오픈-소스 자료처리 기술개발 소프트웨어(Madagascar)를 이용한 탄성파 현장자료 전산처리 적용성 연구 A Study on the Field Data Applicability of Seismic Data Processing using Open-source Software (Madagascar)원문보기
탄성파 처리 기술개발 분야의 오픈-소스 소프트웨어인 Madagascar를 이용하여 신호 대 잡음비가 낮고 속도정보가 불확실한 현장 탄성파 자료에 대해 자료처리를 수행하고, 오픈-소스 소프트웨어의 현장 적용성을 시험하였다. 파이썬(python) 기반의 Madagascar는 방법론적으로는 다차원 자료 분석이 가능하고, 처리 공정의 재현성이 뛰어나 효율적인 자료처리가 가능하다는 장점이 있지만, 다소 복잡한 사용법과 자료 구조 시스템으로 인해 현장 자료에 대한 자료처리 사례는 많지 않다. 본 연구에서는 현장 자료에 대한 Madagascar의 효용성을 확인하기 위해 기본적인 탄성파 자료처리(자료입력, 지형 정보 일치, 진동수-파수 필터, 예측 곱풀기, 속도 분석, 수직 시간차 보정, 겹쌓기, 참반사 보정)를 수행하였다. 테스트를 위해 사용한 현장 자료는 서해 군산분지에서 에어건 음원과 480채널의 스트리머로 취득한 해양 탄성파 탐사자료이며, 각 자료처리 단계마다의 결과를 Landmark사의 상용 소프트웨어인 ProMAX (SeisSpace R5000)을 사용하여 처리한 결과와 비교하였다. 그 결과 데이터 입출력 및 관리, 처리 과정의 재현성 및 자동 속도 분석 측면에서는 Madagascar가 상대적으로 높은 효율성을 보였고, 신호 품질 향상을 위한 전처리 결과는 상용 소프트웨어와 유사함을 확인하였다. 반면에, 심부 지층에 대한 영상화 결과는 상용 소프트웨어로 처리한 결과가 보다 뛰어남을 확인하였다. 이러한 결과는 상용 소프트웨어의 경우 다양한 겹반사 제거 모듈이 적용되었고, 상호 대화식 인터페이스로 인해 보다 정교한 자료처리가 가능하였기 때문이다. 그러나, Madagascar의 경우에도 현재 전 세계에서 많은 연구자들이 다양한 자료처리 알고리듬을 개발하여 지속적으로 공개하고 있기 때문에, 향후 이러한 최신 알고리듬을 적용한다면 상업용 수준의 자료처리가 가능해져 보다 향상된 결과를 도출할 수 있을 것이다.
탄성파 처리 기술개발 분야의 오픈-소스 소프트웨어인 Madagascar를 이용하여 신호 대 잡음비가 낮고 속도정보가 불확실한 현장 탄성파 자료에 대해 자료처리를 수행하고, 오픈-소스 소프트웨어의 현장 적용성을 시험하였다. 파이썬(python) 기반의 Madagascar는 방법론적으로는 다차원 자료 분석이 가능하고, 처리 공정의 재현성이 뛰어나 효율적인 자료처리가 가능하다는 장점이 있지만, 다소 복잡한 사용법과 자료 구조 시스템으로 인해 현장 자료에 대한 자료처리 사례는 많지 않다. 본 연구에서는 현장 자료에 대한 Madagascar의 효용성을 확인하기 위해 기본적인 탄성파 자료처리(자료입력, 지형 정보 일치, 진동수-파수 필터, 예측 곱풀기, 속도 분석, 수직 시간차 보정, 겹쌓기, 참반사 보정)를 수행하였다. 테스트를 위해 사용한 현장 자료는 서해 군산분지에서 에어건 음원과 480채널의 스트리머로 취득한 해양 탄성파 탐사자료이며, 각 자료처리 단계마다의 결과를 Landmark사의 상용 소프트웨어인 ProMAX (SeisSpace R5000)을 사용하여 처리한 결과와 비교하였다. 그 결과 데이터 입출력 및 관리, 처리 과정의 재현성 및 자동 속도 분석 측면에서는 Madagascar가 상대적으로 높은 효율성을 보였고, 신호 품질 향상을 위한 전처리 결과는 상용 소프트웨어와 유사함을 확인하였다. 반면에, 심부 지층에 대한 영상화 결과는 상용 소프트웨어로 처리한 결과가 보다 뛰어남을 확인하였다. 이러한 결과는 상용 소프트웨어의 경우 다양한 겹반사 제거 모듈이 적용되었고, 상호 대화식 인터페이스로 인해 보다 정교한 자료처리가 가능하였기 때문이다. 그러나, Madagascar의 경우에도 현재 전 세계에서 많은 연구자들이 다양한 자료처리 알고리듬을 개발하여 지속적으로 공개하고 있기 때문에, 향후 이러한 최신 알고리듬을 적용한다면 상업용 수준의 자료처리가 가능해져 보다 향상된 결과를 도출할 수 있을 것이다.
We performed the seismic field data processing using an open-source software (Madagascar) to verify if it is applicable to processing of field data, which has low signal-to-noise ratio and high uncertainties in velocities. The Madagascar, based on Python, is usually supposed to be better in the deve...
We performed the seismic field data processing using an open-source software (Madagascar) to verify if it is applicable to processing of field data, which has low signal-to-noise ratio and high uncertainties in velocities. The Madagascar, based on Python, is usually supposed to be better in the development of processing technologies due to its capabilities of multidimensional data analysis and reproducibility. However, this open-source software has not been widely used so far for field data processing because of complicated interfaces and data structure system. To verify the effectiveness of the Madagascar software on field data, we applied it to a typical seismic data processing flow including data loading, geometry build-up, F-K filter, predictive deconvolution, velocity analysis, normal moveout correction, stack, and migration. The field data for the test were acquired in Gunsan Basin, Yellow Sea using a streamer consisting of 480 channels and 4 arrays of air-guns. The results at all processing step are compared with those processed with Landmark's ProMAX (SeisSpace R5000) which is a commercial processing software. Madagascar shows relatively high efficiencies in data IO and management as well as reproducibility. Additionally, it shows quick and exact calculations in some automated procedures such as stacking velocity analysis. There were no remarkable differences in the results after applying the signal enhancement flows of both software. For the deeper part of the substructure image, however, the commercial software shows better results than the open-source software. This is simply because the commercial software has various flows for de-multiple and provides interactive processing environments for delicate processing works compared to Madagascar. Considering that many researchers around the world are developing various data processing algorithms for Madagascar, we can expect that the open-source software such as Madagascar can be widely used for commercial-level processing with the strength of expandability, cost effectiveness and reproducibility.
We performed the seismic field data processing using an open-source software (Madagascar) to verify if it is applicable to processing of field data, which has low signal-to-noise ratio and high uncertainties in velocities. The Madagascar, based on Python, is usually supposed to be better in the development of processing technologies due to its capabilities of multidimensional data analysis and reproducibility. However, this open-source software has not been widely used so far for field data processing because of complicated interfaces and data structure system. To verify the effectiveness of the Madagascar software on field data, we applied it to a typical seismic data processing flow including data loading, geometry build-up, F-K filter, predictive deconvolution, velocity analysis, normal moveout correction, stack, and migration. The field data for the test were acquired in Gunsan Basin, Yellow Sea using a streamer consisting of 480 channels and 4 arrays of air-guns. The results at all processing step are compared with those processed with Landmark's ProMAX (SeisSpace R5000) which is a commercial processing software. Madagascar shows relatively high efficiencies in data IO and management as well as reproducibility. Additionally, it shows quick and exact calculations in some automated procedures such as stacking velocity analysis. There were no remarkable differences in the results after applying the signal enhancement flows of both software. For the deeper part of the substructure image, however, the commercial software shows better results than the open-source software. This is simply because the commercial software has various flows for de-multiple and provides interactive processing environments for delicate processing works compared to Madagascar. Considering that many researchers around the world are developing various data processing algorithms for Madagascar, we can expect that the open-source software such as Madagascar can be widely used for commercial-level processing with the strength of expandability, cost effectiveness and reproducibility.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
Madagascar 소프트웨어의 기본적인 사용법에 대해 살펴본다. 예를 들어 띠통과 필터(band-pass filter)를 적용할 경우 sfbandpass 명령어를 이용하여 아래와 같이 자료처리를 신속하게 실행할 수 있다.
국내에서는 Madagascar를 이용한 자료처리 연구가 아직까지 자세히 소개된 바 없다. 본 연구에서는 Madagacar 소프트웨어의 특징, 명령어 및 기본적인 사용법을 소개하고, 현장에서 취득한 해양 탄성파 자료에 대한 자료처리 과정 및 결과를 보여주고자 한다. 현장 자료는 한국지질자원연구원이 서해에서 취득한 480채널로 기록된 2차원 해양 탄성파 탐사 자료이며, 이를 이용하여 해양 탄성파 자료처리에 대한 Madagascar의 적용성을 확인한다.
본 연구에서는 Madagascar 소프트웨어의 구성, 형식, 기본적인 사용법 등을 소개하고, 현장에서 취득한 해양 탄성파 탐사 자료에 대해 Madagascar를 이용하여 자료처리를 수행하였다. 자료처리는 탄성파 자료 불러오기, 지형정보와 탄성파 자료의 헤더 일치, 신호 품질 강화, 겹반사 제거, 속도 분석, 겹쌓기, 참반사 보정 등의 순서로 진행하였으며, 각 단계별로 자료처리 변수 테스트를 통해 탐사자료에 포함된 잡음 및 겹반사를 감쇠시켰다.
본 연구에서는 Madagascar 소프트웨어의 효용성을 확인하기 위해 해양 탄성파 자료처리를 수행하였다. 테스트 자료는 한국지질자원연구원의 탐해 2호를 이용하여 서해 군산분지(Fig.
10(f)). 자동으로 발췌된 전체 속도 분석 결과를 다시 확인함으로써 오류를 최소화하고자 하였다. 이와 같은 속도 분석 과정을 통해 Fig.
제안 방법
이로부터 취득된 탐사 자료에 내재된 잡음의 특성 및 전반적인 지층 구조를 정성적으로 파악할 수 있으며, 이러한 시각적인 정보는 자료처리 흐름도 구축 시 도움을 줄 수 있다. 다음 자료처리 단계에서는 읽어 들인 원시 자료의 헤더 정보와 송신원, 수진기, CDP 등과 관련된 지형(geometry) 정보를 일치하는 작업을 수행하였다. Fig.
11과 같은 겹쌓기 속도(stacking velocity)를 얻을 수 있었고, 자동 발췌로 인해 작업시간을 단축할 수 있었다. 도출된 속도를 이용하여 NMO (normal moveout) 보정을 수행하고(Fig. 12), 겹쌓기 단면을 생성하였다(Fig. 13(a)).
4와 같이 생성된 중합맵(fold map), 중합수(fold) 및 헤더의 다양한 정보를 체크함으로써, 지형정보 작성이 정상적으로 수행되었음을 확인할 수 있다. 본 연구에서는 Madagascar를 이용하여 신호 대 잡음비를 향상시키기 위해 진동수-파수 필터(F-K filter)를 적용하였다. 일반적으로 상용소프트웨어는 진동수-파수 필터 적용 시 필터 영역을 다각형 형태로 직접 선택할 수 있지만, Madagascar는 상호 대화식으로 필터를 설계할 수 없는 구조이기 때문에 진동수-파수 필터의 기울기(즉, 속도 v = f/k) 범위를 지정하는 방식으로 필터 영역을 선택한다.
음원(Air-gun) 용량은 4,578 in3, 음원 간격은 50 m, 샘플링 간격은 4 ms, 기록 시간은 5초이다(Table 2). 수진기는 12.5 m 간격의 480채널(channel)로 구성된 총 6 km 길이의 스트리머로 탐사를 수행하였다. 취득된 현장 자료의 FFID (field file identification number)는 1,001 ~ 1,621이며, 탐사 측선 거리는 31 Line-km이다.
오픈-소스 소프트웨어인 Madagascar를 이용한 자료처리 결과의 타당성을 확인하기 위해 상용 소프트웨어인 ProMAX (SeisSpace R5000)의 자료처리 결과와 비교해 보았다. 전체적인 자료처리 흐름(Table 3)은 Madagascar와 유사하게 구성하였으나, 각 모듈마다 특성이 달라 결과가 서로 다를 수 있다.
현장 자료는 한국지질자원연구원이 서해에서 취득한 480채널로 기록된 2차원 해양 탄성파 탐사 자료이며, 이를 이용하여 해양 탄성파 자료처리에 대한 Madagascar의 적용성을 확인한다. 자료처리 과정은 SEGY 자료의 불러오기(loading), 지형정보 일치, 신호 품질 향상, 겹반사 제거, 속도 분석, 겹쌓기, 참반사 보정 등의 순서로 진행하였으며, 전 과정에 대하여 파이썬 기반의 기술 파일인 SConstruct를 작성하고 최종 결과를 도출한다. 또한, Landmark사에서 개발한 상용 소프트웨어인 ProMAX (SeisSpace R5000)를 이용한 자료처리 결과와 비교한다.
본 연구에서는 Madagascar 소프트웨어의 구성, 형식, 기본적인 사용법 등을 소개하고, 현장에서 취득한 해양 탄성파 탐사 자료에 대해 Madagascar를 이용하여 자료처리를 수행하였다. 자료처리는 탄성파 자료 불러오기, 지형정보와 탄성파 자료의 헤더 일치, 신호 품질 강화, 겹반사 제거, 속도 분석, 겹쌓기, 참반사 보정 등의 순서로 진행하였으며, 각 단계별로 자료처리 변수 테스트를 통해 탐사자료에 포함된 잡음 및 겹반사를 감쇠시켰다. Madagascar를 이용한 자료처리 결과의 효용성을 확인하기 위해 상용 소프트웨어인 ProMAX (SeisSpace R5000)의 자료처리 결과와 비교하였다.
CDP (common depth point)는 총 5,439개이며, 오프셋 범위는 152 ~ 6,131 m이다. 전체적인 자료처리 흐름도는 Table 3의 왼쪽 열에 나타내었고, 탄성파 자료 불러오기, 지형정보와 탄성파 자료의 헤더 일치, 신호 품질 강화, 겹반사 제거, 속도 분석, 겹쌓기, 참반사 보정 등의 단계로 구성하였다. 각 단계별로 주로 사용되는 Madagascar 명령어를 Table 3의 중간 열에 정리하였다.
본 연구에서는 Madagacar 소프트웨어의 특징, 명령어 및 기본적인 사용법을 소개하고, 현장에서 취득한 해양 탄성파 자료에 대한 자료처리 과정 및 결과를 보여주고자 한다. 현장 자료는 한국지질자원연구원이 서해에서 취득한 480채널로 기록된 2차원 해양 탄성파 탐사 자료이며, 이를 이용하여 해양 탄성파 자료처리에 대한 Madagascar의 적용성을 확인한다. 자료처리 과정은 SEGY 자료의 불러오기(loading), 지형정보 일치, 신호 품질 향상, 겹반사 제거, 속도 분석, 겹쌓기, 참반사 보정 등의 순서로 진행하였으며, 전 과정에 대하여 파이썬 기반의 기술 파일인 SConstruct를 작성하고 최종 결과를 도출한다.
대상 데이터
Location map of marine seismic survey. Field seismic data were acquired in Gunsan Basin, Yellow Sea using a streamer consisting of 480 channels and 4 arrays of air-guns.
5 m 간격의 480채널(channel)로 구성된 총 6 km 길이의 스트리머로 탐사를 수행하였다. 취득된 현장 자료의 FFID (field file identification number)는 1,001 ~ 1,621이며, 탐사 측선 거리는 31 Line-km이다. CDP (common depth point)는 총 5,439개이며, 오프셋 범위는 152 ~ 6,131 m이다.
본 연구에서는 Madagascar 소프트웨어의 효용성을 확인하기 위해 해양 탄성파 자료처리를 수행하였다. 테스트 자료는 한국지질자원연구원의 탐해 2호를 이용하여 서해 군산분지(Fig. 2)에서 취득한 현장 자료를 이용하였다. 음원(Air-gun) 용량은 4,578 in3, 음원 간격은 50 m, 샘플링 간격은 4 ms, 기록 시간은 5초이다(Table 2).
데이터처리
자료처리는 탄성파 자료 불러오기, 지형정보와 탄성파 자료의 헤더 일치, 신호 품질 강화, 겹반사 제거, 속도 분석, 겹쌓기, 참반사 보정 등의 순서로 진행하였으며, 각 단계별로 자료처리 변수 테스트를 통해 탐사자료에 포함된 잡음 및 겹반사를 감쇠시켰다. Madagascar를 이용한 자료처리 결과의 효용성을 확인하기 위해 상용 소프트웨어인 ProMAX (SeisSpace R5000)의 자료처리 결과와 비교하였다. Madagascar의 경우 헤더와 실제 데이터를 분리 하여 관리함으로써 처리 공정에 따라 불필요한 자료의 이동 및 계산이 필요 없고, 속도 분석과 같은 일부 자료처리 공정의 경우 자동화가 되어 있어 처리 자료의 준비, 입출력 및 자동화 측면에서는 상용 소프트웨어보다 우수함을 확인하였다.
자료처리 과정은 SEGY 자료의 불러오기(loading), 지형정보 일치, 신호 품질 향상, 겹반사 제거, 속도 분석, 겹쌓기, 참반사 보정 등의 순서로 진행하였으며, 전 과정에 대하여 파이썬 기반의 기술 파일인 SConstruct를 작성하고 최종 결과를 도출한다. 또한, Landmark사에서 개발한 상용 소프트웨어인 ProMAX (SeisSpace R5000)를 이용한 자료처리 결과와 비교한다.
성능/효과
최종적으로 Madagascar의 Stolt 참반사 보정(migration) 모듈을 이용하여 단면도(Fig. 13(b))를 도출하였고, 이로부터 오픈-소스 소프트웨어를 이용하여 자료처리를 수행하더라도 지하의 전반적인 기반암 및 배사구조 등이 성공적으로 영상화 됨을 확인할 수 있었다.
6(b))의 공통 송신원 모음 자료간의 차이(Fig. 6(c))로부터 선형성 잡음이 효과적으로 제거됨을 확인하였고, 진폭 스펙트럼(Figs. 6(d) ~ (e)) 분석을 통해 저주파수 대역의 잡음이 크게 감쇠됨을 확인할 수 있었다.
6(c))로부터 선형성 잡음이 효과적으로 제거됨을 확인하였고, 진폭 스펙트럼(Figs. 6(d) ~ (e)) 분석을 통해 저주파수 대역의 잡음이 크게 감쇠됨을 확인할 수 있었다. 또한, 3차원으로 진동수-파수 필터 적용 전(Fig.
Madagascar를 이용한 자료처리 결과의 효용성을 확인하기 위해 상용 소프트웨어인 ProMAX (SeisSpace R5000)의 자료처리 결과와 비교하였다. Madagascar의 경우 헤더와 실제 데이터를 분리 하여 관리함으로써 처리 공정에 따라 불필요한 자료의 이동 및 계산이 필요 없고, 속도 분석과 같은 일부 자료처리 공정의 경우 자동화가 되어 있어 처리 자료의 준비, 입출력 및 자동화 측면에서는 상용 소프트웨어보다 우수함을 확인하였다. 또한, 신호 품질의 향상을 위한 전처리 단계, 즉 주파수-파수 필터링, 디콘볼루션 등에서의 자료 품질은 상용 소프트웨어와 차이가 거의 없음을 확인하였다.
또한, 신호 품질의 향상을 위한 전처리 단계, 즉 주파수-파수 필터링, 디콘볼루션 등에서의 자료 품질은 상용 소프트웨어와 차이가 거의 없음을 확인하였다. 다만 다중 반사파(겹반사파) 제거 또는 상호 대화식 작업이 필요한 부분에서는 아직까지 상용 소프트웨어에 비해 그 효율이 떨어짐을 확인하였다. 즉, ProMAX (SeisSpace R5000)의 경우에는 겹반사 제거 및 신호 품질 향상을 위한 다양한 모듈(SRME, SRWEMR, FKK filter, FXY deconvolution 등)이 탑재되어 있어 보다 효과적인 자료처리가 가능했으나, Madagascar의 경우 적용할 수 있는 모듈의 한계로 인해 원하는 처리 공정을 수행할 수 없었다.
6(d) ~ (e)) 분석을 통해 저주파수 대역의 잡음이 크게 감쇠됨을 확인할 수 있었다. 또한, 3차원으로 진동수-파수 필터 적용 전(Fig. 3)과 후(Fig. 7)의 송신원 자료를 비교해 보면, 원시 자료에서 2초 이하에 주로 존재했던 저주파 잡음이 감쇠되어 전반적으로 신호 대 잡음비가 향상되었음을 확인할 수 있다.
Madagascar의 경우 헤더와 실제 데이터를 분리 하여 관리함으로써 처리 공정에 따라 불필요한 자료의 이동 및 계산이 필요 없고, 속도 분석과 같은 일부 자료처리 공정의 경우 자동화가 되어 있어 처리 자료의 준비, 입출력 및 자동화 측면에서는 상용 소프트웨어보다 우수함을 확인하였다. 또한, 신호 품질의 향상을 위한 전처리 단계, 즉 주파수-파수 필터링, 디콘볼루션 등에서의 자료 품질은 상용 소프트웨어와 차이가 거의 없음을 확인하였다. 다만 다중 반사파(겹반사파) 제거 또는 상호 대화식 작업이 필요한 부분에서는 아직까지 상용 소프트웨어에 비해 그 효율이 떨어짐을 확인하였다.
후속연구
15(b)), 약 3초까지의 지층구조와 배사구조 등을 잘 파악할 수 있다. Madagascar의 경우에도 향후 보다 진보된 다양한 겹반사 제거 모듈이 적용된다면 ProMAX (SeisSpace R5000)에 상응하는 결과를 도출할 수 있을 것이다.
현재 세계적으로 Madagascar의 사용자가 증가하는 추세이며, 다양한 자료처리 모듈이 동시다발적으로 개발되고 있어 그 활용도가 높아지고 있다. 따라서, 오픈-소스 소프트웨어와 상용 소프트웨어의 특성이 서로 상이하기 때문에 소프트웨어 간의 절대적인 우위를 판단하기 어려우며, 경제적인 측면, 계산 시간, 사용자 편의성, 자료처리 효과 등 여러 가지 조건들을 고려하여 판단해야 할 것이다.
반면에, Madagascar와 같은 오픈-소스 소프트웨어의 경우에는 사용자 인터페이스(user interface)가 상용 소프트웨어에 비해 불편하여 상호 대화식 작업이 요구되는 자료처리 모듈을 수행하기에는 어려움이 존재하나, 본인 및 다른 사용자가 개발한 자료처리 모듈을 손쉽게 탑재하여 사용할 수 있어 확장성이 좋다. 또한, 상용 소프트웨어를 사용하기 힘든 열악한 탐사 현장에서 노트북으로도 구동되는 Madagascar를 이용하여 기본적인 자료처리를 수행한다면, 취득 자료에 대한 실시간 QC(quality control)가 가능할 것이다. 현재 세계적으로 Madagascar의 사용자가 증가하는 추세이며, 다양한 자료처리 모듈이 동시다발적으로 개발되고 있어 그 활용도가 높아지고 있다.
org/wiki/Main_Page)에서 다운로드할 수 있으며, 직관적이고 쉬운 문법과 확장성이 뛰어나며 컴파일 과정이 필요 없는 인터프리터 언어인 파이썬(python) 기반으로 만들어져, 다차원 자료 분석과 재현 가능한(reproducible) 계산이 가능하도록 고안되었다. 본 소프트웨어는 SEG-Y 포맷 등의 탄성파 자료를 읽어 들여 자료처리를 수행하게 되면 RSF (regularly sampled format) 파일 포맷으로 결과가 저장된다. Fig.
비록 Madagascar가 상용 소프트웨어에 비해 적용할 수 있는 공정이 많지 않아 심부 지층에 대한 영상화 결과가 명확하지 않지만, 탐사 목표 심도인 약 2초까지의 천부지층 구조와 배사구조 등은 잘 영상화되어 의도한 처리 목적은 충분히 달성하였다. 최근에 Madagascar를 이용하여 개발되고 있는 다양한 잡음 및 겹반사 제거 모듈이 적용된다면 상용 소프트웨어에 상응하는 결과를 도출할 수 있을 것으로 예상된다. Madagascar 소프트웨어가 채택한 SCons 툴에 의한 자료의 재현성 기능은 작업의 효율성을 높여 자료처리 계산 시간을 단축시킬 수 있지만, 겹반사 제거 및 속도 분석 등과 같은 모듈은 상호적인(interactive) 작업 수행이 수월하도록 사용자 인터페이스가 개선되어야 할 필요성이 있다.
현재 세계적으로 Madagascar 소프트웨어 사용자 수가 급격하게 늘어나는 추세인 만큼 최신 연구 동향과 관련된 다양한 모듈 및 상용 소프트웨어에서 제공하지 않는 모듈도 공개되고 있다. 향후 이러한 오픈-소스 소프트웨어 및 정보를 잘 활용한다면, 많은 사용자들이 별도의 비용지출 없이 고해상의 자료처리 결과를 도출할 수 있을 것으로 생각된다.
질의응답
핵심어
질문
논문에서 추출한 답변
Madagascar는 무엇인가?
Madagascar는 탄성파 자료처리가 가능한 오픈-소스 소프트웨어로서 Madagascar 홈페이지(http://www.ahay.
Fetch는 어떤 명령어 인가?
자료처리 시 자주 사용하는 몇 가지 명령어를 이용하여 간단히 작성한 SConstruct 예제를 Table 1에 나타내었다. 여기서, ‘Fetch’는 특정 디렉토리나 서버에서 입력 자료를 가져올 때 사용하는 명령어이며, ‘Flow’는 입력 자료(source)에 대해 특정 자료처리 명령어(sfbandpass 등)을 이용하여 출력파일(target)을 생성한다. ‘Result’는 현재의 작업 디렉토리 내에서 ‘Fig’ 디렉토리를 자동으로 생성하여 이 디렉토리 내에 그림파일(*.
Madagascar는 어떤 포맷으로 결과가 저장되는가?
org/wiki/Main_Page)에서 다운로드할 수 있으며, 직관적이고 쉬운 문법과 확장성이 뛰어나며 컴파일 과정이 필요 없는 인터프리터 언어인 파이썬(python) 기반으로 만들어져, 다차원 자료 분석과 재현 가능한(reproducible) 계산이 가능하도록 고안되었다. 본 소프트웨어는 SEG-Y 포맷 등의 탄성파 자료를 읽어 들여 자료처리를 수행하게 되면 RSF (regularly sampled format) 파일 포맷으로 결과가 저장된다. Fig.
참고문헌 (6)
Ji, J., and Choi, Y., 2010, 3D Seismic Data Processing Methodology using Public Domain Software System, Geophys. and Geophys. Explor, 13(2), 159-168 (in Korean with English abstract).
Clapp, G. R., Prucha, L. M., Sava, P., Dellinger, J., and Biondi, B., 2004, SEP Manual, http://sep.stanford.edu.
Fomel, S., and Hennenfent, G., 2007, Reproducible computational experiments using Scons, IEEE International Conference on Acoustics, 4, iv-1257.
Fomel, S., Sava, P., Vlad, I., Liu, Y., and Bashkardin V., 2013, Madagascar: Open-source software project for multidimensional data analysis and reproducible computational experiments, Journal of Open Research Software, 1(1), e8.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.