2021, Vol. 64
2. 中国地质调查局广州海洋地质调查局, 广州 510700;
3. 南方海洋科学与工程广东省实验室(广州), 广州 511458
2. Guangzhou Marine Geological Survey, China Geological Survey, Guangzhou 510700, China;
3. Southern Marine Science and Engineering Guangdong Laboratory(Guangzhou), Guangzhou 511458, China
地震、测井等地球物理勘探技术在水合物勘查试采中发挥重要作用(徐华宁等, 2010；杨胜雄等, 2017).岩石物理的驱动下的叠前地震反演可以充分利用叠前地震数据丰富的振幅、频率以及走时信息预测水合物储层物性特征(Russell et al., 2003；王秀娟等, 2013), 渗透率预测对于水合物勘查以及试采具有重要意义.
高饱和度水合物富集与高渗透率疏导系统, 优质储集条件密切相关.我国南海琼东南盆地西部“海马冷泉”、南海东北部九龙甲烷礁(黄永样等, 2008)等冷泉渗漏区的发现表明我国南海北部陆坡存在高通量甲烷渗漏体系, 高通量甲烷以游离气渗漏方式沿着高渗透率的断层-裂缝系统向前浅层运移, 在稳定域不同部位形成气烟囱渗漏点, 而水合物则在气烟囱顶部和侧翼富集成藏, 呈块状、脉状、结核状(梁金强等, 2017).神狐海域扩散型水合物广泛分布, 底辟构造、高角度的断裂和垂向裂隙系统组成了其成藏的主要流体运移体系(吴能友等, 2009), 断裂、孔隙空间、气源类型等影响含甲烷的流体活动、水合物成核和生长(吴时国等, 2009).在浅层水合物以生物气横向运移形成的扩散型水合物为主, 高渗的粗粒沉积物更有利于孔隙的发育和水合物的形成(Colwell et al., 2004).在墨西哥湾、日本南海、印度Krishna-Godavari(KG)盆地等海域均已发现砂岩层水合物(Lee, 2008), 或者以巨厚泥岩层与较薄砂岩层互层的模式存在, 而在低渗的泥质中则主要为短距离运移或扩散.早期对于水合物渗透率的研究主要基于经验公式(Hazen, 1911).Kozeny(1927)提出了孔隙介质渗透率模型, 表明孔隙度、水合物的赋存状态也影响渗透率.为考量水合物赋存形态, Masuda等(1997)提出了毛细管模型, 水合物储层的渗透率主要与颗粒大小以及水合物饱和度有关(Sloan and Carolyn, 2008).近几年保压岩心渗透率测试受到关注(Priest et al., 2015; Santamarina et al., 2015), 实验测试可以用于研究渗透率与水合物饱和度、水合物赋存状态的定量关系, 以及渗透率与颗粒的微观形态的联系, 而地震预测渗透率研究较少.利用地震研究渗透率一直以来都是国际研究前沿与难点, 目前主要技术方法有经验法、地震属性分析法和地质统计学模拟法等(陈遵德和郭爱华, 1998；何琰等, 2001), 即主要通过拟合的方式进行渗透率预测, 但是由于地下储藏影响因素众多, 拟合预测精度受限.研究表明, 不同孔隙结构的岩石, 孔隙度与渗透率对应关系存在明显差异, 只有结合储集层孔隙结构进行渗透率预测才能降低多解性, 提高预测精度(靳秀菊等, 2016).近年来, 有研究人员探索了将孔隙度和骨架柔度因子结合进行渗透率预测的新思路, 在美国德克萨斯、四川盆地普光气田等碳酸盐岩储集层中取得了较为成功的应用, 甘利灯等采用储集层段孔隙度、弹性参数及骨架柔度因子进行岩相分析的方法获得砂岩油气藏的渗透率(甘利灯等, 2019).但是目前地震方法在水合物储层中尚未有较为深入的研究.
岩石物理是连接储层物性与弹性参数之间的有效桥梁, 有望建立起渗透率与弹性参数之间的联系.岩石的弹性特征由岩石的矿物组分、孔隙流体性质、孔隙度、以及微观孔隙结构等因素综合决定(Wang, 2001; Mavko et al., 2009).在这些因素中, 孔隙结构对岩石弹性特征起重要作用, 利用高分辨率X-CT可以观测水合物微观分布及孔隙形态(Jin et al., 2006；胡高伟等, 2014).一般而言, 孔隙总能够表示为不同形状的硬孔隙与软孔隙组合(邓继新等, 2015), 孔隙结构的差异会引起速度频散以及衰减, 流体饱和情况下会引起在微观尺度上的“喷射流”.可以利用“软”孔隙(容易被压缩, 表现为颗粒接触边界和微裂隙等)和“硬”孔隙的双孔隙结构来解释喷射作用, 两类孔隙之间的流体流动满足Navier-Stokes流动方程(Murphy et al., 1986; Mavko and Jizba, 1991).而从力学角度上讲, 岩石的孔隙包括原生粒间孔隙以及溶蚀孔隙, 其孔隙纵横比大于0.01, 可以认为是硬孔隙, 在海底浅层, 水合物储层尚未成岩, 弹性特征有特殊性(Domenico, 1977), 含气流体渗漏引起的裂缝可以认为是软孔隙, 因此浅层流体运移及渗透率与孔隙结构有关.
对于地下岩石状态而言, 一般可以认为是由孔隙流体、岩石骨架以及胶结物等组成的饱和流体系统, 孔隙可压缩性(Mavko and Mukerji, 1995)为孔隙压力下岩石体积对内部应力的导数, 与孔隙软硬有关, 进而与流体运移以及渗透率有关.岩石处于完全松软的状态与固结状态所反映出的弹性特征应有较大差别, 这一差别正是孔隙可压缩性引起的.水合物一般分布在海底较浅的稳定带内, 且尚未成岩, 因此岩石微观颗粒应介于完全悬浮态与完全成岩两种状态之间, 岩石从完全松软状态向正常压实状态转变, 必然也对应着地震响应特征与渗透率的变化, 这一过程与孔隙可压缩性密切相关.在本文中, 首先构建一个与孔隙可压缩性直接相关的参数, 然后通过地震反演得到孔隙可压缩性的指示因子, 该指示因子的强弱则可以直接反映岩石孔隙的状态, 进而指导储层渗透率预测.
1 双孔隙组合对水合物储层弹性特征的影响首先考虑孔隙结构对于速度的影响.沉积孔隙中水合物呈混合分布模式, 但在水合物不同形成阶段, 以某种分布模式为主导, 在水合物形成的后期(如饱和度为51.4%之后), 中期形成的悬浮状的水合物会慢慢生长聚拢在一起, 水合物重新胶结沉积物颗粒(胡高伟等, 2014).因此在本文中将水合物认为是孔隙中的胶结物, 水合物的生成则填充了原来的有效孔隙.表 1是用于岩石物理理论分析的模型参数表.
|
表 1 模型参数表 Table 1 Model parameters |
采用SCA-DEM模型对软硬孔隙进行考量.向基质中加入一定连通性的干燥微孔隙, 孔隙的纵横比与孔隙抗压缩性相关, 即与孔隙的“软硬”相关.由于水合物储层属于未固结岩石, 因此岩石颗粒之间表现为颗粒接触边界模型, 孔隙纵横比偏小.
(1) 固定含水饱和度Sw=45%和水合物饱和度SGH=40%
模拟结果如图 1所示, 在硬孔隙含量较小时(即岩石位于较“软”的一端时), 纵波速度以及横波速度受到孔隙度的影响比软硬孔影响小, 硬孔隙含量越大, 速度越大.当硬孔隙含量超过一定阈值, 硬软孔隙对速度的影响较孔隙度不明显.孔隙度增大, 则纵横波速度明显减小, 因为孔隙内含流体的模量远低于岩石骨架, 所以孔隙度越大, 则岩石模量越小.在硬孔隙含量较大时这种影响大于岩石孔隙结构的影响, 可以看到随着硬孔隙含量差不断增加, 纵横波速度有相对较小幅度的增加.
|
图 1 硬孔隙含量以及孔隙度对纵波速度、横波速度的影响 (a)硬孔隙含量以及孔隙度对纵波速度的影响；(b)硬孔隙含量以及孔隙度对横波速度的影响. Fig. 1 Effect of hard pore content and porosity on P-wave velocity and S-wave velocity (a) Effect of hard pore content and porosity on P-wave velocity; (b) Effect of hard pore content and porosity on P-wave velocity. |
(2) 固定孔隙度ϕ=55%和含水饱和Sw=45%
如图 2所示, 当硬孔隙含量增大时, 纵横波速度都不断增加.当水合物饱和度增加时, 纵横波速度也不断增加, 这2方面因素对于纵横波速度的增加效果几乎一致.因此, 硬软孔隙含量是在水合物岩石物理建模中非常重要的参数, 速度的增大不仅仅是因为孔隙度的减小, 水合物饱和度的增加, 也可能是因为软孔隙含量减小的原因.
|
图 2 硬孔隙含量以及水合物饱和度对纵波速度、横波速度的影响 (a)硬孔隙含量以及水合物饱和度对纵波速度的影响；(b)硬孔隙含量以及水合物饱和度对横波速度的影响. Fig. 2 Effect of hard pore content and hydrate saturation on P-wave velocity and S-wave velocity (a) Effect of hard pore content and hydrate saturation on P-wave velocity; (b) Effect of hard pore content and hydrate saturation on S-wave velocity. |
(3) 固定孔隙度ϕ=55%, 含水饱和Sw=45%以及水合物饱和度SGH=40%
固定其他岩石建模参数, 只观察速度与软硬孔隙含量的关系, 如图 3所示, 随着硬孔隙含量的增加, 速度梯度先增加后减小, 在硬孔隙含量大于临界值(此处约为10%)时, 速度基本不再发生变化, 但是梯度始终大于0, 即速度保持递增趋势, 纵波速度梯度比横波速度梯度大, 横纵波速度比随着硬孔隙含量的增加而不断增加, 在硬孔隙大于10%时几乎保持不变.需要指出的时, 这个临界值受到岩石模量、组成等诸多方面的影响, 但是都处于硬孔隙含量较低, 软孔隙含量较高的情况下.水合物埋深较浅, 压实成岩作用不及深部岩石, 软孔隙含量应远高于硬孔隙.
|
图 3 软硬孔隙含量与纵横波速度的关系 (a)硬孔隙含量与速度变化梯度的关系；(b)横纵波速度比与硬孔隙含量的关系. Fig. 3 Relationship between hard pore content and P-wave velocity (a) Relationship between hard pore content and gradient of the velocities; (b) Relationship between hard pore content and the ratio of S-wave velocity and P-wave velocity. |
通过上述分析, 水合物层的速度等弹性参数与岩石孔隙“软、硬”有直接联系.
2 双状态模量差与岩石孔隙可压缩性的关系从本质上讲, 饱和岩石受到外部应力Δσ作用(图 4), 孔隙中流体表现出一定孔隙压力ΔP, 这种情况下所体现出的岩石模量为饱和岩石的模量Ksat, 孔隙中饱含流体.如果孔隙中不含流体, 则只受到外部应力的作用, 表现出干岩石的模量Kdry.如果对岩石孔隙内部向外施加Δσ, 则岩石表现出骨架的模量, 即K0(Mavko and Mukerji, 1995).三者之间的关系如公式(1)所示：
|
图 4 饱和岩石受力情况 Fig. 4 Schematic diagram of the stress of saturated rocks |
|
(1) |
其中, 
假设岩石处于较软的一端, 则可利用Reuss平均计算岩石的模量Kr, Kr为模量下限, 岩石颗粒完全处于悬浮状态, 孔隙可压缩性极小.对Kr进行变形, 得到公式(2)：
|
(2) |
通过对比公式(1)和公式(2), 饱和湿岩石与“软”岩石两种状态下, 岩石模量的差别体现在
|
(3) |
遗憾的是很难得到
|
(4) |
其中, Kf, Kflow分别为固结与完全未固结的流体模量, f为Gassmann流体因子, ϕc为临界孔隙度.在海底浅层松软未固结状态下, 水合物储层孔隙度很大且变化较小, 孔隙度ϕ接近于临界孔隙度ϕc, 因此
|
(5) |
其中, c为Biot常数, 需要根据实际工区确定.利用公式5, 最终得到体现孔隙可压缩性的指示因子
|
(6) |
利用上述模型以及式(6), 可以模拟出不同水合物饱和度、硬孔隙含量下孔隙可压缩性指示因子的变化, 如图 5所示.随着岩石颗粒的逐渐压实, 硬孔隙含量增大, 孔隙可压缩性指示因子减小, 若存在水合物, 也会使得孔隙可压缩性指示因子减小.可以推测, 随着颗粒从悬浮态到压实, 渗透率整体不断降低, 如图 5a中红色椭圆圈中区域, 是否为高渗透率地层呢？
|
图 5 孔隙可压缩性指示因子与水合物饱和度、压实程度的模型分析结果 (a)孔隙可压缩性指示因子随着硬孔隙含量、水合物饱和度的变化图；(b)孔隙可压缩性指示因子随着悬浮态到正常岩石过程的变化示意图. Fig. 5 Relation between pore compressibility indicator and hydrate saturation (a) Pore compressibility indicator changes with hard pore content and hydrate saturation; (b) Schematic diagram of the change of the compressibility indicator factor from the suspended state to the compacted state. |
孔隙可压缩性在某种程度上代表了岩石的成岩过程, 应该与渗透率有关.根据SDR模型, 储层渗透率与有效孔隙度以及核磁T2谱有关, 如式(7)所示,
|
(7) |
其中ϕe为有效孔隙度, 在常规砂岩储层中, 一般取a1=4, a2=2, 核磁T2谱与束缚水含量密切相关, T2截止值越大, 则束缚水含量则可能较多.根据Coates模型以及Timur模型, 渗透率与可动流动孔隙度FFV成正比, 与束缚水孔隙度呈BFV反比, 如式(8)所示：
|
(8) |
在本文研究区中, 按照粒径岩性分类标准：粒径＜4 μm, 为黏土, 粒径介于4 μm和63 μm之间, 为粉砂.经测量, 研究区内岩芯粒度中值为7 μm, 因此岩性以黏土质粉砂、粉砂为主.根据砂岩岩芯粒度与束缚水的关系, 粉砂束缚水在70%以上, 粒度中值为7 μm的岩芯束缚水在95%以上.根据这一规律, 利用实测的渗透率、孔隙度进行反推, 如表 2所示, 选取b1=4, b2=2, Coates模型与粒径分析结果吻合, 因此本文最终利用公式(9)来计算储层渗透率.
|
|
表 2 基于公式(9)利用实测渗透率反推束缚水饱和度 Table 2 Inverted irreducible water saturation based on formula (9) using measured permeability |
|
(9) |
式(7—9)在本质上是一致的, 表明渗透率与有效孔隙度、自由水含量成正比, 与束缚水含量成反比, 同时当岩石颗粒较细时, 由于比表面积大, 吸附能力强, 束缚水饱和度较高, 渗透率较低.为了验证图 5中孔隙可压缩性指示因子与水合物储层渗透率的关系, 本文基于南海多口典型含水合物井进行了分析(W7、W10、W19), 纵横波速度曲线由斯伦贝谢随钻声波测井工具SonicScope获取, 渗透率曲线通过随钻核磁测井工具ProVision获取, 电阻率、密度以及元素组分通过NeoScope获取, 数据经过校正与核对, 保证多种数据的合理性与耦合性.
如图 6所示, W7井渗透率整体较低, 浅层渗透率最大值约3×10-3, 水合物储层渗透率几乎为0, 整体上高渗储层的孔隙可压缩性指示因子(Diff)较低(图 6b, 图 6c), FFV较大, 而在W7中较高渗储层的石英含量(QC)为低值.
|
图 6 W7井重要测井曲线与交汇图 (a) W7测井曲线；(b) Diff与FFV交汇图；(c) Diff与石英含量QC交汇图. Fig. 6 Some logging curves and cross-plots of well W7 (a) W7 logging curves; (b) Diff and FFV cross-plot, the color axis is permeability; (c) Diff and QC cross-plot. |
图 7展示了W19井部分测井曲线以及交汇图.W19井整体渗透率较高, 水合物层上方最大渗透率达24×10-3, 水合物储层渗透率较低, 水合物储层以下渗透率有所提高.类似地, 高渗储层的孔隙可压缩性指示因子(Diff)较低(图 7b, 图 7c), BFV较小, 但是纵波速度难以区分高渗储层(图 7c).
|
图 7 W19井重要测井曲线与交汇图 (a) W19测井曲线；(b) Diff与BFV交汇图；(c) Diff与vp交汇图. Fig. 7 Some logging curves and cross-plots of well W19 (a) W19 logging curves; (b) Diff and BFV cross-plot, the color axis is permeability; (c) Diff and vp cross-plot, the color axis is permeability. |
图 8展示了W10井部分测井曲线以及交汇图, W10井整体渗透率较高, 最大渗透率达30×10-3(图 8a), 该井水合物储层薄.高渗储层的孔隙可压缩性指示因子(Diff)较低(图 7b, 图 7c), FFV较小, T2, log较大(图 8e), 纵波速度难以区分高渗储层(图 7d).
|
图 8 W10井重要测井曲线与交汇图 (a) W10测井曲线；(b) Diff与FFV交汇图；(c) Diff与QC交汇图；(d) Diff与vp交汇图；(e) Diff与T2, log交汇图. Fig. 8 Some logging curves and cross-plots of Well W10 (a) logging curves of W10; (b) Diff and FFV cross-plot, the color axis is permeability; (c) Diff and QC cross-plot, the color axis is permeability; (d) Diff and vp cross-plot, the color axis is permeability; (e) Diff and T2, log cross-plot, the color axis is permeability. |
总而言之, 相对于其他弹性参数, Diff可以有效地识别出高渗储层, 它与束缚水含量存在一定相关性, 可以作为海底浅层高渗储层的指示因子.且在海底浅层沉积物中, 砂岩含量不能作为渗透率高低的标志, 从W11的石英含量与渗透率关系看(图 9), 最高渗透率储层含砂量最高, Diff最小, 但是在W7、W10、W19中, 砂质颗粒粒径较小, 石英含量与渗透率相关性不明显.
|
图 9 W11石英含量、孔隙可压缩性指示因子与渗透率交会图 (a)石英含量与渗透率交会图；(b)孔隙可压缩性指示因子与渗透率交会图. Fig. 9 Cross-plots of auartz content, pore compressibility indicator and permeability in W11 (a) Quartz content and permeability cross-plot; (b) Pore compressibility indicator and permeability cross-plot. |
另一方面, 气体聚集于高渗储层中, 如图 10所示, 高含气饱和度层的孔隙可压缩性指示因子较小, 渗透率较大；而水合物储层由于水合物的胶结作用使得渗透率明显降低, 孔隙可压缩性指示因子变大.利用孔隙可压缩性指示因子只能预测当今状态下储层的渗透率, 对于水合物层的渗透率高低的判识则需要根据下方游离气以及周围非水合物层的渗透率进行综合分析.
|
图 10 W11孔隙可压缩性指示因子与其他弹性参数交会图 (a)孔隙可压缩性指示因子与泊松比、纵波速度交会图；(b)孔隙可压缩性指示因子与横波速度、杨氏模量交会图. Fig. 10 Cross-plots of pore compressibility indicator and other elastic parameters in W11 (a) Cross-plots of pore compressibility indicator and Poisson′s ratio and P-wave velocity, the color axis is gas saturation; (b) Cross-plots of pore compressibility indicator and Young′s modulus and S-wave velocity, the color axis is hydrate content. |
根据上述推导, 孔隙可压缩性指示因子反演需要获得两种状态下的模量差, 因此首先要推导双状态地震反射特征方程.
4.1 双状态地震反射目标函数构建地震反射特征方程建立地震弹性参数与地震数据的之间联系(Aki and Richards, 2002), Zoeppritz方程(Zoeppritz, 1919)描述了界面两侧弹性参数变化与反射波以及透射波的能量分配关系, 但是此方程的高度非线性以及复杂性使得其难以在工业上高效应用, 而其近似方程在精度允许的范围内可以应用于地震反演.本文以体积模量, 剪切模量和密度表示的反射系数方程出发进行推导.
|
(10) |
Mavko等(2009)指出, 岩石体积模量存在以下关系：
|
(11) |
其中, Klow则为临界状态(岩石较软一端)的体积模量, Kf为孔隙内流体模量.借助临界孔隙度模型(Nur et al., 1998), 即
|
(12) |
将式(12)代入式(11)可以得到：
|
(13) |
将
|
(14) |
以上为临界Kf方程, 其中, fm=μm(ϕc－ϕ), 为固体刚度系数, 可认为此方程为岩石全为软孔隙时的反射特征方程.Yin和Zhang(2014)推导了碎屑岩饱和岩石的固液解耦方程：
|
(15) |
此方程可认为是固结成岩的饱和湿岩石地震反射特征方程.地下水合物储层处于固结与完全未固结两者之间.这两种状态的共同作用产生了唯一的地震观测数据.
为观察两种状态下AVO特征, 利用如表 3所示的模型进行分析.一共设计了3个模型, 模型一为上层含气下层含水模型, 孔隙度一致；模型二为上下层都含水, 但是上层孔隙度更大；模型三为上层含水和物, 下层含水和游离气, 孔隙度一致.利用三个模型得到了两种状态下的AVO特征曲线, 如图 11所示.图 11(a, b, c)分别展示了三个模型的AVO反射特征曲线, 每个图中有4条曲线, 分别代表不同的发射特征方程.可以看到, 临界Kf方程曲线与其他三条曲线(固结饱和岩石)不同, 这正是因为模型假设的原因(即处于较软的一端), 而其他三条曲线在上下界面弹性参数差异较小的情况下是基本一致的.在上下界面物性差异较大时, 几条曲线差异较大, 如图 11b、图 11c所示, 分析存在以下两个的原因.
|
|
表 3 模型参数表 Table 3 Model parameters for AVO analysis |
|
图 11 不同模型下不同方程反射系数对比 (a)模型一；(b)模型二；(c)模型三. Fig. 11 Comparison of reflection coefficients of different equations of different models (a) Model 1; (b) Model 2; (c) Model 3. |
① 在两侧弹性参数差异较大的情况下, 线性近似方程与精确方程差异明显.这种差异可能由很多原因引起的, 其中孔隙度对于弹性参数的影响较大.临界Kf方程因为有孔隙度一项, 如果界面两侧的较大弹性差异都是由于孔隙度引起的, 那么包含Kf和孔隙度的近似式精度应该与AKI近似等保持同等水平；或者界面的差异并非单独地由于孔隙度引起, 当界面孔隙度差异较小的情况下, Kf与孔隙度无关, 此时与精确方程更为一致.
② 模型三参数的设置可能与临界状态更为契合.下限的条件是软孔隙分布岩石中, 且孔隙度较大.在模型二中, 上层介质的干岩石体积模量和剪切模量都明显比下层介质小, 即上层可以认为处于较软的状态, 即更加接近Reuss平均假设条件.
需要注意的是, 临界状态与饱和岩石状态的AVO类型并没有发生改变, 上述差异是合理的, 通过前文推导, 岩石孔隙可压缩性反应了这差异特征.而正是存在这样的差异, 才有可能通过反演获得孔隙可压缩性.
4.2 孔隙可压缩性指示因子反演本文中我们利用两种状态的组合表示岩石成岩早期到结束的过程.临界状态(软的一端)表示岩石成岩早期, 用公式(13)(R)来刻画其反射特征, 而饱和岩石状态则表示成岩晚期, 用公式(15)(RYin)刻画其反射特征.可以分别给两者不同的权重值, 如公式(16)所示, 如果W1=1, 则表示岩石成岩早期；如果W2=1, 则表示完全成岩, 因此[W1W2]表示了岩石的成岩成熟程度, 但是遗憾的是我们无法知道地下岩石真实的模量.基于公式(3), 分别假设W1=1以及W2=1, 利用双状态方程, 可以得到两种状态下的流体模量差, 差值与岩石的孔隙可压缩性成正相关.
|
(16) |
其中, D为观测地震数据, M为子波矩阵, θ为入射角, Kf1, Kf2分别为完全未成岩、成岩状态下的流体模量.基于上述设想, 根据双状态反射特征方程, 分别构建反演目标泛函, 并在模型中加入L1范数约束,
|
(17) |
其中, R和RYin分别为两种状态下的反射系数, r0为反演初始模型, λ1, λ2为正则化系数.基于公式(17), 利用多参数同时反演方法(Yin and Zhang, 2014)则可以反演得到两种状态下流体模量R以及RYin, 并通过公式(18)计算出DIFKf.
|
(18) |
然后利用公式(6)可以计算得到
研究区位于中国南海琼东南海域.为验证方法的有效性, 本文选取了2个区域地质背景有所差异的研究区(图 12).研究区1位于松南低凸起, 研究区2位于陵南低凸起, 前期的海底表层地质调查显示, 研究区2海底表层砂岩含量明显高于研究区1.
|
图 12 研究区位置示意图 (a)研究区1及研究2的相对位置；(b)研究区放大图. Fig. 12 Location of the study areas (a) Relative locations of the study area 1 and area 2; (b) The enlarged view of Fig. 12 (a). |
在研究区1内, 本文中主要使用到A、B、C三条测线地震与相关的测井资料(图 12).研究区内已有多口钻井(w1、w2、w3), w1在B测线上, w2在C测线上, w3在A测线上, w1和w2完钻深度较大, 而w3完钻深度较浅(未钻至BSR).因此本文选择A测线进行反演, 同时利用w1与w2的测井数据作为约束, 以试验本文方法是否起到预测地层渗透率的效果.
对实际资料进行叠前反演之前, 需要对地震数据进行保幅处理, 包括精细的波前扩散补偿、震源组合与检波器组合效应的校正、反Q滤波、地表一致性处理、叠前去噪处理、去除多次波等, 并假设处理后的层间多次波、各向异性的影响可以忽略不计.A测线CDP范围为1~5000, 采样间隔为2 ms, 如图 13所示, 2.5 s CDP 2400处有与海底反极性的同相轴, 解释为BSR, BSR振幅强, 下方有较为明显的模糊带, 振幅较弱, 且同相轴下拉, 疑似为气体通道.CDP 2600~5000时间范围2.4~2.8 s处发育河道沉积, 有多套强振幅同相轴出现, 可能含砂含气.
|
图 13 研究区1 A测线部分CDP(1~5000)四个不同中心角度叠加地震剖面 (a) 1~8°角度叠加数据；(b) 9~16°角度叠加数据；(c) 16~23°角度叠加数据；(d) 24~31°角度叠加数据. Fig. 13 The seismic profiles with CDP of 1~5000 at four different central angles on line A in the study area 1 (a) 1~8° angle staked data; (b) 9~16° angle staked data; (c) 16~23° angle stacked data; (d) 24~31° angle stacked data. |
利用本文提出的方法, 得到了A测线孔隙可压缩性指示因子剖面, 如图 14所示.水合物层孔隙可压缩性指示因子较大, 渗透率较低, 在BSR下方有低值异常, 表示气烟囱作为含气流体的疏导通道渗透率较高.在河道发育区的深部与河道内也发现类似低值异常, 表明这些位置渗透率较大, 但是其低值异常不太显著.浅层的3套MTD底部低值异常显著, 流体可以沿着MTD底部进行横向运移, 渗透率较高.其中, 最上面的MTD埋藏最浅, 孔隙可压缩性指示因子也最小, 渗透率最大.
|
图 14 A测线孔隙可压缩性指示因子反演结果 Fig. 14 Inversion results of pore compressibility indicator of line A |
W1井钻穿BSR, 从w1钻探结果看, 研究区浅层发育多期次MTD(图 15), 石英等较粗的沉积物颗粒位于MTD底部, 因此MTD底渗透率较大(图 15a).含气流体从深部沿着气烟囱向上运移至浅层, MTD有效阻挡了含气流体向上运移, 而在MTD底部位置形成水合物, 游离气则聚集在下方, 水合物与游离气显著的弹性差异引起了很强振幅的BSR.大量的游离气聚集使得压力增大, 部分流体突破MTD, 形成渗漏并在通道内形成水合物. w2位于研究区1的东南位置, 发育河道, 从地震剖面与测井数据可以大致识别出河道的发育部位, 河道内可能含有较高的含砂量, 渗透率较大(图 15b).
|
图 15 研究区1内相邻测线地震剖面与部分解释结果 (a) B测线地震剖面；(b) C测线地震剖面. Fig. 15 Seismic profiles with some interpretation of adjacent lines in study area 1 (a) Seismic profile of line B; (b) Seismic profile of line C. |
三条测线相邻, 在3个剖面上均可以发现同一套MTD与河道沉积现象.A测线的反演结果与B、C测线的钻探结果吻合, 气烟囱为高渗透率含气流体的通道, 在浅层形成水合物, 水合物与MTD作为盖层阻挡气体向上运移, 部分气体则运移至河道砂内聚集(图 16).反演结果与地质规律、钻井结果保持较好的一致性, 表明本文提出的方法在低渗透背景下较好的识别出了较高渗透率地层.
|
图 16 研究区1浅层渗透率与水合物形成关系示意图 Fig. 16 Schematic diagram of the relationship between permeability and hydrate formation in study area 1 |
同理, 使用上述方法获取了研究区2测线D的孔隙可压缩性指示因子, 可以从图 17a中大致识别出几套疑似河道沉积体, 规模较小, 从地震剖面上难以判别出高渗地层的分布.图 17b为孔隙可压缩性指示因子反演结果, 可以从反演结果中明显看到在浅层(约2450 ms)处发育一套高渗储层, 在约2700~2800 CDP 300~1700内发育高渗储层, 深度较大, 疑似为含气砂层.W4井钻穿上述3套高渗储层, 随钻测井显示这几套高渗层为低伽马, 高电阻特征, 最浅层高渗层为含水合物砂岩, 较深部位的高渗层为含气砂岩.从取芯结果看, 最浅与最深的2套砂岩粒径较大, 原位测试渗透率较高, 这与反演结果吻合, 表明本文提出的方法可以有效地识别出高渗地层.
|
图 17 研究区2测线D的地震剖面及反演结果 (a)研究区2测线D的叠后地震剖面；(b)研究区2测线D的孔隙可压缩性指示因子反演结果. Fig. 17 Seismic profile and inversion results of line D in study area 2 (a) Poststack seismic profile of line D; (b) Inversion results of pore compressibility indicator of line D. |
对比研究区1和研究区2, 研究区2内高渗层大量发育, 有利于气体聚集以及水合物的生产.而研究区1内高渗层为MTD的底部以及埋藏较深的河道, 且相比于研究区2内的河道砂, 研究区1的孔隙可压缩性指示因子低值异常不明显, 其渗透率较低, 不利于气体的聚集, 因此w2中含气饱和度极低, 而w4则钻遇高饱和度水合物以及气层, 反演结果与钻探结果是吻合的, 验证了方法的有效性.
6 结论与认识水合物储层处于完全未固结与固结成岩之间的状态, 本文基于此岩石物理特征, 建立了双状态模量差与孔隙可压缩性的直接关系, 构建了与渗透率有关的孔隙可压缩性指示因子, 并基于双状态假设推导出了孔隙可压缩性指示因子的弹性表达式以及双状态地震反射特征方程.然后, 基于双状态反演方法获得了地下岩石孔隙可压缩性指示因子.从实际运用效果分析, 孔隙可压缩性指示因子较好的指示了高渗地层, 为流体运移研究、砂岩型水合物勘查提供一定参考.
Aki K, Richards P G. 2002. Quantitative Seismology:Theory and Methods. 2nd ed. Saulsalito, California: University Science Books.
|
Barnes P M, Lamarche G, Bialas J, et al. 2010. Tectonic and geological framework for gas hydrates and cold seeps on the Hikurangi subduction margin, New Zealand. Marine Geology, 272(1-4): 26-48. |
Colwell F, Matsumoto R, Reed D. 2004. A review of the gas hydrates, geology, and biology of the Nankai Trough. Chemical Geology, 205(3-4): 391-404. |
Deng J X, Zhou H, Wang H, et al. 2015. The influence of pore structure in reservoir sandstone on dispersion properties of elastic waves. Chinese Journal of Geophysics (in Chinese), 58(9): 3389-3400. DOI:10.6038/cjg20150931 |
Domenico S N. 1977. Elastic properties of unconsolidated porous sand reservoirs. Geophysics, 42(7): 1339-1368. |
Gan L D, Wang Y J, Luo X Z, et al. 2019. A permeability prediction method based on pore structure and lithofacies. Petroleum Exploration and Development (in Chinese), 46(5): 883-890. |
Hazen A. 1911. Discussion of "dams on sand foundations" by A. C. Koenig. Transactions of the American Society of Civil Engineers, 73: 199-203.
|
He Y, Peng W, Yin J. 2001. Permeability prediction by seismic attribute data. Acta Petrolei Sinica (in Chinese), 22(6): 34-36. |
Hu G W, Li C F, Ye Y G, et al. 2014. Observation of gas hydrate distribution in sediment pore space. Chinese Journal of Geophysics (in Chinese), 57(5): 1675-1682. DOI:10.6038/cjg20140530 |
Huang Y Y, Suess E, Wu N Y, et al. 2008. Methane and Gas Hydrate Geology of the Northern South China Sea:Sino-German Cooperation SO-177 Voyage Results Report (in Chinese). Beijing: Geological Publishing House.
|
Jin S, Nagao J, Takeya S, et al. 2006. Structural investigation of methane hydrate sediments by microfocus x-ray computed tomography technique under high-pressure conditions. Japanese Journal of Applied Physics, 45(24-28): L714. |
Jin X J, Hou J G, Liu H L, et al. 2016. Seismic prediction method of permeability of reef bank reservoir with complex pore types in Puguang gasfield. Journal of Palaeogeography (in Chinese), 18(2): 275-284. |
Kozeny J. 1927. Ueber kapillare Leitung des Wassers im Boden. Sitzungsber Akad. Wiss., 136(2a): 271-306. |
Lee M W. 2008. Models for gas hydrate-bearing sediments inferred from hydraulic permeability and elastic velocities. Scientific Investigations Report 2008-5219, U.S. Geological Survey.
|
Liang J Q, Fu S Y, Chen F, et al. 2017. Characteristics of methane seepage and gas hydrate reservoir in the northeastern slope of South China Sea. Natural Gas Geoscience (in Chinese), 28(5): 761-770. |
Masuda Y, Naganawa S, Ando S, et al. 1997. Numerical calculation of gas production performance from reservoirs containing natural gas hydrates. SPE J., 29(3): 201-210. |
Mavko G, Jizba A. 1991. Estimating grain-scale fluid effects on velocity dispersion in rocks. Geophysics, 56(12): 1940-1949. |
Mavko G, Mukerji T. 1995. Seismic pore space compressibility and Gassmann's relation. Geophysics, 60(6): 1743-1749. |
Mavko G, Mukerji T, Dvorkin J. 2009. The Rock Physics Handbook:Tools for Seismic Analysis of Porous Media. 2nd ed. Cambridge: Cambridge University Press.
|
Murphy W F, Winkler K W, Kleinberg R L. 1986. Acoustic relaxation in sedimentary rocks:Dependence on grain contacts and fluid saturation. Geophysics, 51(3): 757-766. |
Nur A, Mavko G, Dvorkin J, et al. 1998. Critical porosity:A key to relating physical properties to porosity in rocks. The Leading Edge, 17(3): 357-362. |
Priest J A, Druce M, Roberts J, et al. 2015. PCATS Triaxial:a new geotechnical apparatus for characterizing pressure cores from the Nankai Trough, Japan. Marine and Petroleum Geology, 66: 460-470. |
Russell B H, Hedlin K, Hilterman F J, et al. 2003. Fluid-property discrimination with AVO:A Biot-Gassmann perspective. Geophysics, 68(1): 29-39. |
Santamarina J C, Dai S, Terzariol M, et al. 2015. Hydro-bio-geomechanical properties of hydrate-bearing sediments from Nankai Trough. Marine and Petroleum Geology, 66: 434-450. |
Sloan E D, Carolyn A K. 2008. Clathrate Hydrates of Natural Gases. 3rd ed. Boca Raton: CRC Press.
|
Wang X J, Wu S G, Wang J L, et al. 2013. Anomalous wireline logging data caused by gas hydrate dissociation in the Shenhu area, northern slope of South China Sea. Chinese Journal of Geophysics (in Chinese), 56(8): 2799-2807. DOI:10.6038/cjg20130828 |
Wang Z. 2001. Fundamentals of seismic rock physics. Geophysics, 66(2): 398-412. |
Wu N Y, Yang S X, Wang H B, et al. 2009. Gas-bearing fluid influx sub-system for gas hydrate geological system in Shenhu Area, Northern South China Sea. Chinese Journal of Geophysics (in Chinese), 52(6): 1641-1650. DOI:10.3969/j.issn.0001-5733.2009.06.027 |
Wu S G, Dong D D, Yang S X, et al. 2009. Genetic model of the hydrate system in the fine grain sediments in the northern continental slope of South China Sea. Chinese Journal of Geophysics (in Chinese), 52(7): 1849-1857. DOI:10.3969/j.issn.0001-5733.2009.07.019 |
Xu H N, Yang S X, Zhang X D, et al. 2010. Seismic identification of gas hydrate and its distribution in Shenhu Area, South China Sea. Chinese Journal of Geophysics (in Chinese), 53(7): 1691-1698. DOI:10.3969/j.issn.0001-5733.2010.07.020 |
Yang S X, Liang J Q, Lu J A, et al. 2017. New understandings on the characteristics and controlling factors of gas hydrate reservoirs in the Shenhu area on the northern slope of the South China Sea. Earth Science Frontiers (in Chinese), 24(4): 1-14. |
Yin X Y, Zhang S X. 2014. Bayesian inversion for effective pore-fluid bulk modulus based on fluid-matrix decoupled amplitude variation with offset approximation. Geophysics, 79(5): R221-R232. |
Zoeppritz K. 1919. Erdbebenwellen VⅢB on the reflection and propagation of seismic waves. Gottinger Nachr., 17(1): 66-84. |
陈遵德, 郭爱华. 1998. 地震数据预测渗透率问题的讨论. 石油地球物理勘探, 33(S2): 86-90. |
邓继新, 周浩, 王欢, 等. 2015. 基于储层砂岩微观孔隙结构特征的弹性波频散响应分析. 地球物理学报, 58(9): 3389-3400. DOI:10.6038/cjg20150931 |
甘利灯, 王峣钧, 罗贤哲, 等. 2019. 基于孔隙结构参数的相控渗透率地震预测方法. 石油勘探与开发, 46(5): 883-890. |
何琰, 彭文, 殷军. 2001. 利用地震属性预测渗透率. 石油学报, 22(6): 34-36. |
胡高伟, 李承峰, 业渝光, 等. 2014. 沉积物孔隙空间天然气水合物微观分布观测. 地球物理学报, 57(5): 1675-1682. DOI:10.6038/cjg20140530 |
黄永样, Suess E, 吴能友, 等. 2008. 南海北部陆坡甲烷和天然气水合物地质:中德合作SO-177航次成果专报. 北京: 地质出版社.
|
靳秀菊, 侯加根, 刘红磊, 等. 2016. 普光气田礁滩相复杂孔隙类型储集层渗透率地震预测方法. 古地理学报, 18(2): 275-284. |
梁金强, 付少英, 陈芳, 等. 2017. 南海东北部陆坡海底甲烷渗漏及水合物成藏特征. 天然气地球科学, 28(5): 761-770. |
王秀娟, 吴时国, 王吉亮, 等. 2013. 南海北部神狐海域天然气水合物分解的测井异常. 地球物理学报, 56(8): 2799-2807. DOI:10.6038/cjg20130828 |
吴能友, 杨胜雄, 王宏斌, 等. 2009. 南海北部陆坡神狐海域天然气水合物成藏的流体运移体系. 地球物理学报, 52(6): 1641-1650. DOI:10.3969/j.issn.0001-5733.2009.06.027 |
吴时国, 董冬冬, 杨胜雄, 等. 2009. 南海北部陆坡细粒沉积物天然气水合物系统的形成模式初探. 地球物理学报, 52(7): 1849-1857. DOI:10.3969/j.issn.0001-5733.2009.07.019 |
徐华宁, 杨胜雄, 郑晓东, 等. 2010. 南中国海神狐海域天然气水合物地震识别及分布特征. 地球物理学报, 53(7): 1691-1698. DOI:10.3969/j.issn.0001-5733.2010.07.020 |
杨胜雄, 梁金强, 陆敬安, 等. 2017. 南海北部神狐海域天然气水合物成藏特征及主控因素新认识. 地学前缘, 24(4): 1-14. |