다성분 탄성파탐사자료를 이용할 경우, P파 뿐만 아니라 PS파를 함께 이용함으로써 공극유체의 판별, 암상의 특성규명, 고해상도의 영상화 등에 유리한 장점들이 있다. 하지만 다성분 탄성파탐사를 통하여 획득한 수직 성분 및 수평 성분 자료에는 각기 다른 특성을 가지는 P파와 PS파가 함께 존재한다. 따라서 다성분 탄성파탐사자료를 이용할 때 P파와 PS파를 분리하는 전처리 과정이 필수적이다. 이 연구에서는, 기존의 정수철, 변중무(2011)가 제안하였던 한 개의 기준 깊이를 이용하여 반사각의 근사값을 계산하고 이를 회전 변환하여 P파와 PS파를 분리하는 방법을 분석한 결과, 다층 구조에서 획득 된 다수의 반사파가 존재하는 자료에의 적용시 한계가 있음을 확인하였다. 이를 개선하기 위하여, 여러 개의 기준 깊이를 이용하여 반사각의 근사값을 계산하고 이를 회전 변환을 한 뒤 중합을 하는 개선된 P파와 PS파의 분리방법을 제안하였다. 마지막으로 이 연구에서 제안하는 방법을 수평 다층 구조의 모델, 단층이 존재하는 모델, Marmousi-2 모델 등에서 획득 된 합성탄성파탐사자료에 적용하여 검증하였다. 그 결과, 급경사 지역이 아닌 완만한 경사의 여러 층이 존재하는 구조에서의 다성분 탄성파탐사자료의 효과적인 파 분리가 가능하였다.
Multicomponent seismic data including both P- and PS-waves have advantages in discriminating the type of pore fluid, characterizing the lithologic attributes and producing the high resolution image. However, multicomponent seismic data recorded at the vertical and horizontal component receivers contain both P- and PS-waves which have different features, simultaneously. Therefore, the wavefield separation of P- and PS-waves as a preprocessing is inevitable in order to use the multicomponent seismic data successfully. In this study, we analyzed the previous study of the wavefield separation method suggested by Jeong and Byun in 2011, where the approximated reflection angle calculated only from one refernce depth is used in rotation transform, and showed its limitation for seismic data containing various reflected events from the multi-layered structure. In order to overcome its limitation, we suggested a new effective wavefield separation method of P- and PS-waves. In new method, we calculate the reflection angles with various reference depths and apply rotation transforms to the data with those reflection angles. Then we stack all results to obtain the final separated data. To verify our new method, we applied it to the synthetic data sets from a multi-layered model, a fault model, and the Marmousi-2 model. The results showed that the proposed method separated successfully P- and PS-reflection events from the multicomponent data from mild dipping layered model as long as the dip is not too steep.
