CN108732109A - 油藏定位与油膜筛选的方法、装置及计算机存储介质 - Google Patents
油藏定位与油膜筛选的方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN108732109A CN108732109A CN201810161365.0A CN201810161365A CN108732109A CN 108732109 A CN108732109 A CN 108732109A CN 201810161365 A CN201810161365 A CN 201810161365A CN 108732109 A CN108732109 A CN 108732109A
- Authority
- CN
- China
- Prior art keywords
- oil film
- leakage
- reservoir
- data
- oil
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title claims abstract description 28
- 238000012216 screening Methods 0.000 title claims abstract description 17
- 230000003595 spectral effect Effects 0.000 claims abstract description 178
- 238000002310 reflectometry Methods 0.000 claims abstract description 37
- 238000004611 spectroscopical analysis Methods 0.000 claims description 147
- 238000001228 spectrum Methods 0.000 claims description 43
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000000985 reflectance spectrum Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000003921 oil Substances 0.000 description 608
- 238000005553 drilling Methods 0.000 description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 241001269238 Data Species 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 239000013535 sea water Substances 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 239000010779 crude oil Substances 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 3
- 238000000547 structure data Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005325 percolation Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005100 correlation spectroscopy Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000010759 marine diesel oil Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本说明书提供油藏定位与油膜筛选的方法、装置及计算机存储介质,所述方法包括,获取工区的光谱数据;根据所述光谱数据和指定规则集提取工区的疑似油藏渗漏油膜的指定属性数据;其中,所述指定规则集用于表示已知油藏渗漏油膜所对应的光谱反射率数据以及已知油藏渗漏油膜与其他非油膜物的位置关系;将所述疑似油藏渗漏油膜的指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行匹配;在所述疑似油藏渗漏油膜的指定属性数据匹配所述已知油藏渗漏油膜的指定属性数据的情况下,确定趋于所述疑似油藏渗漏油膜的位置具有油藏。有效识别工区内的油藏渗漏油膜,从而确定油藏位置,降低了海域油气勘探的风险,提高了油气勘探的成功率。
Description
技术领域
本说明书涉及油气田勘探技术领域,特别是油藏定位与油膜筛选的方法、装置及计算机存储介质。
背景技术
随着陆上油气勘探程度的越来越高,很多国家将目光投向了油气勘探开发程度较低的海域,海域油气目前最有效的勘探技术是地震,其成本非常高,风险非常大,特别是在争议海域,实施难度很大。
遥感是一种无接触的空间技术,可以从卫星上直接对目标海域进行长时间的探测,是海域早期勘探的一种有效手段。遥感海域油田勘探,是通过检测海底油气藏渗漏到海面的渗漏油膜来实现的。目前全球发现的海域油气渗漏很多,比如墨西哥湾、黑海、里海等,其中,墨西哥湾就有上千个渗漏点,圣巴巴拉油气渗漏已经达到污染的级别。
可用于海面油膜探测的遥感数据有很多,比如雷达、多光谱、高光谱和热红外等,目前被认为最有效的是雷达数据,主要原因是其受天气干扰较小,可以全天候检测,在海面溢油监测方面广泛应用,其缺点是图像只有一个后向散射值,指标相对单一,另外受海洋现象影响较大,容易产生伪油膜,此外,雷达数据昂贵,历史存档数据较少,这些是影响雷达数据进行油藏定位的关键。
多光谱遥感可以确定海上油膜是否为油藏渗漏油膜,比如Landsat系列卫星数据,有7个谱段,它的真彩色谱段合成图像可以识别油膜,但受天气影响大,海洋区域多光谱数据经常被云覆盖,较高质量的数据较少。
综上所述,如何提出能够准确的,以较低成本的,排除天气、设备影响确定海面油藏渗漏的油膜从而对海底油藏进行定位的方法是本领域亟需解决的问题。
发明内容
本说明书实施方式提供油藏定位与油膜筛选的方法、装置及计算机存储介质,通过根据已知渗漏区油藏渗漏油膜的指定属性数据对工区内的疑似油藏渗漏油膜进行识别,在确定所述疑似油藏渗漏油膜是油藏渗漏油膜的情况下,确定趋于所述油藏渗漏油膜的位置具有油藏。
本说明书实施方式提供一种油藏定位方法,包括:获取工区的光谱数据;根据所述光谱数据和指定规则集提取工区的疑似油藏渗漏油膜的指定属性数据;其中,所述指定规则集用于表示已知油藏渗漏油膜所对应的光谱反射率数据以及已知油藏渗漏油膜与其他非油膜物的位置关系;将所述疑似油藏渗漏油膜的指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行匹配;在所述疑似油藏渗漏油膜的指定属性数据匹配所述已知油藏渗漏油膜的指定属性数据的情况下,确定趋于所述疑似油藏渗漏油膜的位置具有油藏。
本说明书实施方式提供一种油藏定位装置,包括,光谱数据获取模块:用于获取工区的光谱数据;提取模块:用于根据所述光谱数据和指定规则集提取工区的疑似油藏渗漏油膜的指定属性数据;其中,所述指定规则集用于表示已知油藏渗漏油膜所对应的光谱反射率数据以及已知油藏渗漏油膜与其他非油膜物的位置关系;匹配模块:用于将所述疑似油藏渗漏油膜的指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行匹配;油藏定位模块:用于在所述疑似油藏渗漏油膜的指定属性数据匹配所述已知油藏渗漏油膜的指定属性数据的情况下,确定趋于所述疑似油藏渗漏油膜的位置具有油藏。
本说明书实施方式提供一种计算机存储介质,所述存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现:获取工区的光谱数据;根据所述光谱数据和指定规则集提取工区的疑似油藏渗漏油膜的指定属性数据;其中,所述指定规则集用于表示已知油藏渗漏油膜所对应的光谱反射率数据以及已知油藏渗漏油膜与其他非油膜物的位置关系;将所述疑似油藏渗漏油膜的指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行匹配;在所述疑似油藏渗漏油膜的指定属性数据匹配所述已知油藏渗漏油膜的指定属性数据的情况下,确定趋于所述疑似油藏渗漏油膜的位置具有油藏。
本说明书实施方式提供一种油膜筛选方法,包括,获取已知油藏区域的光谱数据;根据所述光谱数据中已知油藏渗漏油膜的光谱反射率数据以及油藏渗漏油膜与其他非油膜物的位置关系生成指定规则集;其中所述规则集用于确定未知油藏区域疑似油藏渗漏油膜;根据所述光谱数据获取油藏渗漏油膜的指定属性数据的阈值区间;所述油藏渗漏油膜的指定属性的阈值区间被作为约束条件,用于对未知油藏区域的光谱数据中的疑似油藏渗漏油膜进行筛选。
本说明书实施方式提供一种油膜筛选装置,包括,光谱数据获取模块:用于获取已知油藏区域的光谱数据;规则集生成模块:用于根据所述光谱数据中已知油藏渗漏油膜的光谱反射率数据以及油藏渗漏油膜与其他非油膜物的位置关系生成指定规则集;其中所述规则集用于确定未知油藏区域疑似油藏渗漏油膜;油膜筛选模块:用于根据所述光谱数据获取油藏渗漏油膜的指定属性数据的阈值区间;所述油藏渗漏油膜的指定属性的阈值区间被作为约束条件,用于对未知油藏区域的光谱数据中的疑似油藏渗漏油膜进行筛选。
本说明书实施方式提供一种计算机存储介质,所述存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现:获取已知油藏区域的光谱数据;根据所述光谱数据中已知油藏渗漏油膜的光谱反射率数据以及油藏渗漏油膜与其他非油膜物的位置关系生成指定规则集;其中所述规则集用于确定未知油藏区域疑似油藏渗漏油膜;根据所述光谱数据获取油藏渗漏油膜的指定属性数据的阈值区间;所述油藏渗漏油膜的指定属性的阈值区间被作为约束条件,用于对未知油藏区域的光谱数据中的疑似油藏渗漏油膜进行筛选。
由以上本说明书实施方式提供的技术方案可见,本说明书实施方式通过基于光谱遥感数据的生成的指定规则集以及所述油藏渗漏油膜的指定属性数据的阈值区间,可以实现工区油藏渗漏油膜的快速识别,从而在趋于所述工区油藏渗漏油膜的位置定位油藏。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施方式提供的油藏定位方法的执行流程图;
图2为本说明书实施方式提供的不同时期采集到的墨西哥渗漏区的多光谱数据图;
图3为本说明书实施方式提供的各类油膜差异较大的3个数据生成油膜归属判别图版;
图4为本说明书实施方式提供的南海某海域3处自然渗漏油膜集中区;
图5为本说明书实施方式提供的室内油膜模拟实验示意图;
图6为本说明书实施方式提供的室外油膜模拟实验示意图;
图7为本说明书实施方式提供的835nm谱段油膜厚度与光谱反射率数据的关系图;
图8为本说明书实施方式提供的南海某海域油藏海面渗漏区示意图图;
图9为本说明书实施方式提供的油藏定位装置的结构框图;
图10为本说明书实施方式提供的油膜筛选方法的执行流程图;
图11为本说明书实施方式提供的油膜筛选装置的结构框图。
具体实施方式
下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
在本说明书提供的一个场景示例中,使用本说明书提供的方法对南海某海域进行油藏定位。
在本场景示例中,获取墨西哥典型渗漏区的Landsat多光谱数据共27景,对多光谱数据进行大气校正,应用FLAASH软件模块将卫星多光谱转化为光谱反射率数据。
在本场景示例中,根据墨西哥渗漏区的光谱反射率数据,提取出反射率较低,图像呈暗黑色调区域的多光谱数据为油膜多光谱数据。
在本场景示例中,根据墨西哥渗漏区的光谱反射率数据以及光谱的几何特征,提取出反射率较高,图像明亮的且形状较为规则的多光谱数据为非油膜物多光谱数据,这些非油膜物可以是钻井平台、航道、船只等。
在本场景示例中,根据油膜与其他非油膜物的距离,确定钻井平台污染油膜、船只污染油膜等其他非自然渗漏的油膜。将在航道上、在船只附近的油膜确定为船只污染油膜;将在钻井平台附近的油膜确定为钻井平台污染油膜。
在本场景示例中,请参阅图2,为不同时期采集到的墨西哥渗漏区的多光谱数据图,根据油膜的汇聚特征确定油藏渗漏油膜与浮云阴影。根据不同时期采集到的所述多光谱数据,对于同一位置重复出现油膜的确定为自然渗漏油膜,将不是在同一位置重复出现的油膜确定为浮云阴影。
在本场景示例中,确定墨西哥渗漏区的油藏渗漏油膜、钻井平台污染油膜、船只污染油膜以及浮云阴影的范围,提取各类油膜范围内栅格数据,根据栅格数据像元的边长以及各类油膜范围内像元的个数计算各类油膜范围的长、宽、长宽比、面积。
在本场景示例中,获取各类油膜范围内的栅格数据,计算各类油膜范围内像元的光谱反射率数据的平均值得到各类油膜的光谱反射率数据。所述墨西哥渗漏区的多光谱数据有7个谱段,获得各类油膜光谱数据在各个谱段的光谱反射率数据。
在本场景示例中,请参阅图3,一共得到7个谱段的光谱反射率数据以及各类油膜的长、宽、长宽比、面积数据,比较这11个数据中各类油膜差异较大的3个数据作为指定属性数据,3个差异较大的数据分别是油膜长度、油膜面积以及Band1反射率。
在本场景示例中,根据油藏渗漏油膜与其他非油膜物的距离以及油藏渗漏油膜的光谱反射率数据生成规则集,包括各类油膜对应的光谱反射率数据以及与其他非油膜物的距离。
在本场景示例中,获取南海某海域存档的卫星多光谱数据,根据已经建立的规则集提取疑似油藏渗漏油膜,得到南海某海域卫星多光谱数据中疑似油藏渗漏油膜的矢量数据,根据疑似油藏渗漏油膜的矢量数据计算疑似油膜的长、宽、长宽比、面积,确定疑似油膜的范围。
在本场景示例中,根据得到的疑似油膜的范围,提取疑似油膜范围内的栅格数据,根据栅格数据中每个像元的光谱反射率数据,计算油膜范围内像元各谱段的光谱反射率数据的平均值,得到代表7个谱段的7个光谱反射率数据。
在本场景示例中,将得到的疑似油膜面积、长度、Band1反射率对应已经生成指定属性数据的阈值区间,确定所述疑似油藏渗漏油膜是否为油藏渗漏油膜。
在本场景示例中,使用光谱角度法计算疑似油膜的光谱数据与工区不同类型光谱数据的相似度,进一步确定所述疑似油藏渗漏油膜是否为油藏渗漏油膜。
在本场景示例中,请参阅图4,识别出南海某海域油藏渗漏渗漏油膜,得到3处渗漏油膜集中区。
在本场景示例中,请参阅图5和图6,分别为室内和室外油膜模拟实验示意图,以南海某海域的海水作为实验用水,以原油作为实验用油进行模拟实验。以一定量的海水注入烧杯,之后注入不同量的原油,保证油膜完全扩散整个水面,用体积法计算油膜厚度,用石英卤素灯对油膜进行照射,由ASD FieldSpc光谱仪测量不同厚度油膜的全谱段反射率光谱,并将全谱段反射率光谱重采样至卫星多光谱谱段。以油膜厚度为因变量,以卫星谱段反射率为自变量,生成卫星多光谱各谱段的油膜厚度与光谱反射率数据的散点图,找到油膜厚度与光谱反射率数据呈线性关系的谱段,得到油膜厚度与光谱反射率数据的关系。请参阅图7,为835nm谱段油膜厚度与光谱反射率数据的关系。
在本场景示例中,提取南海某海域自然渗漏油膜范围内的栅格数据,根据油膜厚度与光谱反射率数据的关系以及自然渗漏油膜范围内各个像元的光谱反射率数据得到每个像元的油膜厚度,根据油膜厚度与像元边长计算每个像元范围的油量,叠加自然渗漏油膜范围内所有像元的油量得到单次渗漏的油量,综合不同时期的光谱数据可以得到自然渗漏油膜范围内渗漏的总油量。
在本场示例中,请参也图8,根据不同时期自然渗漏油膜的汇聚情况,确定油膜的渗漏源头的分布情况,确定南海某海域的油藏位置。
在本场景示例中,根据现有的南海某海域的地震资料,地质构造资料确定油藏渗漏的通道,并结合渗漏量的大小以及渗漏点的分布情况选择渗漏通道通顺,渗漏量大,渗漏点分布密集的区域进行勘探。
请参阅图1,本说明书实施方式提供一种油藏定位方法。所述油藏定位方法具体可以包括以下步骤。
步骤S10:获取工区的光谱数据。
在本实施方式中,获取所述工区的光谱数据的方式可以通过卫星、飞机遥感、航拍等方式获得。
在本实施方式中,所述工区光谱数据可以包括卫星使用光谱仪获得的地物在一定范围内的光谱曲线,并根据光谱曲线获得的数据。可以根据所述光谱数据鉴别物质以及物质的化学组成。
步骤S12:根据所述光谱数据和指定规则集提取工区的疑似油藏渗漏油膜的指定属性数据;其中,所述指定规则集用于表示已知油藏渗漏油膜所对应的光谱反射率数据以及已知油藏渗漏油膜与其他非油膜物的位置关系。
在本实施方式中,所述光谱反射率数据可以使用FLAASH等相关软件的模块对卫星采集到的已知油藏渗漏油膜的光谱数据进行转化,得到相应的已知油藏渗漏油膜光谱反射率数据。
在本实施方式中,所述其他非油膜物可以包括,在卫星光谱上显示的其他不是油膜的物体。例如,船只、钻井平台、航道、浮云等,其中船只、钻井平台、航道的反射率明显不同于油膜,浮云阴影的反射率可能与油膜接近,也可以通过其与船只、钻井平台、航道等其他非油膜物的位置关系进行确定。
在本实施方式中,所述各类油膜与其他非油膜物的位置关系可以包括,根据各类油膜的光谱数据和其他非油膜物的光谱数据可得到各类光谱与其他非油膜物之间的距离。例如自然渗漏油膜与船只、钻井平台平台、航道之间的距离;船只渗漏油膜与船只、钻井平台、航道之间的距离等。
在本实施方式中,所述已知油藏渗漏油膜与其他非油膜物的位置关系可以包括,在已探勘的海域,在光谱数据中已知油藏渗漏油膜、污染油膜以及其他非油膜物,根据已知油藏渗漏油膜的光谱数据和其他非油膜物的光谱数据可得到各类光谱与其他非油膜物之间的距离。例如已知油藏渗漏油膜与船只、钻井平台平台、航道之间的距离等。
在本实施方式中,所述指定属性数据可以包括可以独特表征油藏渗漏油膜特性的数据。具体地,例如,油膜各谱段的反射率数据、表示油膜范围的集合数据等,可以从这些数据中选择多个数据以确定所述疑似油藏渗漏油膜是否为油藏渗漏在海面形成的油膜。
在本实施方式中,所述根据所述光谱数据和指定规则集提取工区的疑似油藏渗漏油膜的指定属性数据可以包括,根据所述光谱数据和所述指定规则集中规定的油藏渗漏油膜的光谱反射率数据可以确定工区内的油膜与非油膜物,根据所述指定规则集中规定的油藏渗漏油膜与其他非油膜物的位置关系可以提取出所述光谱数据中的疑似油藏渗漏的油膜。根据提取出的疑似油藏渗漏的油膜得到所述疑似油藏渗漏油膜的所述指定属性数据。具体地,例如,设定所述指定属性数据为光谱数据第3谱段和第5谱段的光谱反射率数据以及油膜的面积,根据工区的光谱数据可以得到工区的光谱反射率数据,根据所述指定规则集中规定的光谱反射率数据可以区分工区光谱数据中的油膜与船只、航道等非油膜物,根据所述指定规则集中规定的油藏渗漏油膜与其他非油膜物的位置关系可以得到所述光谱数据中的疑似油藏渗漏油膜,计算所述疑似油藏渗漏油膜的矢量数据可以得到所述疑似油藏渗漏油膜的面积,进而得到所述疑似油藏渗漏油膜的范围。可以根据所述疑似油藏渗漏油膜的范围计算得到所述疑似油藏渗漏油膜范围内的光谱反射率数据,进而可以得到所述光谱数据第3谱段和第5谱段的光谱反射率数据。
步骤S14:将所述疑似油藏渗漏油膜的指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行匹配。
在本实施方式中,所述已知油藏渗漏油膜的指定属性可以包括所述已知油藏渗漏油膜的光谱反射率数据和表示所述油藏渗漏油膜范围的几何数据。所述油藏渗漏油膜的光谱反射率数据可以包括各个谱段的光谱反射率数据,所述几何数据可以包括所述油藏渗漏油膜的长、宽、长宽比、面积等。所述光谱反射率数据可以使用FLAASH等相关软件的模块对采集到的光谱数据进行转化,得到相应的光谱反射率数据。所述几何数据可以统计所述油藏渗漏油膜范围内的栅格数据的像元的大小以及数量得到。
在本实施方式中,获得所述已知油藏渗漏油膜的指定属性数据的阈值区间可以包括,在所述已知渗漏区的光谱数据中,所述油藏渗漏油膜、污染油膜、非油膜物的光谱反射率数据不同,可以对应不同的光谱反射率数据数值区间,可以根据所述光谱反射率数值区间可以得到所述油藏渗漏油膜的光谱反射率的阈值区间。进而可以得到所述油藏渗漏油膜光谱数据各个谱段的光谱反射率数据。同样,油藏渗漏油膜、污染油膜、非油膜物对应的表示其范围的集合数据也可以不同。例如,根据光谱数据,可以得到已知渗漏区油藏渗漏油膜在海面上扩散的范围,可以包括油膜的长、宽、面积、长宽比等,这些几何数据都可以对应一定的阈值区间。
在本实施方式中,将所述疑似油藏渗漏油膜的指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行匹配可以包括,选取指定属性数据,根据工区的光谱数据和指定规则集提取工区内疑似油藏渗漏油膜的所述指定属性数据,将所述疑似油藏渗漏油膜的所述指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行比对,当所述疑似油藏渗漏油膜的所述指定属性数据在所述已知油藏渗漏油膜的指定属性数据的阈值区间内,则可以确定所述疑似油藏渗漏油膜为海底油藏渗漏形成的油膜;当所述疑似油藏渗漏油膜的所述指定属性数据不在所述已知油藏渗漏油膜的指定属性数据的阈值区间内,则可以确定所述疑似油藏渗漏油膜不是海底油藏渗漏所形成的油膜。
步骤S16:在所述疑似油藏渗漏油膜的指定属性数据匹配所述已知油藏渗漏油膜的指定属性数据的情况下,确定趋于所述疑似油藏渗漏油膜的位置具有油藏。
在本实施方式中,当所述疑似油藏渗漏油膜的指定属性数据在所述已知油藏渗漏油膜的指定属性数据的阈值区间内,可以确定所述疑似油藏渗漏油膜为海底油藏渗漏形成的油膜。
在本实施方式中,所述区域所述疑似油藏渗漏油膜的位置可以包括,已知工区内的油藏渗漏油膜,可以在所述油藏渗漏油膜的附近区域确定具有油藏。或者,可以确定工区内所有的油藏渗漏油膜,可以根据工区内油藏渗漏油膜的汇聚特征在所述油藏渗漏油膜的附近确定油藏位置。
在本实施方式中,通过工区光谱数据和所述指定规则集可以提取工区疑似油藏渗漏油膜的指定属性数据;可以根据所述工区疑似油藏渗漏油膜的指定属性数据匹配所述已知油藏渗漏油膜的指定属性数据的阈值区间,在数据匹配的情况下,可以确定所述疑似油藏渗漏油膜为油藏渗漏油膜进而可以确定在趋于所述油藏渗漏油膜的位置处具有油藏。根据已有的数据对未知工区的光谱数据进行处理,成本较低,且确定油藏的位置较为准确。
在一个实施方式中,所述疑似油藏渗漏油膜的指定属性至少包括表示所述疑似油藏渗漏油膜范围的几何数据和所述疑似油藏渗漏油膜的光谱反射率数据。
在本实施方式中,所述表示所述疑似油藏渗漏油膜范围的几何数据可以包括所述疑似油藏渗漏油膜的长、宽、面积、长宽比等能够表征所述疑似油藏渗漏油膜范围的数据。
在本实施方式中,所述疑似油藏渗漏油膜的光谱反射率数据可以包括,根据所述工区光谱反射率数据得到的,用于所述疑似油藏渗漏油膜反射的光通量与入射到所述疑似油藏渗漏油膜的光通量之比的数据。所述光谱反射率数据可以由所述疑似油藏渗漏油膜的各个谱段的光谱反射率数据构成。
在本实施方式中,在所述工区的光谱数据中,所述几何数据和所述反射率数据可以较为准确的表征油膜特性,使用所述几何数据和所述反射率数据作为指定属性数据提高疑似油藏渗漏油膜的判别精度,从而提高了油藏定位的精度。
在一个实施方式中,提取所述表示所述疑似油藏渗漏油膜范围的几何数据的步骤包括:
根据所述光谱数据和所述指定规则集提取所述疑似油藏渗漏油膜的矢量数据;其中,所述矢量数据用于表征所述油藏渗漏油膜的空间分布;根据所述矢量数据计算表示所述疑似油藏渗漏油膜范围的几何数据。
在本实施方式中,所述矢量数据可以包括,通过记录坐标的方式尽可能精确的表示点、线、多边形等地理实体的数据。
在本实施方式中,所述指定规则集可以包括已知油藏渗漏油膜的光谱反射率数据以及所述已知油藏渗漏油膜与其他非油膜物的距离关系。根据所述指定规则集可以提取出工区满足规则集条件的光谱数据。这些提取出来光谱数据虽然是按照所述规则集提出来的,但仍不能确定这些光谱数据可以表示油藏渗漏油膜,只是疑似油膜。根据所述疑似油藏渗漏油膜的光谱数据可以得到疑似油藏渗漏油膜的矢量数据。
在本实施方式中,所述根据所述矢量数据计算所述表示疑似油藏渗漏油膜范围的几何数据可以包括,所述各类疑似油藏渗漏油膜的矢量数据可以表示所述疑似油藏渗漏油膜的范围,可以根据所述疑似油藏渗漏油膜的范围来得到疑似油藏渗漏油膜的长、宽、面积等几何数据。
在本实施方式中,通过工区的光谱数据和所述指定规则集可以快速提取工区内的疑似油藏渗漏油膜,得到疑似油藏渗漏油膜的矢量数据,根据疑似油膜的矢量数据可以较为快速的计算疑似油膜的几何数据。
在一个实施方式中,提取所述疑似油藏渗漏油膜的光谱反射率数据的步骤包括,根据所述光谱数据得到工区的光谱反射率数据;根据所述工区的光谱反射率数据和所述疑似油藏渗漏油膜范围得到所述疑似油藏渗漏油膜的光谱反射率数据。
在本实施方式中,所述光谱数据可以由在整个光谱图像中栅格数据组成,所述栅格数据可以由一个个像元组成,所述像元可以具有各自的反射率数据。
在本实施方式中,确定所述疑似油藏渗漏油膜的范围,可以计算所述疑似油藏渗漏油膜范围内所有像元的反射率数据的平均值,进而得到所述疑似油藏渗漏油膜的光谱反射率数据。
在本实施方式中,将工区光谱数据转换为光谱反射率数据,可以得到工区各个像元的光谱反射率数据,进而可以得到疑似油膜范围内像元光谱反射率数据,进而计算所述疑似油藏渗漏油膜的光谱反射率数据,较为快捷。
在一个实施方式中,所述方法还包括:根据光谱匹配方法计算所述疑似油藏渗漏油膜的光谱数据与已知油藏渗漏油膜的光谱数据的相似度以确定所述疑似油藏渗漏油膜是否为油藏渗漏油膜。
在本实施方式中,所述光谱匹配方法可以包括,通过计算多个光谱数据的相似度来判断地物的归属类别的方法。可以包括,二值编码匹配;光谱角度匹配,可以通过计算疑似油藏渗漏油膜光谱数据与已知渗漏区油藏渗漏油膜光谱数据之间的“角度”来确定他们两者之间的相似性;交叉相关光谱匹配:可以通过计算疑似油藏渗漏油膜光谱数据和已知油藏渗漏油膜光谱数据在不同的匹配位置的相关系数,来判断两光谱之间的相似程度,测试疑似油藏渗漏油膜光谱数据和已知油藏渗漏油膜光谱数据在每个匹配位置的交叉相关系数等于两光谱数据之间的协方差除于它们各自方差的积以及聚类分析技术等。
在本实施方式中,在通过所述指定属性数据的阈值区间确定疑似油膜类型后,通过光谱匹配方法进一步计算疑似油藏渗漏油膜光谱数据与已知油藏渗漏油膜光谱数据的相似度进一步识别所述疑似油藏渗漏油膜,提高油膜辨识的精度。
在一个实施方式中,所述方法还包括,将不同厚度油膜的全谱段反射率光谱数据重采样至卫星光谱谱段;根据所述卫星光谱谱段得到油膜厚度与光谱反射率之间的关系。
在本实施方式中,所述不同厚度油膜可以根据油膜模拟实验获得,油膜模拟实验可以包括,向若干个盛放有一定工区内的水的烧杯中放入不同量的海面常见油品,可以包括原油、船用柴油等,在油膜完全扩散水面后,获取烧杯内油膜和水的体积,再减去烧杯内原有水的体积得到油的体积,将得到的油的体积除以水面的面积可以得到油膜的厚度;也可以使用油膜测量仪器对已经完全扩散在水面上的油膜的厚度进行测量。
在本实施方式中,所述不同厚度油膜的全谱段反射率光谱数据可以包括,应用光谱仪测量对不同厚度的油膜进行测量得到不同厚度油膜的全谱段光谱数据。
在本实施方式中,所述重采样可以包括,从不同厚度油膜的全谱段光谱数据中提取出卫星光谱谱段的光谱数据的过程。可以根据卫星传感器的光谱响应函数,从所述不同厚度油膜的全谱段光谱数据中提取出卫星谱段的光谱数据。
在本实施方式中,所述根据所述卫星光谱谱段得到油膜厚度与光谱反射率数据之间的关系可以包括,以油膜厚度为因变量,以卫星谱段的各谱段反射率为自变量,根据不同油膜的厚度与相应的光谱反射率数据得到油膜厚度与光谱反射率数据之间的关系。所述卫星谱段可能有一些谱段的光谱反射率数据与油膜厚度不存在线性关系,可以选择光谱反射率数据与油膜厚度具有相关性的谱段建立油膜厚度与卫星谱段光谱反射率数据的关系。
在一个实施方式中,所述方法还包括,在确定所述疑似油藏渗漏油膜为油藏渗漏油膜的情况下,获取工区油藏渗漏油膜范围内的栅格数据;根据所述栅格数据和所述油膜厚度与光谱反射率之间的关系计算所述栅格数据中每个像元的油膜厚度;根据所述光谱栅格数据中像元的边长和像元的油膜厚度计算每个像元的油量;将所述工区油藏渗漏油膜范围内的所有所述像元油量相加得到单次渗漏的油量;叠加不同时期所述工区油藏渗漏油膜渗漏的油量得到所述工区油藏渗漏总量。
在本实施方式中,所述根据所述栅格数据和所述油膜厚度与光谱反射率之间的关系计算所述光谱栅格数据每个像元的油膜厚度可以包括,获取工区内油藏渗漏油膜范围内的光谱栅格数据,栅格数据中每个像元都可以包含一个光谱反射率数据,可以将像元的光谱反射率数据代入所述油膜厚度与光谱反射率数据之间的关系计算相应的油膜厚度。
在本实施方式中,所述叠加不同时期所述油藏渗漏油膜的油量得到所述工区的渗漏总量可以包括,卫星采集一次工区的油藏渗漏油膜的光谱数据的时期可以看作一个采集时期,获取不同时期卫星采集的工区自然油膜的光谱数据,计算各个时期工区自然渗漏油量,将各个时期工区油藏渗漏油量叠加得到工区的油藏渗漏总量。
在本实施方式中,通过所述栅格数据和所述油膜厚度与光谱反射率之间的关系计算所述栅格数据中每个像元的油膜厚度,进而可以较为简单快捷的得到油藏渗漏量。
在一个实施方式中,所述方法还包括:根据不同时期工区油藏渗漏油膜的汇聚情况确定油藏渗漏源头;根据所述油藏渗漏油膜的渗漏源头确定工区的油藏位置。
在本实施方式中,所述根据所述不同时期工区油藏渗漏油膜的汇聚情况确定每个油藏渗漏油膜的渗漏源头可以包括,获取不同时期工区油藏渗漏油膜的光谱数据,比对不同时期一个油藏渗漏油膜的光谱数据,出现油膜重叠的情况或者有相对于一个目标点聚拢的情况时,油膜重叠的点或者油膜有向一点聚拢的点可以被看作是一个自然渗漏油膜的渗漏源头。由此可以得到每个渗漏油膜的渗漏源头。
在本实施方式中,所述根据所述油藏渗漏油膜的渗漏源头确定工区的渗漏区域可以包括,可以根据工区所述渗漏源头的分布特征,可以将所述渗漏源头分布较为密集的区域确定为工区的油藏位置。
在本实施方式中,通过根据工区油藏渗漏油膜的汇聚情况确定油藏渗漏油膜的渗漏源头,进而根据渗漏源头确定油藏位置。
在一个实施方式中,所述方法还包括,根据已有所述工区的地质资料确定所述工区的渗漏通道;根据所述渗漏通道、工区油藏渗漏总量和渗漏源头确定勘探区域。
在本实施方式,所述地质资料可以包括工区已有的地质构造资料、地震资料等。可以根据工区已有的地质构造资料以及地震资料得到工区渗漏区的地质特点,进而得到工区深部油藏的渗漏通道。
在本实施方式中,根据所述渗漏通道、渗漏油量和渗漏源头确定勘探区域可以包括,根据所述渗漏通道、渗漏油量和渗漏源头综合评定工区的渗漏区油藏的渗漏质量。可以优先对渗漏通道宽阔、渗漏油量大,渗漏源头密集的区域进行勘探。
在本实施方式中,通过工区渗漏区的地质资料,确定工区的渗漏通道,并根据渗漏油量的大小以及渗漏源头的密集程度可以综合评定渗漏区的可勘探价值。
请参阅图9,本说明书实施方式提供一种油藏定位装置,所述油膜识别装置可以包括以下模块。
光谱数据获取模块:用于获取工区的光谱数据;提取模块:用于根据所述光谱数据和指定规则集提取工区的疑似油藏渗漏油膜的指定属性数据;其中,所述指定规则集用于表示已知油藏渗漏油膜所对应的光谱反射率数据以及已知油藏渗漏油膜与其他非油膜物的位置关系;匹配模块:用于将所述疑似油藏渗漏油膜的指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行匹配;油藏定位模块:用于在所述疑似油藏渗漏油膜的指定属性数据匹配所述已知油藏渗漏油膜的指定属性数据的情况下,确定趋于所述疑似油藏渗漏油膜的位置具有油藏。
上述实施例阐明的装置或单元,具体可以由计算机芯片或实体实现,或者具有某种功能的产品来实现。为了描述方便,描述以上装置时以功能分为各种模块分别描述。当然在实施本说明书时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
通过以上实施方式的描述可知,本领域技术人员还可以了解到本发明实施例所列出的各种说明性逻辑块、模块和步骤可以通过硬件、软件或者两者的结合来实现。至于是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施力保护的范围。
本说明书实施方式中所描述的各种说明性的模块都可以通过通用处理器,数字信号处理器,专用集成电路,现场可编辑门阵列或其他可编程逻辑装置,离散硬部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或其他类似的配置来实现。
本说明书实施方式还提供一种计算机存储介质,所述存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现。
获取工区的光谱数据;根据所述光谱数据和指定规则集提取工区的疑似油藏渗漏油膜的指定属性数据;其中,所述指定规则集用于表示已知油藏渗漏油膜所对应的光谱反射率数据以及已知油藏渗漏油膜与其他非油膜物的位置关系;将所述疑似油藏渗漏油膜的指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行匹配;在所述疑似油藏渗漏油膜的指定属性数据匹配所述已知油藏渗漏油膜的指定属性数据的情况下,确定趋于所述疑似油藏渗漏油膜的位置具有油藏。
实施方式中提供的存储介质,其程序指令被执行时实现的功能和效果可以参见其它实施方式对照解释。
在本实施方式中,所述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。
请参阅图10,本说明书实施方式提供一种油膜筛选方法,所述油藏定位方法可以包括以下步骤。
步骤S20:获取已知油藏区域的光谱数据。
在本实施方式中,所述已知油藏区域的光谱数据可以包括卫星使用光谱仪获得的地物在一定范围内的光谱曲线,并根据光谱曲线获得的数据。可以根据光谱数据鉴别物质以及物质的化学组成。
在本实施方式中,所述已知油藏区域的光谱数据中可以包括由海底渗漏点将油气渗漏,待油气完全扩散至整个水面而形成的油层而形成的油膜的光谱数据;由船只在海面行驶,将船只用油渗漏后完全扩散至整个水面而形成的油层而形成的油膜的光谱数据;由钻井平台钻井产生的油完全扩散至整个水面而形成的油层而形成的油膜的光谱数据,船只、钻井平台、航道等其他非油膜物的光谱数据以及浮云阴影的光谱数据等。
步骤S22:根据所述光谱数据中已知油藏渗漏油膜的光谱反射率数据以及油藏渗漏油膜与其他非油膜物的位置关系生成指定规则集;其中所述规则集用于确定未知油藏区域疑似油藏渗漏油膜。
在本实施方式中,获取所述已知渗漏油膜的光谱反射率数据可以包括,使用FLAASH等相关软件的模块对卫星采集到的已知油藏渗漏油膜的光谱数据进行转化,得到相应的光谱反射率数据。
在本实施方式中,所述已知油藏渗漏油膜可以包括,已知渗漏源头,且在海面上扩散形成的油膜。所述已知油藏渗漏油膜的光谱反射率、扩散范围、与其他非油膜物的位置关系与所述已知油藏区域光谱数据中的其他油膜不同。
步骤S24:根据所述光谱数据获取油藏渗漏油膜的指定属性数据的阈值区间;所述油藏渗漏油膜的指定属性的阈值区间被作为约束条件,用于对未知油藏区域的光谱数据中的疑似油藏渗漏油膜进行筛选。
在本实施方式中,获取所述指定属性数据的阈值区间可以包括,根据已知油藏区域的光谱数据可以得到所述已知油藏渗漏油膜的光谱数据,进而可以得到所述已知油藏渗漏油膜各谱段的光谱反射率数据以及所述已知油藏渗漏油膜的长、宽、面积、长宽比等几何数据,从这些数据中选择能够准确表征所述已知油藏渗漏油膜的属性数据作为指定属性数据,确定选中的这些指定属性数据的数值分布区间,进而可以得到所述指定属性数据的阈值区间。
在本实施方式中,通过根据已知油藏区域的光谱数据生成指定规则集用以确定未知区域的疑似油藏渗漏油膜,并根据已知油藏区域的光谱数据得到所述指定属性数据的阈值区间,用以筛选未知区域疑似油藏渗漏油膜是否为油藏渗漏油膜。对已有数据进行整理来判定未知区域油膜的特性,成本较低,易于操作且精度较高。
在一个实施方式中,得到所述已知油藏渗漏油膜的光谱反射率数据的步骤包括,根据已知渗漏区的光谱数据得到已知渗漏区的光谱反射率数据;根据所述已知渗漏区的光谱反射率数据和光谱几何特征确定油膜和其他非油膜物;根据所述油膜与所述非油膜物的距离关系确定污染油膜;根据不同时期的所述光谱数据中油膜的汇聚情况确定油藏渗漏油膜和浮云阴影;根据油藏渗漏油膜范围内的栅格数据中的光谱反射率数据得到油藏渗漏油膜的光谱反射率数据。
在本实施方式中,所述根据已知渗漏区的光谱数据得到已知渗漏区的光谱反射率数据可以包括,根据已知渗漏区的光谱数据可以通过FLAASH模块将已知渗漏区的光谱数据转换为光谱反射率数据。
在本实施方式中,根据所述渗漏区的光谱反射率数据确定油膜可以包括,所述渗漏区可以包括海水、油膜、以及船只、航道、钻井平台等非油膜物,并且油膜的反射率最小,海水次之,船只、航道、钻井平台等非油膜物的反射率最高,根据反射率的大小来确定油膜。并且可以结合渗漏区光谱遥感图像的明暗程度综合判断,油膜在光谱遥感图像上表现为暗黑色,从而确定渗漏区的油膜。
在本实施方式中,所述根据所述渗漏区的光谱反射率数据和光谱的几何特征确定其他非油膜物可以包括,船只、钻井平台、航道等非油膜物的反射率要远远高于海水和油膜,且这些非油膜物的形状特征较为规则,将反射率较高且光谱形状较为规则的物体作为非油膜物。
在本实施方式中,所述污染油膜可以包括非渗漏点自然渗漏的油在水面上扩散形成的油膜。例如,钻井平台在钻井过程中渗漏的油在水面扩散形成的油膜;船只在行驶过程中产生的渗漏的油在水面上扩散形成的油膜等。
在本实施方式中,所述根据所述油膜与所述非油膜物的距离关系确定污染油膜可以包括,以油膜和非油膜物的距离关系作为确定污染油膜的根据。例如,船只在行进过程中,发生柴油渗漏,渗漏的油就会在航道和船只附近的水面发生扩散形成油膜,而这里形成的油膜与船只距离较近且与航道距离较近,这样的油膜可以被确定为污染油膜;钻井平台在钻井的过程中,可以渗漏一定的油,而这些油可以在钻井平台附近的水面发生扩散形成油膜,这里形成的油膜与钻井平台距离教教,这样的油膜可以被确定为污染油膜。
在本实施方式中,所述浮云阴影可以包括,在卫星遥感采集数据时,可以将浮云阴影记录下来,记录下来的浮云阴影的反射率和形状与油膜反射率较为接近,根据光谱反射率数据和遥感图像的形状特征较难进行区分。
在本实施方式中,所述不同时期的光谱数据可以包括,不同时间卫星所采集到的相同区域的光谱数据。例如2007年、2013年、2017年卫星所采集得到的相同区域的光谱数据可以被称为不同时期的光谱数据。
在本实施方式中,所述汇聚情况可以包括,比对不同时期的光谱数据,同一区域出现油膜重叠的情况或者有相对于一个目标点聚拢的情况。
在本实施方式中,所述根据不同时期的光谱数据中油膜的汇聚情况确定自然渗漏油膜和浮云阴影可以包括,不同时期的光谱数据针对同一地点,出现油膜重叠或者油膜聚拢的情况,则可以确定这些重叠或者聚拢的油膜为海底渗漏点自然渗漏出的油在海面上扩散形成的油膜;不同时期的光谱数据针对同一地点,没有出现油膜重叠或者油膜聚拢的情况则可以确定这些在光谱上形成的阴影为浮云阴影。
在本实施方式中,所述栅格数据可以包括,以规则的阵列表示空间地物属性一种数据结构。油膜可以被分成若干个像元,每个像元可以是一个规则的网格,每个网格可以表示该正方形内油膜的相关属性。
在本实施方式中,所述根据油藏渗漏油膜的栅格数据的光谱反射率数据得到油藏渗漏油膜的光谱反射率数据可以包括,根据遥感处理软件将所述油藏渗漏油膜转化为栅格数据,根据工区内的光谱反射率数据可以得到每个像元的光谱反射率数据,计算油藏渗漏油膜范围内栅格数据每个像元的光谱反射率数据的平均数可以得到所述油藏渗漏油膜的光谱反射率数据。
在本实施方式中,根据所述光谱数据和光谱的几何特征可以区分油膜和其他非油膜物,根据油膜与其他非油膜物的距离关系以及不同时期光谱数据中油膜的汇聚情况综合确定油藏渗漏油膜、污染油膜和浮云阴影,有效找出了浮云阴影范围,得到浮云阴影的相关属性,并根据油膜的栅格数据,方便计算油藏渗漏油膜的光谱反射率数据。
在一个实施方式中,所述表示已知油藏渗漏油膜范围的几何数据根据所述栅格数据的像元的大小计算得出;其中,几何数据包括但不限于:长度、宽度、面积、长宽比。
在本实施方式中,所述像元可以包括传感器对地面景物进行扫描采样的单元。所述油藏渗漏油膜范围内可以包括多个像元,可以根据每个像元的面积得到油膜范围的面积;可以根据每个像元的长和宽得到油膜范围的长和宽;可以根据每个像元的长宽比得到所述油藏渗漏油膜范围的长宽比等从而得到表示油膜范围的几何数据。
在一个实施方式中,所述确定所述指定属性数据的阈值区间的步骤包括,比较所述油藏渗漏油膜、污染油膜、浮云阴影各谱段的光谱反射率数据和几何数据;选择多个互相之间差异较大的数据;确定所述油藏渗漏油膜的所述多个互相之间差异较大的数据的阈值区间。
在本实施方式中,各类油膜各谱段的光谱反射率数据可以包括,各类油膜的光谱可以根据波长划分为多个谱段。例如,多光谱可以由4到7个谱段,每个谱段的反射率不同。可以根据多个谱段得到各类油膜的多个光谱反射率数据。
在本实施方式中,所述选择多个互相之间差异大的数据类型可以包括,根据所述各类油膜的光谱的各个谱段得到多个谱段的光谱反射率数据,所述各类油膜的几何数据可以包括油膜的长、宽、高、面积等。可以互相比较这些数据,选择相互之间差异大的数据。例如,各类油膜的光谱共7个谱段,比较各类油膜这7个谱段的光谱反射率数据,选择这7个谱段互相之间差异较大的谱段,比较各类油膜的几何数据,选择各类油膜的几何数据中差异较大的几何数据,综合确定所述指定属性数据,进而确定所述指定属性数据的阈值区间。具体地,油藏渗漏油膜、污染油膜以及浮云阴影的第2谱段以及油膜的长和宽差异较大,选择这三个数据作为所述指定属性数据,确定油藏渗漏油膜这三个数据分布的数值区间。
在本实施方式中,根据各类油膜各谱段的光谱反射率数据和各类油膜的几何数据中选择差异大的数据确定所述指定属性数据,由于所述指定属性数据为各类油膜之间差异大的数据,因此提高了油膜的判别精度。
请参阅图11,本说明书实施方式提供一种油膜筛选装置,所述油膜识别装置可以包括以下模块。
光谱数据获取模块:用于获取已知油藏区域的光谱数据;规则集生成模块:用于根据所述光谱数据中已知油藏渗漏油膜的光谱反射率数据以及油藏渗漏油膜与其他非油膜物的位置关系生成指定规则集;其中所述规则集用于确定未知油藏区域疑似油藏渗漏油膜;油膜筛选模块:用于根据所述光谱数据获取油藏渗漏油膜的指定属性数据的阈值区间;所述油藏渗漏油膜的指定属性的阈值区间被作为约束条件,用于对未知油藏区域的光谱数据中的疑似油藏渗漏油膜进行筛选。
上述实施例阐明的装置或单元,具体可以由计算机芯片或实体实现,或者具有某种功能的产品来实现。为了描述方便,描述以上装置时以功能分为各种模块分别描述。当然在实施本说明书时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
通过以上实施方式的描述可知,本领域技术人员还可以了解到本发明实施例所列出的各种说明性逻辑块、模块和步骤可以通过硬件、软件或者两者的结合来实现。至于是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施力保护的范围。
本说明书实施方式中所描述的各种说明性的模块都可以通过通用处理器,数字信号处理器,专用集成电路,现场可编辑门阵列或其他可编程逻辑装置,离散硬部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或其他类似的配置来实现。
本说明书实施方式还提供一种计算机存储介质,所述存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现。
获取已知油藏区域的光谱数据;根据所述光谱数据中已知油藏渗漏油膜的光谱反射率数据以及油藏渗漏油膜与其他非油膜物的位置关系生成指定规则集;其中所述规则集用于确定未知油藏区域疑似油藏渗漏油膜;根据所述光谱数据获取油藏渗漏油膜的指定属性数据的阈值区间;所述油藏渗漏油膜的指定属性的阈值区间被作为约束条件,用于对未知油藏区域的光谱数据中的疑似油藏渗漏油膜进行筛选。
实施方式中提供的存储介质,其程序指令被执行时实现的功能和效果可以参见其它实施方式对照解释。
在本实施方式中,所述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。
本说明书实施方式提供的油藏定位与油膜筛选方法、装置以及计算机存储介质通过引入遥感技术,从油气渗漏角度出发,有效识别工区内的油藏渗漏油膜,从而确定油藏位置,降低了海域油气勘探的风险,提高了油气勘探的成功率,并且可以在全球区域内进行开展,具有操作性。
本说明书实施方式中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软硬模快、或者两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器,寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其他任意形式的存储媒介中。
本说明书实施方式所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码的形式传输于电脑可读媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其他地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM,ROM,EPROM,CD-ROM或其他光盘存储、磁盘存储或其他磁性存储装置,或其他任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或者通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其他远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线传输的也被包含在所定义的电脑可读媒介中。所述的碟片和磁盘,包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述组合也可以包含在电脑可读媒介中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置及存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的说明书部分即可。
虽然通过实施例描绘了本说明书,本领域普通技术人员知道,本说明书有许多变形和变化而不脱离本说明书的精神,希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (18)
1.一种油藏定位方法,其特征在于,包括:
获取工区的光谱数据;
根据所述光谱数据和指定规则集提取工区的疑似油藏渗漏油膜的指定属性数据;其中,所述指定规则集用于表示已知油藏渗漏油膜所对应的光谱反射率数据以及已知油藏渗漏油膜与其他非油膜物的位置关系;
将所述疑似油藏渗漏油膜的指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行匹配;
在所述疑似油藏渗漏油膜的指定属性数据匹配所述已知油藏渗漏油膜的指定属性数据的情况下,确定趋于所述疑似油藏渗漏油膜的位置具有油藏。
2.根据权利要求1所述方法,其特征在于,所述疑似油藏渗漏油膜的指定属性至少包括表示所述疑似油藏渗漏油膜范围的几何数据和所述疑似油藏渗漏油膜的光谱反射率数据。
3.根据权利要求2所述的方法,其特征在于,提取所述表示所述疑似油藏渗漏油膜范围的几何数据的步骤包括:
根据所述光谱数据和所述指定规则集提取所述疑似油藏渗漏油膜的矢量数据;其中,所述矢量数据用于表征所述油藏渗漏油膜的空间分布;
根据所述矢量数据计算表示所述疑似油藏渗漏油膜范围的几何数据。
4.根据权利要求3所述的方法,其特征在于,提取所述疑似油藏渗漏油膜的光谱反射率数据的步骤包括:
根据所述光谱数据得到工区的光谱反射率数据;
根据所述工区的光谱反射率数据和所述疑似油藏渗漏油膜范围得到所述疑似油藏渗漏油膜的光谱反射率数据。
5.根据权利要求1所述方法,其特征在于,所述方法还包括:
根据光谱匹配方法计算所述疑似油藏渗漏油膜的光谱数据与已知油藏渗漏油膜的光谱数据的相似度以确定所述疑似油藏渗漏油膜是否为油藏渗漏油膜。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将不同厚度油膜的全谱段反射率光谱数据重采样至卫星光谱谱段;
根据所述卫星光谱谱段得到油膜厚度与光谱反射率之间的关系。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
在确定所述疑似油藏渗漏油膜为油藏渗漏油膜的情况下,获取工区油藏渗漏油膜范围内的栅格数据;
根据所述栅格数据和所述油膜厚度与光谱反射率之间的关系计算所述栅格数据中每个像元的油膜厚度;
根据所述光谱栅格数据中像元的边长和像元的油膜厚度计算每个像元的油量;
将所述工区油藏渗漏油膜范围内的所有所述像元油量相加得到单次渗漏的油量;
叠加不同时期所述工区油藏渗漏油膜渗漏的油量得到所述工区油藏渗漏总量。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据不同时期工区油藏渗漏油膜的汇聚情况确定油藏渗漏源头;
根据所述油藏渗漏油膜的渗漏源头确定工区的油藏位置。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
根据已有所述工区的地质资料确定所述工区的渗漏通道;
根据所述渗漏通道、工区油藏渗漏总量和渗漏源头确定勘探区域。
10.一种油藏定位装置,其特征在于,包括:
光谱数据获取模块:用于获取工区的光谱数据;
提取模块:用于根据所述光谱数据和指定规则集提取工区的疑似油藏渗漏油膜的指定属性数据;其中,所述指定规则集用于表示已知油藏渗漏油膜所对应的光谱反射率数据以及已知油藏渗漏油膜与其他非油膜物的位置关系;
匹配模块:用于将所述疑似油藏渗漏油膜的指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行匹配;
油藏定位模块:用于在所述疑似油藏渗漏油膜的指定属性数据匹配所述已知油藏渗漏油膜的指定属性数据的情况下,确定趋于所述疑似油藏渗漏油膜的位置具有油藏。
11.一种计算机存储介质,其特征在于,所述存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现:
获取工区的光谱数据;
根据所述光谱数据和指定规则集提取工区的疑似油藏渗漏油膜的指定属性数据;其中,所述指定规则集用于表示已知油藏渗漏油膜所对应的光谱反射率数据以及已知油藏渗漏油膜与其他非油膜物的位置关系;
将所述疑似油藏渗漏油膜的指定属性数据与已知油藏渗漏油膜的指定属性数据的阈值区间进行匹配;
在所述疑似油藏渗漏油膜的指定属性数据匹配所述已知油藏渗漏油膜的指定属性数据的情况下,确定趋于所述疑似油藏渗漏油膜的位置具有油藏。
12.一种油膜筛选方法,其特征在于,包括:
获取已知油藏区域的光谱数据;
根据所述光谱数据中已知油藏渗漏油膜的光谱反射率数据以及油藏渗漏油膜与其他非油膜物的位置关系生成指定规则集;其中所述规则集用于确定未知油藏区域疑似油藏渗漏油膜;
根据所述光谱数据获取油藏渗漏油膜的指定属性数据的阈值区间;所述油藏渗漏油膜的指定属性的阈值区间被作为约束条件,用于对未知油藏区域的光谱数据中的疑似油藏渗漏油膜进行筛选。
13.根据权利要求12所述的方法,其特征在于,所述指定属性数据包括:所述已知油藏渗漏油膜的光谱反射率数据和表示所述已知油藏渗漏油膜范围的几何数据。
14.根据权利要求13所述的方法,其特征在于,得到所述已知油藏渗漏油膜的光谱反射率数据的步骤包括:
根据已知渗漏区的光谱数据得到已知渗漏区的光谱反射率数据;
根据所述已知渗漏区的光谱反射率数据和光谱几何特征确定油膜和其他非油膜物;
根据所述油膜与所述非油膜物的距离关系确定污染油膜;
根据不同时期的所述光谱数据中油膜的汇聚情况确定油藏渗漏油膜和浮云阴影;
根据油藏渗漏油膜范围内的栅格数据中的光谱反射率数据得到油藏渗漏油膜的光谱反射率数据。
15.根据权利要求14所述方法,其特征在于,所述表示已知油藏渗漏油膜范围的几何数据根据所述栅格数据的像元的大小计算得出;其中,几何数据包括但不限于:长度、宽度、面积、长宽比。
16.根据权利要求14所述的方法,其特征在于,确定所述指定属性数据的阈值区间的步骤包括:
比较所述油藏渗漏油膜、污染油膜、浮云阴影各谱段的光谱反射率数据和几何数据;
选择多个互相之间差异较大的数据;
确定所述油藏渗漏油膜的所述多个互相之间差异较大的数据的阈值区间。
17.一种油膜筛选装置,其特征在于,包括:
光谱数据获取模块:用于获取已知油藏区域的光谱数据;
规则集生成模块:用于根据所述光谱数据中已知油藏渗漏油膜的光谱反射率数据以及油藏渗漏油膜与其他非油膜物的位置关系生成指定规则集;其中所述规则集用于确定未知油藏区域疑似油藏渗漏油膜;
油膜筛选模块:用于根据所述光谱数据获取油藏渗漏油膜的指定属性数据的阈值区间;所述油藏渗漏油膜的指定属性的阈值区间被作为约束条件,用于对未知油藏区域的光谱数据中的疑似油藏渗漏油膜进行筛选。
18.一种计算机存储介质,其特征在于,所述存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现:
获取已知油藏区域的光谱数据;
根据所述光谱数据中已知油藏渗漏油膜的光谱反射率数据以及油藏渗漏油膜与其他非油膜物的位置关系生成指定规则集;其中所述规则集用于确定未知油藏区域疑似油藏渗漏油膜;
根据所述光谱数据获取油藏渗漏油膜的指定属性数据的阈值区间;所述油藏渗漏油膜的指定属性的阈值区间被作为约束条件,用于对未知油藏区域的光谱数据中的疑似油藏渗漏油膜进行筛选。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810161365.0A CN108732109B (zh) | 2018-02-26 | 2018-02-26 | 油藏定位与油膜筛选的方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810161365.0A CN108732109B (zh) | 2018-02-26 | 2018-02-26 | 油藏定位与油膜筛选的方法、装置及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108732109A true CN108732109A (zh) | 2018-11-02 |
CN108732109B CN108732109B (zh) | 2022-02-01 |
Family
ID=63940450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810161365.0A Active CN108732109B (zh) | 2018-02-26 | 2018-02-26 | 油藏定位与油膜筛选的方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108732109B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111948669A (zh) * | 2020-08-11 | 2020-11-17 | 锐驰智光(苏州)科技有限公司 | 一种基于激光雷达的高光谱数据信息获取系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102997856A (zh) * | 2012-12-12 | 2013-03-27 | 南京大学 | 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法 |
CN104122233A (zh) * | 2014-07-29 | 2014-10-29 | 大连海事大学 | 一种海面不同厚度原油油膜高光谱探测通道选择方法 |
CN104597518A (zh) * | 2015-01-07 | 2015-05-06 | 中国石油天然气股份有限公司 | 确定海域油气勘探有利区的方法 |
CN106767454A (zh) * | 2016-12-02 | 2017-05-31 | 大连海事大学 | 一种基于光谱反射率特征的水面油膜厚度测量系统及方法 |
-
2018
- 2018-02-26 CN CN201810161365.0A patent/CN108732109B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102997856A (zh) * | 2012-12-12 | 2013-03-27 | 南京大学 | 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法 |
CN104122233A (zh) * | 2014-07-29 | 2014-10-29 | 大连海事大学 | 一种海面不同厚度原油油膜高光谱探测通道选择方法 |
CN104597518A (zh) * | 2015-01-07 | 2015-05-06 | 中国石油天然气股份有限公司 | 确定海域油气勘探有利区的方法 |
CN106767454A (zh) * | 2016-12-02 | 2017-05-31 | 大连海事大学 | 一种基于光谱反射率特征的水面油膜厚度测量系统及方法 |
Non-Patent Citations (4)
Title |
---|
刘丙新 等: "近岸水上油膜高光谱遥感特征分析", 《海洋环境科学》 * |
李颖 等: "有冰海区油膜光谱特征研究", 《光谱学与光谱分析》 * |
申晋利 等: "利用Hyperison数据提取海洋烃渗漏信息研究初探", 《遥感应用》 * |
赵冬至 等: "石油平台井喷原油登滩后的遥感探测", 《遥感技术与应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111948669A (zh) * | 2020-08-11 | 2020-11-17 | 锐驰智光(苏州)科技有限公司 | 一种基于激光雷达的高光谱数据信息获取系统 |
CN111948669B (zh) * | 2020-08-11 | 2023-01-10 | 锐驰智光(苏州)科技有限公司 | 一种基于激光雷达的高光谱数据信息获取系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108732109B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lasaponara et al. | Investigating archaeological looting using satellite images and GEORADAR: the experience in Lambayeque in North Peru | |
Schmandt et al. | Analysis of teleseismic P waves with a 5200‐station array in Long Beach, California: Evidence for an abrupt boundary to Inner Borderland rifting | |
CA2892041C (en) | Reflection seismic data q tomography | |
Lu et al. | Refinement of the critical angle calculation for the contrast reversal of oil slicks under sunglint | |
US10302787B2 (en) | Seismic data processing method and apparatus | |
AU2003218384B2 (en) | Method for morphologic analysis of seismic objects | |
EP2848962A1 (en) | Method for identifying and classifying petroleum exuding areas at the bottom of the sea by reverse modelling | |
Tian | Study on oil-gas reservoir detecting methods using hyperspectral remote sensing | |
US20240265696A1 (en) | Methods for Digital Imaging of Living Tissue | |
CN104597518B (zh) | 确定海域油气勘探有利区的方法 | |
Otto et al. | Testing the performance of ice thickness models to estimate the formation of potential future glacial lakes in Austria | |
Zhao et al. | A Comprehensive Horizon‐Picking Method on Subbottom Profiles by Combining Envelope, Phase Attributes, and Texture Analysis | |
CN108732109A (zh) | 油藏定位与油膜筛选的方法、装置及计算机存储介质 | |
Liu et al. | Mapping water pipeline leakage by ground-penetrating radar diffraction imaging | |
Morton et al. | Preliminary event detection of earthquakes using the Cascadia Initiative data | |
Aktaş et al. | High-resolution total field magnetic anomaly maps of Lake İznik (NW Turkey): assessment of faults which play important roles in tectonics of the lake | |
Zakzouk et al. | Novel oil spill indices for sentinel-2 imagery: A case study of natural seepage in Qaruh Island, Kuwait | |
Polychronopoulou et al. | Integrating earthquake-based passive seismic methods in mineral exploration: Case study from the Gerolekas bauxite mining area, Greece | |
RU2187130C2 (ru) | Способ и устройство для обработки сейсмического сигнала и проведения разведки полезных ископаемых | |
Skjæveland et al. | Seismic Tiles, a data format to facilitate analytics on seismic reflectors | |
Seale Jr | Creation, analysis, and evaluation of remote sensing sinkhole databases for Pinellas County, Florida | |
US20140297191A1 (en) | Predicting sensitivity to positioning for seismic surveys | |
Zhang et al. | Identifying minor faults on top of coalfield Ordovician limestone stratum using seismic attributes derived from azimuthally stacked data | |
Dantas et al. | Nonmatrix pores form high-permeability zones in carbonate layers: The Furna Feia cave in the Potiguar Basin, Brazil | |
Luo | Advanced application of ground-penetrating radar in underground tree root systems detection and mapping |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |