Resumen

El método de sondeo geomagnético profundo (GDS) es uno de los métodos electromagnéticos (EM) en geofísica que permite la estimación de la distribución de la conductividad eléctrica del subsuelo. Este trabajo presenta el modelado de inversión de los datos GDS empleando el algoritmo Markov Chain Monte Carlo (MCMC) para evaluar la probabilidad marginal posterior de los parámetros del modelo. Se utilizó el modelo de lámina delgada para representar las variaciones de conductividad cuasi-3D en el subsuelo heterogéneo. El algoritmo se aplicó para invertir datos GDS de campo de la zona que abarca un área que se extiende desde el margen oriental del Macizo de Bohemia hasta los Cárpatos Occidentales en Europa. Las anomalías de conductividad obtenidas en este estudio confirman la conocida configuración tectónica a gran escala de la zona.

• Materias:Geología Geodinámica Sismología Geomagnetismo Impedancia eléctrica
• Subjects:Geology Geodynamics Seismology Geomagnetism Electric impedance
• Palabras claves:Markov Chain Monte Carlo, distribución de conductividad eléctrica, datos GDS de campo, probabilidad marginal posterior, variaciones de conductividad cuasi-3D, algoritmo, área, Macizo de Bohemia, anomalías de conductividad, datos GDS.
• Keywords:Markov Chain Monte Carlo, electrical conductivity distribution, field GDS data, marginal posterior probability, quasi-3D conductivity variations, algorithm, area, Bohemian Massif, Conductivity anomalies, GDS data