The joint inversion of seismic refraction and electrical resistivity data: A quantitative approach to estimate hydrogeological parameters in an imaging framework

Im Rahmen von unweltbezogenen bzw. ingenieurtechnischen Untersuchungen werden die Eigenschaften des Untergrunds traditionell mit direkten Messmethoden erfasst. Jedoch sind die gewonnenen Daten in ihrer räumlichen Auflösung begrenzt, da direkte Untersuchungen meist nur punktuell durchgeführt werden können (z.B. in Bohrlöchern). Im Gegensatz dazu sind geophysikalische Methoden in der Lage, Informationen über die Beschaffenheit des Untergrunds in nicht-invasiver Weise und mit hoher räumlicher und zeitlicher Auflösung zu bestimmen, und haben sich daher als geeignete Ergänzung von direkten Methoden erwiesen. Die elektrische Widerstandstomographie (electrical resistivity tomography; ERT) und die seismische Refraktionstomographie (seismic refraction tomography; SRT) sind in der Lage Veränderungen der hydrogeologischen bzw. chemischen Eigenschaften des Untergrunds zu detektieren und werden daher häufig für oberflächennahe Untersuchungen eingesetzt. Die Kombination diese komplementären geophysikalischen Methoden ist ein gängiger Ansatz, um den Einfluss von Unsicherheiten bzw. Fehler im Zusammenhang mit der Datenerfassung, -verarbeitung und -inversion auf die Ergebnisse zu vermindern. Das sorgfältige Prozessieren der geophysikalischen Daten ist von zentraler Bedeutung, um verlässliche Modelle der Untergrundeigenschaften zu erhalten. Insbesondere die Prozessierung von ERT-Datensätzen kann basierend auf etablierten Richtlinien und Algorithmen weitestgehend automatisiert werden. Im Gegensatz dazu handelt es sich bei der Prozessierung von SRT-Daten um einen interaktiven Vorgang, der maßgeblich von der Erfahrung der auswertenden Person beeinflusst wird und zudem oftmals den Einsatz von kommerziellen Softwarelösungen erfordert. Dementsprechend besteht begründeter Bedarf an der Entwicklung von lizenzfreien bzw open-source Lösungen, die transparente und automatisierte Abläufe im Zusammenhang mit der Prozessierung von SRT-Daten ermöglichen. Bei der Inversion von geophysikalischen Daten handelt es sich um ein mehrdeutiges Problem, wodurch insbesondere die Interpretation der Inversionsergebnisse mit Unsicherheiten behaftet sein kann, die zusätzlich verstärkt werden, wenn die geophysikalischen Parameter in andere Größen umgerechnet werden (z.B. die von direkten Methoden erfassten Untergrundeigenschaften). In dieser Hinsicht ist eine verbesserte Interpretation durch die Kombination komplementärer Inversionsergebnisse möglich, jedoch setzt dies voraus, dass die durch unabhängige Inversionen erhaltenen Untergrundmodelle in sich konsistent sind.Um diese Nachteile zu beheben, hat sich die petrophysikalisch gekopplete Inversion (petrophysical joint inversion; PJI) von ERT- und SRT-Daten als ein geeignetes Verfahren erwiesen, welches die direkte quantitative Bestimmung der relevanten Untergrundeigenschaften (z.B. hydrogeologische Parameter) ermöglicht. Jedoch erfordert die Anwendung solcher PJI-Verfahren eine adäquate Parametrisierung des zugrundeliegenden petrophysikalischen Modells, die wiederum von Unsicherheiten betroffen sein kann. Daher untersucht diese Arbeit die Möglichkeit, strukturelle und petrophysikalische Randbedingungen in der petrophysikalisch gekoppelte Inversion zu berücksichtigen, um konsistente Untergrundmodelle zu erhalten.Bei einem hohen Anteil von tonigen Sedimenten oder organischem Material ist es essentiell, dass das dem PJI-Verfahren zugrundeliegende petrophysikalische Modell den Einfluss der Oberflächenleitfähigkeit auf die beobachteten elektrischen Eigenschaften des Untergrunds berücksichtigt. Wird dieser Einfluss bei der PJI vernächlässigt, führt dies zu einer fehlerhaften quantitativen Bestimmung der hydrogeologischen Untergrundeigenschaften. Dementsprechend wird in dieser Arbeit das eingesetzte PJI-Verfahren erweitert, um den Einfluss der Oberflächenleitfähigkeit im Zuge der Inversion, d.h., bei der Parameterschätzung, zu berücksichtigen. Dieses modifizierte PJI-Verfahren quantifiziert die Oberflächenleitfähigkeit basierend auf ERT-Daten, die bei einer niedrigen und einer hohen Frequenz gemessen werden.Die im Rahmen dieser Arbeit erzielten Resultate lassen sich wie folgt zusammenfassen: (i) Entwicklung einer Softwarelösung für die Modellierung und Prozessierung von SRT-Daten basierend auf open-source python-Bibliotheken; (ii) die Verwendung eines Porositätsmodells als Randbedingung in der PJI kompensiert einen etwaigen geringen Kontrast in den physikalischen Eigenschaften verschiedener Untergrundmaterialien und kann darüber hinaus als zeitliche Randbedingung fungieren; (iii) der frequenzabhängige Effekt der Oberflächenleitfähigkeit kann im Zuge der PJI basierend auf Leitfähigkeitsmessungen bei einer hohen und einer niedrigen Frequenz berücksichtigt werden; (iv) das erweitertete PJI-Verfahren ermöglicht die quantitative Bestimmung hydrogeologischer Parameter (insbesondere Wassergehalt und hyrdaulische Leitfähigkeit) in unterschiedlichen Untersuchungsgebieten, z.B. gefrorener Untergrund in alpinen Regionen, Deponien, Hangrutschungen und ungestörte natürliche Sedimente; (v) das verwendete PJI-Verfahren kann sowohl hinsichtlich der zu invertierenden Datensätze als auch der Zielparameter individuell angepasst werden, wodurch zukünftige Erweiterungen basierend auf weiteren geophysikalischen Methoden und petrophysikalischen Beziehungen möglich sind.
Geophysical methods have proven to be suitable for complementing traditional pointwise direct investigations in environmental and engineering studies, as they provide information regarding the subsurface properties with high spatio-temporal resolution in a non-invasive manner. In near-surface investigations, electrical resistivity tomography (ERT) and seismic refraction tomography (SRT) methods are commonly applied due to their sensitivity to variations in the hydrogeological or chemical properties of the subsurface materials. In particular, the joint application of these geophysical techniques with complementary sensitivities is a common approach to mitigate the effect of uncertainties associated with data collection, processing and inversion on the consistency in the obtained results.A careful processing of the geophysical data is critical for the estimation of reliable subsurface models. In case of the ERT, the data processing can be automatized to a high degree due to the availability of well-established guidelines and algorithms. In contrast, the SRT data processing refers to an interactive procedure controlled by user experience commonly relying on commercial software solutions. Accordingly, the geophysical modeling and processing library proposed in this thesis addresses the justified demand for open-source tools facilitating transparent and more automatized SRT processing workflows.Due to the non-uniqueness of the geophysical inversion problem the interpretation of the resolved subsurface models is also associated to uncertainties, which might be further amplified if the geophysical images are transformed to quantitative estimates of the actual parameters of interest. The combination of complementary imaging results aims at a more reliable interpretation, yet inconsistencies in the models obtained from independently inverted data sets might limit the applicability of such approach. To overcome these limitations of joint interpretation approaches, petrophysically coupled joint inversion (PJI) schemes based on ERT and SRT data have emerged as innovative tools due to their ability to directly solve for subsurface models expressed in terms of the actual target parameters, e.g., hydrogeological properties. However, the parameterization of the underlying petrophysical model might also be affected by uncertainties. Hence, this thesis explores the possibility to impose structural and petrophysical constraints on the PJI to enhance the consistency in the resolved subsurface models.In fine-grained environments or in presence of organic matter, neglecting the effect of the surface conduction on the observed electrical response results in biased estimates for the hydrogeological target parameters. Accordingly, this study extends the PJI scheme to consider surface conductivity during the parameter estimation by leveraging upon the frequency-dependence of the surface conductivity obtained through ERT data collected at a low and a high frequency.In summary, the results presented in this thesis demonstrate: (i) the ability to build modeling and processing tools for seismic refraction data based on open-source python libraries; (ii) that imposing a porosity model as constraint in the PJI compensates for the lack of contrast in the physical properties of different media and can also act as a time-lapse constraint in the PJI; (iii) that the frequency-dependent effect of the surface conduction can be taken into account during the PJI parameter estimation based on conductivity magnitude data collected at a high and a low frequency; (iv) the applicability of the PJI to solve for hydrogeological parameters, e.g., water content and hydraulic conductivity, in different environments ranging from frozen conditions in alpine regions, to landfills, landslides and undisturbed natural media; and (v) the possibility to adapt the PJI framework with regard to both input data and target parameters, which lays the foundation for future incorporation of other geophysical methods and petrophysical relationships.