在地震层析成像中，远偏移距折射初至对提高速度模型深部结构的成像精度具有重要作用(Mooney and Weaver, 1989；Operto and Charvis, 1996；Funck et al., 2008；王帅军等, 2014).然而，随着偏移距的增加，折射波的信噪比较低.这个问题在噪声强烈的海洋广角海底地震仪(OBS)观测中尤为突出(卫小冬等, 2011；吴振利等, 2011；阮爱国等, 2011；Alshuhail et al., 2012；Al-Shuhail, 2015；Liu et al., 2015；刘俊等, 2015；Zou et al., 2016).因此，有必要改善折射波的信噪比，以提高地震初至拾取的准确度.

折射波干涉法是一种较为有效的折射波增强方法，它通过对不同炮的地震道做互相关和叠加，达到压制噪声的效果(Dong et al., 2006).但该方法只能得到某个虚炮点激发、各检波点接收的数据，而无法得到真实炮点激发、各检波点接收的数据.为解决此问题，Bharadwaj等(2011)和Hanafy等(2011)提出了超虚折射干涉法(Supervirtual Refraction Interferometry，SRI)，该方法在互相关构建虚拟道的基础上，将虚拟道与对应近道做卷积和叠加实现了对原始数据中折射波的增强.初步的应用显示，使用SRI方法增强后的折射波进行地震初至拾取时，所拾取初至的稳定性和精度显著提高(Mallinson et al., 2011；Al-Hagan et al., 2014)，层析速度建模的准确度具有明显改善(Mallinson et al., 2011).为进一步提高折射波增强的稳定性和精度，前人在SRI方法基础上进行了一系列的改进，所解决的问题包括远近道叠加次数不均匀(乔宝平等, 2014；An et al., 2017a)、叠加道相似度低(吕雪梅等, 2018)、三维折射波的增强(Lu et al., 2014；An et al., 2017b)等.SRI方法还被拓展应用于深海OBS数据(Bharadwaj et al., 2013)、地核折射波数据(Bharadwaj et al., 2014)等，取得了良好效果.

然而，SRI方法效果依赖于叠加炮点数量，参与互相关产生虚拟道的炮点数量越少，虚拟道叠加次数越少、抗噪能力越差、准确度越低，最终的增强效果越差.在广角OBS探测中，由于OBS数量有限，导致长测线中的OBS间距通常在数公里甚至十几公里(Yan et al., 2001；吴振利等, 2011；阮爱国等, 2011；卫小冬等, 2011；Zou et al., 2016).这种情况下，同一炮所激发的折射波仅能被少数几个OBS观测到.在应用SRI方法时，通常基于互易性原理把台站与炮点互换，因此较大的台站间距导致可参与虚拟道叠加的台站数较少.同时，强烈的海洋噪声也使远偏移距折射波的信噪比较低.这些原因共同导致了SRI方法对广角OBS数据远偏移距折射波的增强能力不足.

针对此问题，本文提出基于相邻虚拟道叠加的超虚折射干涉法(Supervirtual Refraction Interferometry based on the Stacking of Neighbor Virtual-traces, SRI-SNV)，通过引入相邻虚拟道叠加，以有效提高虚拟道叠加次数.本文将在介绍SRI-SNV方法基本原理的基础上进行理论实验和实际资料应用，并将SRI-SNV方法结果与SRI方法结果进行对比分析，以显示SRI-SNV方法对OBS数据折射波的增强效果.

SRI方法的目标是重构高信噪比的折射波.该方法先通过互相关建立参考地震道(高信噪比地震道)与目标地震道(低信噪比地震道)之间的关系，然后在此关系基础上将参考地震道数据叠加以重构目标地震道(Hanafy et al., 2011；Bharadwaj et al., 2012).对于广角OBS观测系统，SRI方法实现折射波增强的基本步骤是：首先，在共台站集选择一个参考地震道(高信噪比近道)和一个目标地震道(低信噪比远道)，将不同的台站集里这两道的折射波形做时窗截取，并通过互相关产生虚拟道；其次，叠加不同台站所对应的虚拟道；之后，将叠加虚拟道与对应的参考地震道做卷积，生成新的目标地震道；然后，选择一个新的参考地震道重新进行上述操作，生成新的目标地震道；最后，叠加所有的新目标地震道，从而实现一个目标地震道的增强.循环上述步骤即可实现对所有地震道上折射波的增强.具体流程如图 1所示.

图 1

Fig. 1

图 1 SRI方法流程图 灰色虚线框标出了涉及相邻虚拟道叠加的步骤 Fig. 1 Flow chart of the SRI method Gray dashed line marks the steps related to stacking of neighboring virtual-traces.

上述步骤显示，SRI方法在增强折射波信噪比过程中有两次叠加操作，一次是虚拟道叠加，另一次是新目标地震道叠加.虚拟道叠加次数越多，降噪效果越好.由于SRI方法的虚拟道叠加次数依赖于台站数量，因此参与同一折射波增强的台站数量越多，对地震道信噪比的改善效果越好.但在实际OBS数据采集中台站分布稀疏，同一炮所激发折射波的有效接收台站数量较少，导致可参与虚拟道叠加的台站数较少，使虚拟道产生过程中的抑噪效果降低.因此，提高虚拟道叠加次数是广角OBS数据折射波增强的关键.

对于广角OBS数据，SRI方法选择共台站集上的两道进行互相关，从而产生虚拟道.由于不同台站所对应虚拟道的峰值应该在相同时刻，因此可以通过叠加来提高虚拟道的信噪比.若近道和远道的折射波前近似平行，选择近道的邻近道和远道的邻近道，并保持这两个邻近道具有与原来远近道相同的道间距差，那么这两个邻近道的折射波互相关所产生的虚拟道与SRI所产生虚拟道的峰值应该在相同位置，因此同样可以参与叠加以提高虚拟道信噪比.需要注意的是，由于实际地下界面存在起伏，上述假设只在小的空间范围内才能近似成立，所以只有与SRI所选择地震道相邻的地震道才能产生与SRI虚拟道足够相近的虚拟道，我们称之为相邻虚拟道.相邻虚拟道参与叠加后，虚拟道的叠加次数成倍增加，有助于提高增强后折射波的信噪比.该操作可以添加到SRI方法互相关产生虚拟道的步骤中(图 1)，我们将新方法称为基于相邻虚拟道叠加的超虚折射干涉法(SRI-SNV).下面介绍SRI-SNV方法中相邻虚拟道叠加的原理.

图 2展示了SRI-SNV方法的相邻虚拟道叠加过程，它包含两个基本步骤：相邻地震道互相关生成相邻虚拟道和不同台站所对应的相邻虚拟道叠加.图 2a显示，在m_i、m_j点激发和n₁点接收的两道做互相关后，生成了虚拟道ψ(m_i, m_j)_n1.选取与m_i和m_j同侧相邻且具有相同偏移距的地震道重复上述互相关操作，就生成了相邻虚拟道.相邻虚拟道参与叠加后，在不增加台站数量的情况下，虚拟道叠加次数会成倍增加，如图 2b所示.所得到的叠加虚拟道记为Φ(m_i, m_j)，此即对应于m_i和m_j的最终虚拟道.按照图 1中的流程，该虚拟道被用于和原始记录卷积来生成增强后的数据.下面介绍SRI-SNV方法的具体数学过程.

图 2

Fig. 2

图 2 SRI-SNV方法的相邻虚拟道叠加过程示意图 (a)相邻地震道互相关生成相邻虚拟道的过程；(b)不同台站所对应的相邻虚拟道叠加过程.黑色五角星和三角分别代表炮点和台站；⊗代表互相关运算符；n1—nx为1—x个台站；mi-1、mi、mi+1为三个相邻炮点，i-1、i、i+1为相邻炮点的序号；mj-1、mj、mj+1为另外三个相邻炮点，j-1、j、j+1为相邻炮点的序号. Fig. 2 Schematic diagram showing stacking of neighboring virtual-traces process of the SRI-SNV method (a) The process of generating neighboring virtual-traces based on cross-correlation of neighboring seismic traces; (b) The process of stacking neighboring virtual-traces corresponding to different stations. Black stars and black triangles represent shots and stations, respectively. ⊗ represents cross-correlation operator. n1—nx represents the station from 1 to x. mi-1, mi, and mi+1 represent locations of three neighboring shots; i-1, i, and i+1 denote order numbers of three neighboring shots. mj-1, mj and mj+1 represent locations of three other neighboring shots, and j-1, j and j+1 denote order numbers of three other neighboring shots.

SRI方法的互相关和叠加过程可以用如下公式表示(安圣培等, 2015)：

(1)

(2)

其中，*为复共轭；m为整数，代表台站的序号，M为台站的总个数；φ(m, i)和φ(m, j)对应于炮点i和j激发，m点接收的折射波记录；虚拟道ψ(i, j)_m对应于第m个台站在i、j两点的折射波互相关，Φ(i, j)对应于叠加虚拟道；SRI方法生成的虚拟道叠加次数λ＝M.

SRI-SNV方法将目标虚拟道和相邻虚拟道进行叠加，生成叠加虚拟道.其中，目标虚拟道由所选参考地震道和目标地震道在不同台站集中的折射波记录经互相关后产生，相邻虚拟道则由与所选道同侧等距相邻道的折射波经互相关后产生.然后将目标虚拟道与相邻虚拟道进行叠加.针对共台站集记录，假设目标虚拟道对应于不同台站集中第i、j两点的折射波互相关，则相邻虚拟道ψ(i-n, j-n)_m和叠加虚拟道Φ(i, j)的表达式可以写为：

(3)

(4)

其中，m为台站的序号；M为台站的总个数；n为整数，代表单个台站所对应目标虚拟道和相邻虚拟道的参考地震道序号间隔；N为相邻虚拟道总数，本文选择的相邻虚拟道对称分布，故N为偶数，N/2为整数；φ(m, i-n)，φ(m, j-n)分别代表生成虚拟道的不同偏移距折射波记录.当N=0时，无相邻虚拟道叠加，对应于SRI方法叠加生成虚拟道的过程，此时目标虚拟道ψ(i, j)_m和叠加虚拟道Φ(i, j)的表达式与SRI方法一致，且虚拟道叠加次数λ=M.当N≠0时，表示有相邻虚拟道叠加，此时虚拟道叠加次数λ的取值与M和N的取值有关，且满足关系式：

(5)

由于叠加次数增加，SRI-SNV方法对噪声的压制能力优于SRI方法，下文将通过数值实验和实际数据测试来展示这一点.

为了测试SRI-SNV方法对折射波的增强效果，本文设计了折射界面起伏的速度模型，如图 3所示.模型的上层和下层的纵波速度分别为2500 m·s^-1和4000 m·s^-1，纵横波速度比设定为常数1.8.模型中的速度界面分别在20.56~30.72 km和32.80~49.44 km之间存在两个高度不同的凸起.图 3还展示了观测系统，三个台站间距为0.8 km，631个炮点间距为0.08 km.

图 3

Fig. 3

图 3 折射界面起伏的速度模型.垂直向拉伸了3.2倍 所有炮点与台站均位于地表，台站以黑色三角表示，炮点以点线表示. Fig. 3 Velocity model with undulated refraction interface. Stretched vertically 3.2 times All shots and stations are on the surface. Black triangles represent stations, and dotted line represent shots.

正演采用弹性波伪谱法(马锐和邹志辉, 2017)，震源子波采用主频为5 Hz的雷克子波.正演模拟所生成的理论地震数据如图 4a所示.为模拟实际情况，理论数据添加了75%的随机噪声，以测试本文方法在低信噪比情况下的效果，如图 4b所示.其中，75%指的是噪声最大振幅与位于34.8 km处地震道折射波绝对值的最大振幅之比.

图 4

Fig. 4

图 4 正演模拟数据 (a)原始共台站集；(b)加噪后的共台站集.黑色虚矩形框标记了图 5所展示的折射波增强的区域，黑色虚线为数据截取时窗的边缘. Fig. 4 Forward modeling data (a) Raw common station gather; (b) Common station gather after adding noise. Black dashed rectangle marks the area containing refraction waveforms that will be shown in Fig. 5. Black dashed line is the boundary of the window of data selection.

干涉法互相关步骤的输入数据要使用时窗截取，每道数据的时窗设置按如下步骤执行：首先，粗略估计初至时间，设定时窗位置；然后，利用估计的初至时间直接截取一定长度的折射波，截取时窗宽度的选择要足够宽，以保证折射波在截取的范围之内，本文选择的截取时窗宽度为1.4 s；最后，在截取的边缘处以高斯函数作为衰减函数平滑过渡到0值，高斯函数f(t)的表达式如下：

(6)

其中，a为常数1；e为自然常数；b为高斯系数，本文取100；t为时间；t₀为截取边缘处的时间值.由于边缘两端都需要施加高斯函数，故每道数据都需选取两个t₀.实际应用中，我们将粗略初至作为前端边缘的t₀，而将粗略初至与时窗宽度之和作为后端边缘的t₀.

需要注意的是，本文干涉法的卷积步骤的输入均采用了原始地震数据，并未进行时窗截取，以保证不会遗漏重要的震相信息.

将图 4黑色虚矩形框中的折射波作为输入数据，利用SRI和SRI-SNV分别增强后的结果如图 5所示.图 5a显示，使用SRI方法对折射波进行增强后，所生成的折射波虽然得到一定的增强，但其附近仍然存在较强噪声.相比之下，图 5b中SRI-SNV方法增强后的折射波形的连续程度明显改善，并与图 4a中的无噪声波形接近.这种增强效果的差异主要来源于虚拟道叠加次数的不同.

图 5

Fig. 5

图 5 折射波增强结果对比 (a)和(b)分别是SRI方法和SRI-SNV方法的折射波增强结果. Fig. 5 Comparison of enhanced refraction waves (a) and (b) are the enhanced data by using SRI and SRI-SNV methods, respectively.

图 6展示了SRI-SNV方法和SRI方法的虚拟道叠加效果.在SRI方法中虚拟道仅有3次叠加(图 6a)，而在SRI-SNV方法中虚拟道叠加次数达到39次(图 6c)，叠加次数是SRI方法的13倍.虚拟道叠加次数λ的取值需要选择恰当的邻近道范围，过小或者过大的λ值均不利于增强效果的改善.这是因为，当λ的取值偏小时，虚拟道叠加次数仍然较低，导致虚拟道叠加过程的抑噪效果有限；而当λ的取值偏大时，虽然虚拟道叠加次数较多，但由于用于叠加的虚拟道距离原始虚拟道较远、差异较大，难以满足相邻虚拟道叠加的假设条件，这些较大差异的虚拟道参与叠加后将导致波形的叠加相消不充分而引入更多噪声.对于本文情况，选择λ=39较为恰当.对比SRI方法(图 6b)和SRI-SNV方法(图 6d)的叠加结果可见，充足的虚拟道叠加次数使最终生成的虚拟道信噪比明显改善，其在峰值处与理论虚拟道形态相似，更加接近于脉冲函数.由于虚拟道代表了高信噪比参考地震道与低信噪比目标地震道之间的关系，因此准确地构建虚拟道将提高重构目标地震道的精度.

图 6

Fig. 6

图 6 虚拟道叠加效果对比 (a) SRI方法生成的所有虚拟道；(b) SRI方法的叠加虚拟道(黑色曲线)；(c) SRI-SNV方法生成的所有虚拟道，黑色曲线是图版(a)中的虚拟道；(d) SRI-SNV方法的叠加虚拟道(黑色曲线).所选择的参考地震道和目标地震道分别位于24.72 km和39.44 km位置处.(a)和(c)中的水平虚线分别表示虚拟道峰值理论上所在时刻；(b)和(d)中的灰色虚线代表理论虚拟道. Fig. 6 Comparison of stacking of virtual-traces (a) All virtual-traces generated by the SRI method; (b) The stacked virtual-trace by the SRI method (black curve); (c) All virtual-traces generated by the SRI-SNV method. Black curves are the virtual-traces in (a); (d) The stacked virtual-traces by the SRI-SNV method (black curve). Reference seismic traces and target seismic traces are selected from the distances of 24.72 km and 39.44 km. Horizontal dashed lines in (a) and (c) represent theoretical peak times of corresponding stacked virtual-traces, respectively. The gray dashed lines in (b) and (d) are the same and represent the theoretical virtual-traces.

为显示折射波增强对初至拾取精度的影响，采用STA/LTA与多道互相关结合的方法拾取增强后的初至，并与无噪声理论数据的初至拾取结果作对比，如图 7a和7b所示.可以看出，SRI方法增强后的初至拾取结果与无噪声数据拾取结果的吻合度较差，有相当一部分的初至发生了偏离.而SRI-SNV方法增强后的初至拾取结果与无噪声数据匹配较好，初至基本上能与无噪声数据初至重合.进一步将两种方法增强后的初至拾取结果与对应无噪声数据初至拾取结果作差，拾取误差如图 8所示.一般而言，T/4(T为主周期)是判断初至拾取误差精度的标准，如果拾取误差小于T/4，则认为该初至能应用于层状模型中的走时层析成像(Mallinson et al., 2011).由图 8可知，SRI-SNV方法增强后的初至走时拾取误差有97.6%小于50 ms，基本都能满足小于T/4(主周期T=0.2 s)的要求.拾取误差的大小也可以通过其与理论初至之间的标准差衡量，SRI方法和SRI-SNV方法所对应拾取误差的标准差分别为0.151 s和0.028 s，说明SRI-SNV方法增强后的折射波有利于提高初至拾取的精度.另外，图 8还显示，相比于SRI方法，SRI-SNV方法对应的远偏移距处的拾取误差更小，表明SRI-SNV方法更适合于低信噪比远道的初至波增强.

图 7

Fig. 7

图 7 初至拾取效果对比 (a) SRI方法；(b) SRI-SNV方法.初至拾取采用林凡生等(2016)的自动拾取方法. Fig. 7 Comparison of first-arrival picking results (a) SRI method; (b) SRI-SNV method. The first-arrival picking method used here is an automatic method after Lin et al. (2016).

图 8

Fig. 8

图 8 拾取误差对比 黑色“+”号：SRI方法；灰色“·”号：SRI-SNV方法. Fig. 8 Comparison of picking errors Black "+" symbol: SRI method; Gray "·" symbol: SRI-SNV method.

为进一步分析方法的抗噪性，我们采用信噪比不同的理论数据对SRI方法和SRI-SNV方法进行了测试.将不含噪声数据施加振幅由低至高的随机噪声，分别生成五组数据.图 9显示了不同方法在不同程度信噪比情况下的折射波增强效果.从图中可以看出，当施加噪声水平较低(如25%)时，SRI方法和SRI-SNV方法对折射波的增强效果较好，说明高信噪比情况下两种方法都可行；当施加噪声水平达到一定程度(如75%、125%)时，SRI方法对折射波的增强效果较差，而SRI-SNV方法对折射波的增强效果较好，易于进行初至拾取；当施加噪声水平过高(如175%、225%)时，SRI方法的结果中完全无法识别折射波，而SRI-SNV方法的结果中仍然可以看到折射波的趋势，但两种方法增强后的折射波信噪比都过低而难以用于拾取初至.上述对比分析表明，相比于SRI方法，本文的SRI-SNV方法更适用于低信噪比情况下的折射波增强.

图 9

Fig. 9

图 9 不同噪声情况下折射波增强效果 (a1)-(a5)分别为施加25%, 75%, 125%, 175%, 225%随机噪声后的数据.黑色虚线为截取时窗的边缘, 时窗的时间宽度为1.4 s; (b1)-(b5)与(a1)-(a5)对应, 分别是不同信噪比情况下SRI方法的增强结果; (c1)-(c5)与(a1)-(a5)对应, 分别是不同信噪比情况下SRI-SNV方法的增强结果. Fig. 9 Effects of the enhancement of refraction waves at different noise levels (a1)-(a5) represent the data after applying random noise of 25%, 75%, 125%, 175%, and 225%, respectively.The black dashed line is the boundary of the time window, the window width is selected within 1.4 s.(b1)-(b5) represent the result of SRI method for different SNR levels, and correspond to (a1)-(a5), respectively, (c1)-(c5) represent the result of SRI-SNV method for different SNR levels, and correspond to (a1)-(a5), respectively.

为检验SRI-SNV方法在实际资料中的增强效果，本文将其应用到南黄海北部某区域采集的广角OBS数据.野外采集的炮间距为125 m，台站间距为6 km，具体观测系统见Zou等(2016).我们选择了三个相邻的OBS台站，每个台站截取其接收的1401个炮的数据.将原始广角OBS数据做带通滤波以滤除一部分噪声，滤波频带范围为1~20 Hz，所得到数据如图 10所示.可见，滤波后折射波的信噪比仍较低，尤其在大于28 km的偏移距，波形已较难识别，如图 10a所示.我们使用宽度为1.2 s的时窗对滤波后三个台站的数据分别进行截取，并将截取后的折射波作为输入，以进行初至波增强.图 11显示了C1号台站的折射波增强结果，增强区域对应图 10a黑色虚矩形框中的数据.图 11a显示，SRI方法增强后的折射波连续性不足，而且部分偏移距还出现了明显的噪声.这些噪声的振幅与增强后的折射波的振幅相当，有可能像理论测试那样产生拾取误差.图 11b是使用SRI-SNV方法增强后的结果.与数值测试相同，该处同样选择39次虚拟道叠加.结果显示，SRI-SNV方法结果中的折射波连续性优于SRI方法，且信噪比也较高.

图 10

Fig. 10

图 10 不同OBS的共台站集数据 (a)(b)和(c)分别对应C1、C2和C3号OBS台站.白色三角标记了用于互相关叠加的台站位置；黑色虚矩形框标记了图 11所展示的参与初至增强的区域；黑色虚线显示了截取时窗的边缘. Fig. 10 Common station gather data corresponding to different OBSs (a), (b) and (c) respectively correspond to OBS C1, C2 and C3, the relative location of which are represented by white triangles on top of profile. Black dashed rectangle marks the first-arrival enhancement area that will be shown in Fig. 11. The black dashed line shows the boundary of the time window.

图 11

Fig. 11

图 11 C1号OBS地震数据的折射波增强结果 (a) SRI方法；(b) SRI-SNV方法.箭头指出了两种方法所增强折射波存在明显差异的地方，并以图版右上角的局部放大图显示部分差异较明显的区域. Fig. 11 Results of enhanced refraction waves corresponding to OBS C1 (a) SRI method; (b) SRI-SNV method. The arrow points out the locations with obvious differences on the enhanced profiles for SRI and SRI-SNV methods. The upper right parts of the panels zoom in the areas containing obvious differences.

地震波形增强效果与互相关虚拟道的准确程度直接相关.虚拟道准确程度的一个衡量标准是其与脉冲函数的相似程度.图 12对比了SRI方法和本文SRI-SNV方法的虚拟道叠加效果.结果显示，SRI-SNV方法所得到的虚拟道在42.5 s附近的峰值更尖锐，更接近脉冲样式.这种脉冲形式的虚拟道在用于卷积生成目标地震道的过程中会减少旁瓣的产生，就像图 11b中显示的那样.

图 12

Fig. 12

图 12 实际数据的虚拟道叠加效果对比 (a) SRI方法生成的所有虚拟道；(b) SRI方法的叠加虚拟道；(c) SRI-SNV方法生成的所有虚拟道，黑色曲线是图版(a)中的虚拟道；(d) SRI-SNV方法的叠加虚拟道.所选择的参考地震道和目标地震道分别位于C1号OBS的17.43 km和30.12 km偏移距处.(a)和(c)中的水平虚线分别表示其图版中的虚拟道叠加后峰值所在时刻. Fig. 12 Comparison of stacking of virtual-traces on real data (a) All virtual-traces generated by the SRI method; (b) The stacked virtual-trace for the SRI method; (c) All virtual-traces generated by the SRI-SNV method, black curves are the virtual-traces in (a); (d) The stacked virtual-traces of the SRI-SNV method. Reference seismic traces and target seismic traces are selected at the offset of 17.43 km and 30.12 km for OBS C1. Horizontal dashed lines in (a) and (c) represent the peak time of corresponding stacked virtual-traces, respectively.

为对比SRI和SRI-SNV两种方法对初至拾取的影响，我们采用STA/LTA与多道互相关结合的自动拾取方法(林凡生和邹志辉，2016)对它们所增强波形进行初至拾取，所获得初至如图 13中红点所示.图 13a显示，SRI方法增强后的初至容易产生更多的离群值，这些离群值很明显偏离了初至的趋势，若用于层析将会在速度反演中带来噪声.与此相比，SRI-SNV方法增强后的初至拾取结果与数据的匹配程度更好，稳定性更高，更符合真实情况下的拾取结果，如图 13b所示.同时，我们使用层析反演得到的速度模型(Zou et al., 2016)和最短路径射线追踪(Moser, 1991)计算了初至到时，并将其分别投影到增强后的数据上，如图 13中绿点所示.可见，虽然根据层析速度模型计算的初至在大部分位置上与SRI-SNV方法增强后初至吻合，但仍有一些细节与该方法增强后初至符合得不够好，比如30~40 km之间和55 km附近等.若使用增强后波形拾取的初至进行层析反演，将有助于反演出速度结构的更多细节特征.

图 13

Fig. 13

图 13 增强后实际资料的初至拾取效果对比 (a) SRI方法；(b) SRI-SNV方法.红色：拾取的初至；绿色：根据层析速度模型计算的初至. Fig. 13 Comparison of first-arrival picking on enhanced real data (a) SRI method; (b) SRI-SNV method. Red: Picked first-arrivals. Green: First-arrivals calculated using the tomographic velocity model.

针对广角OBS数据远偏信噪比较低和台站分布稀疏的问题，本文提出了基于相邻虚拟道叠加的超虚折射干涉法(SRI-SNV方法).该方法通过叠加相邻虚拟道大幅增加了生成虚拟道过程中的叠加次数，提高了虚拟道计算的准确度，可以用于增强较大台站间距和较低信噪比的广角OBS折射波.理论和实际计算结果均表明，相比于SRI方法，SRI-SNV方法的虚拟道更加接近脉冲函数的形式，减少了增强后折射波的旁瓣，更有利于低信噪比情况下的初至增强.SRI-SNV方法比SRI方法更有利于提高折射初至拾取的稳定性和精度，使用SRI-SNV方法增强后的波形所拾取初至误差的标准差远低于SRI方法，且这种差异在远偏移距处更为明显，表明SRI-SNV方法更有利于低信噪比的远偏移距地震折射波的增强.