Towards improving ambient noise tomography using simultaneously curvelet denoising filters and SEM simulations of seismic ambient noise

The aim of this article is to investigate a possible way to improve ambient noise tomography by expanding the data base of useful cross-correlation measurements. We show that the curvelet transform makes it possible to compute synthetic noise correlations by simulating directly seismic ambient noise using the spectral element method. These synthetic correlations can in turn be used to identify surface waves and overtones even on correlations having a signal to noise ratio much lower than one. We hope that the possibility to compute SEM synthetic correlations and to extract more information from correlations will be useful to improve ambient noise tomography and monitoring.

RésuméLes corrélations de bruit ont permis, au cours des dernières années, d’obtenir des images spectaculaires de la croûte terrestre. Cette méthode reste toutefois limitée par la distribution inhomogène des sources de bruit, qui rend problématique l’interprétation des corrélations sur la plupart des trajets inter-station.Le but de cet article est d’explorer une voie possible pour améliorer les images tomographiques issues des corrélations de bruit de fond sismique. Nous montrons que, grâce à la transformée en curvelet, il est possible de calculer des corrélations de bruit synthétiques en simulant directement des sources de bruit à l’aide de la méthode des éléments spectraux. Ces corrélations synthétiques permettent à leur tour d’identifier des ondes de surface ainsi que des modes supérieurs, sur des corrélations de bruit réelles ayant un rapport signal sur bruit inférieur à 1.Nous espérons que la possibilité offerte par les simulations numériques de bruit d’extraire plus d’informations des corrélations de bruit permettra à l’avenir d’améliorer la résolution des modèles tomographiques.