在地震数据处理过程中，为了使模拟地震数据匹配观测地震数据，准确的地震子波尤为关键。地震子波的估计方法可以大致分为两种方法，第一是确定性方法，该方法需要测井信息作为约束才可以求解地震子波，在非井控区域，该方法的使用就受到了限制。所以我们一般使用第二种方法，即不需要测井信息的的统计性方法，该方法可以通过地震数据的性质反演出地震子波。本文所用的盲反卷积方法就是一种统计性方法。
传统的盲反卷积方法可以同时求解未知子波和反射率，但该方法容易陷入局部极小值且无法恢复子波的振幅信息。本文提出了一种采用混合范数的正则化双向反卷积方法。通过将地震数据的先验信息作为正则化项以避免局部极小。为了加速收敛，将具有先验信息的正则化项以预处理条件的方式进行计算，最后通过引入反射率以恢复地震子波的振幅信息。
该方法还讨论了混合范数的阈值与地震子波的长度对估计精度的影响，并提供了选择适当输入参数的指导。通过对三个合成示例进行实验验证，证明了该方法可以准确的估计混合相位地震子波，并且证明了该方法能够准确地地下介质反射率模型。在复杂结构（如具有调谐效应的楔形模型）测试中，该方法也准确的恢复了地震子波的振幅和相位信息。
进一步地，我们将此方法应用于北海Sleipner CO2储存项目，相比于传统的井震联合估计方法，新方法成功的在地震数据中恢复了混合相位子波，并且通过计算地震子波的频率谱，成功捕捉到了由CO2羽流引起的衰减效应。结合衰减测量结果，从估计子波中计算出来了相对准确的衰减因子，因此该方法使得定量解释成为可能，并增强了对CO2羽流特征的理解。
图1. 挪威北海sleipner数据，a为CO2注入前的地震数据，b为CO2注入后的地震数据，绿色框内为二氧化碳注入所致。
研究成果近期发表在地学领域国际重要期刊IEEE Transactions on Geoscience and Remote Sensing。论文第一作者为米兰网页版沈奕教授，通讯作者为米兰网页版彭炜颋博士。
论文信息：Yi Shen, Wei-ting Peng*, 2024, Regularized Bi-Directional Deconvolution for Wavelet Estimation and Its Field Application in CO2 Storage Characterization. IEEE Transactions on Geoscience and Remote Sensing, https://doi.org/10.1109/TGRS.2024.3426522.
