基于Python的地震數據可視化

河南省航空物探遙感中心 師天祺

在地震勘探行業中，地震數據的讀取與顯示是地震處理與解釋的關鍵一環，隨著淺層地震勘探、工程地震勘探的興起，基于Linux的地震處理、解釋系統已經無法適應快速發展的局面。本文詳細介紹了SEGY數據格式，并重點分析了SEGY數據的難點，借助Python實現了地震數據的可視化，滿足了施工現場快速實現地震數據的處理與成像的要求，對現場工作有一定指導意義。

地震數據的讀取與顯示是地震處理與解釋的關鍵一環，可視化技術利用計算機技術，將數據進行處理，轉為顯示在屏幕上，通過交互處理挖掘數據之間的規律[1]。可視化技術以被運用到多個領域，特別是在找煤、找油、找氣、找斷層上取得了重要的意義[2]。但是國內外上通常使用Linux主機作為地震數據的處理、解釋的載體，笨重的設備、高昂的生產成本無法適應如今工程物探領域短平快的發展要求。為適應快速發展的工程物探技術，本文借助Python語言內置函數庫及Matplotlib繪圖庫，在詳細的分析SEGY格式數據基礎上，實現地震數據的讀取以及波形的顯示，為野外工作起到了指導作用。

1 SEGY數據結構

SEGY是以地震道為單位進行存儲，是由SEG協會提出的標準磁帶數據格式之一，它是石油勘探行業地震數據的最為普遍的格式之一。標準SEGY數據文件件一般包括三個部分，格式如下：

(1)EBCDIC文件頭。由40個卡組成，長度為3200個字節，用來儲存對地震數據進行描述的信息，通常需要先轉換ASCII碼才能進行顯示。(2)二進制文件頭。長度為400個字節，采用大字節序儲存，通常使用32位、16位整型，共包含有32項信息，用來儲存描述SEGY數據的關鍵參數，包括數據格式、采樣點數、采樣間隔、采樣編碼等，正確的讀取文件頭信息將直接影響后續地震道數據的讀取。(3)地震道數據。地震道數據由兩部分組成，每條地震道數據包含240字節的道頭信息和地震數據。道頭信息一般保存該道對應的線號、道號、采樣點數、坐標等信息。地震數據通常是以IBM浮點形式進行保存的。

2 程序設計及難點分析

Python是一種完全面向對象的語言，其優雅的可讀性、可擴展性、快速的開發模式及豐富的第三方庫，Python越來越受到開發者的喜愛。本文為快速實現SEGY數據的可視化，縮短開發周期，采用Python作為程序開發語言，僅使用Python內置庫及Matplotlib繪圖庫實現了SEGY數據的讀取與顯示，同時Python其優秀的第三方庫，尤其是地震方向的第三方庫，也為未來程序的開發提供了一些優秀的思路和擴展。程序完整流程如圖1所示。

圖1 程序流程圖Fig.1 Program flow chart

想要清晰的顯示SEGY數據，除需要理解SEGY數據結構外，還需要解決字節序、IBM浮點讀取等一系列問題[3-5]。

(1)字節序。大字節序和小字節序是數據儲存規則，小字節序是高位數據儲存在內存高位地址，低位數據儲存在低位地址，大字節序是高位數據儲存在低位地址，低位數據儲存在高位地址。字節序示意圖如圖2所示。

SEGY數據使用大字節序進行編碼，這是因為處理器的結構不同造成的，如IBM機、Unix工作站等通常使用大字節序格式，個人電腦通常使用小字節序編碼。在實際讀取數據過程中如果忽略字節序問題，那么讀取的數據可能截然相反。例如采樣點數在大字節序為2500，在小字節序則讀取為0，所以在讀取字節時，應首先將字節序調整至正確編碼才按字節依次讀取。

(2)IBM浮點。SEGY數據通常使用IBM浮點，偶爾會使用32位IEEE浮點或一些非常用數據格式進行記錄。地震數據通過何種格式進行記錄，是由卷頭中3225-3226字節儲存的信息決定的。通過讀取這兩個字節的內容，可以判斷數據的儲存格式，從而確定每道地震記錄數據所占的字節空間長度，即數據長度=數據類型（字節數）×采樣點數[10]Python默認使用IEEE浮點，兩種數據結構存在較大的差異，會對地震數據讀取與顯示造成影響。為實現IBM浮點的讀取，需要首先了解IBM與IEEE浮點的區別[6]。

IBM和IEEE浮點數的結構如下：S代表符號、E代表指數部分、F代表位數部分。

浮點數表示如下：

注：32位IEEE浮點數：A=2，B=127，C=1；32位IBM浮點數：A=2，B=64，C=1。

IBM和IEEE浮點的區別在于位數的有效范圍，IEEE浮點尾數最小值是1/(2^23)，而IBM浮點尾數最小是為1/16，而不是1/(2^24)。

(3)地震數據繪制。地震原始數據范圍較大且雜亂無章，直接使用原始數據成圖未必能做出想要的樣子。為了使原始數據經過一系列變換轉為圖形圖像，使信息更容易理解，需要對原始數據進行一定程度的處理[7-10]。本文使用生產的單炮數據（500道接收，1ms采樣間隔，采樣時間為2.5s）作為示例，本文對數據進行歸一化處理，使數據范圍在（-1，1）之間并設置道間隔為1，保證了道與道之間波形不會發生相交的情況，如圖3所示顯示了不歸一化和歸一化數據的成像差異并與使用Seisee軟件的成像效果進行對比。示例單炮圖像橫軸為道序列號，道與道之間間距為設置為1，縱軸為雙程時，繪制單炮數據。

圖3 成像效果圖Fig.3 Imaging rendering

由圖3可明顯看出，由于未對原始數據進行歸一化處理，地震數值隨著雙程時的增大而迅速減少，由于數據差值過大，波形明顯振動主要集中在前0.2s內，后面由于數值相對較小，波形基本屬于平直狀態。由于橫軸設置的道間距過小，振幅數值遠超道間距，成像整體擠在了一起，雖能見波形振動，但以無法分辨為哪一道數據，更無法分辨單炮質量的好壞，可見未對原始數據進行歸一化處理難以滿足成像要求。經過歸一化處理的單炮數據整體圖像效果較好，炮點位置清晰可見，初至波可明顯分辨，初至波之下可見明顯層狀反射波有效信息，顯示效果較好。使用歸一化的數據未造成因為距離震源較近，接收能量較大造成的對遠處地震波成像影響的效果，與使用Seisee軟件的成像效果類似。由于Seisee使用了AGC增益，效果要好于開發的成像程序，但初步做到的Windows平臺下的SEGY數據成像，并且為以后工程地震勘探的定制開發打下了基礎。

3 結論

隨著個人計算機存儲技術和計算能力的提升，使用Windows系統進行地震資料處理與解釋已經成為行業趨勢，尤其是使用個人電腦在施工環境進行野外施工監控、野外數據處理以及工程地震勘探環境需要快速對數據處理及成像。在Windows環境下，本文在充分掌握SEGY數據的基礎上，嘗試使用Python腳本編寫了程序，正確解析了SEGY數據結構，初步完成了成像系統的設計，并應用在實際生產環境中。雖然在成像效果上與主流成像軟件還有一定的差距，但是打下了堅實的基礎，下一步建議在濾波、AGC上進行研究，增加多種成像模式如灰度、變密度等可視化技術，使之達到主流成像軟件的效果。