Bibliotecas de Python para procesamiento geofísico: Un recorrido por ObsPy y SimPEG

• Elizabeth Garces Isaza
• Jul. 31, 2023

INTRODUCCIÓN

La geofísica es la disciplina científica que estudia los procesos físicos y fenómenos que ocurren al interior de la Tierra y su interacción con la atmósfera, los océanos y el espacio exterior. Este campo abarca una amplia gama de áreas de investigaciòn que se enfocan en diferentes aspectos de nuestro planeta, entre estos tenemos la sismología, la gravimetría, la magnetometría, la geodesia, la resistividad eléctrica, el geomagnetismo, la geotermia, entre otros. La geofísica desempeña un papel crucial en la comprensión de la historia geológica de la Tierra, la detecciòn de riesgos naturales, la exploraciòn de recursos naturales y la toma de decisiones en àreas como la planificaciòn urbana y la gestiòn de desastres, su papel también es importantes en la compresiòn del cambio climático y la investigaciòn científica. El análisis de los datos geofísicos es esencial para extraer información valiosa de estas mediciones, y Python se recomienda como una herramienta poderosa debido a su flexibilidad, bibliotecas especializadas y comunidad activa.

 

 

Conoce más sobre Geofísica en el siguiente video:

 

 

 

PROCESAMIENTO DE DATOS GEOFÍSICOS

 

El procesamiento de datos geofísicos es de vital importancia porque proporciona una comprensión más profunda de los procesos y fenómenos geológicos que ocurren en el subsuelo y la corteza terrestre. Permite analizar y visualizar datos recopilados a través de diversas técnicas geofísicas, como sismología, magnetometría, resistividad eléctrica, entre otras. Al procesar estos datos, los geofísicos pueden obtener información crucial sobre la estructura del subsuelo, la presencia de recursos naturales, la identificación de riesgos geológicos y la toma de decisiones en la exploración y explotación de recursos. El procesamiento de estos datos es un proceso multidisciplinario que abarca desde la adquisición de datos hasta la interpretación de resultados, lo cual implica una serie de etapas clave que permiten transformar los datos crudos en información valiosa. 

• Adquisición de datos: Para esto se utilizan instrumentos geofísicos, cada uno de estos está diseñado para  una  técnica y fenómeno específico que se desee estudiar. Estos instrumentos pueden ser sismógrafos, magnetómetros, resistivimetros, gravímetros, entre otros. 

• Preprocesamiento: Los datos brutos son filtrados para eliminar ruido y tratados con técnicas de interpolación cuando es necesario rellenar datos faltantes.

• Georreferenciación: Se asocia cada medición con su ubicación en la Tierra, lo que permite crear mapas y análisis espaciales.

• Transformación y análisis: En función de la técnica puede ser necesario hacer transformación de datos, en otro caso se realizan análisis para identificar patrones, estructuras geológicas y propiedades del suelo.

• Inversión y modelado: Según la técnica utilizada se crean modelos 2D o 3D que representan la distribución de características geológicas.

• Visualización y presentación: Los resultados del procesamiento se visualizan en forma de gráficos, mapas, perfiles y modelos, estas visualizaciones permiten entender mejor los resultados.

• Validación y comparación: Los resultados se validan comparándolos con datos independientes o con expectativas teóricas, lo cual garantiza la calidad y confiabilidad de los resultados del procesamiento.

• Interpretación y conclusiones: Se interpretan los resultados del análisis y se extraen conclusiones sobre la estructura geológica, la distribución de recursos naturales, los riesgos geológicos u otros aspectos según sea el caso.

• Modelado y simulación: Finalmente, si se requiere se realizan modelos y simulaciones numéricas para comprender mejor los procesos geológicos y verificar la consistencia de los resultados.

 

Para el propósito de este artículo se resalta el procesamiento de datos en los campos de sismología, magnetometría y resistividad eléctrica.

 

SISMOLOGIA:

Este campo de la geofísica se dedica al estudio de la propagación de las ondas sísmicas que atraviesan la Tierra, y de la estructura y propiedades del subsuelo en general.  Entender la información obtenida en este campo contribuye a la gestión del riesgo aplicada en la planificación de infraestructuras y de desarrollo urbano, permite desarrollar sistemas de alerta temprana, estudiar la estructura interna de la tierra, la exploración de recursos naturales y la investigación científica. 

 

Conoce más sobre  Procesamiento de datos de sísmica de refracción  en el siguiente video:

 

 

 

MAGNETOMETRÍA:

La magnetometría es la técnica geofísica que permite medir y mapear las variaciones en el campo magnético de la Tierra, detectando anomalías magnéticas en la superficie de la Tierra y proporcionando información sobre la composición y la estructura del subsuelo, esto es útil en la exploración de recursos minerales, la detección de estructuras geológicas, la arqueología y estudios del suelo, la  investigación volcánica, la caracterización del subsuelo y la exploración petrolera y gasífera, entre otros.

 

Conoce más sobre  Magnetometría  en el siguiente video:

 

 

 

RESISTIVIDAD ELÉCTRICA:

En geofísica esta técnica permite estudiar la distribución de resistividad en el subsuelo, es decir, la propiedad física de los materiales que indica su capacidad para resistir el flujo de corriente eléctrica. Esto proporciona información sobre la composición y las propiedades geológicas del subsuelo, es aplicado en la exploración de recursos hídricos y minerales, la caracterización del subsuelo, el estudio de riesgos geológicos, la investigación geotécnica y los estudios ambientales.

 

Conoce más sobre  Resistividad eléctrica   en el siguiente video:

 

 

 

PYTHON EN EL PROCESAMIENTO DE DATOS GEOFISICOS

 

La elección de Python como una herramienta para el procesamiento de datos geofísicos es recomendable por varias razones:

1. Amplia disponibilidad de bibliotecas: Python cuenta con una amplia gama de bibliotecas especializadas para el procesamiento geofísico, como ObsPy, Geophysics y SimPEG, que facilitan la manipulación y análisis de datos geofísicos de manera eficiente y efectiva.

2. Facilidad de uso y sintaxis clara: Python es conocido por tener una sintaxis clara y legible, lo que hace que el código sea más fácil de escribir, entender y mantener. Esto es especialmente beneficioso para los científicos y geofísicos que no son expertos en programación.

3. Versatilidad y flexibilidad: Siendo un lenguaje versátil que permite a los geofísicos realizar una amplia variedad de tareas, desde el procesamiento básico de datos hasta la implementación de algoritmos más complejos, como técnicas de inversión y aprendizaje automático.

4. Comunidad y soporte: Python tiene una comunidad activa y una amplia base de usuarios en la comunidad científica, lo que significa que siempre hay recursos y soporte disponibles para resolver problemas y encontrar soluciones

5. Integración con otras herramientas: Python se integra fácilmente con otras tecnologías y herramientas utilizadas en la investigación geofísica, como Jupyter Notebooks para el análisis interactivo, bibliotecas de visualización como Matplotlib y Seaborn, y software de simulación y modelado numérico.

6. Escalabilidad: Python ofrece opciones para mejorar el rendimiento y la escalabilidad, como la integración con bibliotecas de cálculo numérico como NumPy y SciPy, lo que permite trabajar con grandes conjuntos de datos geofísicos.

Al aprovechar las ventajas que ofrece Python, los geofísicos pueden mejorar su eficiencia y precisión en el análisis y comprensión del subsuelo, lo que a su vez lleva a avances significativos en el campo de la geofísica. Revisaremos tres de las bibliotecas usadas en las áreas de sismología, magnetometría y resistividad eléctrica lo que permitira ejemplicar el uso de Python en la geofísica.

Las librerias de ObsPy y SimPEG son preferidas frente a otras librerías o softwares más genéricos debido a su enfoque especializado y funcionalidades específicas como la compatibilidad con formatos de datos específicos, funciones geofisicas especializadas y optimización que mejora la eficiencia. A continuación se revisa un poco sobre dichas librerías en Python.

 

OBSPY

 

ObsPy es una herramienta imprescindible en el arsenal de cualquier sismólogo moderno. Esta biblioteca de Python se ha diseñado con una misión específica: simplificar la programación para sismólogos y proporcionar una amplia gama de herramientas para el procesamiento de datos sísmicos. Su funcionalidad exhaustiva y su enfoque en la eficiencia hacen que sea una elección superior para aquellos que buscan optimizar sus flujos de trabajo en sismología.

Funcionalidad esencial para el procesamiento sísmico

ObsPy es más que una simple biblioteca; es un conjunto completo de rutinas que abarcan desde la lectura y escritura de diversos formatos de datos, como SEED/MiniSEED, Dataless SEED, XML-SEED y GSE2, hasta el filtrado, la simulación de instrumentos, el disparo, el trazado y la recuperación de datos. No solo se centra en un solo aspecto del procesamiento sísmico, sino que cubre todo el espectro, lo que ahorra tiempo y simplifica el flujo de trabajo.

Un aliado para la visualización y el análisis

La integración sin esfuerzo de ObsPy con otras bibliotecas populares de Python, como Numpy y Scipy, facilita la manipulación de matrices numéricas, lo que es fundamental para análisis más avanzados. Además, ObsPy permite la visualización de resultados en formatos 2D y 3D con la ayuda de módulos como Matplotlib o MayaVi. Esta capacidad de análisis y visualización combinada en una sola herramienta es una ventaja distintiva de ObsPy, en comparación con otros paquetes de análisis sísmico.

Desenvolviendo la capacidad con MiniSEED y Volumen GSE2

ObsPy simplifica la manipulación de datos en formatos cruciales de la sismología, como MiniSEED y Volumen GSE2. El formato MiniSEED, compacto y eficiente, almacena registros de ondas sísmicas junto con metadatos esenciales, como detalles de sensores y estaciones. Por otro lado, el Volumen GSE2 se trata de un protocolo y formato para el intercambio de información sísmica, esencial para la interoperabilidad entre diversos sistemas y redes sísmicas.

Compromiso con la calidad y la flexibilidad

ObsPy se distingue por su desarrollo impulsado por pruebas y su estructura modular. Además, busca aprovechar herramientas de terceros confiables siempre que sea posible, lo que garantiza la integridad y la calidad de sus funciones. Su naturaleza de código abierto lo hace accesible para todos, y su independencia de plataforma significa que funciona sin problemas en diferentes sistemas operativos.

 

Conoce más sobre   ObsPy   en el siguiente video:

 

 

 

 

SYMPEG

 

Cuando se trata de enfrentar desafíos complejos en geofísica, SimPEG es una herramienta poderosa que transforma la manera en que abordamos el modelado y la inversión. Esta biblioteca de código abierto en Python está diseñada específicamente para resolver problemas de inversión en geofísica, brindando una gama de capacidades para simular fenómenos físicos y estimar parámetros con precisión.

Acerca de SimPEG y su Funcionamiento

SimPEG, cuyo nombre significa "Simulation and Parameter Estimation in Geophysics", es una solución integral para modelar procesos geofísicos y analizar datos observados. Su funcionamiento se basa en la combinación de métodos numéricos y algoritmos de inversión. Aquí está cómo trabaja:

1. Definición del Problema Geofísico: El usuario define el problema geofísico que desea resolver, incluyendo las propiedades del subsuelo, la geometría del modelo y las condiciones iniciales.

2. Simulación Numérica: SimPEG utiliza métodos numéricos para simular el comportamiento de los fenómenos geofísicos en función del modelo definido. Esto implica representar físicamente cómo los procesos ocurren en la Tierra.

3. Adquisición de Datos Simulados: A partir de las simulaciones, se generan datos simulados que se compararán con los datos observados en la inversión.

4. Inversión: Mediante algoritmos de inversión, SimPEG ajusta los parámetros del modelo para minimizar la discrepancia entre los datos simulados y observados. Esto resulta en una estimación precisa de las propiedades del subsuelo.

Resultados posibles con SimPEG

La versatilidad de SimPEG ofrece una amplia gama de resultados y aplicaciones:

> Modelado detallado del subsuelo: Permite obtener mapas detallados de propiedades geofísicas, como conductividad eléctrica, distribución de fluidos y otros fenómenos.

> Caracterización de recursos: Evalúa y caracteriza yacimientos de agua subterránea, depósitos minerales y yacimientos de hidrocarburos.

> Identificación de estructuras geológicas: Localiza fallas, pliegues y otras características geológicas en el subsuelo.

> Gestión de riesgos y medio ambiente: Evalúa riesgos geológicos y la distribución de contaminantes en el suelo y agua subterránea.

La relevancia de SimPEG radica en su enfoque especializado y su capacidad para resolver problemas geofísicos complejos. Al simplificar la modelización y la inversión, permite a los científicos y geofísicos centrarse en comprender los procesos en la Tierra a partir de datos observados. Además, su naturaleza de código abierto y su compromiso con la calidad lo convierten en una herramienta confiable y actualizada para la comunidad geofísica.

 

Conoce más sobre   SimPEG   en el siguiente video:

 

 

 

REFERENCIAS

 

1. Equipo editorial Etecè (2020). Geofìsica. Concepto.de. Disponible en: https://concepto.de.

2. Equipo editorial Etecè (2022). Sismología. Concepto.de. Disponible en: https://concepto.de.

3. Griem W. (2020). Métodos geofísicos. Apuntes de geologia. Disponible en: www.geovirtual2.cl

4. Maldonado Y. (2020). Resistividad eléctrica. Geologiaweb. Disponible en: https://geologiaweb.com/geofisica/

5. Beyreuther, M., Barsch, R., Krischer, L., Megies, T., Behr, Y., y Wassermann, J.(2010). Obspy: A python toolbox for seismology. Seismological Research Letters, 81 (3), 530–533.

6. Krischer L., Megies T., Barsch R. (2015). ObsPy: A bridge for Seismology into the Scientific Python Ecosystem. Computational Science & Discovery. doi:10.1088/1749-4699/8/1/014003

7. Cockett, Rowan, Seogi Kang, Lindsey J. Heagy, Adam Pidlisecky, and Douglas W. Oldenburg (2015). SimPEG: An Open Source Framework for Simulation and Gradient Based Parameter Estimation in Geophysical Applications. Computers  & Geosciences. doi:10.1016/j.cageo.2015.09.015.