Analisis SIG menggunakan data titik untuk memodelkan trend permukaan yang kompleks. Data lapangan sering dikumpulkan dengan kondisi distribusi yang tidak seragam dan atribut kadang kala tidak konsisten. Kemudian penghalang seperti patahan geologi, batas DAS, dan lembah urban (gedung pencakar langit dengan jalanan yang membelahnya) jelas mempengaruhi interpolasi lokal.
Salah satu tool di ekstensi Geostatistik memungkinkan untuk menganalisis tren spasial dalam dataset titik yang komplek dan model prediksi permukaan yang menggambarkan tren data. EBK (Empirical Bayesian Kriging) menyediakan tool variograf data. Tool Kernel Smoothing menginterpolasi data surface (permukaan) yang tidak seragam dan memprediksi kesalahan standar di dalam model. Tool Kernel Smoothing With Barriers dapat memodelkan data titik di grup yang telah ditentukan.
Tutorial kali ini akan mengeksplor dan mengevaluasi data lapangan minyak di daerah Lisbon dan Utah, Amerika Serikat. Dimulai dengan menggunakan tool EBK untuk eksplorasi data bor geologi, kemudian ekstensi analisis spasial untuk interpolasi data struktur geologi dengan tool Spline with Barriers. Nilai ketinggian dan surface/permukaan yang terbatas untuk data muka/surface struktur geologi dibuat dengan tool Kernel Smoothing With Barriers, dan terakhir prediksi kesalahan standar (PSE) dari muka/surface hasil prediksi Kernel Smoothing akan dibuat. Hasil dari muka/surface Kernel Smoothing akan dibandingkan dengan muka/surface yang dibuat Spline With Barriers.
MULAI
Download, Dataset Sampel [ZIP] dan ekstrak di komputer.
- Buka ArcMap, navigasikan ke \Lisbon_UT, dan buka Lisbon_Valley_UT.mxd. disini ada data dan layout lokasi bor dan patahan sub-permukaan. layernya adalah Drill Holes, Subsurface Faults, dan Clipping Grid.
- di TOC, buka atribut Drill Holes. Ada 91 bor, asli dan sintetis. pelajari data di kolom MI_Top_M. Ini akan kita analisa.
- Masuk ke data view dan pilih Bookmark > Lisbon 1:50,000.
- Update geodatabase default ke dokumen Lisbon. Di menu standar ArcMap, pilih File > Map Document Properties. Set Default Geodatabase ke \Lisbon_UT\Geodatabase\UTM83Z12\Lisbon_Geology.gdb.
- Pilih Store relative paths dan klik tombol untuk membuat thumbnail.
- Pilih Customize > Extensions dan pastikan ekstensi Geostatistical Analyst dan Spatial Analyst terinstal. Buka toolbar Geostatistical Analyst dan Spatial Analyst dengan mengklik pada area kosong di toolbar.
- Letakkan toolbar Geostatistical Analyst di sebelah atas kiri dan klik menu drop-down. Wizard Geostatistik digunakan untuk mengakses tool yang digunakan dalam tutorial ini ato bisa dengan mengakses tombol di dalam toolbar. Menu drop-down terdapat tool Explore Data, Create Subsets, Help, dan Tutorial.
| Nomor sumur | WELL_NO |
| Elevasi muka dalammeter | ELEV_M |
| Ladang minyak | FIELD |
| Lintang UTM NAD83 Zone 12N, meter | UTM EAST |
| Bujur UTM NAD83 Zone 12N, meter | UTM NORTH |
| Elevasi, Puncak formasi Mississippian Leadville Limestone, meter | MI_Top_M |
| Kedalaman total, meter | Depth_M |
SETTING LINGKUNGAN
Hal yang penting tapi kadang terlupakan adalah seting lingkungan geoprocessing. Ketika membuat dokumen ArcMap yang memasukkan geoprocessing, sangat penting memasukkan citra referensi untuk mendefinisikan dan memandu proses. Clipping Grid adalah grid referensi yang digunakan di tutorial ini, dengan resolusi 10 meter dan mencakup semua area pengeboran.
- Pada menu standar, pilih Geoprocessing > Environments dan ekspan menu Workspace. Cek di bagian Current dan Scratch Workspaces adalah \Lisbon_UT\Geodatabase\UTM83Z12\ Lisbon_Geology.gdb.
- Ekspan Output Coordinates dan set sistem koordinat output ke Clipping Grid. Ketika menjalankan analisis geostatistik ada baiknya untuk menggunakan sistem koordinat non geografis.
- Ekspan Processing Extent dan set eksten sama dengan layer “Clipping Grid”.
- Expan Raster Analysis dan set ukural piksel sama dengan “Clipping Grid”.
- Klik OK.
Eksplorasi Data dengan EBK
Di toolbar Geostatistik, Buka Geostatistical Wizard, di baah MEthods, ada tiga grup yang berbeda; Deterministic, Geostatistical, dan Interpolation with barriers.
- Pilih Empirical Bayesian Kriging (EBK), yang terdapat di bawah Geostatistical Methods. panel pertama yang muncul adalah Input Data, dengan menu drop-down pilih sumber data ke Drill Holes dan tabel MI_Top_M sebagai Data Field.
- Pada panel wizard kedua, set properti analisis di bawah General Properties sebagai berikut:
- tambahkan jumlah simulasi ke 300.
- rubah output muka/surface ke prediksi.
- rubah transformasi ke Empirical.
- pilih tipe Semivariogram K-Bessel.
- Jangan Ganti Do not radius pencarian. agar hasil sama dengan tutorial ini.
- Ekspansi area Neighbors dan eksplorasi model dengan memilih titik dalam radius pencarian. Dengan mouse klik X, Y, dan Value (MI_Top_M) koordinat terupdate. Ini adalh 10 titik yang digunakan untuk prediksi nilai di pusat lingkaran. Amati muka/surface EBK yang tertampil dan terlihat ada tiga grup titik terpisah : grup utama di selatan-barat, grup yng lebih kecil di utara-timur dan tren tengah dari utara timur ke selatan barat. Walaupun patahan tidak terlihat di peta tetapi sangat penting, kita memerlukan tool lain untuk membuatnya.
-
Masih di panel 2, eksplorasi, Nugget, Partial Sill, dan tab lainnya.
-
Pada langkah 3 yang menampilkan matriks Cross Validation untuk analisis EBK. Titik dapat disortir menggunakan Error. Titik asing dapat dipilih. Pilih titik pada kedua bagian akhir dari data yang telah diurutkan untuk menampakkan titik asing. Lihat pada tab Cross Validation untuk kesalahan, Kesalahan Standar, Normal QQPlot.
-
Pada jendela Method Report, klik tombol simpan, dan simpan parameter sebagai file XML. Simpan parameter EBK di dalam folder \Lisbon_UT\Results.
-
Layer surface/muka EBK akan dihasilkan dan tertampil di dokumen peta, di TOC, pindahkan ke bawah Subsurface Faults dan lihat hubungan antara prediksi dengan patahan. Area yang mirip dari yang diprediksi dengan nilai sedikit di atas patahan. Ada paling tidak tiga wilayah yang dipisahkan patahan utara-barat.
-
Klik kanan pada layer Empirical Bayesian Kriging dan pilih Properties. Klik tab Symbology. Hillshade, Contours, Grid, dan Filled Contours dapat ditampilkan. Cek dan isi tampilan kontur. Untuk melihat kontur yang tetampil ubah garis menjadi hitam. cek kualitas tampilan dan simpan hasil.
Menggunakan Spline dengan Pembatas
Prediksi EBK menggunakan titik pada kedua sisi patahan. Selanjutnya melakukan metode interpolasi/prediksi menggunakan ekstensi Spatial Analyst dengan mempertimbangkan penghalang patahan.
- Di TOC, buka Bookmark > Lisbon 1:50,000
- Buka kotak Search atau cari dan isikan dengan Spline With Barriers (Spatial Analyst).
- Pilih Drill Holes sebagai input dan pilih MI_Top_M sebagai nilai Z. Pilih Load Subsurface Faults sebagai input fitur penghalang, biarkan Output cell size pada nilai 10, dan Smoothing di nilai 0. Simpan output raster di \Lisbon_Geology.gdb sebagai LV_SPL_PRE_01.
- Setelah raster spline muncul, pindahkan ke bawah layer EBK. Klik kanan LV_SPL_PRE_01, pilih Properties, dan buka tab Symbology. Ubah Show: Classified dan gunakan fitur import simbologi dan load prediksi SPL, Meters.lyr, terletak di \Lisbon_UT_Geodatabase\UTN83Z12.
Periksa hasilnya dan perhatikan adanya perubahan besar di sekitar patahan. Walaupun hasilnya mungkin nampak bagus tidak ada cara untuk mengukur kesalahan.
Kita kembali ke Geostatistical Analyst dan mencoba Kernel Smoothing.
Menggunakan Kernel Smoothing Dengan Pembatas
- Masuk ke Geostatistical Wizard dan dibawah tool Interpolation With Barriers, pilih Kernel Smoothing.
- Pada Kernel Smoothing Wizard, pilih Drill Holes sebagai input dataset dan MI_Top_M sebagai kolom datanya. Kemudian set Subsurface Faults sebagai sebagai Barrier Features Source Dataset.
- Setelah hasil keluar, terima semua pilihan standar pada data output prediksi yang aktif. Perhatikan penghalang patahan muncul di dalam wizard dan model akan mengikutinya.
- Pindahkan lingkaran seleksi seputar model dengan mengklik tanda plus di setiap titik yang dipilih dan lihat nilainya. Radius standar atau Bandwidth mencapai 2,700 m.
- Lihat di bagian chart Inspect the Cross Validation pada tab Predicted Normal QQPlot. Titik tampak mendekati garis regresi.
- Simpan sebagai file XML di dalam Lisbon_Geology.gdb.
Model Kernel Smoothing Yang Ditingkatkan
- Di TOC, pindahkan layer Kernel Smoothing diatas Clipping Grid, klik kanan dan pilih Properties.
- Buka tab Symbology , centang Filled Contours, dan pilih Classify. Didalam Classification, ubah Method ke Equal Intervals, set kelas ke 18, dan set Customize Min dan Max ke True (ini sangat penting).
- Pada properti grafik (Bar Properties), set Bars ke 19. Pada paling atas Breaks, set minimal break di -1150. Pindah ke bagian paling bawah dan setnilai Max ke -250 (dibawah permukaan laut). Klik OK untuk mengklasifikasikan. Interval klasifikasi sekarang 50 m.
- Cek lagi kualitas tampilan dan seting ulang opsi zoom detail raster akan terlihat dan zig-zag pada daerah patahan akan hilang.
- Ekspor raster Kernel Smoothing Prediction sebagai raster geodatabase. Di TOC, klik kanan layer the Kernel Smoothing layer, pilih Data > Export to Raster. Simpan di Lisbon_Geology.gdb, namai LV_KS_PRE_01.
Kesalahan Standar Model Prediksi
Dikarenakan tool Kernel Smoothing berada di Geostatistical Analyst, raster ketinggian prediktif dan estimasi kesalahan standar sepanjang raster dapat dibuat. Pertama, batas kesalahan di model akan diestimasi dalam meter. Kesalahan kemungkinan akan rendah di titik yang bergerombol dan tinggi pada pinggir daerah pengeboran dan didekat patahan.
- Klik kanan Kernel Smoothing dan buka Method Properties.
- Pada Wizard langkah 1, ganti Output Surface Type ke Prediction Standard Error. Raster baru akan muncul. Raster ini menampilkan prediksi margin kesalahan limestone pada model. Kesalahan di meter lebih kecil pada kumpulan pengeboran di barat selatan dan lebih besar di luar batas dan sepanjang patahan. Di dalam kumpulan pemboran, prediksi kesalahan lebih tinggi didekat pertemuan patahan khususnya pada blok patahan pendek.
- Klik Next untuk menampilkan chart Cross Validation. Pelajari chart ini terutama pada tab Error dan Standardized Error.
- Langkah selanjutnya memplotkan titik ke peta. PAda bagian bawah kanan panel wizard, scroll ke bawah ke Export Result Table dan klik tanda plus. Eksport titik ke Lisbon_Geology.gdb dan namai LV_KS_CrossValidationResult. Klik Finish. pastikan layer berada paling atas di TOC. Jangan simpan Method Report.
- Klik kanan Kernel Smoothing, pilih Properties, dan buka Symbology. Ganti Classification Method kembali ke Geometric Intervals, dan set Classes ke 20. tinggalkan setingan lain ke standar, klik OK, cek lagi kualitas tampilan dan zoom kemudian klik OK lagi.
- Tampilkan LV_KS_CrossValidationResult dan buka atributnya. Pilih Error dan urutkan tabel. Gunakan pemilihan dan sekelsi untuk mengidentifikasikan titik dengan nilai kesalahan positif atau negatif tertinggi. KIta dapat menemukan biasanya berada di dekat pinggir model atau area di batas.
- Ekspor raster Kernel Smoothing dan simpan di Lisbon_Geology.gdb sebagai LV_KS_PSE_01. Perbarui legenda menggunakan KS Prediction Standard Error.lyr. Akhirnya, gunakan file layer KS Prediction, Meters.lyr untuk mengupdate legenda LV_KS_PRE_01 dan simpan file.
Sumber : ESRI Blog