Geohazard detection using 3D seismic data to enhance offshore scientific drilling site selection
Notice bibliographique
Résumé
Abstract. A geohazard assessment workflow is presented that maximizes the use of 3D seismic reflection data to improve the safety and success of offshore scientific drilling. This workflow has been implemented for International Ocean Discovery Program (IODP) Proposal 909 that aims to core seven sites with targets between 300 and 1000 m below seabed across the north-western Greenland continental shelf. This glaciated margin is a frontier petroleum province containing potential drilling hazards that must be avoided during drilling. Modern seismic interpretation techniques are used to identify, map and spatially analyse seismic features that may represent subsurface drilling hazards, such as seabed structures, faults, fluids and challenging lithologies. These hazards are compared against the spatial distribution of stratigraphic targets to guide site selection and minimize risk. The 3D seismic geohazard assessment specifically advanced the proposal by providing a more detailed and spatially extensive understanding of hazard distribution that was used to confidently select eight new site locations, abandon four others and fine-tune sites originally selected using 2D seismic data. Had several of the more challenging areas targeted by this proposal only been covered by 2D seismic data, it is likely that they would have been abandoned, restricting access to stratigraphic targets. The results informed the targeted location of an ultra-high-resolution 2D seismic survey by minimizing acquisition in unnecessary areas, saving valuable resources. With future IODP missions targeting similarly challenging frontier environments where 3D seismic data are available, this workflow provides a template for geohazard assessments that will enhance the success of future scientific drilling.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».