高分辨率数据是地震处理的重要目标，影响后续的地震解释和储层勘探。长久以来，以四分之一地震子波波长为分水岭，它被粗分成二个方面。凡是以拓宽频带、压缩地震子波长度的方法均称为高分辨率处理方法。凡是超越四分之一波长的薄储层、小断层分析方法一般都称为反演方法。通过这2个方面的处理，使得地震资料的分辨率在整个波长范围内均有了对应的解决方案。此外，还衍生出了很多属性分析算法，大大提高了储层分辨率和断层分辨的精度。

从勘探早期到现在，提高地震资料分辨率的常见思路是，拓宽频带、压缩子波，即减小地震子波的长度。其实现过程包括时间域、频率域和时频域同时处理3个方面。根据数据的不同特征，特别是信噪比方面的差别，又分成了叠前与叠后资料的处理。

反褶积算法通过压缩地震子波主瓣宽度达到提高分辨率的目的，侧重于时间域的处理。按照所使用的数据类型不同分为叠前反褶积和叠后反褶积两类；叠前反褶积作用于叠前地震数据，数据量大，信噪比低，需具备良好的抗噪性；常用的算法包括：基于维纳滤波的最小平方反褶积^[1]、脉冲反褶积^[2]、致力于压制多次波的预测反褶积^[3]以及同态反褶积^[4]等，这些算法均可以通过增加局部倾角约束或者横向连续性约束，获得相应的多道算法^[5]，使得分辨率改善的同时还有较高的信噪比。叠后反褶积作用于叠加剖面，数据规模较小，其中以1979年H. L. Taylor 等^[6]提出基于L₁范数的稀疏脉冲反褶积算法最受欢迎，此方法通过增强稀疏约束能力获得反射系数的更准确估计，再通过褶积主频稍高的地震子波获得高分辨率地震数据。对反射系数为稀疏分布的不同约束，人们又提出了不同的约束方法，如L_p范数^[7]；由于L₂范数的假设服从高斯分布，而L₁范数的假设又服从拉普拉斯分布，兼顾这两者提出了柯西范数^[8]；与叠前反褶积算法类似，横向连续性的约束大大提高反褶积的质量^[9]。此外，部分学者利用变换域阈值去噪作为反褶积正则化项，确保信噪比的同时实现了地震资料的分辨率的提高^[10-11]。

谱白化方法全称为地震频谱白化处理，主要思路为均衡频率域内高低频能量。它无需反射系数的稀疏假设，通过拓宽振幅谱、提高主频改善分辨率^[12]。借助于傅里叶变换获得地震数据振幅谱，通过算子均衡各个频率组分的能量，使之成为“白噪声”。它在全部数据上应用同一个算子，不具备时空变化特征，因此，谱白化处理又被归到了时频域，即对地震道进行时频多尺度分解，均衡每个尺度的能量后进行重建。时频分析方法包括：Gabor变换^[13]、小波变换^[14]、S变换^[15]等，同时基于自适应分解的经验模态分解(Empirical Mode Decomposition，EMD)算法和变分模态分解算法(Variational Mode Decomposition，VMD)也被应用于高分辨率处理^[16-17]。

反Q滤波是基于谱比法、质心频移法等估计地下各层位的品质因子，进行深层高频衰减补偿，由N. D. Hargreaves等^[18]在1991年首次提出。算法要求利用地下Q场分布，构造衰减矩阵。它是一种非稳态地震资料的处理手段。基于该思想，Zhang Changjun等^[19](2007)利用最小二乘反演，提高了反Q滤波的稳定性；Wang Shoudong等^[20](2014)利用稀疏L₁范数作为约束，通过压缩感知理论完成吸收衰减补偿；Jiang Y. 等^[21](2018)实现了准确的Q值计算，进行高频恢复和相位校正；Xue Yajuan等^[22](2019)将同步挤压变换代替传统Gabor变换和S变换等，在时频域实现稳定的衰减补偿。需要说明的是，反Q滤波自出现以来普遍应用于VSP(Vertical Seismic Profile，VSP)数据和叠后地震数据中。Liu Guochang等^[23](2020)对叠前Q值估计以及反Q滤波开展相关研究，证明了地震道集在时间和空间方向均存在衰减，这是地震道集在横向上，主频和频带宽度存在差异的主要原因。

由于人工智能算法的发展，深度学习逐渐被应用到地震资料处理与解释中，它在同一地区具有高度的泛用性、鲁棒性。常用的神经网络有卷积神经网络和循环神经网络，是一种提取图像特征的有效方法。循环神经网络借助循环核从时间维度提取信息，实现预测等操作。U-Net网络结合了2种神经网络的特性^[24]，被用来进行医学图像分割；孙永壮等^[25](2021)将目标区块的构造作为训练集，得到的高分辨率结果能清晰指示地下构造；Chen D. 等 ^[26](2020)利用对抗网络(Generative Adversarial Networks，GAN)输入地震数据，输出高分辨率的反射系数；同年，D. Pereg等^[27]考虑低信噪比的地震数据，利用递归神经网络(Recursive Neural Network，RNN)实现复杂构造的地震数据反褶积处理；Chai Xintao等^[28](2021)利用深度学习提高了传统稀疏脉冲反褶积的横向连续性；S. Phan等^[29](2021)基于自编码神经网络实现非稳态地震数据的反褶积处理；同年，Gao Zhaoqi等^[30]打破了传统卷积模型的桎梏，利用深度学习计算传统褶积理论和真实地震记录的误差项，获得能准确指示地下复杂构造的广义卷积模型，提高了地层分辨率。深度学习的关键在于训练数据和标签数据的制作和选择，需要大量已知数据作为训练集。最理想的训练数据为大量井数据，当测井数据不足时，可使用数据集扩充的方式进行数据增广。而无井地区的训练数据通常基于常规算法，预先通过反褶积、频谱白化等算法的处理结果作为训练集样本。

随着实际生产对薄层精度需求进一步提高，国内外学者提出许多新的理论方法用于薄层识别，并且成功应用于实际生产中。早在1973年，M. B. Widess等^[31]客观评价了薄层反射系数振幅与地层厚度的关系，将1/4波长以下的地层视为薄层。1994年李庆忠^[32]研究薄层的傅里叶谱，并解释了多种影响地震响应的因素。2001年汪恩华等^[33]研究薄层反射系数谱与入射角、入射条件下的关系，并推导得到不同频率下反射系数谱之间的公式。2003年J. P. Castagna等^[34]基于奇偶分解理论，提出了谱反演原理，突破了传统地震分辨率极限，使地层分辨达到1/8波长至1/16波长。2003年高静怀等^[35]应用广义S变换来识别复杂薄层，并应用于多种薄层模型和实际资料，效果整体较好。2008年C. I. Puryear等^[36]基于楔形体模型来研究地层反射奇偶分解的频谱特征，发现薄层反射系数的奇偶频谱与地层厚度呈现周期性变化关系，在频率域开展反射系数反演更易于恢复调谐厚度以内的薄层。2018年张繁昌等^[37]对稀疏反射系数频率域正余弦分量协同反演方法开展研究。

拓宽频带、压缩子波，可以达到提高分辨率的目的。但实际生产中，常常会碰到这样的情况，即频带展宽了，子波没有被压缩。出现这种情况的主要原因是在信号处理时，时间窗口过大，导致频率能量的集中度不够。为此，选择了较小的高斯窗或其他的时间窗进行处理，使小窗口里不同频率成分的能量实现谱展宽；同时，又根据反射系数的频谱特性，对展宽后的频谱形态进行约束，尽可能把子波的长度压缩。事实表明，用这样的方法得到的高分辨率剖面，频带最宽、子波的长度最短。这一过程看上去尽善尽美，实现了频带拓宽、子波长度变短的理想。但在实际资料处理时，这种剖面的局限就出现了，就是井震标定的相关系数很小。经过空间上的成像效果分析，发现要想让这样一个高分辨率地震剖面得到更广泛的应用，现在的处理过程还很不完善，还需要解决好高分辨率处理中的四大矛盾，即信噪比与分辨率、低频信息与常规分析技术、高分辨率与高保真、衰减理论与实际资料之间的矛盾。基于此，本文提出了HHT点谱白化技术和薄储层精细刻画方法，突破四分之一波长分辨率的极限，以期实现高保真高分辨率处理。

1   高分辨率处理面临的挑战

1.1   高信噪比与高分辨率

信噪比与分辨率是一对矛盾，这是由于地震资料中频谱两端对应的地震资料信噪比较低。如何判断信噪比低是从哪个频率开始和这个频率成分是否能用，还是问题。在地震资料处理中，分频技术可以很好地分析信号和噪声随着频率和时间的特征差异。图1是某油田地震资料的分频剖面，以4.5 Hz分频剖面为例(图1a)，该剖面中心频率较低，但是整体存在着较高的信噪比，同相轴横向连续性较好。而由图1b可以看出，该分频剖面的主频较高，达到了60.57 Hz，但剖面的信噪比降低，尤其是1 100 ms以下几乎没有连续的同相轴，可用信息较少；而1 100 ms以上的同相轴连续性较好，地震有效信息较多。因此，信噪比分析不仅要看哪个频段，更要看目的层在这个频段的具体位置。

图  1  东部油田一地震资料2个不同尺度的信息

Figure  1.  Two different scales of seismic information in the eastern oilfield

下载: 全尺寸图片 幻灯片

1.2   低频信息与常规分析技术

现在的宽频勘探，主要是指频带向低频方向拓展。首先，傅里叶变换中的窗口问题是首要难题，因为是低频信息，也就是10 Hz以下，窗口本身加上镶边的长度，确定了窗口不能太大。但窗口太小了，吉普斯现象又很明显，引起的误差就比较大。因此，低频信息的多尺度分解就成了问题的关键。目前利用小波变换，寻找合适的小波函数，可以解决这一问题。

图1a中低频尺度的相关参数为主频4.5 Hz，频宽0.35 Hz，这说明现在的低频高精度分析是可以实现的。由图2可知，其不同尺度对应的主频值相差很小，频宽不到0.02 Hz，但它们对应的分频结果特征相差不少；尺度0.79~4.51 Hz的信息很好地给出了地震波初至的信息，最左边的原始数据中是不易看清的。这也说明，低频信息相当精细，在处理中要尽可能地给予保护。由于提高低频能量需要研究低频信号的传播规律和传播特征，而目前国内外地震资料处理的很多系统还不能提供这方面的相关技术，这就导致了宽频处理中低频信息与常规分析技术之间的矛盾。

图  2  超低频分解时不同尺度间的主频分频结果特征

Figure  2.  In super-low frequency decomposition, the characteristic difference in dominant frequency between different scales.

下载: 全尺寸图片 幻灯片

1.3   高分辨率与高保真

地震资料的“高分辨率”与“高保真”之间是存在矛盾的。图3显示是东部某油田“十二五”(图3b)和“十三五”(图3a)攻关后的结果。从分辨率上看，图3b“十二五”的结果似乎要更好些，同相轴稍多，连续性也相当不错，同相轴分得也比较开，它们之间的距离比图3a的要大一些。

图  3  东部一油田高分辨率和高保真结果之间的差异

Figure  3.  Difference between high-resolution and high-fidelity results in eastern oilfield

下载: 全尺寸图片 幻灯片

在这一段地震剖面上，有8口井，因此，处理结果完全可以由井资料来验证。图3b右侧第二口井处，油田技术人员标定为井震矛盾。对比图3a的结果，发现这2个结果中对应位置的同相轴(较粗)走向是不同的。图3a显示的同相轴是往右侧倾钭，因为从这个方向上看到的井资料(伽马曲线)，它们之间是相互匹配的。如果按图3b同相轴走向，研判对应的井信息，它们之间是不相关的。

分析纵向分辨率可以发现图3b的资料要高些。同相轴要更细一些，间隔也要大一些。视觉效果上来看，图3b的资料分辨率与信噪比更高。但是，加上所在位置的井信息后发现，图3b资料的横向分辨率比较低。图中所示部分的区域河流相发育，砂坝之间为非连续状态。而图3b中，河道砂的同相轴连了起来，已经分不清它们的特征、也判别不了砂体的具体位置。从这个角度来说，图3a结果与井上的结果对得更准、横向分辨率更高。此外从左往右的第三、第四口井上的河道砂也证明，图3a的资料保真度更高，实钻结果表明这部分的河道砂更窄，远没有图3b资料显示的那么宽。

那么为什么会出现“高分辨”不能“高保真”的情况呢？由图4可知，窗口越小，分辨率越高，这是因为窗口中的频谱能量均衡后，窗口中的低频能量受到改变、从而对应的低频信号的形态也起了变化。实际上，低频信号在窗口中的形态是由低频信号在整个地震道中的形态决定的，它在这个窗口中的能量可能就是小的，如果非要把这部分能量进行加强，就改变了它在整个地震道中的相对能量的占比。窗口中的这个形态变化破坏了它的整个走势，导致了横向分辨率的降低。此外，实际中的窗口函数也通常不是图4左边所显的门型窗口，更多是右边的高斯型窗口。这种小的高斯窗也改变了低频在整个地震道中的走势。在地震资料处理中，低频能量的重要性，与它在反演中扮演的角色相当，确定了整个地震剖面的大背景，这可从宽频处理的剖面中看到。这里要特别说明，如果在小时窗进行去噪等相关处理，则不会出现低频被扭曲的情况，因为小时窗的分解和重建，在数学上是有保障的。

图  4  地震数据加时间窗

Figure  4.  Diagram of seismic data adding time windows

下载: 全尺寸图片 幻灯片

1.4   衰减理论与实际资料之间的矛盾

当地震波在地下介质中传播时，波前面随着传播距离的增加不断地扩张，而地震波激发产生的总能量是一定的，波前面上单位面积的能量密度不断减小，振幅随着传播距离增大逐渐减弱，这种现象称为波前扩散。此外，欠压实的近地表地层对地震波具有强烈的吸收衰减效应，改变了有效信号的反射能量。不同于几何扩散补偿和地表一致性振幅补偿，近地表吸收除了与传播路径有关之外，还与地震波的频率有关，频率越高，吸收衰减越严重，因此，近地表吸收补偿除了对反射振幅的能量进行恢复之外，还能消除地层吸收对地震资料分辨率的影响。地震波的衰减理论表明，近地表的地震波振幅一般比较强。在地震资料处理这个环节上，如果做了几何扩散补偿、地表一致性振幅补偿和近地表吸收补偿3种补偿后，地震波的振幅会出现浅层能量与深层能量相近。如果处理不好，会出现浅层能量略强于深层、或深层能量略强于浅层的特殊情况，这时候还需要适当调整。

在对实际资料的深入分析过程中，发现在低频时，深层能量大于浅层。深、浅层的这种能量关系还是尺度的函数，也就是不同尺度的分频剖面，深层能量与浅层能量的比是不同的。图5是某西部油田地震剖面14个尺度的分频结果。分成3个部分：低频4个尺度，中频3个尺度，高频7个尺度。从低频的4个尺度看，深层的能量明显高于浅层，但随着分频剖面频率的增加，浅层能量不断变大。所以，由图5可知，传统的地震波吸收衰减理论并不能概述这种状况，地震振幅不是一概而论的浅层能量强、深层能量弱，而是高低频不同频率的振幅呈现出了不同的相对关系。对于低频，深层能量高于浅层；对于高频，则浅层能量强于深层。

图  5  某地震剖面的14个尺度的分频结果(从左往右，频率由低到高)

Figure  5.  14-scale frequency division results (from left to right, with frequencies ranging from low to high)

下载: 全尺寸图片 幻灯片

综上所述，要处理好地震资料，实现真正的高保真高分辨率处理，必须寻找能同时解决这四大矛盾的方法，否则地震反演、属性提取、储层分离只能是一句空话。最终只能是钻井成功率低，生产成本大。

2   高保真高分辨率处理方法——HHT点谱白化技术

HHT点谱白化技术具体原理如图6所示：(1)将地震道进行高精度的时频分析；(2)对不同频段的地震记录进行高信噪比处理；(3)求取时间域上的每一点的频谱；(4)将每一点的频谱进行展宽。这四步不仅提高地震资料的纵向分辨率还能提高横向分辨率。

图  6  HHT点谱白化方法原理

Figure  6.  Priniciple of HHT point spectrum whitening method

下载: 全尺寸图片 幻灯片

传统的EMD算法具有非线性特征，利用改进的EMD方法，可降低它的非线性属性，再将地震信号进行多尺度分解。依据不同尺度的信号特征，统计它们的吸收衰减规律，补偿后进行高精度重建。由此得到的结果，很好地解决了上面所述的四大矛盾，最终得到地震剖面，不仅纵向分辨率得到大的提高而且横向分辨率也有大的改善，使得原先看不见的小断层变得清晰。因此，本方法特别适合断层发育的地区。如果从地震子波的角度来看，处理后的地震子波，无论子波旁瓣之间的距离，还是它的绝对值，和处理前相比均有大的压缩。

图7a是某东部油田地震数据A的点谱白化处理前后结果。这个资料的处理难点是：原资料储层处地震资料能量强，频率低，特征非常鲜明。传统的高分辨方法处理后通常不是高保幅。对比处理前的地震剖面，950~1100 ms的地方频率低，能量强，但在处理后这部分的能量有了些变化。和井资料比起来，这部分也确实不是储层，也就是说，这部分的低频是上边储层强低频的旁瓣，而处理后能量依然强的地方恰恰是储层所在。至于纵向分辨率的提高，可比较剖面的中间部分。此外处理后的剖面与井上信息具有相当好的匹配性。

图  7  实际数据高分辨率测试

Figure  7.  High-resolution testing of real data

下载: 全尺寸图片 幻灯片

图7b是某西部油田地震数据的HHT点谱白化处理前后的结果，小断层比较发育。由于开发需求，在450~500 ms(相对位置)之间设计水平井。在实钻过程中，经常发现对应同相轴很连续的地方钻到断层。大大影响了生产的进程。在处理后的结果中，450~650 ms椭圆所示的强能量，是水平井实钻的目的层位。处理后的结果显示了几处的断点，经计算的断距与钻探揭露断距非常接近，取得了比较好的效果。图中650~900 ms椭圆所示的同相轴，处理的结果表明，原始数据体中很连续的地方，实际上有很多断距很小的断层。

3   薄储层、河道、巷道的精细刻画

地震油气勘探过程中，河道是重要的地质体之一。同样，在煤田、煤成气储层的勘探中，巷道、河道砂也是目标之一。由于河道交错叠置、地层岩性横向变化快，更由于河道相对薄、地震主频不高等因素，识别与刻画存在相当的困难。早期勘探中，能够分辨河道的影子，资料品质就很高了，而河道之间的关系的辨识根本不可能。

使用地震数据研究地质沉积模式、预测薄层几何形状是近代地震解释的关键和热点。复杂的沉积环境及横向薄河道砂体识别储层的非均质描述也是地震处理与解释的关键问题。在煤田地质勘探中，废弃巷道、采空区的探测也是生产中要迫切解决的问题。在煤田三维地震资料中，剖面主频比油气勘探的高，也很少能看到废弃巷道或采空区的解释结果。

图8引自文献[38]的六层地质模型数据，图8a为阻抗模型，图8b为相应的单砂体切片，河道A和B的厚度为4 ms，夹层厚度为3 ms，河道C、D、E和F的厚度为3 ms，夹层为3 ms，6层河道下方存在2层厚泥岩层。使用30 Hz主频的雷克子波与阻抗模型合成地震记录，单剖面合成结果如图8c所示，基于该数据进行层位拾取。因此，针对该薄层砂体，可以通过切片之间的振幅关系进行河道刻画，并基于分频数据体计算相应的河道信息。

图  8  河道模型阻抗和形态

Figure  8.  Impedance and form of channel sand body model

下载: 全尺寸图片 幻灯片

(1)选择砂体上的独立点，利用层位切片上砂体之间的振幅关系描绘细河道砂体。

(2)实现高精度分频分析，以获得具有不同主频的地震数据体，并引入具有厚度计算潜力的过零时间振幅切片^[5]。

(3)采用多个分频数据体计算，用更精确的层位估计获得更稳定的结果。高精度分频后数据震荡多，多组零点和它的多组震荡将使得计算结果更加准确。

基于上述理论，对数据层位切片进行处理，处理结果如图9所示。根据图9a的层位切片，得到相应的单砂体切片结果(图9b)，此结果与图8b图形结果是一样。特别是它们的相对位置关系完全一致。

图  9  河道刻画结果

Figure  9.  Channel sand body depiction results

下载: 全尺寸图片 幻灯片

图9中对应的层位还有一个特点。即，这些层位有些是连通的，有些是不连通的。有些在空间上很窄，变化也很剧烈。尽管得到的等时切片很复杂(图9a)，但分离后清晰可辨。图10展示的是分频前后计算零点厚度及真实砂体厚度的差异，高精度分频后数据震荡多，多组零点使得计算结果更加准确；多组震荡也使得较薄的层位也可参与厚度计算。根据过零点时间信息，可得到储层的中心位置，并通过楔状体计算砂体实际厚度，在此基础上可得到相应的夹层厚度。在图10中，绿色的虚线是一对，红色虚线是一对，它们分别指示了层位1和层位2的零线，即在这个时间点上，层位1对应的值为0，切片上只能看到层位2。分频后，从图10的右边可以看到，对应的绿虚线对数变多了，对应的红虚线对数也变多了，对应极值点的加权叠加，使得对应层位的能量得到加强，而不在这时间点的层位得到了消弱。因此分频后的整体计算可使误差更小。表1是理论值与实际计算结果之间的误差。储层厚度为3 ms和4 ms, 均小于30 Hz雷克子波的四分之一长度，处理后储层的中心位置的最大相对误差为0.43%，而储层厚度的最大相对误差为0.175%。

图  10  分频前后零点差异

Figure  10.  Zero-crossing times difference before and after frequency division

下载: 全尺寸图片 幻灯片

表  1  模型信息计算结果

Table  1.  Calculation results of model information

储层顺序	储层中心				储层厚度				夹层厚度
	理论值/ms	计算结果/ms	相对误差/%		理论值/ms	计算结果/ms	相对误差/%		理论值/ms	计算结果/ms	相对误差/%
第1层	30.50	30.55	0.16		4.00	4.70	17.50		6.003.003.003.003.00	3.002.552.953.203.05	6.6715.001.676.671.67
第2层	40.50	40.50	0		4.00	4.00	0
第3层	47.00	46.80	0.43		3.00	3.50	16.67
第4层	53.00	52.90	0.19		3.00	2.80	6.67
第5层	59.00	58.90	0.17		3.00	2.80	6.67
第6层	65.00	64.90	0.15		3.00	3.10	3.33

下载: 导出CSV 

| 显示表格

图11所示的是东部一油田深度约1800 m的河道。图11a所示30 ms内的6个切片，从这些切片上可以看到，图中的河道基本上是同期的，不同的时间段，颜色相同；从上到下，这些河道的极性同时从红色变为蓝色。图11b为分离结果。从图11b1中可以看到，横跨几条河道的河道3消失了。在图11b2的箭头处发现，处理后的结果内部细节更加丰富，提出的精细刻画使得河道分布更加清晰。在图11b3中，箭头所指的河道5也消失了，从中可以看出河道上下是不同期的。河道的厚度薄，通过河道可挖掘地震资料横向信息，确定地震等时信息，提高了河道刻画的精度，而这些传统的方法是难以做到的。由实例可知，储层分离算法是可以实现河道的精细刻画。

图  11  实际数据河道刻画结果

Figure  11.  Channel sand body depiction in field data

下载: 全尺寸图片 幻灯片

4   地震资料高分辨处理技术对策

随着人工智能的发展，各个学科的新成果不断涌现，特别是数学、信号分析与处理等学科研究成果的引入，使得地震资料的信噪比得到进一步的提高。通过数学变换将地震记录转换到不同域，将规则噪声转化成随机噪声，使信号特征更加明显，噪声的压制更加充分。这部分研究涉及的学科多、综合性强、范围广，去噪的效果好。

(1) 地震记录的低频分析技术，只需要寻找合适的时频分析方法，在充分理解其数学原理的基础上就可编程实现。目前很多算法，包括有些商业化算法，还处在只是能实现信号的多尺度分解，但不能提供相关主频和频宽信息的阶段。

(2) 高分辨率和高保真的研究难度比较大，研究人员目前能提供的方法还比较少，Q值的高精度提取及相关补偿方法，能看到一些效果，但由于Q值本身的求取过程还存在很多局限，用这样一个值实现高保真，无疑是不客观的。目前，提高采集过程中低频信息的信噪比、提高计算过程中低频信息的完整性是一个相对可取的方法。

(3) 深部低频信息不仅没被吸收反而有不断增强的异常现象，理想的做法是在预处理的早期，对单炮进行地层吸收和几何扩散补偿时应分别计算不同尺度信号的变化规律，再分尺度进行补偿。但这样做，目前的计算资源不许可，工作量巨大。在叠后资料上进行分频补偿，但也不失为一种高效快速的方法。

(4) 点谱白化方法是针对地震资料处理中的四大矛盾提出的，还不是很完善，但属于当下可用的过渡性方法。随着计算能力的提高、人工智能技术的深度融合，同时解决这四大矛盾的地震资料高分辨率高信噪比高保真处理流程必将越来越完善。

5   结 论

a. 传统的地震资料分辨率分析，是以四分之一波长为极限准则。所有的高分辨率处理方法研究也是以压缩地震子波为主要目标。对于小于四分之一波长的地质目标，通常采用反演方法来实现。但反演存在着多解性局限，反演的地质目标越薄，其精度就越小。

b. 提出的点谱白化法实现了薄储层、河道、巷道的精细刻画。对于小于四分之一波长的模型数据，不仅能确定它的厚度还能确定它的位置；通过储层属性的优化，还可使空间不连续的目的层变得更为连续。

c. 地下河道的识别与分离开启了一个新篇章，地下储层的地震精细表征有了一个新方向，多学科的综合发展与融合上了一个新台阶。这为薄小地质目标的高精度勘探指明了新的方向，为进一步开发和利用地震资料这座宝库迎来了希望和光明。