y, Shi W Y, Zhang X Y, et al. Complex sea-surface condition deghosting technology of towed streamer data[J]. Journal of Geophysics and Engineering, 2017, 14(5):1061-1071. doi: 10.1088/1742-2140/aa735c

    [33] 董政, 李黎, 徐超, 等. 海上虚反射频率域自适应压制技术及应用: 以珠江口盆地陆丰A油田为例[J]. 中外能源, 2023, 28(6):59-64

    DONG Zheng, LI Li, XU Chao, et al. Adaptive suppression technology for offshore ghosting frequency domain and its application: a case study of Lufeng a oilfield in pearl river mouth basin[J]. Sino-Global Energy, 2023, 28(6):59-64.]

图(18)
计量
  • 文章访问数:  29
  • HTML全文浏览量:  1
  • PDF下载量:  15
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-11-18
  • 修回日期:  2024-12-22
  • 刊出日期:  2024-12-27

目录

/

返回文章
返回