Consejos Prácticos para la Inversión de Gravedad Regional en 3D
Autores: Sampietro, Daniele; Capponi, Martina
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Ciencias de la Tierra y Geología
Palabras clave
Problema gravimétrico
Distribución de densidad de masa
Campo gravitacional
Parámetros de inversión
Resolución espacial
Estrategias empíricas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 17
Citaciones: Sin citaciones
Para resolver el problema gravimétrico inverso, es decir, estimar la distribución de densidad de masa que genera un cierto campo gravitacional, a escala local o regional, se deben definir varios parámetros como la dimensión de la región 3D a considerar para la inversión, su resolución espacial, el tamaño de su frontera, etc. Determinar la configuración ideal para estos parámetros es en general difícil: las soluciones teóricas suelen no ser posibles, mientras que las empíricas dependen en gran medida del objetivo específico de la inversión y de la experiencia del usuario que realiza el cálculo. El objetivo del presente trabajo es discutir estrategias empíricas para establecer estos parámetros de tal manera que se eviten distorsiones y errores dentro de la inversión. En particular, la discusión se centra en la elección del volumen del modelo a invertir, el tamaño de su frontera, su resolución espacial y la resolución espacial de la información a priori que se utilizará dentro de la reducción de datos. También se discute la magnitud de los posibles efectos debido a una elección incorrecta de los parámetros mencionados mediante ejemplos numéricos.
Descripción
Para resolver el problema gravimétrico inverso, es decir, estimar la distribución de densidad de masa que genera un cierto campo gravitacional, a escala local o regional, se deben definir varios parámetros como la dimensión de la región 3D a considerar para la inversión, su resolución espacial, el tamaño de su frontera, etc. Determinar la configuración ideal para estos parámetros es en general difícil: las soluciones teóricas suelen no ser posibles, mientras que las empíricas dependen en gran medida del objetivo específico de la inversión y de la experiencia del usuario que realiza el cálculo. El objetivo del presente trabajo es discutir estrategias empíricas para establecer estos parámetros de tal manera que se eviten distorsiones y errores dentro de la inversión. En particular, la discusión se centra en la elección del volumen del modelo a invertir, el tamaño de su frontera, su resolución espacial y la resolución espacial de la información a priori que se utilizará dentro de la reducción de datos. También se discute la magnitud de los posibles efectos debido a una elección incorrecta de los parámetros mencionados mediante ejemplos numéricos.