Entwicklung & Methoden

Ein Schwerpunkt unserer Arbeit ist die Entwicklung neuer seismischer Methoden zur Abbildung des Untergrundes und der integrativen Interpretation. Zur Zeit arbeiten wir (unter anderem) an den folgenden Themen: Markov Ketten Monte Carlo Verfahren in verschiedenen geophysikalischen Fragestellungen, Pn Tomographie und H/V Analyse submariner Permafrost-Daten.

Markov Chain Monte Carlo Tomographie

Wir entwickeln Markov Ketten Monte Carlo (McMC) Verfahren zur tomographischen Inversion seismischer Daten sowie der Lokalisierung lokaler Erdbeben. Die Verfahren haben den Vorteil, dass sie den Lösungsraum ausgiebig abtasten und so (u.a.) die Ableitung eines Geschwindigkeitsmodells mit Fehlerangaben ermöglicht. Weitere Vorteile gegenüber konventionellen Verfahren sind, dass keine Startmodelle benötigt werden, Datenfehler vom Programm bestimmt werden und die Parametrisierung automatisch vorgenommen wird.

Publikationen: Ryberg & Haberland, 2018; Ryberg & Haberland, 2019

Pn Tomographie

Im Rahmen des DFG Schwerpunktprogramms (SPP) SAMPLE haben wir Pn Tomgraphie auf Daten eines aktiven, amphibischen seismischen Experiments (on-shore/off-shore) am passiven Kontinentalrand Nord-Namibias angewendet. Die Analysen geben Einblicke in die Struktur des oberen Erdmantels in der Region, in der der ozeanische Walfish Rücken auf den afrikanischen Kontinent trifft. Die gefundenen Strukturen lassen Rückschlüsse auf komplexen Prozesse beim Aufbrechen Gondwanas zu.

Projekt: SPP SAMPLE

Publikationen: Ryberg et al., 2017; Wittig et al., 2017

H/V Analyse von Permafrost Daten

Passive seismologische Messungen auf dem Meeresboden der Arktis können verwendet werden, um die Verteilung und Tiefe des eisgebundenen submarinen Permafrosts zu bestimmen. Dazu verwenden wir H/V Analysen der Daten von speziell entwickelten Flachwasser-Unterwasser-Sensoren.

Projekt: MOSES

Publikationen: Overduin et al., 2015

Lithologische Klassifizierung; integrierte Interpretation

In geophysikalischen Messungen werden primär physikalische Parameter wie die seismische Geschwindigkeit oder der elektrische Widerstand bestimmt. Für die geologische Interpretation sind jedoch Abschätzungen über die Art der Gesteine und ihre Zusammensetzung oder Zustände wichtig. Wir arbeiten an automatisierten Methoden zur lithologischen Klassifizierung, die u.a. auf tomographischen Resultaten und der Analyse mit neuronalen Netzen basieren.

Projekte: I-GET, ANCORP, DESERT,SIPOSEIS
Publikationen
: Bauer et al., 2008, 2012a, Jousset et al., 2011, Maercklin et al., 2005, Haberland et al., 2003, Ryberg et al., 2012, Weber et al., 2012, Stankiewicz et al., 2011, Muksin et al., 2013