CN109269953B - 岩石无机矿物孔隙分类表征的方法 - Google Patents
岩石无机矿物孔隙分类表征的方法 Download PDFInfo
- Publication number
- CN109269953B CN109269953B CN201810955850.5A CN201810955850A CN109269953B CN 109269953 B CN109269953 B CN 109269953B CN 201810955850 A CN201810955850 A CN 201810955850A CN 109269953 B CN109269953 B CN 109269953B
- Authority
- CN
- China
- Prior art keywords
- hole
- inorganic mineral
- ken
- test
- mineral
- 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.)
- Active
Links
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 195
- 239000011148 porous material Substances 0.000 title claims abstract description 133
- 239000011435 rock Substances 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012512 characterization method Methods 0.000 title claims abstract description 19
- 238000012360 testing method Methods 0.000 claims abstract description 64
- 239000011707 mineral Substances 0.000 claims abstract description 42
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 239000002245 particle Substances 0.000 claims description 38
- 239000005416 organic matter Substances 0.000 claims description 17
- 238000001228 spectrum Methods 0.000 claims description 17
- XKRFYHLGVUSROY-UHFFFAOYSA-N argon Substances [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 claims description 7
- 229910052786 argon Inorganic materials 0.000 claims description 7
- -1 argon ion Chemical class 0.000 claims description 7
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 6
- 238000005498 polishing Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 32
- 230000015572 biosynthetic process Effects 0.000 abstract description 13
- 230000012010 growth Effects 0.000 abstract description 10
- 238000013461 design Methods 0.000 abstract description 5
- 239000003208 petroleum Substances 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 4
- 230000018109 developmental process Effects 0.000 abstract 2
- 239000011799 hole material Substances 0.000 description 96
- 239000010453 quartz Substances 0.000 description 9
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 9
- 239000007789 gas Substances 0.000 description 7
- 239000010433 feldspar Substances 0.000 description 5
- 239000011028 pyrite Substances 0.000 description 5
- 229910052683 pyrite Inorganic materials 0.000 description 5
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 239000004927 clay Substances 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 239000004575 stone Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 229910001748 carbonate mineral Inorganic materials 0.000 description 2
- 239000002734 clay mineral Substances 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 2
- 229910052753 mercury Inorganic materials 0.000 description 2
- 238000001000 micrograph Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000007747 plating Methods 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- DHNCFAWJNPJGHS-UHFFFAOYSA-J [C+4].[O-]C([O-])=O.[O-]C([O-])=O Chemical compound [C+4].[O-]C([O-])=O.[O-]C([O-])=O DHNCFAWJNPJGHS-UHFFFAOYSA-J 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 229910052656 albite Inorganic materials 0.000 description 1
- DLHONNLASJQAHX-UHFFFAOYSA-N aluminum;potassium;oxygen(2-);silicon(4+) Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[O-2].[Al+3].[Si+4].[Si+4].[Si+4].[K+] DLHONNLASJQAHX-UHFFFAOYSA-N 0.000 description 1
- 229910052661 anorthite Inorganic materials 0.000 description 1
- GWWPLLOVYSCJIO-UHFFFAOYSA-N dialuminum;calcium;disilicate Chemical compound [Al+3].[Al+3].[Ca+2].[O-][Si]([O-])([O-])[O-].[O-][Si]([O-])([O-])[O-] GWWPLLOVYSCJIO-UHFFFAOYSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N2015/0833—Pore surface area
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N2015/0846—Investigating permeability, pore-volume, or surface area of porous materials by use of radiation, e.g. transmitted or reflected light
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明属于石油天然气地质勘探技术领域，具体提供一种岩石无机矿物孔隙分类表征的方法。本发明旨在解决现有表征方法不能对不同无机矿物发育的孔隙进行分类和定量表征的问题。本发明的方法包括以下步骤：获取岩石样品在测试视域中的电镜扫描图像；确定测试视域中样品包含的无机矿物并获取所有无机矿物的矿物面分布图像；叠加电镜扫描图像和矿物面分布图像，获得测试视域中整体孔隙信息、不同无机矿物发育的粒内孔隙信息和粒间孔隙信息。该方法从多种不同无机矿物孔隙发育的角度对岩石储层孔隙结构进行分类表征，能够使岩石储层孔隙结构表征更加完备和准确，对于油气储层演化和油气分布的研究以及后期开发方案的设计具有重要意义。
Description
技术领域
本发明属于石油天然气地质勘探技术领域，具体提供一种岩石无机矿物孔隙分类表征的方法。
背景技术
不同无机矿物颗粒的表面性质具有差异，因此各自发育的孔隙对油气赋存的意义也不同。同时分别研究不同无机矿物孔隙的发育状况有助于研究岩石储层的成岩演化作用，并能给后期开发方案的设计提供重要的储层物性依据。
扫描电镜的应用和推广使我们能够直观地观测岩石表面孔隙结构的特征，通过对采集的扫描电镜图像分析，可以获得整体的孔隙结构数据，以便对岩石储层的孔隙结构进行表征。不过目前利用扫描电镜虽然能对某一类无机矿物孔隙发育的情况进行统计，但前提要求是扫描电镜图像同一视域内只能包含一类矿物。而实际的情况是岩石储层很少只包含一种矿物，通常岩石储层由几种甚至多达几十种矿物组成。这样一来，对于视域内包含多类型的无机矿物和孔隙信息时，目前的测试方法既不能对视域内同一类无机矿物的孔隙发育情况进行统计，又不能对视域内同时存在的多种类型的无机矿物的孔隙发育情况进行统计。
相应地，本领域需要一种岩石无机矿物孔隙分类表征的方法来解决上述问题。
发明内容
为了解决现有技术中的上述问题，即为了解决现有表征方法不能对不同无机矿物的发育孔隙进行分类和定量表征的问题，本发明提供了一种岩石无机矿物孔隙分类表征的方法，所述方法包括以下步骤：获取岩石样品在测试视域中的电镜扫描图像，以得到岩石样品的真实孔隙的孔隙信息；确定所述测试视域中的所述岩石样品包含的无机矿物并获取所有所述无机矿物的矿物面分布图像；叠加所述电镜扫描图像和所述矿物面分布图像，确定所述测试视域中不同所述无机矿物颗粒内部发育的孔隙和颗粒之间发育的孔隙的孔隙信息，以便得出岩石样品在测试视域中的无机矿物的孔隙统计分析数据。
在上述方法的优选技术方案中，所述孔隙信息包括孔隙数量、孔隙直径和/或孔隙面积。
在上述方法的优选技术方案中，“确定所述测试视域中的所述岩石样品包含的无机矿物并获取所有所述无机矿物的矿物面分布图像”的步骤进一步包括：获取岩石样品包含的无机矿物在所述测试视域中的X射线能谱信息；比对X射线能谱信息与矿物数据库，确定所述测试视域中所有所述无机矿物成分；赋予不同的所述无机矿物以不同的颜色，获得所述测试视域中的所有所述无机矿物的矿物面分布图像。
在上述方法的优选技术方案中，“获取岩石样品包含的无机矿物在所述测试视域中的X射线能谱信息”的步骤之前，所述方法还包括：根据所述岩石样品中的有机质、无机矿物和孔隙的灰度信息设置灰度背景，以便将所述有机质和所述孔隙剔除。
在上述方法的优选技术方案中，“叠加所述电镜扫描图像和所述矿物面分布图像，确定所述测试视域中不同所述无机矿物颗粒内部发育的孔隙和颗粒之间发育的孔隙的孔隙信息，以便得出岩石样品在测试视域中的无机矿物的孔隙统计分析数据”的步骤进一步包括：叠加所述电镜扫描图像和所述矿物面分布图像；根据所述岩石样品中的有机质、无机矿物和孔隙的灰度信息从所述电镜扫描图像中提取整体孔隙分布图像；获取所述整体孔隙分布图像和所述矿物面分布图像的叠加图，确定所述测试视域中不同所述无机矿物颗粒内部发育的孔隙和颗粒之间发育的孔隙的孔隙信息。
在上述方法的优选技术方案中，所述电镜扫描图像和所述分布图像为分辨率一致的图像。
在上述方法的优选技术方案中，“所述岩石样品在测试视域中的无机矿物的孔隙信息统计分析数据”包括以下任意一种或者几种：统计分析所述测试视域中无机矿物的整体孔隙的孔隙数量和孔隙直径之间的关系和/或无机矿物的整体孔隙的孔隙面积和孔隙直径之间的关系；统计分析不同无机矿物颗粒内部发育的孔隙的孔隙数量和孔隙直径之间的关系和/或不同无机矿物颗粒内部发育的孔隙的孔隙面积和孔隙直径之间的关系；统计分析不同无机矿物颗粒之间发育的孔隙的孔隙数量和孔隙直径之间的关系和/或不同无机矿物颗粒之间发育的孔隙的孔隙面积和孔隙直径之间的关系；统计分析不同无机矿物颗粒内部发育的孔隙和粒之间发育的孔隙对所述测试视域中无机矿物的整体孔隙的数量和/或面积的贡献。
在上述方法的优选技术方案中，“获取岩石样品在测试视域中的电镜扫描图像”的步骤进一步包括：采用氩离子抛光所述岩石样品的表面；在非镀导电膜的状态下获取岩石样品在测试视域中的电镜扫描图像。
在上述方法的优选技术方案中，“获取样品在所述测试视域中的X射线能谱信息”的步骤之前，所述方法还包括：对采用氩离子抛光之后的岩石样品进行表面镀导电膜处理。
在上述方法的优选技术方案中，所述电镜扫描图像为二次电子信号图像或者背散射电子信号图像和/或所述岩石样品为砂岩、页岩、碳酸盐岩、变质岩、火山岩中的任意一种。
本领域技术人员能够理解的是，在本发明的技术方案中，岩石无机矿物孔隙分类表征的方法包括以下步骤：获取岩石样品在测试视域中的电镜扫描图像；确定测试视域中的岩石样品包含的无机矿物并获取所有无机矿物的矿物面分布图像；叠加电镜扫描图像和矿物面分布图像，确定测试视域中不同无机矿物颗粒内部发育的孔隙和颗粒之间发育的孔隙的孔隙信息，以便得出岩石样品在测试视域中的无机矿物的孔隙统计分析数据。
该方法从多种不同无机矿物孔隙发育的角度对岩石储层孔隙结构进行分类表征，能够使岩石储层孔隙结构表征更加完备和准确，弥补了目前常用的压汞法和气体吸附法等不能从岩石储层孔隙发育位置这一角度进行分类和定量表征的不足，对于油气储层演化和油气分布的研究以及后期开发方案的设计具有重要意义。
附图说明
下面参照附图来描述本发明的优选实施方式，附图中：
图1是本发明一种实施例的页岩样品的二次电子信号图像；
图2是本发明一种实施例的测试视域中无机矿物的分布图像；
图3是本发明一种实施例的测试视域中整体孔隙分布图像；
图4是本发明一种实施例的整体孔隙分布图像与无机矿物分布图像的叠加图；
图5a是本发明一种实施例的石英发育粒内孔隙分布图；
图5b是本发明一种实施例的长石类发育粒内孔隙分布图；
图5c是本发明一种实施例的碳酸盐矿物发育粒内孔隙分布图；
图5d是本发明一种实施例的粘土矿物发育粒内孔隙分布图；
图5e是本发明一种实施例的黄铁矿发育粒内孔隙分布图；
图6a是本发明一种实施例的粘土-长石粒间孔隙分布图；
图6b是本发明一种实施例的粘土-石英粒间孔隙分布图；
图6c是本发明一种实施例的碳酸盐-石英粒间孔隙分布图；
图6d是本发明一种实施例的长石-石英粒间孔隙分布图；
图6e是本发明一种实施例的两种以上无机矿物粒间孔隙分布图。
图7a是本发明一种实施例的视域内无机矿物发育的整体孔隙数量-孔隙直径图；
图7b是本发明一种实施例的视域内无机矿物发育的整体孔隙面积-孔隙直径关系图；
图7c是本发明一种实施例的不同无机矿物发育的粒内孔隙数量-孔隙直径关系图；
图7d是本发明一种实施例的不同无机矿物发育的粒内孔隙面积-孔隙直径关系图；
图7e是本发明一种实施例的不同无机矿物发育的粒间孔隙数量-孔隙直径关系图；
图7f是本发明一种实施例的不同无机矿物发育的粒间孔隙面积-孔隙直径关系图；
图7g是本发明一种实施例的不同无机矿物发育粒内孔隙对整体无机矿物孔隙数量的贡献图；
图7h是本发明一种实施例的不同无机矿物发育粒内孔隙对整体无机矿物孔隙面积的贡献图；
图7i是本发明一种实施例的不同无机矿物发育粒间孔隙对整体无机矿物孔隙数量的贡献图；
图7j是本发明一种实施例的不同无机矿物发育粒间孔隙对整体无机矿物孔隙面积的贡献图。
具体实施方式
本领域技术人员应当理解的是，本节实施方式仅仅用于解释本发明的技术原理，并非用于限制本发明的保护范围。例如，虽然本实施例是结合页岩样品对本发明的岩石无机矿物孔隙分类表征的方法进行说明和描述的，但这并不是对本发明的方法的适用岩石范围的限制，如还适用于砂岩、碳酸盐岩和变质岩等等，本领域技术人员可以根据需要对其作出调整，以便适应具体的应用场景，调整后的技术方案仍将落入本发明的保护范围。
一种岩石无机矿物孔隙分类表征的方法，该方法包括以下步骤：S1、获取岩石样品在测试视域中的电镜扫描图像；S2、确定测试视域中的岩石样品包含的无机矿物的种类并获取所有无机矿物的矿物面分布图像；S3、叠加电镜扫描图像和矿物面分布图像，确定测试视域中不同无机矿物颗粒内部发育的孔隙和颗粒之间发育的孔隙的孔隙信息，以便得出岩石样品在测试视域中的无机矿物的孔隙统计分析数据。其中，测试视域可以随机选择，可以包含多类型的无机矿物，面积可以为微米级到厘米级。其中，岩石样品可以为砂岩、页岩、碳酸盐岩、变质岩、火山岩中的任意一种；岩石样品的尺寸可以从微米级到厘米级。
需要说明的是，在采集不同类型岩石样品的电镜扫描图像时的分辨率不同，一般页岩为4～10nm，砂岩为10～30nm，该分辨率可以由样品实际发育孔隙大小确定，也可以由具体测试目的确定。如，岩石样品的实际发育孔隙较大时，选择的分辨率较小；岩石样品的实际发育孔隙较小时，选择的分辨率较大。此外，电镜扫描图像可以是岩石样品的背散射电子信号图像或者二次电子信号图像。本领域技术人员可以根据实际情况和测试需要确定采集电镜扫描图像时的分辨率以及选择采集的电镜扫描图像的类型。
通过上述方法，可以从多种不同的无机矿物孔隙发育情况对岩石储层孔隙结构进行分类表征，能够使岩石储层孔隙结构表征更加完备和准确，对于油气储层演化和油气分布的研究以及后期开发方案的设计具有重要意义。
为了能够观察到岩石中真实的孔隙结构信息，在步骤S1之前该方法还包括：S01、采用氩离子抛光岩石样品的表面；S02、在非镀导电膜的状态下获取岩石样品在测试视域中的电镜扫描图像。通过对样品的表面进行氩离子抛光处理，可以保证样品表面的平整度，同时是在非镀导电膜的状态下对样品进行电镜扫描，因此，可以获得样品最真实的表面结构信息，提高实验的精准度。
需要说明的是，虽然样品的表面没有镀导电膜，但是为了增强样品的表面的导电性，获得最真实的表面结构信息，可以在样品的侧面涂抹导电胶，以形成良好的侧向导电通道；同时还可以用导电胶带通过样品表面将样品与金属样品台连接，也可增强样品表面导电性，同时增加样品稳定性。
优选地，步骤S2进一步包括：S20、获取岩石样品包含的无机矿物在测试视域中的X射线能谱信息；S21、比对X射线能谱信息与矿物数据库，确定测试视域中所有无机矿物成分；S22、赋予不同的无机矿物以不同的颜色，获得测试视域中的所有无机矿物的矿物面分布图像。
需要说明的是，不同类型的岩石样品在做无机矿物分析时选择的最小像素面积不同，由岩石样品中实际无机矿物颗粒大小确定，也可以由具体测试目的确定。如，在岩石样品包含的无机矿物颗粒较大时，选择的最小像素面积较大；在岩石样品包含的无机矿颗粒较小时，选择的最小像素面积较小。本领域技术人员可以根据实际情况和需要选择合理的最小像素面积。
还需要说明的是，X射线能谱信息的采集视域和电镜扫描图像的采集视域必须为同一视域，可以完全重合，也可以为部分重合；如，采集电镜扫描图像时的视域为第一视域，采集X射线能谱信息时的视域为第二视域，第一视域与第二视域必须有重叠视域，即测试视域。
此外，可以对每一种无机矿物赋予一种颜色，也可以对某一类无机矿物赋予一种颜色；如可以将岩石样品中的长石类矿物赋予同一种颜色，也可以将长石类矿物所包含的钾长石、钠长石和钙长石等分别赋予不同的颜色。矿物面分布图像可以是彩色图，也可以是灰度图。可以理解的是，本领域技术人员可以根据实际情况和测试目的对岩石样品中的无机矿物赋予合适的颜色。
通过分析出岩石样品中的各种无机矿物成分，并对各种无机矿物赋予不同的颜色，得出测试视域中整体的无机矿物的分布图像，以便与同一视域的电镜扫描图像对应叠加，获得不同无机矿物在电镜扫描图像中的定位。
优选地，在获取岩石样品的电镜扫描图像之后，为了增强样品的表面导电性、为后续获取样品的X射线能谱信息提供更好的实验基础，在步骤S20之前该方法还包括：S020、对采集了电镜扫描图像之后的岩石样品进行表面镀导电膜处理。
示例性的，镀在岩石样品表面的导电膜一般为碳膜或者金膜，镀膜厚度一般为5～15nm。之后将镀导电膜的样品放入电镜仓内，选择能够激发足够X射线信号的电压和束流，一般加速电压为10～20KV，束流为1～5nA。
优选地，为了只获得岩石样品中的无机矿物的X射线能谱信息，在步骤S020和步骤S20之间还包括以下步骤：根据岩石样品中的有机质、无机矿物和孔隙的灰度信息设置灰度背景，以便将有机质和孔隙剔除。示例性的，有机质和孔隙的灰度小于无机矿物的灰度，可以设置灰度背景的灰度为0～60，将有机质和孔隙剔除，只对无机矿物进行能谱分析。
优选地，步骤S3进一步包括：S30、叠加电镜扫描图像和矿物面分布图像；S31、根据岩石样品中的有机质、无机矿物和孔隙的灰度信息从电镜扫描图像中提取整体孔隙分布图像；S32、获取整体孔隙分布图像和无机矿物的矿物面分布图像的叠加图，确定测试视域中不同无机矿物颗粒内部发育的孔隙和颗粒之间发育的孔隙信息。
需要说明的是，在叠加矿物面分布图像和电镜扫描图像之前，如果两者的分辨率不统一，那么需要通过图像处理软件将矿物面分布图像的分辨率转换为和电镜扫描图像的分辨率一致。此外，无机矿物、有机质和孔隙在电镜扫描图中的灰度信息为：孔隙灰度<有机质灰度<无机矿物灰度。利用这一灰度信息，通过图像处理软件将电镜扫描图像中的孔隙提取出来，以获得整体孔隙分布图。
优选地，步骤S30中的“叠加电镜扫描图像和矿物面分布图像”进一步包括：选定电镜扫描图像中的某种无机矿物作为位置参照物；根据位置参照物使矿物面分布图像与电镜扫描图像叠加并重合。
在将电镜扫描图像和矿物面分布图像叠合前，先选定某种特征明显的无机矿物作为位置参照物，利用该位置参照物将电镜扫描图像和矿物面分布图像重叠，若有非重叠视域，则裁剪非重叠视域，只保留重叠视域。
优选地，步骤S32进一步包括：根据矿物面分布图像中不同的无机矿物具有不同的颜色，在整体孔隙分布图像和无机矿物分布图像的叠加图中分别标记不同的无机矿物对应的颗粒内部发育的孔隙和颗粒之间发育的孔隙，获得测试视域中不同无机矿物颗粒内部发育的孔隙的孔隙信息和颗粒之间发育的孔隙的孔隙信息。
优选地，步骤S3中的“所述岩石样品在测试视域中的无机矿物的孔隙信息统计分析数据”包括：S310、统计分析测试视域中无机矿物的整体孔隙的孔隙数量和孔隙直径之间的关系和/或无机矿物的整体孔隙的孔隙面积和孔隙直径之间的关系；S320、统计分析不同无机矿物颗粒内部发育的孔隙的孔隙数量和孔隙直径之间的关系和/或不同无机矿物颗粒内部发育的孔隙的孔隙面积和孔隙直径之间的关系；S330、统计分析不同无机矿物颗粒之间发育的孔隙的孔隙数量和孔隙直径之间的关系和/或不同无机矿物颗粒之间发育的孔隙的孔隙面积和孔隙直径之间的关系；S340、统计分析不同无机矿物颗粒内部发育的孔隙和颗粒之间发育的孔隙对所述测试视域中无机矿物的整体孔隙的数量和/或面积的贡献。
需要说明的是，上述步骤S310至步骤S340之间没有顺序关系，步骤S3中的“所述岩石样品在测试视域中的无机矿物的孔隙信息统计分析数据”可以包括上述步骤S310至步骤S340中的一个或多个。
以下实施例以页岩样品为例对本发明的岩石无机矿物孔隙分类表征的方法进行说明。
因为二次电子信号的分辨率较高，因此在观测孔隙结构时选择采集二次电子信号图像。将页岩样品进行氩离子抛光，抛光处理之后获取页岩样品的表面的二次电子信号图像，如图1所示。图像分辨率为6nm，大小为60.6*57.5μm，图像大小并不局限于该尺寸，可以选择采集任意尺寸的图像。本次扫描时样品表面虽然没有经过镀膜处理，但在样品侧面涂抹了导电胶，目的是为了形成良好的侧向导电通道，增强样品表面导电性，在不镀膜的情况下获得最真实的表面结构信息。
在获取页岩样品的二次电子信号图像之后，将页岩样品从电镜中取出，利用镀膜仪对样品镀碳膜，膜厚为5nm。将页岩样品再次放入电镜中，寻找并定位之前采集二次电子信号图像的测试视域，选择的最小像素面积为1μm2，获取这一测试视域的X射线能谱信息。在做X射线能谱采集之前，利用灰度差别将有机质和孔隙剔除(本次设定灰度为0～60)，只对无机矿物进行能谱分析。获取的X射线能谱信息与数据库中的谱图进行比对，进行自动矿物成分分析。然后将无机矿物进行分类(石英、长石类、碳酸盐岩类、粘土类和黄铁矿)，对不同类别的无机矿物进行不同颜色的标定，最终获得测试视域中无机矿物的分布图像，如图2所示。
无机矿物的分布图的分辨率为291nm，与二次电子信号图像的分辨率6nm不同，通过图像处理软件将无机矿物的分布图像的分辨率转换为和二次电子信号图像的分辨率一致。利用二次电子信号图像中的特征矿物(本次选择黄铁矿)作为位置参照物，将转换分辨率的无机矿物的分布图像与二次电子信号图像叠加。利用二次电子信号图像中的灰度信息(孔隙灰度<有机质灰度<无机矿物灰度)，将二次电子信号图像中的孔隙提取出来，获得整体孔隙分布图像，如图3所示，以及整体孔隙分布图像和无机矿物分布图的叠加图，如图4所示。
由于无机矿物的分布图中不同类别的无机矿物已经用不同的颜色标注区别，借此分别提取不同类别无机矿物发育的粒内孔隙和粒间孔隙，获得不同类别无机矿物(石英、长石类、碳酸盐岩类、粘土类和黄铁矿)粒内孔隙和粒间孔隙发育分布图，如图5a-图5e和图6a-图6e所示。
获得整体孔隙分布图像、整体孔隙分布图像和无机矿物分布图的叠加图之后，我们主要统计整体孔隙和不同类别无机矿物粒内孔隙和粒间孔隙的数量、直径和面积，然后分别分析整体孔隙和不同类别无机矿物粒内孔隙和粒间孔隙的孔隙数量-孔隙直径、孔隙面积-孔隙直径的关系。
统计发现，分析区域无机矿物发育的整体孔隙数量为25053个，孔隙直径为8.5～4350.4nm，孔隙面积从0.00004μm2到0.14μm2不等，无机矿物发育的孔隙提供的面孔率为0.7％。参照图7a-图7b，可以看出孔隙直径小于100nm的无机矿物孔隙占了绝大多数，而无机矿物的面孔率主要是由50～500nm的孔隙提供。
分析不同类型无机矿物孔隙发育情况来看图7c-图7j，视域中粒内孔隙和粒间孔隙的发育情况具有较大差别：粒内孔隙孔径偏小，以小于50nm的孔隙发育为主，提供主要面积的是10～500nm的孔隙，粒内孔隙发育的规模依次是粘土矿物>石英>长石>碳酸盐矿物>黄铁矿；粒间孔隙孔径偏大，主要发育10～500nm的孔隙，提供主要孔隙面积的孔隙为200nm到大于1000nm的孔隙，其中又以大于1000nm的孔隙提供的孔隙面积最多，粒间孔隙的发育规模是两种以上矿物粒间孔隙>粘土矿物-长石粒间孔隙>粘土矿物-石英粒间孔隙>长石-石英粒间孔隙>碳酸盐矿物-石英粒间孔隙。
通过上述实施例的描述，可以看出该方法从多种不同无机矿物孔隙发育的角度对岩石储层孔隙结构进行分类表征，能够使岩石储层孔隙结构表征更加完备和准确，弥补了目前常用的压汞法和气体吸附法等不能从岩石储层孔隙发育位置这一角度进行分类和定量表征的不足，对于油气储层演化和油气分布的研究以及后期开发方案的设计具有重要意义。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (9)
1.一种岩石无机矿物孔隙分类表征的方法，其特征在于，所述方法包括以下步骤：
步骤1、获取岩石样品在测试视域中的电镜扫描图像，以得到岩石样品的真实孔隙的孔隙信息；
步骤2、确定所述测试视域中的所述岩石样品包含的无机矿物并获取所有所述无机矿物的矿物面分布图像；
所述步骤1具体为：根据所述岩石样品中的有机质、无机矿物和孔隙在所述电镜扫描图像中的灰度信息从所述电镜扫描图像中提取整体孔隙分布图像；
其中，有机质、无机矿物和孔隙在所述电镜扫描图像中的灰度信息为：孔隙灰度<有机质灰度<无机矿物灰度；
步骤3、获取所述整体孔隙分布图像和所述矿物面分布图像的叠加图，确定所述测试视域中不同所述无机矿物颗粒内部发育的孔隙和颗粒之间发育的孔隙的孔隙信息，以便得出岩石样品在测试视域中的无机矿物的孔隙统计分析数据。
2.根据权利要求1所述的方法，其特征在于，所述孔隙信息包括孔隙数量、孔隙直径和/或孔隙面积。
3.根据权利要求1所述的方法，其特征在于，“确定所述测试视域中的所述岩石样品包含的无机矿物并获取所有所述无机矿物的矿物面分布图像”的步骤进一步包括：
获取岩石样品包含的无机矿物在所述测试视域中的X射线能谱信息；
比对X射线能谱信息与矿物数据库，确定所述测试视域中所有所述无机矿物；
赋予不同的所述无机矿物以不同的颜色，获得所述测试视域中的所有所述无机矿物的矿物面分布图像。
4.根据权利要求3所述的方法，其特征在于，“获取岩石样品包含的无机矿物在所述测试视域中的X射线能谱信息”的步骤之前，所述方法还包括：
根据所述岩石样品中的有机质、无机矿物和孔隙的灰度信息设置灰度背景，以便将所述有机质和所述孔隙剔除。
5.根据权利要求1所述的方法，其特征在于，所述电镜扫描图像和所述矿物面分布图像为分辨率一致的图像。
6.根据权利要求1至5中任一项所述的方法，其特征在于，“所述岩石样品在测试视域中的无机矿物的孔隙信息统计分析数据”包括以下任意一种或者几种：
统计分析所述测试视域中无机矿物的整体孔隙的孔隙数量和孔隙直径之间的关系和/或无机矿物的整体孔隙的孔隙面积和孔隙直径之间的关系；
统计分析不同无机矿物颗粒内部发育的孔隙的孔隙数量和孔隙直径之间的关系和/或不同无机矿物颗粒内部发育的孔隙的孔隙面积和孔隙直径之间的关系；
统计分析不同无机矿物颗粒之间发育的孔隙的孔隙数量和孔隙直径之间的关系和/或不同无机矿物颗粒之间发育的孔隙的孔隙面积和孔隙直径之间的关系；
统计分析不同无机矿物颗粒内部发育的孔隙和颗粒之间发育的孔隙对所述测试视域中无机矿物的整体孔隙的数量和/或面积的贡献。
7.根据权利要求6所述的方法，其特征在于，“获取岩石样品在测试视域中的电镜扫描图像”的步骤进一步包括：
采用氩离子抛光所述岩石样品的表面；
在非镀导电膜的状态下获取岩石样品在测试视域中的电镜扫描图像。
8.根据权利要求7所述的方法，其特征在于，“获取样品在所述测试视域中的X射线能谱信息”的步骤之前，所述方法还包括：
对采用氩离子抛光之后的岩石样品进行表面镀导电膜处理。
9.根据权利要求8所述的方法，其特征在于，所述电镜扫描图像为二次电子信号图像或者背散射电子信号图像和/或所述岩石样品为砂岩、页岩、碳酸盐岩、变质岩、火山岩中的任意一种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810955850.5A CN109269953B (zh) | 2018-08-21 | 2018-08-21 | 岩石无机矿物孔隙分类表征的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810955850.5A CN109269953B (zh) | 2018-08-21 | 2018-08-21 | 岩石无机矿物孔隙分类表征的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109269953A CN109269953A (zh) | 2019-01-25 |
| CN109269953B true CN109269953B (zh) | 2019-11-26 |
Family
ID=65154103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810955850.5A Active CN109269953B (zh) | 2018-08-21 | 2018-08-21 | 岩石无机矿物孔隙分类表征的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109269953B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109856029B (zh) * | 2019-02-01 | 2021-07-30 | 中海石油(中国)有限公司上海分公司 | 一种基于图像分析的孔隙度评价方法 |
| CN110108739A (zh) * | 2019-05-07 | 2019-08-09 | 中国石油化工股份有限公司 | 表征粗糙面岩石样品中原油赋存状态的方法 |
| GB2584660B (en) * | 2019-06-10 | 2022-08-24 | Univ China Petroleum East China | Automatic identification method and system for different mineral pores of mud shale |
| CN110211144B (zh) * | 2019-06-10 | 2021-06-22 | 中国石油大学(华东) | 一种泥页岩扫描电镜图片孔隙提取方法及系统 |
| CN110333178A (zh) * | 2019-08-12 | 2019-10-15 | 西南石油大学 | 页岩黄铁矿孔隙表征方法及其应用 |
| CN112345415B (zh) * | 2020-10-27 | 2023-10-27 | 核工业北京化工冶金研究院 | 一种堆浸过程中铀矿石颗粒内部孔裂隙演化的检测方法 |
| CN112801205B (zh) * | 2021-02-20 | 2022-04-15 | 中国科学院地质与地球物理研究所 | 岩石纹层结构的获取方法及装置 |
| CN113298795A (zh) * | 2021-06-09 | 2021-08-24 | 长江大学 | 一种页岩油气储层孔隙精细分类提取方法及装置 |
| CN113610914A (zh) * | 2021-07-02 | 2021-11-05 | 中铁二十局集团有限公司 | 砂岩孔隙结构分析方法、装置、设备及存储介质 |
| CN115356363B (zh) * | 2022-08-01 | 2023-06-20 | 河南理工大学 | 一种基于宽离子束抛光-扫描电镜的孔隙结构表征方法 |
| CN117054460B (zh) * | 2023-10-12 | 2023-12-08 | 中国科学院地质与地球物理研究所 | 基于冷冻电镜计算不同流体饱和度的方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BRPI0908632A2 (pt) * | 2008-05-23 | 2017-09-19 | Univ Australian National | Processamento de dados de imagem |
| EP2748793B1 (en) * | 2011-10-14 | 2017-10-11 | Ingrain, Inc. | Dual image method and system for generating a multi-dimensional image of a sample |
| CN104237103B (zh) * | 2014-09-23 | 2017-10-17 | 中国石油天然气股份有限公司 | 一种孔隙连通性定量表征方法及装置 |
| CN105115874B (zh) * | 2015-08-18 | 2018-02-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
| CN105352873B (zh) * | 2015-11-26 | 2018-12-21 | 中国石油大学(北京) | 页岩孔隙结构的表征方法 |
| CN105424909B (zh) * | 2015-11-26 | 2018-06-01 | 中国石油天然气股份有限公司 | 一种盖层岩石孔缝充填物的识别方法 |
| CN106651839A (zh) * | 2016-11-16 | 2017-05-10 | 中国科学院地质与地球物理研究所 | 页岩电镜图像中有机和无机孔隙自动识别和定量分析方法 |
| CN107067379B (zh) * | 2017-03-16 | 2018-07-20 | 中国科学院地质与地球物理研究所 | 基于三维fib-sem图像的页岩孔隙定量表征方法 |
| CN107993261B (zh) * | 2017-11-02 | 2019-02-12 | 中国科学院地质与地球物理研究所 | 一种基于三维岩心扫描图像的孔隙与孔喉识别方法 |
| CN107941670B (zh) * | 2017-11-03 | 2020-01-07 | 中国石油天然气股份有限公司 | 一种岩屑孔隙度测定方法 |
-
2018
- 2018-08-21 CN CN201810955850.5A patent/CN109269953B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109269953A (zh) | 2019-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109269953B (zh) | 岩石无机矿物孔隙分类表征的方法 | |
| CN107228816B (zh) | 一种泥页岩中不同类型孔隙演化评价方法 | |
| Peckys et al. | Local variations of HER2 dimerization in breast cancer cells discovered by correlative fluorescence and liquid electron microscopy | |
| Reyes et al. | Calibrated X-ray micro-tomography for mineral ore quantification | |
| Milliken et al. | Organic matter–hosted pore system, Marcellus formation (Devonian), Pennsylvania | |
| Robinson | Inorganic geochemistry: applications to petroleum geology | |
| Loucks et al. | Preliminary classification of matrix pores in mudrocks | |
| Curtis et al. | Microstructural investigation of gas shales in two and three dimensions using nanometer-scale resolution imaging | |
| CN104237103B (zh) | 一种孔隙连通性定量表征方法及装置 | |
| CN104076038A (zh) | 一种碳酸盐岩常见成岩组构特征表征和成因识别方法 | |
| CN113609696B (zh) | 基于图像融合的多尺度多组分数字岩心构建方法及系统 | |
| CN109270105A (zh) | 快速识别并定位大视域中目标矿物颗粒的方法 | |
| CN106370817A (zh) | 一种基于岩心分析和电成像测井的缝洞定量表征方法 | |
| CN114486962B (zh) | 复杂成分样品含轻元素矿物的定量识别方法、系统和设备 | |
| CN111366753A (zh) | 一种页岩有机质孔隙类型的微观识别方法 | |
| Dilks et al. | Quantitative mineralogical characterization of sandstones by back-scattered electron image analysis | |
| CN110132816A (zh) | 一种下古生界页岩中有机质孔隙结构分析方法 | |
| Bankole et al. | Automated image analysis of mud and mudrock microstructure and characteristics of hemipelagic sediments: IODP expedition 339 | |
| Saraji et al. | High-resolution three-dimensional characterization of pore networks in shale reservoir rocks | |
| CN114897767A (zh) | 一种致密混积岩储层储集空间多尺度表征与储层分类方法 | |
| Rassouli et al. | Shale rock characterization using multi-scale imaging | |
| Lee et al. | Ontogenetic trace element distribution in brachiopod shells: an indicator of original seawater chemistry | |
| Hofmann et al. | Gas shale characterization-results of the mineralogical, lithological and geochemical analysis of Cuttings samples from radioactive silurian shales of a Palaeozoic Basin, SW Algeria | |
| CN111257188B (zh) | 碳酸盐岩孔隙系统的多尺度表征方法及装置 | |
| Buono et al. | Quantitative digital petrography: full thin section quantification of pore space and grains |
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 |