PEMISAHAN ANOMALI GAYABERAT DAERAH LAMPUNG MENGGUNAKAN BIDIMENSIONAL EMPIRICAL MODE DECOMPOSITION (BEMD)

Authors

  • Gestin Mey Ekawati Institut Teknologi Sumatera, Indonesia

DOI:

https://doi.org/10.23960/jge.v7i3.153

Keywords:

BEMD, Filtering, Gravity, Regional, Residual

Abstract

Metode gayaberat adalah salah satu metode geofisika yang digunakan dalam eksplorasi mineral dan migas. Metode ini memanfaatkan percepatan gravitasi untuk memodelkan struktur densitas batuan di dalam bumi, mendeliniasi struktur maupun satuan geologi. Pada tahap pengolahan data gayaberat diperlukan beberapa koreksi untuk menghasilkan anomali Bouguer lengkap (CBA). Nilai CBA merupakan hasil resultan dari seluruh kontribusi massa di bawah permukaan dan di sekitar titik datum. Pemisahan anomali CBA menjadi regional dan residual menjadi tahap penting dalam interpretasi dan pemodelan gayaberat. Beberapa metode pemisahan anomali yang ada saat ini sudah menunjukkan hasil yang baik. Pada prinsipnya, metode tersebut menggunakan teknik fitting permukaan, pemfilteran frekuensi, smoothing pada domain spasial, atau kontinyuasi medan. Namun, metode tersebut memiliki aspek subjektif yang tinggi dalam menentukan parameter yang bekerja. Pada paper ini, saya mengaplikasikan metode alternatif yaitu Bidimensional Empirical Mode Decomposition (BEMD) pada daerah Lampung. BEMD menganalisis data secara algoritmik dan mampu mendekomposisi data secara empirik yang dapat diasosiasikan dengan pemisahan anomali pada metode gayaberat. Keuntungan utama metode ini adalah kemampuannya untuk memberikan pemisahan yang hampir sempurna antar anomali yang terdapat dalam data gayaberat. Metode ini mampu secara langsung menunjukkan anomali yang dicari sehingga pemilihan anomali target dapat dilakukan dengan mudah karena jumlah dekomposisinya yang tidak banyak.

References

Al-Rahim, A. (2016). Separating the gravity field of Iraq by using bidimensional empirical mode decomposition technique. Arabian Journal of Geosciences, 9. https://doi.org/10.1007/s12517-015-2118-7

Battista, B. M., Knapp, C., McGee, T., & Goebel, V. (2007). Application of The Empirical Mode Decomposition and Hilbert-Huang Transform to Seismic Reflection Data. Geophysics, 72(2), H29–H37.

Bekara, M., & Van der Baan, M. (2009). Random and Coherent Noise Attenuation by Empirical Mode Decomposition. Geophysics, 74(5), V89–V98.

Cooper, S. M., Tianyou, L., & Mbue, I. N. (2010). The Empirical Mode Decomposition (EMD), A New Tool for Potential Field Separation. Journal of American Science.

Firdaus, R., & Ekawati, G. M. (2016). Isolating Earth’s Surface Gravity Body Anomaly from Crust-Regional Anomaly Using Empirical Method. Proceeding SEACG.

Han, J. J., & Van der Baan, M. (2013). Empirical Mode Decomposition for Seismic Time-Frequency Analysis. Geophysics, 78, O9–O19.

Hasan, & Pierce. (2008). Empirical Mode Decomposition (EMD) of Potential Field Data: Airborne Gravity Data as an Example. In CSEG RECORDER.

Huang, J. W., & Milkereit, B. (2009). Empirical Mode Decomposition Based Instantaneous Spectral Analysis and its Applications to Heterogeneous Petrophysical Model Construction. CSPG CSEG CWLS Convention, 205–210.

Huang, J., Zhao, B., Chen, Y., & Zhao, P. (2010). Bidimensional empirical mode decomposition (BEMD) for extraction of gravity anomalies associated with gold mineralization in the Tongshi gold field, Western Shandong Uplifted Block, Eastern China. Computers & Geosciences, 36, 987–995. https://doi.org/10.1016/j.cageo.2009.12.007

Huang, N. E., Shen, Z., Long, S. R., Wu, M. C., Shih, H. H., Zheng, Q., Yen, N. C., Tung, C. C., & Liu, H. H. (1971). The Empirical Mode Decomposition and The Hilbert Spectrum for Nonlinear and Non-Stationary Time Series Analysis. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences. Vol. 454, 903–995.

Linderhed, A. (2002). 2D Empirical Mode Decompositions in The Spirit of Image Compression. Proc. SPIE 4738.

Ma, M., Wang, C., Li, X., Gao, Q., Gong, W., & Shi, S. (2019). Aeromagnetic anomalies interpretation based on improved bi-dimensional empirical mode decomposition (BEMD) and RGB composition. IOP Conference Series: Earth and Environmental Science, 237, 52002. https://doi.org/10.1088/1755-1315/237/5/052002

Mandal, A., Niyogi, S., & Ghomsi, F. (2017). A comparative study on trend surface analysis (TSA), wavelet filtering and bi-dimensional empirical mode decomposition (BEMD) for gravity anomaly separation. 1791–1796. https://doi.org/10.1190/segam2017-17780222.1

Nunes, J. C., Niang, O., Bouaoune, Y., Deléchelle, E., & Bunel, P. (2003). Bidimensional Empirical Mode Decomposition Modified for Texture Analysis.

Pei, Y., Wu, Y.-G., & Jia, D.-C. (2012). Gravity Anomaly Separation based on Bidimensional Empirical Mode Decomposition. Research Journal of Applied Sciences, Engineering and Technology, 4.

Sandwell, D. T., Müller, R. D., Smith, W. H., Garcia, E., & Francis, R. (2014). New Global Marine Gravity Model from CryoSat-2 and Jason-1 Reveals Buried Tectonic Structure. Science, 346(6205), 65–67.

Telford, W. M., Geldart, L. P., & Sheriff, R. E. (1990). Applied Geophysics (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9781139167932

Downloads

Additional Files

Published

2021-11-23

How to Cite

Ekawati, G. M. (2021). PEMISAHAN ANOMALI GAYABERAT DAERAH LAMPUNG MENGGUNAKAN BIDIMENSIONAL EMPIRICAL MODE DECOMPOSITION (BEMD). JGE (Jurnal Geofisika Eksplorasi), 7(3), 191–201. https://doi.org/10.23960/jge.v7i3.153

Issue

Vol. 7 No. 3 (2021)

Section

Articles

Citation Check

License

Authors/Readers/Third Parties can read, print and download, redistribute or republish the article (e.g. display in a repository), translate the article, download for text and data mining purposes, reuse portions or extracts from the article in other works, sell or re-use for commercial purposes, remix, transform, or build upon the material, they must distribute their contributions under the same license as the original Creative Commons Attribution-NonComercial (CC BY-NC).

Similar Articles

1 2 3 > >> 

You may also start an advanced similarity search for this article.

Most read articles by the same author(s)