Dalam catatan sebelumnya, kita telah membahas beberapa langkah mengenai pembersihan geometri dan pemuatan data array GPR mentah. Dalam catatan ini, kita akan membahas beberapa langkah pemrosesan yang diperlukan sebelum interpretasi data.
Data mentah
Gambar 1 di bawah ini menunjukkan data mentah dari satu bagian proyek. Gambar bawah menunjukkan data dengan hamparan geometri. Kumpulan data ini sama sekali tidak ideal. Pertama, ada beberapa kesenjangan dalam data. Kedua, dan yang lebih mencolok, adalah cakupan yang tidak konsisten, dengan orientasi yang berbeda, pola pengumpulan, dan data yang tumpang tindih. Beberapa pemfilteran telah diterapkan dalam bentuk filter penghilang dc, dan level ambang batas untuk penyelarasan waktu-nol. Sekarang kita akan melihat bagaimana tampilannya setelah beberapa langkah sederhana.
Langkah 1 – pra-pemrosesan
Gambar 2 menunjukkan rutinitas pra-pemrosesan yang tersedia, di mana tiga berikut adalah yang paling umum digunakan.
- Antena ring-down (500 jejak dalam penghapusan latar belakang)
- Jalur pita (170 – 600 MHz)
- Koreksi amplitudo (koreksi divergensi bola tanpa parameter)
Default untuk setiap rutinitas didefinisikan dengan baik, jadi biasanya tidak perlu mengubah pengaturan, cukup pilih dan jalankan.
Efek dari rutinitas pra-pemrosesan dasar ini ditunjukkan di bawah ini pada Gambar 3. Dalam hal ini, orang mungkin berpikir mungkin untuk memulai interpretasi di sini. Namun, kami hanya melihat satu irisan kedalaman sekarang, dan irisan yang lebih dalam mungkin jauh lebih kabur. Jadi, kami sarankan untuk melanjutkan ke pasca-pemrosesan. 
Dalam data asli dari Gambar 1, fitur linier (buatan manusia) terlihat, tetapi data yang telah diproses sebelumnya pada Gambar 3 menunjukkan peningkatan yang signifikan. Garis-garis dalam data hilang, dan sebagian besar fitur lebih jelas.
Langkah 2 – Regularisasi/interpolasi
Sampai saat ini, hanya rutinitas 1D dan 2D yang telah digunakan.
Untuk menerapkan rutinitas migrasi 3D, kita perlu menginterpolasi data ke dalam bin biasa (ukurannya (4 cm) dipilih saat memuat data). Pada tahap ini, gap juga diisi dengan melakukan interpolasi data dari titik-titik yang berdekatan.
Gambar 4 menunjukkan opsi untuk rutinitas interpolasi, termasuk celah maksimum yang akan coba diisi oleh perangkat lunak. Alasan di balik parameter ini adalah tidak ada gunanya mencoba mengisi celah yang signifikan dengan algoritme interpolasi apa pun, karena tidak akan berhasil jika celahnya terlalu besar. Kemudian kami juga memiliki opsi untuk mengiris rata-rata, yang dapat menghemat ruang disk yang signifikan. Gambar 5 menunjukkan hasil setelah interpolasi. Catatan - tahap ini biasanya merupakan rutinitas yang paling memakan waktu yang diterapkan pada data 3D.
Migrasi dan pasca-pemrosesan
Migrasi adalah proses di mana anomali hiperbolik dipecah menjadi titik-titik dengan bantuan kecepatan yang diketahui dan algoritma yang dipilih. Ada beberapa algoritma matematika untuk dipilih, masing-masing dengan kelebihan dan kekurangannya. Namun, kunci untuk menangani data 3D-GPR adalah menerapkan migrasi 3D yang sebenarnya setelah interpolasi. Alternatifnya adalah menggunakan migrasi 2D dan kemudian menginterpolasi profil yang dimigrasikan ke dalam volume 3D, tetapi pendekatan ini tidak memberikan hasil luar biasa yang sama.
Saat menerapkan migrasi, kita perlu mengetahui kecepatan mana. Alih-alih menebak, kita dapat menggunakan alat interaktif untuk memilih nilai optimal, dan proses itu akan dibahas nanti dalam catatan teknis terpisah. Untuk saat ini, kita langsung menuju ke tahap post-processing.
Gambar 6 menunjukkan rutinitas pasca-pemrosesan yang tersedia, yang sebagian besar akan dibahas nanti dalam catatan teknis terpisah. Untuk saat ini, kami berkonsentrasi pada Amplitudo Amplitudo yang umum digunakan.
Amplitudo Amplop adalah proses penerapan transformasi Hilbert ke data. Dalam istilah sederhana, ini secara efektif memindahkan nilai data negatif ke sisi positif dan menarik garis di antara puncak. Ini mungkin sedikit mengurangi resolusi, tetapi ini secara umum dapat diterima karena interpretasi yang lebih lugas berikut ini.
Tentu saja, dalam perangkat lunak modern, pengguna selalu dapat beralih di antara tahapan pemrosesan yang berbeda untuk memanfaatkan resolusi yang lebih tinggi yang tersedia di instans data lain, meskipun hal ini jarang diperlukan.
Gambar 7 menampilkan dampak migrasi dan rutinitas pasca-pemrosesan pada contoh data kerja. Mengikuti beberapa langkah pemrosesan sederhana, sekarang kita memiliki data yang jauh lebih mudah untuk diinterpretasikan. Sekali lagi, ini hanya satu irisan kedalaman, jadi menggulir seluruh rentang kedalaman, akan mengungkapkan semua target.
Takeaway
Perangkat lunak pemrosesan modern dan interaktif membuat data Raptor 3D GPR mudah dikelola. Anda tidak perlu menjadi ilmuwan; cukup ikuti beberapa panduan sederhana, dan data yang dihasilkan secara signifikan lebih mudah untuk ditafsirkan daripada data GPR 2D biasa, dan ambiguitas hilang!
