西南石油大学学报(自然科学版)  2015, Vol. 37 Issue (6): 170-180
火山岩岩石微观特征及其测井宏观表征    [PDF全文]
邓少贵1,2 , 赵岳1,2, 李栗1,2, 霍宁宁1,2    
1. 中国石油大学(华东)地球科学与技术学院, 山东 青岛 266000;
2. 中国石油大学(华东)CNPC 测井重点实验室, 山东 青岛 266000
摘要: 基于图像处理技术,分析华北某油田深层火山岩薄片图像灰度频率分布规律,研究储层岩石孔隙结构微观特征,并探索其与火山岩储层测井的响应关系。研究表明:本区酸性火山岩薄片灰度频率分布图主要呈单峰特征,具有高硅、低铁特征;基性火山岩为明显非对称分布,具有低硅、高铁特征。火山岩薄片图像中硅质成分的灰度域与GR范围对应性较好。基性火山岩GR值低,硅质成分灰度域值小;酸性火山岩GR值高,硅质成分灰度域值大。GR值可以作为硅质成分的指示值,用于基性火山岩和酸性火山岩识别。基性火山岩受蚀变影响较普遍,绿泥石化越严重,电阻率越低,中子孔隙度越大,硅质成分向灰度小的方向偏移越剧烈。
关键词: 薄片     图像处理     灰度频率     微观特征     测井响应    
Microscopic Characteristics and Logging Macro Characterization of Volcanic Rocks
Deng Shaogui1,2 , Zhao Yue1,2, Li Li1,2, Huo Ningning1,2    
1. College of Geosciences, China University of Petroleum, Qingdao, Shandong 266000, China;
2. CNPC Key Well Logging Laboratory, China University of Petroleum, Qingdao, Shandong 266000, China
Abstract: Based on the image processing techniques, this paper analyzes the gray frequency distribution of image of the thin sections in deep volcanic rocks from a certain oil field in north China, and investigates the microscopic characteristics of the pore structures of reservoirs and their relationships with the log response of volcanic reservoirs. The research shows that the thin sections in acid-volcanic-rock in this area are characterized by high silicon and low iron and that the line graph of their gray frequency presents unimodal characteristics. However, the basic volcanic rock obviously presents asymmetric distribution and shows a low silicon and high iron characteristics. Gray threshold value of the siliceous component corresponds to the range of GR better in the image of thin sections of volcanic rocks. The GR value of basic volcanic rocks is low and gray value of the siliceous component is small. The GR value and gray threshold value of the siliceous component of acid-volcanic-rock are high. So the GR value can be used as the siliceous component to identify the basic volcanic rocks and acid volcanic rocks. For basic volcanic rocks, the more serious the chloritization, the lower the resistivity, the higher the neutron porosity, the more intense the siliceous component move towards the direction of the smaller gray value.
Key words: thin sections     image processing     gray frequency     microscopic characteristics     log response    
引 言

薄片分析是地层岩石学分析的重要手段,特别是结合现代的薄片图像处理技术后,它不仅可以用于岩石组分支撑类型、颗粒接触方式、颗粒粒度、分选磨圆及显微构造等方面的观察和鉴定,也可清晰地显示出储层空间的微观结构特点及孔隙在储集层中的存在方式,揭示储层中油气分布、孔隙结构、构造之间的关系,用于求取孔隙度、数字岩芯建模、定量岩石学分析、刻度测井解释及相关的储层评价[1-3]

国外学者对薄片研究正从定性向定量发展。Nadeau P H等应用灰度统计法从BSE照片得到黏土颗粒的微孔隙,用于分析不同类型黏土矿物微孔隙差异[4]。Cerepi A等应用图像分析法计算了孔径分布、比表面、平均孔隙直径等参数,用于表征和量化碳酸盐岩的孔隙结构性质[5]。Wong H S等应用BSE照片灰度值统计的拐点法确定孔隙度的阈值范围,用于提取孔隙信息,特别适用于研究密集的微孔隙结构[6]。Galaup S等制作了致密岩石薄片,并通过扫描电镜和图像分割技术得到碳酸盐岩和白云岩孔隙结构参数[7]。吴继敏通过薄片显微描绘和自动图像分析技术对主要矿物的密度分布、粒度、形状及空间分布模式进行定量分析,与现有成熟岩石学研究结果相比较,具有较好的一致性[8]。张春生等利用图像处理技术试图将岩石的微观结构同现代及古代沉积剖面结合,对储层结构和地质剖面作宏观与微观定量分类识别[9]

火山岩储层岩性类型多,矿物成分复杂,加之不同类型的火山岩储层次生作用及蚀变现象不同,造成不同岩性火山岩存储能力差异较大。因此,火山岩岩性和有效储层识别是测井评价的关键,特别是从岩石微观结构出发,研究储层岩石学特征与其测井宏观响应的关系,对于利用测井评价火山岩的岩性、孔隙类型及其组合方式,进而实现流体识别具有重要意义[10-12]

1 火山岩薄片图像处理与分析 1.1 薄片图像处理方法

岩石薄片图像一般以RGB格式储存,由红、绿、蓝三基色构成。采用多元分割技术对岩石薄片图像进行阈值分割,将RGB格式转化为灰度格式储存,各成分灰度值在0~255[13]。将薄片图像灰度分布特征和岩石组分相关,即认为相似矿物成分具有相似的灰度分布特征,火山岩薄片图像灰度分布呈现单/多峰分布特征。由于在常规薄片正交偏光照片中,相同矿物在不同位置会产生不同亮度,即相同组分可能具有不同灰度值,不同的组分也可能有相似的灰度表征,也可使分布形态改变。尽管如此,无论薄片成分的灰度值在不同观察条件下如何变化,硅质成分始终在薄片中含量最多。因此,定义灰度统计中频率最高的灰度范围为硅质成分,并以此进行其他成分的划分。各成分分布特征符合高斯分布,采用高斯函数法可对每个峰进行拟合。

$ G(g, u, \sigma )= \dfrac{1}{\sigma \sqrt {2\pi } }{\rm{e}}^{\dfrac{1}{2}{\left(\dfrac{g-u}{\sigma }\right)}^2} $ (1)

式中:u-均值;$\sigma$-方差;g-灰度值。

对于整幅图片,可构建目标函数

$ \min \sum\limits_{g = 1}^{255} {{{\left[f(g)-{a_\phi }G(g, {u_\phi }, {\sigma _\phi })-{a_{\rm s}}G(g, {u_{\rm s}}, {\sigma _{\rm s}})-{a_{\rm F}}G(g, {u_{\rm F}}, {\sigma _{\rm F}})\right]}^2}}\ $ (2)

式中:$a_\phi,a_{\rm s},a_{\rm F}$-孔隙、硅质成分和铁镁矿物的相对含量;$u_\phi、u_{\rm s}、u_{\rm F}$-孔隙、硅质成分和铁镁矿物的灰度均值;$\sigma_\phi,\sigma_{\rm s},\sigma_{\rm F}$-孔隙、硅质成分和铁镁矿物的灰度方差。

式(2)是超定方程组,待求参数9个,方程总数256个,应用广义简约梯度非线性最优化算法(GRG2)可得未知参数[14]。获得未知参数后根据图像及高斯函数性质按灰度特征进行各成分识别。

图 1所示,火山岩薄片的灰度频率分布大体分为3个区域,分别代表孔隙,硅质成分(以长石、石英为主)和其他铁镁矿物成分,灰度频率分布图通常以单峰为主,主峰与火山岩中含量最多的硅质成分对应;黏土矿物颜色往往介于长石、石英和孔隙之间,但由于黏土矿物往往附着在长石、石英上或者部分充填孔隙中,如果含量少,在灰度图上不单独呈现峰态而难以区分。

图1 各个成分划分结果 Fig. 1 Results of the components division
1.2 火山岩岩性微观模式分析

研究目标区位于中新生代渤海湾裂谷盆地黄骅拗陷北部,整个拗陷可以划分为5个次级凹陷,该凹陷的沙河街组为火山岩与碎屑岩互层构成地层骨架,使得岩性在纵向上的分布较为复杂[15]。深层沙河街期,断穿基底的断裂活动加剧,火山活动频繁,在新生代有多期次的基性岩浆活动,形成大量玄武岩和少量次火山岩、火山碎屑岩。火山岩储层埋藏深度3 800~5 000 m、地层厚度800~1 000 m,火山岩类型主要包括流纹岩、流纹质火山角砾岩、流纹质凝灰岩以及玄武岩、玄武质火山角砾岩和玄武质凝灰岩。玄武岩SiO2含量在48%~52%,主要矿物成分为橄榄石等暗色铁镁矿物和斜长石;流纹岩SiO2含量在68%~77%,铁镁矿物主要见黑云母,但含量很低,主要矿物为碱性长石,斜长石含量相对减少,石英含量明显增加,一般大于20%[16-18]

酸性火山岩薄片灰度频率分布主要呈单峰特征,峰值相对靠右,对应灰度值主要在65~130。基性火山岩为明显非对称单峰分布,但右侧具明显彗尾现象,且峰值出现相对左靠,对应灰度值分布在10~60。在孔隙灰度域中,本区酸性火山岩孔隙度明显高于基性火山岩;在硅质成分灰度域内,基性火山岩硅质成分含量较酸性火山岩偏小;在铁镁灰度域内,基性火山岩铁镁矿物分布范围明显大于酸性火山岩,如表 1

表1 火山岩成分灰度分布 Table 1 Grayscale distribution of composition of volcanic rocks

(1) 流纹岩

流纹岩具有斑状结构、基质似球粒结构、气孔构造等特征,如图 2a。斑晶主要为石英、长石,基质为长英质组成。晶内溶孔主要分布于长石斑晶中,溶蚀微孔分布于基质中。气孔发育,有未充填、半充填和全充填,充填成分为硅质。流纹岩灰度频率分布以长石峰为主伴生石英峰,硅质成分灰度域范围宽,灰度值为67~134,石英含量明显,石英峰可呈现单独峰态,铁镁矿物灰度域范围窄,含量较少,如图 2b

图2 流纹岩薄片及薄片灰度频率分布 Fig. 2 Thin sections and distribution of gray frequency of thin sections of rhyolite

(2) 流纹质角砾岩

流纹质角砾岩为斑状结构、基质隐晶结构及球粒结构特征,如图 3a,斑晶为石英、长石,基质为隐晶质脱玻化,见不规则球粒状分布,方解石不均匀交代,孔隙主要为基质溶孔。灰度频率以单峰为主,如图 3b,峰形态比较对称,硅质成分灰度域范围宽,灰度值为68~141,铁镁矿物灰度域范围窄,含量较少。

图3 流纹质角砾岩薄片及薄片灰度频率分布 Fig. 3 Thin sections and distribution of gray frequency of thin sections of rhyolitic breccia

(3) 流纹质凝灰岩

薄片特征为斑状结构、基质似球粒结构,如图 4a,斑晶主要为石英、长石,基质为长英质,不均匀重结晶,方解石、白云石不均匀交代,构造缝被硅质、白云石全充填,孔隙以晶内溶孔为主,分布于长石斑晶中,基质中发育细小溶蚀孔隙。对应的灰度频率特征以单峰为主,如图 4b,峰态重心偏左,硅质成分灰度域为56~102,在灰度值250左右,出现尖峰,说明有较多浅色矿物充填。

图4 流纹质凝灰岩薄片及薄片灰度频率分布 Fig. 4 Thin sections and distribution of gray frequency of thin sections of rhyolitic tuff

(4) 玄武岩

薄片显示气孔多近圆形,如图 5a,充填物为方解石和绿泥石,多期充填。灰度频率特征如图 5b,非对称单峰分布,右侧具明显彗尾现象,且峰值出现相对左靠,硅质成分灰度域为6~54;铁镁矿物灰度域范围广,灰度值频率均匀分布,说明铁、镁矿物含量差异不明显。

图5 玄武岩薄片及薄片灰度频率分布 Fig. 5 Thin sections and distribution of gray frequency of thin sections of basalt

(5) 玄武质角砾岩

薄片显示角砾成分为玄武岩,溶蚀作用常见,气孔内充填绿泥石,见溶孔,形状不规则,如图 6a。其灰度频率特征如图 6b,为非对称单峰分布,硅质成分灰度域范围窄,在30~61,且峰值出现相对左靠;铁镁矿物灰度域范围广,含量相对较多,灰度频率分布不均匀,铁、镁矿物含量差异明显。在灰度值250左右,出现尖峰,有浅色矿物充填。

图6 玄武质角砾岩薄片及薄片灰度频率分布 Fig. 6 Thin sections and distribution of gray frequency of thin sections of basaltic breccia

(6) 玄武质凝灰岩

具有玻基斑状结构,如图 7a,斑晶为基性斜长石,具绢云母化;基质主要为玻璃质,发生强烈伊利石化和绿泥石化;基质局部具交织结构,系长石格架间充填玻璃质;岩石发育密集的气孔,被绿泥石和方解石充填为杏仁,二者各自成片分布。灰度频率特征如图 7b,为非对称单峰分布,硅质成分灰度域范围窄为12~40,峰形态左偏严重,右侧具明显彗尾现象;铁镁矿物灰度域范围广,含量高,灰度频率分部较均匀。在灰度值250左右,出现尖峰,有浅色矿物充填。

图7 玄武质凝灰岩薄片及薄片灰度频率分布 Fig. 7 Thin sections and distribution of gray frequency of thin sections of basaltic tuff
2 岩石微观特征与测井宏观响应的关系 2.1 火山岩岩石物理宏观特征

一般基性火山岩硅质成分灰度频率分布范围较酸性火山岩偏小,而铁镁矿物分布范围明显大于酸性火山岩,右侧具有明显彗尾现象。将其对应,ECS测井显示,酸性火山岩具有高硅、低铁特征,而基性火山岩则表现为低硅、高铁特征[19-20],如图 8图 9表 2。同时,基性火山岩一般具有低GR、相对较高的CNL分布范围,而基性火山岩和酸性火山岩的电阻率、声波测井重叠较明显,相对来说,基性岩电阻率较高,声波时差较低。

图8 硅含量分布范围 Fig. 8 Distribution of silica content
图9 铁含量分布范围 Fig. 9 Distribution of iron content
表2 火山岩成分灰度分布 Table 2 Grayscale distribution of composition of volcanic rocks
2.2 岩石微观特征与测井响应关系

针对目标区不同岩性火山岩,将岩石薄片图像灰度域与测井响应进行对比分析,如图 10图 15,酸性火山岩薄片图像灰度与基性火山岩整体显示差异明显,但由于灰度主要反映成分的变化,而不能显示结构特征,如流纹岩与流纹质凝灰岩、流纹质角砾岩重叠程度高,玄武岩与玄武质凝灰岩、玄武质角砾岩类似。

图10 硅质成分灰度域-伽马交会图 Fig. 10 The cross plot of gray domain of Siliceous composition and gamma
图11 硅质成分灰度域-声波时差交会图 Fig. 11 The cross plot of gray domain of Siliceous composition and acoustic time
图12 硅质成分灰度域-电阻率交会图 Fig. 12 The cross plot of gray domain of Siliceous composition and resistivity
图13 硅质成分灰度域-补偿中子交会图 Fig. 13 The cross plot of gray domain of Siliceous composition and compensated neutron
图14 伽马-电阻率交会图 Fig. 14 The cross plot of gamma and resistivity
图15 伽马-声波时差交会图 Fig. 15 The cross plot of gamma and acoustic time

火山岩薄片图像硅质成分灰度域与GR对应性较好,如图 10,基性火山岩GR值低,硅质成分灰度域值小;酸性火山岩GR值高,硅质成分灰度域值大。因此,GR值可以作为硅质成分的指示值,用于基性火山岩和酸性火山岩识别。基性火山岩和酸性火山岩声波时差大部分重叠在60~90 μs/ft,如图 11,部分玄武岩声波时差小于60 μs/ft,少量玄武质凝灰岩大于90 μs/ft。电阻率测井可用于识别凝灰岩,通常表现为明显低值,如图 12。玄武质凝灰岩CNL值整体大于玄武岩,玄武质角砾岩CNL值最小,如图 13。基于火山岩岩石微观特征与各测井响应交会信息认识,GR值在识别火山岩岩性方面分辨率最高,电阻率、声波时差虽有重叠,但不同岩性在交会图中的位置基本能反映火山岩岩性变化和结构变化。

选取目标区某井火山岩层段,如图 16。在3 996~4 010、4 013~4 022、4 046~4 065 m深度段,伽马值为89~120 API,电阻率为10~26 Ω·m,声波时差为64~76 μs/ft,中子值为6~13;ECS测井显示,Si含量为34%~43%,Fe含量为0.9%~2.4%,根据图 14图 15,显示为流纹岩,与录井分析结果吻合。4 030~4 036、4 039~4 045 m深度段,伽马值较低,范围为34~75 API,电阻率为25~306 Ω·m,声波时差为50~68 μs/ft,中子值为3~24;ECS测井显示Si含量低为15%~24%,Fe含量高为2.3%~11%,显示为玄武岩,结果与录井分析吻合。

图16 火山岩特征综合解释成果 Fig. 16 Comprehensive interpretation results of characteristics of volcanic rocks
2.3 火山岩蚀变的微观显示及其对测井响应的影响

目标区深层基性火山岩往往发生蚀变作用,蚀变作用主要为绿泥石化,其中,玄武质角砾岩蚀变程度弱于玄武岩和玄武质凝灰岩。如果黏土含量低,黏土峰会被掩盖。随着泥化蚀变加深,硅质成分灰度域整体向灰度减小方向偏移,如果长石绿泥石化严重,也可出现黏土峰,如图 17。绿泥石化导致电阻率降低,中子孔隙度增大等,且泥化作用越强,中子孔隙度越大、电阻率越小,硅质成分灰度域向灰度小的方向偏移越剧烈,如图 12图 13

图17 蚀变基性火山岩薄片鉴定特征 Fig. 17 Identification characteristics of thin sections of altered basic volcanic rocks
3 结 论

(1) 研究区深层火山岩薄片灰度频率分布具有6种模式。酸性火山岩薄片灰度频率分布主要呈单峰特征,峰值相对右靠,具有高硅、低铁特征;基性火山岩为明显非对称单峰分布,但右侧具明显彗尾现象,且峰值出现相对左靠,表现为低硅、高铁特征。薄片灰度频率分布反映的不同岩性火山岩成分特征与ECS测井具有很好的对应性。

(2) 火山岩薄片图像中硅质成分灰度域与GR范围对应性较好,基性火山岩GR值低,硅质成分灰度域值小;酸性火山岩GR值高,硅质成分灰度域值大。GR值可以作为硅质成分的指示值,用于基性火山岩和酸性火山岩识别。电阻率、声波时差虽有重叠,但基本能反映火山岩岩性变化。

(3) 基性火山岩受到蚀变影响较普遍,不同蚀变程度的基型火山岩,绿泥石化越严重,电阻率越低,中子孔隙度越大,硅质成分向灰度小的方向偏移越剧烈。

参考文献
[1] 王燕, 冯明刚, 熊治富, 等. 铸体薄片资料刻度测井解释孔隙度精度[J]. 天然气技术与经济, 2011, 5 (4) : 26 –40.
Wang Yan, Feng Minggang, Xiong Zhifu, et al. Casting thin-section data for identifying porosity accuracy interpreted by well logging[J]. Natural Gas Technology and the Economy, 2011, 5 (4) : 26 –40.
[2] 刘庆利, 吴国平, 胡剑策, 等. 铸体薄片分析法求取储层孔隙度[J]. 测绘科学技术学报, 2009, 26 (1) : 69 –72.
Liu Qingli, Wu Guoping, Hu Jiance, et al. Strike the reservoir porosity using the casting sheet image[J]. Journal of Geomatics Science and Technology, 2009, 26 (1) : 69 –72.
[3] 赵明. 岩石薄片显微图像技术在储集层评价中的应用[J]. 录井工程, 2007, 18 (3) : 13 –16.
Zhao Ming. Rock thin section micro-image graphic technique and its application in reservoir evaluation[J]. Mud Logging Engineering, 2007, 18 (3) : 13 –16.
[4] Nadeau P H, Hurst A. Application of back-scattered electron microscopy to the quantification of clay mineral microporosity in sandstones[J]. Journal of Sedimentary Research, 1991, 61 (6) : 921 –925.
[5] Cerepi A, Humbert L, Burlot R. Petrophysical properties of porous medium from petrographic image analysis data[J]. Colloids and Surfaces A:Physicochemical and Engineering Aspects, 2001, 187188 : 233 –256.
[6] Wong H S, Head M K, Buenfeld N R. Pore segmentation of cement-based materials from backscattered electron images[J]. Cement and Concrete Research, 2006, 36 (6) : 1083 –1090. DOI:10.1016/j.cemconres.2005.10.006
[7] Galaup S, Liu Y, Cerepi A. New integrated 2D-3D physical method to evaluate the Porosity and microstructure of carbonate and dolomite porous system[J]. Microporous and Mesoporous Materials, 2012, 154 : 175 –186. DOI:10.1016/j.micromeso.2011.12.021
[8] 吴继敏. 薄片显微描绘和自动图像分析技术在岩石学定量评价中的应用[J]. 矿物岩石, 1999, 19 (2) : 25 –30.
Wu Jimin. Technique of micro-description of thin sections and auto image estimation of petrology[J]. Journal of Mineralogy and Petrology, 1999, 19 (2) : 25 –30.
[9] 张春生, 曹跃华, 赖志云, 等. 储层结构及地质剖面图像处理技术[J]. 石油与天然气地质, 1995, 16 (2) : 190 –194.
Zhang Chunsheng, Cao Yaohua, Lai Zhiyun, et al. Image processing technology of reservior structures and geological profiles[J]. Oil & Gas Geology, 1995, 16 (2) : 190 –194.
[10] 陈建文. 一门新兴的边缘学科——火山岩储层地质学[J]. 海洋地质动态, 2002, 18 (4) : 19 –22.
Chen Jianwen. A rising borderline science-volcanic rock reservoir geology[J]. Marine Geology Letters, 2002, 18 (4) : 19 –22.
[11] 石磊, 李书兵, 黄亮, 等. 火山岩储层研究现状与存在的问题[J]. 西南石油大学学报:自然科学版, 2009, 31 (4) : 28 –33.
Shi Lei, Li Shubing, Huang Liang, et al. Current research situation and the problems of volcanic rock reservoirs[J]. Journal of Southwest Petroleum University:Science & Technology Edition, 2009, 31 (4) : 28 –33.
[12] 吴颜雄, 王璞珺, 吴艳辉, 等. 火山岩储层储集空间的构成——以松辽盆地为例[J]. 天然气工业, 2011, 31 (4) : 28 –33.
Wu Yanxiong, Wang Pujun, Wu Yanhui, et al. Components of volcanic reservoir space:A case study from the Songliao Basin[J]. Natural Gas Industry, 2011, 31 (4) : 28 –33.
[13] 葛新民. 非均质碎屑岩储层孔隙结构表征及测井精细评价研究[D]. 青岛:中国石油大学(华东), 2013.
[14] Faluyi F, Arum C. Design optimization of plate girder using generalized reduced gradient and constrained artificial beecolony algorithms[J]. International Journal of Emerging Technology and Advanced Engineering, 2012, 2 (7) : 304 –312.
[15] 李祖兵, 罗明高, 王建伟, 等. 利用测井资料识别火山岩岩性的方法探讨——以南堡5号构造沙河街组岩性圈闭为例[J]. 天然气地球科学, 2009, 20 (1) : 113 –118.
Li Zubing, Luo Minggao, Wang Jianwei, et al. Research on methods of identifying volcanic rocks:An example from Shahejie Group in 5th structure, Nanpu[J]. Natural Gas Geoscience, 2009, 20 (1) : 113 –118.
[16] 朱学娟. 南堡5号深层火山岩油气藏测井识别与评价技术研究[D]. 青岛:中国石油大学(华东), 2011.
[17] 李石, 王彤. 火山岩[M]. 北京: 地质出版社, 1981 .
[18] 徐夕生, 邱检生. 火山岩岩石学[M]. 北京: 科学出版社, 2010 .
[19] 李洪娟, 杨学峰, 覃豪. 酸性火山岩储层岩性与流体识别[J]. 天然气工业, 2009, 29 (8) : 29 –31.
Li Hongjuan, Yang Xuefeng, Qin Hao. Identification of lithology and fluids of acid volcanic rocks:A case study of volcanic reservoirs in Xushen Gas Field[J]. Natural Gas Industry, 2009, 29 (8) : 29 –31.
[20] 韩琳, 潘保芝. 利用ECS测井资料反演火山岩中矿物含量[J]. 物探化探计算技术, 2009, 31 (2) : 149 –153.
Han Lin, Pan Baozhi. Inversion for mineral contents of volcanic rock by using ECS logging data[J]. Computing Techniques For Geophysical and Geochemical Exploration, 2009, 31 (2) : 149 –153.