Tradicionalmente, tanto a extração do modelo de velocidades como a análise de AVO, têm sido baseadas no método de análise de velocidades e na configuração de ponto médio comum - CMP. O método CMP, contudo, possui várias limitações, o que está levando a indústria e academia à pesquisa de alternativas mais adequadas a novos desafios. Uma dessas alternativas consiste do chamado método de superfície de reflexão comum – CRS.

O método CRS de empilhamento sísmico tem os mesmos princípios e objetivos que o correspondente método CMP, a saber, o empilhamento de dados ao longo de superfícies de tempo de trânsito definidas por parâmetros, os quais são determinados por análises de coerência aplicadas diretamente aos dados.

Os objetivos dos dois métodos são a obtenção de uma seção empilhada que simula uma seção de afastamento nulo e na qual há uma substancial melhora da relação sinal/ruído (S/N) e também a obtenção de parâmetros de empilhamento, que podem fornecer valiosas informações sobre a propagação e a geologia em subsuperfície. Apesar de partilharem os mesmos princípios e objetivos mencionados acima, os métodos CRS e CMP possuem importantes diferenças: Enquanto o método CMP utiliza para o empilhamento apenas dados na configuração CMP e com um único parâmetro, a velocidade NMO (às vezes considerada com variação azimutal), o método CRS utiliza pares de fontes e receptores arbitrariamente dispostos em torno do CMP (denominado apenas ponto central). Para tanto, as superfícies de tempo de trânsito dependem de mais parâmetros, uma vez que as mesmas devem acomodar pares de fontes e receptores posicionados com maior grau de liberdade na superfície de aquisição.

São duas as conseqüências das abordagens CRS e CMP: O empilhamento CRS propicia um ganho muito superior em razão S/N, uma vez que a redundância é muito maior. Além disso, o número maior de parâmetros obtidos pelas análises de coerência propicia a obtenção de maiores informações sobre a propagação e a geologia. O preço a pagar é o substancial incremento do esforço computacional para a realização do CRS. O empilhamento CRS pode ser traduzido na soma das amostras dos CMPs vizinhos, como em um “mix”, segundo uma direção que faz com que estas amostras estejam em fase. Ou seja, o processo busca somar informações de acordo com uma abertura escolhida na superfície de reflexão.

O método CRS já vem sendo testado em várias partes do mundo em sua forma 2D. Os resultados não deixam duvida quanto aos ganhos quando comparados ao processamento convencional. Porém, um aspecto ainda pouco explorado é seu potencial para incrementar a banda de freqüência do dado. Neste ponto muito ainda deve ser investigado, mas testes preliminares realizados no LGC têm mostrado resultados animadores.

A entrada do CRS no mundo 3D vem acontecendo em alguns centros de pesquisas e mesmo de produção, de forma lenta. Embora a teoria seja praticamente a mesma daquela usada no 2D, o número de parâmetros a se pesquisar aumenta de forma significativa (de três parâmetros para oito), o que impõe um grau de dificuldade muito maior, além do incremento no tempo computacional. Se o desafio é grande, o prêmio pode ser maior. Processar CRS 3D pode implicar em um significativo incremento na relação S/R, mesmo diante de pequenas aberturas laterais. Como a abertura é um limitador natural (quanto mais complexa a geologia, menor tem de ser a abertura), o CRS 3D, mesmo com pequenas aberturas, pode empilhar um número de traços bem superior ao operador 2D. Neste sentido, o potencial do CRS 3D para a extensão da banda de freqüências é muito grande e pode vir a resolver, ou pelo menos contribuir, para o enquadramento do problema dos reservatórios delgados. Esta e uma demanda antiga da indústria de petróleo.

Desde sua apresentação pelo Consórcio WIT em 1997, o método CRS vem ganhando reconhecimento, sendo cada vez maior a atividade de pesquisa destinada a maximizar seus ganhos e reduzir seus problemas.

Alguns dos tópicos de pesquisa, estritamente relacionados ao método CRS, que serão abordados neste projeto podem ser sumarizados:

1. Escolha de estratégias de busca de parâmetros: O número de parâmetros (oito) é bastante elevado para uma busca simultânea. Desta forma devem-se considerar aproximações das fórmulas ou restrições a configurações mais simples, de modo a quebrar a busca em sub-buscas mais simples. Estas fornecem uma aproximação inicial que é refinada ao conjunto otimizado de parâmetros, o qual constitui o valor final.
2. Aberturas de busca: Cada parâmetro a ser extraído requer uma abertura que deve estar calibrada para a obtenção dos melhores resultados, tanto em precisão como em eficiência computacional.
3. Utilização dos parâmetros: Os parâmetros extraídos fornecem seções ou painéis que trazem informações sobre a propagação e a geologia. Quais parâmetros, ou quais combinações destes, devem ser considerados, constitui um problema bastante relevante.
4. Resoluções vertical e lateral: Esta é uma pesquisa muito interessante e importante que deve ter impacto na avaliação do desempenho do método CRS. As pesquisas realizadas no LGC em 2D apontam para resultados muito promissores.
5. Análise do ruído e sinais indesejados: O CRS procura empilhar qualquer sinal coerente. Este é o caso de múltiplas ou ruídos coerentes. A pesquisa deve se concentrar em informações que os parâmetros CRS podem fornecer para discriminá-los. No caso 2D, um método de identificação e eliminação de múltiplas através da análise dos parâmetros CRS está em fase de testes.

Além dos aspectos acima mencionados que se referem à melhor utilização do CRS, seja na extração dos atributos, seja na obtenção dos empilhamentos, o projeto contempla de forma abrangente e sistemática, a pesquisa e desenvolvimento de algoritmos visando a utilização dos atributos CRS em uma série de problemas de imageamento sísmico.

Nesta perspectiva, o projeto pretende obter considerável melhoria nos modelos de velocidade e conseqüente melhoria da estimativa de geopressões. Além disso, o método permite reduzir os efeitos de estiramento tipicamente encontrados em dados nos quais se aplicam as correções de NMO convencionais. Dessa forma, o método CRS poderá permitir a estimativa de atributos de AVO em dados livres do efeito de estiramento. O método será intensamente utilizado para comprovar este benefício. Mais especificamente, o projeto abordará os seguintes tópicos de pesquisa:

1. Construção de campos de velocidades migradas para migração em tempo pós e préempilhamento em 2D e 3D;
2. Atenuação de estáticas residuais e de superfície (topográficas) em 2D;
3. Construção de seções de AVO/AVA através de atributos ZO e CO CRS 2D;
4. Identificação e atenuação de múltiplas com base nos atributos ZO CRS 2D, e tentativamente, 3D;
5. Obtenção de modelos de velocidade em profundidade 2D (e tentativamente 3D) através de tomografia sísmica utilizando atributos ZO CRS;
6. vi. Migração Kirchhoff em verdadeira amplitude utilizando os modelos de velocidades em profundidade fornecidos pela tomografia ou outros modelos em 2D (e tentativamente em 3D).

A validação de algoritmos de empilhamento, análise AVO/AVA, tomografia e imageamento a partir de atributos CRS é parte integrante do projeto. Para isso, utilizaremos dados gerados sinteticamente, através de diferenças finitas, em 2D e 3D, com e sem a presença de múltiplas de superfície. Esta meta inclui as seguintes atividades:

1. Construção de modelos de velocidade em 2D e 3D, representando alvos exploratórios de bacia marginal, usando o aplicativo GOCAD;
2. Geração de dados sintéticos em 2D e 3D, por diferenças finitas para os variados fins do projeto, utilizando os clusters locais do LGC/Unicamp e ProSis/UFPa cluster da Rede de Geofísica;
3. Interpretação de eventos nos dados gerados por diferenças finitas, através de traçamento de raios utilizando, entre outros, o aplicativo NORSAR.

Os atributos estimados durante o empilhamento CRS podem ser utilizados para a estimativa de modelos de velocidade em profundidade. A tomografia de atributos CRS-ZO foi proposta no consórcio WIT e se encontra implementada em 2D e 3D. Em áreas de acentuada variação lateral de velocidade, a inversão de atributos locais de dados pré-empilhados tem maior potencial para estimativa de modelos de velocidade. Estes atributos incluem o tempo de trânsito, a tangente aos eventos e sua curvatura. Eles podem ser estimados, de maneira robusta, através de CRSCO ou de transformada de Radon. A partir destes dados é possível aplicar diferentes estratégias de inversão tomográfica: tomografia de tempo de trânsito, estéreotomografia e tomografia de atributos CRS-CO.

A tomografia de dados de reflexão é um problema não-linear. Esta característica torna sua solução, obtida através de iterações lineares, fortemente dependente do modelo inicial. Modelos de velocidade em tempo estimados a partir do empilhamento CRS e métodos de conversão tempo-profundidade permitem a estimativa de modelos iniciais mais adequados para tomografia. Os atributos locais de eventos de reflexão são insuficientes para garantir uma solução única para tomografia. A estimativa de modelos estáveis depende de informações adicionais. Estas determinam características da solução encontrada. Tradicionalmente, vínculos de suavidade são utilizados para garantir o traçamento de raios através do modelo. A pesquisa de formas alternativas de informação a priori será um objetivo no desenvolvimento dos algoritmos de tomografia.

O modelo de velocidade estimado através da tomografia de atributos de eventos de reflexão pode ser refinado. O alinhamento de eventos em famílias de ponto imagem comum (CIG), no domínio do afastamento ou ângulo de reflexão, fornece uma função objetivo para inversão. Este critério é utilizado para melhorar a focalização da imagem em profundidade. Aproximações do tipo CRS fornecem uma alternativa para estimar atributos cinemáticos de eventos em famílias CIG, no domínio do afastamento ou do ângulo. Estes atributos permitem efetuar análise de velocidade residual através de tomografia utilizando a curva de afastamento de eventos selecionados no domínio migrado.

As estratégias descritas acima formam o eixo da pesquisa em análise de velocidade em profundidade neste projeto. Como resultados esperados específicos, citamos os algoritmos:

• marcação automatizada de eventos, baseada na coerência de empilhamento local, em vários domínios: tiro comum, receptor comum, CMP, CO e CIG, em 2D e possivelmente 3D;
• conversão tempo-profundidade em 2D e 3D;
• tomografia de atributos locais de eventos de reflexão pré-empilhamento: tempo de trânsito, tangente e curvatura em 2D e possivelmente 3D;
• refinamento de modelos de velocidade estimados da tomografia através de análise de velocidade residual em 2D.