Método adaptativo de interpolación POCS impulsado por una restricción lateral

Imágenes subterráneas más nítidas a partir de datos incompletos

La exploración de petróleo y gas, proyectos geotérmicos y estudios sísmicos dependen de sondeos: vibraciones controladas enviadas al subsuelo y registradas en la superficie. En la práctica, sin embargo, esas grabaciones a menudo contienen huecos por costes, relieve o restricciones medioambientales. Este artículo presenta una nueva forma de “rellenar los espacios” en dichos registros sísmicos para que los geocientíficos puedan ver más profundo y con mayor claridad en la Tierra, manteniendo la computación en límites prácticos.

Por qué importan las trazas faltantes

Las imágenes sísmicas se construyen a partir de muchas grabaciones muy próximas, o trazas, alineadas una al lado de la otra. Cuando faltan demasiadas trazas, la imagen del subsuelo se fragmenta y se enmascara con ruido, lo que hace que pasos clave como localizar fallas, cartografiar capas de roca o estimar propiedades del yacimiento sean mucho menos fiables. Los métodos matemáticos existentes pueden estimar la información faltante usando patrones en tiempo y frecuencia, y enfoques más recientes de aprendizaje automático intentan aprender esos patrones a partir de grandes conjuntos de entrenamiento. Pero el aprendizaje automático es costoso y requiere muchos datos, mientras que los métodos tradicionales a menudo ignoran cuán semejantes son lateralmente las trazas vecinas, lo que conduce a estructuras difuminadas y ruido adicional.

Una forma más inteligente de usar la información de los vecinos

Los autores parten de un marco matemático bien conocido llamado proyección sobre conjuntos convexos, que empuja repetidamente los datos hacia distintas condiciones “permitidas” hasta que todas coinciden. La versión clásica impone dos condiciones principales: que las mediciones conocidas permanezcan sin cambios y que los datos sean compactos y bien comportados en una transformada dispersa, como el dominio frecuencia–número de onda. El nuevo método añade un tercer ingrediente: una restricción lateral explícita que fomenta que las trazas vecinas varíen suavemente donde la geología es continua, permitiendo a la vez cambios bruscos donde el subsuelo se interrumpe realmente, por ejemplo en fallas o límites rocosos abruptos.

Adaptándose a geologías complejas

Para evitar suavizarlo todo a ciegas, el método primero divide cada traza en ventanas de tiempo cortas y compara cada ventana con sus vecinos conocidos más cercanos. A partir de esas comparaciones construye un mapa de similitud que destaca dónde las trazas se parecen y dónde difieren. En ventanas con alta similitud —típicas de rocas suavemente estratificadas— el algoritmo permite que las trazas próximas guíen con fuerza la reconstrucción, suprimiendo efectivamente el ruido aleatorio y rellenando trazas faltantes de modo coherente con la continuidad lateral. En ventanas con baja similitud —típicas de fallas complejas o cambios abruptos— relaja el empuje lateral, de modo que las rupturas geológicas genuinas no se borren por un exceso de suavizado. Este comportamiento adaptativo está controlado por un parámetro de intensidad ajustable cuya gama práctica se establece mediante pruebas sistemáticas.

Equilibrando precisión y eficiencia

Los investigadores demuestran matemáticamente que, bajo supuestos estándar, su procedimiento de triple restricción converge a una solución estable. También analizan cuánto cómputo adicional añade el nuevo paso lateral en comparación con una versión anterior y reconocida del método. Ambos enfoques están dominados por la misma transformada de frecuencia central, por lo que el trabajo añadido solo incrementa la parte lineal del coste en lugar de cambiar la tasa de crecimiento global. En la práctica, esto significa que el método mejorado es algo más lento pero se mantiene dentro de límites razonables para conjuntos de datos sísmicos grandes, lo que lo hace apto para proyectos de exploración reales.

Pruebas más claras en sondeos sintéticos y reales

El equipo prueba su enfoque en dos tipos de datos. Primero usan registros sísmicos sintéticos generados a partir del complejo modelo geológico Marmousi, con trazas eliminadas al azar representando pérdidas del 30 %, 50 % e incluso del 70 %. En todos los casos, el nuevo método reconstruye eventos con mayor continuidad lateral, con menos ruido visible y contenido de frecuencia más cercano al de los datos completos originales que el algoritmo anterior. En segundo lugar, aplican el método a datos reales post-stack de una cuenca de petróleo y gas en el este de China. Aquí también, el nuevo enfoque produce secciones más limpias, mejor continuidad en zonas de variación suave y mejor preservación de detalles geológicos importantes, confirmado por medidas cuantitativas de error, relación señal‑ruido y similitud estructural.

Qué significa esto para ver el subsuelo

Para no especialistas, el mensaje clave es que este trabajo ofrece una forma más fiable de convertir registros sísmicos incompletos y ruidosos en imágenes coherentes del subsuelo sin depender de costosos aparatos de aprendizaje automático. Al usar de forma cuidadosa y adaptativa la similitud entre trazas vecinas, el método rellena la información faltante conservando las características geológicas genuinas —como fallas y cambios rocosos abruptos— intactas. El resultado es una base de datos de mayor fidelidad para el procesamiento e interpretación posteriores, que en última instancia puede apoyar mejores decisiones en la exploración de recursos y el monitoreo del subsuelo, incluso cuando las condiciones de campo impiden la recolección de datos perfectamente densos.

Cita: Qin, Z., Pan, S., Chen, J. et al. Adaptive lateral constraint-driven POCS interpolation method. Sci Rep 16, 11518 (2026). https://doi.org/10.1038/s41598-026-39281-1

Palabras clave: interpolación sísmica, imágenes del subsuelo, procesamiento de datos geofísicos, supresión de ruido, continuidad de fallas y capas