岩性油气藏  2020, Vol. 32 Issue (5): 113-121       PDF    
×
页岩纳米孔隙的结构量化表征——以川东南地区五峰组为例
郭娟1, 赵迪斐1,2, 梁孝柏1, 杨坤1, 李昊轩1, 龙代玺1    
1. 中国矿业大学 资源与地球科学学院, 江苏 徐州 221116;
2. 煤层气资源与成藏过程教育部重点实验室, 江苏 徐州 221008
摘要: 为探究页岩纳米孔隙结构量化的新方法,以川东南地区五峰组页岩储层样品为例,通过氩离子抛光-场发射扫描电镜技术获取高分辨率纳米尺度孔隙图像,运用Adobe Photoshop,Adobe Illustrator,Image J等软件进行纳米尺度孔隙图像的数值化处理,并提取纳米孔隙的发育特征与结构参数。结果表明:五峰组页岩储层样品主要发育4种类型的纳米孔隙,分别为有机质孔隙、矿物粒内结构孔隙、矿物粒内溶蚀孔隙以及微裂隙等,其中有机质孔隙最为发育;通过图像信息提取,获取每个孔隙的形状因子、圆度、伸长率、偏心率、熵值等量化参数,并基于对孔隙不同参数的交会图综合表征,提出一种对页岩不同类型孔隙进行量化表征的方法。对纳米孔隙精细量化的研究,可以为相关研究提供参考,为孔隙结构表征及优质页岩储层发育机理研究提供新思路、新方法。
关键词: 纳米孔隙    页岩    量化表征    图像数值化    图像处理    五峰组    川东南地区    
Quantitative characterization of shale nanopore structure: a case study of Wufeng Formation in southeastern Sichuan
GUO Juan1, ZHAO Difei1,2, LIANG Xiaobo1, YANG Kun1, LI Haoxuan1, LONG Daixi1    
1. School of Resources and Geosciences, China University of Mining and Technology, Xuzhou 221116, Jiangsu, China;
2. Key Laboratory of Coalbed Methane Resources and Reservoir Formation Process, Ministry of Education, China University of Mining and Technology, Xuzhou 221008, Jiangsu, China
Abstract: In order to explore a new method of shale nanopore structure quantification, taking shale reservoir samples of Wufeng Formation in southeastern Sichuan area as an example, high-resolution nanopore images were obtained by argon ion polishing(AIP)and field emission scanning electron microscopy(FE-SEM). The nanoscale pore images were numerically processed by Adobe Photoshop, Adobe Illustrator, Image J, and the development characteristics and structural parameters of nanopores were quantitatively extracted. The results show that four major types of nanopores are developed in shale reservoirs of Wufeng Formation, including organic pores, mineral intragranular structural pores, mineral intragranular dissolved pores and micro fractures, among which organic pores are the predominant pores. Through image information extraction, the quantitative parameters such as shape factor, roundness, elongation, eccentricity and entropy value for each pore were obtained, and a quantitative characterization method for different types of pores in shale was proposed based on the intersection of different parameters of pores. The study of quantification of nanopores is helpful to provide new approaches for the study on pore structure characterization and formation mechanism of high-quality shale reservoirs.
Key words: nanopore    shale    quantitative characterization    image digitization    image processing    Wufeng Formation    southeastern Sichuan    
0 引言

中国页岩气资源丰富、分布广泛,尤其是四川盆地,具有页岩气开发的地质基础和较大的资源潜力,目前已经在涪陵焦石坝地区等形成页岩气产能[1-2]。四川盆地奥陶系五峰组-志留系龙马溪组是中国目前页岩气研究的热点目标层系[3-4]。中国页岩气勘探起步较晚,美国最先开始对页岩气的勘探开发[5],从2012年开始,中国页岩气开发进入气藏勘探和初步开采试点阶段,目前,中国已经成为世界第三大页岩气生产国。作为一种重要的非常规天然气资源,页岩气的储存空间主要为纳米孔隙,以吸附和游离状态为气体的主要赋存方式[6-7]。纳米孔隙是页岩气的主要储集空间[8],具有极强的非均质性[9],孔隙类型与孔隙结构的差异对页岩储层的物性、含气性具有显著影响[10]。目前,国内外学者对页岩孔隙结构的表征与研究主要包括侵入式媒介法、图像法、核磁共振法、气体吸附法等[11-13],氩离子抛光-场发射扫描电镜技术的发展[14]使获取高分辨率的页岩纳米孔隙图像成为可能,极大地促进了纳米孔隙的表征研究。在人工智能与数据挖掘技术快速发展的背景下,基于精细纳米孔隙图像,在海量图像、数据中挖掘有效信息是加深储层表征与孔隙研究深度的必要途径。目前,纳米孔隙的研究一般为定性观测或以液氮、压汞等实验方法对孔隙整体结构进行研究,通过图像的数值化量化处理实现孔隙定量表征的研究仍相对较少[15-17]

高精度图像是对孔隙形貌的直接还原,具有真实性高、精度高的优点,是实现不同类型孔隙定量表征的基础。通过图像数值化方法获得孔隙的量化参数,可以获取不同类型孔隙的孔径、面积、周长、形状因子等分布特征[18],进而为页岩储层的物性与含气性评价、赋存富集机理研究等提供基础依据[15]。以四川盆地东南部上奥陶统五峰组页岩样品为例,通过图像数值化方法获得孔隙的量化参数,开展页岩纳米孔隙的结构定量表征,以期为页岩气储层表征与研究提供新思路、新方法。

1 实验样品与研究方法 1.1 实验样品

实验样品选自四川盆地东部三泉剖面以及盐津地区YJ-1井的上奥陶统五峰组灰黑色炭质页岩(图 1)。三泉剖面位于川东地区,在大地构造上属于川东高陡构造褶皱区,YJ-1井处于四川盆地南缘地区,盐津地区北部与川中低缓褶皱区过渡,西部毗邻川滇南北构造带,南侧为滇中、黔中隆起(图 1)。研究区内五峰组页岩稳定发育[19],顶部为观音桥段灰质泥页岩或泥质灰岩。五峰组页岩为滞留盆地沉积,与下伏临湘组整合接触,与上覆志留系龙马溪组整合接触(图 2),主要形成于滞留-强还原环境,有机碳含量高[20]。五峰组厚度相对较小,页岩气主要以水平井的方式生产,五峰组与龙马溪组底部均是层系内主要的压裂目标。

下载原图 图 1 研究区构造纲要图及取样位置 Ⅰ.川西-川北山前坳陷区;Ⅱ.川中平缓地块区;Ⅲ.川西南低缓构造褶皱区;Ⅳ.川南中缓构造褶皱区;Ⅴ.川东高陡构造褶皱区;Ⅵ.川黔坳陷断褶带褶区 Fig. 1 Structural outline and sampling location of the study area
下载原图 图 2 三泉剖面、YJ-1井五峰组岩性柱状图及取样位置 Fig. 2 Lithological column and sampling location of Wufeng Formation of Sanquan section and well YJ-1

选取代表性样品(三泉剖面S-1样品与YJ-1井Y-1样品)开展氩离子抛光-场发射扫描电镜、X射线衍射、TOC测试等实验分析以及图像处理(Image processing)。五峰组测试样品的基本信息如表 1所列,样品矿物组分以石英与黏土矿物为主,还含有少量碳酸盐矿物、长石、黄铁矿等组分,TOC质量分数分别为2.8%(S-1)与2.4%(Y-1)。选样时,S-1样品与Y-1样品的矿物类型一致,矿物含量相近,有机质含量差异也不大,以便通过图像数值化表征五峰组孔隙系统的结构特征。目前,上扬子地区的页岩气主采层位为五峰组-龙马溪组底部,开采方式为水平井与水力压裂。因此,页岩储层的开采主要是针对最优质储层进行小层开发,目标层位在地层中所占厚度较小。五峰组与龙马溪组底部数米范围,是目前勘探开发的主要目的层位,对占据目的层位较大比例厚度的五峰组展开专门研究,具有理论与实际意义。

下载CSV 表 1 测试样品的矿物组分与有机质含量 Table 1 Mineral composition and organic matter content of test samples  
1.2 研究方法

将页岩样品进行磨片、表面处理后,使用微区无喷金+氩离子抛光技术,并结合场发射扫描电镜获取五峰组页岩纳米尺度孔隙的高分辨率图像。微区无喷金技术通过微区覆膜喷金,使表面在具有较好导电性的基础上,还具有还原表面样貌以及5 nm以下纳米孔隙的能力。获取图像后,应用Adobe Photoshop,Adobe Illustrator以及Image J软件对高分辨率图像进行量化、数值化处理,并提取孔隙的结构参数,如孔隙面积、周长、短轴长度、长轴长度、面孔率等[21]。图像数值化处理的步骤如下(图 3):①用Adobe Photoshop提高图片的对比度,使孔隙结构更加清晰易辨,并圈选出所有孔隙,圈选是最重要的一个步骤;全部圈选之后,将选好的孔隙填充为黑色,其余背景为白色;②应用Adobe Illustrator软件,将图片转换为低保真度图片,扩展后导出;③在Adobe Illustrator储存图片中应用Image J直线工具确定图像比例尺,而后将图片二值化,并设置比例尺,通过Image J的Analyze Particles模块导出数据。

下载原图 图 3 页岩纳米孔隙图像二值化、孔隙量化流程 Fig. 3 Binarization and quantification of shale nanopore image

通过以上处理流程,可以获得图像中每个孔隙的结构参数,结合数据分析整理,即可通过结构参数实现不同类型孔隙的结构参数评价,也可以获得整个样品的孔隙结构特征。利用微区无喷金结合氩离子抛光-场发射扫描电镜观测获取页岩表面高精度图像,可获取的单像素孔隙(实际为与单像素面积相似大小的孔隙)孔径约为0.67 nm。

2 实验结果 2.1 五峰组页岩纳米孔隙发育类型

扫描电镜观测显示,川东南地区五峰组页岩纳米孔隙发育类型复杂,依据孔隙发育的物质组分与空间位置等,储层主要孔隙类型包括有机质孔隙、矿物粒内结构孔隙、矿物粒内溶蚀孔隙、微裂隙等(图 4表 2)。样品孔隙在微观尺度分布不均一,孔隙的形貌、延展、内壁特征、空间分布差异显著。有机质孔隙在有机质内部密集发育[图 4(a)],黄铁矿微晶间也发育有有机质孔隙[图 4(b)],矿物粒内结构孔隙成因主要包括矿物粒内结构缺陷与溶蚀作用,部分矿物粒内孔隙在矿物内部发育,连通性较差[图 4(c)],部分属于矿物粒内溶蚀孔隙[图 4 (d)]与铸模孔隙[图 4(e)],故可分为矿物粒内结构孔隙与矿物粒内溶蚀孔隙,微裂隙常发育在矿物组分间[图 4(f)]。

下载原图 图 4 川东南地区五峰组页岩样品的纳米孔隙特征 (a)有机质孔隙,Y-1井,1 581 m,氩离子抛光-场发射扫描电镜;(b)黄铁矿微晶间发育有机质孔隙,三泉剖面,氩离子抛光-场发射扫描电镜;(c)矿物粒内结构孔隙,Y-1井,1 581 m,氩离子抛光-场发射扫描电镜;(d)有机质孔隙与矿物粒内溶蚀孔隙,三泉剖面,氩离子抛光-场发射扫描电镜;(e)矿物粒内溶蚀孔隙,三泉剖面,氩离子抛光-场发射扫描电镜;(f)微裂隙,三泉剖面,氩离子抛光-场发射扫描电镜 Fig. 4 Nanopore characteristics of shale samples of Wufeng Formation in southeastern Sichuan
下载CSV 表 2 川东南地区五峰组页岩储层样品孔隙结构特征 Table 2 Pore structure characteristics of shale reservoir of Wufeng Formation in southeastern Sichuan
2.1.1 有机质孔隙

五峰组页岩样品中有机质孔隙发育程度较好[图 4(a)(b)],观测表明,五峰组页岩储层有机质孔隙主要为热成因孔隙,一是由干酪根生烃形成,二是由沥青裂解形成,有机质的成熟度决定了有机质孔隙的发育程度[13]。有机质孔隙孔径一般处于纳米尺度,其孔径远远小于矿物孔隙的主要分布范围,可以为储层提供丰富的储集空间与吸附点位,使储层气体主要以吸附态赋存于有机质孔隙表面[6]。孔隙图像的数值化量化表征反映,五峰组页岩有机质孔隙全孔径为0.67~122.00 nm,峰值为0.67~ 20.00 nm,平均孔径约为14.46 nm,其中0.67 nm的孔径分布下限对应图像单像素的直径大小,在孔隙识别时,与单像素面积相近的孔隙将被识别为单像素点。采用国际理论与应用化学联合会(IUPAC)的划分方法[22],按孔径大小将孔隙划分为:微孔 < 2 nm、介孔2~50 nm、大孔>50 nm。

因此,五峰组页岩储层有机质孔隙多为介孔,少部分为小孔和大孔。储层有机质孔隙形态多样,发育有椭圆形、近圆形、凹坑形等,局部可见狭缝形有机质孔隙,以椭圆形、近圆形为主。五峰组样品的有机质孔隙相对集中在有机质内部,受到有机质分布的影响[23][图 4(a)];部分黄铁矿微晶中有机质孔隙发育良好,发育在草莓状黄铁矿集合体内部,属于对储层微观储集空间具有贡献的孔隙类型[24][图 4(b)],黄铁矿微晶间有机质孔隙孔径集中在2~50 nm。

2.1.2 矿物粒内结构孔隙

矿物粒内结构孔隙是指矿物晶体形成过程中,由于晶体生长缺陷、包裹体、次生加大缺陷等形成的[25],主要处于矿物内部的结构孔隙,连通性较差。矿物粒内结构孔隙多呈凹坑形[图 4(c)],对储层孔隙系统贡献率低,矿物粒内溶蚀孔隙的孔径分布主要为1.01~151.84 nm,集中在10~40 nm,平均孔径约为34.61 nm。与有机质孔隙相比,矿物粒内结构孔隙的孔径相对更大,但矿物粒内结构孔隙的连通性明显更差,亲气性弱。

2.1.3 矿物粒内溶蚀孔隙

矿物粒内溶蚀孔隙是碳酸盐矿物、长石等易溶蚀矿物被流体部分溶解后形成的孔隙。因矿物粒内溶蚀孔隙主要在矿物与酸碱性流体的接触面形成,因此连通性较好,易与矿物粒内结构孔隙区分。矿物粒内溶蚀孔隙的孔径一般处于数百纳米级或微米级,近地表样品中的部分溶蚀孔隙可达毫米尺度,属于次生风化作用所致。对于川东南地区的五峰组页岩样品[图 4(e)-(f)],储层矿物粒内溶蚀孔隙的孔径分布在3.2~9375.0 nm,其中,只有少数孔隙的孔径处于100 nm以下,大多数孔隙的孔径集中在100~1 000 nm,常发育在矿物周缘[图 4(d)],属于矿物被部分溶蚀形成,可以通过孔径及发育位置与其他类型孔隙相区别。

2.1.4 微裂隙

五峰组页岩样品中的微裂隙较为发育,形状一般为狭缝形,微裂隙的长度处于几百纳米到几微米不等[图 4(f)],微裂隙成因复杂,主要成因是页岩储层受地质构造应力作用产生的力学薄弱面破裂[20]。陈相霖等[26]研究认为,微裂隙还可以与其他孔隙相接触,从而形成页岩气体流通的通道,微裂隙对于气体的运移具有重要意义。

2.2 五峰组页岩纳米孔隙的图像数值化处理

通过图像数值化处理,获得纳米孔隙图像中总孔隙面积、孔隙周长、孔隙数量、面孔率等整体参数,以及每个孔隙的面积、周长、长轴长度、短轴长度、宽度、高度等单孔隙结构量化信息。基于上述数据,可以进一步获取每个孔隙的结构参数,如形状因子、伸长率、熵值等,进而实现储层各类孔隙发育特征的定量表征[21]

2.3 五峰组页岩纳米孔隙的结构参数

遴选出的页岩纳米孔隙结构参数主要包括形状因子、圆度、伸长率、偏心率等,可以定量表征孔隙的发育程度与结构特征。不同类型孔隙的形状因子、圆度、伸长率、偏心率等参数范围与峰值存在差异,可以作为甄别与评价孔隙结构的依据。其中,形状因子定义为:

$ ff = \frac{{4{\rm{ \mathit{ π} }}\mathit{S}}}{{{C^2}}} $ (1)

式中:ff为形状因子;S为孔隙面积,nm2C为孔隙周长,nm。

选用多张有机质孔隙的代表性孔隙图片,其结构参数提取结果如表 3所列。

下载CSV 表 3 Y-1井代表性孔隙的结构参数提取 Table 3 Extraction of pore structure parameters from representative pictures of well Y-1
3 讨论 3.1 五峰组页岩孔隙发育比例

川东南地区五峰组页岩主要发育4种类型的孔隙,包括有机质孔隙、矿物粒内结构孔隙、矿物粒内溶蚀孔隙、微裂隙。据面孔率统计反映,五峰组页岩有机质孔隙面孔率约为1.4%,矿物粒内结构孔隙面孔率为0.3%,矿物粒内溶蚀孔隙面孔率为0.06%,微裂隙面孔率为0.3%,说明在五峰组的页岩储层中,有机质孔隙占比最高,是最为发育的孔隙类型(图 5),其次为矿物粒内结构孔隙与微裂隙。面孔率的差异不仅与孔隙数量相关,而且与孔隙面积以及在相应物质组分中的发育程度相关。

下载原图 图 5 川东南地区五峰组页岩不同类型纳米孔隙对储集空间的贡献比例 Fig. 5 Contribution ratio of different types of nanopores of Wufeng Formation shale to reservoir space in southeastern Sichuan
3.2 五峰组页岩储层孔隙类型及量化表征

扫描电镜观测显示,储层中各类孔隙结构差异显著,常规方法仅能实现对样品孔隙系统的整体分析,而缺乏对各类孔隙进行量化表征的能力[24]。通过图像数值化,对编号后的孔隙进行分类与信息提取,获取4种主要类型孔隙的结构参数如表 4所列。

下载CSV 表 4 川东南地区五峰组页岩主要类型孔隙的结构参数 Table 4 Structural parameters of major pore types of Wufeng Formation shale in southeastern Sichuan

表 4可知,有机质孔隙数量远远大于其余3种孔隙类型,其孔径主要分布在介孔范围内,可以为储层提供丰富的储集空间与吸附点位,有利于页岩气富集、赋存;矿物粒内结构孔隙发育数量少而孔径相对较小,多分布在几十纳米左右,大多数属于与孔隙系统不连通的无效孔隙;矿物粒内溶蚀孔隙的面积差别最大,这是因为矿物粒内溶蚀孔隙的溶蚀程度存在差异,与矿物成分以及矿物周缘接触关系有关;微裂隙的结构特征差异显著,这是由于在沉积过程中,岩石所受应力的方向、强度不同,储层内部力耦方向不同,因此造成岩石不同程度的拉伸或挤压,从而形成微裂隙的结构差异。

在气体吸附实验中,川东南地区五峰组页岩中有机质孔隙的孔径多小于100 nm,而矿物粒内溶蚀孔隙与微裂隙的孔径多远大于100 nm,说明储层的微孔与小孔主要由有机质孔隙与矿物粒内结构孔隙组成,中孔主要由有机质孔隙与矿物粒内溶蚀孔隙组成,而大孔主要由矿物粒内溶蚀孔隙与微裂隙组成,这与扫描电镜观察结果一致[27]

形状因子是表征孔隙结构的重要参数,可以表征孔隙形状的不规则性,而偏心率可以表征孔隙的趋圆性,以形状因子、偏心率对孔隙结构进行进一步分析(图 6)。对比4种孔隙类型的形状因子数量分布特征,图 6(a)中矿物粒内结构孔隙的形状因子分布在0.65~0.95内,在0.8~0.9内发育峰值;有机质孔隙变化则相对平缓,主要分布在0.55~0.85,有机质孔隙形状因子的特征与有机质成熟度有关[18],矿物粒内溶蚀孔隙与有机质孔隙的形状因子变化趋势基本一致。由图 6(b)可知,五峰组页岩样品的形状因子大部分为0.7~0.9,说明以有机质孔隙等为代表的椭圆-近圆形孔隙占比最多,并以最为发育的孔隙数量构成页岩气储存介质,微裂隙和矿物相关孔隙等发育尺度相对较大,构成储层中的微观传输介质,吸附储集孔隙与渗流孔隙共同构成页岩气孔隙体系[28]

下载原图 图 6 川东南地区五峰组4种孔隙的形状因子的单独分布(a)与整体分布(b) Fig. 6 Single distribution(a)and overall distribution(b)of four types of pore shape factors of Wufeng Formation in southeastern Sichuan
3.3 五峰组页岩孔隙的综合表征

在上述对页岩孔隙结构的量化表征中,4种孔隙的形状因子分布等结构参数存在差异,但孔隙系统的储集能力并不是由单一的结构参数决定的,孔隙的面积、形状因子、孔径等结构参数都影响着储层孔隙系统的储集能力,对孔隙系统的综合表征,有助于找出影响储集空间性质的关键因素。孔隙面积与形状因子交会图可以反映纳米尺度孔隙发育的集中特性。图 7(a)中,孔隙群集中发育在图像左侧,即孔隙面积介于50~400 nm2,形状因子集中分布在0.4~1.0,整体来看,有机质孔隙具有孔径越小,越趋近于圆形的趋势;图 7(b)中,矿物粒内结构孔隙的孔隙数量相对较少,但仍有一些孔隙的形状因子为0.7~0.9(对应孔隙面积分布在0~1 000 nm2),对储集空间的贡献有限;图 7(c)中,矿物粒内溶蚀孔隙的分布范围较大,在形态上,大部分为近圆形或次圆形;图 7(d)中,微裂隙发育数量较少,所占面积比有机质孔隙、矿物粒内孔隙相对更大。以图 7为例,不同类型孔隙具有不同的发育尺度和孔径分布,各项参数的分布范围存在差异,综合这些由图像获取的孔隙结构参数,提取其分布差异,可以为基于图像信息数值化提取的孔隙分类与自动识别乃至机器学习、深度学习提供数据支撑,通过对孔隙面积与形状因子、孔径等孔隙结构参数的交会图分析,也可以提取孔隙参数间的内在关系,实现对不同类型孔隙的综合表征。

下载原图 图 7 川东南地区五峰组4种类型孔隙的形状因子与孔隙面积的组合分布 Fig. 7 Combination distribution of shape factor and pore area of four types of pores of Wufeng Formation in southeastern Sichuan
4 结论

(1) 通过孔隙编号与信息提取,获取了每个孔隙的孔隙面积、周长、孔径、形状因子、圆度、伸长率、偏心率等结构参数,并在此基础上开展了对川东南地区五峰组孔隙图像的量化表征。

(2) 川东南地区五峰组页岩纳米孔隙主要发育4种类型:有机质孔隙、矿物粒内结构孔隙、矿物粒内溶蚀孔隙、微裂隙。有机质孔隙分布较为集中,孔径较小;矿物粒内结构孔隙数量少、孔径相对较小,连通性较差;矿物粒内溶蚀孔隙的孔径变化范围较大;微裂隙发育在纳米-微米尺度,连通性较好。有机质孔隙、矿物粒内结构孔隙与微裂隙对川东南地区五峰组微观储集空间贡献较大。

(3) 川东南地区五峰组孔隙形状因子大部分分布在0.7~0.9,说明以有机质孔隙等为代表的近圆形孔隙占比最多;通过孔隙面积与形状因子交会图获取了不同类型孔隙的集中特性,依据不同孔隙结构参数的交会图版,可以作为孔隙识别分类的依据;通过孔隙编号与量化处理,提出一种进行孔隙定量表征的方法,可为孔隙研究、储层评价、含气性预测等研究提供参考。

致谢: 中国矿业大学刘蕾、李川、王广周、王培清、卢琪荣等为研究工作做出了一些贡献;中国矿业大学丁映霞、中国地质调查局杨昭颖、页岩气勘探开发国家地方联合工程研究中心/重庆地质矿产研究院曾春林、焦伟伟、余川、汪生秀、曾祥亮等提供了指导和帮助,在此表示感谢!

参考文献
[1]
孙健, 包汉勇. 页岩气储层综合表征技术研究进展:以涪陵页岩气田为例. 石油实验地质, 2018, 40(1): 1-12.
SUN J, BAO H Y. Comprehensive characterization of shale gas reservoirs:a case study from Fuling shale gas field. Petroleum Geology & Experiment, 2018, 40(1): 1-12.
[2]
李斌, 郭庆勇, 罗群, 等. 四川盆地东部龙马溪组页岩气成藏地质条件对比分析. 中国地质调查, 2018, 5(4): 25-32.
LI B, GUO Q Y, LUO Q, et al. Comparative analysis on geological condition of shale gas accumulation of Longmaxi Formation in eastern Sichuan Basin. Geological Survey of China, 2018, 5(4): 25-32.
[3]
腾格尔, 申宝剑, 俞凌杰, 等. 四川盆地五峰组-龙马溪组页岩气形成与聚集机理. 石油勘探与开发, 2017, 44(1): 69-78.
TENGER, SHEN B J, YU L J, et al. Mechanisms of shale gas generation and accumulation in the Ordovician Wufeng-Longmaxi Formation, Sichuan Basin, SW China. Petroleum Exploration and Development, 2017, 44(1): 69-78.
[4]
李艳芳, 邵德勇, 吕海刚, 等. 四川盆地五峰组-龙马溪组海相页岩元素地球化学特征与有机质富集的关系. 石油学报, 2015, 36(12): 1470-1483.
LI Y F, SHAO D Y, LYU H G, et al. A relationship between elemental geochemical characteristics and organic matter enrichment in marine shale of Wufeng Formation-Longmaxi Formation, Sichuan Basin. Acta Petrolei Sinica, 2015, 36(12): 1470-1483.
[5]
秦佳, 张威, 刘晶, 等. 美国页岩气开发状况分析. 大庆石油地质与开发, 2014, 33(4): 171-174.
QIN J, ZHANG W, LIU J, et al. Analyses of the development situation of the United States'shale gas. Petroleum Geology and Oilfield Development in Daqing, 2014, 33(4): 170-174.
[6]
赵迪斐, 郭英海, 白万备, 等. 渝东南五峰组-龙马溪组页岩纳米级孔隙的发育特征与影响因素. 河南理工大学学报(自然科学版), 2016, 35(4): 497-506.
ZHAO D F, GUO Y H, BAI W B, et al. The characteristics and influencing factors of nanopores in shale gas reservoir of Wufeng and Longmaxi Formation in southeast Chongqing. Journal of Henan Polytechnic University(Natural Science), 2016, 35(4): 497-506.
[7]
王登, 余江浩, 赵雪松, 等. 四川盆地石柱地区自流井组页岩气成藏条件与勘探前景. 岩性油气藏, 2020, 32(1): 27-35.
WANG D, YU J H, ZHAO X S, et al. Accumulation conditions and exploration potential of shale gas of Ziliujing Formation in Shizhu area, Sichuan Basin. Lithologic Reservoirs, 2020, 32(1): 27-35.
[8]
朱逸青, 王兴志, 冯明友, 等. 川东地区下古生界五峰组-龙马溪组页岩岩相划分及其与储层关系. 岩性油气藏, 2016, 28(5): 59-66.
ZHU Y Q, WANG X Z, FENG M Y, et al. Lithofacies classification and its relationship with reservoir of the Lower Paleozoic Wufeng-Longmaxi Formation in the eastern Sichuan Basin. Lithologic Reservoirs, 2016, 28(5): 59-66.
[9]
赵迪斐, 郭英海, 朱炎铭, 等. 海相页岩储层微观孔隙非均质性及其量化表征. 中国矿业大学学报, 2018, 47(2): 296-307.
ZHAO D F, GUO Y H, ZHU Y M, et al. Analysis of micro-scale heterogeneity characteristics in marine shale gas reservoir:Pore heterogeneity and its quantitative characterization. Journal of China University of Mining & Technology, 2018, 47(2): 296-307.
[10]
孙文峰, 李玮, 董智煜, 等. 页岩孔隙结构表征方法新探索. 岩性油气藏, 2017, 29(2): 125-130.
SUN W F, LI W, DONG Z Y, et al. A new approach to the characterization of shale pore structure. Lithologic Reservoirs, 2017, 29(2): 125-130.
[11]
庞河清, 曾焱, 刘成川, 等. 基于氮气吸附-核磁共振-氩离子抛光场发射扫描电镜研究川西须五段泥质岩储层孔隙结构. 岩矿测试, 2017, 36(1): 66-74.
PANG H Q, ZENG Y, LIU C C, et al. Investigation of pore structure of a argillaceous rocks reservoir in the 5th member of Xujiahe Formation in western Sichuan, using NAM, NMR and AIP-FESEM. Rock and Mineral Analysis, 2017, 36(1): 66-74.
[12]
陈淑慧, 罗娟, 梁斌. 核磁共振测井在储层孔隙结构研究中的应用. 内江科技, 2005(1): 57-46.
CHEN S H, LUO J, LIANG B. The application of NMR logging in the study of reservoir pore structure. Nei Jiang Ke Ji, 2005(1): 57-46.
[13]
武景淑, 于炳松, 李玉喜. 渝东南渝页1井页岩气吸附能力及其主控因素. 西南石油大学学报(自然科学版), 2012, 34(4): 40-48.
WU J S, YU B S, LI Y X. Adsorption capacity of shale gas and controlling factors from the well Yuye 1 at the southeast of Chongqing. Journal of Southwest Petroleum University(Science & Technology Edition), 2012, 34(4): 40-48.
[14]
刘昊年. 扫描电镜及能谱分析技术在油气储层研究中的应用. 天然气技术与经济, 2017, 11(3): 34-36.
LIU H N. Application of SEM and spetrum analysis to oil and gas reservoirs. Natural Gas Technology and Economy, 2017, 11(3): 34-36.
[15]
JIAO K, YAO S, LIU C, et al. The characterization and quantitative analysis of nanopores in unconventional gas reservoirs utilizing FESEM-FIB and image processing:An example from the Lower Silurian Longmaxi shale, Upper Yangtze region, China. International Journal of Coal Geology, 2014, 128/129: 1-11.
[16]
赵迪斐, 郭英海, 毛潇潇, 等. 基于压汞、氮气吸附与FE-SEM的无烟煤微纳米孔特征. 煤炭学报, 2017, 42(6): 1517-1526.
ZHAO D F, GUO Y H, MAO X X, et al. Characteristics of macronanopores in anthracite coal based on mercury injection, nitrogen adsorption and FE-SEM. Journal of China Coal Society, 2017, 42(6): 1517-1526.
[17]
杨希濮, 杨小丽, 刘钧, 等. 一体化储层精细分类方法在非均质储层定量表征中的应用. 岩性油气藏, 2017, 29(1): 124-129.
YANG X P, YANG X L, LIU J, et al. Application of integrated reservoir classification method to the quantitative characterization of heterogeneity reservoir. Lithologic Reservoirs, 2017, 29(1): 124-129.
[18]
陈居凯, 朱炎铭, 崔兆帮, 等. 川南龙马溪组页岩孔隙结构综合表征及其分形特征. 岩性油气藏, 2018, 30(1): 55-62.
CHEN J K, ZHU Y M, CUI Z B, et al. Pore structure and fractal characteristics of Longmaxi shale in southern Sichuan Basin. Lithologic Reservoirs, 2018, 30(1): 55-62.
[19]
LI Y F, ZHANG T W, ELLIS G S, et al. Depositional environment and organic matter accumulation of Upper OrdovicianLower Silurian marine shale in the Upper Yangtze Platform, South China. Palaeogeography, Palaeoclimatology, Palaeoecology, 2017, 466: 252-264.
[20]
吴春燕, 程玉群, 沈英, 等. 延长陆相页岩微观孔隙结构分析. 非常规油气, 2016, 3(3): 21-26.
WU C Y, CHENG Y Q, SHEN Y, et al. Analysis of microscopic pore structures in Yanchang continental shale. Unconventional Oil & Gas, 2016, 3(3): 21-26.
[21]
ZHAO D F, GUO Y H, WANG G, et al. Characterizing nanoscale pores and its structure in coal:Experimental investigation. Energy Exploration & Exploitation, 2019, 37(4): 1-28.
[22]
ZHAO D F, YIN S, GUO Y H, et al. Investigation of pore structure characteristics of marine organic-rich shales using lowpressure N2 adsorption experiments and fractal theory. Interpretation, 2019, 7(3): 1-59.
[23]
马勇, 钟宁宁, 程礼军, 等. 渝东南两套富有机质页岩的孔隙结构特征:来自FIB-SEM的新启示. 石油实验地质, 2015, 37(1): 109-116.
MA Y, ZHONG N N, CHENG L J, et al. Pore structure of two organic-rich shales in southeastern Chongqing area:Insight from focused ion beam scanning electron microscope(FIB-SEM). Petroleum Geology and Experiment, 2015, 37(1): 109-116.
[24]
赵迪斐, 郭英海, 朱炎铭, 等. 龙马溪组页岩黄铁矿微观赋孔特征及地质意义. 沉积学报, 2018, 36(5): 864-876.
ZHAO D F, GUO Y H, ZHU Y M, et al. Micropore characteristics and geological significance of pyrite in shale rocks of Longmaxi Formation. Acta Sedimentologica Sinica, 2018, 36(5): 864-876.
[25]
谢德湘, 靳凯, 易志东, 等. 江西萍乐坳陷曲江向斜乐平组页岩储层特征. 非常规油气, 2018, 5(3): 1-7.
XIE D X, JIN K, YI Z D, et al. Reservoir characteristics of shale gas reservoir of Leping Group in Qujiang syncline, PingLe Depression, Jiangxi province. Unconventional Oil & Gas, 2018, 5(3): 1-7.
[26]
陈相霖, 郭天旭, 石砥石, 等. 陕南地区牛蹄塘组页岩孔隙结构特征及吸附能力. 岩性油气藏, 2019, 31(5): 52-60.
CHEN X L, GUO T X, SHI D S, et al. Pore structure characteristics and adsorption capacity of Niutitang Formation shale in southern Shaanxi. Lithologic Reservoirs, 2019, 31(5): 52-60.
[27]
肖佃师, 赵仁文, 杨潇, 等. 海相页岩气储层孔隙表征、分类及贡献. 石油与天然气地质, 2019, 40(6): 1215-1225.
XIAO D S, ZHAO R W, YANG X, et al. Characterization, classification and contribution of marine shale gas reservoirs. Oil & Gas Geology, 2019, 40(6): 1215-1225.
[28]
罗小平, 吴飘, 赵建红, 等. 富有机质泥页岩有机质孔隙研究进展. 成都理工大学学报(自然科学版), 2015, 42(1): 50-59.
LUO X P, WU P, ZHAO J H, et al. Study advances on organic pores in organic matter-rich mud shale. Journal of Chengdu University of Technology(Science & Technology Edition), 2015, 42(1): 50-59.