BR112013020554A2

BR112013020554A2 - método para construir um modelo de uma amostra de meios porosos, sistema para construir um modelo de uma amostra de meios porosos, e métodos para segmentar uma imagem digital de meios porosos

Info

Publication number: BR112013020554A2
Application number: BR112013020554-7A
Authority: BR
Inventors: Neil F. Hurley; Tuanfeng Zhang; Weishu Zhao; Mustafa Al Ibraham
Original assignee: Prad Research And Development Limited
Priority date: 2011-02-28
Filing date: 2012-02-28
Publication date: 2020-07-28
Also published as: WO2012118866A3; US20120281883A1; RU2013143805A; RU2576501C2; WO2012118866A2; US8908925B2

Abstract

MÉTODO PARA CONSTRUIR UM MODELO DE UMA AMOSTRA DE MEIOS POROSOS, SISTEMA PARA CONSTRUIR UM MODELO DE UMA AMOSTRA DE MEIOS POROSOS, E MÉTODO PARA SEGMENTAR UMA IMAGEM DIGITAL DE MEIOS POROSOS Esta divulgação em questão descreve métodos para construir e/ou melhorar modelos digitais 3D de meios porosos pela combinação de dados de alta e baixa resolução para capturar poros grandes e pequenos em modelos únicos. Dados de alta resolução incluem microscopic de fluorescência de varredura a laser (LSFM), varreduras de nano tomografia computadorizada (CT) e microscopic de elétron de varredura de feixe de ion focada (FIB-SEM). Dados de baixa resolução incluem varreduras CT convencionais, varreduras de micro tomografia computadorizada e varreduras de tomografia computadorizada de síncrotron.

Description

C MÉTODO PARA CONSTRUIR UM MODELO DE UMA AMOSTRA DE MEIOS POROSOS, SISTEMA PARA CONSTRUIR UM MODELO DE UMA AMOSTRA DE MEIOS POROSOS, E MÉTODO PARA SEGMENTAR UMA IMAGEM DIGITAL

DE MEIOS POROSOS Antecedentes Imagens de tomografia computadorizada (na sigla em inglês para Computed Tomographic, CT) são comumente usadas para visualizar sistemas de poros de rocha. Varreduras CT são seções transversais bidimensionais (2D) geradas por uma fonte de raios-X que ou gira em torno da amostra ou a amostra gira em torno do feixe de fonte. A densidade bruta é calculada a partir de coeficientes de atenuação de raios- X e seções seriais são usadas para construir imagens tridimensionais (3D). Os modelos digitais são construídos a partir de varreduras convencionais, micro CT, nano CT e CT - de síncrotron. A resolução, inversamente relacionada ao . tamanho de amostra, está na escala de milímetro para mícron para submícron, dependendo do dispositivo utilizado. Cálculos petrofísicos, tal como porosidade e : 20 permeabilidade, são fortemente influenciados por segmentação de pixels em rocha vs. poro. A segmentação é i especialmente difícil se uma fração dos poros for menor do que a resolução do sistema de aquisição de CT. Sumário Esse sumário é fornecido para apresentar uma

. 2 CO variedade de conceitos que são descritos mais abaixo na descrição detalhada.

Este sumário não se destina a identificar características principais ou essenciais da matéria reivindicada, nem ele se destina a ser utilizado como uma ajuda na limitação do escopo da matéria reivindicada.

De acordo com algumas modalidades, um método de construção de um modelo de uma amostra de meios porosos é descrito.

O método inclui: receber os dados de imagem de baixa resolução gerados usando uma medição de mais baixa resolução efetuada em uma amostra dos meios DPporosos; receber dados de imagem de alta resolução que representam caracterizações de aspectos (tal como forma, tamanho e espaçamento de poros, etc.) de uma amostra menor dos meios porosos, os dados de alta resolução sendo gerados usando uma medição de mais alta resolução realizada na amostra ' menor; e distribuir as caracterizações de aspectos da - amostra menor a partir dos dados de alta resolução para os dados de resolução baixa gerando, assim, um modelo melhorado dos meios porosos. . De acordo com algumas modalidades, a distribuição . inclui o uso de um método estatístico de múltiplos pontos, tal como geoestatística de variável discreta, ou geoestatística de variável contínua.

De acordo com algumas modalidades, os meios porosos são uma formação de rocha subterrânea "carregando hidrocarboneto.

De acordo com

. 3 algumas modalidades, antes da distribuição, os dados de imagem de baixa resolução são segmentados em uma imagem binária, sendo a segmentação baseada em parte das caracterizações de medição de alta resolução.

De acordo com algumas modalidades, os dados de imagem de alta resolução são gerados utilizando uma ou mais medições, tal como: microscopia fluorescente de varredura a laser, microscopia de elétron de varredura, microscopia de elétron de transmissão, microscopia de força atômica, interferometria de varredura vertical, varreduras nano CT, e microscopia de elétron de varredura de feixe de íon focada e os dados de imagem de baixa resolução são gerados utilizando uma ou mais medições, tal como: micro CT tridimensional, CT convencional tridimensional e varreduras CT de síncrotron tridimensionais e fotografia macro digital. ' De acordo com algumas modalidades, um sistema para . construção de um modelo de uma amostra de meios porosos está descrito.

O sistema inclui um sistema de processamento adaptado e programado para receber dados de imagem de baixa t resolução gerados usando uma medição de mais baixa . resolução efetuada em uma primeira amostra dos meios porosos, receber dados de imagem de alta resolução que representam caracterizações de aspectos de uma amostra pequena dos meios porosos, os dados de alta resolução sendo gerados usando uma medição de mais alta resolução realizada

. 4 i na segunda amostra pequena e distribuir as caracterizações de aspectos da segunda amostra pequena a partir dos dados de alta resolução para os dados de baixa resolução gerando, assim, um modelo aperfeiçoado dos meios porosos. De acordo com algumas modalidades, os meios porosos são uma formação de rocha de reservatório carregando hidrocarbonetos e o sistema inclui um sistema de amostragem adaptado para coletar uma amostra de testemunho da formação de rocha subterrânea.

De acordo com algumas modalidades, um método de segmentar uma imagem digital de meios porosos é descrito. O método inclui: receber uma imagem digital de baixa resolução gerada usando uma medição de resolução mais baixa realizada em uma primeira amostra dos meios Dporosos; receber uma imagem digital de alta resolução gerada usando uma medição de resolução mais alta realizada em uma segunda ] amostra pequena dos meios porosos; identificar macroporos . da imagem digital de alta resolução; e segmentar a imagem digital de baixa resolução gerando, assim, uma imagem digital binária tendo dois valores possíveis para cada ' pixel, a segmentação sendo baseada nos macroporos ' identificados.

Outras características e vantagens da divulgação em questão se tornarão mais prontamente evidentes a partir da seguinte descrição detalhada quando tomada em conjunto com os desenhos anexos.

. 5 Breve Descrição dos Desenhos A divulgação em questão é ainda descrita na descrição detalhada a qual se segue em referência à pluralidade observada de desenhos por meio de exemplos não limitativos de modalidades da divulgação em questão, nos quais numerais de referência semelhantes representam partes semelhantes ao longo das várias vistas dos desenhos, e em que: A Fig. 1 ilustra um volume de elemento representativo (na sigla em inglês para representative element volume, REV) de porosidade de acordo com algumas modalidades.

A Fig. 2 ilustra uma vista em corte transversal de uma seção fina esquemática de rocha tendo dois poros e impregnada com epóxi e montada em vidro de acordo com algumas modalidades. | A Fig. 3 é um diagrama de fluxo para modelo 2D . compósito usando microscopia de fluorescência de varredura a laser (na sigla em inglês para laser scanning fluorescense microscopy, LSFM), varreduras micro CT, y, estatísticas de múltiplos pontos (multi-point statistics, . MPS) e áreas de elemento representativo (na sigla em inglês para representative element area, REA) de acordo com algumas modalidades.

A Fig. 4 ilustra uma varredura de LSFM (confocal) de uma rocha porosa de acordo com algumas modalidades.

. 6 As Figs. 5 e 6 ilustran uma comparação de uma imagem de varredura micro CT de mais baixa resolução com imagem de LSFM (confocal) de mais alta resolução da mesma superfície de rocha de acordo com algumas modalidades.

A Fig. 7 é um fluxograma para um modelo 3D compósito usando microscopia de fluorescência de varredura a laser (LSFM), varreduras micro CT, estatísticas de múltiplos pontos (MPS) e volumes de elemento representativo (REV) de acordo com algumas modalidades.

A Fig. 8 ilustra o registro de uma varredura confocal e uma varredura micro CT do mesmo volume de rocha de acordo com algumas modalidades; e A Fig. 9 mostra sistemas para construção de um modelo aperfeiçoado de uma amostra de meios porosos de acordo com algumas modalidades.

Descrição Detalhada | Os dados aqui mostrados são a título de exemplo e : para fins de discussão ilustrativa das modalidades da divulgação em questão apenas e são apresentados de modo a fornecer o que se acredita ser a descrição mais útil e prontamente compreendida dos princípios e aspectos - conceituais da divulgação em questão.

A este respeito, não se faz nenhuma tentativa para mostrar detalhes estruturais da divulgação em questão com mais detalhes do que oO necessário para a compreensão fundamental da divulgação em questão, a descrição tomada com os desenhos tornando

. 7 evidente para aqueles versados na técnica como as diversas formas da divulgação em questão podem ser concretizadas na prática.

Além disso, números de referência e designações semelhantes nos vários desenhos indicam elementos similares.

A microscopia de fluorescência de varredura a laser (LSFM) cria imagens de fragmentos de rocha polidos que são impregnados a pressão de vácuo com epóxi fluorescente.

A amostra se situa em uma plataforma móvel e varreduras de LSFM produzem uma grade x-y de intensidades de luz medidas em planos no eixo z regularmente espaçados.

Os menores poros, uma função do comprimento de onda do laser e óptica do microscópio, são de cerca de 0,25 mícron de tamanho.

Volumes 3D são de cerca de 10 a 20 mícrons de espessura em rochas de carbonato e de cerca de 50 a 250 mícrons de espessura em arenitos.

Varreduras cobrem dezenas de mm? em Ú área de superfície. » Os volumes de elementos representativos (REV) e as áreas (REA) são os menores volumes e áreas, respectivamente, os quais podem ser modelados para render 1 resultados consistentes dentro dos limites aceitáveis de . variância da propriedade modelada (em exemplos não limitativos, porosidade e permeabilidade). REVS e REAs permitem que amostras de tamanho adequado sejam escolhidas para assegurar que heterogeneidade em meios porosos seja capturada.

. 8 De acordo com algumas modalidades, uma combinação é | descrita de (a) imagens de LSFM 2D ou 3D de alta resolução adquiridas para REA's ou VER's em rochas, com (Db) varreduras CT que capturam volumes 3D relativamente maiores em resolução mais baixa.

Varreduras de LSFM são usadas como imagens de treinamento para as estatísticas de múltiplos pontos 2D e 3D para distribuir microporos de alta resolução ao longo de volumes de varredura CT de mais baixa resolução os quais são usados como dados concretos para condicionar as simulações.

O resultado final é um modelo de “porosidade total” 3D compósito que captura grandes e pequenos poros.

Uma vantagem da técnica é que os dados de alta resolução ajudam a resolver o problema de segmentação para dados de varredura CT.

Além disso, embora nós apliquemos esta abordagem às rochas, as mesmas técnicas se aplicam a quaisquer meios porosos varridos em mais de uma escala de ' resolução. ' Modelos digitais de rochas e poros.

Há muitos exemplos de modelos de rocha numéricos construídos utilizando técnicas incluindo reconstruções feitas a partir de seções finas 2D ou imagens de microscópio de elétron de . varredura (SEM), pacotes de esfera gerada por computador, microscopia de fluorescência de varredura a laser e vários tipos de varreduras CT (convencional, micro CT, nano CT e microtomografia computadorizada de síncrotron).

. E) Varreduras CT.

A forma mais comum de visualizar | sistemas de poros em 3D é a partir de varreduras CT.

Amostras para micro CT são selecionadas com base em varreduras CT do testemunho inteiro.

Varreduras CT de testemunho inteiro fornecem uma visão geral de heterogeneidade no intervalo testemunhado.

Com base em números de CT que são indicações diretas de densidade de testemunho, localizações de amostras de diversas áreas de testemunho são marcadas.

As amostras são, em seguida, cortadas usando ferramentas adequadas.

Nenhum procedimento especial é necessário para limpar as amostras antes das varreduras de micro CT.

A microtomografia emprega raios-X para adquirir seções transversais de um objeto 3D que podem ser usadas para criar modelos virtuais.

Varreduras de micro CT são pequenas em projeto em comparação com varredores médicos e ] são idealmente adequadas para imagear objetos menores, tal . como amostras de testemunho de alguns milímetros de tamanho.

Varredores de micro CT são usados para obter detalhes 3D exatos sobre morfologia de rocha evitando E aproximações necessárias para reconstruir imagens 3D via . métodos baseados em processo ou estatísticos.

Varredores de micro CT alcançam uma resolução de cerca de 1 a 5 mícrons.

Para análise adicional, com uma resolução abaixo da faixa de mícron, podem ser utilizados varredores de nano CT.

“ 10 " Microscopia de fluorescência de varredura a laser. Ú A microscopia de fluorescência de varredura a laser (LSFM) oferece uma técnica de alta resolução (cerca de 0,25 mícron) para a construção de modelos de rocha digitais 3D. Técnicas confocais e de multifótons são as mais comuns, embora o emergente campo de microscopia de fluorescência de super resolução possa fornecer imagens melhoradas de rochas e outros meios porosos, até poucos nm até dezenas de nm em escala. Ver “Huang, B., Bates, M., e Zhuang, X., 2009, “Super-resolution fluorescence microscopy:"” Annual Review of Biochemistry, v. 78, Pp. 993-1016”"., Tais técnicas melhoram a resolução de microscopia de fluorescência usando excitação padronizada ou localização de molécula simples de fluorescência. Microscopia confocal, o tipo mais comum de LSFM, usa iluminação pontual e uma perfuração colocada na frente ] a um detector para eliminar luz fora de foco. Como cada . medição é um ponto único, dispositivos confocais realizam varreduras ao longo de grades de linhas paralelas para fornecer imagens 2D de planos sequenciais em profundidades . especificadas dentro de uma amostra.

. A profundidade de penetração de LSFM é limitada porque a luz refletida é absorvida e espalhada por material acima do plano focal. Profundidades de secionamento óptico em arenitos variaram de 50 a 250 mícrons. Veja, “Fredrich, J.T., 1999, 3D imaging of porous media using laser scanning

- 11 confocal microscopy: Physics and Chemistry of the Earth, Part A: Solid Earth and Geodesy, v. 24, Emissão 7, p. 551- 561”. Em rochas de carbonato, as profundidades de varredura são de 10 a 20 mícrons. Nossos experimentos imagearam com sucesso profundidades tão grandes quanto 500 mícrons usando moldes de poros de rochas de carbonato, onde o material de rocha foi removido com ácido. Felizmente, a cobertura de área não é limitada porque varreduras em ladrilhos podem ser feitas de áreas relativamente grandes (dezenas de mm?) de seções polidas de rocha.

Microscopia de multifótons usa excitação de dois fótons para imagear tecido vivo até uma profundidade muito alta, cerca de um milímetro. Consulte “Wikipedia, 2010a, website http://en.wikipedia.org/wiki/Confocal microscopy, acessado em 31 de outubro de 2010”. Como a microscopia confocal, esta técnica excita corantes fluorescentes injetados em rochas. “O princípio é baseado na ideia de que . dois fótons de energia comparavelmente mais baixa que O necessário para excitação de um fóton também podem excitar um fluoróforo em um evento quântico. Cada fóton transporta i cerca de metade da energia necessária para excitar a - molécula. Uma excitação resulta na subsequente emissão de um fóton fluorescente, a uma energia mais alta do que qualquer um dos dois fótons excitatórios”. A resolução é limitada por difração a cerca de 250 nm, semelhante à microscopia confocal.

. 12 Microscopia confocal e de multifótons é amplamente utilizada nas ciências da terra e nas indústrias de semicondutores.

Estatísticas de múltiplos pontos. Métodos estatísticos de múltiplos pontos (ou multiponto) (MPS) são uma nova família de algoritmos de interpolação estatística espacial propostos na década de 1990 que são usados para gerar simulações condicionais de campos de variável discreta, tal como faces geológicas, através de imagens de treinamento. Ver, “Guardiano, F., e Srivastava, R.M. 1993, Multivariate geoetatistics: Beyound bivariate moments: Geoestatistics-Troia, A. Soares, Dordrecht, Holanda, Kluwer Academic Publications, v 1, p 133-144”". MPS está ganhando popularidade em modelagem de reservatório devido à sua capacidade para gerar modelos realistas que podem ser limitados por diferentes tipos de dados. Ao contrário dos i enfoques de geoestatísticos de 2 pontos convencionais ou à ' base de variograma, MPS usa uma imagem de treinamento para quantificar os padrões deposicionais complexos que se acreditam existir em reservatórios estudados. Estes padrões i de treinamento são, então, reproduzidos nas simulações de ' MPS finais com condicionamento para dados locais coletados a partir dos reservatórios. Portanto, MPS permite aos modeladores usar suas interpretações geológicas anteriores como modelos conceituais (imagens de treinamento) no processo de modelagem de reservatório e avaliar a incerteza

& 13 associada com as interpretações anteriores pela ajuda do uso de diferentes imagens de treinamento. Além das variáveis categóricas, MPS pode também ser utilizado para tratar de imagens de treinamento variáveis contínuas, tal como distribuição espacial de porosidade. Duas famílias de algoritmos MPS estão disponíveis para lidar com estes diferentes tipos de imagens de treinamento: Snesim para variáveis categóricas e Filtersim para variáveis contínuas.

Os algoritmos Snesim e Filtersim honram restrições absolutas ou “duras” a partir de dados adquiridos em poços ou afloramentos e outros mapas de tendência interpretados do reservatório em estudo. Imagens de treinamento são O principal condutor de qualquer abordagem de MPS. Uma questão levantada implicitamente pelos algoritmos de MPS atuais é como gerar imagens de treinamento. Imagens de ] treinamento são projetadas para modelar ou reproduzir . características geológicas reais e devem, tanto quanto possível, ser derivadas de imagens existentes geologicamente significativas. As imagens de treinamento ' podem ser derivadas a partir de várias fontes, tal como - esboços feitos à mão, fotografias aéreas, imagens de satélite, volumes sísmicos, modelos à base de objetos geológicos, modelos de escala física ou modelos à base de processos geológicos.

As imagens de treinamento de variáveis categóricas

. 14 são mais fáceis de gerar do que imagens de treinamento de variáveis contínuas. Uma abordagem baseada em objeto é comumente usada para gerar imagens de treinamento com variáveis categóricas. Uma abordagem baseada em região, combinada com a adição de restrições desejadas, pode ser usada para gerar imagens de treinamento de variáveis contínuas. Veja Zhang T., Bombarde, S., Strebelle, S., e Oatney, E., 2006, porosity modeling of a carbonate reservoir using continuous multiple-point statistics simulation: SPE Journal v. 11, p. 375-379. Áreas e volumes de elementos representativos. Volumes de elementos representativos (REV) fornecem uma nova maneira de lidar com heterogeneidade e questões de escalonamento para cima em modelagem de reservatório. Em resumo, REV é o menor volume que pode ser modelado para render resultados consistentes dentro de limites aceitáveis i de variância de uma propriedade modelada, tal como ' porosidade. Utilizando esta abordagem, podemos escalonar para cima propriedades de rocha de escalas finas para grossas pela determinação do menor volume que precisa ser i modelado, execução do modelo de fluxo e utilização dos B resultados em simulações de maior escala. Uma vez que tenhamos modelado um REV, não precisamos modelar volumes maiores porque capturamos heterogeneidade do tipo de rocha especial nessa escala.

O conceito de REV foi primeiro discutido em 1972.

. 15 Ver “Bear, J., 1972, “Dynamics of fluids in porous media:” Elsevier, New York, 746 p” (doravante “Bear 1972”). Bear definiu AU; como um volume em um meio poroso com um centroide de P (Fig. 3). AU; é considerado ser muito maior do que um único poro ou grão.

AU, é o volume de espaço vazio e n; é a razão de espaço vazio para volume, isto é, a porosidade fracional.

Em grandes valores de AU;i, existem flutuações mínimas de porosidade em função do volume.

No entanto, à medida que diminui o volume, as flutuações de porosidade aumentam, especialmente quando AU; se aproximam do tamanho de um poro único, oO qual tem porosidade fracional de 1. Se o centroide P se situar em um grão, a porosidade é de O quando AU; = O.

O valor AU, é definido como o REV abaixo do qual flutuações de porosidade são significativas e acima do qual flutuações de porosidade são mínimas.

Em resumo, as dimensões de AU, são suficientes de Ú modo a que “o efeito de adicionar ou subtrair um ou vários . poros não tem influência significativa sobre o valor de nº.

Usando a abordagen de REV, o meio poroso é substituído por “um continuum fictício: uma substância sem Ú estrutura que para qualquer ponto da qual podemos atribuir - variáveis e parâmetros cinemáticos e dinâmicos que são funções contínuas das coordenadas espaciais do ponto e de tempo” (Bear, 1972). Note-se que O REV para porosidade pode diferir do REV para permeabilidade ou outros parâmetros.

Além disso, o REV para propriedades estáticas vs. dinâmicas

. 16 i pode variar.

Na prática, o melhor método é utilizar O maior REV determinado para vários parâmetros.

Em 2D, Oo termo análogo a REV é área de elemento representativo (REA). REA é a área menor de uma rocha que é representativa da propriedade de rocha medida.

REA e REV medem área e volume, respectivamente.

Ambos os termos nos permitem capturar heterogeneidade em propriedades de rocha.

REA e REV são ambos determinados utilizando um processo iterativo, pelo qual a variância em um dado parâmetro, tal como porosidade ou permeabilidade, é medida para áreas ou volumes de amostra sucessivamente maiores.

REA e REV são determinados como a área ou o volume, respectivamente, onde desvio padrão da variância da média de amostra cai abaixo de um corte aceitável.

Média de amostra pode ser porosidade de análise de testemunho derivada de laboratório. ] A fim de determinar REV para uma propriedade de . rocha, tal como porosidade, pode-se modelar um grande volume, subamostrar esse volume e calcular variância em porosidade em função de volume de subamostra.

Dentro das i limitações do poder de computação disponível, estatísticas - de múltiplos pontos (MPS) podem gerar modelos de qualquer tamanho e forma.

Devido a isso, os modelos MPS podem ser usados para ajudar a computar REVs.

A Fig. 1 ilustra um volume de elemento representativo (REV) de porosidade de acordo com algumas modalidades.

Um volume modelado de

. 17 . escala de poro 600 x 600 p de área, 150 p de espessura é mostrado.

O mesmo volume pode ser dividido em subvolumes menores de diferentes tamanhos.

Por exemplo, o volume modelado 110-1 é mostrado com cubos de 10 um extraídos, o volume modelado 110-2 é mostrado com cubos de 50 pum extraídos e o volume modelado 110-3 é mostrado com cubos de 150 um extraídos.

Em cada caso, as porosidades dos subvolumes pode ser determinada. os subvolumes, independentemente da escala, devem ser volumes independentes, não sobrepostos.

Se a variância de porosidade for inferior a um corte escolhido, por exemplo, +/- 5%, então, esse volume pode ser utilizado como o REV.

Para os efeitos de modelagem de fluxo, o REV produz resultados representativos.

A abordagem generalizada para determinação de REV para qualquer propriedade de rocha é, de acordo com algumas modalidades: (1) modelar um grande ] bloco com propriedades de rocha de interesse, (2) . selecionar aleatoriamente uma subamostra de um dado tamanho pequeno dentro do bloco, (3) selecionar aleatoriamente outra subamostra não sobreposta do mesmo tamanho; (4) repetir este processo muitas vezes, (5) aumentar o tamanho - de subamostra e amostrar muitos objetos similares; (6) plotar propriedade de rocha vs tamanho de subamostra, para ver como a variância diminui em função do tamanho de subamostra; e (7) quando a variância estiver dentro de limites aceitáveis (por exemplo, + 5%), este é o REV para a

“ 18 CG propriedade de rocha sob estudo.

Verificou-se que o volume de elemento representativo é um conceito importante, mas, muitas vezes esquecido. Frequentemente, experimentalistas de laboratório assumem que as amostras nas quais eles realizam medições são representativas sem declarar isso explicitamente. Como consequência, as medições obtidas a partir de amostras pequenas são diretamente utilizadas para aplicações de campo ou por modelação estática ou dinâmica. Isto muito provavelmente leva a resultados errôneos e enganosos devido a diferenças de propriedades causadas por tamanhos de amostras.

De acordo com algumas modalidades, um fluxo de trabalho integrado é descrito para imagear, processar e gerar modelos de poros físicos usando uma LSFM (microscopia de fluorescência de varredura a laser) 2D e 3D. LSFM é Ú muito melhor do que seções finas para detecção e . quantificação de microporosidade. Poros imageados por LSFM são tão pequenos quanto cerca de 0,25 mícron de tamanho.

A Fig. 2 ilustra uma vista em seção transversal de - uma seção fina esquemática de rocha 210 tendo dois poros : 212 e 214 impregnados com epóxi 216 e montados em vidro 220 de acordo com algumas modalidades. As seções finas são de cerca de 30 mícrons de espessura e elas são visualizadas utilizando um microscópio com luz transmitida por baixo da plataforma. Se um poro esférico de raio (r) de 30 mícrons

- 19 E 212 for cortado pela superfície de topo da seção fina, a borda do poro será não clara.

Se um poro esférico de raio de 60 mícrons 214 for cortado pela superfície de topo da seção fina, o poro parecerá menor (linhas tracejadas) do que o seu tamanho real.

Como pode ser visto, poros menores que 30 mícrons de raio são ou invisíveis ou mal imageados quando vistos usando microscopia convencional.

Além disso, de acordo com algumas modalidades, uma computação é descrita para volumes (REVsS) e áreas (REAs) de elementos representativos a partir de subvolumes Ou subáreas não sobrepostos em meios porosos.

Os REVs e REAs de varreduras LSFM 3D e 2D, respectivamente, são usados aqui para segmentar varreduras de CT de mais baixa resolução.

Isto ajuda a resolver um problema de segmentação de longa data em rochas com poros menores do que a resolução das imagens de varredura de CT. ' De acordo com algumas modalidades, REVs e REAS de . varreduras LSFM 3D e 2D, respectivamente, são aqui utilizados como imagens de treinamento para simulações de MPS (estatísticas de múltiplos pontos) condicionadas a ' varreduras CT de resolução mais baixa segmentadas. ' Os modelos de rocha digitais podem ser construídos a partir de seções finas 2D, imagens de microscópio de elétron de varredura (na sigla em inglês para scanning electron microscope, SEM), ou pacotes de esfera gerada por computador.

Além disso, imagens de microscópio fluorescente

. 20 : de varredura a laser (LSFM) podem ser usadas para gerar modelos digitais 3D de alta resolução (cerca de 0,25 mícrons). Mais comumente, varreduras de tomografia computadorizada (CT) são usadas para criar esses modelos: (a) varreduras CT convencionais usam amostras relativamente grandes (comumente testemunhos cilíndricos de diâmetro de cm) com resoluções que são de cerca de um a vários milímetros de tamanho, (b) varreduras micro CT utilizam pequenas amostras (comumente tampões de testemunho de 5 mm 10 de diâmetro) com resoluções que são de cerca de 1 a 5 mícrons de tamanho; microtomografia computadorizada de síncrotron "trabalha em escalas semelhantes, e (e) varreduras de nano CT utilizam amostras muito pequenas (comumente de tampões de testemunho de diâmetro de 60 mícrons) para detectar corpos de poros com resoluções que são de cerca de 50nm a 60nm de tamanho. ] Depois de segmentação, de acordo com algumas : modalidades, software converte imagens em modelos de poros.

As distribuições de tamanho resultantes de corpo de poro e gargalo de poro e a conectividade de poros são usadas para computar propriedades petrofísicas, tal como porosidade e permeabilidade.

A segmentação é uma etapa de análise de imagem usada para gerar imagens binárias, em que poros são diferenciados de minerais.

Idealmente, as varreduras são grandes o bastante para serem áreas de elemento representativo (REAs) ou volumes (REVsS), ou seja, as áreas

. 21 : ou volumes menores que podem ser modelados para render resultados consistentes dentro de limites aceitáveis de variância da propriedade modelada, por exemplo, porosidade ou permeabilidade.

De acordo com algumas modalidades, estatísticas de múltiplos pontos (MPS) são usadas para criar simulações de campos de propriedades geológicas espaciais e de reservatório para modelagem de reservatório. Estes métodos são simulações condicionais que utilizan resultados conhecidos, tal como aqueles medidos em furos de poços ou amostras de rocha, como dados “duros” ou fixos que são respeitados durante simulações. MPS utiliza “imagens de treinamento” 1d, 2D ou 3D como gabaritos quantitativos para modelar campos de propriedade de subsuperfície.

De acordo com algumas modalidades, imagens digitais de sistemas de poros adquiridas por LSFM são utilizadas ' como imagens de treinamento uma vez que um REA ou REV foi . amostrado. As imagens de LSFM são segmentadas utilizando porosidade de tampão de testemunho. Micro e macroporos são diferenciados em varreduras de LSFM através de aplicação de clustering, watershedding ou algoritmos similares, com um . corte de tamanho. A segmentação de varredura de CT é feita usando macroporos identificados a partir de varreduras de LSFM. Varreduras de CT binarizadas são usadas como dados duros em simulações de MPS. Tais realizações capturam porosidade em escalas finas e grossas e são adequadas para

. 22 : a modelagem de rede de poros e simulação de fluxo. Esta abordagem combina os pontos fortes de LSFM, ou seja, alta resolução, com os pontos fortes de varreduras CT, ou seja, volumes “relativamente grandes varridos em mais baixa resolução. Tais modelos compósitos proporcionam uma solução de “porosidade total”.

De acordo com algumas modalidades, a microscopia de fluorescência de varredura a laser (LSFM) é usada para varrer um ou mais planos 2D através de amostras de rochas impregnadas com epóxi fluorescente. Após a confirmação de imageamento de uma área de elemento representativo (REA) 2D ou volume (REV) 3D, os modelos de poros são construídos a partir das varreduras. A segmentação é feita para combinar porosidade de tampão de testemunho determinada em laboratório. Clustering, watershedding ou outros algoritmos diferenciam micro vs macroporosidade. A quantidade de Ú macroporos é usada para segmentar imagens de varredura de . micro CT que têm resoluções que são demasiadamente pobres para resolver microporosidade. Varreduras de LSFM são usadas como imagens de treinamento e varreduras CT Ú segmentadas são utilizadas como dados duros para modelos de . estatística de múltiplos pontos (MPS). O resultado final é um modelo de rocha compósito com porosidade grossa e fina.

A Fig. 3 é um fluxograma para um modelo 2D compósito usando microscopia de fluorescência de varredura a laser (LSFM), varreduras de micro CT, estatística de í 23 . múltiplos pontos (MPS) e áreas de elemento representativo (REAS) de acordo com algumas modalidades.

No bloco 310, uma amostra de rocha é impregnada com pressão de vácuo com epóxi fluorescente.

A amostra de rocha seca e limpa é submetida a um vácuo (por exemplo, 12,8 psi, 0,88 bar), e epóxi é introduzido que foi corado com corante fluorescente (por exemplo, Rhodamina B, 1,5 a 200 de mistura) e a amostra e o epóxi combinados são submetidos à alta pressão (por exemplo, 1.200 psi, 82,7 bar). Isso assegura impregnação de até mesmo os menores poros conectados.

Epóxi de cura lenta e baixa viscosidade é recomendado.

A amostra é montada sobre uma lâmina de vidro, cortada na espessura adequada, por exemplo, uma seção fina é de 30 mícrons, e uma seção grossa é de cerca de 5000 mícrons de espessura.

A superfície de topo da amostra de rocha é, então, polida.

No bloco 312, seções finas ou grossas são varridas ] usando LSFM.

Varreduras de LSFM 2D em ladrilhos no topo de . 10 a 20 mícrons (rochas de carbonato) ou 50 a 250 mícrons (arenitos) são adquiridas da seção fina ou grossa.

A * matriz mineral é escura e a porosidade é mostrada em branco.

Toda a seção fina é de 12.600 mícrons quadrados e o quadro 410 mostra uma seção de ladrilho 400 que é de 1.800 mícrons quadrados.

Um único ladrilho 412 é mostrado que é de 135 mícrons quadrados.

O ladrilho único ilustra uma

" 24 GC vista ampliada de microporosidade de microscopia confocal ] de alta resolução. É importante assegurar que a amostra esteja em nível, ou seja, perpendicular ao feixe de laser. A seção, por exemplo, é varrida utilizando etapas x-y de cerca de 0,25 x 0,25 mícron a uma profundidade de 5 ou 10 mícrons abaixo da superfície de topo para evitar irregularidades de superfície. As varreduras de LSFM são salvas como, por exemplo, arquivos tif.

Referindo-se novamente à Fig. 3, no bloco 314 as imagens de LSFM são criadas e segmentadas. De acordo com algumas modalidades, o software de análise de imagem (por exemplo, ImageJj ou Photoshop) é utilizado para fotofundir ladrilhos de LSFM. As imagens são segmentadas pela escolha de um limiar para combinar porosidade medida no tampão de testemunho correspondente.

' No bloco 316, uma confirmação é feita de que uma - “área de elemento representativo (REA)” foi varrida. A porosidade é computada para subáreas da varredura LSFM segmentada e este processo é repetido muitas vezes para aumentar tamanhos de subáreas independentes não sobrepostas. Os cálculos são interrompidos quando há menos de 30 subáreas não sobrepostas, para proporcionar melhores estatísticas para cálculos de desvio padrão. Gráficos cruzados de variância em porosidade versus tamanho de subárea são feitos, então. REA é a subárea que ocorre

" 25 quando um desvio padrão de variância está dentro de +/- 5% da média de amostra (porosidade de tampão de testemunho). Se a amostra não é grande o suficiente para capturar a REA, os novos dados devem ser adquiridos para uma amostra maior.

No bloco 318, a quantidade de micro vs macroporosidade é calculada a partir da varredura de LSFM.

Clustering, watershedding 2D ou um algoritmo semelhante é utilizado para separar os poros tocantes.

A percentagem de área de macro e microporosidade é computada.

A microporosidade pode ser definida, por exemplo, como poros menores do que um corte arbitrário, ou menores do que o limite de resolução dos dados de baixa resolução.

No bloco 320, a seção grossa é imageada usando varreduras de micro CT.

Varreduras de micro CT são adquiridas da seção grossa de rocha usada anteriormente para o trabalho de LSFM.

Técnicas de processamento são S aplicadas, tal como filtração ou suavização, para minimizar ” ou eliminar artefatos de imagem.

No bloco 322, varreduras de micro CT são segmentadas usando corte determinado a partir de LSFM para macroporosidade.

A quantidade de macroporosidade determinada a partir de LSFM no bloco 318 é usada para segmentar o volume de varredura micro CT.

Este processo ajuda a resolver o problema de como segmentar varreduras micro CT.

A suposição é que área percentual de poros menores do que a resolução de LSFM (cerca de 0,25 x 0,25

. 26 ' mícron) é insignificante.

Gráficos de frequência de tamanho de poro das varreduras de LSFM mostram que ela é uma suposição razoável.

No bloco 324, as varreduras de LSFM estão registradas para varreduras micro CT.

As varreduras de LSFM são registradas aproximadamente para varreduras micro CT para estar certo que as mesmas porções de rocha são imageadas.

Porque as varreduras de LSFM são usadas como imagens de treinamento de MPS (estatística de múltiplos pontos), o registro exato não é necessário.

As Figs. 5 e 6 ilustram uma comparação de imagem de varredura micro CT de mais baixa resolução 510 na Fig. 5 com imagem de LSFM (confocal) de mais alta resolução 610 na Fig. 6 da mesma superfície de rocha.

Os poros são escuros e a matriz mineral é clara na imagem de varredura micro CT 510. Os poros são claros e a matriz mineral é escura na imagem de Ú LSFM (confocal) 610. - Referindo-se novamente à Fig. 3, no bloco 326 microporos são substituídos por valores nulos nas varreduras de LSFM de acordo com algumas modalidades.

Ú No bloco 328, as varreduras de LSFM editadas são * usadas como imagens de treinamento para modelagem MPS.

Fatias de varredura micro CT são reamostradas para coincidir com resolução de LSFM, por exemplo, cerca de 0,25 x 0,25 mícron de pixels.

A modelagem MPS é executada usando varreduras de LSFM editadas (bloco 314) como imagens de

: 27 : : treinamento.

Fatias de varredura micro CT segmentadas reamostradas (bloco 322) são utilizadas como dados duros para construir a solução de “porosidade total”. O resultado é que fatias de varredura micro CT 2D são populadas com macro e microporosidade.

Os 3D podem ser visualizados usando um software de análise de imagem convencional (por exemplo, ImageJ ou Photoshop). Para lidar com limitações de memória de computador em varreduras micro CT reamostradas uma abordagem é usar uma nova estrutura de dados em que MPS constrói submodelos em sequência e transições ininterruptas ocorrem entre submodelos “utilizando conceitos de condicionamento de região.

Ver “Zhang, T. 2008, Incorporating geological conceptual models and interpretations into reservoir modeling using multi-point geostatistics: Earth Science Frontiers, v 15, n.º 1, p 26-35”. Submodelos são trocados a i partir do disco rígido para RAM de acordo com a janela de . exibição que o usuário quer ver (zoom in / zoom out). A Fig. 7 é um fluxograma para modelo 3D compósito usando microscopia de fluorescência de varredura a laser i (LSFM), varreduras micro CT, estatística de múltiplos * pontos (MPS) e volumes de elemento representativo (REV's) de acordo com algumas modalidades.

No bloco 710, uma amostra de rocha é impregnada com pressão de vácuo com epóxi fluorescentes.

A amostra de rocha limpa e seca é submetida a um vácuo (por exemplo, 12,8 psi, 0,88 bar), e

: 28 . epóxi, é introduzido que foi corado com corante fluorescente (por exemplo, Rhodamina B, 1,5 para 200 de mistura) e a amostra e o epóxi combinados são submetidos à alta pressão (por exemplo, 1.200 psi, 82,7 bar). Isto assegura impregnação de até mesmo os menores poros conectados. O epóxi de lenta cura e baixa viscosidade é recomendado. Monte a amostra em uma lâmina de vidro, corte até a espessura adequada, por exemplo, uma seção fina é de 30 mícrons e uma seção grossa é de cerca de 5.000 mícrons de espessura. Dê polimento na superfície de topo da amostra de rocha.

No bloco 712, seções finas ou grossas são varridas usando LSFM. Varreduras de LSFM empilhadas em z em ladrilhos no topo de 10 a 20 mícrons (rochas de carbonato) ou 50 a 250 mícrons (arenitos) são adquiridas da seção fina ou grossa (Veja, Fig. 4). Deve ser tomado cuidado para que Ú a amostra esteja em nível, ou seja, perpendicular ao feixe . de laser. A seção é varrida, por exemplo, utilizando etapas x-y de cerca de 0,25 x 0,25 mícron e etapas z de 0,4 mícrons. Varreduras de LSFM são salvas como, por exemplo, arquivos tif.

' No bloco 714, as imagens de LSFM são criadas e segmentadas. De acordo com algumas modalidades, software de análise de imagem (por exemplo, ImageJj ou Photoshop) é utilizado para ladrilhos de LSFM de fotofusão. Segmentar as imagens escolhendo um limiar para combinar porosidade

. 29 medida no tampão de testemunho correspondente.

Varreduras de LSFM são visualizadas usando o software de análise de imagem.

No bloco 716, é feita uma confirmação de que um “volume de elemento representativo (REV)” foi varrido.

A porosidade é calculada para subvolumes da varredura de LSFM segmentada e este processo é repetido muitas vezes para aumentar tamanhos de subvolumes não sobrepostos independentes.

Os cálculos são interrompidos quando há menos de 30 subvolumes não sobrepostos, para fornecer melhores estatísticas para cálculos de desvio padrão.

Gráficos cruzados de variância em porosidade versus tamanho de subvolume são, então, feitos.

REV é o subvolume que ocorre quando um desvio padrão de variância está dentro de +/- 5% da média de amostra (porosidade de tampão de testemunho). Se a amostra não é grande O suficiente para : capturar o REV, os dados novos são adquiridos para uma . amostra maior.

No bloco 718, a quantidade de micro vs macroporosidade é calculada a partir da varredura de LSFM. : Clustering, watershedding ou um algoritmo semelhante é ” utilizado para separar os poros tocantes.

A porcentagem de volune de macro e microporosidade é computada.

A microporosidade pode ser definida, por exemplo, como poros menores do que um corte arbitrário ou menores do que O limite de resolução dos dados de baixa resolução.

ã 30 o No bloco 720, a seção grossa é imageada usando varreduras micro CT. Varreduras micro CT são adquiridas da seção grossa de rocha usada anteriormente para o trabalho de LSFM. Técnicas de processamento são aplicadas, tal como filtração ou suavizaçãoy para minimizar ou eliminar artefatos de imagem.

No bloco 722, varreduras micro CT são segmentadas usando o corte determinado a partir de LSFM para macroporosidade. A quantidade de macroporos determinada a partir de LSFM no bloco 718 é utilizada para segmentar o volume de varredura micro CT. Este processo ajuda a resolver o problema de como segmentar varreduras micro CT. A suposição é que o volume percentual de poros menores do que a resolução de LSFM (cerca de 0,25 x 0,25 x 0,4 mícrons) é insignificante. Gráficos de frequência de tamanho de poros das varreduras de LSFM mostram que esta é ] uma suposição razoável.

. No bloco 724, as varreduras de LSFM estão registradas para varreduras micro CT. As varreduras de LSFM são registradas aproximadamente para varreduras micro CT para estar certo que as mesmas porções de rocha são * imageadas (Fig. 8). Porque as varreduras de LSFM são usadas como imagens de treinamento MPS (estatísticas de múltiplos pontos), o registro exato não é necessário. No bloco 726, microporos são substituídos por valores nulos nas varreduras de LSFM de acordo com algumas

. 31 CU modalidades.

No bloco 728, as varreduras de LSFM editadas são usadas como imagens de treinamento para modelagem MPS. As fatias de varredura micro CT são reamostradas para coincidir com resolução de LSFM, por exemplo, cerca de 0,25 x 0,25 x 0,4 mícron de pixels. A modelagem MPS é executada usando varreduras de LSFM editadas (bloco 714) como imagens de treinamento. Fatias de varredura micro CT reamostradas, segmentadas (bloco 722) são utilizadas como dados duros para construir a solução de “porosidade total”.

A Fig. 8 ilustra o registro de uma varredura confocal e uma varredura micro CT do mesmo volume de rocha de acordo com algumas modalidades. Na varredura confocal 810, a porosidade é clara e os grãos minerais são escuros.

O tamanho de voxel é de cerca de 0,25 mícron. Na varredura micro CT 812, a porosidade é escura e os grãos minerais são ' brancos / cinza claro. O tamanho de voxel é de 7 mícrons.

. Ambas as varreduras 810 e 812 cobrem porções do mesmo volume de rocha. As varreduras são registradas por linhas tracejadas. A varredura confocal de alta resolução 810 é - usada como uma imagem de treinamento para simulação de . estatística de múltiplos pontos de porosidade na varredura micro CT de baixa resolução 812. Os tamanhos de volumes varridos são arbitrários.

Referindo-se novamente ao bloco 728 da Fig. 7, oO resultado é que o volume de varredura micro CT é populado

- 32 CO com macro e microporosidade. Os volumes 3D podem ser visualizados usando software de análise de imagem convencional (por exemplo, Imagem J ou Photoshop). Para lidar com limitações de memória de computador em varreduras micro CT reamostradas, uma abordagem é usar uma nova estrutura de dados em que MPS constrói submodelos em sequência e transições ininterruptas ocorrem entre submodelos utilizando conceitos de condicionamento de região. Ver “Zhang, T. 2008, Incorporating geological conceptual models and interpretations into reservoir modeling using multi-point geostatistics: Earth Science Frontiers, v 15, N.º 1, p 26-35” Submodelos são trocados a partir do disco rígido para RAM de acordo com a janela de exibição que o usuário quer ver (zoom in / zoom out). A Fig. 9 mostra sistemas para construção de um modelo intensificado de uma amostra de meios porosos de Ú acordo com algumas modalidades. Dados de alta resolução - adquiridos 910 (tal como de LSFM, SEM, TEM, AFM, VSI, etc.) são transmitidos para um centro de processamento 950 que inclui uma ou mais unidades de processamento central 944 Ú para efetuar os procedimentos de processamento de dados, . tal como aqui descritos, bem como outros processamentos. O centro de processamento inclui um sistema de armazenamento 942, módulos de comunicações e de entrada / saída 940, um display de usuário 946 e um sistema de entrada de usuário

948. De acordo com algumas modalidades, oO centro de

. 33 . processamento 950 pode estar localizado em um local remoto ao local de aquisição dos dados petrográficos.

Dados de baixa resolução 912, tal como adquiridos utilizando micro CT, CT convencional e / ou macro fotografia digital, são transmitidos para o centro de processamento 950. Na Fig. 9, dados e / ou amostras de uma formação subterrânea porosa 902 estão sendo reunidos em uma locação de poço 900 através de um caminhão de cabo de aço 920 implantando uma ferramenta de cabo de aço 924 no poço 922. De acordo com algumas modalidades, a ferramenta de cabo de aço 924 inclui uma ferramenta de amostragem de testemunho para coletar uma ou mais amostras de testemunho da formação porosa 902. Tal como aqui descrito, o centro de processamento de dados é usado para intensificar o modelo 914 do material poroso amostrado.

Embora o sistema na Fig. 9 seja mostrado aplicado ao exemplo de imagens digitais de rocha de uma ' formação porosa subterrânea, em geral as técnicas descritas . podem ser aplicadas a quaisquer meios porosos.

Embora a divulgação em questão seja descrita por meio das modalidades anteriores acima, será entendido por aqueles versados na técnica que modificação e variação das - modalidades ilustradas podem ser feitas sem se afastar dos conceitos inventivos aqui divulgados.

Além disso, embora as modalidades preferidas sejam descritas em ligação com várias estruturas ilustrativas, aqueles versados na técnica reconhecerão que o sistema pode ser configurado usando uma

. 34 variedade de estruturas específicas.

Por conseguinte, a divulgação em questão não deve ser vista como limitada, exceto pelo escopo e espírito das reivindicações anexas.

Claims

| - REIVINDICAÇÕES -

1. MÉTODO PARA CONSTRUIR UM MODELO DE UMA AMOSTRA DE MEIOS POROSOS, o método caracterizado pelo fato de que compreende: receber dados de imagem de baixa resolução gerados usando uma medição de resolução mais baixa realizada em uma primeira amostra dos meios porosos; receber dados de imagem "de alta resolução representando caracterizações de aspectos de uma segunda amostra pequena dos meios porosos, os dados de alta resolução sendo gerados usando uma medição de resolução mais alta realizada na segunda amostra pequena; e distribuir as caracterizações de aspectos da segunda amostra pequena dos dados de alta resolução nos dados de baixa resolução gerando, assim, um modelo aperfeiçoado dos meios porosos.

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a segunda amostra pequena forma um subconjunto da primeira amostra.

3. Método, de acordo com a reivindicação 1, " caracterizado pelo fato de que a medição de mais baixa resolução alcança uma resolução de pelo menos uma ordem de grandeza pior do que a medição de mais alta resolução.

4. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o método estatístico de múltiplos pontos inclui usar uma ou mais técnicas selecionadas a partir de um grupo consistindo em: geoestatística de variável discretaa e geoestatística de variável contínua.

5. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que as caracterizações de aspectos da segunda amostra pequena dos meios porosos incluem caracterizações de um ou mais aspectos selecionados a partir de um grupo consistindo em: forma, tamanho e espaçamento de poros.

6. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda, antes da distribuição, segmentar os dados de imagem de baixa resolução em uma imagem binária, a segmentação sendo baseada em parte nas caracterizações de medição de mais alta resolução.

7. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de imagem de alta resolução são gerados usando uma ou mais medições selecionadas a partir de um grupo consistindo em: microscopia fluorescente de varredura a laser, microscopia i de elétrons de varredura, microscopia de elétrons de transmissão, microscopia de força atômica, interferometria de varredura vertical, varreduras nano CT e microscopia de elétron de varredura de feixe de íon focada.

8. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que os dados de imagem de alta resolução são gerados usando uma ou mais medições selecionadas a partir de um grupo que consiste em: seção : fina bidimensional, seção grossa bidimensional e microscopia de fluorescência de varredura a laser transmitida bidimensional.

9. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de imagem de baixa resolução são gerados usando uma ou mais medições selecionadas a partir de um grupo consistindo em: micro CT tridimensional, CT convencional tridimensional e varreduras CT de síncrotron tridimensionais, e fotografia digital macro.

10. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda determinar um tamanho de área de elemento representativo (REA) que é menor do que a segunda amostra pequena utilizando um processo iterativo, pelo qual variância em porosidade ou permeabilidade é medida para as áreas de amostra sucessivamente maiores; e i 20 antes da distribuição, segmentar os dados de imagem ' de baixa resolução para uma imagem binária, a segmentação sendo executada de modo a coincidir com uma macroporosidade computadorizada para uma REA.

11. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda determinar um tamanho de elemento de volume representativo (REV) que é menor do que a segunda amostra pequena utilizando um | processo iterativo, pelo qual variância na porosidade ou ] permeabilidade é medida para volumes de amostra sucessivamente maiores; e antes da distribuição, segmentar os dados de imagem de baixa resolução em uma imagem binária, a segmentação sendo executada de modo a coincidir com macroporosidade computadorizada para REV.

12. SISTEMA PARA CONSTRUIR UM MODELO DE UMA AMOSTRA DE MEIOS POROSOS, o sistema caracterizado pelo fato de que compreende: um sistema de processamento adaptado e programado para receber os dados de imagem de baixa resolução gerados usando uma medição de mais baixa resolução efetuada em uma primeira amostra dos meios porosos, receber dados de imagem de alta resolução que representam caracterizações de aspectos de uma amostra pequena dos meios porosos, OS dados de alta resolução sendo gerados usando uma medição de mais alta resolução realizada na segunda amostra pequena, e distribuir as caracterizações de aspectos da segunda ' amostra pequena a partir dos dados de alta resolução nos dados de baixa resolução gerando, desse modo, um modelo aperfeiçoado dos meios porosos.

13. Sistema, de acordo com a reivindicação 12, caracterizado pelo fato de que as caracterizações de aspectos da segunda amostra pequena dos meios porosos incluem caracterizações de um ou mais aspectos selecionados | a partir de um grupo consistindo em: forma, tamanho e espaçamento dos poros.

14. Sistema, de acordo com a reivindicação 12, caracterizado pelo fato de que o meio poroso é uma formação de rocha subterrânea.

15. Sistema, de acordo com a reivindicação 12, caracterizado pelo fato de que o sistema de processamento é ainda programado para segmentar os dados de imagem de baixa resolução em uma imagem binária, a segmentação sendo baseada em parte das caracterizações da medição de mais alta resolução.

16. Sistema, de acordo com a reivindicação 12, caracterizado pelo fato de que compreende ainda um sistema de imageamento de alta resolução adaptado para gerar os dados de imagem de alta resolução utilizando uma ou mais medições selecionadas a partir de um grupo consistindo em: microscopia fluorescente de varrimento a laser, microscopia de elétrons de varredura, microscopia de elétrons de transmissão, microscopia de força atômica, interferometria ' de varredura vertical, nano CT e microscopia de elétron de varredura de feixe de íon focada.

17. MÉTODO PARA SEGMENTAR UMA IMAGEM DIGITAL DE MEIOS POROSOS, o método caracterizado pelo fato de que compreende: receber uma imagem digital de baixa resolução gerada usando uma medição de mais baixa resolução realizada em uma primeira amostra dos meios porosos; ' receber uma imagem digital de alta resolução gerada usando uma medição de mais alta resolução realizada em uma segunda amostra pequena dos meios porosos; identificar macroporos a partir da imagem digital de alta resolução; e segmentar a imagem digital de baixa resolução, desse modo, gerando uma imagem digital binária tendo dois valores possíveis para cada pixel, a segmentação sendo baseada nos macroporos identificados.

18. Método, de acordo com a reivindicação 17, caracterizado pelo fato de que compreende ainda: caracterizar aspectos da segunda amostra pequena a partir da imagem digital de alta resolução; e distribuir as caracterizações na imagem digital de baixa resolução, desse modo, gerando um modelo aperfeiçoado dos meios porosos.

2 som Fig. 1

. 2/8 A=n(30)? a A=n(80)? 210

RNA SST Fig. 2