Dị thường trọng lực (Gravity anomaly) là sự khác biệt giữa gia tốc quan

sát của trọng lực của hành tinh với giá trị trường bình thường, là giá trị
trường tính toán được khi khái quát hành tinh theo một mô hình xác định.
Thăm dò trọng lực (Gravimetry) là một phương pháp của Địa vật lý, thực
hiện đo Trọng trường Trái Đất để xác định ra phần dị thường trọng lực, từ
đó xác định phân bố mật độ dư của các khối đất đá, giải đoán ra cấu trúc
địa chất và tính chất, trạng thái của đất đá.
Xác định giao diện Moho bằng một thuật toán đã sửa đổi dựa trên sự kết hợp
của các kỹ thuật miền không gian và tần số: một nghiên cứu điển hình từ
Arabian Shield

Xác định giao diện Moho bằng cách sử dụng một thuật toán đã sửa đổi dựa trên sự
kết hợp của các kỹ thuật miền không gian và tần số: một nghiên cứu điển hình từ
Arabian Shield
TRỪU TƯỢNG
Bài báo này trình bày một thuật toán modi và một chương trình dựa trên
MATLAB để tính toán địa hình Moho, sử dụng sự kết hợp của kỹ thuật miền
không gian và thuật toán dựa trên FFT. Ưu điểm của thuật toán là nó thực hiện các
phép tính nhanh chóng với độ chính xác cao và thủ tục tính toán không cần sử
dụng bộ chuyển tiếp thấp trong quá trình lặp. Khả năng ứng dụng của kỹ thuật đề
xuất được thể hiện trên ba dữ liệu tổng hợp 3D và dữ liệu trọng lực thực từ Arabian
Shield, Ả Rập Saudi. Đối với các trường hợp dữ liệu tổng hợp, các kết quả thu
được tương thích với các cấu trúc giả định. Ứng dụng trên dữ liệu thực chỉ ra rằng
kết quả ước tính của công nghệ được đề xuất so sánh tốt với dữ liệu địa chấn
1. Giới thiệu
Ước tính độ sâu của cấu trúc mật độ từ dị thường trọng lực(sự khác biệt giữa gia
tốc quan sát của trọng lực của hành tinh với giá trị trường bình thường, là
giá trị trường tính toán được khi khái quát hành tinh theo một mô hình xác
định) quan sát được là một trong những bài tập kinh điển trong khám phá khu vực.
Nhiều phương pháp giải thích khác nhau đã được đưa ra để giải quyết vấn đề này.
Một số tác giả (ví dụ: Thompson 1982; Kilty 1983; Keating, 1998; Beiki 2010;
Tedla và cộng sự 2011; Mammo 2012; Ghosh và Singh 2014; Nguyễn và Đỗ 2016;
Chouhan và cộng sự 2020; Kumar và cộng sự 2020b) đã sử dụng Giải điện từ
Euler và Werner được biết đến như các phương pháp tự động để ước tính độ sâu
của nguồn trọng lực. Nhược điểm của các giải điện thế Euler và Werner là chúng
yêu cầu giả định về loại và bản chất của các cơ quan gây bệnh. Ngoài giải điện tử
Euler và Werner, các phương pháp quang phổ cũng là các kỹ thuật được sử dụng
rộng rãi để lập bản đồ các giao diện mật độ. Các phương pháp này đã được Spector
và Grant ghi lại đầy đủ(1970), Maus (1999), Tselentis và cộng sự. (1988), Russo
và Tốc độ (1994), Sanchez-Rojas (2012) và Ngalamo et al. (2018). Nhược điểm
lớn của các phương pháp quang phổ này là kết quả thu được phụ thuộc vào kích
thước cửa sổ. Để giải quyết vấn đề này, các phương pháp miền tần số dựa trên
thuật toán dựa trên FFT có thể được sử dụng trong giải thích lực hấp dẫn
(Oldenburg 1974; Granser 1986, 1987a; Guspi 1993; Pilkington 2006). Trong
những năm gần đây, các ứng dụng của phương pháp miền tần số trên dữ liệu
trường tiềm năng đã trở nên phổ biến (Tugume et al. 2013; Gao et al. 2017;
Oruc¸ et al. 2017; Nguiya et al. 2019; Nguyen and Nguyen 2013 ; Pham et al.
2019, 2021; Kumar et al. 2020a; Nguyen et al. 2020; Xuan et al. 2020; Long et al.
2021). Ưu điểm chính của các kỹ thuật miền tần số này là tính toán nhanh hiệu ứng
trọng lực, và hạn chế chính của nó là quy trình cần sử dụng bộ lọc thông thấp có
thể cắt các tần số cao (Oksum 2021). Trên thực tế, rất khó và phức tạp khi quyết
định nên loại bỏ thành phần tần số cao nào (Shin et al. 2006; Pham et al. 2018;
Oksum 2021). Một nhóm khác của phương pháp ước lượng độ sâu áp dụng mô
hình lăng kính xếp chồng Bott (1960) để đảo ngược dữ liệu trọng lực cho các giao
diện mật độ (tức là Rao và cộng sự 1993; Chakravarthi và Sundararajan 2004;
Chakravarthi và cộng sự 2013; Santos và cộng sự 2015 ; Silva và Santos 2017).
Các phương pháp này được gọi là kỹ thuật miền không gian. Mặc dù các kỹ thuật
miền không gian không yêu cầu độ cao thấp, nhưng việc tăng nhanh thời gian tính
toán với các bộ dữ liệu lớn vẫn là một vấn đề kỹ thuật của các kỹ thuật này (Shin
và cộng sự 2006). Ngoài các phương pháp trên, Granser (1987b) và Chai và Hinze
(1988) đã phát triển các kỹ thuật dựa trên sự kết hợp của kỹ thuật miền tần số và
quy trình lặp lại của Bott’s (1960) để ước tính độ sâu cho các bể trầm tích. Các kỹ
thuật này ước tính lưu vực trầm tích bằng một tập hợp các lăng trụ đứng 3D có
đỉnh trùng với mặt phẳng quan sát (z 0). Do đó, các kỹ thuật này không thích hợp
cho các nghiên cứu Moho và LAB (ranh giới thạch quyển). Mặc dù Xia và Sprowl
(1995) cũng đã giới thiệu sự kết hợp của các kỹ thuật miền tần số và không gian,
nhưng phương pháp của họ yêu cầu phỏng đoán ban đầu về độ sâu đến đáy của
lớp, điều này là chính xác và bị hạn chế bởi các địa chất hoặc địa vật lý khác. thông
tin.
Trong nghiên cứu này, chúng tôi phát triển một thuật toán phương thức dựa trên sự
kết hợp của không gian kỹ thuật miền và kỹ thuật miền tần số để giải quyết các
nhược điểm của chúng. Thuật toán này không yêu cầu đỉnh của cấu trúc mật độ ở
bề mặt. Ngoài ra, nó cũng không yêu cầu độ sâu đến đáy của lớp. Phương pháp đề
xuất được phát triển trong môi trường MATLAB với giao diện người dùng đồ họa
để thiết lập các tham số đầu vào và lựa chọn các định dạng xuất đầu ra. Khả năng
ứng dụng và tính khả thi của phương pháp đề xuất được chứng minh bằng cách đảo
ngược các dị thường trọng lực gây ra bởi hai mô hình tổng hợp và dữ liệu thực tế
từ Arabian Shield, Ả Rập Xê-út.

2. Lý thuyết
Kỹ thuật Parker – Oldenburg được biết đến như một phương pháp miền tần số dựa
trên
về mối quan hệ giữa phép biến đổi Fourier dị thường trọng lực và tổng của Phép
biến đổi Fourier của lũy thừa của độ sâu giao diện mật độ. Khi chỉ thị tích cực- trục
z hướng xuống, mối quan hệ này được định nghĩa là (Parker 1973)

trong đó c là hằng số hấp dẫn của Newton, q là độ tương phản mật độ, h là địa hình
giao diện ở độ sâu tham chiếu z0, F [] tượng trưng cho phép biến đổi Fourier, k=
√ k 2x + k 2y với kx và ky lần lượt là các số theo phương x- và y.

Oldenburg (1974) đã sắp xếp lại Eq. (1) và thu được một biểu thức để tính toán độ
sâu giao diện mật độ như sau

trong đó F-1 [] là phép biến đổi Fourier ngược.

Để đảm bảo sự hội tụ tính toán, bộ lọc thông thấp LPF (k) sẽ được thêm vào
phương trình trong quá trình tính toán (Oksum 2021). Bộ lọc được cung cấp bởi
(Gomez-Ortiz và Agarwal 2005):
trong đó f1 và f2 là tần số của bộ lọc LPF. Trên thực tế, rất khó và com plex quyết
định nên sử dụng dải tần nào. Hơn nữa, việc sử dụng bộ lọc dẫn đến mất tín hiệu,
làm cho kết quả thu được mượt mà hơn so với cấu trúc thực tế.
Ở đây, chúng tôi đề xuất sử dụng một sửa đổi của phương pháp Bott’s (1960) với
phương pháp tính toán chuyển tiếp dựa trên kỹ thuật dựa trên FFT (Phương trình
(1)) để giải quyết vấn đề này. Ban đầu độ sâu của giao diện mật độ tại mỗi điểm
lưới (i, j) có thể được tính như sau:

Sử dụng sự khác biệt giữa Dgcals được tính toán và Dgobs bất thường quan sát
được, phân bố độ sâu của giao diện có thể được cải thiện như sau

trong đó t biểu thị bước lặp lại.

Quá trình cập nhật ước tính độ sâu tiếp tục cho đến khi số lần lặp là
đạt được, hoặc đạt được sự phù hợp mong muốn giữa các dị thường được tính toán
và quan sát được trong khi
lỗi RMS (bình phương căn bậc hai) được sử dụng làm thước đo mức độ tốt này:

trong đó N và M lần lượt là số nút lưới dọc theo hướng x và y.

3. Tổng quan về INV3D GUI

Mã INV3D là giao diện người dùng với các mục menu đồ họa để thiết lập các tham
số mô hình hóa nghịch đảo / chuyển tiếp và chọn định dạng xuất đầu ra. Bảng điều
khiển đảo ngược và chuyển tiếp có thể được kích hoạt bất kỳ lúc nào bằng cách
nhấp vào nút [Đảo chế độ / Chuyển tiếp] nằm ở trên cùng bên trái và bên phải của
màn hình, tương ứng. Phản ứng trọng lực của mô hình độ sâu đặc biệt có thể được
thực hiện bằng cách kích hoạt bảng [Chế độ chuyển tiếp]. Khi mã được chạy lần
đầu tiên, bảng đảo ngược sẽ tự động xuất hiện dưới dạng giao diện đồ họa chính.
Phần trên cùng của bảng điều khiển này bao gồm một mục menu nơi cung cấp mục
nhập dữ liệu trường, các ô có thể chỉnh sửa nơi xác định các tham số trường (độ
tương phản mật độ và độ sâu trung bình) và kiểm soát dừng lặp (tiêu chí lỗi RMS
và số lần lặp tối đa)

có thể được tạo, và một menu xác định nơi thuật toán đảo ngược có thể được bắt
đầu (Hình 1 (a)). Đầu vào của dữ liệu trường được cung cấp bởi menu [TẢI DỮ
LIỆU] yêu cầu dữ liệu được đánh lưới ở định dạng lưới nhị phân hoặc văn bản
(m.grd) được hỗ trợ bởi chương trình Surfer
(Phần mềm vàng). Khoảng cách giữa lưới ô vuông ở phía đông và phía bắc phải
bằng nhau và không được phép có khoảng trống dữ liệu trong lưới dữ liệu đầu vào.
Phần còn lại của bảng điều khiển bao gồm các khu vực hiển thị cho bản đồ đầu vào
và kết quả thu được sau khi kết thúc thuật toán ở các khu vực phía dưới bên trái và
bên phải, tương ứng.
Sau khi tải dữ liệu, nhãn của mục tải dữ liệu được thay thế bằng tên của dữ liệu đầu
vào và bản đồ đường viền màu của dữ liệu đầu vào được hiển thị (Hình 1 (b)). Sau
đó, người dùng được nhắc nhập các tiêu chí về độ tương phản cường độ, độ sâu
trung bình và tiêu chí dừng lặp lại. Các đơn vị được biểu thị bằng km cho khoảng
cách, mGal cho trọng lực và g / cm3 cho độ tương phản mật độ. Sau khi xác nhận
các mục nhập, quá trình bắt đầu bằng cách xây dựng các ước tính độ sâu ban đầu
bằng cách sử dụng Eq. (5) và sử dụng chúng trong Eq. (1) để tính toán phản ứng
trọng lượng của giao diện này. Tiếp theo, việc cải thiện độ sâu được thực hiện với
Eqs. (6) và (1) được lặp lại. Quy trình lặp lại này dừng khi lỗi RMS giữa dữ liệu
trọng lực được quan sát và tính toán thấp hơn tiêu chí đặt trước hoặc khi nó đạt đến
số lần lặp lại giới hạn đặt trước. Cuối cùng, phản ứng trọng lực và độ sâu đảo
ngược thu được ở bước lặp cuối cùng, phần dư giữa đầu vào và dị thường trọng lực
được mô hình hóa và RMS sau mỗi lần lặp được ghi lại. Bảng đầu ra của mã cho
phép người dùng xem hoặc xuất bất kỳ bản ghi nào ở định dạng số hoặc hình ảnh
bằng [Chọn đầu ra] hoặc bằng các mục menu [Xuất] ở bên phải màn hình (Hình 2).
Các kết quả được lưu với tên riêng của người dùng được chia sẻ trên tất cả các kết
quả đầu ra. Các
mã tự động thêm một phần mở rộng thông tin vào đầu ra có sẵn. Các định dạng
xuất số (m.grd, m.dat) tương thích với các định dạng của Golden Software, trong
khi đầu ra hình ảnh được cung cấp ở định dạng đồ họa mạng di động (m.png) với
độ phân giải
300 dpi.
4. Thử nghiệm trên dữ liệu tổng hợp
Khả năng ứng dụng của thuật toán đề xuất và chương trình INV3D được kiểm tra
với ba ví dụ mô hình tổng hợp, trong đó các cấu trúc đã xác định được so sánh với
cấu trúc thực và cấu trúc thu được từ phương pháp miền tần số.
Mô hình đầu tiên bao gồm một mái vòm và một lòng chảo với độ sâu trung bình là
20 km và độ tương phản mật độ là 0,4 g / cm3. Hình 3 (a, b) hiển thị hình chiếu 3D
và mặt bằng của địa hình giao diện của mô hình này. Dị thường trọng lực do mô
hình tính toán tại 128 128 nút lưới với khoảng cách 1 km, được thể hiện trong Hình
3 (c). Sự bất thường này phải được mô hình hóa bằng cách sử dụng thuật toán được
đề xuất. Quá trình đảo ngược thực hiện 78 lần lặp trước khi kết thúc vì lỗi RMS
giữa dị thường trọng lực lý thuyết và tính toán giảm xuống dưới mức sai số được
gán trước là 10—2 mGal. Hình 3 (d) cho thấy độ sâu thu được từ thuật toán đề
xuất. Có thể quan sát từ Hình 3 (b, d) rằng độ sâu đảo ngược chính xác trùng với
độ sâu mô hình. Sự khác biệt giữa các độ sâu này được hiển thị trong Hình 3 (f)
với sai số RMS giữa chúng chỉ là 0,0623 km. Hình 3 (e) hiển thị dị thường trọng
lực được tính toán từ độ sâu trong Hình 3 (d). Chúng ta có thể thấy rằng dị thường
này hoàn toàn khớp với dị thường lý thuyết. Sự khác biệt giữa các dị thường này
được hiển thị trong Hình 3 (g) và sai số RMS giữa chúng chỉ là 0,0099 mGal. Nó
là
Đáng chú ý là thời gian sử dụng máy tính theo phương pháp đề xuất chỉ mất 3,6
giây. Để so sánh, kỹ thuật miền tần số Parker – Oldenburg được sử dụng để giải
thích sự bất thường trọng lực của mô hình. Để đảo ngược sự bất thường bằng kỹ
thuật này, các tham số của bộ lọc LPF được chọn là f1 ¼ 1 / hmax ¼ 0,043 và f2 ¼
0,5f1. Lưu ý rằng, trên thực tế, chúng tôi không biết chính xác tối đa (hmax) của
độ sâu đối với địa hình bề mặt. Tương tự như phương pháp đề xuất, kỹ thuật này
đòi hỏi ít thời gian sử dụng máy tính hơn, nhưng độ sâu ước tính (Hình 3 (h)) khớp
yếu với độ sâu giả định. Hình 3 (i) hiển thị sự khác biệt giữa độ sâu giả định và độ
sâu đảo ngược theo kỹ thuật tần số. Sự khác biệt này nằm trong khoảng từ 0,6008
đến 0,6069 km với sai số RMS là 0,2025 km, lớn hơn đáng kể so với sai số từ thuật
toán đề xuất.
Mô hình thứ hai chứa ba mái vòm và ba lòng chảo với độ sâu trung bình là 20 km
và độ tương phản mật độ là 0,4 g / cm3. Các hình chiếu 3D và mặt bằng của biểu
đồ giao diện của mô hình này được hiển thị trong Hình 4 (a, b), tương ứng. Sự dị
thường của trọng lực (Hình 4 (c)) của mô hình được tính toán trên lưới 256 256 với
khoảng cách 1 km. Chúng tôi áp dụng thuật toán đã trình bày cho dữ liệu trọng lực
trong Hình 4 (c). Trong trường hợp này, phương thức đã thực

hiện 25 lần lặp trước khi nó bị chấm dứt. RMS giữa dị thường trọng lực theo
phương pháp nghiên cứu và tính toán đã giảm từ 8,6031 mGal cho độ sâu ban đầu
xuống 0,0091 mGal vào cuối lần lặp thứ 25. Hình 4 (d) cho thấy độ sâu thu được
từ thuật toán đề xuất. Chúng ta có thể thấy rằng độ sâu đảo ngược bắt chước chính
xác độ sâu của mô hình và sự khác biệt nhỏ giữa chúng được hiển thị trong Hình 4
(f). Sai số RMS giữa các độ sâu này chỉ là 0,0058 km. Hình 4 (e) cho thấy dị
thường trọng lực được tính toán từ độ sâu trong Hình 4 (d). Chúng ta có thể thấy
rằng dị thường này hoàn toàn khớp với dị thường lý thuyết, và sự khác biệt nhỏ
giữa chúng được hiển thị trong Hình 4 (g). Sai số RMS giữa những dị thường này
chỉ là 0,0094 mGal. Trong trường hợp này, thời gian máy tính cần thiết theo
phương pháp đề xuất là 4,5 s. Tương tự như mô hình đầu tiên, dị thường trọng lực
của mô hình này cũng bị đảo ngược bởi kỹ thuật miền tần số. Ở đây, các thông số
của bộ lọc LPF được chọn là f1 1 / hmax 0,045 và f2 0,5f1. Hình 4 (h) cho thấy độ
sâu ước tính bằng kỹ thuật miền tần số. Sự khác biệt giữa độ sâu giả định và độ sâu
đảo ngược bằng kỹ thuật tần số được hiển thị trong
Hình 4 (i) với sai số RMS là 0,0241 km. Bằng cách so sánh Hình 4 (f, i), có thể
thấy rằng phương pháp đề xuất mang lại độ sâu với độ chính xác cao hơn.
Để kiểm tra độ nhạy của thuật toán được đề xuất đối với nhiễu ngẫu nhiên, dị
thường trọng lực trong Hình 4 (c) được làm hỏng với nhiễu ngẫu nhiên có biên độ
bằng 5% biên độ dị thường. Hình 5 (a) cho thấy dữ liệu bị nhiễu. Hình 5 (c) cho
thấy độ sâu thu được từ việc áp dụng phương pháp đề xuất cho dữ liệu trọng lực
trong Hình 5 (a). Đây,
lược đồ đảo ngược dừng lại khi lỗi RMS giữa các dị thường được tính toán và
nhiễu giảm xuống dưới mức sai số được chỉ định trước là 0,1 mGal. Sự khác biệt
giữa độ sâu ước tính và độ sâu mô hình được thể hiện trong Hình 5 (e) với sai số
RMS là 0,0602 km. Chúng ta có thể thấy rằng sự khác biệt giữa các độ sâu là khá
lớn khi có nhiễu. Trong trường hợp này, nên tính toán tiếp tục hướng lên để giảm
nhiễu trong dữ liệu. Hình 5 (b) cho thấy dữ liệu trọng lực nhiễu liên tục từ 5 km trở
lên. Vì dữ liệu nhiễu tiếp tục tăng lên đến độ cao 5 km, chúng tôi sử dụng độ sâu
trung bình là 25 km và kết quả thu được từ việc áp dụng phương pháp đề xuất được
trừ đi 5 km. Thuật toán yêu cầu lặp lại ba mươi lần để sự hội tụ của điểm bất
thường tổng hợp thành điểm bất thường tiếp tục tăng lên. Hình 5 (d) cho thấy kết
quả độ sâu cuối cùng. Như đã quan sát thấy rõ, kết quả của phương pháp đề xuất
được cải thiện khi sử dụng dữ liệu giảm nhiễu. Bằng cách so sánh kết quả trong
Hình 5 (d) với độ sâu mô hình, chúng ta có thể thấy rằng kết quả độ sâu tính toán
so sánh hợp lý với độ sâu lý thuyết. Sự khác biệt giữa các độ sâu này được thể hiện
trong Hình 5 (f) trong đó sai số RMS giữa chúng chỉ là 0,0190 km.
5. Ứng dụng thực tế
Khu vực nghiên cứu nằm trong phần Lá chắn Ả Rập của Ả Rập Xê Út (Hình 6 (a)).
Khiên Ả Rập chủ yếu bao gồm đá móng kết tinh được cấu tạo bởi lớp vỏ lục địa có
tuổi Precambrian (Hình 6 (b)). Ở các khu vực tây bắc và miền trung, phần nền này
được bao phủ bởi trầm tích Đệ tứ và đá núi lửa Kainozoi (Hình 6 (b)). Lá chắn Ả
Rập bị cắt thành các địa hình do thiết lập kiến tạo: Jeddah, Asir, H´ail, A fi f, Ad
Dawadimi, Midyan, Hijaz và Ar Rayn (Johnson 2000). Những địa hình này được
bồi đắp với nhau 600–900 Ma, và đá móng trong Khiên Ả Rập có ít hoặc không có
lớp phủ trầm tích (Hansen và cộng sự 2007). Ranh giới của các địa hình này là các
vùng khâu được đặc trưng bởi các đá siêu ma nằm thẳng hàng trong các vành đai
sinh sản riêng biệt (Agar 1992). Đá Paleozoi của Ả Rập Xê Út được công nhận là
đá chủ của hơn 30 trường hydrocacbon (Laboun 2019). Lá chắn Ả Rập được phân
biệt theo khu thương mại, nơi nó có tiềm năng cao về khoáng sản kim loại. Nhiều
mỏ vàng đã được phát hiện trong Arabian Shield (> 800) (Darwish và Butt 1996).
Vì dữ liệu địa chấn (ví dụ khúc xạ địa chấn sâu, chức năng máy thu, phản xạ góc
rộng và hình ảnh nhiễu xung quanh) cho phép thực hiện hình ảnh mạnh mẽ nhất
của bề mặt dưới, cấu trúc lớp phủ trên của Lá chắn Ả Rập đã được khảo sát trong
nhiều nghiên cứu bằng cách sử dụng diễn giải địa chấn (Mooney et al. 1985,
Kumar et al. 2002, Hansen et al. 2007, Park et al. 2008). Tuy nhiên, số liệu địa
chấn phân bố không đều và không đều trong khu vực nghiên cứu. Dữ liệu trọng lực
có phạm vi bao phủ và phân bố không gian tốt hơn so với dữ liệu địa chấn và do
đó, nó có thể được coi là dữ liệu quan trọng để xác định cấu trúc dưới bề mặt
(Sobh et al. 2019).
Dữ liệu trọng lực được sử dụng trong nghiên cứu này được trích xuất từ mô hình
trọng lực toàn cầu WGM2012 (Bonvalot et al. 2012). Dữ liệu này thu được bằng
sự kết hợp của các mô hình DTU10 và EGM2008 (Bonvalot và cộng sự 2012).
Hình 7 mô tả bản đồ trọng lực Bouguer của Lá chắn Ả Rập. Chúng tôi sử dụng
phân tích quang phổ của dữ liệu trọng lực Bouguer (Spector và Grant 1970) để tính
toán hiệu ứng trọng lực Bouguer lớp phủ. Nói chung, các sóng xuyên tâm thấp chủ
yếu liên quan đến các nguồn sâu, và các sóng xuyên tâm trung gian chủ yếu tương
ứng với các nguồn nông, trong khi các sóng bán kính cao bị chi phối bởi tiếng ồn
(Spector và Grant 1970). Trong nghiên cứu này, dữ liệu trọng lực của lớp phủ
Bouguer (Hình 8 (a)) được tính toán bằng cách loại bỏ các thành phần tần số cao
(> 0,006 km — 1) của các dị thường Bouguer, có liên quan đến các cấu trúc nông
(Salem và cộng sự 2013) . Ở đây, chúng tôi tập trung vào việc
xác định Độ sâu giao diện Moho của khu vực sử dụng độ sâu tham chiếu là 37 km
và độ tương phản mật độ 0,35 g / cm3, được lấy từ dữ liệu địa chấn (Hansen et al.
2007). Hình 8 (b) cho thấy độ sâu Moho được tính theo phương pháp hiện tại. Thủ
tục lặp đã lặp lại 83 lần trước khi nó bị chấm dứt. Trong trường hợp này, sai số
RMS giữa trọng lực lớp phủ Bouguer và các dị thường được tính toán chỉ là 0,0104
mGal. Kết quả thu được cho thấy độ sâu bề mặt Moho nằm trong khoảng từ 28,2
đến 46,2 km. Hình dạng của giao diện Moho được xác định từ thuật toán được đề
xuất đã cho thấy sự hiện diện của các vết lõm và tăng Moho có xu hướng NW –
SE. Hình 8 (c) hiển thị dữ liệu dị thường trọng lực thu được từ việc áp dụng Eq. (1)
đến độ sâu đảo ngược. Bằng cách so sánh
Hình 8 (a, c), chúng ta có thể thấy rằng cấu trúc Moho trong khu vực nghiên cứu
thu được từ thuật toán đề xuất tạo ra một dị thường trọng lực có hình dạng rất
giống với lớp phủ dư nghĩa bóng. Hình 8 (d) hiển thị sự khác biệt giữa các dị
thường được mô hình hóa và phần dư. Có thể thấy, sự khác biệt này là rất nhỏ và
nằm trong khoảng 0,0569 đến 0,0833 mGal. Kết quả của chúng tôi so sánh tốt với
cuộc điều tra trước đây của Salem et al. (2013) dựa trên dữ liệu trọng lực nơi độ
sâu Moho dao động từ 27,5 đến 45 km. Kể từ khi nghiên cứu của Salem et al.
(2013) bao gồm một khu vực rộng lớn, bản đồ Moho của họ có độ phân giải thấp.
Mechie và cộng sự. (2013) ước tính độ sâu tới Moho trong khoảng từ 35 đến 40
km ở phía đối lưu bằng cách sử dụng dữ liệu trọng lực từ mô hình EIGEN06C.
Những độ sâu này thường phù hợp tốt với kết quả của chúng tôi nhưng với độ phân
giải thấp hơn. Dựa trên phân tích các chức năng của máy thu từ bảy trạm địa chấn,
Kumar et al. (2002) chỉ ra rằng độ sâu Moho xoay quanh 35 38 km với độ sâu
trung bình là 37 km. Sử dụng phương pháp Parker – Oldenburg để đảo ngược dữ
liệu trọng lực, Eldosouky et al. (2021) cho biết độ sâu tới Moho của khu vực
nghiên cứu thay đổi từ 25 km đến 48 km. Việc giải thích của chúng tôi cũng được
hỗ trợ bởi mô hình Moho từ các hàm thu của Park et al. (2008), thu được bằng
cách lấy kết quả từ các nghiên cứu của Mooney và cộng sự. (1985), Al-Damegh và
cộng sự. (2005) và Kumar et al. (2002) và nội suy chúng bằng thuật toán lập lưới
độ cong tối thiểu. Mô hình này gợi ý về sự giải tỏa Moho ở độ sâu phạm vi 30–45
km (Park và cộng sự, 2008). Tuy nhiên, do tính trung bình, Moho địa chấn mịn
hơn nhiều so với Moho được tính toán từ sự đảo ngược trọng lực.
Chúng tôi trích xuất các kết quả đảo ngược bằng phương pháp của chúng tôi dọc
theo pro fi les AA ’và BB’ để hiển thị cấu trúc bên dưới Arabian Shield rõ ràng
hơn. Vị trí của các tổ chức này được thể hiện bằng các nét liền màu đen trong Hình
8 (b). Xu hướng thứ nhất (AA ’) song song với xu hướng NW – SE của giảm
Moho, trong khi xu hướng thứ hai (BB’) cắt xu hướng NW – SE Moho trầm cảm
và thăng hoa.

Hình 9 cho thấy kết quả thu được đối với pro fi le AA ’. Từ đó có thể quan sát thấy
rằng sự phù trợ Moho thu được từ phương pháp đề xuất tạo ra một dị thường trọng
lực phù hợp với phương pháp được quan sát. Độ sâu trung bình của giao diện
Moho dọc theo tuyến này là khoảng 37,2 km, nằm trong khoảng 35–40 km theo
báo cáo của Salem và cộng sự. (2013) đối với độ sâu Moho ở phía lục địa, và nó
đồng ý với độ sâu trung bình 37 km do Hansen et al đưa ra. (2007). Hình 10 cho
thấy mặt cắt ngang của giao diện Moho dọc theo pro-le BB ’thu được từ thuật toán
đề xuất. Một lần nữa, cấu trúc Moho được ước lượng bằng phương pháp được đề
xuất tạo ra dị thường trọng lực khớp chính xác với dị thường lớp phủ dư (Hình 8
(a)). Từ Hình 10 có thể quan sát thấy Moho nông gần Biển Đỏ và sâu hơn về phía
nội địa Ả Rập. Nói chung, khi độ sâu Moho tăng lên, dữ liệu địa hình có xu hướng
tăng lên. Mối quan hệ tuyến tính tích cực này cho thấy rằng cơ chế đẳng tĩnh khu
vực nói chung đã đạt được. Độ sâu trung bình của khu vực Moho dọc theo vùng
đất này là khoảng 35,6 km, cũng nằm trong khoảng 35–40 km theo báo cáo của
Salem và cộng sự. (2013) cho chiều sâu của bức phù điêu Moho. Hansen và cộng
sự. (2007) ước tính cấu trúc ranh giới Moho và thạch quyển - thiên quyển (LAB)
dọc theo Biển Đỏ và khắp Bán đảo Ả Rập bằng cách sử dụng các chức năng thu
sóng S. Họ báo cáo một mỏng lớp vỏ
dưới Biển Đỏ dày lên về phía Nền Ả Rập với giao diện Moho ở độ sâu phạm vi
22–45 km. Kết quả của họ cũng cho thấy LAB gần bờ biển ở độ sâu khoảng 55
km; tuy nhiên, nó đào sâu nhanh chóng để đạt được độ sâu tối đa 100–110 km bên
dưới Lá chắn Ả Rập. Để so sánh, độ sâu Moho do Hansen et al. (2007) cũng được
thể hiện trong Hình 10 bởi các chấm màu đỏ. Chúng ta có thể thấy rằng độ sâu
Moho thu được từ sự đảo ngược trọng lực hiện tại phù hợp với những độ sâu được
xác định từ cách giải thích địa chấn.

6. Kết luận
Một thuật toán modi ed, dựa trên sự kết hợp của kỹ thuật miền không gian và thuật
toán dựa trên FFT được phát triển để ánh xạ độ sâu tới cấu trúc mật độ từ dữ liệu
trọng lực. Một mã MATLAB, chương trình INV3D dựa trên thuật toán được đề
xuất, cũng được trình bày. Thuật toán và mã được thể hiện trên dữ liệu tổng hợp từ
hai mô hình tổng hợp và dữ liệu trọng lực thực từ Arabian Shield, Ả Rập Saudi.
Đối với các ví dụ tổng hợp, phương pháp này đã khôi phục thành công cấu trúc của
các giao diện mật độ. Trong trường hợp thực tế, kết quả giải thích của Lá chắn Ả
Rập, Ả Rập Xê Út đồng ý với những kết quả xác định từ dữ liệu địa chấn. Ưu điểm
của thuật toán là nó

có thể mang lại độ sâu với độ chính xác cao hơn so với phương pháp tần số, đồng
thời nó có khả năng xử lý các bộ dữ liệu lớn và không cần phân tích thấp trong quá
trình tính toán.

Tính khả dụng của mã máy tính

Tên mã: INV3D.m
Yêu cầu phần mềm: MATLAB (phiên bản R2017a trở lên)
Cách truy cập mã nguồn: https://github.com/PhamLT/INV3D (chứa mã, ví dụ tổng
hợp và hướng dẫn sử dụng).
Nhìn nhận
Nghiên cứu này được thực hiện theo đề tài QG21.24 của Đại học Quốc gia Hà Nội.
Xin gửi lời cảm ơn và tri ân sâu sắc tới Dự án Hỗ trợ Nghiên cứu số (RSP-
2022/351), Đại học King Saud, Riyadh, Ả Rập Xê Út đã tài trợ cho bài báo nghiên
cứu này. Luan Thanh Pham được tài trợ bởi Vingroup JSC và được hỗ trợ bởi
Chương trình Học bổng Sau Tiến sĩ của Quỹ Đổi mới Sáng tạo Vingroup (VINIF),
Viện Dữ liệu lớn Vingroup (VinBigdata), mã VINIF.2021.STS.06. Các tác giả xin
cảm ơn ba nhà phê bình ẩn danh đã cung cấp những nhận xét và đề xuất có giá trị
để cải thiện các phiên bản đầu tiên của bản thảo.

Tuyên bố công khai

Không có mối quan tâm tiềm năng nào được các tác giả báo cáo.