石油地球物理勘探  2022, Vol. 57 Issue (2): 487-497  DOI: 10.13810/j.cnki.issn.1000-7210.2022.02.026
0
文章快速检索     高级检索

引用本文 

刘震, 张军华, 王静, 于正军, 苏朝光. 湖相碳酸盐岩研究进展及展望. 石油地球物理勘探, 2022, 57(2): 487-497. DOI: 10.13810/j.cnki.issn.1000-7210.2022.02.026.
LIU Zhen, ZHANG Junhua, WANG Jing, YU Zhengjun, SU Chaoguang. Review and prospect of research on lacustrine carbonate rocks. Oil Geophysical Prospecting, 2022, 57(2): 487-497. DOI: 10.13810/j.cnki.issn.1000-7210.2022.02.026.

本研究受国家自然科学基金项目"含油气盆地低级序断裂的发育规律及其与高级序断裂的成因联系——以渤海湾盆地济阳坳陷为例"(42072169)、中国石油大学(华东)研究生创新工程项目"基于叠前反演的碳酸盐岩裂缝识别及三维立体透明化融合显示技术研究"(YCX2021014)和国家留学基金(202106450009)联合资助

作者简介

刘震  博士研究生, 1995年生; 018年获西南石油大学勘查技术与工程专业学士学位, 2018-2020年为中国石油大学(华东)地球物理学专业硕士研究生, 现在中国石油大学(华东)攻读地质资源与地质工程专业博士学位; 为AAPG、EAGE会员; 主要从事储层地球物理精细描述与预测方面的研究

张军华, 山东省青岛市黄岛区长江西路66号中国石油大学(华东)地球科学与技术学院, 266580。Email: zjh@upc.edu.cn

文章历史

本文于2021年3月25日收到,最终修改稿于2022年1月7日收到
湖相碳酸盐岩研究进展及展望
刘震①② , 张军华①② , 王静①② , 于正军 , 苏朝光     
① 中国石油大学(华东)地球科学与技术学院, 山东青岛 266580;
② 中国石油大学(华东)深层油气重点实验室, 山东青岛, 266580;
③ 中国石化胜利油田分公司物探研究院, 山东东营 257022
摘要:湖相碳酸盐岩油气勘探逐渐受到重视, 但目前相关的研究方法、成果尚处于初步阶段, 缺乏系统性梳理。为此, 首先广泛调研、系统总结近年来湖相碳酸盐岩的地质、测井和地球物理等方面的主要研究进展, 并以济阳坳陷为例进行重点解剖; 然后对比、分析湖相与海相碳酸盐岩特征, 以此展望未来湖相碳酸盐岩的研究技术和方法。研究认为: ①目前湖相碳酸盐岩地质理论方面的研究尚处于初期, 没有统一、成熟的沉积相划分方案; 湖相碳酸盐岩主控因素为古气候、古构造、古水介质条件、古地貌和古物源; 储集空间可分原生孔隙、次生孔隙和裂缝三类, 影响因素分别为沉积环境、成岩作用和构造作用。②湖相碳酸盐岩具指形、圆弧形、齿形、U形等测井相特征, 目前主要利用沉积微相识别储层、分析流体性质。③湖相碳酸盐岩地震振幅切片常具有典型的滩核特征, 利用分频成像、90°相移技术可提高识别能力。④湖相碳酸盐岩与海相碳酸盐岩在发育年代、空间分布、沉积相特征、储层类型与特征、烃源岩等诸多方面存在差异。前者发育于中生代和新生代, 受古气候影响大; 后者则多发育于侏罗系、二叠系、三叠系、奥陶系和寒武系, 主要受潮汐影响。⑤未来湖相碳酸盐岩储层预测应围绕断裂和薄互层两个方面展开; 湖相碳酸盐岩的沉积理论有望得到进一步发展, 以形成统一的相带划分模式; 基于大数据分析的深度学习方法, 是未来重要的发展方向。
关键词湖相碳酸盐岩    济阳坳陷    沉积相划分    滩核    薄互层    深度学习    
Review and prospect of research on lacustrine carbonate rocks
LIU Zhen①② , ZHANG Junhua①② , WANG Jing①② , YU Zhengjun , SU Chaoguang     
① School of Geosciences, China University of Petroleum (East China), Qingdao, Shandong 266580, China;
② Key Laboratory of Deep Oil and Gas, China University of Petroleum (East China), Qingdao, Shandong 266580, China;
③ Geophysical Research Institute, Shengli Oilfield Company, SINOPEC, Dongying, Shandong 257022, China
Abstract: Oil and gas exploration in lacustrine carbonate rocks has been paid increasing attention to. Nevertheless, related research methods and results are still in a preliminary stage and lack systematic review. In this paper, the main progress in geolo-gical, logging, and geophysical research on lacustrine carbonate rocks in recent years is extensively investigated and systematically summarized, with the focus placed on the Jiyang Depression as an example. Then, the characteristics of lacustrine and marine carbonate rocks are compared to assess the prospect of research techniques and methods for lacustrine carbonate rocks. The observations are as follows: ①Research on geological theories about lacustrine carbonate rocks is still in its infancy, and a unified and proven scheme of sedimentary facies division remains to be developed at present; the main controlling factors for lacustrine carbo-nate rocks are paleoclimate, paleostructure, paleo-water medium condition, paleogeomorphology, and paleosource; the reservoir space can be divided into primary pores, secondary pores, and fractures, and the influencing factors are sedimentary environment, diagenesis, and tectonics. ②Lacustrine carbonate rocks have the logging facies characteristics of finger shape, circular arc shape, tooth shape, and U shape. At present, sedimentary microfacies are mainly used to identify reservoirs and analyze fluid properties. ③Seismic amplitude slices of lacustrine carbonate rocks often have typical beach core characteristics. The identification ability can be improved by frequency-division imaging and 90° phase shift. ④Lacustrine carbonate rocks are different from marine ones in many aspects, such as development age, spatial distribution, sedimentary facies characteristics, reservoir types and characteristics, and source rocks. The former developed in the Mesozoic and Cenozoic and was greatly affected by paleoclimate, while the latter developed in the Jurassic, Permian, Triassic, Ordovician, and Cambrian and was mainly under the influence of tides. ⑤Future prediction of lacustrine carbonate reservoirs should focus on faults and thin interbeds; sedimentary theories about lacustrine carbonate rocks are expected to undergo further development for a unified model of facies zone division to take shape; Deep learning methods based on big data analysis are an important future development direction.
Keywords: lacustrine carbonate rock    Jiyang Depression    sedimentary facies division    beach core    thin interbed    deep learning    
0 引言

碳酸盐岩是重要的油气储层,它的油气储量约占全球的一半。根据成因的不同,碳酸盐岩可分为海相、湖相和沼泽相。其中,湖相碳酸盐岩是分布最为广泛的一类陆相碳酸盐岩[1],形成于内陆淡水湖盆、半咸水—咸水湖盆和盐湖等。杜韫华[2]将湖相碳酸盐岩分为颗粒碳酸盐岩、泥晶碳酸盐岩、生物灰(云)岩、骨架、重结晶碳酸盐岩和陆屑碳酸盐岩等六类,此分类简单、易于使用,并可根据颗粒类型及生物类型等进一步命名。王英华等[3]将碳酸盐岩分为颗粒碳酸盐岩、细粒碳酸盐岩、混积岩、礁碳酸盐岩和藻类碳酸盐岩等五类,该分类侧重于在沉积过程中混入碎屑岩及膏、泥岩过渡等情况。

湖相碳酸盐岩是陆相地质学的重要研究内容,在此基础上发展起来的湖相地质学在盆地模拟、陆盆沉积模式研究以及油气勘探开发中均有着重要的指导作用[4]。以湖相碳酸盐岩储层为主的油田,国外主要分布在美国绿河盆地、巴西坎波斯盆地以及中亚地区的滨里海盆地等;国内主要分布在松辽盆地、四川盆地、柴达木盆地和渤海湾盆地等。

目前,湖相碳酸盐岩油气勘探逐渐受到重视,只是相关研究方法和成果尚处于初步阶段,缺乏系统性梳理。为此,本文首先广泛调研、系统总结近年来湖相碳酸盐岩的地质、测井和地球物理方面的主要研究进展,并以济阳坳陷为例进行重点解剖;然后对比、分析湖相与海相碳酸盐岩特征,指出未来湖相碳酸盐岩研究中重点技术和方法的发展方向。

1 地质方面研究进展 1.1 沉积相分类

目前,湖相碳酸盐岩的相模式研究尚处于初期,还没有可靠的标志准确划分沉积相。现阶段沉积相划分主要依据以下几个方面[3]

(1) 按照湖盆发育阶段划分。湖盆发育早期,周边地形起伏较大,不利于碳酸盐岩沉积,仅在浅水湖湾和半深水—深水地带形成少量灰岩;发育中期,湖盆开阔,气候适宜,生物大量繁殖,可形成多种颗粒灰岩、生物灰岩和泥灰岩;发育晚期,盆地抬升,气候干旱,湖水蒸发,各类白云岩或泥灰岩常与盐类沉积共生,少见生物灰岩和颗粒灰岩。

(2) 按照湖泊水文状况划分。可划分为水文开口湖和水文封闭湖。其中,水文开口湖可划分为湖盆相和湖盆边缘相,湖盆边缘相又可进一步细分为低能陡坡阶地、波浪强烈影响的高能陡坡阶地、缓坡低能斜坡和缓坡高能斜坡等亚相;水文封闭湖可进一步细分为常年水文封闭湖、间歇性水文封闭湖。

(3) 根据沉积、构造背景和湖盆中的构造位置划分。赵澄林[5]分别以渤海湾盆地和四川盆地为例,总结了断陷咸水湖盆边缘、中央台地和坳陷淡水湖盆沉积模式。

(4) 按照水深、水动力条件划分。周自立等[6]以济阳坳陷湖相碳酸盐岩为研究对象,在滨湖、浅湖、半深湖和深湖相框架之下,再划分出若干沉积亚相。

(5) 根据淡水湖泊生物发育状况和相带分布特点划分。可划分为湖礁型、湖滩型和湖叠层石型三种模式。

(6) 根据湖泊沉积环境划分。可划分为潮湿型和干燥型。其中,潮湿型沉积环境常发育藻碳酸盐岩、碎屑碳酸盐岩、细粒碳酸盐岩和礁相等;干燥型沉积环境常发育白云岩相,可与蒸发岩类共生。此类划分方法因相带过粗、相标志过于笼统而很少使用。

1.2 主控因素

湖水中碳酸钙主要有碎屑成因、生物成因和化学沉淀成因等。湖相碳酸盐岩的形成主要受古气候、古构造、古水介质条件、古地貌和古物源等因素的影响[7]

在较湿热气候中,生物发育旺盛。当有常年性河流补给时,大量陆源碎屑物和Ca2+、Mg2+等成分被流水携带进入湖盆,此时为开放型湖水环境[8]。当气候干旱时,入湖河水流量小,带入的碎屑岩含量减少,水体适合生物繁衍,生物碳酸盐岩相对发育。如果湖水补给量小,蒸发量大于补给量,则易产生化学沉淀,此时为盐度较高的封闭型咸水湖泊,发育碳酸盐岩浅滩[3]

古构造运动是影响碳酸盐岩沉积的重要因素之一。断裂活动除了控制湖盆的发育和演化外,还控制着古地貌和盆地周缘的物源。李丕龙等[9]依据济阳坳陷断层对构造、沉积的控制作用,认为一级、二级、三级断层分别控制碳酸盐岩发育阶段、发育带、发育区。

古水介质时期的风力对湖相碳酸盐岩的形成产生影响[9]。当湖泊远离海洋时,潮汐作用微弱,湖水的运动主要由风力引起。风成波浪阻碍有根植物在浅水区生长,因此风力较强时,碳酸盐岩多发育在半深湖相和深湖相;反之,则多发育在滨湖相和浅湖相。古水介质的化学作用主要体现在碳酸钙物质的沉积过程中,碳酸盐岩的形成需要微咸水—咸水的水介质条件。碳酸盐岩发育有利的古盐度范围为10‰~35‰。

古地貌对湖相碳酸盐岩的分布具有重要影响[5],碳酸盐岩主要分布在位置较高、坡度较缓的部位。局部古地貌对碳酸盐岩的分布具有明显的控制作用,具备一定坡度的水下高地是湖相碳酸岩发育的有利区。

古物源的成分、距离、规模、供给量等对湖相碳酸盐岩的形成具有较大影响。入湖水体清澈且陆源碎屑物较少有利于碳酸盐沉积物,尤其是与生物繁衍有关的碳酸盐沉积。一般来说,远离物源区、物源供给不足有利于古湖泊内生物的生长、发育,从而有利于碳酸盐岩的发育[7]

1.3 储集空间类型

根据储层孔隙类型及其组合,湖相碳酸盐岩储层可划分为孔隙型、溶蚀孔洞型、裂缝型和复合型。储集空间主要分为三类:原生孔隙、次生孔隙和裂缝。

原生孔隙多受控于沉积环境,受岩石结构组分影响较大。滩相和礁相原生孔隙比较发育。

次生孔隙受控于成岩作用、非沉积作用,具体表现为:①溶解作用是次生孔隙形成的主要方式,溶解作用与胶结作用对次生孔隙的形成互为正反关系;②白云石按分子形式交代方解石,且交代后体积缩小12%~13%,可形成次生晶间孔;③浅滩和生物礁相带常常暴露地表,遭受淋溶,大气淡水淋滤作用可形成次生淋溶孔隙带。

裂缝既可以作为油气的运移通道,也可以作为油气储集空间[3]。裂缝可分为成岩裂缝和构造裂缝两类。成岩裂缝多与压实、压溶作用有关;构造裂缝受构造作用和构造位置控制。

2 测井方面研究进展 2.1 测井曲线特征

湖相碳酸盐岩通常单层厚度小,岩性变化快,过渡岩类多,因此测井曲线响应复杂多变。具体而言,薄层泥晶、微晶白云岩曲线呈多个尖指形叠合模式,表现为“三低两高”,即低自然伽马、低声波时差、低补偿中子、高电阻率、高密度。厚层泥灰岩纹层与泥质泥晶灰、云岩伽马值多集中在45~60API,曲线呈圆弧形和齿形组合模式,且随着陆源碎屑泥质增加,自然伽马值和声波值增大,电阻率值和密度值减小。泥晶、微晶白云岩与泥灰岩纹层疏密相间组合模式的自然伽马曲线呈多指形和齿形组合。砂质白云岩与薄夹层泥岩构成复合块状模式,自然伽马曲线呈U形和大齿形组合。当含泥砂质灰岩与泥岩互层时,自然伽马、电阻率和声波曲线都呈大齿形模式,纵向上曲线形态变化比较频繁,因此很难识别储层与非储层。湖相泥质灰岩、云岩的自然伽马和声波时差曲线均呈单一的小齿形,变化很小,自然伽马为90~120API,声波时差为250~265μs/m,但电阻率变化范围大,可从2Ω·m变化至100Ω·m以上。

湖相碳酸盐岩储层往往物性差,孔隙类型多,结构复杂,同时还受测井纵向分辨率和多解性的影响。因此,以往海相块状碳酸盐岩储层和常规砂泥岩储层评价方法均不适用于湖相碳酸盐岩。学者们依据湖相碳酸盐岩独有的测井曲线特征,不断探索产能求取方法。如邵维志等[10]将湖相碳酸盐岩测井曲线形态划分为指形、圆弧形、齿形、U形等4类,建立了基于分类指示曲线样式的产能评价标准。

2.2 沉积微相识别

在沉积相带划分的基础上,结合单井和多井测井相可划分湖湘碳酸盐岩沉积微相。

常静春等[11]结合沉积相和测井曲线特征识别了歧口凹陷颗粒滩、云灰湾、云坪等湖相碳酸盐岩。其中颗粒碳酸盐岩自然电位曲线多呈钟形、漏斗形、对称指形、箱形—钟形组合或箱形—漏斗形组合。箱形—漏斗组合指示自下而上水体变浅、能量变弱,沉积环境由泥质浅湖或云灰湾过渡为生物滩;指形指示云灰湾或云坪。云灰湾泥质含量高,多发育厚层不纯灰岩;云坪发育时间短,多为薄层,岩性较纯。

罗晓彤等[12]利用测井资料,结合单井岩石学特征,识别了巴西桑托斯盆地L油田礁缘、礁核、礁基滩三种微相。该方法可为中国湖相碳酸盐岩研究提供借鉴,具体特征为:①礁缘微相。岩性主要为泥质球状微生物/叠层石灰岩、层纹石灰岩等。沉积时水动力中等—较弱,水深为10~15m。自然伽马值较高(70~100API),曲线呈尖指形。②礁核微相。岩性主要为叠层石灰岩、枝状石和球状微生物灰岩等,可见局部硅化。沉积时水动力相对较强,位于斜坡中—上段,水深为5~15m。自然伽马值较低(10~55API),曲线呈齿化漏斗形—钟形—箱形组合。③礁基滩微相。岩性主要为鲕粒灰岩、砂屑/砾屑灰岩,沉积时水动力中等—较强,水深为5~20m。自然伽马值中等(10~70API),曲线呈漏斗/钟形。

3 地球物理方面研究进展 3.1 地震沉积学研究

湖相碳酸盐岩在地震剖面上呈连续、中—强振幅反射。依据最大振幅属性可以确定滩核发育位置,如庞宏磊[13]据此在车镇凹陷沙四段上亚段低坡折带发现了一系列湖相碳酸盐岩独立的滩核。

根据时频分解技术可分析沉积旋回。朱超等[14]总结了湖相碳酸盐岩单旋回沉积序列模式(图 1),并应用地震沉积学方法,对原始地震数据体进行分频成像、90°相位转换及切片分析。经过分频、相移处理后薄层识别能力明显提高。

图 1 湖相碳酸盐岩单旋回沉积序列模式(据文献[14])
3.2 正演模拟技术

湖相碳酸盐储层具有层薄、岩性变化快、微断裂发育等特点,模型正演有助于建立其地震响应模式,为实际资料地震解释与储层预测提供依据。

朱超等[14]应用模型正演获得三种响应模式(图 2):①颗粒滩与泥岩组合对应强振幅、中高频反射;②灰云坪与膏质泥岩或泥岩组合对应中强振幅、中高频反射;③膏盐岩与膏质泥岩或泥岩组合对应弱振幅、空白反射。

图 2 地质模型(a)及正演结果(b)(据文献[14])
4 济阳坳陷湖相碳酸盐岩研究实例

湖相碳酸盐岩作为济阳坳陷的一种非常规储层,已在24个油田取得突破,油气探明储量达7000多万吨,具有较大的勘探潜力[15]。济阳坳陷湖相碳酸盐岩储层非均质性强,地层结构、储集空间、储层类型、组合关系复杂多样。因此,以罗家油田为例,分别从岩石学特征、岩体类型与展布、沉积模式和沉积相以及有利储层分布区等方面研究湖相碳酸盐岩地质特征及油气有利储层发育区。

济阳坳陷湖相碳酸盐岩以灰岩、含膏灰岩为主,含少量白云岩。其中,灰岩以内碎屑灰岩为主,含少量生物碎屑灰岩;白云岩以结晶白云岩为主,含少量藻格架白云岩。储层主要特点为单层薄,岩石类型复杂多变,多夹杂岩石碎屑成分,藻类参与沉积作用强,以盆内和近源沉积物为主[16]

岩体类型的划分有助于研究湖相碳酸盐岩在湖盆中分布及变化规律。以往研究中采用福克“三单元”结构组分的传统方法,无法充分展示湖相碳酸盐岩分布特点。因此,未来有待于该技术进一步发展而形成具针对性的岩性分类方案。

为了更充分地了解湖相碳酸盐岩的岩性展布,杨勇强等[15]通过统计不同体系域的岩溶类型和发育范围,建立了基于层序地层学的湖相岩溶储层发育模型(图 3)。

图 3 湖相碳酸盐岩岩溶储层发育模型(据文献[15])

济阳坳陷碳酸盐岩沉积模式包括缓坡带和陡坡带(镶边型台地与开阔台地)两种模式,沉积相类型有:缓坡带发育滨浅湖相,主要为混合坪、泥坪、湖湾和浅滩;陡坡带发育台地,主要为藻丘、局限台地和浅滩;台地间发育湖湾和开阔湖相[17]

有利储层岩性主要为具台地背景的亮晶藻砂屑灰岩、亮晶枝管藻灰岩以及生物灰岩;较有利储层主要为砂质灰岩和颗粒灰岩,分布在能量稍高的台地浅滩环境中。

5 湖相与海相碳酸盐岩特征对比

与海相碳酸盐岩不同,湖相碳酸盐岩沉积时间较短,具有近陆源、多沉积中心、分布面积不稳定、非均质性强、储层性能差异大等特点,其油气开发难度大,往往受重视程度低[18]。在发育年代、空间分布、沉积相、储层、烃源岩特征等方面,湖相与海相碳酸盐岩异同点如表 1所示。

表 1 湖相与海相碳酸盐岩异同点对比
5.1 发育年代

湖相与海相碳酸盐岩分别发育于不同年代。湖相碳酸盐岩主要发育于中生代和新生代,自三叠纪到新近纪的湖盆中均有分布。中国湖相碳酸盐岩沉积始于三叠纪,发展于白垩纪,全盛于古近纪,于新近纪衰落,在地史时期上具有强限定性[4]。中国海相碳酸盐岩则多发育于侏罗纪、二叠纪、三叠纪、奥陶纪和寒武纪等。国外深部海相碳酸盐岩一般形成年代比较新,主要发育于中生代和新生代[19]

5.2 空间分布

两类碳酸盐岩均具区域性分布特点,不同的是湖相碳酸盐岩受盆地影响较大,而海相碳酸盐岩则多数不受此限制。

中国典型湖相碳酸盐岩主要发育的盆地有:鄂尔多斯盆地(上三叠统),四川盆地(侏罗系大安寨组),松辽盆地(下白垩统),渤海湾盆地(古近系沙河街组),平邑盆地(古近系),三水盆地(古近系),江汉盆地(古近系潜江组),南襄盆地(古近系核桃园组)等[4]。典型的海相碳酸盐岩主要发育的盆地有:鄂尔多斯盆地(古生界),四川盆地(古生界),渤海湾盆地(古生界),塔里木盆地(古近系)等。

一般来说,盆地地势低洼,易存积雨水,因此也易形成湖泊,从而为湖相碳酸盐岩的形成打下基础。

5.3 沉积相划分

发育湖相碳酸盐岩的湖泊面积远小于海洋,受古气候影响较大,而海相碳酸盐岩则受水动力影响较大。因气候变化具有周期性,湖相碳酸盐岩纵向上多发育韵律性薄层,偶见洪水等带来的陆源碎屑物沉积。由于古水深不同,从湖盆外部向中心,沉积相可划分为台缘礁滩、台内礁滩、浅滩、滩间、台内洼地、台内缓坡、斜坡及半深湖—深湖等8个微(亚)相。

海相碳酸盐岩由大陆至海方向,沉积相一般可划分为局限台地相(潮汐作用)、开阔台地相和台缘礁滩相(浊流作用)、斜坡陆棚相和深水盆地相(重力作用)[20]

综上所述,湖相与海相碳酸盐岩因不同的地貌、规模等因素导致不同的沉积相带划分方法。因此,在实际研究中要注重区分两者的不同特征而进行针对性研究。

5.4 储层类型与特征

湖相与海相碳酸盐岩的储层类型划分依据不同,前者多依据裂缝及其组合,而后者主要依据岩石学、地球化学等特征,并应用综合方法分类。

孔隙是决定碳酸盐岩储层质量的关键因素。由于矿物转变、易溶和脆性较强等原因,湖相碳酸盐岩孔隙类型大致可分为三类:原生孔隙、次生孔隙和裂隙。按照孔隙类型及组合,湖相碳酸盐岩储层可分为孔隙型、溶蚀孔洞型、裂缝型、复合型等。孔隙型储层主要由结构和组分控制,以粒间孔、晶间孔、生物格架孔为主。相比于其他类型储层,孔隙型储层储集性能更好,孔隙度和渗透率较大;溶蚀孔洞型储层以溶蚀孔隙和溶洞为主,厚度变化大,物性条件好;裂缝型储层多发育于较薄的脆性碳酸盐岩,裂缝既可作为储集空间,也可作为油气运移的通道,发育中—低孔隙度,层位不固定且分布面积有限;复合型储层则为包含两、三种孔隙类型的储层[3]

海相碳酸盐岩有效储层类型主要包括礁滩储层、表生岩溶储层和白云岩储层。其中礁滩储层又可细分为台缘礁储层、台缘颗粒滩储层、台内颗粒滩储层;表生岩溶储层又可划分为白云岩风化壳储层、石灰岩风化壳储层。沉积相带是礁滩储层最主要的控制因素,同时也是后期白云石化作用和岩溶作用的控制因素;表生岩溶作用是储层发育的关键控制因素,发育程度显著受岩性、岩石组分种类和结构控制;白云岩储层主要受控于白云石化作用和与白云石化流体相关的溶蚀作用[21]

值得注意的是,在早期文献中海相碳酸盐岩储层多使用裂缝发育程度进行分类,这一点与湖相碳酸盐岩储层现有分类方法思想一致。因此,随着研究程度的深入,可以预见湖相碳酸盐岩也将会形成一套综合考虑岩石学、地球化学等因素的分类方法。

5.5 烃源岩

中国的海相碳酸盐岩烃源岩以古生界为主,在空间上分布较广。而湖相碳酸盐岩烃源岩大都发育于中、新生代[20]

湖相碳酸盐岩烃源岩主要发育于深湖—半深湖相,位于浪基面之下,水体较深,能量弱,上、下湖水缓慢交换,氧气与光线不充足,生物欠发育[4]。海相碳酸盐岩烃源岩往往发育在海侵体系域形成时期,该时期海平面快速上升,盆地处于缺氧和贫氧环境中,而且沉积速率很低。海相碳酸盐岩烃源岩发育于低能环境的沉积相,即开阔海台地相、局限海台地相、生物泥丘相、广海陆棚相、浅海斜坡相等[22-24]

湖相碳酸盐岩与海相碳酸盐岩具有相同的干酪根,生烃母质均以菌藻类为主,有机质多属于偏腐泥型。湖相与海相碳酸盐岩有机质赋存形式并无太大差别,只是湖相碳酸盐岩烃源岩中或许存在更多的无形态有机质[25]

6 技术展望

目前,世界范围内已在20多个盆地深层发现了近80个碳酸盐岩油气藏,其中半数为海相储层,多为白云岩,埋深为5200~5600m。相比于国外同类型油田,中国古生界海相深层碳酸盐岩储集性能更好,次生孔隙更发育。

湖相碳酸盐岩内部结构复杂多变,目前对于沉积规律的认识尚具有局限性,这制约了其油气勘探进展。主要的技术难点有:岩性复杂,沉积范围小,沉积厚度薄,横向变化快,非均质性强,储层分布规律不清,没有统一的沉积相分类方法,没有划分湖泊沉积环境(相)的可靠的标志,缺少岩石物理方面的研究,尚无针对湖相碳酸盐岩流体识别的有效方法[26]。并且因油田探井井距大、储层埋藏深、厚度小等因素的影响,在常规地震资料上往往无法识别储层。深层碳酸盐岩窄、薄储层研究是“世界级”的难题,如何识别有效储层,如何准确进行储量计算,对指导开发井位部署具有重要意义。

在技术适应性方面,田敏等[27]对比了识别流体的传统方法与BP神经网络方法,发现前者并不能很好地应用于湖相碳酸盐岩,而后者自适应学习能力强、识别精度高、适应性好。宋东峰[28]在传统测井曲线法、交会图识别法、成像测井识别法基础上,将主成分分析与Fisher判别法相结合,充分发挥两种方法的优势,提高了东营凹陷南坡湖相碳酸盐岩复杂岩性识别精度。

目前,利用地震资料预测湖相碳酸盐岩储层的技术尚不多见。将来可以借鉴其他岩性储层预测中所用的成熟的、先进的技术和方法,根据湖相碳酸盐岩特点不断优化、改进,以达到湖相碳酸盐岩储层准确预测的目的。

断层、裂缝检测和薄互层识别是湖相碳酸盐岩的重点,未来研究方向和技术发展将主要围绕这两个方面展开。

6.1 断层、裂缝检测 6.1.1 基于体属性的裂缝识别方法

崔正伟等[29]结合梯度结构张量(GST)相干技术与构造导向滤波技术预测储层裂缝,在地震数据保真的前提下有效提高了地震数据信噪比,增强了同相轴连续性,对中、小尺度断裂刻画能力强。

同样,张军华[30]用多频率数据RGB融合方法检测断裂,效果良好。如图 4所示,振幅切片上看不见的断裂(图 4上),经RGB处理后显示清晰,而且分辨率更高,如图中方框所圈示(图 4下)。

图 4 多频率数据RGB融合方法处理前振幅切片(上)、后(下)结果对比(据文献[30])

以上两种技术对数据和参数选取的匹配度要求较高,若想取得良好效果需要精心调试参数,其易用性有待提高。

6.1.2 基于大数据的深度学习方法

近年来,深度学习技术和计算机技术的飞速发展为断层的智能化检测提供了新的手段。Huang等[31]采用子块作为卷积神经网络的输入,利用逻辑回归的方法融合多个地震属性预测断层。Wu等[32]提出了基于U-Net的FaultSeg3D网络,学习大量的合成数据,实现了断层分布的预测。Yang等[33]提出了基于3D UNet++的裂缝识别方法。由图 5可见,3D UNet++识别断裂方法比FaultSeg3D更有效地抑制了背景噪声,断层边缘更加突出。

图 5 不同方法断裂识别结果(据文献[33]) (a)原始时间切片;(b)FaultSeg3D;(c)3D UNet++

为了节省计算成本。Cunha等[34]使用迁移学习方法开发现有分类器,根据合成地震数据训练和调整的卷积神经网络(CNN)(图 6),将其作为基础模型并应用于缺少地震数据的区域,效果较好。

图 6 CNN结构(据文献[34])

深度学习方法具有学习能力强、预测速度快等特点,但该方法对于湖相碳酸盐岩复杂储层,还存在训练数据量不足、标签制作繁琐、网络泛化能力不够强、计算资源消耗大等问题,仍需要进一步改进、完善。

6.2 薄互层识别方法

目前,砂泥岩薄互层方面的研究方法较多,而针对碳酸盐岩薄互层的研究方法较少。湖相碳酸盐岩薄互层识别可以借鉴成熟的碎屑岩研究方法与技术。

小尺度地震成像研究方法大致分为四类:一是根据地震属性参数与薄层、薄互层之间关系而建立的敏感属性分析技术;二是基于各类时频分析方法的谱分解和谱反演技术;三是以提高地震资料分辨率为主的伪反褶积和频带拓宽方法;四是建立峰值频率、调谐厚度和调谐频率等参数的薄层、薄互层厚度预测方法。上述方法为薄层、薄互层研究奠定了基础[35]

在砂泥岩薄互层研究方面,王延光等[36]提出振幅—频率复合属性对薄层、薄互层进行厚度预测,取得了较好的效果(图 7)。该方法同样可以适用于湖相碳酸盐岩薄互层。

图 7 复合属性模型测试(据文献[36]) (a)砂体累积厚度;(b)复合地震属性

孔省吾等[37]利用波形的横向变化代替变差函数,对储层空间的变化进行表征,充分考虑了地震波形变化代表的地质意义,挖掘相似波形和对应的测井曲线中蕴含的共性信息,并采用“地震波形指示马尔科夫链蒙特卡洛随机模拟”算法,进行地震先验有限样点模拟,体现了“相控”思想,能够更好地实现薄储层预测。如图 8所示,两种反演结果整体趋势一致,均能揭示砂体整体展布特征。该方法同样可以尝试应用于湖相碳酸盐岩薄互层研究。

湖相碳酸盐岩现阶段可直接套用以上方法,但上述方法同样存在不足,如振幅—频率复合属性对三层以上砂体缺乏严格的实验分析,且该属性公式缺乏严格的理论推导和数学证明;波形指示反演则效果受参数影响大,且参数选取比较复杂。

图 8 常规波阻抗反演剖面(上)和地震波形反演剖面(下)对比(据文献[37]) 低阻抗值代表围岩,高阻抗值代表砂岩
7 结束语

本文总结了湖相碳酸盐岩的地质、测井和地球物理等方面的研究进展,并以济阳坳陷湖相碳酸盐岩为例介绍相关研究成果;对比了湖相与海相碳酸盐岩特征;对地震勘探技术进行了展望。总体来说,湖相碳酸盐岩在国内相关研究尚处于起步阶段,将来湖相碳酸盐岩储层预测的重点在于断裂、裂缝识别和薄互层预测。在砂泥岩传统研究方法的基础上,针对湖相碳酸盐岩的独有特征进行优化,从而逐步形成一套成熟的研究技术与方法。同时,深度学习等智能地球物理技术将会有很大的发展前景。另外,随着研究的逐渐深入,作为研究支撑的地质理论也将得到长足发展,沉积相分类方案也将进一步完善。

参考文献
[1]
宋立才. 沾车地区沙四上亚段湖相碳酸盐岩测井二次解释研究[D]. 北京: 中国地质大学(北京), 2011.
SONG Licai. Logging Secondary Interpretation of Lacustrine Carbonate in the Fourth Member, Shahejie Fm., Zhanche Area[D]. China University of Geosciences (Beijing), Beijing, 2011.
[2]
杜韫华. 中国湖相碳酸盐岩油气储层[J]. 陆相石油地质, 1992, 3(6): 25-37.
DU Yunhua. Lacustrine carbonate reservoirs in China[J]. Continental Petroleum Geology, 1992, 3(6): 25-37.
[3]
王英华, 周书欣, 张秀莲. 中国湖相碳酸盐岩[M]. 江苏徐州: 中国矿业大学出版社, 1993: 1-147.
[4]
夏青松, 田景春, 倪新锋. 湖相碳酸盐岩研究现状及意义[J]. 沉积与特提斯地质, 2003, 23(1): 105-112.
XIA Qingsong, TIAN Jingchun, NI Xinfeng. Lacustrine carbonate rocks in China: An overview[J]. Sedimentary Geology and Tethyan Geology, 2003, 23(1): 105-112.
[5]
赵澄林. 油区岩相古地理[M]. 山东东营: 石油大学出版社, 2001.
ZHAO Chenglin. Lithofacies and Paleogeography in Petroliferous Area[M]. Dongying, Shandong: China University of Petroleum Press, 2001.
[6]
周自立, 杜韫华. 湖相碳酸盐岩的沉积相与油气分布关系——以山东胜利油田下第三系碳酸盐岩为例[J]. 石油实验地质, 1986, 8(2): 123-132.
ZHOU Zili, DU Yunhua. Relationship between sedimentary facies of lacustrine carbonate rocks and oil and gas distribution[J]. Petroleum Geology & Experiment, 1986, 8(2): 123-132.
[7]
陈少平, 刘丽芳, 黄胜兵, 等. 湖相碳酸盐岩——渤中凹陷油气勘探新领域[J]. 中国海上油气, 2019, 31(2): 20-28.
CHEN Shaoping, LIU Lifang, HUANG Shengbing, et al. Lacustrine carbonate rock: A new domain of oil and gas exploration in Bozhong sag of Bohai sea[J]. China Offshore Oil and Gas, 2019, 31(2): 20-28.
[8]
姜秀芳. 济阳坳陷湖相碳酸盐岩沉积主控因素[J]. 油气地质与采收率, 2011, 18(6): 23-27.
JIANG Xiufang. Main controlling factors of lacustrine carbonate rock in Jiyang depression[J]. Petroleum Geology and Recovery Efficiency, 2011, 18(6): 23-27.
[9]
李丕龙, 庞雄奇. 陆相断陷盆地隐蔽油气藏形成[M]. 北京: 石油工业出版社, 2004.
[10]
邵维志, 肖斐, 贵兴海, 等. 基于曲线样式的非常规油层产能评价方法探索[J]. 测井技术, 2013, 37(6): 681-687.
SHAO Weizhi, XIAO Fei, GUI Xinghai, et al. Exploration of productivity evaluation methods based on curve styles in unconventional reservoir[J]. Well Logging Technology, 2013, 37(6): 681-687.
[11]
常静春, 刘俊东, 徐明, 等. 基于沉积微相分析的湖相碳酸盐岩储层测井解释方法[J]. 国外测井技术, 2018, 39(6): 8-11.
CHANG Jingchun, LIU Jundong, XU Ming, et al. Logging interpretation method of lacustrine carbonate reservoir based on sedimentary microfacies analysis[J]. World Well Logging Technology, 2018, 39(6): 8-11.
[12]
罗晓彤, 文华国, 彭才, 等. 巴西桑托斯盆地L油田BV组湖相碳酸盐岩沉积特征及高精度层序划分[J]. 岩性油气藏, 2020, 32(3): 68-81.
LUO Xiaotong, WEN Huaguo, PENG Cai, et al. Se-dimentary characteristics and high-precision sequence division of lacustrine carbonate rocks of BV Formation in L oilfield of Santos Basin, Brazil[J]. Lithologic Reservoirs, 2020, 32(3): 68-81.
[13]
庞宏磊. 车镇凹陷沙四上亚段低坡折带湖相碳酸盐岩地震识别及沉积特征[J]. 油气地球物理, 2017, 15(1): 6-11.
PANG Honglei. Seismic identification and sedimentary features of lacustrine facies carbonate rock in low slope-breaks of the upper of Es4 in Chezhen Depression[J]. Petroleum Geophysics, 2017, 15(1): 6-11.
[14]
朱超, 刘占国, 杨少勇, 等. 利用相控分频反演预测英西湖相碳酸盐岩储层[J]. 石油地球物理勘探, 2018, 53(4): 832-841.
ZHU Chao, LIU Zhanguo, YANG Shaoyong, et al. Lacustrine carbonate reservoir prediction in Yingxi, Qaidam Basin with the facies-constrained and segmented-frequency-band inversion[J]. Oil Geophysical Prospecting, 2018, 53(4): 832-841.
[15]
杨勇强, 师政, 邱隆伟, 等. 济阳坳陷四扣洼陷湖相碳酸盐岩岩溶储层特征及其发育模型[J]. 中国石油大学学报(自然科学版), 2018, 42(3): 1-11.
YANG Yongqiang, SHI Zheng, QIU Longwei, et al. Characterization and developmental model of karstic reservoirs in lacustrine carbonate strata of Eocene Sikou Sag, Jiyang Depression[J]. Journal of China University of Petroleum (Edition of Natural Science), 2018, 42(3): 1-11.
[16]
钟頔. 沾化凹陷沙四上亚段碳酸盐岩沉积相研究与储层地震预测[D]. 北京: 中国地质大学(北京), 2012.
ZHONG Di. Research of Sedimentary Facies and Re-servoir Seismic Prediction of Lacustrine Carbonate Reservoirs of the Upper Es4 in Zhanhua Sag[D]. China University of Geosciences (Beijing), Beijing, 2012.
[17]
WILLIANMSON C R, PICARD M D. Petrology of carbonate rock of the Green River Formation (Eocene)[J]. Journal of Sedimentary Research, 1974, 44(3): 738-759.
[18]
武刚, 邢正岩, 彭寿英, 等. 济阳坳陷湖相碳酸盐岩储层分布特征及综合评价[J]. 特种油气藏, 2004, 11(2): 26-28.
WU Gang, XING Zhengyan, PENG Shouying, et al. Distribution and evaluation of lake carbonate reservoir in Jiyangdepression[J]. Special Oil & Gas Reservoirs, 2004, 11(2): 26-28.
[19]
赵雪凤, 朱光有, 刘钦甫, 等. 深部海相碳酸盐岩储层孔隙发育的主控因素研究[J]. 天然气地球科学, 2007, 18(4): 514-521.
ZHAO Xuefeng, ZHU Guangyou, LIU Qinfu, et al. Main control factors of pore development in deep marine carbonate reservoirs[J]. Natural Gas Geoscience, 2007, 18(4): 514-521.
[20]
陈昭国. 川西地区海相碳酸盐岩储层预测研究[D]. 四川成都: 成都理工大学, 2011.
CHEN Zhaoguo. Study on Carbonate Reservoir Predication in West Sichuan Depression[D]. Chengdu University of Technology, Chengdu, Sichuan, 2011.
[21]
张玺华, 田兴旺, 杨岱林, 等. 四川盆地海相碳酸盐岩储层成因及特征[J]. 天然气勘探与开发, 2021, 44(3): 1-10.
ZHANG Xihua, TIAN Xingwang, YANG Dailin, et al. Genesis and characteristics of marine carbonate reservoirs in Sichuan Basin[J]. Natural Gas Exploration and Development, 2021, 44(3): 1-10.
[22]
田春桃, 马素萍, 杨燕, 等. 湖相与海相碳酸盐岩烃源岩生烃条件对比[J]. 石油与天然气地质, 2014, 35(3): 336-341.
TIAN Chuntao, MA Suping, YANG Yan, et al. Comparison of hydrocarbon generation conditions between lacustrine and marine carbonate source rocks[J]. Oil & Gas Geology, 2014, 35(3): 336-341.
[23]
黄籍中, 吕宗刚. 碳酸盐岩烃源岩判识与实践——以四川盆地为例[J]. 海相油气地质, 2011, 16(3): 8-14.
HUANG Jizhong, LYU Zonggang. How to judge carbonate rock as source rock: a case of Sichuan Basin[J]. Marine Origin Petroleum Geology, 2011, 16(3): 8-14.
[24]
倪春华, 周小进, 王果寿, 等. 鄂尔多斯盆地南缘平凉组烃源岩沉积环境与地球化学特征[J]. 石油与天然气地质, 2011, 32(1): 38-46.
NI Chunhua, ZHOU Xiaojin, WANG Guoshou, et al. Sedimentary environment and geochemical characte-ristics of hydrocarbon source rocks in the Pingliang Formation, southern margin of the Ordos Basin[J]. Oil & Gas Geology, 2011, 32(1): 38-46.
[25]
涂建琪, 陈建平, 张大江, 等. 湖相碳酸盐岩烃源岩有机显微组分分类及其岩石学特征——以酒西盆地为例[J]. 岩石学报, 2012, 28(3): 917-926.
Tu Jianqi, Chen Jianping, Zhang Dajiang, et al. A petrographic classification of macerals in lacustrine carbonate source rocks and their organic petrological characteristics: A case study on Jiuxi basin, NW China[J]. Acta Petrologica Sinica, 2012, 28(3): 917-926.
[26]
张建民, 赵春明, 马奎前, 等. 渤海海域湖相碳酸盐岩储层研究方法——以XX油田深层生屑云岩为例[J]. 海洋石油, 2010, 30(4): 32-38.
ZHANG Jianmin, ZHAO Chunming, MA Kuiqian, et al. Research method of lacustrine carbonate rock in the Bohai Sea: taking bioclastie dolomite in XX oilfield as an example[J]. Offshore Oil, 2010, 30(4): 32-38.
[27]
田敏, 余光华. 东营凹陷南坡湖相碳酸盐岩储层测井评价[J]. 复杂油气藏, 2017, 10(2): 27-32.
TIAN Min, YU Guanghua. Logging evaluation for lacustrine carbonate reservoir in the southern ramp of Dongying Depression[J]. Complex Hydrocarbon Reservoirs, 2017, 10(2): 27-32.
[28]
宋东锋. 东营凹陷南坡湖相碳酸盐岩储层评价方法研究[J]. 非常规油气, 2018, 5(2): 16-23.
SONG Dongfeng. Research of reservoir evaluation for lacustrine carbonate reservoir in southern ramp of Dongying depression[J]. Unconventional Oil & Gas, 2018, 5(2): 16-23.
[29]
崔正伟, 程冰洁, 徐天吉, 等. 基于构造导向滤波与梯度结构张量相干属性的储层裂缝预测方法及应用[J]. 石油地球物理勘探, 2021, 56(3): 555-563.
CUI Zhengwei, CHENG Bingjie, XU Tianji, et al. Reservoir fracture prediction method and application based on structure-oriented filtering and coherent attributes of gradient structure tensor[J]. Oil Geophysical Prospecting, 2021, 56(3): 555-563.
[30]
张军华. 断块、裂缝型油气藏地震精细描述技术[M]. 山东东营: 中国石油大学出版社, 2012.
ZHANG Junhua. Fine Seismic Description Technology of Fault Block and Fractured Reservoir[M]. Dongying, Shan-dong: China University of Petroleum Press, 2012.
[31]
HUANG L, DONG X S, CLEE T E. A scalable deep learning platform for identifying geologic features from seismic attributes[J]. The Leading Edge, 2017, 36(3): 249-256.
[32]
WU X M, LIANG L M, SHI Y Z, et al. FaultSeg3D: using synthetic data sets to train an end-to-end convolutional neural network for 3D seismic fault segmentation[J]. Geophysics, 2019, 84(3): IM35-IM45.
[33]
YANG D, CAI Y F, HU G M, et al. Seismic fault detection based on 3D Unet++model[C]. SEG Technical Program Expanded Abstracts, 2020, 39: 1631-1635.
[34]
CUNHA A, POCHET A, LOPES H, et al. Seismic fault detection in real data using transfer learning from a convolutional neural network pre-trained with synthetic seismic data[J]. Computers & Geosciences, 2020, 135: 104344.
[35]
李雪英, 田亚军, 程云, 等. 基于仿射类平滑伪Wigner分布的厚度有序递变型薄互层时频特征分析[J]. 石油地球物理勘探, 2019, 54(5): 1094-1105.
LI Xueying, TIAN Yajun, CHENG Yun, et al. Time-frequency characteristics analysis of orderly thickness-graded thin inter-beds based on affine smoothed pseudo-Wigner distribution[J]. Oil Geophysical Prospecting, 2019, 54(5): 1094-1105.
[36]
王延光, 李皓, 李国发, 等. 一种用于薄层和薄互层砂体厚度估算的复合地震属性[J]. 石油地球物理勘探, 2020, 55(1): 153-160.
WANG Yanguang, LI Hao, LI Guofa, et al. A composite seismic attribute used to estimate the sand thickness for thin bed and thin interbed[J]. Oil Geophysical Prospecting, 2020, 55(1): 153-160.
[37]
孔省吾, 张云银, 沈正春, 等. 波形指示反演在灰质发育区薄互层浊积岩预测中的应用——以牛庄洼陷沙三中亚段为例[J]. 物探与化探, 2020, 44(3): 665-671.
KONG Xingwu, ZHANG Yunyin, SHEN Zhengchun, et al. The application of waveform inversion prediction of thin turbidite reservoir to calcareous depositional area: A case study of E3s2 in Niuzhuang sag[J]. Geophysical and Geochemical Exploration, 2020, 44(3): 665-671.