Modelagem de dados MT 2D em multicamadas com anisotropia arbitrária

• Autor(a) principal: COSTA, Marcus Danilo Ferreira Borges da
• Data de Publicação: 2011
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPA
• Texto Completo: http://repositorio.ufpa.br/jspui/handle/2011/5921
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::GEOFISICA APLICADA; Modelagem numérica; Anisotropia; Método magnetotelúrico; Método dos elementos finitos

Neste trabalho apresentamos a modelagem direta bidimensional do método Magnetotelúrico (MT) com anisotropia arbitrária na condutividade elétrica para modelos de multicamadas estratificadas horizontalmente, separando a resposta do campo resultante em duas partes, primária e secundária. A parte primária refere-se ao campo 1D do modelo na ausência de heterogeneidades; a secundária, à contribuição no campo resultante gerada pela anomalia. Esta modelagem foi feita via técnica numérica dos Elementos Finitos (EF). Apresentamos também a modelagem direta do caso MT 1D para o mesmo modelo e anisotropia arbitrária, porém, com solução analítica pelo método da matriz de propagação; tal resultado é usado como fonte na formulação 2D. No estudo a respeito do comportamento dos campos 1D em profundidade na presença da anisotropia, verificamos nas componentes horizontais que suas curvas dentro de cada camada se assemelham a de um campo na presença de fontes, pois experimentam um aumento na amplitude; além de verificar o surgimento da componente normal Ez do campo, sem que haja uma densidade de corrente nesta direção. Com arbitrariedade na anisotropia queremos dizer que seus eixos principais podem assumir qualquer orientação em relação ao eixo de referência adotado para o problema; tal orientação é descrita sob três rotações consecutivas, chamadas de strike, dip e slant, que simulam inclinações bastante presentes na geologia dos ambientes terrestres. Verificamos que a anisotropia provoca alterações no comportamento das pseudo-seções de resistividades aparentes, interferindo na interpretação correta dos dados.