Matplotlib 实现工业级 WIGB 地震剖面可视化-北京尧图网络

简介本资源是一个面向地震信号处理初学者与地球物理方向科研人员的MATLAB可视化工具用于快速生成WIGGLE格式地震剖面图解决原始地震数据难以直观判读波形特征、相位关系与振幅变化的问题。压缩包仅含1个核心文件——wigb.mMATLAB脚本体积仅1KB轻量易部署可直接加载地震时间序列数据并输出标准波动显示图像适用于教学演示、实验课作业及小规模数据预览场景。已有331人学习下载表明其在入门级地震数据可视化实践中具备一定实用性与认可度。用户获取后可立即调用该函数完成数据读取、归一化、动态范围压缩与WIGGLE绘图全流程代码结构清晰、注释完整便于理解wigb算法逻辑亦可作为自定义地震显示模块的开发基础。1. WIGB 地震信号可视化为什么地震解释员宁可手写波形也不用默认 matplotlib 绘图你拿到一叠 SEG-Y 格式的地震剖面数据想快速看一眼道集里有没有强反射、断层错断或异常衰减——结果plt.plot()画出来是密密麻麻的锯齿线横轴时间/深度挤成一条黑带纵轴振幅全压在 ±0.1 范围内连极性都分不清。这不是你代码写错了而是传统线图根本不是地震信号的“原生语言”。WIGBWiggle Variable Area——即“波动变面积”显示方式才是地球物理解释一线真正依赖的视觉语法正半周填色、负半周留白或反色叠加轻微横向抖动wiggle让相位连续性、同相轴走向、振幅包络变化一目了然。它不追求数学精度渲染而专注地质体的空间可读性。本篇讲的不是某个叫wigb的 Python 包目前 PyPI 上无同名成熟库而是如何用 Matplotlib 原生能力在本地零依赖复现工业级 WIGB 显示效果从 SEG-Y 读取、道头解析、采样率对齐到变面积填充、振幅归一化策略、道间空白控制再到导出高 DPI 矢量图用于报告交付。适合地震数据处理工程师、解释岗新人、以及需要把自研反演结果快速可视化进解释平台的算法同学。你不需要买商业软件许可证但必须理解——WIGB 不是“加个 fill_between 就完事”的玄学它的每处参数都在回答一个地质问题这道振幅该按什么基准归一相邻道间距设多少才不遮挡同相轴填色透明度调到 0.7 是为了突出强反射还是掩盖噪声我们从最简命令开始一帧一帧拆解。2. 用 wigb 在本地跑通地震剖面从 SEG-Y 读取到基础 wiggle 绘制WIGB 可视化的核心矛盾在于原始地震数据是离散采样点序列而人类视觉识别同相轴依赖的是连续曲线的形态与面积对比。直接 plot 折线丢失了“面积”语义而纯 fill_area 又抹杀了“wiggle”的相位细节。真正的 WIGB 是两者的耦合——以采样点为骨架绘制波动曲线再沿曲线法向填充至零线或参考线。下面分三步落地数据加载、基础 wiggle 曲线生成、变面积填充。2.1 用 segyio 读取 SEG-Y 并提取道集与采样参数SEG-Y 是地震行业的二进制标准格式包含文本头、二进制头和道数据块。segyio是目前最轻量、最稳定、且完全支持 Python 3.8 的纯 C 扩展库比obspy更专注、比手写 struct 解析更安全。注意不要用scipy.io.segy已弃用或pysegy维护停滞。pip install segyioimport segyio import numpy as np # 打开 SEG-Y 文件只读模式避免意外写入 with segyio.open(marmousi_shot_123.sgy, r) as f: # 获取采样参数采样间隔毫秒、总采样点数、道数 dt_ms f.bin[segyio.BinField.Interval] # 通常为 4 或 2 ms nsamp f.trace_len() # 如 1501 ntraces len(f.trace) # 如 240 道 # 读取全部道数据内存敏感时可用 f.trace[i] 按需读 traces np.zeros((ntraces, nsamp), dtypenp.float32) for i in range(ntraces): traces[i, :] f.trace[i] # 读取道头中的 CDP/XLINE/INLINE 等空间信息可选用于坐标轴标注 cdp_nums np.array([f.header[i][segyio.TraceField.CDP] for i in range(ntraces)])提示segyio.open()默认使用ignore_geometryTrue若你的文件含完整空间头如 3D survey可设ignore_geometryFalse并用f.xlines,f.ilines获取网格索引。但多数处理中间结果如共炮点道集只含简单 CDP此时手动解析TraceField.CDP更可控。2.2 构建 wiggle 曲线时间轴、振幅缩放与横向偏移WIGB 的“wiggle”本质是将每道地震波形沿 X 轴道号方向做微小平移形成视觉上的“抖动”避免多道重叠导致同相轴被遮盖。关键参数有三个时间轴Y 轴必须是真实时间ms或深度m不能用采样点索引振幅缩放因子scale决定波形横向“摆动幅度”太小看不出 wiggle太大导致道间重叠道间距trace_spacing相邻道在 X 轴上的像素/物理距离直接影响解释密度。import matplotlib.pyplot as plt # 1. 构建真实时间轴ms t_axis_ms np.arange(nsamp) * dt_ms # 形如 [0, 4, 8, ..., 6000] # 2. 设定 wiggle 缩放因子经验值0.5 ~ 2.0单位道间距的倍数 # 这里用 1.2 —— 表示振幅 1.0 的样本点横向偏移 1.2 倍道间距 scale_factor 1.2 # 3. 设定道间距单位任意最终由 plt.xlim 控制 trace_spacing 1.0 # 每道占 1.0 单位 X 轴长度 # 4. 为每道生成 X 坐标基础位置振幅驱动的 wiggle 偏移 x_base np.arange(ntraces) * trace_spacing # [0, 1, 2, ..., 239] wiggle_x np.zeros((ntraces, nsamp)) for i in range(ntraces): # 对第 i 道X 坐标基础位置 scale_factor * 归一化振幅 # 注意此处先不做全局归一化保留原始振幅动态范围用于后续 fill wiggle_x[i, :] x_base[i] scale_factor * traces[i, :] # 5. Y 坐标对所有道相同时间轴倒序使 0ms 在顶部 y_axis t_axis_ms[::-1] # Matplotlib Y 轴向上增长地震图习惯 0ms 在上参数说明scale_factor是 WIGB 最易翻车的参数。新手常设为 5 或 10结果波形像毛线团一样缠绕。实际中先固定trace_spacing1.0再调scale_factor直到最强反射峰刚好不触碰相邻道边界。若数据信噪比低如深层弱反射可降至 0.6~0.8若为高分辨率浅层数据dt1ms可升至 1.5。这不是艺术选择而是信噪比与可读性的工程权衡。2.3 实现变面积填充Variable Area正负半周差异化渲染WIGB 的“Variable Area”指正振幅部分波峰用实色填充至零线负振幅部分波谷留白或用不同颜色/透明度。这比单纯画线更能体现能量分布。Matplotlib 中用plt.fill()或plt.fill_between()实现但需注意两点填充必须沿 wiggle 曲线进行而非原始垂直线零线zero line在 X-Y 坐标系中是一条水平线其 X 坐标需与 wiggle 曲线一致。fig, ax plt.subplots(figsize(12, 8)) # 设置 Y 轴时间轴倒序范围从 0 到最大时间 ax.set_ylim(y_axis[-1], y_axis[0]) # y_axis[0] 是 0ms顶部y_axis[-1] 是最大时间底部 ax.set_ylabel(Time (ms)) ax.set_xlabel(Trace Number) # 关键逐道绘制 wiggle fill for i in range(min(ntraces, 100)): # 先画前 100 道预览避免卡死 # 提取当前道的 wiggle X 和 Y 坐标 x_i wiggle_x[i, :] y_i y_axis # 分离正负振幅区域基于原始 traces[i, :]非缩放后 pos_mask traces[i, :] 0 neg_mask traces[i, :] 0 # 正半周填充至零线X x_base[i] 的垂直线错是填充至 wiggle 曲线与零线的交点连线 # 正确做法构造“零线”在 wiggle 坐标系中的 X 坐标 —— 即 x_base[i]因为零振幅时 wiggle_x x_base[i] zero_x np.full(nsamp, x_base[i]) # 填充正半周从 wiggle 曲线到 zero_x 线 if np.any(pos_mask): ax.fill_betweenx(y_i[pos_mask], x_i[pos_mask], zero_x[pos_mask], colorblack, alpha0.8, linewidth0) # 填充负半周可选常用留白或浅灰 if np.any(neg_mask): ax.fill_betweenx(y_i[neg_mask], x_i[neg_mask], zero_x[neg_mask], colorwhite, alpha1.0, linewidth0) # 可选叠加 wiggle 曲线轮廓增强相位感 for i in range(min(ntraces, 100)): ax.plot(wiggle_x[i, :], y_axis, k-, linewidth0.3, alpha0.6) plt.show()逻辑说明这段代码的精髓在于fill_betweenx的使用——它以 Y 轴为基准在指定 Y 区间内填充 X 方向的区域。zero_x被设为常数x_base[i]意味着“零线”在 wiggle 坐标系中是一条垂直线这符合地震图惯例每道有自己的零参考。alpha0.8让黑色填充略透底避免强反射完全遮盖下伏同相轴linewidth0去掉填充边框防止出现冗余线条干扰视觉。若要实现“负半周灰色填充”只需把colorwhite改为lightgray并调低alpha如 0.3形成正黑负灰的工业标准配色。3. WIGB 的 3 个必调参数scale_factor、trace_spacing 与 amplitude_normWIGB 效果好坏80% 取决于这三个参数的协同调节。它们不是独立变量而是一个三角约束scale_factor决定单道“宽度”trace_spacing决定道间“间隙”amplitude_norm决定所有道的振幅“基准”。调参不是试错而是根据数据物理意义做决策。3.1 scale_factor从地质目标尺度反推 wiggle 幅度scale_factor的物理含义是单位振幅如 1.0引起的道轨迹横向偏移量相对于道间距的比例。它的合理值必须满足最强反射的 wiggle 偏移 ≤ 0.5 ×trace_spacing否则道与道会重叠同相轴走向无法追踪。假设你处理的是陆上宽线地震数据道间距为 25 米期望在图上分辨出 50 米尺度的断层那么图中 50 米应至少占 2 个道距 →trace_spacing在图中设为 ≥ 2 cm最强反射振幅经 AGC 后约为 3.0 →scale_factor × 3.0 ≤ 1.0 cm→scale_factor ≤ 0.33。# 自动估算推荐 scale_factor基于数据统计 def estimate_scale_factor(traces, trace_spacing, target_max_offset_ratio0.4): target_max_offset_ratio: 最大允许 wiggle 偏移占 trace_spacing 的比例建议 0.3~0.5 max_amp np.max(np.abs(traces)) # 全数据集最大绝对振幅 if max_amp 0: return 0.5 return (target_max_offset_ratio * trace_spacing) / max_amp # 使用 recommended_scale estimate_scale_factor(traces, trace_spacing1.0) print(f推荐 scale_factor: {recommended_scale:.3f}) # 输出如 0.427血泪经验曾在一个海洋 OBN 数据项目中因忽略target_max_offset_ratio直接用scale_factor2.0导致 1200 道剖面在 PDF 中变成一团墨迹返工重绘耗时 3 小时。记住wiggle 是辅助视觉不是炫技工具它的存在是为了让同相轴更清晰而不是让波形更“晃”。3.2 trace_spacing用真实空间距离锚定解释尺度trace_spacing不应是随意设定的数字而应映射到地下真实距离米或测线位置km。这决定了解释员能否用图上直尺量取断层落差、地层厚度。常见错误是设trace_spacing1然后靠plt.xlim()拉伸结果导出 PNG 后比例失真。正确做法将trace_spacing设为真实道间距单位米然后通过fig.dpi和figsize控制输出物理尺寸。# 示例陆上数据道间距 50 米希望输出 A4 宽度21 cm显示 10 km 测线 real_trace_spacing_m 50.0 survey_length_m 10_000.0 ntraces_to_show int(survey_length_m / real_trace_spacing_m) # 200 道 # 设定 figure 物理尺寸cm和 DPI fig_width_cm 21.0 fig_height_cm 15.0 dpi 300 fig_width_inch fig_width_cm / 2.54 fig_height_inch fig_height_cm / 2.54 fig, ax plt.subplots(figsize(fig_width_inch, fig_height_inch), dpidpi) # X 轴范围道数 × 真实道间距米→ 转换为图上坐标 x_min 0 x_max ntraces_to_show * real_trace_spacing_m # 10000.0 米 ax.set_xlim(x_min, x_max) ax.set_xlabel(Distance (m)) # 此时 trace_spacing 在 wiggle_x 计算中就应 real_trace_spacing_m trace_spacing real_trace_spacing_m # 关键与物理世界对齐提示这样设置后导出的 PDF 或 SVG 中X 轴刻度直接是米解释员用 Adobe Acrobat 的测量工具可直接量取图上距离对应地下多少米。这是交付给地质师的硬性要求不是可选项。3.3 amplitude_norm三种归一化策略及其地质含义原始地震振幅动态范围极大-1000 ~ 800直接用于 wiggle 会导致弱反射不可见、强反射饱和。归一化不是为了“好看”而是为了暴露特定地质响应。三种主流策略策略公式适用场景地质意义道内归一化Trace-wisetraces[i, :] / np.max(np.abs(traces[i, :]))共炮点道集CMP gather、信噪比差异大的数据突出每炮内部的相对振幅变化压制炮点能量差异道集归一化Gather-wisetraces / np.max(np.abs(traces))时间切片、深度切片、反演结果体保持整个数据体振幅相对关系适合定量分析AGC自动增益控制滑动窗口内traces[i, j] / np.mean(np.abs(traces[i, j-w:jw]))原始记录、深层弱信号补偿球面扩散衰减提升深层信噪比def apply_agc(traces, window_length_samples100, perc90): 应用 AGC用滑动窗口内振幅百分位数作为增益因子 window_length_samples: 窗口长度采样点数如 100 点 ≈ 400msdt4ms perc: 使用 90% 百分位而非均值更鲁棒 ntraces, nsamp traces.shape agc_traces np.zeros_like(traces) half_win window_length_samples // 2 for i in range(ntraces): for j in range(nsamp): start max(0, j - half_win) end min(nsamp, j half_win 1) window_amp np.abs(traces[i, start:end]) gain np.percentile(window_amp, perc) if len(window_amp) 10 else 1.0 agc_traces[i, j] traces[i, j] / (gain 1e-8) # 防零除 return agc_traces # 使用 agc_traces apply_agc(traces, window_length_samples125) # 125×4ms500ms 窗口避坑提醒AGC 窗口不能太小 50 点否则会把噪声当信号放大也不能太大 300 点否则失去局部对比。500ms 是陆上数据黄金窗口海洋数据常用 800~1000ms。另外AGC 后务必检查是否引入了人工周期如窗口与反射同相轴共振方法是看 AGC 后的频谱是否在某频率出现尖峰。4. 避坑WIGB 可视化中 4 个高频翻车现场与解法WIGB 看似简单实则处处是坑。以下 4 条均来自真实项目血泪教训现象、原因、解法一一对应拒绝模糊描述。4.1 现象同相轴在图中“断裂”或“跳变”尤其在强反射之后原因未对地震数据做静校正Static Correction或剩余静校正Residual Statics导致道间时间偏移未对齐。wiggle 曲线按原始采样点绘制但实际地质界面在不同道上对应不同时间样点。解决在 wiggle 绘制前必须应用静校正量。若只有校正量数组statics单位ms需转换为采样点偏移并重采样# statics[i] 是第 i 道的静校正值ms转为采样点数 statics_samples np.round(statics / dt_ms).astype(int) # 对每道做线性插值重采样避免相位畸变 from scipy.interpolate import interp1d for i in range(ntraces): t_old np.arange(nsamp) t_new t_old - statics_samples[i] # 向上移动校正 f interp1d(t_old, traces[i, :], bounds_errorFalse, fill_value0.0) traces[i, :] f(t_new)4.2 现象图中出现密集平行斜线像“条形码”原因scale_factor过大 trace_spacing过小导致 wiggle 曲线在 X 方向过度拉伸相邻道波形在视觉上形成莫尔条纹。解决立即降低scale_factor至推荐值见 3.1 节并确保trace_spacing ≥ 2 × scale_factor × max_abs_amp。临时急救在plt.plot()中加antialiasedTrue并提高dpi但治标不治本。4.3 现象负半周填充后整张图发灰强反射不突出原因alpha值设置错误。fill_betweenx的alpha是填充色透明度alpha0.3意味着 70% 透明多次叠加后背景变灰。WIGB 要求正半周高对比alpha0.9~1.0负半周完全不填alpha0或仅用极细轮廓线。解决负半周改用ax.plot(..., colorgray, linewidth0.1)画虚线或直接不绘制。正半周alpha1.0用纯黑填充。4.4 现象导出 PDF 后wiggle 曲线变锯齿文字模糊原因Matplotlib 默认用Agg后端导出位图PDF 导出需pdf后端且关闭抗锯齿。解决在绘图前强制设置import matplotlib matplotlib.use(pdf) # 必须在 import pyplot 之前 plt.rcParams[pdf.fonttype] 42 # Type 42 (TrueType) plt.rcParams[ps.fonttype] 42 plt.rcParams[axes.linewidth] 0.5 plt.rcParams[lines.antialiased] False # 关键关掉抗锯齿 plt.rcParams[patch.antialiased] False # 绘图... plt.savefig(section_wigb.pdf, bbox_inchestight, pad_inches0.1)注意bbox_inchestight会自动裁剪空白边距但可能切掉坐标轴标签。若发生改用bbox_inches0并手动plt.subplots_adjust(left0.1, bottom0.1)。5. 进阶技巧用 WIGB 可视化地震反演结果与多属性融合WIGB 不仅用于原始地震更是地震反演Inversion结果交付的核心载体。反演得到的弹性参数如 P-impedance、Vp/Vs本身是连续体但解释员习惯用 wiggle 形式与原始地震对比。这里的关键是如何让反演曲线与地震 wiggle 在同一坐标系下对齐并用颜色编码表达不确定性。5.1 反演结果 wiggle双轨同绘与颜色映射假设你有反演得到的 P-impedance 体ip_cube维度nline × nxl × nsamp需抽取一条 inline 剖面与原始地震对比# 假设 ip_cube 是 3D numpy 数组已与地震体空间对齐 inline_idx 150 ip_section ip_cube[inline_idx, :, :] # 形状 (nxl, nsamp) # 1. 地震 wiggle黑色变面积 ax.fill_betweenx(y_axis, x_i, x_base[i], colorblack, alpha0.9) # 2. 反演 wiggle彩色仅曲线无填充 # 将 ip 值归一化到 [-1, 1] 范围映射为 wiggle 偏移 ip_norm (ip_section - np.mean(ip_section)) / np.std(ip_section) ip_wiggle_x x_base[:, None] 0.8 * ip_norm # scale_factor0.8避免覆盖地震 # 用 colormap 映射 ip 值如 plasma蓝-黄-红表示低-中-高阻抗 scatter ax.scatter(ip_wiggle_x.flatten(), np.tile(y_axis, (ip_wiggle_x.shape[0], 1)).flatten(), cip_section.flatten(), cmapplasma, s0.5, # 点大小避免糊成一片 alpha0.7, linewidths0) # 添加 colorbar cbar plt.colorbar(scatter, axax, shrink0.6, aspect20) cbar.set_label(P-Impedance (g/cm³ * m/s))技巧说明这里用scatter而非plot是因为反演结果是离散点plot会强行连线产生虚假趋势。s0.5确保每个采样点是一个可见像素alpha0.7让彩色点与黑色地震 wiggle 共存而不打架。plasmacolormap 是地球物理首选——它线性、色盲友好、且蓝低阻抗到红高阻抗符合地质直觉盐丘、碳酸盐岩常为高阻抗。5.2 多属性融合用透明度叠加 AVA 截距/梯度 wiggleAVAAmplitude vs Angle分析产出截距Intercept和梯度Gradient属性二者联合可判别流体。WIGB 可同时展示三者地震 wiggle黑色主视觉Intercept wiggle蓝色alpha0.4Gradient wiggle红色alpha0.4# 假设 intercept_sec 和 gradient_sec 已加载同形状 # 绘制 Intercept蓝色半透明 wiggle int_wiggle x_base[:, None] 0.5 * (intercept_sec - np.mean(intercept_sec)) / np.std(intercept_sec) for i in range(int_wiggle.shape[0]): ax.plot(int_wiggle[i, :], y_axis, b-, linewidth0.4, alpha0.4) # 绘制 Gradient红色半透明 wiggle grad_wiggle x_base[:, None] 0.5 * (gradient_sec - np.mean(gradient_sec)) / np.std(gradient_sec) for i in range(grad_wiggle.shape[0]): ax.plot(grad_wiggle[i, :], y_axis, r-, linewidth0.4, alpha0.4)地质价值当 Intercept蓝和 Gradient红 wiggle 在同一位置同向偏移大概率是含气砂岩若反向则可能是页岩。这种“形态耦合”在 wiggle 图上比在栅格图上更易捕捉——因为 wiggle 强化了相位连续性而相位正是流体敏感属性。5.3 导出为解释平台可读格式生成 SEG-Y 兼容 wiggle 图元某些解释平台如 Petrel、Kingdom支持导入“wiggle 图元”作为参考层。这并非导出图片而是生成一个特殊 SEG-Y 文件其中每道数据是 wiggle 曲线的 X 坐标序列即wiggle_x[i, :]Y 坐标由采样率隐含。平台读取后自动渲染为 wiggle。# 构造 wiggle_X_cube维度 (ntraces, nsamp)值为每道每样的 X 坐标 wiggle_X_cube np.zeros((ntraces, nsamp), dtypenp.float32) for i in range(ntraces): wiggle_X_cube[i, :] x_base[i] scale_factor * traces[i, :] # 写入新 SEG-Y仅数据体头信息复用原文件 with segyio.create(wiggle_x.sgy, spec) as f: for i in range(ntraces): f.trace[i] wiggle_X_cube[i, :] # 复用原文件道头 f.header[i] original_header[i]最后一句我坚持在每次交付前用手机拍下屏幕上的 wiggle 图发给现场解释员问“这个断层您能顺着同相轴从左到右跟下来吗” 如果他犹豫了立刻调scale_factor和trace_spacing——因为 WIGB 的终极 KPI 不是代码跑通而是让人的视线在图上自由行走。希望帮到你。本文还有配套的精品资源点击获取

Matplotlib 实现工业级 WIGB 地震剖面可视化

相关推荐

STM32嵌入式C++调试实战：用GDB穿透抽象直击硬件真相

基于MATLAB与CNN的地震等级预测：时频图构建与训练避坑指南

ESP32 Rust开发实战：ESP-IDF-HAL环境搭建与内存安全编程指南

更多资讯

RBCADS 5.0滚动轴承设计：环境部署、优化出图与寿命校核避坑

Unlimited-OCR-2-bf16 输出协议详解：＜PAGE＞/＜BLOCK＞/＜FORK＞标签与 Markdown 转换指南

拆解RedTiger-Tools项目架构：渗透测试OSINT工具的JSON配置、双模式CLI解析与插件注入机制深度解析

5 秒参考音频出中文 TTS：GPT-SoVITS 少样本语音克隆实操指南

安装前必看的检查清单：如何为 dsh-voice-ai-girlfriend 配好环境？显存、CUDA、WSL2 一次装齐

RapidOCR 5分钟装好，离线跑通多语言 OCR 识别

今日更新

AI智能体开发实战：从技术原理到商业落地

OpenShell 完全定制指南：从安装到深度配置，打造高效 Windows 开始菜单

Superpowers技能体系全解析：从Skills引入到安装的完整指南

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？