Một quy trình làm việc cách mạng cho đánh giá hồ chứa dầu mỏ: tích hợp quang phổ VNIR-LWIR và học máy

Trong lĩnh vực thăm dò địa chất, làm thế nào để tìm được những mẫu vật quan trọng nhất từ trong lòng tảng đá dài hàng trăm mét một cách nhanh chóng và chính xác luôn là một thách thức lớn. Một nghiên cứu về các hồ chứa dầu và khí đốt của Ả Rập Xê Út cho thấy một giải pháp đầy hứa hẹn.

Trong lĩnh vực thăm dò địa chất, xác định nhanh chóng và chính xác các mẫu quan trọng nhất từ hàng trăm mét lõi từ lâu đã là một thách thức quan trọng. Một nghiên cứu tập trung vào các hồ chứa hydrocarbon ở Ả Rập Saudi chứng minh một giải pháp rất hứa hẹn.

Ghi chú:

Thăm dò địa chấtNó đề cập đến một loạt các công việc điều tra và nghiên cứu tổng hợp được thực hiện để tìm hiểu tình hình địa chất dưới lòng đất và tìm kiếm tài nguyên khoáng sản (như dầu khí, khoáng sản, nước ngầm, v.v.). Đối với lĩnh vực dầu khí, nhiệm vụ cốt lõi của thăm dò địa chất là xác định các khu vực thuận lợi cho việc tích tụ dầu khí và cuối cùng xác định vị trí các bể chứa dầu khí có sẵn để khai thác.

Bể chứa dầu khíLà tầng đá ngầm có không gian lưu trữ (lỗ chân lông, vết nứt) và khả năng thấm chất lỏng (tính thấm), dầu khí được lưu trữ trong những không gian này. Nó là một trong những yếu tố cốt lõi trong việc hình thành bể chứa dầu và khí đốt. Các loại đá lưu trữ hydrocarbon phổ biến nhất là đá sa thạch và đá cacbonat (ví dụ: đá vôi, dolomit).

Thông qua thăm dò địa chất để phát hiện, khoanh tròn và đánh giá các tầng chứa dầu khí có giá trị thương mại.

Lưu ý:

Khám phá địa chấtđề cập đến một loạt các cuộc điều tra toàn diện và các hoạt động nghiên cứu được tiến hành để hiểu các điều kiện địa chất dưới bề mặt và khám phá các tài nguyên khoáng sản (chẳng hạn như dầu, khí đốt, khoáng sản, nước ngầm, v.v.). Trong bối cảnh của ngành công nghiệp dầu mỏ, mục tiêu cốt lõi của thăm dò địa chất là xác định các khu vực thuận lợi cho tích lũy hydrocarbon và cuối cùng xác định vị trí các kho dầu khí khai thác được.

Một hồ chứa hydrocarbonlà một đơn vị đá dưới bề mặt có không gian lưu trữ (lỗ chân lông, vết nứt) và khả năng cho phép dòng chảy chất lỏng (độ thấm); hydrocarbon được lưu trữ trong các không gian này. Nó là một trong những yếu tố cốt lõi cho sự hình thành của một tích tụ hydrocarbon. Các loại đá phổ biến nhất cho các hồ chứa hydrocarbon là đá cát và cacbonat (ví dụ: đá vôi, đá dolomite).

Mục đích của khám phá địa chất là khám phá, phác thảo và đánh giá các kho hydrocarbon có khả năng kinh doanh.

Thiết bị vớt váng dầu mỡ cho xử lý nước thải -PetroXtractor - Well Oil Skimmer ( the generalized lithostratigraphy of exposed facies in the study area (Wadi Daqlah)

Phạm vi quang phổ.

Cơ sở kỹ thuật cốt lõi của nghiên cứu này là hình ảnh phổ cao toàn dải, bao gồm một dải rộng từ ánh sáng nhìn thấy đến hồng ngoại sóng dài:

Ánh sáng nhìn thấy - Cận hồng ngoại (VNIR, 400-1000 nm)Chủ yếu nhạy cảm với các nguyên tố kim loại chuyển tiếp như sắt ion (Fe²⁺) trong đá. Sự thay đổi thành phần hóa học của đá có thể được đánh giá nhanh chóng bằng cách tính toán chỉ số sắt.

Hồng ngoại sóng ngắn (SWIR, 1000-2500 nm)Vị trí thung lũng hấp thụ đặc trưng của canxit và dolomit trong khu vực này, với sự thay đổi nhỏ nhưng ổn định khoảng 20 nanomet (canxit~2345 nm, dolomit~2325 nm). Sự khác biệt này là chìa khóa để lập bản đồ phân bố khoáng sản nhanh chóng và chính xác.

Hồng ngoại sóng trung bình (MWIR, 3-7μm)VớiHồng ngoại sóng dài (LWIR, 8-14μm): Chứa thông tin rung động phân tử phức tạp hơn về khoáng chất cacbonat. Nghiên cứu này đã phân biệt thành công dolomit với các cấu trúc khác nhau bằng cách kết hợp dữ liệu từ ba dải hồng ngoại này và có thể nắm bắt những khác biệt nhỏ không thể nhận ra bởi SWIR một mình và liên quan đến cấu trúc tinh thể đá và kích thước hạt.

Phạm vi quang phổ (Spectral Range)

Nền tảng kỹ thuật cốt lõi của nghiên cứu này là hình ảnh siêu phổ đầy đủ, bao gồm một phổ rộng từ có thể nhìn thấy đến hồng ngoại sóng dài:

Hồng ngoại gần nhìn thấy (VNIR, 400-1000 nm)Phạm vi này chủ yếu nhạy cảm với các yếu tố kim loại chuyển tiếp như sắt sắt (Fe²) ⁺) trong đá. Tính toán chỉ số sắt cho phép đánh giá nhanh chóng những thay đổi trong thành phần hóa học của đá.

Hồng ngoại sóng ngắn (SWIR, 1000-2500 nm)Một phát hiện chính của nghiên cứu là sự thay đổi nhất quán, khoảng 20 nanomet trong vị trí hấp thụ đặc trưng giữa canxi và dolomite trong khu vực này (canxi ~ 2345 nm, dolomite ~ 2325 nm). Sự khác biệt này rất quan trọng để lập bản đồ phân phối khoáng sản nhanh chóng và chính xác.

Hồng ngoại sóng trung (MWIR, 3-7μm)vàHồng ngoại sóng dài (LWIR, 8-14)μm)Các phạm vi này chứa thông tin rung phân tử phức tạp hơn từ các khoáng chất cacbonat. Bằng cách tích hợp dữ liệu từ ba khoảng thời gian hồng ngoại này, nghiên cứu đã có thể phát hiện ra những khác biệt tinh tế liên quan đến cấu trúc tinh thể đá và kích thước hạt không thể phân biệt được bằng cách sử dụng SWIR một mình, do đó phân biệt thành công đá dolomite với kết cấu khác nhau.

Đặc điểm phổ của dolomit (màu xanh lá cây) so với canxit (màu xanh dương): vị trí đỉnh hấp thụ đặc trưng của dolomit là khoảng 2325nm và đỉnh hấp thụ đặc trưng của canxit là khoảng 2345nm.

Chữ ký quang phổ của dolomite (xanh lá cây) và calcite (xanh lá cây) với vị trí băng tần hấp thụ đặc trưng khoảng 2325 nm (đường xanh lá cây) cho dolomite và 2345 nm (đường xanh lá cây) cho calcite.

"Quy trình làm việc phân tích dữ liệu dựa trên hình ảnh quang phổ cao"

Lấy mẫu địa chất truyền thống có thể được coi là mô hình "theo kinh nghiệm", phụ thuộc nhiều vào quan sát bằng mắt thường và đánh giá chủ quan của các chuyên gia. Nghiên cứu này đề xuất một tập hợp các giải pháp "hướng dữ liệu" khách quan hơn, hiệu quả hơn và có thể lặp lại với quy trình làm việc thể hiện rõ ràng logic phân tích từ vĩ mô đến vi mô:

Bước 1:Quét toàn cầu, lập bản đồ khoáng sản. Nhóm nghiên cứu lần đầu tiên sử dụng đặc điểm băng tần SWIR, quét nhanh lõi dài 50 mét để tạo ra một bản đồ phân bố khoáng sản có độ chính xác cao, xác định rõ khu vực mục tiêu của hóa dầu cloudin.

Bước 2:Xác định sự khác biệt cấu trúc. Sau khi khóa khu vực dolomit, bằng cách tích hợp thông tin quang phổ từ SWIR, MWR và LWIR và sử dụng thuật toán phân tích thành phần chính (PCA), hệ thống có thể khuếch đại những khác biệt quang phổ tinh tế liên quan đến cấu trúc tinh thể, kích thước hạt. Những khác biệt này không thể phân biệt được bằng mắt thường.

Bước 3:Định vị điểm lấy mẫu tốt nhất. Dựa trên sự khác biệt quang phổ, thuật toán phân cụm K-means tự động chia pixel dolomite thành 4 loại. Sau đó, hệ thống tính toán các trung tâm quang phổ cho từng loại và đề xuất các vị trí lõi gần nhất với các trung tâm này làm điểm lấy mẫu đại diện.

Dòng công việc dựa trên dữ liệu dựa trên hình ảnh siêu quang phổ

Lấy mẫu địa chất truyền thống có thể được coi là một mô hình "dựa trên kinh nghiệm", phụ thuộc rất nhiều vào quan sát thị giác và phán đoán chủ quan của các chuyên gia. Nghiên cứu này đề xuất một giải pháp "dựa trên dữ liệu" khách quan, hiệu quả và tái tạo hơn. Quy trình làm việc thể hiện rõ ràng một logic phân tích tiến bộ từ macro đến micro:

1. Quét toàn cảnh và lập bản đồ khoáng sản:Nhóm nghiên cứu lần đầu tiên sử dụng các tính năng quang phổ SWIR để quét nhanh chóng lõi 50 mét, tạo ra một bản đồ phân phối khoáng chất chính xác cao phác thảo rõ ràng các vùng dolomitized mục tiêu.

2.Xác định sự khác biệt texturalSau khi xác định các vùng đá dolomite, hệ thống đã khuếch đại sự khác biệt quang phổ tinh tế liên quan đến cấu trúc tinh thể và kích thước hạt bằng cách tích hợp thông tin quang phổ từ SWIR, MWIR và LWIR và áp dụng Phân tích thành phần chính (PCA). Những khác biệt này hoàn toàn không thể phát hiện được bằng mắt trần.

3. Tìm điểm lấy mẫu tối ưuDựa trên sự khác biệt quang phổ, thuật toán cụm K-mean tự động phân loại các pixel dolomite thành bốn loại. Hệ thống sau đó tính toán trung tâm phổ cho mỗi loại và đề xuất các vị trí cốt lõi gần nhất với các trung tâm này là điểm lấy mẫu đại diện nhất.

A. Chuẩn hóa ma trận nhầm lẫn để hiển thị kết quả phân loại cấu trúc dolomit (tương phản) dựa trên phân tích thạch tương và phân tích hình ảnh quang phổ cao. B. Biểu đồ phân tích mối tương quan giữa chỉ số sắt và nồng độ sắt được tính bằng hình ảnh quang phổ cao cho cùng một mẫu điểm lấy mẫu lõi (mẫu này cũng được sử dụng trong phòng thí nghiệm ICP-OES).

A. Ma trận nhầm lẫn bình thường hóa cho thấy phân loại kết cấu đá dolomite từ phân tích dầu học và phân loại dựa trên HSI. B. Tương quan giữa chỉ số sắt có nguồn gốc HSI và nồng độ Fe cho các mẫu cắm tương tự được sử dụng cho các phép đo phòng thí nghiệm ICP-OES.

A. Tình hình phân loại và phân bố các loại đá vân trắng khác nhau dọc theo lõi đá. Phổ đại diện của các loại Dolomite trong B. Dải hồng ngoại gần có thể nhìn thấy - sóng ngắn (VNIR-SWIR), dải hồng ngoại sóng trung (MWR) C. và dải hồng ngoại sóng dài (LWIR).

A. Phân loại và phân phối các loại đá dolomite khác nhau dọc theo lõi khoan. Phổ đại diện cho mỗi lớp trong VNIR-SWIR (B), MWIR (B) và LWIR (C).

Kết luận.

Tóm lại, điểm nổi bật của bài báo này là: nó thể hiện một quy trình làm việc dựa trên dữ liệu hoàn chỉnh từ quét toàn diện đến lấy mẫu, cung cấp những ý tưởng mới cho nghiên cứu địa chất; Đồng thời, nó phá vỡ thông thường bằng cách đạt được một bản khắc tinh tế của đá cacbonat từ nhận dạng khoáng sản đến phân loại cấu trúc bằng cách tích hợp dữ liệu đa băng tần VNIR-SWIR-MWIR-LWIR.

Điều này không chỉ có giá trị trực tiếp đối với ngành công nghiệp dầu khí mà còn chỉ ra hướng đi cho các đại diện tinh tế trong tương lai trong các lĩnh vực như khảo sát khoáng sản.

Nếu bạn muốn tìm hiểu về ánh sáng khả kiến - gần hồng ngoại, dải hồng ngoại sóng ngắn hoặc thậm chí là hệ thống hình ảnh phổ cao cho dải hồng ngoại sóng trung hoặc sóng dài, chào mừng bạn đến liên hệ với chúng tôi!

“Kết luận”

Tóm lại, điểm nổi bật của bài viết này là hai: nó chứng minh một dòng công việc dựa trên dữ liệu hoàn chỉnh từ quét toàn bộ cảnh đến lấy mẫu, cung cấp một mô hình mới cho nghiên cứu địa chất; Hơn nữa, nó phá vỡ quy ước bằng cách tích hợp dữ liệu đa băng tần VNIR-SWIR-MWIR-LWIR để đạt được đặc điểm tinh tế của đá cacbonat, tiến bộ từ xác định khoáng chất đến phân loại kết cấu.

Điều này giữ giá trị trực tiếp cho ngành công nghiệp dầu mỏ và cũng chỉ ra con đường cho đặc điểm chi tiết trong các ứng dụng trong tương lai như thăm dò khoáng sản.

Nếu bạn quan tâm đến các hệ thống hình ảnh siêu phổ bao gồm các phạm vi VNIR, SWIR hoặc thậm chí MWIR và LWIR, vui lòng không ngần ngại liên hệ với chúng tôi!

Luận án/Bài viết：

Gairola, G. S., Thiele, S. T., Khanna, P., Ramdani, A. I., Gloaguen, R., & Vahrenkamp, V. (năm 2024). Một phương pháp siêu phổ dựa trên dữ liệu để lấy mẫu vải cacbonat di truyền - Một nghiên cứu trường hợp sử dụng tương tự của các hồ chứa Jurassic Arab-D, Ả Rập Saudi. Địa chất biển và dầu mỏ, 161, 106691.