A Spectral-Domain Pseudo-Inverse Method for True 3D Gravity Inversion

Technische Samenvatting: Een spectrale pseudo-inversie methode voor ware 3D zwaartekrachtinversie

Probleemstelling
Het artikel behandelt de fundamentele uitdagingen die inherent zijn aan 3D zwaartekrachtinversie: onderdeterminatie, instabiliteit en een slechte diepteresolutie. Traditionele oppervlakteobservaties leveren slechts data op een 2D-vlak ($z=0$), wat een gebrek aan verticale golfgetalinformatie betekent die vereist is om de 3D-ondergrondse dichtheidsverdeling $\rho(x,y,z)$ te resolveren. Dit leidt tot een onvoldoende aantal onafhankelijke beperkingen. Bovendien neemt het zwaartekrachtsveld met de diepte snel af, waardoor signalen van diepe bronnen ernstig worden gedempt, wat het inverse probleem slecht conditieert en zeer gevoelig maakt voor ruis. Bestaande benaderingen, zoals ruimtelijke iteratieve regularisatie (bijv. Tikhonov), zijn computationeel duur en gevoelig voor initiële modellen, terwijl frequentiedomeinmethoden doorgaans beperkt zijn tot interface-reconstructie in plaats van volledige volumetrische inversie.

Methodologie
De auteur stelt een "ware 3D" inversiemethode voor op basis van de spectrale pseudo-inversietheorie voor unitair diagonaliseerbare systemen. De methodologie verloopt via twee onderscheidende theoretische niveaus:

1. Dataruimte-volledigheid via analytische continuatie:
   Om aan de vereisten van de spectrale pseudo-inversie voor 3D-data te voldoen, maakt het artikel gebruik van het feit dat de zwaartekrachtanomalie $g_z$ voldoet aan de Laplace-vergelijking ($\nabla^2 g_z = 0$) in de bronvrije luchtlaag ($z < 0$). Door een 2D Fourier-transformatie toe te passen op de oppervlaktedata $g_z(x,y,0)$, leidt de auteur een formule voor analytische opwaartse continuatie af. Dit maakt de constructie van een volledig, fysiek zelfconsistent 3D-datavolume boven het observatievlak mogelijk. Cruciaal is dat het artikel een algemene analytische uitdrukking voor het halfruimte-spectrum afleidt:
   $$\tilde{g}^{obs}_z(k_x, k_y, k_z) = \tilde{g}_z(k_x, k_y, 0) \frac{1}{a - i k_z}$$
   waarbij $a = \sqrt{k_x^2 + k_y^2}$. Deze uitdrukking scheidt het horizontale spectrum van een universeel verticaal propagatiekern, wat de noodzakelijke verticale golfgetalsampling voor de 3D Fourier-transformatie biedt zonder numerieke interpolatiefouten.

2. Spectraal-domein Pseudo-Inversie Inversie:
   De voorwaartse operator voor 3D zwaartekracht is unitair diagonaliseerbaar in het Fourier-domein. De relatie tussen het dichtheidsspectrum $\tilde{\rho}$ en het zwaartekrachtspectrum $\tilde{g}_z$ wordt uitgedrukt als:
   $$\tilde{g}_z(\mathbf{k}) = \lambda(\mathbf{k}) \tilde{\rho}(\mathbf{k}), \quad \text{waarbij } \lambda(\mathbf{k}) = \frac{-i 4\pi G k_z}{K^2}$$
   Hierbij is $K^2 = k_x^2 + k_y^2 + k_z^2$. Gebaseerd op de eerdere theorie van de auteur voor unitair diagonaliseerbare systemen, wordt een stabiele gegeneraliseerde inversiefilter geconstrueerd:
   $$q_\alpha(\lambda) = \frac{\bar{\lambda}}{|\lambda|^2 + \alpha}$$
   waarbij $\alpha > 0$ een regularisatieparameter is. Deze filter wordt toegepast op het geconstrueerde 3D-data-spectrum om het dichtheidsspectrum te verkrijgen. De uiteindelijke ruimtelijke dichtheidsverdeling wordt hersteld via een inverse 3D Fourier-transformatie. Vanwege de poolstructuur van het dataspectrum (specifiek de pool bij $k_z = -ia$), wordt de $k_z$ inverse transformatie uitgevoerd via een contourintegraal in het complexe vlak, gesloten in het onderste halfvlak voor $z > 0$.

Belangrijkste Bijdragen

• Dataruimte-volledigheid: Het artikel demonstreert dat opwaartse continuatie via de Laplace-vergelijking rigoureus een 3D-datavolume kan construeren uit 2D-oppervlaktedata, waardoor de onderdeterminatie van het probleem wordt gemitigeerd en de verticale golfgetalsampling wordt geleverd die nodig is voor 3D spectrale analyse.
• Closed-Form Inversie: Het artikel bewijst dat de 3D zwaartekracht voorwaartse operator exact unitair diagonaliseerbaar is. Bijgevolg wordt de inversie gereduceerd tot een deterministische closed-form berekening bestaande uit één voorwaartse 3D Fourier-transformatie, een spectrale schalingstap met behulp van de afgeleide filter, en één inverse transformatie, wat de noodzaak voor iteratieve optimalisatie elimineert.
• Stabiliteit en Consistentie: De geconstrueerde inverse filter heeft bewezen een begrensde stabiliteit ($\|q_\alpha\|_\infty \leq 1/(2\sqrt{\alpha})$) en consistentie (convergerend naar de Moore–Penrose gegeneraliseerde inverse als $\alpha \to 0^+$).
• Analytisch Kader: De afleiding van het halfruimte-spectrum (vergelijking 7) biedt een verenigd inputkader dat horizontale en verticale componenten scheidt, toepasbaar op willekeurige oppervlaktezwaartekrachtdata ongeacht de complexiteit van het ondergrondse model.

Resultaten
De methode werd gevalideerd met behulp van een homogeen sfeer-model. De resultaten geven aan dat:

• De inversie de 3D-locatie van de anomalie correct herstelt.
• Naarmate de regularisatieparameter $\alpha \to 0^+$, de methode succesvol het Green's functie spreidingseffect verwijdert, waardoor het singuliere gedrag (Dirac delta-functie) bij het bronpunt wordt hersteld.
• Voor een eindige $\alpha$ is de oplossing een gladgestreken distributie, waarbij de integraal over de gehele ruimte de totale massa van de bron strikt conserveert.
• De methode de perturbatiedichtheid (relatief ten opzichte van een onbekende achtergrond) herstelt met een gemiddelde van nul; absolute dichtheden vereisen onafhankelijke voorkennis. De kwantitatieve herwinning van de dichtheidsverdeling hangt af van de keuze van $\alpha$: een kleinere $\alpha$ levert scherpere resultaten op en meer accurate interne waarden, waarbij de divergente limiet bij de bron wordt benaderd.

Betekenis en Claims
Het artikel claimt een theoretisch zelfconsistent, analytisch kader te hebben vastgesteld voor "ware 3D" zwaartekrachtinversie. De betekenis ligt in de verschuiving van het paradigma van iteratieve optimalisatie naar een structurele decompositie-aanpak. Door te bewijzen dat het probleem kan worden opgelost via een enkele spectrale filtering-operatie, biedt de methode een verenigd kader voor de stabiele inversie van convolutie-type problemen. De auteur merkt op dat hoewel de methode numeriek equivalent is aan zeroth-order Tikhonov-regularisatie, het conceptueel verschilt doordat het direct is afgeleid van de unitair diagonaliseerbare structuur van de Poisson-vergelijking in plaats van een optimalisatieprincipe. Het artikel concludeert dat hoewel de methode ideale resultaten bereikt onder aannames van een continu spectrum, toekomstig werk zich zal richten op toepassingen op echte data, numerieke implementatiedetails en robuustheidsanalyse.