Edição 232 – Novembro de 2001
Mapeamento de fácies sedimentares através da utilização de amostras superficiais e dados de reflexão acústica do fundo submarino

Dados de reflexão acústica do fundo submarino obtidos na margem continental entre Cabo de São Tomé (RJ) e Arroio Chuí (RS) foram utilizados para a caracterização dos sedimentos depositados entre as cotas batimétricas de 50 e 1500 m. Esses dados foram obtidos durante os cruzeiros oceanográficos 2 e 3, do Programa de Avaliação de Potencial Sustentável de Recursos Vivos na Zona Econômica Exclusiva – REVIZEE, Ministério do Meio Ambiente, dos Recursos Hídricos e da Amazônia Legal (MMA), a bordo do Noc Atlântico Sul da Fundação Universidade Federal do Rio Grande (FURG). Os valores de reflexão acústica do fundo submarino foram comparados e correlacionados à descrição de 3.036 amostras de sedimentos superficiais. Essa correlação permitiu uma classificação dos sedimentos segundo suas características acústicas e granulométricas.

Integrando parâmetros de reservatórios 2D via atualização da informação espacial indireta fornecida pela sísmica

O imageamento estocástico é um processo através do qual alternativas e equiprováveis imagens da distribuição espacial da variável de interesse são geradas. Todas essas imagens devem honrar em suas localizações não apenas o atributo principal, mas também a informação indireta associada.
Métodos probabilísticos computacionais são os componentes chaves da análise estatística no imageamento estrutural. No enfoque probabilístico para sistemas inteligentes, relações entre variáveis são delineadas através de probabilidades condicionais. Esta não é uma prática pouco comum – mesmo antes dos avanços e desenvolvimentos dos métodos computacionais – com vias à divisão da imagem em características do núcleo e analisar os dados como se estes subconjuntos de imagens fossem amostrados de uma forma independente e disjuntos. Este tipo de análise pode não ser verossímil quando se utiliza parte da informação geofísica fornecida por alguma variável que seja correlacionada, deixando desta forma, de ser suficientemente poderosa na inferência precisa do mecanismo geofísico.
A proposta desta pesquisa é explorar o método espacial de Cadeias de Markov – Monte Carlo (MCMC), através da metodologia Bayesiana, fornecendo soluções práticas geoestatística em geofísica, estendendo-se a estruturas complexas.
Na realidade, no que tange aos problemas geoestatísticos, implementações confiáveis de MCMC não são problemáticas. O algoritmo Bayes+Markov, proposto em [4] e desenvolvido aqui, permite uma completa atualização da informação indireta (distribuição a priori) pela caracterização da estrutura espacial dos dados ditos “soft” e isto não requer qualquer outro esforço de modelagem além daqueles que são demandados na Krigagem Indicatriz Múltipla. Esta abordagem permite gerar uma distribuição de probabilidade a posteriori para qualquer valor não observado, distribuição esta que deve ser condicional em ambos os tipos de dados: soft (indireto) e hard (direto).
Um estudo de caso, baseado em um conjunto sintético realístico, que concatena a distribuição conjunta no espaço bidimensional (2D), mostra que esta metodologia pode produzir excelentes resultados a um baixo custo computacional.