Ein revolutionärer Workflow für die Bewertung von Ölbehältern: Integration von VNIR-LWIR-Spektroskopie und maschinellem Lernen

Auf dem Gebiet der geologischen Erforschung war es immer eine große Herausforderung, die wichtigsten Proben schnell und genau aus den Hunderten von Metern langen Kernen zu finden. Eine Studie über die Öl- und Gasreserven in Saudi-Arabien zeigt eine vielversprechende Lösung.

Im Bereich der geologischen Exploration ist die schnelle und genaue Identifizierung der kritischsten Proben aus Hunderten von Metern Kern seit langem eine große Herausforderung. Eine Studie, die sich auf Kohlenwasserstoffreservoirs in Saudi-Arabien konzentriert, zeigt eine sehr vielversprechende Lösung.

Hinweis:

Geologische ErkundungEs bezieht sich auf eine Reihe umfassender Untersuchungen und Forschungsarbeiten, die zur Ermittlung der geologischen Situation im Untergrund und zur Erforschung von Mineralressourcen (wie Öl, Gas, Mineralstoffe, Grundwasser usw.) durchgeführt werden. Im Öl- und Gasbereich besteht die Kernaufgabe der geologischen Exploration darin, günstige Gebiete für die Ansammlung von Öl und Gas zu identifizieren und letztendlich die für den Abbau verfügbaren Öl- und Gasvorräte zu lokalisieren.

Öl- und GasspeicherEs handelt sich um unterirdische Gesteinsschichten mit Speicherräumen (Poren, Risse) und Flüssigkeitsfähigkeit (Permeabilität), in denen Öl und Gas gespeichert werden. Es ist eines der Kernelemente bei der Bildung von Öl- und Gasspeichern. Die häufigsten Arten von Öl- und Gasspeichersteinen sind Sandstein und Carbonatsteine (wie Kalkstein, Weißwolkenstein).

Durch die geologische Erforschung werden kommerziell wertvolle Öl- und Gasreservoirs entdeckt, eingeschlossen und bewertet.

Hinweis:

Geologische Erforschungbezieht sich auf eine Reihe umfassender Untersuchungen und Forschungsaktivitäten, die durchgeführt werden, um die geologischen Bedingungen unter der Oberfläche zu verstehen und nach Mineralressourcen (wie Öl, Gas, Mineralien, Grundwasser usw.) zu erforschen. Im Kontext der Erdölindustrie besteht das Kernziel der geologischen Exploration darin, für die Kohlenwasserstoffansammlung günstige Gebiete zu identifizieren und letztlich nutzbare Öl- und Gasreservoirs zu lokalisieren.

Ein Kohlenwasserstoffreservoirist eine unterirdische Gesteinseinheit mit Speicherraum (Poren, Frakturen) und der Fähigkeit, Flüssigkeitsströme zu erlauben (Permeabilität); Kohlenwasserstoffe werden in diesen Räumen gespeichert. Es ist eines der Kernelemente für die Bildung einer Kohlenwasserstoffakkumulation. Die häufigsten Gesteinsarten für Kohlenwasserstoffbehälter sind Sandsteine und Carbonate (z.B. Kalkstein, Dolomit).

Der Zweck der geologischen Exploration ist es, kommerziell lebensfähige Kohlenwasserstoffreservoirs zu entdecken, abzugrenzen und zu bewerten.

Komplexe Säulendarstellung der offenen Gesteinsphase im Forschungsgebiet Wadi Daqlah / the generalized lithostratigraphy of exposed facies in the study area (Wadi Daqlah)

„Spektrumbereich“

Die Kerntechnologie in dieser Studie basiert auf der Vollband-Hochspektrumbildgebung, die ein breites Spektrumbereich von sichtbarem Licht bis hin zu Langwellen-Infrarot abdeckt:

Sichtbares Licht - Nahinfrarot (VNIR, 400-1000 nm)Empfindlich für Übergangsmetallelemente wie Eisenionen (Fe²+) in Felsen. Durch die Berechnung des Eisenindexes können Veränderungen in der chemischen Zusammensetzung des Gesteins schnell bewertet werden.

Kurzwelleninfrarot (SWIR, 1000-2500 nm)Die charakteristische Absorptionstal-Position von Quadrilith und Whitefish in dieser Region ist eine kleine, aber stabile Verschiebung von etwa 20 nm (Quadrilith ~ 2345 nm, Whitefish ~ 2325 nm). Dieser Unterschied ist der Schlüssel zur schnellen und genauen Karte der Mineralverteilung.

Mittelwellen-Infrarot (MWIR, 3-7 μm)undLangwellen-Infrarot (LWIR, 8-14 μm)Enthält komplexere molekulare Vibrationsinformationen über Carbonatminerale. Durch die Kombination der Daten aus diesen drei Infrarot-Intervallen konnte die Studie Nuancen im Zusammenhang mit der Kristallstruktur und der Korngröße des Gesteins erfassen, die allein durch SWIR nicht erkannt werden konnten, um weiße Wolken mit unterschiedlichen Strukturen zu unterscheiden.

„Spektrale Reichweite“

Die Kerntechnische Grundlage dieser Studie ist die Vollbereichs-Hyperspektralbildgebung, die ein breites Spektrum vom sichtbaren bis zum Langwelleninfrarot abdeckt:

Sichtbarer Nahinfrarot (VNIR, 400-1000 nm)Dieser Bereich ist in erster Linie empfindlich auf Übergangsmetallelemente wie Eisen (Fe²) ⁺) in Steinen. Die Berechnung eines Eisenindexes ermöglicht eine schnelle Beurteilung von Veränderungen in der chemischen Zusammensetzung des Gesteins.

Kurzwelleninfrarot (SWIR, 1000-2500 nm)Ein Schlüsselfund der Studie ist die konsequente, etwa 20-Nanometer-Verschiebung in den charakteristischen Absorptionstrugpositionen zwischen Calzit und Dolomit in dieser Region (Calzit ~2345 nm, Dolomit ~2325 nm). Dieser Unterschied ist entscheidend für eine schnelle und genaue Karte der Mineralverteilung.

Mittelwelleninfrarot (MWIR, 3-7μm)undLangwelleninfrarot (LWIR, 8-14)μm)Diese Bereiche enthalten komplexere molekulare Schwingungsinformationen aus Carbonatmineralien. Durch die Integration von Daten aus diesen drei Infrarot-Intervallen konnte die Studie subtile Unterschiede im Zusammenhang mit der Gesteinskristallstruktur und der Korngröße erkennen, die allein mit SWIR nicht unterscheidbar sind, und so Dolomiten mit unterschiedlichen Texturen erfolgreich unterscheiden.

Spektrale Charakteristik von Weißwolken (grün) und Quadratstein (blau): Weißwolken hat eine charakteristische Absorptionsspitzenposition von etwa 2325 nm und Quadratstein hat eine charakteristische Absorptionsspitzenposition von etwa 2345 nm.

Spektrale Signatur von Dolomit (grün) und Calcit (blau) mit charakteristischer Absorptionsbandposition um 2325 nm (gestrichelte grüne Linie) für Dolomit und 2345 nm (gestrichelte blaue Linie) für Calcite.

"Datenanalyse-Workflows basierend auf Hochspektrumbildgebung"

Traditionelle geologische Probenahme kann als "empirisch getriebenes" Muster angesehen werden, das stark auf die Beobachtung mit dem bloßen Auge und das subjektive Urteil von Experten angewiesen ist. Diese Studie schlägt eine objektivere, effizientere und wiederholbare „data-driven“-Lösung vor, deren Arbeitsabläufe eine klare Analyselogik von Makro bis Mikro veranschaulichen:

Erster Schritt:Globales Scannen, Mineralkarten erstellenDas Team nutzte zunächst die SWIR-Bandcharakteristik, um einen schnellen Scan eines 50 Meter langen Felskerns zu erstellen, um eine hochpräzise Mineralverteilungskarte zu erstellen, die die Zielzone der weißen Wolkenpetrochemie eindeutig definiert.

Schritt 2:Erkennung struktureller UnterschiedeDurch die Synthese von spektralen Informationen von SWIR, MWIR und LWIR und den Einsatz von Master Component Analysis (PCA) Algorithmen kann das System die feinen spektralen Unterschiede im Zusammenhang mit der Kristallstruktur und der Korngröße vergrößern. Diese Unterschiede können mit bloßem Auge nicht unterschieden werden.

Schritt 3:Finden Sie den besten ProbenpunktBasierend auf den spektralen Unterschieden unterteilt der K-means-Cluster-Algorithmus die Whitestone-Pixel automatisch in 4 Kategorien. Anschließend berechnet das System die Spektralzentren für jede Kategorie und empfiehlt die am nächsten gelegenen Orte als repräsentativen Probenpunkt.

Datengesteuerter Workflow basierend auf Hyperspektral Imaging

Traditionelle geologische Probenahme kann als ein "erfahrungsgetriebenes" Modell angesehen werden, das stark auf die visuelle Beobachtung und das subjektive Urteil von Experten angewiesen ist. Diese Studie schlägt eine objektivere, effizientere und reproduzierbarere "datengetriebene" Lösung vor. Der Workflow zeigt eindeutig eine analytische Logik, die von Makro zu Mikro fortschreitet:

1. Vollständiges Scannen und Mineralkarten:Das Forschungsteam nutzte zuerst SWIR-Spektralfunktionen, um den 50-Meter-Kern schnell zu scannen und eine hochpräzise Mineralverteilungskarte zu erstellen, die die Zieldolomitisierten Zonen eindeutig abgrenzte.

2.Erkennung von TextuurunterschiedenNach der Identifizierung der Dolomiten-Regionen verstärkte das System subtile spektrale Unterschiede in Bezug auf Kristallstruktur und Korngröße durch Integration von spektralen Informationen aus SWIR, MWIR und LWIR und Anwendung der Principal Component Analysis (PCA). Diese Unterschiede sind mit bloßem Auge nicht erkennbar.

3. Finden optimaler AbnahmepunkteBasierend auf den spektralen Unterschieden hat der K-Mittel-Clustering-Algorithmus die Dolomitpixel automatisch in vier Kategorien eingestuft. Das System berechnete dann das spektrale Zentroid für jede Kategorie und empfahl die Kernstätten, die sich diesen Zentroiden am nächsten befinden, als repräsentativste Probenpunkte.

A. Standardisierte Verwirrungsmatrix, die die Ergebnisse der Klassifizierung von weißen Wolkensteinstrukturen auf der Grundlage der Gesteinsphasenanalyse und der Hochspektralbildanalyse zeigt (Vergleich). B. Analyse der Korrelation zwischen dem Eisenindex und der Eisenkonzentration durch die Berechnung der Hochspektralbildgebung für die gleiche Kernprobenpunktprobe (die auch für ICP-OES-Labortests verwendet wird).

A. Normalisierte Verwirrungsmatrix, die die Dolomit-Textur-Klassifizierung aus petrographischer Analyse und HSI-basierter Klassifizierung zeigt. B. Korrelation zwischen HSI-abgeleitetem Eisenindex und Fe-Konzentration für dieselben Steckproben, die für ICP-OES-Labormessungen verwendet wurden.

A. Klassifizierung und Verteilung verschiedener Arten von weißen Wolken entlang des Kerns. Repräsentative Spektren der verschiedenen Kategorien von Weißen Wolken im B. sichtbaren Nahinfrarot-Kurzwellen-Infrarot (VNIR-SWIR), C. mittleren Infrarot (MWIR) und D. langen Infrarot (LWIR).

A. Klassifizierung und Verteilung der verschiedenen Dolomittypen entlang des Bohrkerns. Repräsentative Spektren für jede Klasse in den VNIR-SWIR (B), MWIR (B) und LWIR(C).

„Schlussfolgerung“

Zusammenfassend ist das Highlight dieses Papiers: Es zeigt einen vollständigen datengesteuerten Arbeitsablauf vom globalen Scan bis zur Probenahme, der neue Ideen für die geologische Forschung bietet. Gleichzeitig bricht es die Konvention durch die Integration von VNIR-SWIR-MWIR-LWIR-Mehrbanddaten, um eine feine Darstellung von Carbonatgesteinen von der Mineralerkennung bis zur Strukturklassifizierung zu ermöglichen.

Dies hat nicht nur einen direkten Wert für die Öl- und Gasindustrie, sondern legt auch die Richtung für die künftige feine Charakterisierung in Bereichen wie der Mineralforschung dar.

Wenn Sie mehr über hochspektrale Bildgebungssysteme für sichtbares Licht erfahren möchten - nahes Infrarot, kurzwelliges Infrarot oder sogar mittleres Infrarot oder langwelliges Infrarot - kontaktieren Sie uns!

„Schlussfolgerung“

Zusammenfassend sind die Highlights dieses Papiers zweifach: Es demonstriert einen vollständigen datengestützten Workflow vom Full-Scene-Scanning bis zur Probenahme und bietet ein neues Paradigme für die geologische Forschung; darüber hinaus bricht es von der Konvention durch die Integration von VNIR-SWIR-MWIR-LWIR-Multiband-Daten, um eine feine Charakterisierung von Carbonatgesteinen zu erreichen, die von der Mineralidentifikation bis zur Texturklassifikation fortschreitet.

Dies hat einen direkten Wert für die Erdölindustrie und zeigt auch den Weg für eine detaillierte Charakterisierung in zukünftigen Anwendungen wie der Mineralforschung.

Wenn Sie sich für hyperspektrale Bildsysteme interessieren, die den VNIR-, SWIR- oder sogar MWIR- und LWIR-Bereich abdecken, zögern Sie nicht, uns zu kontaktieren!

Abhandlungen /Artikel：

Gairola, G. S., Thiele, S. T., Khanna, P., Ramdani, A. I., Gloaguen, R., und Vahrenkamp, V. (2024). Eine datengestützte hyperspektrale Methode zur Probenahme diagenetischer Carbonatstoffe – Eine Fallstudie mit einem Auslaufanalog von Jurassic Arab-D-Reservoirs, Saudi-Arabien. Marine and Petroleum Geology, 161, 106691.