近年来，川南长宁、泸州、渝西等区块页岩气储层勘探开发进程中出现了低电阻率（低阻）（< 15 Ω·m）甚至超低电阻率（< 5 Ω·m，甚至1 Ω·m以下）储层^[1-3]。页岩气储层表现为低阻时往往被认为是含气性变差，勘探实践也表明低阻页岩气井多数开发效果不佳，但随着页岩气勘探开发的不断深入，发现也存在含气性较好的低阻页岩气储层，并且在局部地区的探井中获得了高产气流^[4]。低阻页岩气储层导电因素多、成因机理复杂，使得采用传统电阻率法（电法）的含气性测井评价遇到了瓶颈，也给低阻页岩气的实际勘探开发带来了较大的经济风险。目前，学者们针对低阻页岩气储层成因机制已开展了一定的研究，有学者基于激光拉曼光谱实验提出了有机质石墨化作用是造成页岩气储层低阻的主控因素^[5-7]；王滢等^[8]认为川南长宁区块五峰组—龙马溪组页岩储层低阻主要与断层及靠近断层附近的页岩储层含水饱和度增高有关；还有学者认为页岩气储层低阻主要是由于高—过成熟有机质碳化作用（石墨化），黄铁矿、黏土矿物、地层水矿化度、地层水饱和度及裂缝发育等多种因素相互叠加综合作用的影响^[9-13]。总体而言，学界对影响页岩电阻率的因素是清晰明确的，但对页岩气储层低阻甚至超低阻的主控因素还存在一些争议，或者说不同区域、不同层位页岩气储层低阻的主控因素可能是不同的，而且不同的因素导致的含气性也具有差别。

关于页岩气储层低阻的研究多数是基于实验室矿物组分、孔隙结构（包含孔隙度、渗透率）、有机质成熟度（激光拉曼光谱、光电子能谱XPS）和电阻率测试等手段。然而，由于页岩是一种细粒、发育页理、矿物组分复杂且容易碎的岩石类型^[14-15]，实验室通常测饱水（地层条件下的水矿化度）、饱气（甲烷或空气）、烘干页岩以及抽提有机质的电阻率，然后分析这些电阻率值与矿物组分（黏土矿物、黄铁矿、有机质等）、有机质成熟度（有机质石墨化程度）、含气量及含水量之间的关系，得出的结论往往是低阻页岩气是多种导电因素共同作用的结果，以及储层饱含气后的电阻率略大于干岩样电阻率，含气饱和度（含水饱和度）对页岩气储层电阻率影响不大的片面结论。在实际情况中，地下的页岩气储层孔隙中非气即水，即天然气、地层水是此消彼长的，如果忽略了这一点，将很难开展气水两相电阻率测试。此外，实验中选取几组岩样测试时，也很难获得一个参数变化而其他参数不变下的电阻率响应规律。综上所述，电阻率实验测试具有很大的局限性，想准确表征页岩气储层低阻成因机制的难度非常大。数字岩心模拟是近十多年来岩石物理研究中非常活跃且富有成效的一种手段^[16-18]，采用基于数字岩心的电阻率响应模拟可替代在实际中难以完成的实验室电阻率测试，进而研究页岩气储层超低阻现象的核心控制因素。

以川南长宁区块NX22井奥陶系五峰组—志留系龙马溪组低阻页岩气储层为研究对象，在统计超低阻储层矿物组分含量及特征的基础上，建立低阻页岩气储层岩石体积物理模型；从数字岩心建模入手，采用随机法构建能表征低阻页岩气储层的三维数字岩心，进而利用有限元数值模拟方法，模拟计算不同矿物组分（黏土、黄铁矿）的含量、含水饱和度及有机质石墨化程度下的电阻率值，并结合实际地层参数范围，明确页岩气储层低阻及超低阻的主控因素，以期为低阻页岩气储层成因机制、含气性评价以及降低勘探开发风险提供了有力的依据。

四川盆地及其周缘地区在奥陶纪和志留纪之交受古隆起围限影响，沉积了一套广泛分布的富有机质黑色页岩^[19-20]。其中，川南地区五峰组—龙马溪组富有机质页岩厚度大、分布广，横向展布稳定，页岩埋深普遍大于3 500 m，成熟度高，优质页岩段总有机碳（TOC）含量较高，一般大于3%，是四川盆地页岩气勘探开发的有利区域之一^[21-24]。川南长宁、泸州、渝西等区块发现的低阻页岩气储层给含气性评价及后续的开发带来了一定的困惑，要想厘清低阻页岩气储层导电的主控因素，首先得分析其矿物组分、孔隙流体等特征，再建立适合低阻页岩气储层的岩石体积物理模型。

研究样品取自川南长宁地区NX22井五峰组—龙马溪组龙一段一亚段（龙一₁）（图 1），岩心取样深度为4 280.0~4 341.0 m，岩性主要为黑色页岩、灰黑色页岩，取样所处的深度段测井显示电阻率值一般小于5 Ω· m，甚至部分井段电阻率值小于1 Ω· m，属于超低阻。根据岩心实验测试所得的矿物组分等资料，总结低阻页岩气储层的物性、TOC、有机质成熟度等基本参数取值范围及其特征（表 1）。

图 1

Fig. 1

下载原图 图 1 川南长宁地区区域地质图（a）和岩性地层综合柱状图（b）（据文献[23] 修改） Fig. 1 Regional geological map(a)and stratigraphic column(b)of Changning area in southern Sichuan Basin

表 1(Table 1)

表 1 川南长宁地区NX22井五峰组—龙马溪组低电阻率页岩气储层样品基本参数 Table 1 Basic parameters of samples of low resistivity shale gas reservoirs of Wufeng Formation-Longmaxi Formation of well NX22 in Changning area, southern Sichuan Basin 亚段 小层 深度/m Rt（Ω·m） TOC/% 激光拉曼有机质成熟度Ro/% 孔隙度/% 含水饱和度/% φ（全岩矿物）/% 骨架 黄铁矿 黏土矿物 3小层 4 310~4 322 0.20 3.3 3.73 3.6 94.1 62.1 1.7 29.3 龙一1 2小层 4 322~4 333 0.20 2.9 3.93 2.1 85.2 76.0 2.3 16.7 1小层 4 333~4 334 0.20 4.0 3.71 5.7 — 72.2 2.0 16.1 五峰组 4 334~4 340 0.80 1.9 3.82 0.1 37.0 77.8 1.0 19.2 平均 0.35 3.0 3.80 2.8 88.0 72.1 1.8 20.3 注：平均含水饱和度为88.0%，非龙一1亚段2，3小层及五峰组含水饱和度的平均值，该数据来源于中国石油西南油气田公司。

下载CSV 表 1 川南长宁地区NX22井五峰组—龙马溪组低电阻率页岩气储层样品基本参数 Table 1 Basic parameters of samples of low resistivity shale gas reservoirs of Wufeng Formation-Longmaxi Formation of well NX22 in Changning area, southern Sichuan Basin

以NX22井岩样特征为基础，确立集有机质、黏土矿物、黄铁矿、骨架（包括石英、长石、方解石和白云石等）和孔隙为一体的低阻页岩气储层多矿物组分岩石体积物理模型（图 2），导电因素涉及孔隙中的地层水（矿化度、饱和度等）、黏土矿物、黄铁矿、石墨化作用后的有机质。

图 2

Fig. 2

下载原图 图 2 低阻页岩气储层多矿物组分岩石体积物理模型（据文献[25] 修改） Fig. 2 A rock volume physical model with multi-mineral components of low resistivity shale gas reservoirs

基于岩石体积物理模型，构建能够表征低阻页岩气储层的三维数字岩心，通过有限元法模拟计算电阻率响应数值，从而分析造成页岩气储层从正常电阻率降至低电阻率（< 15 Ω· m）以及超低电阻率（< 5 Ω· m甚至1 Ω· m以下）的核心控制因素。目前常用的利用数值方法重构三维数字岩心的建模方法主要分为过程法和随机法两大类^[26]，本文采用随机法进行数字岩心建模。随机法是基于已经获得的岩石基本储层参数（矿物组分、孔隙度等）和岩石二维图像，以其信息统计特性为约束进行三维数字岩心构建，使其与原始岩石基本储层参数和岩石二维图像的统计特性接近。

对于常规导电因素不复杂的储层岩石来说，在进行电阻率响应数值模拟时，数字岩心构建只需要包含骨架和孔隙信息就可以满足需求^[27-28]，泥质砂岩类只需再增加一项黏土矿物组分即可，而本文的研究对象是低阻页岩气储层，导电组分多且复杂，除了岩石骨架、孔隙空间及黏土矿物外，还需要增加黄铁矿和有机质（未石墨化有机质和石墨化有机质）组分，其他的骨架组分如石英、长石、碳酸盐等都统一视为岩石骨架。结合上述低阻页岩气储层导电组分因素分析与确立的岩石体积物理模型（图 2），利用随机法构建数字岩心时需要融入岩石骨架、孔隙、黏土矿物、黄铁矿、未石墨化有机质以及石墨化作用后的有机质等6个部分。同时，还需适当参考黏土矿物、黄铁矿、有机质的形态及在岩石中的赋存方式。NX22井五峰组—龙马溪组超低阻页岩的岩石薄片鉴定以及扫描电子显微镜（SEM）显示，其岩性以粉砂质颗粒为主，见草莓状黄铁矿、条带状有机质，整体上颗粒呈分散分布（图 3）。

图 3

Fig. 3

下载原图 图 3 川南长宁地区NX22井五峰组—龙马溪组低阻页岩气储层岩样扫描电镜和岩心薄片照片 （a）草莓状黄铁矿，4 324.06 m；（b）裂缝内见条带状有机质分布，4 324.06 m；（c）有机质浸染状，黄铁矿成棒状富集，其他颗粒分散分布，4 319.53 m；（d）有机质浸染状，其他颗粒分散分布较均匀，4 327.16 m。 Fig. 3 Scanning electron microscopy and core thin section photos of low resistivity shale gas reservoirs of Wufeng Formation-Longmaxi Formation of well NX22 in Changning area, southern Sichuan Basin

以NX22井五峰组—龙马溪组龙一₁亚段2小层（龙一₁²）页岩的基本特性为例，采用随机法建立长、宽、高尺寸为100×100×100像素的三维数字岩心，并采用不同的颜色对导电组分进行标识（图 4a，4b），同时显示不同方向上的切片（图 4c，4d）。数字岩心内的组分含量近似于真实岩样，能够表征低阻页岩气储层的组分特性。

图 4

Fig. 4

下载原图 图 4 川南长宁地区NX22井五峰组—龙马溪组低阻页岩气储层三维数字岩心模型 Fig. 4 Three-dimensional digital core model of low resistivity shale gas reservoir of Wufeng Formation-Longmaxi Formation of well NX22 in Changning area, southern Sichuan Basin

川南长宁地区低阻页岩气储层岩心测试分析获得的矿物组分、孔隙度、TOC及有机质成熟度（有机质石墨化程度）等基本参数值或范围（参见表 1），为三维数字岩心模型参数的确立及模拟过程中的参数调整范围提供了参考依据，进而利用有限元法就能够对不同组分特征的页岩气储层数字岩心模型进行电阻率响应的数值模拟计算。模拟时，先设定不同导电组分的电阻率值，再改变其中一项导电组分的含量，最后利用有限元法计算数字岩心的电阻率响应值，就可以得到某一项导电组分含量与电阻率响应的对应关系。综合多组导电组分含量-电阻率响应关系，即可以分析不同导电组分在低阻页岩气储层中的导电影响规律，最终确定页岩气储层呈现低阻甚至超低阻的核心控制因素。

利用有限元法研究岩石导电性的数值岩心技术的核心是变分思想，即将每个单元点上的电压求解转化为系统整体能量极值求解的问题，从而算出整个三维数据体的有效电阻率。有限元法的基本求解步骤：①将计算区域进行网格划分，使其成为有限个不重叠的单元；②在每个单元内选择合适的结点，对求解函数进行插值，将微分方程中各变量或其导数的结点值与所选用的插值函数组成线性表达式，并利用其代替微分方程中的变量；③借助变分原理，离散求解微分方程。值得注意的是，针对不同的计算区域，网格划分不同，针对不同的微分方程，采用的插值函数形式也不同^[29]。为了使能量E_n取极小值，需满足能量对变量μ_i（结点电压）的偏导数为0，即

式中：E_n为总能量，J；μ_i为结点i的电压，V。

在数值求解过程中，当能量En对结点电压的偏导数构成的梯度矢量的平方和小于某一给定允许误差时，可近似认为式（1）成立。确定了三维数字岩心中的电压分布和有效电性参数，最终根据不同方向的电压和电流即可求出等效电阻率^[30]。

在进行数字岩心有效电阻率的模拟计算前，须分别设定每种组分的电阻率值。以长宁地区NX22井低阻页岩气储层基本矿物组分等数据统计（参见表 1）以及文献的资料^[31-37]作为参考，设定低阻页岩气储层三维数字岩心模型中骨架、地层水、黏土矿物、黄铁矿、未石墨化有机质及石墨化有机质的电阻率值（表 2）。通过数字岩心开展页岩气储层低阻主控因素分析，操作流程如图 5所示。

表 2(Table 2)

表 2 川南长宁地区五峰组—龙马溪组低阻页岩气储层数字岩心模拟中不同组分电阻率设定 Table 2 Resistivity setting of different components in digital core simulation of low resistivity shale gas reservoirs of Wufeng Formation-Longmaxi Formation in Changning area, southern Sichuan Basin 组分 设定的电阻率/（Ω·m） 骨架 1.0×109 地层水 0.02 黏土矿物 5.0 黄铁矿 1.0×10-3 未石墨化有机质 1.0×109 石墨化有机质 1.0×10-5

下载CSV 表 2 川南长宁地区五峰组—龙马溪组低阻页岩气储层数字岩心模拟中不同组分电阻率设定 Table 2 Resistivity setting of different components in digital core simulation of low resistivity shale gas reservoirs of Wufeng Formation-Longmaxi Formation in Changning area, southern Sichuan Basin

图 5

Fig. 5

下载原图 图 5 低阻页岩气储层三维数字岩心模拟计算电阻率的流程 Fig. 5 Process of 3D digital core simulation calculation of resistivity for low resistivity shale gas reservoir

黏土矿物是页岩地层中重要的组分之一，对页岩微观孔隙的发育及电阻率响应均具有重要的影响。黏土矿物的存在会形成明显的离子双电层，引起阳离子交换作用，通过黏土矿物和细小颗粒表面多余的负电荷形成双电层内层离子，而阳离子交换容量反映了双电层外层平衡离子浓度，离子浓度差会引起离子迁移，形成扩散-吸附电动势，即黏土的附加导电性^[34]。长宁地区五峰组—龙一₁亚段3小层（龙一₁³）黏土矿物类型主要有伊利石、伊蒙混层和绿泥石，而黏土矿物组分中除高岭石亲水性差外，蒙脱石、伊利石、绿泥石都具有良好的亲水性。蒙脱石和伊利石具有多微孔结构，比表面积大，对页岩中水的分布具有明显影响^[13]。因此，目的层页岩中伊利石、绿泥石黏土矿物增加也会导致页岩微孔增多，使束缚水饱和度增加，导电能力增强，引起电阻率下降。总之，不同黏土矿物的类型及含量对页岩电阻率具有一定的影响，主要表现在黏土矿物的附加导电性及其导致束缚水饱和度增高引起电阻率降低。在进行数值模拟前需确定黏土矿物的电阻率，根据X射线衍射实验得到NX22井五峰组—龙马溪组（龙一₁¹—龙一₁³）黏土矿物总量以及各类型黏土矿物的相对含量，利用各类型黏土矿物的阳离子交换容量，求得黏土矿物电阻率约为5 Ω·m ^{[27, 35]}。

采用三维数字岩心模型模拟在低有机质石墨化程度（5%）、低黄铁矿含量（体积分数为0.5%）的条件下，不同黏土矿物含量及其随含水饱和度（S_w）变化对页岩气储层电阻率的影响。结果（图 6a、表 3）表明，随着黏土矿物含量增加，电阻率降低；黏土矿物含量相同时，含水饱和度越高，电阻率值就越低。NX22井五峰组—龙一₁²的黏土矿物体积分数为10.0%~29.3%，数值模拟将黏土矿物体积分数取最大值29.3% 时，电阻率响应值大于15 Ω·m，说明黏土矿物含量增加是导致页岩气储层电阻率降低的因素，但不是造成储层低阻或超低阻的核心因素。

图 6

Fig. 6

下载原图 图 6 三维数字岩心模型模拟不同导电组分变化时的电阻率响应规律 Fig. 6 Resistivity response law of 3D digital core model under different conductive component changes

表 3(Table 3)

表 3 三维数字岩心模型模拟实验中各组分参数及电阻率计算结果 Table 3 Simulated component parameters and resistivity calculation results in 3D digital core model 模型设置 φ（骨架）/% 孔隙度/% φ（黏土矿物）/% φ（黄铁矿）/% φ（TOC）/% 含水饱和度/% 石墨化程度/% 电阻率/（Ω·m） 电阻率-φ（黏土矿物）-Sw 49.8~84.8 5.7 5.0~40.0 0.5 4 20.0 5 449.04~15.80 49.8~84.8 5.7 5.0~40.0 0.5 4 40.0 5 337.17~13.79 49.8~84.8 5.7 5.0~40.0 0.5 4 60.0 5 248.30~12.12 49.8~84.8 5.7 5.0~40.0 0.5 4 80.0 5 172.35~10.57 电阻率-φ（黄铁矿）-Sw 57.0~60.5 5.7 29.3 0.5~4.0 4 20.0 5 27.89~14.03 57.0~60.5 5.7 29.3 0.5~4.0 4 40.0 5 23.29~10.99 57.0~60.5 5.7 29.3 0.5~4.0 4 60.0 5 19.33~8.26 57.0~60.5 5.7 29.3 0.5~4.0 4 80.0 5 15.09~5.39 电阻率-Sw-孔隙度 63.4 1.0 29.3 2.3 4 10.0~100.0 5 24.03~20.52 62.4 2.0 29.3 2.3 4 10.0~100.0 5 23.06~12.31 60.4 4.0 29.3 2.3 4 10.0~100.0 5 22.88~10.37 58.4 6.0 29.3 2.3 4 10.0~100.0 5 22.45~6.21 电阻率-石墨化程度-Sw 58.7 5.7 29.3 2.3 4 20 5~40 20.54~5.80 58.7 5.7 29.3 2.3 4 40 5~40 16.48~4.34 58.7 5.7 29.3 2.3 4 60 5~40 12.74~2.50 58.7 5.7 29.3 2.3 4 80 5~40 9.57~2.01 注：TOC在三维数字岩心模型中转换为体积占比。

下载CSV 表 3 三维数字岩心模型模拟实验中各组分参数及电阻率计算结果 Table 3 Simulated component parameters and resistivity calculation results in 3D digital core model

黄铁矿是一种典型的导电矿物，电阻率为1×10^-3 Ω·m ^[38]。数字岩心模型在高黏土矿物含量（体积分数为29.3%）基础上引入黄铁矿因素，并设定黄铁矿在页岩气储层内呈分散状分布，模拟不同黄铁矿含量及其随S_w变化对页岩气储层电阻率的影响。结果（图 6b、表 3）表明，整体上随着黄铁矿含量的增加，电阻率下降，当S_w为20.0%~40.0%、黄铁矿体积分数小于2.5% 时，电阻率大于15 Ω·m；当S_w > 60.0%、黄铁矿体积分数大于2.5% 时，电阻率小于15 Ω·m。NX22井页岩气储层中黄铁矿体积分数小于2.5%（参见表 1），无法让储层电阻率降至15 Ω·m以下，这说明黄铁矿含量也只是页岩气储层电阻率降低的因素之一，并不是核心因素。

川南长宁地区NX22井龙一₁¹—龙一₁³页岩气储层地层水矿化度和含水饱和度均较高，其中地层水矿化度对电阻率的影响叠加在含水饱和度中，普遍较高的含水饱和度也预示着气在页岩气储层电阻率降低的过程中可能起到了重要的作用。结合NX22井地层水矿化度（70 000 mg/L）与地层温度（140 ℃），根据地层水电阻率（R_w）-矿化度-温度关系图版，设定了地层水电阻率为0.02 Ω·m ^{[30, 35-36]}。电阻率-黏土矿物含量-S_w关系（图 6a）与电阻率-黄铁矿含量-S_w关系（图 6b、表 3）都在一定程度上显示，同等孔隙度条件下，电阻率呈现出随S_w的升高而降低的特征，说明页岩气储层中S_w的增加会增强岩石导电性，降低页岩气储层的电阻率。

三维数字岩心模型模拟在低有机质石墨化程度（5.0%）、高黏土矿物含量（体积分数为29.3%）以及高黄铁矿含量（体积分数为2.3%）条件下，不同的S_w及其随孔隙度变化对电阻率的影响。结果（图 6c、表 3）表明，当孔隙度为2%~6%，S_w升高到55.0% 时，电阻率由22.0 Ω·m降低至14.8 Ω·m，而当S_w>55.0% 时，S_w值越大，电阻率值就越低。NX22井龙马溪组孔隙度为2%~6%，平均含水饱和度为88.0%，此时的电阻率小于15 Ω·m，甚至会降至5 Ω·m以下，呈现低阻甚至超低阻现象，这说明高含水饱和度是导致研究区页岩气储层低阻响应的核心因素之一。

有机质对页岩气储层电性的影响比较大，主要体现在2个方面：一是有机质一般导电性很弱，有机质含量增加，则页岩电阻率增加；二是有机质石墨化作用后导电性很强，会使页岩电阻率降低。石墨是一种导电性极强的非金属矿物，电导率优于黄铁矿，在常温下电阻率可达（8~13）×10^-6 Ω·m，采用三维数字岩心模型模拟时设定有机质石墨化电阻率为10×10^-6 Ω·m ^[6]。常规油气地质评价中，有机质成熟度是衡量烃源岩生烃能力的重要指标之一，也是评价一个地区或某一烃源岩系生烃量及资源前景的重要依据^[39]，不仅决定页岩所处的生烃演化阶段，也与页岩微观结构、储层物性和含气性密切相关。随着热成熟度升高，有机质首先降解为干酪根，干酪根在随后的变化过程中产出甲烷；随着温度的增加，干酪根不断发生变化，逐渐转变成低氢量的炭质残余物，并最终转化为石墨（即碳化）^[12]。薛子鑫等^[40]研究发现长宁西区深层页岩激光拉曼等效成熟度高于3.6%，石墨化程度达到20% 以上，还通过分析有机质石墨化程度与成熟度的关系得出了石墨化程度与成熟度呈正相关关系的结论。NX22井龙一₁¹—龙一₁³整体有机质热演化程度较高（参见表 1），推测其有机质石墨化程度为22%~25%，甚至可能更高。

三维数字岩心模型模拟在高黏土矿物含量（体积分数为29.3%）、高黄铁矿含量（体积分数为2.3%）的条件下，不同有机质石墨化程度（出现石墨化的有机质占总有机质的相对含量）及其随S_w变化对页岩气储层电阻率的影响。结果（图 6d、表 3）表明，储层电阻率随着石墨化程度的上升而下降，当石墨化程度为5%，S_w < 40.0% 时，电阻率值大于15 Ω·m；当石墨化程度为25%，S_w> 60.0% 时，电阻率由9.0 Ω·m降低至3.5 Ω·m，电阻率小于5.0 Ω·m，呈现超低阻现象。因此，高石墨化程度是导致研究区页岩气储层超低阻响应的核心因素。

为了厘清页岩气储层中各导电组分的变化对电阻率的综合影响，通过调整不同导电组分对应的参数值，设置了6个状态来进行模型模拟（表 4），其中状态1、状态2是非真实的理想状态。状态1中所有导电组分都比较弱，模拟计算电阻率约为449.04 Ω·m；状态2在状态1的基础上，将黏土矿物体积分数从5.0% 增加到实际地层的高值29.3%，模拟计算出电阻率为27.89 Ω·m；状态3在状态2的基础上，将黄铁矿体积分数从0.5% 增加到2.5%，模拟计算的电阻率为20.00 Ω·m；状态4在状态3的基础上，将含水饱和度从20.0% 增加到55.0%，模拟计算电阻率为15.01 Ω ·m，该状态就是目前NX22井页岩气储层的实际电阻率及相关储层参数的下限情况；状态5在状态4的基础上，将含水饱和度从55.0% 增加到88.0%，模拟计算电阻率为7.90 Ω·m，低于正常电阻率的下限值15.00 Ω·m，表现为低阻；状态6在状态5的基础上，将有机质石墨化程度从5.0% 增加到25.0%，模拟计算电阻率为2.74 Ω·m，低于超低阻的上限值（5.00 Ω·m），表现为超低阻特征（图 7）。

表 4(Table 4)

表 4 三维数字岩心模型模拟各导电组分对电阻率的影响 Table 4 Influence of conductive components on resistivity in 3D digital core model 状态 φ（黏土矿物）/% φ（黄铁矿）/% 孔隙度/% 含水饱和度/% TOC/% 石墨化程度/% 电阻率/（Ω·m） 电阻率演化分析 状态1 5 0.5 5.7 20.0 4 5.0 449.04 导电因素理想值 449.04 状态2 29.3 0.5 5.7 20.0 4 5.0 27.89 状态下的电阻率 27.89 状态3 29.3 2.5 5.7 20.0 4 5.0 20.00 正常电阻率 20.00 状态4 29.3 2.5 5.7 55.0 4 5.0 15.01 15.01 状态5 29.3 2.5 5.7 88.0 4 5.0 7.90 低阻 7.90 状态6 29.3 2.5 5.7 88.0 4 25.0 2.74 超低阻 2.74 注：红色、绿色、白色、黑色分别表示黏土矿物含量增加、黄铁矿含量增加、含水饱和度增大、石墨化程度增大4种因素引起的电阻率值变化；模拟实验中地层水矿化度为70 000 mg/L，地层温度140 ℃，地层水电阻率取值为0.02 Ω·m。

下载CSV 表 4 三维数字岩心模型模拟各导电组分对电阻率的影响 Table 4 Influence of conductive components on resistivity in 3D digital core model

图 7

Fig. 7

下载原图 图 7 三维数字岩心模拟页岩气储层从正常电阻率降到低阻、超低阻的演化规律 注：圆的大小对应电阻率值的大小，圆越大，电阻率值越大。 Fig. 7 Evolution law of shale gas reservoir from normal resistivity to low resistivity and ultra-low resistivity simulated by 3D digital core model

综上所述，在高含水饱和度和高有机质石墨化程度的共同作用下，页岩气储层电阻率从正常电阻率（>15 Ω·m）降低到了低阻及超低阻（< 5 Ω·m），充分说明了二者是造成页岩气储层超低阻的核心因素。

（1）川南长宁地区NX22井五峰组—龙一₁²低阻页岩气储层导电因素主要包含石墨化有机质、黏土矿物、黄铁矿和孔隙水，结合物性、总有机碳含量以及有机质成熟度等基本参数，确定低阻页岩气储层岩石体积物理模型由骨架（石英、长石、方解石和白云石等）、黏土矿物、黄铁矿、未石墨化有机质以及石墨化作用后的有机质、孔隙6个部分组成，具有较好的区域适用性。

（2）基于低阻页岩气储层岩石体积物理模型，利用随机方法重构的100×100×100像素的三维数字岩心，其组分含量及分布情况近似于真实岩样，能够表征低阻页岩气储层的组分特性。

（3）黏土矿物含量、黄铁矿含量、含水饱和度以及有机质石墨化共同降低了页岩气储层的电阻率，高有机质石墨化程度（25%）和高含水饱和度（88.0%）时，页岩气储层的电阻率便会从正常电阻率（大于15 Ω·m）降到低阻甚至超低阻（小于5 Ω· m），高有机质石墨化程度和高含水饱和度是导致研究区页岩气储层超低阻响应的2个核心因素。