CN111693525B - 一种烃源岩中固体沥青的识别和定量统计方法 - Google Patents

一种烃源岩中固体沥青的识别和定量统计方法 Download PDF

Info

Publication number
CN111693525B
CN111693525B CN202010136494.1A CN202010136494A CN111693525B CN 111693525 B CN111693525 B CN 111693525B CN 202010136494 A CN202010136494 A CN 202010136494A CN 111693525 B CN111693525 B CN 111693525B
Authority
CN
China
Prior art keywords
source rock
solid asphalt
solid
content
formula
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
Application number
CN202010136494.1A
Other languages
English (en)
Other versions
CN111693525A (zh
Inventor
庞谦
胡广
王杰
胡朝伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Exploration and Production Research Institute
Southwest Petroleum University
Original Assignee
Southwest Petroleum University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Petroleum University filed Critical Southwest Petroleum University
Priority to CN202010136494.1A priority Critical patent/CN111693525B/zh
Publication of CN111693525A publication Critical patent/CN111693525A/zh
Application granted granted Critical
Publication of CN111693525B publication Critical patent/CN111693525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/2813—Producing thin layers of samples on a substrate, e.g. smearing, spinning-on
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/32—Polishing; Etching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/2813—Producing thin layers of samples on a substrate, e.g. smearing, spinning-on
    • G01N2001/2833—Collecting samples on a sticky, tacky, adhesive surface
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供一种烃源岩中固体沥青的识别和定量统计方法，利用图像识别的过程中研究出的大量的参数，包括形状系数、非均质性、分形维数等，以及样品表面平整度进行纳米级的抛光技术，在新的层面和视角上观察固体沥青与其他有机质的表面差别，进而实现了快速准确的识别固体沥青。

Description

一种烃源岩中固体沥青的识别和定量统计方法
技术领域
本发明涉及油气勘探技术领域，具体涉及一种烃源岩中固体沥青的识别和定量统计方法。
背景技术
烃源岩中的固体沥青记录着烃源岩中烃类的生烃期次及演化过程，因此，识别和定量统计固体沥青，对反演沉积盆地中烃源岩的生烃能力及页岩气富集规律方面都具有重要的作用。
前人对固体沥青的统计大都针对常规储层。专利CN104950004A对常规碳酸盐岩储层中的固体沥青提出了统计方法，并且利用该方法统计出了许多常规储层层位的固体沥青含量。如蔡立国等(2005)对普光气田飞仙关组残留的固体沥青为5×108t，折算出古油藏可达7.5×108t。付小东等(2009)根据普光、罗家寨、渡口河、铁山坡等气田飞仙关组与长兴组储层沥青资料，计算得出川东北上述气田中固体沥青储量约为51.2×108t，古油藏规模约为137×108t。孙玮等(2007)从储层沥青出发，对川中威远-资阳震旦系古圈闭进行了资源量恢复，利用体积法计算得古油藏原油储量规模为17.06×108t，原油裂解气量为1.06×1012m3。
另外一些专利阐述了对煤和烃源岩中的有机质进行统计。例如，专利CN108346147A利用颜色参数(R、G、B)对煤中的显微组分进行了定量自动识别。专利CN102565104B利用扫描电镜采集图像，然后用颜色参数对烃源岩中的有机质总量的统计方法进行了说明。对于烃源岩而言，不同的显微组分往往具有同样的颜色，并且黄铁矿和黏土矿物在透射光下往往呈暗色，及难与有机质相区分。这些特征导致烃源岩中的固体沥青识别难以通过颜色参数加以识别。另外，现有针对烃源岩中的固体沥青定量统计均为通过肉眼观察的半定量或人工格子定量或者的统计和识别烃源岩中的固体沥青。
近期，图像识别技术广为运用，在对图像识别的过程中研究出了大量的参数，包括形状系数、非均质性、分形维数等，这些为固体沥青的识别提供了数学基础。同时，对样品表面平整度进行纳米级的抛光技术，也在近十年内取得了长足的发展，这为我们观察固体沥青与其他有机质的表面差别提供了新的视角。
因此，基于以上问题和新出现的分析方法和处理技术为我们对烃源岩中固体沥青的自动识别与定量统计提供了相关技术支持。
发明内容
鉴于上述现有技术中存在的问题，本发明的目的在于提供一种烃源岩中固体沥青的识别和定量统计方法，以解决现有技术中烃源岩中固体沥青识别和定量统计难度较高等问题。
本发明一方面提供一种烃源岩中固体沥青的识别和定量统计方法，包括：
步骤T1：获得烃源岩样品的图像以及所述图像的总像素值Pall；
步骤T2：利用颜色参数区别所述图像中的矿物组分和有机质组分，从而获得所述有机质组分的像素值Pog；
步骤T3：利用颜色参数、形状系数、非均质、分形维数和孔隙角度中的至少一种区别所述有机质组分中的固体沥青与笔石、前油沥青、无定形体和藻质体，从而分别获得所述笔石的像素值Pg、所述前油沥青的像素值Ppb、所述无定形体的像素值Pam和所述藻质体的像素值Pal；
步骤T4：依据所述步骤T2和所述步骤T3所获得的像素值定量统计所述烃源岩样品中的固体沥青含量Pbitumen。
本申请的发明人在研究中发现，烃源岩中的矿物有石英、黏土矿物和黄铁矿，其中石英呈灰色；黏土矿物呈灰黑色；黄铁矿在反射光下呈黄白色的圆点。而有机质(笔石、前油沥青、固体沥青、藻质体、无定形体)在反射光下，矿物亮度介于石英和黄铁矿之间，呈褐灰色或者黄灰色。确定R、G、B为不同矿物的识别参数。针对每种矿物，确定每种矿物的下限值和上限值，即Low_RGB和High_RGB，以确定不同的矿物具有不同的识别区间。
根据本发明，采集烃源岩样品时，按照岩性和有机碳含量进行加密取样，一般以黑色页岩和高有机碳含量段进行密集取样，取样间隔在0.2m。
根据本发明，对像素进行识别的主要软件主要是Image-Pro Plus和Digimizer等。
在本发明的一些优选的实施方式中，步骤T3中，利用颜色参数区别所述固体沥青和所述笔石。
根据本发明，笔石与固体沥青颜色呈现差别，通过确定笔石和固体沥青的Low_RGB和High_RGB参数可以区分笔石和固体沥青。
在本发明的一些优选的实施方式中，步骤T3中，利用形状系数和分形维数区别所述固体沥青、藻质体和所述前油沥青。
根据本发明，固体沥青具有无固定形态的特点，区分前油沥青和藻质体。通过对同一反射光下观察到的藻质体和前油沥青的平均形状系数和平均分形维数分析发现，三者的形状系数大小分别为前油沥青＞藻质体＞固体沥青，平均分形维数大小分别为藻质体＞前油沥青＞固体沥青，并且三者的差异较为明显，其中形状系数的差异在0.2以上。
在本发明的一些优选的实施方式中，步骤T3中，利用形状系数区别所述固体沥青和所述藻质体。
在本发明的一些优选的实施方式中，步骤T3中，利用非均质性和孔隙角度区别所述固体沥青和所述无定形体。
根据本发明，无定形体内部往往具有一定的结构和呈层状孔隙，而固体沥青中往往均匀分布圆状孔隙。即均假定一个基准面，其孔隙结构的优势方向与基准面的夹角作为区分无定形与固体沥青的识别参数。
根据本发明，形状系数反映显微组分颗粒的圆度，越圆越接近1，在本发明中，形状系数可以用f表示。
根据本发明，分形维数反映显微组分的颗粒边缘形态，边缘越复杂，分形维数越大，在本发明中，分形维数可以用D表示。
根据本发明，非均质性反映显微组分内部孔隙大小及含量，在本发明中，非均质性可以用h表示。
根据本发明，孔隙角度反映显微组分内部孔隙的方向，在本发明中，孔隙角度可以用A表示。
根据本发明，利用形状系数(f)和分形维数(D)共同区别固体沥青与前油沥青，即当fmin≤fbitumen≤fmax且Dmin≤Dbitumen≤Dmax，可区分出固体沥青与前油沥青。
根据本发明，利用形状系数(f)区别固体沥青和藻质体，即当fmin≤fbitumen≤fmax，可区分出固体沥青与藻质体。
根据本发明，利用非均质性(h)和孔隙角度(A)区别固体沥青和藻质体，即当hmin≤hbitumen≤hmax且0≤Abitumen≤Amax，可区分出固体沥青与无定形体。
在本发明的一些优选的实施方式中，步骤T4中，所述定量统计的公式如式(1)所示：
Pbitumen＝(Pog－Pg－Pal－Ppb－Pam)/Pall×ρbitumen/ρrock×100％ 式(1)
式(1)中，ρbitumen为0.8t/m3～1.3t/m3，ρrock为1.8t/m3～2.5t/m3。
根据本发明，Pbitumen可以为该图像中固体沥青的面积质量百分比(wt.％)，也近似等效为烃源岩样品中固体沥青的体积质量百分比(wt.％)。
根据本发明，为精确地获得某一块样品中固体沥青含量值，应对光薄片进行多次图像采集和统计固体沥青含量，公式如式(1’)所示：
Figure BDA0002397506650000041
式(1’)中，n为对烃源岩样品随机统计的图像数量，Pi-og为第i个图像中的有机质组分的像素值，Pi-g为第i个图像中的笔石的像素值，Pi-al为第i个图像中的藻质体的像素值，Pi-pb为第i个图像中的前油沥青的像素值，Pi-am为第i个图像中的无定形体的像素值，Pi-all为第i个图像的总像素值，ρbitumen和ρrock的指代意义与式(1)相同。
在本发明的一些优选的实施方式中，所述识别和定量统计方法还包括：
步骤T5：在目标区域采集n个烃源岩样品，并重复进行所述步骤T1至所述步骤T4，从而获得n个烃源岩样品的Pbitumen值，依据所获得的n个烃源岩样品的Pbitumen值绘制所述目标区域内的固体沥青含量等值线平面分布图和固体沥青含量垂向分布图。
根据本发明，固体沥青含量等值线平面分布图可以是一定区域内的固体沥青含量等值线平面分布图。固体沥青含量垂向分布图可以是单井固体沥青含量垂向分布图。
根据本发明，优选井/剖面中的样品，获取具有代表性样品的固体沥青质量百分数，明确固体沥青含量的垂向分布。在精细的对一定区域内的地层进行对比的基础上，选择样品代表该井/剖面的固体沥青含量，绘制该区域内的固体沥青含量等值线平面分布图。
在本发明的一些优选的实施方式中，所述识别和定量统计方法还包括：
步骤T6：依据所述固体沥青含量等值线平面分布图、固体沥青含量垂向分布图和式(2)计算所述目标区域内的固体沥青含量；和/或
依据所述固体沥青含量等值线平面分布图、固体沥青含量垂向分布图和式(3)计算所述目标区域内的反演油的含量；和/或
依据所述固体沥青含量等值线平面分布图、固体沥青含量垂向分布图和式(4)计算所述目标区域内的反演气的含量，其中，所述式(2)、式(3)和式(4)如下所示：
Figure BDA0002397506650000051
Figure BDA0002397506650000052
Figure BDA0002397506650000053
其中，n表示等值线的条数；Pi_bitumen表示第i条等值线的固体沥青含量等值线值；Ai表示第i条等值线所圈定的面积；hi表示第i条等值线圈定范围的平均厚度；α表示反演油系数；β表示反演气系数；M_bitumen表示目标区域内的固体沥青含量；M_oil表示目标区域内的反演油含量；M_gas表示目标区域内的反演气的含量。
在本发明的一些优选的实施方式中，步骤T1中，通过对烃源岩样品进行表面处理，并对经表面处理的烃源岩样品进行图像采集，从而所述烃源岩样品的图像以及所述图像的总像素值Pall。
在本发明的一些优选的实施方式中，所述表面处理的方法包括：
步骤a)将所述烃源岩样品破碎至20目-40目后粘黏在载玻片上，从而对所述烃源岩样品进行固定；
步骤b)将经固定的烃源岩样品依次在20目-100目、150目-400目、450目-800目、850目-1050目、1100目-1500目、1800目-2200目的皮盘上分别磨制1min-5min；以及
步骤c)对经步骤b)处理的烃源岩样品进行气体抛光处理。
在本发明的一些优选的实施方式中，步骤a)中，采用树胶实现所述粘黏。
在本发明的一些优选的实施方式中，步骤c)中，采用LEICA EM TIC 3X气体抛光仪进行所述气体抛光处理，和/或采用氩气作为抛光气体。
在本发明的一个具体的实施方式中，将采集的烃源岩样品磨碎成20-40目的碎样；挑选10个碎样，用树胶粘黏在1cm×1cm的载玻片上；对载玻片上的样品分别在60目、200目、600目、1000目、1200目和2000目的皮盘上、在无水条件下分别磨制2min；利用气体抛光仪器，对磨制的样品气体抛光6h。
在本发明的一些优选的实施方式中，步骤T1中，所述的获得烃源岩样品的图像的方法包括：在反射光油浸条件下随机确定所述烃源岩样品的5-10个图像视域。
与现有技术相比，本发明的有益效果至少体现在一下几个方面：
1)提高统计的速度。对比人工统计和目测而言，本发明的统计速度更快，能够满足大规模样品的显微组分的定量统计。
2)提高识别的准度。与人工识别中需要的高经验而言，本发明通过拾取固体沥青的基本参数，能够准确识别固体沥青。
附图说明
图1是本发明实施例1的流程图。
图2是本发明实施例1的烃源岩样品在反射光下所获取的图像，其中a为笔石；b为固体沥青；c为前油沥青；d为藻质体；e为无定形体。
图3是本发明实施例1的识别结果。
图4是本发明实施例1中焦页2井固体沥青含量垂向分布及解释成果。
图5是本发明实施例1中丁页3井固体沥青含量垂向分布及解释成果。
图6是本发明实施例1中民页1井固体沥青含量垂向分布及解释成果。
图7是本发明实施例1中龙马溪组固体沥青含量平面分布图。
具体实施方式
为使本发明的技术特征更易理解及定量统计的过程和研究目的更加清楚，下面将结合四川盆地下志留统龙马溪组共计21口钻井/剖面的实例和图例，详细说明本发明。该实例仅起说明性作用，不局限本发明的应用范围。
如前所述，现有的技术方法仅是通过人工格子定量或者肉眼观察的半定量的统计和识别烃源岩中的固体沥青，而对于现已实现的自动快速定量的技术，仅针对煤中的显微组分。与煤相比，烃源岩更加复杂，不仅含有有机质，还含有大量的矿物，并且有机质与有机质之间差异较小。本发明依靠不同矿物和有机质的本身参数，对其进行逐级识别筛选，最后获得烃源岩中的固体沥青。本发明基于以上问题而提出。
因此，本发明所涉及的烃源岩中固体沥青的识别，包括：
步骤T1：对原始烃源岩样品进行处理和拍照。针对选择的21个采样点按照岩性和有机碳含量按照均匀间隔采样，共采集274块样品。将采集的烃源岩样品磨碎成20-40目的碎样；挑选大小合适的碎样10个，用树胶粘黏在1cm×1cm的载玻片上；对载玻片上的样品分别在60目、200目、600目、1000目、1200目和2000目的皮盘上、在无水条件下分别磨制2min；利用LEICA EM TIC 3X仪器，对磨制的样品氩离子抛光6h；将抛光样品在油浸物镜50倍的反射光条件下，对每个颗粒随机采集1张，共采集图像10张。
步骤T2：识别所获取照片中的矿物与有机质。利用颜色参数R、G、B，区别有机质与矿物。如对焦页2井2331m处的样品统计获得有机质R、G、B的上下限值分别为[122，160]、[132，183]、[174，236]。
步骤T3：对识别的有机质进一步加以区分。首先，对龙马溪组显微组分观察发现，显微组分包括固体沥青、笔石、前油沥青、无定形体和藻质体。除笔石颜色较亮外，其他有机质颜色基本一致(图2)。通过对笔石和固体沥青的R、G、B三个颜色参数分析发现，笔石的G和B值为179和242，固体沥青分别为151和144，明显比固体沥青的G和B值高，据此，区分出笔石(图3a)。其次，通过颜色参数把剩余的有机质颗粒(包括藻质体、前油沥青、固体沥青和无定形)像素点进行提取(图3b-e)。再次，对龙马溪组大量已知的显微组分进行分析，分别获得显微组分的形状系数、非均质、分形维数和孔隙角度(表1)。与固体沥青相比，前油沥青在形状系数和分形维数上存在明显差异，分别在0.75～0.94和1.14～1.19之间；无定形体在孔隙角度上存在明显差异，分别在32°～57°之间；藻质体在形状系数和孔隙角度存在明显差异，分别在0.43～0.64和31°～63°之间。通过这些差异，将不同的显微组分像素点进行提取(图3)。最后，获得该张固体沥青的像素分布。
步骤T4：对识别的固体沥青进行统计计算。重复步骤T3，获得每个井/剖面点的各个样品的图像中的各个显微组分像素点，按照式(1，)计算每个样品的固体沥青质量百分数，其中，ρbitumen值取1.3；ρrock值取2.1。
步骤T5：绘制单井固体沥青垂向分布图和四川盆地周边五峰组和龙马溪组固体沥青含量等值线图。将步骤T4获取的各个井/剖面的样品分别按照深度顺序投在纵向剖面上，分析固体沥青垂向变化规律。然后，结合将额外测试的总有机碳含量(TOC)和不同岩性的生烃总量参数，计算获取单位TOC滞留油量、单位TOC滞留效率以及平均滞留效率等参数(图4-6)。将每口井/剖面的样品取平均数，投在平面图上，按照内插值的方法绘制四川盆地周边五峰组和龙马溪组固体沥青含量等值线图。
步骤T6：计算固体沥青总质量。根据步骤T5，结合上述式(3)计算获得四川盆地龙马溪组固体沥青总量，其值为1094.39×108t。
表1不同显微组分参数表
显微组分类型 形状系数 非均质性(％) 分形维数 孔隙角度
固体沥青 0.23～0.33 0.33～0.45 1.72～1.88 ～0°
前油沥青 0.75～0.94 0.17～0.25 1.14～1.19 ～0°
无定形体 0.22～0.31 0.34～0.47 1.68～1.82 32～57°
藻质体 0.43～0.64 0.37～0.57 1.34～1.55 31～63°
应当注意的是，以上所述的实施例仅用于解释本发明，并不构成对本发明的任何限制。通过参照典型实施例对本发明进行了描述，但应当理解为其中所用的词语为描述性和解释性词汇，而不是限定性词汇。可以按规定在本发明权利要求的范围内对本发明作出修改，以及在不背离本发明的范围和精神内对本发明进行修订。尽管其中描述的本发明涉及特定的方法、材料和实施例，但是并不意味着本发明限于其中公开的特定例，相反，本发明可扩展至其他所有具有相同功能的方法和应用。

Claims (9)

1.一种烃源岩中固体沥青的识别和定量统计方法，包括：
步骤T1：获得烃源岩样品的图像以及所述图像的总像素值Pall；
步骤T2：利用颜色参数区别所述图像中的矿物组分和有机质组分，从而获得所述有机质组分的像素值Pog；
步骤T3：利用颜色参数、形状系数、非均质、分形维数和孔隙角度中的至少一种区别所述有机质组分中的固体沥青与笔石、前油沥青、无定形体和藻质体，从而分别获得所述笔石的像素值Pg、所述前油沥青的像素值Ppb、所述无定形体的像素值Pam和所述藻质体的像素值Pal；
步骤T4：依据所述步骤T2和所述步骤T3所获得的像素值定量统计所述烃源岩样品中的固体沥青含量Pbitumen；
其中，利用颜色参数区别所述固体沥青和所述笔石；
利用形状系数和分形维数区别所述固体沥青和所述前油沥青；
利用形状系数区别所述固体沥青和所述藻质体；
利用非均质性和孔隙角度区别所述固体沥青和所述无定形体。
2.根据权利要求1所述的识别和定量统计方法，其特征在于，步骤T4中，所述定量统计的公式如式(1)所示：
Pbitumen＝(Pog－Pg－Pal－Ppb－Pam)/Pall×ρbitumen/ρrock×100％ 式(1)
式(1)中，ρbitumen为0.8t/m3～1.3t/m3，ρrock为1.8t/m3～2.5t/m3。
3.根据权利要求1或2所述的识别和定量统计方法，其特征在于，所述识别和定量统计方法还包括：
步骤T5：在目标区域采集n个烃源岩样品，并重复进行所述步骤T1至所述步骤T4，从而获得n个烃源岩样品的Pbitumen值，依据所获得的n个烃源岩样品的Pbitumen值绘制所述目标区域内的固体沥青含量等值线平面分布图和固体沥青含量垂向分布图。
4.根据权利要求3所述的识别和定量统计方法，其特征在于，所述识别和定量统计方法还包括：
步骤T6：依据所述固体沥青含量等值线平面分布图、固体沥青含量垂向分布图和式(2)计算所述目标区域内的固体沥青含量；和/或
依据所述固体沥青含量等值线平面分布图、固体沥青含量垂向分布图和式(3)计算所述目标区域内的反演油的含量；和/或
依据所述固体沥青含量等值线平面分布图、固体沥青含量垂向分布图和式(4)计算所述目标区域内的反演气的含量，其中，所述式(2)、式(3)和式(4)如下所示：
Figure FDA0003503575080000021
Figure FDA0003503575080000022
Figure FDA0003503575080000023
其中，n表示等值线的条数；Pi_bitumen表示第i条等值线的固体沥青含量等值线值；Ai表示第i条等值线所圈定的面积；hi表示第i条等值线圈定范围的平均厚度；α表示反演油系数；β表示反演气系数；M_bitumen表示目标区域内的固体沥青含量；M_oil表示目标区域内的反演油含量；M_gas表示目标区域内的反演气的含量。
5.根据权利要求1或2所述的识别和定量统计方法，其特征在于，步骤T1中，通过对烃源岩样品进行表面处理，并对经表面处理的烃源岩样品进行图像采集，从而所述烃源岩样品的图像以及所述图像的总像素值Pall。
6.根据权利要求5所述的识别和定量统计方法，其特征在于，所述表面处理的方法包括：
步骤a)将所述烃源岩样品破碎至20目-40目后粘黏在载玻片上，从而对所述烃源岩样品进行固定；
步骤b)将经固定的烃源岩样品依次在20目-100目、150目-400目、450目-800目、850目-1050目、1100目-1500目、1800目-2200目的皮盘上分别磨制1min-5min；以及
步骤c)对经步骤b)处理的烃源岩样品进行气体抛光处理。
7.根据权利要求6所述的识别和定量统计方法，其特征在于，步骤a)中，采用树胶实现所述粘黏。
8.根据权利要求6所述的识别和定量统计方法，其特征在于，步骤c)中，采用LEICA EMTIC 3X气体抛光仪进行所述气体抛光处理，和/或采用氩气作为抛光气体。
9.根据权利要求1或2所述的识别和定量统计方法，其特征在于，步骤T1中，所述的获得烃源岩样品的图像的方法包括：在反射光油浸条件下随机确定所述烃源岩样品的5-10个图像视域。
CN202010136494.1A 2020-03-02 2020-03-02 一种烃源岩中固体沥青的识别和定量统计方法 Active CN111693525B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010136494.1A CN111693525B (zh) 2020-03-02 2020-03-02 一种烃源岩中固体沥青的识别和定量统计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010136494.1A CN111693525B (zh) 2020-03-02 2020-03-02 一种烃源岩中固体沥青的识别和定量统计方法

Publications (2)

Publication Number Publication Date
CN111693525A CN111693525A (zh) 2020-09-22
CN111693525B true CN111693525B (zh) 2022-04-08

Family

ID=72476268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010136494.1A Active CN111693525B (zh) 2020-03-02 2020-03-02 一种烃源岩中固体沥青的识别和定量统计方法

Country Status (1)

Country Link
CN (1) CN111693525B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4337396A (en) * 1980-06-06 1982-06-29 Suncor Inc. Method for bitumen analysis and apparatus therefor
DE3533173A1 (de) * 1985-09-13 1987-04-02 Herwig Ganz Verfahren zur oekonomischen bewertung und klassifizierung von kohle, kerogen, bitumen und asphalten in sedimentgesteinen mittels relativer intensitaets-infrarotspektroskopie
CN104950004A (zh) * 2015-06-17 2015-09-30 中国石油天然气股份有限公司 一种定量评价古老碳酸盐岩储层中沥青含量的方法
US9412023B1 (en) * 2015-03-31 2016-08-09 Chevron U.S.A. Inc. Method to determine wettability of rock samples using image analysis
CN107766654A (zh) * 2017-10-23 2018-03-06 西南石油大学 一种基于油气分段捕获原理计算页岩气保存量的方法
CN109211904A (zh) * 2018-09-12 2019-01-15 长安大学 一种沥青混合料二维内部结构检测系统及检测方法
CN109959673A (zh) * 2019-04-01 2019-07-02 南京大学 一种陆相干酪根的评价方法
CN110082320A (zh) * 2019-05-17 2019-08-02 中国石油大学(北京) 高过成熟度的含笔石页岩中显微组分的识别方法及系统
CN110132816A (zh) * 2019-05-15 2019-08-16 重庆地质矿产研究院 一种下古生界页岩中有机质孔隙结构分析方法
CN110132902A (zh) * 2019-05-15 2019-08-16 重庆地质矿产研究院 一种下古生界海相页岩有机质成熟度的评价方法
CN110276827A (zh) * 2019-05-29 2019-09-24 中国石油大学(华东) 一种基于泥页岩储层的有效性的评价方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4337396A (en) * 1980-06-06 1982-06-29 Suncor Inc. Method for bitumen analysis and apparatus therefor
DE3533173A1 (de) * 1985-09-13 1987-04-02 Herwig Ganz Verfahren zur oekonomischen bewertung und klassifizierung von kohle, kerogen, bitumen und asphalten in sedimentgesteinen mittels relativer intensitaets-infrarotspektroskopie
US9412023B1 (en) * 2015-03-31 2016-08-09 Chevron U.S.A. Inc. Method to determine wettability of rock samples using image analysis
CN104950004A (zh) * 2015-06-17 2015-09-30 中国石油天然气股份有限公司 一种定量评价古老碳酸盐岩储层中沥青含量的方法
CN107766654A (zh) * 2017-10-23 2018-03-06 西南石油大学 一种基于油气分段捕获原理计算页岩气保存量的方法
CN109211904A (zh) * 2018-09-12 2019-01-15 长安大学 一种沥青混合料二维内部结构检测系统及检测方法
CN109959673A (zh) * 2019-04-01 2019-07-02 南京大学 一种陆相干酪根的评价方法
CN110132816A (zh) * 2019-05-15 2019-08-16 重庆地质矿产研究院 一种下古生界页岩中有机质孔隙结构分析方法
CN110132902A (zh) * 2019-05-15 2019-08-16 重庆地质矿产研究院 一种下古生界海相页岩有机质成熟度的评价方法
CN110082320A (zh) * 2019-05-17 2019-08-02 中国石油大学(北京) 高过成熟度的含笔石页岩中显微组分的识别方法及系统
CN110276827A (zh) * 2019-05-29 2019-09-24 中国石油大学(华东) 一种基于泥页岩储层的有效性的评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Characteristics of organic pores and composition of bio-precursors in the Wufeng and Longmaxi Formation shales, Southern Sichuan Basin, China";Qian Pang et al;《Energy Exploration & Exploitation》;20181231;第645–664页 *
"泥页岩有机显微组分的扫描电镜形貌特征及识别方法";焦淑静 等;《电子显微学报》;20180430;第37卷(第2期);第137-144页 *

Also Published As

Publication number Publication date
CN111693525A (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
US10816452B2 (en) Evaluation method for different types of pore evolution in shale
CN103206208B (zh) 一种微观不同赋存状态剩余油宏观量化的方法
CN110276827B (zh) 一种基于泥页岩储层的有效性的评价方法
Anovitz et al. Diagenetic changes in macro-to nano-scale porosity in the St. Peter Sandstone: An (ultra) small angle neutron scattering and backscattered electron imaging analysis
de la Torre et al. New excavations at the HWK EE site: Archaeology, paleoenvironment and site formation processes during late Oldowan times at Olduvai Gorge, Tanzania
Zhang et al. Porosity evolution in organic matter-rich shales (Qingshankou Fm.; Songliao Basin, NE China): Implications for shale oil retention
Xiong et al. Characteristics and origin of the heterogeneity of the Lower Silurian Longmaxi marine shale in southeastern Chongqing, SW China
WO2020211193A1 (zh) 一种针对砂砾岩储层中岩屑含量统计的方法
CN110132902A (zh) 一种下古生界海相页岩有机质成熟度的评价方法
Lotter A preliminary assessment of large cutting tool production at the Acheulean site of Penhill Farm, lower Sundays River Valley, Eastern Cape Province, South Africa
CN111368857A (zh) 一种泥页岩的分类方法
CN104950004A (zh) 一种定量评价古老碳酸盐岩储层中沥青含量的方法
CN111693525B (zh) 一种烃源岩中固体沥青的识别和定量统计方法
CN115079295B (zh) 砂岩铀矿黄铁矿硫同位素示踪渗出成矿流体的方法
Deane Quartz grain microtextures and sediment provenance: Using scanning electron microscopy to characterize tropical highland sediments from Costa Rica and the Dominican Republic
CN116070147A (zh) 一种基于灰度相分析页岩岩相和结构的方法
CN115204563A (zh) 一种适用于砂岩型铀矿找矿目标层的评价方法
CN114859009A (zh) 一种基于岩石宏微观特征的页岩岩相划分方法及装置
Wang et al. Thermal maturity calibration of extremely high-mature pre-Devonian strata: A case study from the Lower Cambrian Qiongzhusi Formation in the Sichuan Basin, South China
Curry et al. Quantitative particle size, microtextural and outline shape analyses of glacigenic sediment reworked by paraglacial debris flows
CN114137180A (zh) 高-过成熟烃源岩原始有机质类型的恢复方法
Grema et al. Application of Morphostructural and Spatial Analyses in Placer-Gold Source Interpretation within Wonaka Schist Belt, Northwestern-Nigeria
Cole et al. Faunal and sedimentological analysis of a latest Silurian stromatoporoid biostrome from the central Appalachian Basin
CN110728074A (zh) 混积细粒岩岩性连续解释的方法及其模型的建模方法
CN115079296B (zh) 砂岩铀矿黄铁矿微量元素示踪渗出成矿流体的方法

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
TR01 Transfer of patent right

Effective date of registration: 20220708

Address after: 610500, Xindu Avenue, Xindu District, Sichuan, Chengdu, 8

Patentee after: SOUTHWEST PETROLEUM University

Patentee after: CHINA PETROLEUM & CHEMICAL Corp.

Patentee after: CHINA PETROLEUM & CHEMICAL CORPORATION EXPLORATION & PRODUCTION Research Institute

Address before: 610500, Xindu Avenue, Xindu District, Sichuan, Chengdu, 8

Patentee before: SOUTHWEST PETROLEUM University

TR01 Transfer of patent right