2016, Vol. 59
2. 吉林大学地球科学学院, 长春 130061
2. College of Earth Sciences, Jilin University, Changchun 130061, China
油砂作为非常规油气发展的重点研究领域，在全球油气供应中占有重要地位(邹才能，2013).20世纪70年代以来，国内外研究人员立足于地球化学(Rubinstein et al.，1977；Desando et al.，1999；Gürgey，2003；刘春等，2010；Osacky et al.，2013)、地球物理(Eastwood，1993；于福生等，2011)、地质(Flach，1984；黄籍中和冉隆辉，1989；王清斌等，2007；石勇等，2012)、遥感等多学科从多角度对油砂资源进行了研究，并取得了一定的进展，其中利用遥感光谱进行油砂组分的研究，一是对油砂中烃类和矿物等组分基团的诊断性光谱吸收谱段的基础分析，Cloutis(1989)研究表明油砂中烃类基团的吸收主要集中在1700 nm和2300～2600 nm；Cloutis等(1995)分析油砂样品中高岭石的特征吸收在2160 nm和2200 nm，伊利石在2220 nm和2360 nm处具有吸收特征，而1000～1200 nm谱段的吸收特征是判定菱铁矿存在最有利的区域；另一是对油砂含油率的建模估算研究，Shaw和Kratochvil(1990)基于阿尔伯达油砂在1500～2400 nm波段区间的光谱特征，分别利用与含油率最相关的波段反射率一阶微分以及代表重油和粘土矿物吸收波段斜率最大处的反射率一阶微分建立含油率的多元回归估算模型； Feng等(2009)通过研究阿尔伯达油砂样品的红外反射光谱特征，建立基于小波方法的油砂含油率估算模型； Rivard等(2010)利用3000～30000 nm高光谱数据预测油砂含油率模型，结果显示基于高斯或小波特征的含油率估算模型与两波段比值模型相比具有更好的稳定性； Lyder等(2010)表示利用最大离群值极小化的小波建模方法用于油砂含油率的估算更稳健.
基于学者在遥感油砂组分的研究，本文旨在通过分析光谱吸收特征参数——吸收深度反映油砂组分中烃类和矿物基团在可见光-近红外(VNIR，Visible and Near-Infrared)光谱下的响应强度，一方面根据常规油气藏遥感影像探测方法，从烃类微渗漏导致的氧化亚铁(含Fe2+)矿物、粘土矿物和碳酸盐(含CO32-)矿物积聚等蚀变异常角度出发(Segal et al.，1985；王云鹏等，1993；Van der Meer et al.，2002；Beitler et al.，2003；Petrovic et al.，2008，2012；张丽莉等，2010；Huang et al.，2014；Salati et al.，2014)，通过对比分析研究区油砂光谱中含Fe2+矿物、粘土矿物和含CO32-矿物等基团响应谱段的强度大小，推测研究区主要蚀变矿物类型，并根据蚀变矿物在ASTER多光谱遥感影像上的光谱特征，建立主要蚀变矿物ASTER多光谱遥感数据异常提取模式，为更准确利用遥感影像进行有针对性油砂有利区圈定提供指导依据；另一方面鉴于非常规油气地质学研究的核心为“储集层是否含油”(邹才能等，2014)，油砂储层的物性和含油性的评价需作为重点研究对象.大量研究资料表明，储集砂岩中的粘土矿物的成分、含量及产状等特征，会直接影响储层的孔隙形态、孔隙度和渗透率、测井资料的解释和油井产能，并且在沉积成岩条件大致相同的情况下，粘土矿物含量越高，砂岩的孔隙度和渗透率越低，储集性能越差(王行信，1991；王伟锋等，1993；伏万军，2000；马东旭等，2013)；又知含油率是与源储条件具有相关关系的参数，孔隙度与含油率成正比(柳波等，2013).因此，基于储集层中粘土矿物和含油性与储层孔隙度和渗透率的关系，初步尝试分别利用油砂光谱组分中粘土矿物和烃类等基团响应强度与孔渗值建立相关关系的可行性，为建立油砂光谱组分-储层物性的关联关系，深入研究储层物性特点提供参考.
2 研究区及数据源 2.1 研究区概况本文分别以鄂尔多斯盆地东南部铜川地区(Ordos-TC)以及四川盆地西北部的广元地区(Sedchwan-GY)作为研究区，铜川地区地处鄂尔多斯盆地渭北隆起带上，其主体为向北西缓倾斜的单斜构造，其间有宽缓的背向斜和断层，主要发育的地层为重要的石油储集层和产层之一的上三叠延长组，延长组主要为细粒长石砂岩，填隙物分布较不均匀，以粘土矿物、碳酸盐、长英质次生加大及极少量的浊沸石和铁质胶结物组合为主(朱国华，1985)；广元地区位于四川盆地西北缘的龙门山断裂带上，该区主要地层为早泥盆世平驿铺组，岩性为石英砂岩层，栖霞组白云岩分布较广、厚度大、物性好(袁浩等，2010)，发育矿山梁背斜和碾子坝鼻状构造，构成其构造的寒武系、奥陶系和志留系地层之中分布着众多的沥青脉.
2.2 数据源在对两研究区进行野外调查的基础上采集26个油砂样品，利用波段范围为350～2500 nm的ASD FieldSpec Pro FR光谱仪在实验室进行光谱测试，获取了油砂的光谱反射率，在保证原始光谱特征不变的情况下进行分段光谱去噪处理，同时利用连续统去除法对油砂光谱进行归一化处理获得谱带的吸收深度.
ASTER传感器通过覆盖可见光-近红外、短波红外和热红外谱段的14个光谱波段获取地球表面的多光谱影像数据，其显著的特点是短波红外波段数目更多以及单波段波长间隔更窄，在识别和提取地表的粘土矿物、硫酸盐和碳酸盐等岩矿信息上具有明显的优势(Hubbard et al.，2003；Gad and Kusky，2007；时丕龙，2010)，在蚀变信息提取领域已经被广泛的应用.因此，对两研究区分别选用获取时间为2006年5月29日和2000年11月2日的ASTER 1B遥感影像数据以及对应的DEM数据作为数据源，并进行辐射定标、地形校正和大气校正等预处理.
3 油砂组分光谱响应研究 3.1 油砂光谱主要蚀变矿物响应分析油砂中烃类物质以多种方式通过地层断裂或微细裂隙运移至地表，导致地表岩石中含Fe2+矿物、粘土矿物以及含CO32-矿物产生蚀变现象.由于油砂所处地质背景环境不同，烃源上方蚀变矿物发育表现不均衡，使得不同研究区油砂组分含量不尽相同.因此，分别对两个研究区利用平均吸收深度量化油砂中矿物组分由于电子跃迁和弯曲伸展振动导致的吸收谱带强度(图 1、2)，以此判断不同研究区主要蚀变矿物类型.
|
图 1 Ordos-TC油砂光谱曲线图 Fig. 1 Oil sand spectra of Ordos-TC region |
|
图 2 Sedchwan-GY油砂光谱曲线图 Fig. 2 Oil sand spectra of Sedchwan-GY region |
分析两个研究区油砂光谱矿物基团特征吸收谱带区间：1000～1200 nm附近具有Fe2+离子吸收谱带；2180～2260 nm附近形成的吸收谱带主要为Al-OH基团弯曲振动所致；2300～2340 nm附近的吸收较复杂，主要是由CH2和CH3基团弯曲和伸展振动引起的烃类的特征吸收和Mg-OH基团或Mg-CO32-基团叠加吸收引起的矿物吸收谱带；2340～2360 nm吸收谱带可能是由对称CH3基团伸展和弯曲振动以及CO32-基团引起的叠加吸收(Cloutis，1989；吴常泳，1992；杨琨和杨柏林，1996；Kühn et al.，2004；Khan and Jacobson，2008).相对于Sedchwan-GY地区的油砂光谱曲线，Ordos-TC地区油砂光谱在2000～2180 nm产生特有的次一级的吸收谱带，与2180～2260 nm附近主要吸收谱带构成“二元谱结构”.
由油砂光谱特征吸收谱带强度对比图可知(图 3)，Ordos-TC地区油砂光谱在2180～2260 nm附近吸收谱带区间的平均吸收深度(记为H2180～2260)最大，同时位于2000～2180 nm吸收谱带平均吸收深度也远大于其他基团的吸收，由于这种“二元谱结构”为高岭石矿物的诊断性特征谱带，说明该地区地表高岭石矿物特征明显；H1000～1200数值略高于H2300～2340和H2340～2360，相对于1000～1200 nm附近吸收谱带特征是由Fe2+离子跃迁起的，2300～2340 nm和2340～2360 nm吸收谱带都是由烃类和矿物基团的叠加振动引起.因此，确定该地区地表高岭石和Fe2+矿物等蚀变矿物作为Ordos-TC地区表征油砂分布的遥感识别的指示矿物.Sedchwan-GY地区油砂光谱吸收谱带区间平均吸收深度大小为：H2180～2260＞H2300～2340＞H2340～2360＞H1000～1200，其中 H2180～2260数值最大，说明油砂中含Al-OH基团的粘土矿物较多，同时其数值与H2340～2360相差不大，推测含Al-OH基团的粘土矿物和含CO32-矿物为该地区的主要蚀变矿物，利用扫描电镜和野外考察验证以上推断的准确性.
|
图 3 油砂光谱特征吸收谱带强度对比 Fig. 3 Comparison bar graph of absorption |
扫描电镜(JSM-6700F)镜下分析，Ordos-TC地区油砂样品多自生斜长石和钾长石，主要以高岭石矿物分布为主，其次为伊利石、伊蒙混层以及绿泥石等粘土矿物，同时可见菱铁矿、方解石以及黄铁矿等矿物.通过微电子扫描(SEM，Scanning Electron Microscope)获得矿物的二次电子图(SEI，Secondary Electron Image)及其微区成分能谱图(EDS，Energy Dispersive Spectroscopy)，图 4a为样品中矿物的二次电子形貌图，该矿物呈假六方形的书页状形态，晶片之间存在大量晶间孔隙，结合图 4b中EDS的元素分析确定其为高岭石.图 5a中以正四面体微晶状成群分布的矿物，颗粒晶形完整、自形程度高、大小较均一、粒度小，并且棱角分明，经图 5b中EDS分析其元素组成为Fe和S元素，确定该矿物为黄铁矿.
|
图 4 高岭石扫描电镜结果 (a)二次电子；(b)能谱分析. Fig. 4 SEM results for kaolinite (a)SEI；(b)EDS spectrogram. |
|
图 5 黄铁矿扫描电镜结果 (a)二次电子；(b)能谱分析. Fig. 5 SEM results for kaolinite (a)SEI；(b)EDS spectrogram. |
Sedchwan-GY地区油砂样品经扫描电镜显示石英分布较广，多自生钠长石和钾长石，伊利石、伊蒙混层等粘土矿物分布较广，同时菱铁矿和菱镁矿等矿物分布较多.图 6、7和8分别为扫描电镜下样品中伊蒙混层、伊利石和菱铁、镁矿的二次电子形貌图以及微区成分能谱分析图，图 6a以粒表细碎拨片呈花朵状结构填充于孔隙中，结合图 6b中的EDS分析其元素组成确定其为伊蒙混层；图 7a中矿物呈片状分布，边缘呈短丝状填充于孔隙中，经图 7b中EDS分析元素特征证实为伊利石；图 8a为样品中矿物的二次电子形貌图，该矿物呈菱面形，集合体呈致密块状，经图 8b中EDS分析确定其为菱铁矿和菱镁矿混合.
|
图 6 伊蒙混层扫描电镜结果 (a)二次电子；(b)能谱分析. Fig. 6 SEM results for I/S mixed layer (a)SEI；(b)EDS spectrogram. |
|
图 7 伊利石扫描电镜结果 (a)二次电子；(b)能谱分析. Fig. 7 SEM results for illite (a)SEI；(b)EDS spectrogram. |
|
图 8 菱镁、铁矿扫描电镜结果 (a)二次电子；(b)能谱分析. Fig. 8 SEM results for siderite and magnesite mixed layer (a)SEI；(b)EDS spectrogram. |
野外Ordos-TC地区油砂出露处地表高岭土化明显，局部出现黄铁矿结核的现象(图 9a)；Sedchwan-GY地区地表分布钙质砂岩及钙质结核，并伴随灰色粘土分布(图 9b)，综合电镜分析和野外现场验证信息表明油砂光谱具有表征油砂所处背景环境的特征，同时基于油砂组分基团特征谱带区间平均吸收深度得到的不同研究区主要蚀变矿物的方法具有科学性.
|
图 9 野外验证照片 Fig. 9 Photos of field confirmation (a)Ordos-TC；(b)Sedchwan-GY. |
利用油砂光谱各吸收谱带平均吸收深度，研究与油砂分布密切相关的主要蚀变矿物类型.由于在分类识别和信息提取过程中，光谱库起着判别标志的作用.因此，通过分析ENVI软件中附带的USGS标准光谱库中氧化铁(含Fe3+)矿物(如褐铁矿、赤铁矿、针铁矿和黄钾铁矾)和含Fe2+矿物(如黄铁矿和菱铁矿)、粘土矿物(如高岭石、伊利石和伊蒙混层)和含CO32-矿物(如方解石、白云石和菱铁矿)的光谱特征(万余庆等，2001)(图 10)，以及分析采用波谱响应函数将其重采样至ASTER波段区间后的矿物曲线光谱特征，实现主要蚀变矿物提取模式的研究(图 11).针对不同研究区的地表环境，分析与油砂分布密切相关的以下四种主要蚀变矿物信息类型：
|
图 10 USGS光谱库中矿物光谱曲线 Fig. 10 Spectra of minerals in USGS digital spectral library |
|
图 11 USGS矿物光谱重采样至ASTER光谱通道 Fig. 11 Spectral signature plots of mineral from USGS spectral library in the ASTER spectral channels |
(1) 含Fe2+蚀变信息
针对Ordos-TC地区含Fe3+矿物在还原环境中转化为易溶解和易迁移的含Fe2+矿物，导致含Fe2+矿物富集现象，分析USGS光谱库中的赤铁矿、褐铁矿、黄钾铁矾和针铁矿等含Fe3+矿物以及黄铁矿和菱铁矿等含Fe2+矿物光谱(图 10)，利用波段响应函数将其重采样到ASTER谱段上(图 11)，含Fe3+矿物光谱在Band2反射率较高，与Band1形成的斜率较大，而含Fe2+矿物在Band2波段附近由于具有吸收特征，其反射率相较于Band1相差不多，当含Fe3+矿物减少，含Fe2+矿物增多时，其混合光谱相较于含Fe3+矿物曲线，会出现光谱在Band1反射率相对升高，Band2反射率相对下降的特征，由于其主要变化发生在Band1和Band2波段.因此，以Band1和Band2的变化为主要判断特征，同时为剔除含Al-OH和Mg-OH的矿物和含CO32-矿物的影响，连同Band3和Band4波段采用主成分分析方法(PCA，Principal Component Analysis：是在信息总量守恒，保证多光谱影像波段之间信息互不相关的前提下，将具有高度相关的信息集中到少数波段的方法)，将得到的主分量，作为表征含Fe2+蚀变矿物信息.
(2) 高岭石矿物蚀变信息
针对Ordos-TC地区由于烃类微渗漏导致的还原环境使得地表长石多成岩蚀变为高岭石矿物，分析USGS标准光谱库中高岭石曲线及利用ASTER波段响应函数重采样后的多光谱数据(图 10、11)，发现高岭石在ASTER影像对应的Band6处具有特征吸收，次级特征吸收对应ASTER的Band5，同时在Band8也具有吸收特征，此三处吸收为高岭石矿物的特征吸收谱带，同时光谱在Band2波段处具有反射特征，确定ASTER影像的Band2、5、6和8波段数据应用PCA方法提取高岭石矿物异常富集的信息.
(3) 含Al-OH基团蚀变信息
针对Sedchwan-GY地区油气渗漏存在一些化学作用，导致地表出现含Al-OH基团粘土矿物的蚀变富集，对比分析USGS标准光谱库中含Al-OH基团的高岭石、伊利石、蒙脱石和伊蒙混层等粘土矿物高光谱及利用ASTER波段响应函数重采样后的多光谱数据(图 10、11)，含Al-OH矿物在ASTER数据对应的Band6处吸收特征最明显，同时在Band5和Band7具有相对反射的特征.因此，对ASTER数据采用(Band5×Band7)/Band6的比值运算方法(是指两个或几个波段组合对应的像元灰度值之比，利用该运算可扩大不同地物间的光谱差异，抑制地形影响，增强微弱的异常信息)，提取含Al-OH基团粘土矿物富集信息.
(4) 含CO32-蚀变信息
针对Sedchwan-GY地区油砂中烃类氧化物与地表微生物反应生成CO2，H2S以及有机酸，导致地表出现轻酸环境，与土壤中的如Ca2+等金属离子结合形成次生或三次生碳酸盐，导致碳酸盐矿物富集.综合研究USGS标准光谱库中含CO32-基团的方解石、白云石和菱铁矿等矿物高光谱及将其进行ASTER数据波段响应函数重采样后的多光谱数据(图 10、11)，可知这些矿物在ASTER波谱范围对应的Band8波段具有特征吸收，同时在Band7和Band9波段具有反射特征，因此采用(Band7×Band9)/Band8的比值运算方法提取含CO32-蚀变富集信息.
综上，确定采用主成分方法利用ASTER遥感影像波段Band1、2、3和4提取含Fe2+矿物及Band2、5、6和8提取高岭石矿物异常信息作为Ordos-TC地区主要蚀变矿物遥感提取模式；利用比值方法对ASTER遥感影像波段Band5、6和7提取含Al-OH矿物及Band7、8和9提取含CO32-矿物异常信息作为Sedchwan-GY地区主要蚀变矿物遥感提取模式.
3.3 油砂组分与储层物性关系初探研究非常规油气地质学核心是“储集层是否含油”.因此，对于油砂的研究应需侧重于物性及含油性的研究评价.储层的物性主要包括孔隙度和渗透率两个重要的特征参数，孔隙度和渗透率分别是反映储层储油能力和流体在地下渗流能力的主要参数.资料表明，储集砂岩中粘土矿物成分、含量和产状会直接影响储层的孔隙度和渗透率等物性参数.油砂高光谱能够通过内部基团激发响应反映组分特征，针对Sedchwan-GY地区测定的8个油砂样品储层物性的孔渗值(表 1)，利用2180～2260 nm附近的粘土基团吸收深度表征粘土矿物含量以及1710～1740 nm、1740～1780 nm、2300～2340 nm和2340～2360 nm附近烃类基团吸收深度表征含油率(Cloutis，1989；王津义等，1996)，初步尝试分析油砂光谱组分中粘土矿物和烃类等基团响应强度与孔隙度和渗透率关联关系.
|
表 1 油砂样品孔隙度和渗透率统计图 Table 1 Statistics of porosity and permeability of oil sand samples |
采用ASTER数据的Band1、2、3和4波段进行PCA分析提取含Fe2+矿物蚀变信息，同时为消除散点异常的影响，对所提取信息进行低通滤波处理.参考化探异常分级的办法，以数倍σ(标准离差)做为限定蚀变遥感异常主分量的取值范围，按数值的高低分为强级、中级和弱级异常并进行密度分割，分别在图像上以红、黄和蓝等色彩表达强中弱的蚀变强度，得到Fe2+蚀变矿物遥感异常信息分布图(图 12a)；对ASTER数据的Band2、5、6和8波段进行PCA分析，提取高岭石矿物的富集信息，以同样的低通滤波处理和密度分割方式，得到高岭石蚀变矿物遥感异常信息分布图(图 12b)；利用(Band7×Band9)/Band8的比值运算方法提取含CO32-蚀变矿物富集信息，得到含CO32-蚀变矿物遥感异常信息分布图(图 12c).
|
图 12 Ordos-TC地区遥感异常分布 (a)Fe2+矿物；(b)蚀变粘土矿物；(c)CO32-蚀变矿物. Fig. 12 Distribution of remote sensing anomalies in Ordos-TC region (a)Ferrous Fe-bearing minerals；(b)Clay mineral alteration；(c)Carbonates alteration |
经野外现场验证Ordos-TC地区已探明的油砂主要分布在衣食村、上石节和崔家沟地区，基于含Fe2+蚀变矿物和高岭石蚀变矿物的遥感提取模式得到的结果与实际油砂的分布吻合度好，而利用含CO32-矿物富集的异常分布特征得到的提取结果对于油砂分布指示性较弱，如图 12c中影像南部显示的含CO32-蚀变信息汇集强烈的地区并非油砂分布区域，而是油页岩的分布区，这一结果表明本文采用含Fe2+蚀变矿物、高岭石蚀变矿物和含CO32-蚀变矿物的遥感提取模式对于油气引起的烃类微渗漏现象具有较好的指示作用，进一步说明油砂光谱可以表征所处背景环境蚀变矿物特征，同时证明对于Ordos-TC地区有针对性的利用含Fe2+矿物和高岭石矿物等主要蚀变矿物进行遥感提取模式信息提取能够更准确的明确油砂的分布.
根据Sedchwan-GY地区地表特点，为减少干扰信息对异常提取产生的影响，保证蚀变异常信息提取的准确度，对该地区水体进行掩膜处理，利用掩膜后的影像进行异常信息遥感提取，采用Band1、2、3和4波段进行PCA分析、(Band5×Band7)/Band6和(Band7×Band9)/Band8进行比值运算，并采用低通滤波和蚀变强中弱阈值分级处理，分别得到含Fe2+遥感异常信息分布图(图 13a)，含Al-OH蚀变矿物和含CO32-蚀变矿物遥感异常信息分布图(图 13b和c).
|
图 13 Sedchwan-TC地区遥感异常分布 (a)Fe2+矿物；(b)蚀变粘土矿物；(c)CO32-蚀变矿物. Fig. 13 Distribution of remote sensing anomalies in Sedchwan-TC region (a)Ferrous Fe-bearing minerals；(b)Clay mineral alteration；(c)Carbonates alteration |
Sedchwan-GY地区已探明的油砂主要分布在银溪窝、何家沟、火石村和马村附近以及碾子坝背斜的田坝到马家沟附近，据提取结果显示，相较于Fe2+蚀变矿物信息对于油砂分布具有较弱的指示作用，利用遥感模式提取含Al-OH基团粘土矿物富集和含CO32-矿物富集方法得到的结果较一致，并且更能够明确指示油砂的分布，进一步印证了通过研究油砂光谱特征能够表征所处背景环境的蚀变矿物特征.因此，采用比值方法提取含Al-OH矿物及含CO32-矿物异常信息作为Sedchwan-GY地区基于主要蚀变矿物油砂分布的遥感提取模式具有科学性.
4.2 油砂光谱响应强度与储层物性分析初步尝试对Sedchwan-GY地区8个样品建立油砂光谱和储层物性之间的关系进行研究，利用光谱2180～2260 nm附近的吸收深度表征粘土基团的含量与孔隙度和渗透率建立相关关系，如表 2显示，油砂中粘土矿物含量与其孔隙度和渗透性率呈反比，即孔隙度和渗透率随着油砂中的粘土含量的增加而降低，但不是同比变化的，粘土矿物含量变化对砂岩孔隙度的影响较不显著，但对砂岩渗透率具有极显著的负相关关系，表明粘土矿物含量对渗透率的影响较大.由电镜分析结果显示，该地区粘土矿物以伊利石和伊蒙混层为主，主要以孔隙填充物形式产出，这种产状的粘土矿物一般会在高流速流体的作用下产生运移进而堵塞孔隙喉道.因此，会出现粘土矿物与储层的物性呈负相关关系的现象；以1700～1740 nm、1740～1780 nm、2300～2340 nm和2340～2360 nm附近谱带的吸收深度表征烃类基团的含量与孔隙度和渗透率建立相关关系，孔隙度和渗透率与4处烃类基团吸收深度呈极其显著的高度正相关关系，表明当孔隙连通性好，渗透率高时，含油性就越高.因此，通过分析油砂高光谱组分基团与孔隙度和渗透率的相关关系，表明利用油砂光谱组分中粘土矿物和烃类等基团响应强度与孔渗值建立相关关系具有可行性，可为建立油砂光谱组分-储层物性的关联关系，深入研究储层物性特点提供参考依据.
|
|
表 2 油砂组分基团吸收深度与孔隙度和渗透率相关分析 Table 2 Correlation between absorption depth of oil sands component groups and poroperm values |
(1) 对不同地质环境和地表景观的油砂矿物基团吸收谱带吸收深度分析可知，不同油砂分布区具有各自特征的蚀变矿物，通过建立主要蚀变矿物遥感提取模式，能为更准确利用遥感影像进行有针对性油砂有利区圈定提供指导依据；
(2) 利用油砂组分基团光谱吸收深度与孔隙度及渗透率进行相关分析，表征粘土矿物的粘土基团吸收深度随着孔隙度和渗透率的增加而降低，同时其对砂岩渗透率的影响要大于对孔隙度的影响，指示含油性的烃类基团吸收深度与孔渗值呈显著正相关关系，初步研究表明油砂光谱中基团吸收特征能够在一定程度上反映储层物性特征，利用油砂光谱组分中粘土矿物和烃类等基团响应强度与孔渗值建立相关关系具有可行性，可为深入研究油砂光谱组分-储层物性关联关系奠定基础.
综上所述，油砂的组分光谱响应特征研究是进行油砂遥感研究的理论基础，可为构建油砂遥感找矿预测模型提供坚实的科学依据和技术支持.
致谢感谢吉林大学地球科学学院单玄龙老师在野外数据收集方面提供的方便条件以及中国科学院计算机网络信息中心国际科学数据镜像网站(http://www.gscloud.cn)免费提供的DEM数据源.