CN112241028B - 基于地面激光扫描的碳酸盐岩白云石含量模拟方法 - Google Patents
基于地面激光扫描的碳酸盐岩白云石含量模拟方法 Download PDFInfo
- Publication number
- CN112241028B CN112241028B CN201910649425.8A CN201910649425A CN112241028B CN 112241028 B CN112241028 B CN 112241028B CN 201910649425 A CN201910649425 A CN 201910649425A CN 112241028 B CN112241028 B CN 112241028B
- Authority
- CN
- China
- Prior art keywords
- carbonate
- dolomite content
- model
- rock sample
- dolomite
- 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
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 title claims abstract description 107
- 239000010459 dolomite Substances 0.000 title claims abstract description 90
- 229910000514 dolomite Inorganic materials 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004088 simulation Methods 0.000 title claims abstract description 12
- 239000011435 rock Substances 0.000 claims abstract description 56
- 239000002344 surface layer Substances 0.000 claims abstract description 12
- 238000012512 characterization method Methods 0.000 claims abstract description 9
- 230000001788 irregular Effects 0.000 claims description 13
- 238000011161 development Methods 0.000 abstract description 2
- 229910021532 Calcite Inorganic materials 0.000 description 6
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 229910000019 calcium carbonate Inorganic materials 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- BHPQYMZQTOCNFJ-UHFFFAOYSA-N Calcium cation Chemical compound [Ca+2] BHPQYMZQTOCNFJ-UHFFFAOYSA-N 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- JLVVSXFLKOJNIY-UHFFFAOYSA-N Magnesium ion Chemical compound [Mg+2] JLVVSXFLKOJNIY-UHFFFAOYSA-N 0.000 description 1
- 125000003275 alpha amino acid group Chemical group 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910001424 calcium ion Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000004649 carbonic acid derivatives Chemical class 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 229910001425 magnesium ion Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种基于地面激光扫描的碳酸盐岩白云石含量模拟方法,该方法包括获取野外碳酸盐岩储层地质剖面数据;建立碳酸盐岩岩石样品激光强度值和白云石含量之间的关系模型,并将其作为碳酸盐岩岩石样品白云石含量的预测模型;根据所述野外碳酸盐岩储层地质剖面数据,建立碳酸盐岩储层数字地质剖面表层模型;利用所述碳酸盐岩岩石样品白云石含量的预测模型对碳酸盐岩储层数字地质剖面表层模型所有节点进行白云石含量预测表征,得到碳酸盐岩储层地质剖面白云石含量的平面分布。该方法具有预测快速、准确等优点,为碳酸盐岩储层剖面的白云岩含量精细与定量表征提供一种新思路,且该方法在油气勘探开发及地质应用中具有较好的应用前景。
Description
技术领域
本发明涉及一种基于地面激光扫描的碳酸盐岩白云石含量模拟方法,属于遥感技术在碳酸盐岩精细地质中的应用技术领域。
背景技术
碳酸盐岩是重要的储油岩,全世界50%的石油和天然气储存于碳酸盐岩中。碳酸盐岩主要是由方解石和白云石等组成的沉积岩。以方解石为主的岩石称为石灰石,以白云石为主的岩石称为白云岩。方解石的主要成分是碳酸钙,这种沉积岩比较坚实,孔隙度差,渗透率低,地下的流体往往不能很好的渗透其中。碳酸钙在沉积的地质构造变化过程中,由于古代海水的侵蚀,海水中大量的镁离子和碳酸钙中的钙离子进行交换,这个过程即是白云岩化,即形成白云石。白云石的裂缝和孔洞比较发育,渗透性好,对油气成藏提供了良好的环境。因此,白云石的含量对于研究碳酸盐岩储层至关重要。
方解石和白云石用肉眼是难以区分的,一般要通过薄片镜下观察或成分分析来区分。只能对野外地质剖面的局部样品进行测定。
因此,提供一种新型的基于地面激光扫描的碳酸盐岩白云石含量模拟方法已经成为本领域亟需解决的技术问题。
发明内容
为了解决上述的缺点和不足,本发明的目的在于提供一种基于地面激光扫描的碳酸盐岩白云石含量模拟方法。
为了实现以上目的,本发明提供了一种基于地面激光扫描的碳酸盐岩白云石含量模拟方法,其中,所述基于地面激光扫描的碳酸盐岩白云石含量模拟方法包括:
步骤1,获取野外碳酸盐岩储层地质剖面数据;
步骤2,建立碳酸盐岩岩石样品激光强度值和白云石含量之间的关系模型,并将其作为碳酸盐岩岩石样品白云石含量的预测模型;
步骤3,根据所述野外碳酸盐岩储层地质剖面数据,建立碳酸盐岩储层数字地质剖面表层模型;
步骤4,利用所述碳酸盐岩岩石样品白云石含量的预测模型对碳酸盐岩储层数字地质剖面表层模型所有节点进行白云石含量预测表征,得到碳酸盐岩储层地质剖面白云石含量的平面分布。
根据本发明具体实施方案,在所述的方法中,优选地,步骤1中所述获取野外碳酸盐岩储层地质剖面数据,包括:
利用地面激光雷达扫描仪对野外碳酸盐岩储层进行扫描,以获得野外碳酸盐岩储层地质剖面表层三维点云,从而精确描述地质剖面表层的相对空间几何信息;
利用高分辨率数码相机获取野外碳酸盐岩储层地质剖面的高精度纹理影像。
根据本发明具体实施方案,在所述的方法中,优选地,步骤2中所述建立碳酸盐岩岩石样品激光强度值和白云石含量之间的关系模型,并将其作为碳酸盐岩岩石样品白云石含量的预测模型,包括:
利用地面激光雷达扫描仪对碳酸盐岩岩石样品进行扫描,以获得碳酸盐岩岩石样品的点云数据,所述点云数据包括三维空间坐标(X、Y、Z)和激光强度值I;
计算碳酸盐岩岩石样品的激光强度值和白云石含量数据之间的相关系数;
在碳酸盐岩岩石样品的激光强度值和白云石含量具有显著相关性的基础上,建立碳酸盐岩岩石样品白云石含量的预测模型。
根据本发明具体实施方案,在所述的方法中,优选地,当碳酸盐岩岩石样品的激光强度值和白云石含量的相关系数为0.8以上时,确定二者具有显著相关性。
所述步骤2中,利用地面激光雷达扫描仪对多个岩石样品进行扫描,获得岩石样品的点云数据,包括三维空间坐标(X、Y、Z)和激光强度值I;同时进行岩心分析,测定岩石样品的白云石含量。
在接收机内部,I通常被表示为接收信号的峰值振幅。假设强度值与接收信号功率之间存在简单的线性关系,如式(1)所示:
式(1)中,C为常数。
从式(1)中可以看出,强度值的影响因素有激光发射功率Pt、接收孔径Dr、目标反射率ρ、距离R、单程大气传输效率ηatm、光学系统效率ηsys及入射角α。对于某一特定的地面激光雷达系统,接收孔径Dr和光学系统效率ηsys均为常数,并且当测量模式固定时,激光发射功率Pt也为常数。与机载三维激光扫描相比,地面三维激光扫描距离较短,在几十米至几百米之间,大气状况良好的情况下,ηatm也可忽略不计。
因此,式(1)可化简为式(2):
式(2)中,
由式(2)可以看出,地面激光雷达强度值与目标反射率,激光测距值和激光入射角有关。在地面激光扫描时,设置合理的扫描距离和角度,可减弱扫描距离和角度对激光强度值的影响,使激光强度值更大程度上反映目标反射特性。
不同白云石含量的碳酸盐岩岩石样品具有不同的成分、颜色等特征,因而具有不同的反射特性,使得利用激光强度值预测碳酸盐岩白云石含量成为可能。利用碳酸盐岩岩石样品的激光强度值和白云石含量数据,并计算两者之间的相关系数,在两者具有显著相关性的基础上,建立碳酸盐岩岩石样品激光强度值和白云石含量的关系模型,作为白云石含量的预测模型。预测模型可包括线性模型和非线性模型。
根据本发明具体实施方案,在所述的方法中,优选地,步骤3中所述根据所述野外碳酸盐岩储层地质剖面数据,建立碳酸盐岩储层数字地质剖面表层模型,包括:
将多站扫描所得的点云数据进行拼接,形成完整的地质剖面点云数据;
人工手动选择高精度纹理影像与点云的匹配点,计算配准参数并纠正高精度纹理影像,使得每个三维点云都有RGB颜色信息;
采用基于最优趋势面构建三角网的方法对不规则海量点云进行建模,得到碳酸盐岩储层数字地质剖面表层模型。
根据本发明具体实施方案,在所述的方法中,优选地,所述采用基于最优趋势面构建三角网的方法对不规则海量点云进行建模,得到碳酸盐岩储层数字地质剖面表层模型,包括:
将所有点云向各个方向进行投影,选择投影面积最大的方向的平面作为最优趋势面,将所有点云投影到此最优趋势面上,在平面上建立不规则三角网模型,再把平面三角网通过高程值还原到三维空间中,从而形成具有颜色纹理信息的数字地质剖面模型。
根据本发明具体实施方案,优选地,该方法具体包括以下步骤:
步骤1,利用地面激光雷达扫描仪对野外碳酸盐岩储层进行扫描,以获得野外碳酸盐岩储层地质剖面表层三维点云;
利用高分辨率数码相机获取野外碳酸盐岩储层地质剖面的高精度纹理影像;
步骤2,利用地面激光雷达扫描仪对碳酸盐岩岩石样品进行扫描,以获得碳酸盐岩岩石样品的点云数据,所述点云数据包括三维空间坐标(X、Y、Z)和激光强度值I;
计算碳酸盐岩岩石样品的激光强度值和白云石含量数据之间的相关系数;
在碳酸盐岩岩石样品的激光强度值和白云石含量具有显著相关性的基础上,建立碳酸盐岩岩石样品白云石含量的预测模型;
步骤3,将多站扫描所得的点云数据进行拼接,形成完整的地质剖面点云数据;
人工手动选择高精度纹理影像与点云的匹配点,计算配准参数并纠正高精度纹理影像,使得每个三维点云都有RGB颜色信息;
采用基于最优趋势面构建三角网的方法对不规则海量点云进行建模,得到碳酸盐岩储层数字地质剖面表层模型;
步骤4,利用所述碳酸盐岩岩石样品白云石含量的预测模型对碳酸盐岩储层数字地质剖面表层模型所有节点进行白云石含量预测表征,得到碳酸盐岩储层地质剖面白云石含量的平面分布。
根据本发明具体实施方案,在所述的方法中,优选地,所述采用基于最优趋势面构建三角网的方法对不规则海量点云进行建模,得到碳酸盐岩储层数字地质剖面表层模型,包括:
将所有点云向各个方向进行投影,选择投影面积最大的方向的平面作为最优趋势面,将所有点云投影到此最优趋势面上,在平面上建立不规则三角网模型,再把平面三角网通过高程值还原到三维空间中,从而形成具有颜色纹理信息的数字地质剖面模型。
根据本发明具体实施方案,在所述的方法中,优选地,当碳酸盐岩岩石样品的激光强度值和白云石含量的相关系数为0.8以上时,确定二者具有显著相关性。
目前,本领域常用的传统三角网建模都是将点投影到水平面建网,但是该种方法不适用于地质剖面垂向信息丰富的建网需求,因此,在本申请的该方法中采用基于最优趋势面构建三角网的方法对不规则海量点云进行建模,以得到碳酸盐岩储层数字地质剖面表层模型。
本发明所提供的该方法包括:对野外碳酸盐岩储层地质剖面进行地面激光扫描、高精度数码照片采集以及碳酸盐岩样品采样;室内测量岩样的地面激光强度值和白云石含量,建立激光强度值与白云石含量的关系模型,作为白云石含量的预测模型;利用地面激光点云数据和高精度数码照片构建高精度储层数字地质剖面表层模型;应用预测模型,预测碳酸盐岩储层地质剖面白云岩含量分布。本方法具有预测快速、准确等优点,为碳酸盐岩储层剖面的白云岩含量精细与定量表征提供一种新思路。
本发明所提供的该基于地面激光扫描的碳酸盐岩白云石含量模拟方法可以快速模拟地质剖面的白云石含量的展布,该方法中通过地面激光雷达扫描获得的激光强度值数据反应了扫描目标对激光的反射能力,利用不同白云石含量具有不同的反射能力的特点,可以建立激光强度值与白云石含量的关系模型,从而实现数字地质剖面上白云石含量的平面预测,为碳酸盐岩储层地质剖面白云石含量精细与定量表征提供一种新方法,并且该方法在油气勘探开发及地质应用中具有较好的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中所提供的基于地面激光扫描的碳酸盐岩白云石含量模拟方法的具体工艺流程图。
图2为本发明实施例中利用地面激光雷达扫描仪采集到的四川盆地盘龙洞碳酸盐岩剖面表层三维点云带激光强度信息图。
图3为本发明实施例中四川盆地盘龙洞碳酸盐岩剖面的高精度纹理影像。
图4为本发明实施例中所建立得不规则三角网模型的示意图。
图5为本发明实施例中最优趋势面建模示意图。
图6为本发明实施例中线性预测模型得到的预测白云石含量与实测白云石含量的对比图。
具体实施方式
为了对本发明的技术特征、目的和有益效果有更加清楚的理解,现结合以下具体实施例对本发明的技术方案进行以下详细说明,但不能理解为对本发明的可实施范围的限定。
图1显示了本实施例所提供的基于地面激光扫描的碳酸盐岩白云石含量模拟方法的具体工艺流程图,如图1所示,该方法包括以下步骤:
1.野外地质剖面数据采集及岩石样品采样
野外地质剖面数据采集系统包括地面激光雷达扫描仪和高分辨率数码相机。本实施例中,选用的地面激光雷达设备是奥地利rigel-vz400型地面激光雷达扫描仪,本实施例中利用该地面激光雷达扫描仪采集地质剖面表层三维点云(如图2所示),设定扫描距离和扫描点间距;其中,扫描距离为10-15m,点间距为1mm;
本实施例中选用的高分辨率数码相机为宾得645D,其像素可达到4000万,用于获取地质剖面(本实施例中为四川盆地盘龙洞碳酸盐岩剖面)的高精度纹理影像(如图3所示);
本实施例中,岩石采样是对不同白云石含量的碳酸盐岩进行采样,共采集10块样品,并通过实验分析获得岩样中白云石和方解石的含量。
2.建立碳酸盐岩白云石含量的预测模型
在室内,对步骤1中所采集的10块碳酸盐岩样品利用地面激光雷达扫描仪进行扫描,扫描距离设定约为15米,点云间距为1mm。扫描后获得岩石样品的点云数据,该点云数据包括三维空间坐标(X、Y、Z)和激光强度值I;
计算10块岩样的激光强度值与白云石含量的相关系数,计算得到R2=0.8514,该结果表明碳酸盐岩样品的激光强度值与白云石含量存在显著负相关关系,即随着岩样内白云石含量的增加激光强度值减小,由此可见,本发明利用激光强度值进行碳酸盐岩样品白云石含量预测是可行的;
在此基础上,以传统线性模型为例,建立碳酸盐岩岩石样品白云石含量的预测模型,该模型为:C=-35.595×I-34.262,其中,C为白云石含量,相关关系图如图6所示。
3.建立碳酸盐岩储层数字地质剖面表层模型
(1)点云处理:对地面激光雷达扫描仪和高分辨率数码相机采集的数据进行处理,具体地,利用该地面激光雷达扫描仪自带的处理软件将多站扫描的点云数据进行拼接,形成完整的地质剖面点云数据;然后利用该地面激光雷达扫描仪自带的处理软件,人工手动选择照片(地质剖面的高精度纹理影像)与点云的匹配点,计算配准参数并纠正照片,以实现每个三维点云都有RGB颜色信息;
(2)模型建立:采用基于最优趋势面构建三角网的方法对不规则海量点云进行建模,具体地,将所有点云向各个方向进行投影,选择投影面积最大的方向的平面作为最优趋势面,将所有点云投影到此最优趋势面(如图5所示)上,在平面上建立不规则三角网模型(如图4所示),再把平面三角网通过高程值还原到三维空间中,从而形成具有颜色纹理信息的数字地质剖面模型。
4.数字地质剖面模型上白云石含量表征
利用所述碳酸盐岩岩石样品白云石含量的预测模型对碳酸盐岩储层数字地质剖面表层模型所有节点进行白云石含量预测表征,得到碳酸盐岩储层地质剖面白云石含量的平面分布,具体地,碳酸盐岩储层数字地质剖面表层模型上的所有节点均具有一个激光强度值,应用所述碳酸盐岩岩石样品白云石含量的预测模型,可得到所有节点处的白云石含量,进而实现对碳酸盐岩储层地质剖面上白云石含量的平面预测表征,实验数据如下表1所示。
表1
表1中,白云石含量、方解石含量及石英含量为在显微镜下观察岩石样品薄片后所计算得到的面积百分含量。
以上所述,仅为本发明的具体实施例,不能以其限定发明实施的范围,所以其等同组件的置换,或依本发明专利保护范围所作的等同变化与修饰,都应仍属于本专利涵盖的范畴。另外,本发明中的技术特征与技术特征之间、技术特征与技术发明之间、技术发明与技术发明之间均可以自由组合使用。
Claims (3)
1.一种基于地面激光扫描的碳酸盐岩白云石含量模拟方法,其特征在于,所述基于地面激光扫描的碳酸盐岩白云石含量模拟方法包括:
步骤1,获取野外碳酸盐岩储层地质剖面数据,包括:
利用地面激光雷达扫描仪对野外碳酸盐岩储层进行扫描,以获得野外碳酸盐岩储层地质剖面表层三维点云;
利用高分辨率数码相机获取野外碳酸盐岩储层地质剖面的高精度纹理影像;
步骤2,建立碳酸盐岩岩石样品激光强度值和白云石含量之间的关系模型,并将其作为碳酸盐岩岩石样品白云石含量的预测模型,包括:
利用地面激光雷达扫描仪对碳酸盐岩岩石样品进行扫描,以获得碳酸盐岩岩石样品的点云数据,所述点云数据包括三维空间坐标(X、Y、Z)和激光强度值I;
计算碳酸盐岩岩石样品的激光强度值和白云石含量数据之间的相关系数;
在碳酸盐岩岩石样品的激光强度值和白云石含量具有显著相关性的基础上,建立碳酸盐岩岩石样品白云石含量的预测模型;
步骤3,根据所述野外碳酸盐岩储层地质剖面数据,建立碳酸盐岩储层数字地质剖面表层模型,包括:
将多站扫描所得的点云数据进行拼接,形成完整的地质剖面点云数据;
人工手动选择高精度纹理影像与点云的匹配点,计算配准参数并纠正高精度纹理影像,使得每个三维点云都有RGB颜色信息;
采用基于最优趋势面构建三角网的方法对不规则海量点云进行建模,得到碳酸盐岩储层数字地质剖面表层模型;
步骤4,利用所述碳酸盐岩岩石样品白云石含量的预测模型对碳酸盐岩储层数字地质剖面表层模型所有节点进行白云石含量预测表征,得到碳酸盐岩储层地质剖面白云石含量的平面分布。
2.根据权利要求1所述的方法,其特征在于,当碳酸盐岩岩石样品的激光强度值和白云石含量的相关系数为0.8以上时,确定二者具有显著相关性。
3.根据权利要求1或2所述的方法,其特征在于,所述采用基于最优趋势面构建三角网的方法对不规则海量点云进行建模,得到碳酸盐岩储层数字地质剖面表层模型,包括:
将所有点云向各个方向进行投影,选择投影面积最大的方向的平面作为最优趋势面,将所有点云投影到此最优趋势面上,在平面上建立不规则三角网模型,再把平面三角网通过高程值还原到三维空间中,从而形成具有颜色纹理信息的数字地质剖面表层模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910649425.8A CN112241028B (zh) | 2019-07-18 | 2019-07-18 | 基于地面激光扫描的碳酸盐岩白云石含量模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910649425.8A CN112241028B (zh) | 2019-07-18 | 2019-07-18 | 基于地面激光扫描的碳酸盐岩白云石含量模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112241028A CN112241028A (zh) | 2021-01-19 |
CN112241028B true CN112241028B (zh) | 2023-11-28 |
Family
ID=74167620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910649425.8A Active CN112241028B (zh) | 2019-07-18 | 2019-07-18 | 基于地面激光扫描的碳酸盐岩白云石含量模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112241028B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331927A (zh) * | 2014-10-15 | 2015-02-04 | 中国石油天然气股份有限公司 | 一种储层数字露头表层模拟的方法和系统 |
CN105139032A (zh) * | 2015-08-24 | 2015-12-09 | 中国石油天然气股份有限公司 | 一种岩石的识别分类方法及系统 |
CN105487133A (zh) * | 2015-12-31 | 2016-04-13 | 中国石油天然气股份有限公司 | 一种确定白云石含量的方法及装置 |
CN105628576A (zh) * | 2014-10-31 | 2016-06-01 | 中国石油天然气股份有限公司 | 灰质白云岩孔隙度测量方法及装置 |
CN108844879A (zh) * | 2018-06-08 | 2018-11-20 | 中国石油天然气股份有限公司 | 基于激光强度的储层露头孔隙度预测方法及装置 |
CN108875184A (zh) * | 2018-06-08 | 2018-11-23 | 中国石油天然气股份有限公司 | 基于数字露头模型的页岩有机碳含量预测方法及装置 |
-
2019
- 2019-07-18 CN CN201910649425.8A patent/CN112241028B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331927A (zh) * | 2014-10-15 | 2015-02-04 | 中国石油天然气股份有限公司 | 一种储层数字露头表层模拟的方法和系统 |
CN105628576A (zh) * | 2014-10-31 | 2016-06-01 | 中国石油天然气股份有限公司 | 灰质白云岩孔隙度测量方法及装置 |
CN105139032A (zh) * | 2015-08-24 | 2015-12-09 | 中国石油天然气股份有限公司 | 一种岩石的识别分类方法及系统 |
CN105487133A (zh) * | 2015-12-31 | 2016-04-13 | 中国石油天然气股份有限公司 | 一种确定白云石含量的方法及装置 |
CN108844879A (zh) * | 2018-06-08 | 2018-11-20 | 中国石油天然气股份有限公司 | 基于激光强度的储层露头孔隙度预测方法及装置 |
CN108875184A (zh) * | 2018-06-08 | 2018-11-23 | 中国石油天然气股份有限公司 | 基于数字露头模型的页岩有机碳含量预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112241028A (zh) | 2021-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lirman et al. | Development and application of a video-mosaic survey technology to document the status of coral reef communities | |
James et al. | Straightforward reconstruction of 3D surfaces and topography with a camera: Accuracy and geoscience application | |
Pfeifer et al. | Derivation of digital terrain models in the SCOP++ environment | |
EP2304688B1 (en) | Automated building outline detection | |
TW200929067A (en) | 3D image detecting, editing and rebuilding system | |
CN109724573A (zh) | 基于三维激光检测系统获取房屋指标参数的扫描方法 | |
CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
CN109766909A (zh) | 基于谱图融合的海岸环境微塑料老化行为解析方法 | |
Kościuk | Modern 3D scanning in modelling, documentation and conservation of architectural heritage | |
Rouzbeh Kargar et al. | Stem and root assessment in mangrove forests using a low-cost, rapid-scan terrestrial laser scanner | |
CN117078878A (zh) | 一种三维隧道岩体结构精细模型建立方法及系统 | |
Razali et al. | Quality Assessment of 3D Point Clouds on the Different Surface Materials Generated from iPhone LiDAR Sensor. | |
CN112241028B (zh) | 基于地面激光扫描的碳酸盐岩白云石含量模拟方法 | |
Macher et al. | Photogrammetric recording and reconstruction of town scale models–the case of the plan-relief of strasbourg | |
Shan et al. | Feasibility of Accurate Point Cloud Model Reconstruction for Earthquake‐Damaged Structures Using UAV‐Based Photogrammetry | |
Bartels et al. | Rule-based improvement of maximum likelihood classified LIDAR data fused with co-registered bands | |
CN102999904A (zh) | 基于平面的微纳物体图像倾斜校正方法 | |
Sima | An improved workflow for image-and laser-based virtual geological outcrop modelling | |
KR101079359B1 (ko) | 항공 사진과 항공 레이저 측량 데이터를 이용한 수치지도 구축 시스템 | |
Tanasi et al. | Remote sensing campaign at the Roman Villa of Caddeddi on the Tellaro river (Noto, Italy) | |
CN115983141B (zh) | 一种基于深度学习反演海浪波高的方法、介质及系统 | |
Raimundo et al. | Deep Learning Enhanced Multisensor Data Fusion for Building Assessment Using Multispectral Voxels and Self-Organizing Maps | |
Gabara et al. | Kortowo test field for testing photogrammetric products accuracy–design and first evaluation | |
Abdullah et al. | 3D GEOSPATIAL TECHNIQUE IN ANALYSING THE MALAY HERITAGE BUILDING STRUCTURES | |
Beber et al. | Multi-modal geospatial and thematic data to foster green deal applications |
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 |