GEOSCAN, résultats de la recherche

Menu GEOSCAN


TitreEvaluating the utility of gravity gradient tensor components
AuteurPilkington, M
SourceGeophysics vol. 79, no. 1, 2014 p. G1-G14, https://doi.org/10.1190/GEO2013-0130.1
Année2014
Séries alt.Secteur des sciences de la Terre, Contribution externe 20130022
ÉditeurSociety of Exploration Geophysicists
Documentpublication en série
Lang.anglais
DOIhttps://doi.org/10.1190/GEO2013-0130.1
Mediapapier; en ligne; numérique
Formatspdf
Sujetsétablissement de modèles; modèles de la pesanteur; gravité; géophysique
Illustrationsformulae
ProgrammeÉtude des gîtes magmatiques de Ni-Cu-EPG, Initiative géoscientifique ciblée (IGC-4)
Résumé(disponible en anglais seulement)
Gravity gradiometry allows multiple single components and possible combinations of components to be used in interpretation. Knowledge of the information content of different components and their combinations is therefore crucial to their effectiveness and a quantitative rating of information level is needed to guide the choice. To this end, I use linear inverse theory to examine the relationship between the different tensor components and combinations thereof and the model parameters to be determined. The model used is a simple prism, characterized by seven parameters: the prism location, xc, yc, its width w and breadth b, the density p, the depth to top z, and thickness t. Varying these values allows a wide variety of body shapes, e.g., blocks, plates, dykes, rods, to be considered. The Jacobian matrix, which relates parameters and their associated gravity response, clarifies the importance and stability of model parameters in the presence of data errors. In general, for single tensor components and combinations, the progression from well- to poorly-determined parameters follows the trend of p, xc, yc, w, b, z to t. Ranking the estimated model errors from a range of models shows that data sets consisting of concatenated components produce the smallest parameter errors. For data sets comprising combined tensor components, the invariants I1 and I2 produce the smallest model errors. Of the single tensor components, Tzz gives the best performance overall, but those single components with strong directional sensitivity can produce some individual parameters with smaller estimated errors (e.g., w and xc estimated from Txx).
Résumé(Résumé en langage clair et simple, non publié)
Les gradio-gravimètres permettent d¿obtenir plusieurs mesures du champ de gravité, notamment sur la façon dont le champ varie dans trois directions orthogonales. On obtient habituellement six composantes différentes du champ à interpréter. Par conséquent, on doit choisir la composante ou la combinaison de composantes qui offrira l¿information la plus utile lorsque l¿interprétation porte sur la structure géologique locale. À cette fin, nous utilisons une théorie inverse linéaire afin d¿examiner la relation entre les différentes composantes ainsi que leurs combinaisons et les paramètres du modèle (géologique) à déterminer. Le classement des erreurs estimées du modèle d¿après une gamme de modèles indique que les jeux de données constitués de composantes concaténées entraînent les erreurs de paramètres les moins importantes. Parmi les composantes, Tzz donne les meilleurs résultats dans l¿ensemble, mais les composantes individuelles ayant une forte sensibilité directionnelle peuvent donner certains paramètres individuels pour lesquels les erreurs estimées sont moins importantes.
GEOSCAN ID292526