In de vorige opmerkingen hebben we een paar stappen behandeld met betrekking tot het opschonen van geometrie en het laden van onbewerkte GPR-arraygegevens. In deze notitie behandelen we enkele noodzakelijke verwerkingsstappen voordat gegevens worden geïnterpreteerd.
Ruwe data
Afbeelding 1 hieronder toont de ruwe data van één onderdeel van een project. De onderste afbeelding toont de gegevens met een overlay van de geometrie. Deze dataset is zeker niet ideaal. Ten eerste zijn er nogal wat hiaten in de gegevens. Ten tweede, en meer opvallend, is de inconsistente dekking, met verschillende oriëntaties, verzamelingspatronen en overlappende gegevens. Er is enige filtering toegepast in de vorm van een dc-verwijderingsfilter en een drempelniveau voor tijd-nul-uitlijning. We zullen nu zien hoe het eruit ziet na een paar eenvoudige stappen.
Stap 1 – voorbewerking
Figuur 2 toont de beschikbare pre-processing routines, waarvan de volgende drie de meest gebruikte zijn.
- Antenne-ring-down (500 sporen in achtergrondverwijdering)
- Banddoorlaat (170 – 600 MHz)
- Amplitudecorrectie (sferische divergentiecorrectie zonder parameters)
De standaardinstellingen voor elke routine zijn goed gedefinieerd, dus het is meestal niet nodig om instellingen te wijzigen, gewoon selecteren en uitvoeren.
Het effect van deze basale voorbewerkingsroutines wordt hieronder in figuur 3 getoond. In dit geval zou men kunnen denken dat het mogelijk is om hier met de interpretatie te beginnen. We bekijken nu echter slechts één dieptesegment, en diepere segmenten kunnen veel vager zijn. We raden daarom aan om door te gaan met de nabewerking. 
In de oorspronkelijke gegevens uit figuur 1 waren lineaire (door de mens gemaakte) kenmerken zichtbaar, maar de voorverwerkte gegevens in figuur 3 vertegenwoordigen een aanzienlijke verbetering. Striping in de gegevens is verdwenen en de meeste functies zijn duidelijker.
Stap 2 – Regularisatie/interpolatie
Tot nu toe zijn alleen 1D- en 2D-routines gebruikt.
Om een 3D-migratieroutine toe te passen, moeten we de gegevens interpoleren in gewone bakken (waarvan de grootte (4 cm) werd geselecteerd bij het laden van de gegevens). In dit stadium worden hiaten ook opgevuld door gegevens van aangrenzende punten te interpoleren.
Figuur 4 toont de opties voor de interpolatieroutine, inclusief de maximale leemte die de software zal proberen op te vullen. De grondgedachte achter deze parameter is dat het geen zin heeft om te proberen significante leemten op te vullen met een interpolatie-algoritme, omdat het niet zal werken als de leemte te groot is. Dan hebben we ook de mogelijkheid om middeling van segmenten te doen, wat een aanzienlijke hoeveelheid schijfruimte kan besparen. Figuur 5 toont het resultaat na interpolatie. Notitie - deze fase is meestal de meest tijdrovende routine die wordt toegepast op 3D-gegevens.
Migratie en nabewerking
Migratie is het proces waarbij hyperbolische anomalieën worden samengevouwen tot punten met behulp van een bekende snelheid en een geselecteerd algoritme. Er zijn een paar wiskundige algoritmen om uit te kiezen, elk met hun voor- en nadelen. De sleutel tot het omgaan met 3D-GPR-gegevens is echter het toepassen van een echte 3D-migratie na interpolatie. Het alternatief is om 2D-migratie te gebruiken en vervolgens de gemigreerde profielen te interpoleren in een 3D-volume, maar deze benadering geeft niet dezelfde uitstekende resultaten.
Bij het toepassen van migratie moeten we weten tot welke snelheid. In plaats van te gissen, kunnen we een interactief hulpmiddel gebruiken om de optimale waarde te selecteren, en dat proces zal later in een aparte technische noot worden besproken. Voor nu springen we direct naar de nabewerkingsfase.
Afbeelding 6 toont de beschikbare nabewerkingsroutines, waarvan de meeste later in een aparte technische noot worden besproken. Voor nu concentreren we ons op de veelgebruikte Amplitude Envelope.
Amplitude Envelope is het proces van het toepassen van een Hilbert-transformatie op de gegevens. Simpel gezegd, dit verplaatst negatieve gegevenswaarden effectief naar de positieve kant en trekt lijnen tussen pieken. Het kan de resolutie enigszins verminderen, maar dit is over het algemeen acceptabel vanwege de meer rechtlijnige interpretatie die volgt.
In moderne software kan een gebruiker natuurlijk altijd tussen de verschillende verwerkingsfasen springen om gebruik te maken van een hogere resolutie die beschikbaar is in andere gegevensinstanties, hoewel dit zelden nodig is.
Afbeelding 7 toont de impact van migratie en de nabewerkingsroutines op het voorbeeld van werkgegevens. Na een paar eenvoudige verwerkingsstappen hebben we nu gegevens die veel gemakkelijker te interpreteren zijn. Nogmaals, dit is slechts één dieptesegment, dus scrollen door het hele dieptebereik zal alle doelen onthullen.
Conclusie
Moderne en interactieve verwerkingssoftware maakt Raptor 3D GPR-gegevens eenvoudig te beheren. Je hoeft geen wetenschapper te zijn; volg gewoon een paar eenvoudige richtlijnen en de resulterende gegevens zijn aanzienlijk eenvoudiger te interpreteren dan gewone 2D GPR-gegevens, en de dubbelzinnigheden zijn verdwenen!
