The Potential of Distributed Acoustic Sensing Technology for Seismological Monitoring

This project focuses on seismological monitoring using arrival time data from Distributed Acoustic Sensing (DAS) technology. DAS provides exceptional measurement density and widespread areas of potential installation, offering significant advantages over traditional sensors. However, intrinsic factors, such as axial sensitivity, enhanced sensitivity to site conditions, and cable coupling introduce complexity to the data. To evaluate the impact of these factors on standard seismic monitoring, field data are analysed from a diverse database of horizontal arrays, focusing on the event location inverse problem. Bayesian inference is exploited on a) arrival times of P- (and S-) waves estimated with automatic pickers on seismic traces and b) differential times obtained through cross-correlation of the same records. Results show that the amplitudes and signal coherence of onset seismic traces recorded with DAS technology exhibit complex spatial patterns, which impact the effectiveness of standard energy-based pickers. This complexity can decrease the reliability of arrival times for inversion and introduce uncertainties that are not simply related to the expected energy decay with distance. Synthetic evaluations of disturbances to P-wave arrival times indeed reveal that geometry-related noise alone does not fully account for the observed complexity in event locations. Nevertheless, an automatic data-weighting method that uses probabilistic exploration of the data space (data attributes) can mitigate the influence of outliers in the arrival/differential times on event location. Overall, the conclusions of this project highlight the complexity of DAS data and the presence of diverse noise sources affecting arrival times, many of which are independent of the fiber optic cable geometry and influence event locations. This indicates that automated processing based on a probabilistic exploration of data attributes (e.g., distribution of P-wave signal-to-noise ratio, cross-correlation coefficients), rather than a priori knowledge (e.g., expected energy decay with distance), is crucial for effective seismological monitoring. Thus, for the future integration of DAS systems into standard networks, it is important to minimize subjective data treatment and, if the goal is to use the entire set of DAS data, to utilize automated weighting to identify more meaningful data.

Questo progetto si focalizza sul monitoraggio sismologico tramite dati di tempo di arrivo di fasi sismiche ottenuti sfruttando la tecnologia Distributed Acoustic Sensing (DAS). La DAS offre un'eccezionale densità di campionamento unita ad un'ampia gamma di potenziali ambiti di installazione, offrendo quindi vantaggi significativi rispetto ai sensori tradizionali. Tuttavia, fattori intrinseci del metodo, come la polarizzazione del segnale lungo il cavo, la maggiore sensibilità agli effetti di sito e l'accoppiamento dei cavi con il terreno, generalmente complicano il dato. In questo lavoro, per valutare l'impatto di questi fattori sulle procedure di monitoraggio sismologico standard, sono analizzati dati reali da sistemi DAS collezionati in un database di array orizzontali. L'attenzione è posta sulla localizzazione di eventi sismici. A tal fine, tecniche di inferenza bayesiana vengono applicate a) su tempi di arrivo delle fasi sismiche P (e S) stimati con picker automatici nelle tracce sismiche DAS e b) sui tempi differenziali ottenuti tramite cross-correlazione delle stesse. I risultati mostrano che le ampiezze e la coerenza delle tracce di esordio degli eventi sismici registrati con sistemi DAS presentano distribuzioni spaziali complesse, che influenzano l'efficacia dei picker basati sul contenuto energetico del segnale 1D. Questa complessità impatta quindi l'affidabilità dei tempi di arrivo e introduce incertezze che non sono strettamente legate al decadimento dell'energia con la distanza. Modellazioni sintetiche dei disturbi sui tempi di arrivo delle onde P rivelano, infatti, che sorgenti di rumore legate strettamente alla geometria del problema non permettono di spiegare in maniera esaustiva le incertezze di localizzazione osservate. Tuttavia, l'utilizzo di un metodo automatico di pesatura dei dati, che utilizza un'esplorazione probabilistica dello spazio dei dati (attributi dei dati), può mitigare l'influenza di valori anomali nei tempi di arrivo/tempi differenziali sulla localizzazione dell'evento. In generale, si evidenzia la complessità dei dati DAS reali e la presenza di diverse fonti di rumore che influiscono sui tempi di arrivo, molte delle quali indipendenti dalla geometria del problema e con influenza sulla localizzazione di eventi sismici. Queste osservazioni suggeriscono l'utilizzo di tecniche di elaborazione automatica dei dati basate sull'esplorazione probabilistica dei loro attributi, piuttosto che esclusivamente su conoscenze a priori sul decadimento dell'energia con la distanza. Per una futura integrazione della tecnologia DAS nelle reti sismologiche standard, è quindi importante ridurre al minimo il trattamento soggettivo dei dati e, se l'obiettivo è l'utilizzo completo dei dati, adottare metodi di pesatura automatica per l'identificazione delle misure più significative.