Automated inversion of long period signals from shallow volcanic and induced seismic events

Abstract

Vulkanische seismische Ereignisse, die langperiodische Signale erzeugen (LP-Events), sind wichtige Indikatoren für im Erdinneren stattfindende Fluidbewegungen. Ihre Untersuchung ist essentiell, um Gefährdungen für die Umgebung von Vulkangebieten abschätzen zu können. LP-Events treten nicht nur an Vulkanen auf, sie sind auch in der Umgebung von Fluid-Lagerstätten und Bergwerken zu beobachten. Dort werden sie als Anzeichen für das Auftreten langsam ablaufender Deformationsprozesse gedeutet, welche in Zusammenhang mit strukturellen Inhomogenitäten stehen können und durch äußere Einwirkungen ausgelöst werden (induzierte Ereignisse). Die Interpretation solcher Ereignisse kann einen Beitrag zu seismischen Gefährdungsanalysen liefern. Bei der Untersuchung von LP-Events hat man auf der einen Seite die lang erforschten lokalen vulkanischen Ereignisse, welche vulkantypische Charakteristika aufweisen können und in von starker Topographie und heterogenen Untergrundstrukturen geprägten Regionen vorkommen. Auf der anderen Seite findet man induzierte LP-Events, welche noch nicht der Gegenstand systematischer Untersuchungen waren. Es existiert einerseits Software welche zur kontinuierlichen Überwachung und Auswertung von seismischen Signalen bei vulkanischen Krisen gedacht ist. Andererseits gibt es Programme, welche groß- und intermediärskalige seismische Ereignisse für bestimmte Regionen analysieren und auftretende Ereignisse katalogisieren. Bis zum aktuellen Zeitpunkt gibt es keinen systematischen Ansatz, die Untersuchungen von vulkanischen und induzierten seismischen LP-Events zu kombinieren. Im Rahmen der vorliegenden Arbeit wurde ein Programm entwickelt, welches es erlaubt, langperiodische seismische Signale schnell und unabhängig von der vorliegenden Geometrie der betreffenden Region zu analysieren. Der zugrundeliegende Algorithmus basiert auf einer algebraischen Inversion seismischer Daten in einem Einschrittverfahren in Kombination mit einer dreidimensionalen räumlichen Gittersuche bezüglich möglicher Quellpositionen. Um die Inversion ausführen zu können, werden 18 Green’s-Funktionen (GFn) benötigt. Die GFn beinhalten Informationen über das lokale oder regional Geschwindigkeitsmodell. Sie werden für die betreffende Region im Voraus berechnet und in einer Dateistruktur bereitgestellt, was eine sehr schnelle Inversion der Daten ermöglicht. Im Gegensatz zu anderen Methoden für die Inversion seismischer Daten ist im vorliegenden Ansatz die vollständige dreidimensionale Untergrundstruktur in den GFn enthalten, dies beinhaltet auch Topographie oder Anisotropien. Die seismischen Daten können zum einen ereignisbasiert analysiert werden. Hierbei invertiert der Algorithmus Daten für eine durch ein externes (Detektions-)Programm bestimmte Quellzeit, Die Bestimmung dieser Quellzeit kann durch eine weitere Gittersuche innerhalb eines gegebenen Zeitintervalls verfeinert werden. Unter Verzicht auf externe Detektion von Ereignissen kann das entwickelte Programm zum anderen auch zur schnellen Untersuchung eines kontinuierlichen Datenstroms verwendet werden. Dies wird durch die schrittweise Anwendung in einem gleitenden Zeitfenster ermöglicht. Die für jedes Zeitfenster bestimmte Lösung erlaubt eine unabhängige Detektion von Ereignissen durch den Vergleich mit einem anwendungsfallabhängigen Schwellenwert. Der neuentwickelte Algorithmus wurde mit synthetischen und echten Daten getestet, Daten für ein- und dreidimensionale Geschwindigkeitsmodelle wurden verwendet. Der Code ist lauffähig und auf Daten anwendbar. Die Ergebnisse sind konsistent, sowohl mit Resultaten von bekannten methodischen Untersuchungen als auch mit Parametern, die von anderen Programmen im Fall der Echtdatenstudien ermittelt wurden. Es zeigte sich, daß die Topographie einen starken Einfluß auf den Signalgehalt der GFn hat. Darum müssen vor nachfolgenden Anwendungen auf Fälle mit komplizierter Geometrie weitere Tests durchgeführt werden, welche die genauen Auswirkungen verschiedener Topographien quantifizieren können. In dieser Arbeit wurden Fallstudien für vulkanische und induzierte LP-Events bearbei- tet. Die Ergebnisse dieser Studien legen nahe, daß numerische Verbesserungen sowie die Implementierung weiterer Regularisierungsparameter angeraten sind, um robuste Lösun- gen zu gewährleisten. Die allgemeine Funktionsfähigkeit des Algorithmus’ wurde demonstriert, sowohl für die statische Inversion eines zeitlich begrenzten Datensatzes als auch für die Anwendung auf kontinuierliche synthetische und reale Datensätze als selbständige Inversions- und Detektionsroutine. Unter Einbeziehung der aufgeführten Verbesserungsmöglichkeiten kann der vorgestellte Algorithmus im Rahmen eines automatisierten, echtzeitnahen Monitoring-Systems verwendet werden.

Volcanic seismic events that emit long period signals (LP-events) are considered import- ant indicators for current subsurface fluid or magma movement. The analysis of such events is crucial for the monitoring of volcanic regions in order to evaluate the evolution of volcanic unrest and the relative hazard assessment. In addition, induced LP-events oc- cur near fluid reservoirs and mining sites, where they are interpreted as evidence for slow rupturing or deformation processes. The continuous long-term evaluation of LP-signals in such regions can allow to infer local or regional structural inhomogeneities, which again can contribute to seismic hazard estimations. So far, the analyses of volcanic and induced seismic LP-events are strictly separated. Software tools are available, which are either specialised on the monitoring of volcanic unrest or restricted to the continuous analysis of large and medium scaled seismic events on regions with a flat topography. A new software tool has been developed in the scope of this thesis. It allows the fast and simple analysis of seismic LP-events, independent of the geometry and size of the source region. The algorithm is based on an algebraic one-step time-domain inversion of full waveform data, combined with a gridsearch for possible source locations. For conducting the inversion, a set of 18 Green’s functions (GFs) is used that take into account the local or regional seismic velocity model. The GFs are generated in advance to allow a fast data processing. In contrast to other approaches, the complete infomation about the three-dimensional structure of the underground is contained within the GFs – this includes topography as well as anisotropies. Seismic data can be analysed event-based, in which the source time can be determined by an additional gridsearch in time. Without the need for an external event detection routine it is furthermore possible to analyse continuous seismic data by applying a moving time-window approach. Data and estimated parameters are compared for successive overlapping time intervals. The level of agreement between them is expressed in one value and a pre-defined threshold is utilised for the detection of LP-events. The new algorithm has been tested under several considerations using synthetic data sets for one- and three-dimensional geometries. The code is operational and yields results that are consistent with former findings existing event analyses. Topography has a large influence on the GFs, therefore special care has to be taken of the generation of GFs in case of complex geometries. Case studies have been carried out for both volcanic and induced seismic LP-events. The results suggest that numerical improvements and the implementation of regularisa- tion parameters are advisable. The general capability of the inversion algorithm to act as an automated inversion detection routine on continuous data is demonstrated for both synthetic and real data. These tests show that further optimisation with respect to computational speed is re- quired. Overcoming these limitations will allow to use the developed algorithm within the framework of an automated monitoring system.