CN113706603A - 页岩有机质孔隙连通性分类表征的方法 - Google Patents

页岩有机质孔隙连通性分类表征的方法 Download PDF

Info

Publication number
CN113706603A
CN113706603A CN202111264247.0A CN202111264247A CN113706603A CN 113706603 A CN113706603 A CN 113706603A CN 202111264247 A CN202111264247 A CN 202111264247A CN 113706603 A CN113706603 A CN 113706603A
Authority
CN
China
Prior art keywords
organic matter
pore
area
organic
shale
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
Application number
CN202111264247.0A
Other languages
English (en)
Other versions
CN113706603B (zh
Inventor
吴建国
杨继进
李国梁
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.)
Institute of Geology and Geophysics of CAS
Original Assignee
Institute of Geology and Geophysics of CAS
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 Institute of Geology and Geophysics of CAS filed Critical Institute of Geology and Geophysics of CAS
Priority to CN202111264247.0A priority Critical patent/CN113706603B/zh
Publication of CN113706603A publication Critical patent/CN113706603A/zh
Priority to US17/581,927 priority patent/US11360037B1/en
Application granted granted Critical
Publication of CN113706603B publication Critical patent/CN113706603B/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
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • 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
    • 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
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/07—Investigating materials by wave or particle radiation secondary emission
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/418—Imaging electron microscope
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/50—Detectors
    • G01N2223/507—Detectors secondary-emission detector
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/616—Specific applications or type of materials earth materials
    • 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
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Computer Graphics (AREA)
  • Dispersion Chemistry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明属于油气勘探技术领域，旨在研究有机质孔隙的发育特征规律，获得有机质孔隙连通性的可靠表征信息，具体涉及一种页岩有机质孔隙连通性分类表征的方法，扫描电子显微镜对页岩样品进行预设成像面积的扫描，获取页岩样品的二维图像；采用Avizo软件提取二维图像中每个有机质的孔隙参数；根据该孔隙参数获得有机质集合的类型数值；对各类型的有机质集合采用聚焦离子束‑氦离子显微镜进行三维重构，获取有机质三维重构体；采用Avizo软件获取孔隙连通性参数；基于该孔隙连通性参数，获取页岩有机质孔隙的整体连通性评价指数；本发明以有机质孔隙形貌学定量分类为基础，可实现亚10nm级别孔隙的三维连通性表征。

Description

页岩有机质孔隙连通性分类表征的方法
技术领域
本发明属于油气勘探技术领域，具体涉及一种页岩有机质孔隙连通性分类表征的方法。
背景技术
有机质孔隙是页岩中主要的基质孔隙，有机质孔隙的连通性从根源上影响着页岩气的解吸-扩散流动过程。因此，定量表征有机质孔隙连通性，对于评价页岩气开发潜能、优化页岩气开发方案、提高页岩气采收率具有重要意义。
目前，页岩连通性的表征主要采用压汞法、纳米CT和聚焦离子束-扫描电镜（FIB-SEM）等。其中，压汞法所用的汞的流体性质与气体性质差别过大，流体与表面的相互作用不同，并且高压会破坏页岩孔隙结构，因此测出的连通性是否适用于页岩气流动存在很大疑问。纳米CT和FIB-SEM三维重构技术不受流体与表面相互作用以及遮挡效应的影响，可以重建孔隙的三维影像，展示孔隙间的连通关系；配合数字岩心技术，可进一步定量分析纳米孔隙的孔隙度、孔径分布、孔体积、比表面积、孔喉配位数、迂曲度等丰富信息。然而学者们指出，纳米CT 精度一般在50nm 以上，而FIB-SEM 的精度一般在10nm 以上，二者均难以重建10nm 以下的孔隙。从孔径分布上来看，有机质孔隙中存在大量10nm 以下孔隙，它们可以作为喉道连通起更大的孔隙，如果无法精确重建，将造成连通性评价的重大误判。聚焦离子束-氦离子显微镜（Focused ion beam – Helium ion microscope，FIB-HIM）是一种新的三维重构技术，其分辨率可达0.5nm，能够有效解决10nm以下有机质孔隙的三维重构难题。
纳米CT、FIB-SEM和FIB-HIM三维重构的区域一般都在微米级别，如此小的体积如何能够代表大块页岩中有机质孔隙的连通性也一直是困扰研究者的难题。初步研究表明，有机质孔隙的发育情况具有形貌学的非均质性，在孔径大小、孔密度、孔形状、孔分布等方面存在明显差异。这些形貌学差异反映了孔隙在三维空间的连通性也存在差异；因此根据聚类分析思想，先对有机质孔隙的形态学特征进行量化分类，再对各类型有机质孔隙的连通性进行定量表征，一方面能够极大简化表征的工作量，另一方面也使得表征结果更加具有代表性。目前对有机质孔隙形貌学差异的研究多局限于定性的图像描述，尚未有根据其密度、大小、分选、形状等参数进行定量区分的方案，这对于充分认识有机质孔隙发育特征、定量表征有机质孔隙连通性是不利的。
发明内容
为了解决现有技术中的上述问题，即为了研究有机质孔隙的发育特征规律，获得有机质孔隙连通性的可靠表征信息，本发明提供了一种页岩有机质孔隙连通性分类表征的方法，该方法包括以下步骤：步骤S100，扫描电子显微镜对页岩样品进行预设成像面积的扫描，获取页岩样品的二维图像。
步骤S200，采用Avizo软件提取所述二维图像中每个有机质的孔隙参数；所述孔隙参数包括孔隙率、孔隙中值半径、孔隙分选系数以及有机质的孔隙形状因数。
步骤S300，根据所述孔隙参数获得有机质集合的类型数值。
步骤S400，对各类型的所述有机质集合采用聚焦离子束-氦离子显微镜进行三维重构，获取有机质三维重构体。
步骤S500，基于所述有机质三维重构体，采用Avizo软件获取孔隙连通性参数。
步骤S600，基于所述孔隙连通性参数，获取页岩有机质孔隙的整体连通性评价指数。
在一些优选实施例中，所述二维图像的获取方法包括：步骤S110，对页岩样品进行氩离子抛光处理，获得预处理页岩样品。
步骤S120，设置扫描电子显微镜的加速电压为1.2kV，并以预设成像分辨率采集所述预处理页岩样品表面的二次电子信号。
步骤S130，扫描电子显微镜按照预设成像面积对所述预处理页岩样品进行连续二 维拼接成像；所述预设成像面积为
Figure 511949DEST_PATH_IMAGE001
，
Figure 481042DEST_PATH_IMAGE002
。
在一些优选实施例中，所述预设成像分辨率为
Figure 308183DEST_PATH_IMAGE003
。
所述预设成像面积为
Figure 46332DEST_PATH_IMAGE004
。
在一些优选实施例中，所述孔隙参数的提取方法包括：步骤S210，对所述二维图像进行预处理，得到预处理图像；所述预处理包括灰度校正和滤波处理。
步骤S220，基于灰度差异，采用阈值分割法提取所述预处理图像中的全部有机质，并以二值化形式存储，获得二值化图像。
步骤S230，根据所述二值化图像，获得第一有机质区域图像，所述第一有机质区域图像包括N个第一有机质区域，所述第一有机质区域为相同灰度构成的闭环结构。
步骤S240，采用补洞命令将N个所述第一有机质区域内部的差异灰度同化，获得填充后的第二有机质区域图像；所述第二有机质区域图像包括N个第二有机质区域，N个所述第二有机质区域与N个所述第一有机质区域分别对应。
步骤S250，采用MATLAB软件对N个所述第二有机质区域依次赋值，获得具有不同赋值区域的第三有机质区域图像；所述第三有机质区域图像包括N个第三有机质区域，N个所述第三有机质区域的赋值编号按照第一顺序采用第一组阿拉伯数字依次设置。
步骤S260，采用MATLAB软件对N个所述第一有机质区域依次赋值，获得具有不同赋值区域的第四有机质区域图像；所述第四有机质区域图像包括N个第四有机质区域，N个所述第四有机质区域的赋值编号按照第二顺序采用第二组阿拉伯数字依次设置；所述第二顺序与所述第一顺序一致设置，并且所述第一组阿拉伯数字与所述第二组阿拉伯数字一致设置。
步骤S270，通过所述第三有机质区域图像与所述第四有机质区域图像相减，获得第五有机质区域图像；所述第五有机质区域图像包括N个第五有机质区域，N个所述第五有机质区域为标签化的依次赋值的孔隙图像。
步骤S280，基于所述第五有机质区域图像，获得孔隙率
Figure 425361DEST_PATH_IMAGE005
、孔隙中值半径
Figure 757116DEST_PATH_IMAGE006
、 孔隙分选系数
Figure 247004DEST_PATH_IMAGE007
以及孔隙形状因数SF。
Figure 839659DEST_PATH_IMAGE008
，其中，
Figure 29070DEST_PATH_IMAGE009
为对应的单个有机质的面积，
Figure 441596DEST_PATH_IMAGE010
为对应的单个有机质内部孔隙的面积。
所述孔隙中值半径
Figure 735174DEST_PATH_IMAGE006
为孔径分布累积曲线上含量50%处所对应的孔隙半径值；所 述孔径分布累积曲线为孔隙半径与孔隙面积累积百分含量的分布曲线。
Figure 323282DEST_PATH_IMAGE011
；其中，
Figure 309692DEST_PATH_IMAGE012
和
Figure 350461DEST_PATH_IMAGE013
分别代表所述孔径分布累积曲线上孔隙面积累 积百分含量25%和75%处所对应的孔隙半径值。
根据N个所述第五有机质区域，计算对应的N个孔隙形状因子
Figure 182150DEST_PATH_IMAGE014
；
Figure 749398DEST_PATH_IMAGE015
；
Figure 516497DEST_PATH_IMAGE014
为第
Figure 169195DEST_PATH_IMAGE016
个孔隙的孔隙形状因子，
Figure 804576DEST_PATH_IMAGE017
为第
Figure 868740DEST_PATH_IMAGE016
个孔隙的孔隙面积，
Figure 931374DEST_PATH_IMAGE018
为第
Figure 946734DEST_PATH_IMAGE016
个孔隙的周长，
Figure 385806DEST_PATH_IMAGE019
。
选取数值相同的孔隙形状因子组成一组相同因子集合，N个孔隙形状因子构成M组 相同因子集合，
Figure 662067DEST_PATH_IMAGE020
。
所述相同因子集合包括n个孔隙形状因子，
Figure 36547DEST_PATH_IMAGE021
。
基于对应的所述相同因子集合，获取对应的孔隙的面积和，作为一组孔隙面积集合；M组所述相同因子集合构成M组孔隙面积集合。
基于M组所述孔隙面积集合，获取面积和最大的所述孔隙面积集合对应的孔隙形状因子作为孔隙形状因数SF。
在一些优选实施例中，所述有机质集合的类型数值的获取方法具体包括：步骤 S310，基于所述孔隙率
Figure 398259DEST_PATH_IMAGE005
、所述孔隙中值半径
Figure 516387DEST_PATH_IMAGE006
、所述孔隙分选系数
Figure 912733DEST_PATH_IMAGE007
以及所述孔隙 形状因数
Figure 582749DEST_PATH_IMAGE022
，采用
Figure 540079DEST_PATH_IMAGE023
聚类算法，对所述有机质集合进行初始分类；其中，所述有 机质集合的初始分类数值为K，K≥2；所述有机质集合包括N个有机质。
步骤S320，结合
Figure 320953DEST_PATH_IMAGE023
聚类算法，计算每类所述有机质集合中的变异系数
Figure 837385DEST_PATH_IMAGE024
，
Figure 288089DEST_PATH_IMAGE025
；其中，
Figure 358813DEST_PATH_IMAGE026
为
Figure 943378DEST_PATH_IMAGE005
、
Figure 924104DEST_PATH_IMAGE006
、
Figure 670343DEST_PATH_IMAGE007
或
Figure 759522DEST_PATH_IMAGE022
。
步骤S330，若K类所述有机质集合中的任一变异系数
Figure 491985DEST_PATH_IMAGE024
，均满足
Figure 717430DEST_PATH_IMAGE027
，则将 所述有机质集合的初始分类数值K作为所述有机质集合的类型数值；否则，执行步骤S340。
步骤S340，令所述有机质集合的初始分类数值K=K+1，重复执行步骤S320至步骤S330。
在一些优选实施例中，
Figure 900150DEST_PATH_IMAGE028
；
Figure 322297DEST_PATH_IMAGE029
为对应的每类有机 质集合中N个有机质对应的孔隙率的标准差。
Figure 983086DEST_PATH_IMAGE030
；
Figure 328617DEST_PATH_IMAGE031
为对应的每类有机质集合中N个有机质对应的孔隙率 的平均值。
Figure 292024DEST_PATH_IMAGE032
；
Figure 824637DEST_PATH_IMAGE033
为对应的每类有机质集合中N个有机质对应的孔 隙中值半径的标准差。
Figure 554696DEST_PATH_IMAGE034
；
Figure 364520DEST_PATH_IMAGE035
为对应的每类有机质集合中N个有机质对应的孔隙中值半 径的平均值。
Figure 623463DEST_PATH_IMAGE036
；
Figure 643371DEST_PATH_IMAGE037
为对应的每类有机质集合中N个有机质对应的孔隙 分选系数的标准差。
Figure 52487DEST_PATH_IMAGE038
；
Figure 841452DEST_PATH_IMAGE039
为对应的每类有机质集合中N个有机质对应的孔隙分选系数 的平均值。
Figure 536875DEST_PATH_IMAGE040
；
Figure 417981DEST_PATH_IMAGE041
为对应的每类有机质集合中N个有机质对应的孔隙 形状因数的标准差。
Figure 224263DEST_PATH_IMAGE042
；
Figure 133313DEST_PATH_IMAGE043
为对应的每类有机质集合中N个有机质对应的孔隙形状因数 的平均值。
在一些优选实施例中，所述有机质三维重构体的获取方法具体包括：对K类所述有 机质集合采用聚焦离子束-氦离子显微镜基于预设面积阈值筛选获得有机质三维重构体； 所述预设面积阈值为
Figure 875004DEST_PATH_IMAGE044
，
Figure 603926DEST_PATH_IMAGE045
。
在一些优选实施例中，所述孔隙连通性参数为
Figure 479478DEST_PATH_IMAGE046
，
Figure 852822DEST_PATH_IMAGE047
；其中，
Figure 890048DEST_PATH_IMAGE046
为第 m类有机质集合中的孔隙连通性参数，
Figure 106266DEST_PATH_IMAGE048
表示第m类有机质集合中连通的孔隙的体积，
Figure 395296DEST_PATH_IMAGE049
表示第m类有机质集合中总的孔隙的体积；
Figure 13359DEST_PATH_IMAGE050
，K为有机质集合的类型数值。
在一些优选实施例中，所述整体连通性评价指数为
Figure 221486DEST_PATH_IMAGE051
，
Figure 567410DEST_PATH_IMAGE052
；
Figure 519186DEST_PATH_IMAGE053
为第m类有机质集合的总面孔率；
Figure 991755DEST_PATH_IMAGE054
表示页岩样品中 K类有机质集合中孔隙的总面孔率。
Figure 511730DEST_PATH_IMAGE055
；
Figure 702540DEST_PATH_IMAGE056
为每类有机质集合中第
Figure 192427DEST_PATH_IMAGE057
个有机质的面孔率；
Figure 926027DEST_PATH_IMAGE058
。
Figure 210378DEST_PATH_IMAGE059
。
Figure 888484DEST_PATH_IMAGE060
；
Figure 323008DEST_PATH_IMAGE061
为每类有机质集合中第
Figure 770170DEST_PATH_IMAGE057
个有机质中所有孔隙的面积。
Figure 491001DEST_PATH_IMAGE062
。
在一些优选实施例中，
Figure 30304DEST_PATH_IMAGE063
。
本发明的有益效果为：1）目前对有机质孔形貌学差异的研究多局限于定性的图像描述，尚未有根据其密度、大小、分选、形状等参数进行定量区分的方案，通过本发明公开的页岩有机质孔隙连通性分类表征的方法，可以充分认识有机质孔隙发育特征、定量表征有机质孔隙连通性。
2）本发明提供的一种页岩有机质孔隙连通性分类表征的方法，以有机质孔隙形貌学定量分类为基础，能够实现亚10nm 级别孔隙的三维连通性表征，克服现有方法下有机质孔隙连通性表征代表性差的缺陷。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。
图1是本发明的一种具体实施例的流程示意图。
图2是本发明的一种具体实施例中的SEM二维图像。
图3是本发明的一种具体实施例中的区分出不同有机质内部孔隙的原理示意图。
图4是本发明的一种具体实施例中的有机质集合的类型划分流程图。
图5是本发明的一种具体实施例中选取的具有代表性的有机质图像及其孔隙参数示意图。
图6是本发明的一种具体实施例中I类和II类有机质集合的FIB-HIM三维重构体图像。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
本发明提供了一种页岩有机质孔隙连通性分类表征的方法，该方法包括以下步骤：步骤S100，扫描电子显微镜对页岩样品进行预设成像面积的扫描，获取页岩样品的二维图像；步骤S200，采用Avizo软件提取所述二维图像中每个有机质的孔隙参数；其中，孔隙参数包括孔隙率、孔隙中值半径、孔隙分选系数以及有机质的孔隙形状因数；步骤S300，根据孔隙参数获得有机质集合的类型数值；步骤S400，对各类型的有机质集合采用聚焦离子束-氦离子显微镜进行三维重构，获取有机质三维重构体；步骤S500，基于该有机质三维重构体，采用Avizo软件获取孔隙连通性参数；步骤S600，基于孔隙连通性参数，获取页岩有机质孔隙的整体连通性评价指数。
以下参照附图结合实施例进一步说明本发明。
参照附图1和附图2，本发明提供了一种页岩有机质孔隙连通性分类表征的方法，该方法包括以下步骤：步骤S100，扫描电子显微镜对页岩样品进行预设成像面积的扫描，获取页岩样品的二维图像。
具体地，该二维图像的获取方法包括：步骤S110，对页岩样品进行氩离子抛光处理，获得预处理页岩样品；步骤S120，设置扫描电子显微镜（SEM）的加速电压为1.2kV，并以预设成像分辨率采集预处理页岩样品表面的二次电子信号；步骤S130，扫描电子显微镜按照预设成像面积对预处理页岩样品进行连续二维拼接成像，获取的图像如图2所示。
在本实施例中，预设成像面积为
Figure 861994DEST_PATH_IMAGE001
，
Figure 429242DEST_PATH_IMAGE002
，保证扫描获取的结果 满足试验需求。
进一步地，预设成像分辨率优于
Figure 320974DEST_PATH_IMAGE064
，保证对页岩样品的扫描结果与预 期一致。
优选地，预设成像分辨率为
Figure 849039DEST_PATH_IMAGE003
。
优选地，预设成像面积为
Figure 484420DEST_PATH_IMAGE004
。
步骤S200，采用Avizo软件提取二维图像中每个有机质的孔隙参数；其中，孔隙参数包括孔隙率、孔隙中值半径、孔隙分选系数以及有机质的孔隙形状因数。
具体地，孔隙参数的提取方法包括：步骤S210，对二维图像进行预处理，得到预处理图像；预处理包括灰度校正和滤波处理。SEM扫描得到的灰度图像存在不同程度的噪点，滤波处理就是对灰度图像进行降噪的处理过程，通过灰度校正和滤波处理获得进一步精准的图像。常用的图像滤波方法包括均值滤波、中值滤波、高斯滤波等，优选地在本实施例中采用非局部均值（Non Local Means）法对获取的二维图像进行滤波。
步骤S220，提取有机质。具体地，基于灰度差异，采用阈值分割法提取预处理图像中的全部有机质，并以二值化形式存储，获得二值化图像；参照附图3，在本实施例中，滤波后的图像，灰色为有机质，黑色为孔隙，白色为无机矿物。不同物质在灰度图像中具有不同的灰度值，阈值分割法就是根据灰度值范围对物质进行分割的方法。本实施例中，有机质的灰度值为70-145，通过设定有机质的灰度阈值，可将全部有机质提取出来，提取结果以二值化图像的形式存储。
步骤S230，根据二值化图像，获得第一有机质区域图像，其中，第一有机质区域图像包括N个第一有机质区域，第一有机质区域为相同灰度构成的闭环结构；在本实施例中，0代表背景，1代表有机质。
步骤S240，填充有机质。具体地，采用补洞命令将N个第一有机质区域内部的差异灰度同化，获得填充后的第二有机质区域图像；其中，第二有机质区域图像包括N个第二有机质区域，N个第二有机质区域与N个第一有机质区域分别对应；其中，同化即为将构成闭环结构或者闭环形状的有机质内部的差异填充为与有机质相同灰度，在本实施例中，同化为将构成闭环结构或者闭环形状的有机质内部的数值填充为1。
步骤S250，对每个填充后的第二有机质区域进行标签化处理。具体地，采用MATLAB软件对N个第二有机质区域依次赋值，获得具有不同赋值区域的第三有机质区域图像（在本实施例中，记为图像1）；其中，第三有机质区域图像包括N个第三有机质区域，N个第三有机质区域的赋值编号按照第一顺序采用第一组阿拉伯数字依次设置。
步骤S260，采用MATLAB软件对N个第一有机质区域依次赋值，获得具有不同赋值区域的第四有机质区域图像（在本实施例中，记为图像2）；第四有机质区域图像包括N个第四有机质区域，N个第四有机质区域的赋值编号按照第二顺序采用第二组阿拉伯数字依次设置；第二顺序与第一顺序一致设置，并且第一组阿拉伯数字与第二组阿拉伯数字一致设置。
步骤S270，图像计算。具体地，通过第三有机质区域图像与第四有机质区域图像相减，获得第五有机质区域图像（在本实施例中，记为图像3）；第五有机质区域图像包括N个第五有机质区域，N个第五有机质区域为标签化的依次赋值的孔隙图像。在图像3内，同一有机质内部的孔隙具有相同的灰度值，不同有机质内部的孔隙灰度值不同，据此可以确定孔隙的来源。需要说明的是，在该孔隙图像中，标记为1的只有一个，标记为2的只有一个，本实施例中获得标记的个数并不限制本发明的保护范围，本实施例只是其中一种实施例示意图。
步骤S280，基于获得的第五有机质区域图像，获得孔隙率
Figure 906174DEST_PATH_IMAGE005
、孔隙中值半径
Figure 109753DEST_PATH_IMAGE006
、孔隙分选系数
Figure 984168DEST_PATH_IMAGE007
以及孔隙形状因数SF。
其中，每个有机质的孔隙率
Figure 157660DEST_PATH_IMAGE008
，其中，
Figure 574866DEST_PATH_IMAGE009
为对 应的单个有机质的面积，
Figure 808402DEST_PATH_IMAGE010
为对应的单个有机质内部孔隙的面积。
其中，孔隙中值半径
Figure 170113DEST_PATH_IMAGE006
为孔径分布累积曲线上含量50%处所对应的孔隙半径值； 孔径分布累积曲线为孔隙半径与孔隙面积累积百分含量的分布曲线。利用Avizo软件可获 取图像2中每个有机质的面积
Figure 777988DEST_PATH_IMAGE009
，以及图像3中每个孔隙的面积
Figure 908755DEST_PATH_IMAGE065
、周长
Figure 454137DEST_PATH_IMAGE018
和半径
Figure 303144DEST_PATH_IMAGE066
。 在每个有机质中，半径为
Figure 84018DEST_PATH_IMAGE067
时对应的孔隙面积累积百分含量为
Figure 210237DEST_PATH_IMAGE068
； 其中，
Figure 785575DEST_PATH_IMAGE069
表示单个有机质中最大的孔隙半径，
Figure 121878DEST_PATH_IMAGE070
表示半径为
Figure 581810DEST_PATH_IMAGE067
的孔隙对应的面积，
Figure 687169DEST_PATH_IMAGE010
表示对应的单个有机质内所有孔隙的总面积。在孔径分布累积曲线中，孔隙半径的逆序（左 侧数值大于右侧）为横坐标，孔隙面积累积百分含量为纵坐标，曲线上（a,b）点代表半径不 小于
Figure 698987DEST_PATH_IMAGE067
的孔隙面积总百分含量为
Figure 896488DEST_PATH_IMAGE071
。
其中，孔隙分选系数
Figure 753586DEST_PATH_IMAGE011
；其中，
Figure 713452DEST_PATH_IMAGE012
和
Figure 37117DEST_PATH_IMAGE013
分别代表孔径分布累积曲线 上孔隙面积累积百分含量25%和75%处所对应的孔隙半径值；孔隙分选系数表示孔径的均匀 程度。
在本实施例中，当
Figure 82433DEST_PATH_IMAGE072
时，表示孔隙均匀程度好；当
Figure 8801DEST_PATH_IMAGE073
时， 表示孔隙均匀程度中等；当
Figure 964118DEST_PATH_IMAGE074
时，表示孔隙均匀程度差。
其中，孔隙形状因数SF的确定方法如下：第一，根据N个第五有机质区域，计算对应 的N个孔隙形状因子
Figure 52160DEST_PATH_IMAGE014
；
Figure 850352DEST_PATH_IMAGE015
；
Figure 190197DEST_PATH_IMAGE014
为第
Figure 124655DEST_PATH_IMAGE016
个孔隙的孔隙形状因子，
Figure 649178DEST_PATH_IMAGE017
为第
Figure 45917DEST_PATH_IMAGE016
个孔隙的孔隙面积，
Figure 48508DEST_PATH_IMAGE018
为第
Figure 103052DEST_PATH_IMAGE016
个孔隙的的周长，
Figure 673842DEST_PATH_IMAGE019
。
第二，选取数值相同的孔隙形状因子组成一组相同因子集合，N个孔隙形状因子构 成M组相同因子集合，
Figure 181047DEST_PATH_IMAGE020
。
其中，相同因子集合包括n个孔隙形状因子，
Figure 721749DEST_PATH_IMAGE021
。
第三，基于对应的相同因子集合，获取对应的孔隙的面积和，作为一组孔隙面积集合；M组相同因子集合构成M组孔隙面积集合。
第四，基于M组孔隙面积集合，获取面积和最大的孔隙面积集合对应的孔隙形状因子作为孔隙形状因数SF。
在本实施例中，
Figure 771745DEST_PATH_IMAGE075
为0到1（包含1）之间的一位小数 值。
步骤S300，根据孔隙参数获得有机质集合的类型数值；其中，有机质集合包括N个有机质。
具体地参照附图4和附图5，有机质集合的类型数值的获取方法具体包括：步骤 S310，基于孔隙率
Figure 372491DEST_PATH_IMAGE005
、孔隙中值半径
Figure 366991DEST_PATH_IMAGE006
、孔隙分选系数
Figure 852330DEST_PATH_IMAGE007
以及孔隙形状因数
Figure 615887DEST_PATH_IMAGE022
，采用
Figure 918692DEST_PATH_IMAGE023
聚类算法，对有机质集合进行初始分类；其中，有机质集合的初始分类数值为 K，K≥2。
步骤S320，结合
Figure 508812DEST_PATH_IMAGE023
聚类算法，计算每类有机质集合中的变异系数
Figure 656896DEST_PATH_IMAGE024
，
Figure 274959DEST_PATH_IMAGE025
；其中，
Figure 624032DEST_PATH_IMAGE026
为
Figure 327546DEST_PATH_IMAGE005
、
Figure 13742DEST_PATH_IMAGE006
、
Figure 892837DEST_PATH_IMAGE007
或
Figure 271865DEST_PATH_IMAGE022
。
步骤S330，若K类有机质集合中的任一变异系数
Figure 462675DEST_PATH_IMAGE024
，均满足
Figure 93508DEST_PATH_IMAGE027
，则将有机 质集合的初始分类数值K作为有机质集合的类型数值；否则，执行步骤S340。
步骤S340，令有机质集合的初始分类数值K=K+1，重复执行步骤S320至步骤S330。
其中，
Figure 420584DEST_PATH_IMAGE028
；
Figure 970514DEST_PATH_IMAGE029
为对应的每类有机质集合中N个有机 质对应的孔隙率的标准差。
Figure 648620DEST_PATH_IMAGE030
；
Figure 115767DEST_PATH_IMAGE031
为对应的每类有机质集合中N个有机质对应的孔隙率 的平均值。
Figure 703874DEST_PATH_IMAGE032
；
Figure 159126DEST_PATH_IMAGE033
为对应的每类有机质集合中N个有机质对应的孔 隙中值半径的标准差。
Figure 324528DEST_PATH_IMAGE034
；
Figure 31584DEST_PATH_IMAGE035
为对应的每类有机质集合中N个有机质对应的孔隙中值半 径的平均值。
Figure 864411DEST_PATH_IMAGE036
；
Figure 490564DEST_PATH_IMAGE037
为对应的每类有机质集合中N个有机质对应的孔隙 分选系数的标准差。
Figure 284208DEST_PATH_IMAGE038
；
Figure 919589DEST_PATH_IMAGE039
为对应的每类有机质集合中N个有机质对应的孔隙分选系数 的平均值。
Figure 75764DEST_PATH_IMAGE040
；
Figure 777878DEST_PATH_IMAGE041
为对应的每类有机质集合中N个有机质对应的孔隙 形状因数的标准差。
Figure 652293DEST_PATH_IMAGE042
；
Figure 91365DEST_PATH_IMAGE043
为对应的每类有机质集合中N个有机质对应的孔隙形状因数 的平均值。
在本实施例中，采用K-means算法，对于给定的样本集，按照样本之间的距离大小，将样本集划分为K类；K为指定数值，通过不断增加，研判其最佳取值。设置初始K值为2，即初始将所有有机质集合分为两类，进行迭代循环，对于附图5中选取的具有代表性的有机质图像及其孔隙参数示意图，当K值为4时，满足变异系数判定标准，分类结束，因此将有机质集合最终分为四类。
步骤S400，对各类型的有机质集合采用聚焦离子束-氦离子显微镜进行三维重构， 获取有机质三维重构体。其中，FIB-HIM（聚焦离子束-氦离子显微镜）对每种类型有机质集 合的三维重构参数要保持一致；FIB-HIM三维重构的最终体积要保持一致；FIB-HIM三维重 构的体素至少达到
Figure 242992DEST_PATH_IMAGE076
。
进一步地，有机质三维重构体的获取方法具体包括：对K类有机质集合采用聚焦离 子束-氦离子显微镜基于预设面积阈值筛选获得有机质三维重构体；其中，预设面积阈值为
Figure 742106DEST_PATH_IMAGE044
，
Figure 103817DEST_PATH_IMAGE045
。
参照附图5的同时参照附图6，分别从四类有机质集合中选出一个代表，其基本要 求为，该有机质集合的横纵尺寸大于
Figure 221946DEST_PATH_IMAGE077
。选出的四类代表性有机质集合的图像及 孔隙参数如图5所示。
具体地，在采用聚焦离子束-氦离子显微镜过程中，从每类有机质集合中基于预设 面积阈值筛选出一个符合要求的有机质，即从K类有机质集合中筛选出符合要求的K个有机 质，然后对这K个有机质进行三维重构，具体地，移动样品台，将氦离子显微镜成像（HIM）位 置移动到待测有机质区域；旋转样品台倾斜到54°，并调整样品台位置，使氦离子显微镜扫 描区域与聚焦离子束（FIB）扫描区域均处在待测有机质上；设置HIM的加速电压为30kV，束 流为0.5pA，成像分辨率为
Figure 352713DEST_PATH_IMAGE078
，成像面积为
Figure 757150DEST_PATH_IMAGE079
；FIB切片的厚度为 3nm/片，总厚度为
Figure 747102DEST_PATH_IMAGE080
；启动程序进而获取有机质三维重构体。本实施例中，四类有机质 中I类和II类的FIB-HIM三维重构体如图6所示。
步骤S500，基于该有机质三维重构体，采用Avizo软件获取孔隙连通性参数；进一 步地，孔隙连通性参数为
Figure 262397DEST_PATH_IMAGE046
，
Figure 513250DEST_PATH_IMAGE047
；其中，
Figure 730998DEST_PATH_IMAGE046
为第m类有机质集合中的孔隙连通 性参数，
Figure 67302DEST_PATH_IMAGE048
表示第m类有机质集合中连通的孔隙的体积，
Figure 527233DEST_PATH_IMAGE049
表示第m类有机质集合中总 的孔隙的体积；
Figure 632592DEST_PATH_IMAGE050
，K为有机质集合的类型数值。
进一步地，在Avizo中，使用非局部均值（Non Local Means）法对切片进行滤波；使 用Align Slices命令对切片进行对齐；切割三维体，形成
Figure 378831DEST_PATH_IMAGE081
的立方体；使 用阈值（Threshold）分割法提取三维孔隙；使用Material Statistics命令统计总孔隙体积
Figure 77797DEST_PATH_IMAGE049
，使用Connected Components命令计算内部连通孔隙的体积
Figure 200474DEST_PATH_IMAGE048
，计算连通孔隙占比 （即孔隙连通性参数）。本实施例中，第I类有机质的连通孔隙体积
Figure 160340DEST_PATH_IMAGE082
为
Figure 218425DEST_PATH_IMAGE083
，总孔隙 体积
Figure 529321DEST_PATH_IMAGE084
为
Figure 190109DEST_PATH_IMAGE085
，孔隙连通性参数
Figure 643962DEST_PATH_IMAGE086
为0.98；第II类有机质的连通孔隙体积
Figure 997583DEST_PATH_IMAGE087
为
Figure 795775DEST_PATH_IMAGE088
，总孔隙体积
Figure 135621DEST_PATH_IMAGE089
为
Figure 804499DEST_PATH_IMAGE090
，连通孔隙占比
Figure 594601DEST_PATH_IMAGE091
为0.58；第III类有机质的连通 孔隙体积为
Figure 489876DEST_PATH_IMAGE092
为
Figure 492467DEST_PATH_IMAGE093
，总孔隙体积
Figure 547010DEST_PATH_IMAGE094
为
Figure 117800DEST_PATH_IMAGE095
，连通孔隙占比
Figure 359426DEST_PATH_IMAGE096
为0.39； 第IV类有机质的连通孔隙极少，可近似判断为不连通。
步骤S600，基于孔隙连通性参数，获取页岩有机质孔隙的整体连通性评价指数。
其中，整体连通性评价指数为
Figure 165708DEST_PATH_IMAGE051
，
Figure 728887DEST_PATH_IMAGE052
；
Figure 329632DEST_PATH_IMAGE053
为第m类有机 质集合的总面孔率；
Figure 589712DEST_PATH_IMAGE054
表示页岩样品中K类有机质集合中孔隙的总面孔率。
其中，
Figure 809472DEST_PATH_IMAGE055
；
Figure 573029DEST_PATH_IMAGE056
为每类有机质集合中第
Figure 344676DEST_PATH_IMAGE057
个有机质的面孔率；
Figure 967418DEST_PATH_IMAGE058
。
Figure 115503DEST_PATH_IMAGE059
。
Figure 733566DEST_PATH_IMAGE060
；
Figure 82639DEST_PATH_IMAGE061
为每类有机质集合中第
Figure 786153DEST_PATH_IMAGE057
个有机质中所有孔隙的面积。
Figure 472349DEST_PATH_IMAGE062
。
Figure 849978DEST_PATH_IMAGE052
。
在本实施例中，第I类有机质的总面孔率
Figure 963428DEST_PATH_IMAGE097
为1.07%，第II类有机质的总面孔率
Figure 154238DEST_PATH_IMAGE097
为0.49%，第III类有机质的总面孔率
Figure 785070DEST_PATH_IMAGE098
为0.31%，第IV类有机质的总面孔率
Figure 377726DEST_PATH_IMAGE099
为0.01%， 页岩样品所有有机质集合的孔隙总面孔率
Figure 927656DEST_PATH_IMAGE100
为：1.07%+0.49%+0.31%+0.01%=1.88%。
Figure 746707DEST_PATH_IMAGE101
；
Figure 774706DEST_PATH_IMAGE102
77.32%。
在本发明中，依据
Figure 221868DEST_PATH_IMAGE051
值定量评价所测页岩样品中有机质孔隙的整体连通性强弱；
Figure 83645DEST_PATH_IMAGE051
值越大，表示样品中有机质孔隙的连通性越好。
虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件，尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。
在本发明的描述中，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、物品或者设备/装置所固有的要素。
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做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 (10)

1.一种页岩有机质孔隙连通性分类表征的方法，其特征在于，该方法包括以下步骤：
步骤S100，扫描电子显微镜对页岩样品进行预设成像面积的扫描，获取页岩样品的二维图像；
步骤S200，采用Avizo软件提取所述二维图像中每个有机质的孔隙参数；所述孔隙参数包括孔隙率、孔隙中值半径、孔隙分选系数以及有机质的孔隙形状因数；
步骤S300，根据所述孔隙参数获得有机质集合的类型数值；
步骤S400，对各类型的所述有机质集合采用聚焦离子束-氦离子显微镜进行三维重构，获取有机质三维重构体；
步骤S500，基于所述有机质三维重构体，采用Avizo软件获取孔隙连通性参数；
步骤S600，基于所述孔隙连通性参数，获取页岩有机质孔隙的整体连通性评价指数。
2.根据权利要求1所述的页岩有机质孔隙连通性分类表征的方法，其特征在于，所述二维图像的获取方法包括：
步骤S110，对页岩样品进行氩离子抛光处理，获得预处理页岩样品；
步骤S120，设置扫描电子显微镜的加速电压为1.2kV，并以预设成像分辨率采集所述预处理页岩样品表面的二次电子信号；
步骤S130，扫描电子显微镜按照预设成像面积对所述预处理页岩样品进行连续二维拼 接成像；所述预设成像面积为
Figure 65667DEST_PATH_IMAGE001
，
Figure 38302DEST_PATH_IMAGE002
。
3.根据权利要求2所述的页岩有机质孔隙连通性分类表征的方法，其特征在于，所述预 设成像分辨率为
Figure 339970DEST_PATH_IMAGE003
；
所述预设成像面积为
Figure 231703DEST_PATH_IMAGE004
。
4.根据权利要求2所述的页岩有机质孔隙连通性分类表征的方法，其特征在于，所述孔隙参数的提取方法包括：
步骤S210，对所述二维图像进行预处理，得到预处理图像；所述预处理包括灰度校正和滤波处理；
步骤S220，基于灰度差异，采用阈值分割法提取所述预处理图像中的全部有机质，并以二值化形式存储，获得二值化图像；
步骤S230，根据所述二值化图像，获得第一有机质区域图像，所述第一有机质区域图像包括N个第一有机质区域，所述第一有机质区域为相同灰度构成的闭环结构；
步骤S240，采用补洞命令将N个所述第一有机质区域内部的差异灰度同化，获得填充后的第二有机质区域图像；所述第二有机质区域图像包括N个第二有机质区域，N个所述第二有机质区域与N个所述第一有机质区域分别对应；
步骤S250，采用MATLAB软件对N个所述第二有机质区域依次赋值，获得具有不同赋值区域的第三有机质区域图像；所述第三有机质区域图像包括N个第三有机质区域，N个所述第三有机质区域的赋值编号按照第一顺序采用第一组阿拉伯数字依次设置；
步骤S260，采用MATLAB软件对N个所述第一有机质区域依次赋值，获得具有不同赋值区域的第四有机质区域图像；所述第四有机质区域图像包括N个第四有机质区域，N个所述第四有机质区域的赋值编号按照第二顺序采用第二组阿拉伯数字依次设置；所述第二顺序与所述第一顺序一致设置，并且所述第一组阿拉伯数字与所述第二组阿拉伯数字一致设置；
步骤S270，通过所述第三有机质区域图像与所述第四有机质区域图像相减，获得第五有机质区域图像；所述第五有机质区域图像包括N个第五有机质区域，N个所述第五有机质区域为标签化的依次赋值的孔隙图像；
步骤S280，基于所述第五有机质区域图像，获得孔隙率
Figure 515093DEST_PATH_IMAGE005
、孔隙中值半径
Figure 884894DEST_PATH_IMAGE006
、孔隙 分选系数
Figure 447594DEST_PATH_IMAGE007
以及孔隙形状因数SF；
Figure 510228DEST_PATH_IMAGE008
，其中，
Figure 384643DEST_PATH_IMAGE009
为对应的单个有机质的面积，
Figure 964660DEST_PATH_IMAGE010
为对 应的单个有机质内部孔隙的面积；
所述孔隙中值半径
Figure 240920DEST_PATH_IMAGE006
为孔径分布累积曲线上含量50%处所对应的孔隙半径值；所述孔 径分布累积曲线为孔隙半径与孔隙面积累积百分含量的分布曲线；
Figure 474455DEST_PATH_IMAGE011
；其中，
Figure 977112DEST_PATH_IMAGE012
和
Figure 688716DEST_PATH_IMAGE013
分别代表所述孔径分布累积曲线上孔隙面积累积百分 含量25%和75%处所对应的孔隙半径值；
根据N个所述第五有机质区域，计算对应的N个孔隙形状因子
Figure 350642DEST_PATH_IMAGE014
；
Figure 128980DEST_PATH_IMAGE015
；
Figure 977987DEST_PATH_IMAGE014
为第
Figure 758861DEST_PATH_IMAGE016
个孔隙的孔隙形状因子，
Figure 885080DEST_PATH_IMAGE017
为第
Figure 725997DEST_PATH_IMAGE016
个孔隙的孔隙面积，
Figure 62301DEST_PATH_IMAGE018
为第
Figure 256653DEST_PATH_IMAGE016
个孔隙的周长，
Figure 627591DEST_PATH_IMAGE019
；
选取数值相同的孔隙形状因子组成一组相同因子集合，N个孔隙形状因子构成M组相同 因子集合，
Figure 373830DEST_PATH_IMAGE020
；
所述相同因子集合包括n个孔隙形状因子，
Figure 807217DEST_PATH_IMAGE021
；
基于对应的所述相同因子集合，获取对应的孔隙的面积和，作为一组孔隙面积集合；M组所述相同因子集合构成M组孔隙面积集合；
基于M组所述孔隙面积集合，获取面积和最大的所述孔隙面积集合对应的孔隙形状因子作为孔隙形状因数SF。
5.根据权利要求4所述的页岩有机质孔隙连通性分类表征的方法，其特征在于，所述有机质集合的类型数值的获取方法具体包括：
步骤S310，基于所述孔隙率
Figure 195473DEST_PATH_IMAGE005
、所述孔隙中值半径
Figure 155338DEST_PATH_IMAGE006
、所述孔隙分选系数
Figure 980468DEST_PATH_IMAGE007
以及所 述孔隙形状因数
Figure 291364DEST_PATH_IMAGE022
，采用
Figure 827519DEST_PATH_IMAGE023
聚类算法，对所述有机质集合进行初始分类；其中， 所述有机质集合的初始分类数值为K，K≥2；所述有机质集合包括N个有机质；
步骤S320，结合
Figure 907470DEST_PATH_IMAGE023
聚类算法，计算每类所述有机质集合中的变异系数
Figure 261091DEST_PATH_IMAGE024
，
Figure 669070DEST_PATH_IMAGE025
；其中，
Figure 133549DEST_PATH_IMAGE026
为
Figure 68007DEST_PATH_IMAGE005
、
Figure 467896DEST_PATH_IMAGE006
、
Figure 487804DEST_PATH_IMAGE007
或
Figure 755975DEST_PATH_IMAGE022
；
步骤S330，若K类所述有机质集合中的任一变异系数
Figure 918840DEST_PATH_IMAGE024
，均满足
Figure 614264DEST_PATH_IMAGE027
，则将所述 有机质集合的初始分类数值K作为所述有机质集合的类型数值；否则，执行步骤S340；
步骤S340，令所述有机质集合的初始分类数值K=K+1，重复执行步骤S320至步骤S330。
6.根据权利要求5所述的页岩有机质孔隙连通性分类表征的方法，其特征在于，
Figure 121469DEST_PATH_IMAGE028
；
Figure 68696DEST_PATH_IMAGE029
为对应的每类有机质集合中N个有机质对应的孔隙 率的标准差；
Figure 712167DEST_PATH_IMAGE030
；
Figure 719437DEST_PATH_IMAGE031
为对应的每类有机质集合中N个有机质对应的孔隙率的平 均值；
Figure 448359DEST_PATH_IMAGE032
；
Figure 58332DEST_PATH_IMAGE033
为对应的每类有机质集合中N个有机质对应的孔隙中 值半径的标准差；
Figure 962834DEST_PATH_IMAGE034
；
Figure 734481DEST_PATH_IMAGE035
为对应的每类有机质集合中N个有机质对应的孔隙中值半径的 平均值；
Figure 216278DEST_PATH_IMAGE036
；
Figure 6773DEST_PATH_IMAGE037
为对应的每类有机质集合中N个有机质对应的孔隙分选 系数的标准差；
Figure 624836DEST_PATH_IMAGE038
；
Figure 567384DEST_PATH_IMAGE039
为对应的每类有机质集合中N个有机质对应的孔隙分选系数的平 均值；
Figure 411843DEST_PATH_IMAGE040
；
Figure 363619DEST_PATH_IMAGE041
为对应的每类有机质集合中N个有机质对应的孔隙形状 因数的标准差；
Figure 836188DEST_PATH_IMAGE042
；
Figure 356162DEST_PATH_IMAGE043
为对应的每类有机质集合中N个有机质对应的孔隙形状因数的平 均值。
7.根据权利要求6所述的页岩有机质孔隙连通性分类表征的方法，其特征在于，所述有 机质三维重构体的获取方法具体包括：对K类所述有机质集合采用聚焦离子束-氦离子显微 镜基于预设面积阈值筛选获得有机质三维重构体；所述预设面积阈值为
Figure 546972DEST_PATH_IMAGE044
，
Figure 302439DEST_PATH_IMAGE045
。
8.根据权利要求7所述的页岩有机质孔隙连通性分类表征的方法，其特征在于，所述孔 隙连通性参数为
Figure 770460DEST_PATH_IMAGE046
，
Figure 320390DEST_PATH_IMAGE047
；其中，
Figure 998496DEST_PATH_IMAGE048
为第m类有机质集合中的孔隙连通性参数，
Figure 665976DEST_PATH_IMAGE049
表示第m类有机质集合中连通的孔隙的体积，
Figure 113138DEST_PATH_IMAGE050
表示第m类有机质集合中总的孔隙的 体积；
Figure 99548DEST_PATH_IMAGE051
，K为有机质集合的类型数值。
9.根据权利要求8所述的页岩有机质孔隙连通性分类表征的方法，其特征在于，所述整 体连通性评价指数为
Figure 140317DEST_PATH_IMAGE052
，
Figure 237586DEST_PATH_IMAGE053
；
Figure 539254DEST_PATH_IMAGE054
为第m类有机质集合的总面孔 率；
Figure 306353DEST_PATH_IMAGE055
表示页岩样品中K类有机质集合中孔隙的总面孔率；
Figure 959051DEST_PATH_IMAGE056
；
Figure 594432DEST_PATH_IMAGE057
为每类有机质集合中第
Figure 688290DEST_PATH_IMAGE058
个有机质的面孔率；
Figure 127755DEST_PATH_IMAGE059
；
Figure 267749DEST_PATH_IMAGE060
；
Figure 441241DEST_PATH_IMAGE061
；
Figure 592868DEST_PATH_IMAGE062
为每类有机质集合中第
Figure 91982DEST_PATH_IMAGE058
个有机质中所有孔隙的面积；
Figure 453694DEST_PATH_IMAGE063
。
10.根据权利要求4所述的页岩有机质孔隙连通性分类表征的方法，其特征在于，
Figure 306243DEST_PATH_IMAGE064
。
CN202111264247.0A 2021-10-28 2021-10-28 页岩有机质孔隙连通性分类表征的方法 Active CN113706603B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111264247.0A CN113706603B (zh) 2021-10-28 2021-10-28 页岩有机质孔隙连通性分类表征的方法
US17/581,927 US11360037B1 (en) 2021-10-28 2022-01-23 Classified characterization method for connectivity of organic matter (OM)-hosted pores in shale

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111264247.0A CN113706603B (zh) 2021-10-28 2021-10-28 页岩有机质孔隙连通性分类表征的方法

Publications (2)

Publication Number Publication Date
CN113706603A true CN113706603A (zh) 2021-11-26
CN113706603B CN113706603B (zh) 2022-02-22

Family

ID=78647321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111264247.0A Active CN113706603B (zh) 2021-10-28 2021-10-28 页岩有机质孔隙连通性分类表征的方法

Country Status (2)

Country Link
US (1) US11360037B1 (zh)
CN (1) CN113706603B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114529771A (zh) * 2022-02-23 2022-05-24 中国石油大学(华东) 基于机器学习的页岩大视域图像分类方法
CN115266782A (zh) * 2022-09-27 2022-11-01 中国科学院地质与地球物理研究所 一种基于双能ct技术评价非常规储层双甜点的方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113325458B (zh) * 2021-08-02 2021-10-29 中国科学院地质与地球物理研究所 一种地外样品氩-氩年龄和宇宙暴露年龄的联测方法
WO2024049828A1 (en) * 2022-08-29 2024-03-07 University Of Wyoming Methods and devices for stencil-based pore network construction
US11658001B1 (en) * 2022-12-07 2023-05-23 Institute Of Geology And Geophysics, Chinese Academy Of Sciences Ion beam cutting calibration system and method

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180003653A1 (en) * 2016-06-24 2018-01-04 The Board Of Regents Of The University Of Oklahoma Methods of determining shale pore connectivity
CN109187305A (zh) * 2018-08-24 2019-01-11 中国地质大学（武汉） 一种页岩结构表征方法和装置
CN110210460A (zh) * 2019-06-26 2019-09-06 中国石油大学(华东) 一种考虑多重因素影响的页岩气表观渗透率计算方法
CN113158490A (zh) * 2021-05-13 2021-07-23 中国石油大学(华东) 致密砂岩储层渗透率计算模型的建立方法
CN113176187A (zh) * 2021-03-23 2021-07-27 中国地质大学（武汉） 一种表征岩石孔隙网络连通性的方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110004447A1 (en) * 2009-07-01 2011-01-06 Schlumberger Technology Corporation Method to build 3D digital models of porous media using transmitted laser scanning confocal mircoscopy and multi-point statistics
US8756042B2 (en) * 2010-05-19 2014-06-17 Exxonmobile Upstream Research Company Method and system for checkpointing during simulations
WO2012118866A2 (en) * 2011-02-28 2012-09-07 Schlumberger Technology Corporation Methods to build 3d digital models of porous media using a combination of high- and low-resolution data and multi-point statistics
WO2012118868A2 (en) * 2011-02-28 2012-09-07 Schlumberger Technology Corporation Petrographic image analysis for determining capillary pressure in porous media
US20120239361A1 (en) * 2011-03-16 2012-09-20 Vargas-Guzman J A Subsurface Directional Equalization Analysis of Rock Bodies
US8894796B2 (en) * 2011-06-06 2014-11-25 The University Of North Carolina At Greensboro Nanopore fabrication and applications thereof
US9746431B2 (en) * 2012-05-11 2017-08-29 Ingrain, Inc. Method and system for multi-energy computer tomographic cuttings analysis
WO2015034472A1 (en) * 2013-09-04 2015-03-12 Ingrain, Inc. Combining multiple energy x-ray imaging and well data to obtain high-resolution rock, mechanical, and elastic property profiles
CN107620593A (zh) * 2017-08-08 2018-01-23 中国科学院地质与地球物理研究所 一种油气田现场随钻岩屑扫描系统及方法
US11590483B2 (en) * 2017-09-29 2023-02-28 President And Fellows Of Harvard College Enhanced catalytic materials with partially embedded catalytic nanoparticles
US10830713B2 (en) * 2017-11-20 2020-11-10 DigiM Solution LLC System and methods for computing physical properties of materials using imaging data
AU2020102843A4 (en) * 2020-10-19 2020-12-17 Institute Of Geology And Geophysics, Chinese Academy Of Sciences Test method, test system and test fixture for rock micro-nano mechanical test
CN113252717B (zh) * 2021-06-15 2021-09-10 中国科学院地质与地球物理研究所 冷冻电镜样品智能化制备系统、方法、电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180003653A1 (en) * 2016-06-24 2018-01-04 The Board Of Regents Of The University Of Oklahoma Methods of determining shale pore connectivity
CN109187305A (zh) * 2018-08-24 2019-01-11 中国地质大学（武汉） 一种页岩结构表征方法和装置
CN110210460A (zh) * 2019-06-26 2019-09-06 中国石油大学(华东) 一种考虑多重因素影响的页岩气表观渗透率计算方法
CN113176187A (zh) * 2021-03-23 2021-07-27 中国地质大学（武汉） 一种表征岩石孔隙网络连通性的方法
CN113158490A (zh) * 2021-05-13 2021-07-23 中国石油大学(华东) 致密砂岩储层渗透率计算模型的建立方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
彭女佳: "鄂西渝东地区五峰组-龙马溪组一段页岩气储层孔隙结构及分形特征研究", 《中国博士学位论文全文数据库》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114529771A (zh) * 2022-02-23 2022-05-24 中国石油大学(华东) 基于机器学习的页岩大视域图像分类方法
CN115266782A (zh) * 2022-09-27 2022-11-01 中国科学院地质与地球物理研究所 一种基于双能ct技术评价非常规储层双甜点的方法
US11734914B1 (en) 2022-09-27 2023-08-22 Institute Of Geology And Geophysics, Chinese Academy Of Sciences Method for evaluating geological and engineering sweet spots in unconventional reservoirs based on dual-energy computed tomography (CT)

Also Published As

Publication number Publication date
CN113706603B (zh) 2022-02-22
US11360037B1 (en) 2022-06-14

Similar Documents

Publication Publication Date Title
CN113706603B (zh) 页岩有机质孔隙连通性分类表征的方法
CN107449707B (zh) 页岩储层中不同尺度孔隙定量的三维表征确定方法和装置
Sok et al. Pore scale characterization of carbonates at multiple scales: Integration of Micro-CT, BSEM, and FIBSEM
CN107067379B (zh) 基于三维fib-sem图像的页岩孔隙定量表征方法
CN105352873B (zh) 页岩孔隙结构的表征方法
CN105115874B (zh) 多源信息融合的多组分三维数字岩心构建方法
Prill et al. Morphological segmentation of FIB‐SEM data of highly porous media
CN104237103B (zh) 一种孔隙连通性定量表征方法及装置
CN105445160B (zh) 一种沥青混合料的空隙特征及其提取方法
CN106651839A (zh) 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
CN112051200B (zh) 一种致密砂岩储层孔隙结构的定量评价方法和装置
CN107133630A (zh) 一种基于扫描图像判断碳酸盐岩孔隙类型的方法
CN110443793B (zh) 一种沥青混合料空隙分布均匀性评价方法
CN107064187A (zh) 一种烃源岩有机碳含量测定方法及装置
CN114565658A (zh) 基于ct技术的孔隙尺寸计算方法及装置
Zhao et al. Soil pore identification with the adaptive fuzzy C-means method based on computed tomography images
Qiaoling et al. A neighborhood median weighted fuzzy c-means method for soil pore identification
CN115984612A (zh) 一种基于图像融合的三维孔隙类型表征方法
Shi et al. A comprehensive assessment of image processing variability in pore structural investigations: conventional thresholding vs. machine learning approaches
CN112116583A (zh) 一种基于sem图像处理的绝缘纸板老化判别检验方法
CN117218437B (zh) 一种ct技术结合机器学习原位定量土壤颗粒有机质的方法
CN115410049B (zh) 一种岩体溶蚀程度的分类评估方法及装置
Bolshakov et al. Investigation of the pore space structure by a scanning electron microscope using the computer program collector
CN117036635B (zh) 一种基于图像纹理分类的页岩多尺度数字岩心构建方法
CN112132791B (zh) 一种页岩扫描电镜图像处理方法、装置、设备和存储介质

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