电成像测井在复杂砂砾岩储集层岩性识别中的应用——以准噶尔盆地玛湖凹陷西斜坡百口泉组为例

罗兴平，庞旭，苏东旭，芦慧，张妮，王刚

（1.中国石油 新疆油田分公司 勘探开发研究院，新疆 克拉玛依834000；2.中国石油 杭州地质研究院，杭州 310023）

在中国东部和西部的中、新生代陆相含油气盆地碎屑岩储集层中，砂砾岩广泛分布[1-4]。目前，已在准噶尔盆地的西北缘和东缘、渤海湾盆地济阳坳陷、海拉尔盆地和松辽盆地北部等发现了大量的砂砾岩油气藏，其中准噶尔盆地玛湖凹陷百口泉组为典型的砂砾岩储集层。玛湖凹陷百口泉组储集层岩性以一套粒级普遍较粗的碎屑沉积物为主，现场录井对该套粗细混杂堆积形成的岩石定名为砂砾岩。然而，随着油气勘探的深入，发现砂砾岩这一定名过于笼统，粒径跨度大，不能有效反映岩石粒度、结构和储集层物性，且前人对玛湖凹陷百口泉组砂砾岩的研究主要集中在构造演化、扇体形成和分布、层序地层学与隐蔽油气藏勘探、成藏控制因素以及沉积成因分析等方面，尚未对砂砾岩岩性分类及其识别开展深入研究[5-7]。

常规测井资料获取的地层信息，如密度、电阻率、含氢指数等容易受到分辨率低以及油气的影响，且并不是对砂砾岩岩石颗粒形态特征的直接体现，而是通过岩石物理参数间接的反映储集层岩性[8-11]。电成像测井资料可直观定性识别岩性、结构、构造和划分沉积相类型等[12-13]，特别是砂砾岩岩性与常规砂岩相比，岩石粒度粗、粒径变化较大。因此，电成像测井资料在砂砾岩岩性识别方面具有较大的优势。以准噶尔盆地玛湖凹陷百口泉组为例，在砂砾岩岩性分类的基础上，基于岩心刻度测井思想，利用微电阻率扫描成像（FMI）测井资料定性、定量识别砂砾岩岩性。

1 研究区砂砾岩储集层岩性分类

玛湖凹陷位于准噶尔盆地西北缘（图1），是整个盆地油气最为富集的区域。玛湖凹陷西斜坡与克百断裂带、乌夏断裂带相邻，整体为一东南低西北高的单斜，局部发育鼻状构造。三叠系百口泉组属于冲积扇—扇三角洲沉积，不同粒级的砂砾岩广泛分布，砾石成分主要为火山岩，其次为沉积岩，结构成熟度和成分成熟度均较低。

图1 研究区构造位置

岩石粒度分级划分方案较多，不同方案的粒级界限存在一定的差别（表1）。常用的分类（温特华斯制和十进制）按粒级将碎屑颗粒划分为砾、砂和泥3大类，砾石进一步划分为细砾、中砾、粗砾和巨砾，其中温特华斯制以2～4 mm，4～64 mm，64～256 mm和大于256 mm划分，十进制以2～10 mm，10～100 mm，100～1 000 mm和大于1 000 mm划分，这2种方案不适用于玛湖凹陷百口泉组砂砾岩储集层研究，巨砾粒径大，难以在岩心上识别，特别是中砾的粒径跨度范围过大，无法有效反映沉积成因和储集层物性。

岩心物性统计显示，百口泉组砂砾岩储集层物性差异大，其中粒径在8～16 mm的砾岩物性相对好，广泛发育于扇三角洲前缘亚相，而粒径在16～32 mm的砾岩物性较差，一般发育于扇三角洲平原亚相。为了反映砾岩的沉积成因和储集层物性，以粒径16 mm为界限，将中砾岩进一步划分为大中砾岩与小中砾岩（表2）。同时，由于本次研究主要目的为利用电成像测井资料识别各粒级砾岩，且砂岩在研究区分布较少，一般为非储集层，为此本次研究只将岩性划分为巨砾岩（＞128.0000mm）、粗砾岩（32.0000～128.0000mm）、大中砾岩（16.000 0～32.000 0 mm）、小中砾岩（8.000 0～16.000 0 mm）、细砾岩（2.000 0～8.000 0 mm）、砂岩（0.030 0～2.000 0 mm）和泥岩（＜0.030 0 mm）7种类型（图2），其中，粗砾岩和巨砾岩少见。

表1 岩石粒度分级划分方案

表2 玛湖凹陷百口泉组储集层岩石粒度分级（据文献［2］修改）

2 砂砾岩FMI测井响应特征

研究区泥岩岩心以氧化环境的褐色泥岩为主，夹杂少量粉砂质沉积，FMI测井静态图像显示为纯黑色，动态图像上为褐色—黑褐色，表明电阻率为低值（图3a）。砂岩一般呈灰色、灰绿色，岩石颗粒分选最好，主要由火山岩岩屑组成，岩心观察可见平行层理、交错层理等多种沉积构造，FMI测井图像上颜色分布均匀，整体显暗褐色，未见高阻大颗粒形成的亮点，难以分辨出砂岩颗粒大小（图3b）。细砾岩总体呈灰绿色，偶见褐色，砾石成分以火山岩、泥岩为主，分选中等—较好，细砾岩的FMI测井静态图像可见面积较小的白色亮点，亮度较低，不能识别出砾石的轮廓，且呈分散分布（图3c）。小中砾岩整体分选较差，磨圆以次圆状为主，泥质胶结，FMI测井图像上存在面积中等的亮斑，亮斑长轴直径一般小于10 mm，整体趋向于圆形，棱角较少（图3d），可明显识别出砾石定向排列所形成的叠瓦状构造等特征。大中砾岩粒径较大，颗粒分选差，次棱角状为主，FMI测井图像上呈面积大、亮度高的亮斑，亮斑直径大于10 mm，跨越FMI测井扫描范围一般为30°～45°，亮斑棱角明显，大中砾岩上、下常与小中砾岩和细砾岩混杂成层分布，在FMI测井图像上可见明显的正粒序或逆粒序（图3e）。

图2 玛湖凹陷百口泉组不同粒级岩性岩心

3 砂砾岩岩性定量识别

利用FMI测井图像可以直观定性识别岩性，然而，定性识别岩性受人为主观因素影响较大，且识别效率不高，难以准确对单井岩性进行连续定量识别。为此，可利用FMI测井图像，采用图像处理技术和图像识别技术自动识别岩性。根据岩心刻度测井的思路，首先利用砂砾岩岩心建立典型岩性样本库，再通过计算各岩性FMI测井图像样本的特征值，将提取的特征值作为输入，最后利用贝叶斯判别分析法自动识别岩性。

3.1 RGB图像转化为灰度图像

FMI测井图像为数字图像，图像的颜色显示电阻率的高低。数字图像一般为RGB格式，即图像中每一个像素点的颜色被分为3个值：红色值、绿色值和蓝色值，每个颜色值的数值范围为0～255.在进行图像处理时，存放在计算机内存中的图像是一个M×N×3的三维矩阵，其中M为图像长轴的像素点个数，N为图像短轴的像素点个数，3为3种颜色值。图4为细砾岩、小中砾岩和大中砾岩的3种颜色值直方分布，3种颜色分布相近，利用3种颜色值分布的差异识别岩性困难（图4）。将RGB的3种颜色值转化成单一的灰度值则可以解决这一问题，其转化公式为

图3 玛湖凹陷百口泉组砂砾岩FMI测井响应特征

FMI测井图像样本与其灰度图像进行对比（图5），灰度图像虽失去了FMI测井图像原本的彩色，但可以通过一种颜色进行度量，其灰度值分布范围为0～255.RGB图像转化为灰度图像的实质是将三维矩阵转化为二维矩阵，在实际图像矩阵操作中起到简化运算的作用。

3.2 灰度共生矩阵

图4 研究区细砾岩、小中砾岩和大中砾岩3种颜色值直方分布

图5 FMI测井RGB图像（a）与灰度图像（b）对比

FMI测井图像中的纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像上相隔某距离的两个像素之间会存在一定的灰度关系，即图像中灰度空间的相关特性。因此，可利用灰度共生矩阵研究灰度空间相关特性，进而描述图像特性 。灰度图像的灰度共生矩阵能反映出图像方向、相邻间隔和变化幅度的综合信息，是分析图像的局部模式和排列规则的基础。

假设f（x1,y1）为一幅二维数字图像，A为目标区域中具有特定空间联系的像素对的集合，则满足一定的空间关系的灰度共生矩阵P为

（2）式等号右边的分子是具有某种空间关系、灰度值分别为g1和g2的像素对的个数，分母为A集合中像素对的总个数。这样得到的灰度共生矩阵是归一化的。取不同的距离和角度则可以得到不同的灰度共生矩阵，实际求解时常选取距离不变，取不同角度，如0°，45°，90°和135°时的灰度共生矩阵[15]。如果图像由具有相似灰度值像素块构成的，则灰度共生矩阵的对角元素会有比较大的值；如果图像像素灰度值在局部有变化，那么偏离对角线的元素会有比较大的值。

3.3 灰度共生矩阵特征值的提取

为了更好地利用灰度共生矩阵描述纹理特征，选择对比度、相关度、熵、均匀度和能量等特征参数表征灰度共生矩阵。

（1）对比度 反映图像的清晰度和纹理沟纹深浅的程度。纹理沟纹越深，其对比度越大，视觉效果越清晰；反之，对比度越小，则沟纹浅，效果模糊。对比度求取公式为

（2）相关度 度量空间灰度共生矩阵元素在行或列方向的相似程度。当矩阵元素值均匀相等时，相关度大；反之，则相关度小。如果图像有水平方向的纹理，则水平方向灰度共生矩阵的相关度大于其他方向灰度共生矩阵的相关度。相关度求取公式为

式中

（3）熵 表示图像中纹理的非均匀程度或复杂程度。灰度共生矩阵中元素分散分布时，熵值较大。熵的求取公式为

（4）均匀度 反映图像纹理的粗糙度，粗纹理的均匀度大，细纹理的均匀度小。均匀度求取公式为

（5）能量 是灰度共生矩阵元素值的平方和，反映图像灰度分布均匀程度和纹理粗细度。如果灰度共生矩阵的所有值均相等，则能量小；反之，则能量大。能量大反映均一和规则的纹理模式，能量求取公式为

3.4 建立砂砾岩岩性样本库

在利用FMI测井图像建立岩性样本库时，由于动态图像中颜色与电阻率不具有一一对应关系，因此，利用FMI测井静态图像建立砂砾岩岩性样本库。整体上岩性与特征参数间存在明显相关性，不同岩性的同一特征参数均符合正态分布，彼此分布区间不同（图6）。除大中砾岩外，随岩性粒度增大，图像对比度逐渐增大（图6a），相关度逐渐减小（图6b）。大中砾岩对比度和相关度不符合整体规律，这是因为其形成时水动力强，结构组成复杂。与对比度相反，随着岩性粒度的增大，熵、均匀度和能量3个特征参数值逐渐减小（图6c—图6e），即大中砾岩的熵、均匀度和能量分布区间值最小，泥岩分布区间值最大。由于不同岩性特征参数分布存在一定的重叠和交叉，为实现砂砾岩岩性的自动识别，需引入多元统计学的方法来进行进一步划分。

3.5 建立岩性判别函数

针对砂砾岩岩性特征参数值存在部分重叠，岩性不易识别的问题，采用贝叶斯判别分析法识别各岩性。贝叶斯判别分析法认为空间中有G个互相独立的总体，它们均服从多元正态分布，且认为各个总体的协方差相同。在考虑先验概率的前提下，对每一类总体分别建立判别函数，计算待判别样本属于各个总体的条件概率，所有概率的最大值即为该样本所属的类别[16]。基于岩性样本库，利用贝叶斯判别分析法，由对比度、相关度、熵、均匀度和能量等特征参数建立了多元判别函数。具体形式如下：

图6 研究区砂砾岩岩性样本特征参数直方分布

实际运用中，利用FMI测井静态图像，计算各特征值，并将特征值代入上述岩性多元判别函数中，即可得到每一种岩性的判别式得分。比较各判别式得分的大小，得分最大者所归属的类即为待判样品的岩性。

4 实例应用

以玛湖凹陷M18井3 906.00—3 910.00 m井段为例（图7），常规测井曲线自然伽马和井径只能有效划分出泥岩和砂砾岩，自然伽马和井径在3 906.63—3 906.99 m，3 908.45—3 908.61 m 和 3 909.90—3 910.00 m井段偏大，为典型泥岩特征，其他层段的2条测井曲线差别不大，无法有效划分出砂砾岩的级别，地质录井上也笼统的命名为砂砾岩。而通过FMI测井图像对比度、相关度、熵、均匀度和能量5个特征参数的多元判别函数可以计算确定几种岩性的判别曲线，进而确定相应的岩性。3 908.44—3 909.17 m井段具有中对比度、高相关度、中熵值、中均匀度和中能量值的特征，计算得到的泥岩、砂岩、细砾岩、小中砾岩和大中砾岩判别式得分分别为55，79，97，80和0，细砾岩得分最大，因此确定为细砾岩。通过与玛湖凹陷40口井取心井段对比，应用FMI测井图像确定的岩性符合率较高，可达到94%，能够满足科研生产的要求。

图7 M18井FMI测井图像岩性识别效果

5 结论

（1）玛湖凹陷百口泉组砂砾岩岩性可划分为泥岩、砂岩、细砾岩、小中砾岩和大中砾岩，其中，大中砾岩与小中砾岩的粒径界限为16 mm.

（2）利用FMI测井图像可以有效识别砂砾岩岩性；在岩心刻度测井的思路上，利用图像技术，可提取对比度、相关度、熵、均匀度和能量等特征参数，建立砂砾岩典型岩性特征参数样本库；在此基础上，可利用贝叶斯判别分析法自动识别岩性。

（3）电成像测井识别的岩性与岩心对比符合度高，效果好，能满足科研生产的需求。

符号注释

A——区域中像素对的集合；

Bc——蓝色值；

C——灰度共生矩阵对比度；

E——灰度共生矩阵能量；

f（x,y）——数字二维图像；

Gc——绿色值；

Gray——灰度值；

H——灰度共生矩阵均匀度；

（i，j）——指定参数对；

P（g1，g2）——灰度共生矩阵；

R——灰度共生矩阵相关度；

Rc——红色值；

S——灰度共生矩阵熵；

（x1，y1），（x2，y2）——图像中的像素坐标对；

——分别为图像水平方向和垂直方向像素坐标的平均值；

ybc——大中砾岩判别值；

ygc——细砾岩判别值；

ym——泥岩判别值；

ys——砂岩判别值；

ysc——小中砾岩判别值；

σx,σy——分别为图像水平方向和垂直方向像素坐标的方差；

#——集合中元素的个数；

&——与关系；

∈——属于，包含关系。

［1］ 李运振，刘震，张善文，等.济阳坳陷新生界岩性油气藏特征及油气富集条件［J］.地质科学，2009，44（1）：35-49．LI Yunzhen，LIU Zhen，ZHANG Shanwen，et al.Characteristics and enrichment conditions for Cenozoic lithological reservoirs in the Ji⁃yangdepression［J］.ChineseJournalofGeology，2009，44（1）：35-49.

［2］ 张昌民，王绪龙，朱锐，等.准噶尔盆地玛湖凹陷百口泉组岩石相划分［J］.新疆石油地质，2016，37（5）：606-614.ZHANG Changmin，WANG Xulong，ZHU Rui，et al.Litho⁃facies classification of Baikouquan formation in Mahu sag，Junggar basin［J］.Xinjiang Petroleum Geology，2016，37（5）：606-614.

［3］ 曹辉兰，华仁民，纪友亮，等.扇三角洲砂砾岩储层沉积特征及与储层物性的关系——以罗家油田沙四段砂砾岩体为例［J］.高校地质学报，2001，7（2）：222-229．CAO Huilan，HUA Renmin，JI Youliang，et al.Depositional charac⁃teristics of sandstone and conglomerate reservoirs of fan delta and re⁃lationship to reservoirs'physical properties，taking the fourth mem⁃ber of Shahejie formation，Luojia oilfield，Zhanhua depression for an example［J］.Geological Journal of China University，2001，7（2）：222-229.

［4］ 文慧俭，耿冬云，马世忠，等.徐家围子断陷营四段深层砾岩储层成岩作用研究［J］.科学技术与工程，2011，11（1）：11-15.WEN Huijian，GENG Dongyun，MA Shizhong，et al.Diagenesis of the Member 4 of Yingcheng deep conglomerate formation in Xujia⁃weizi fault depression［J］.Science Technology and Engineering，2011，11（1）：11-15.

［5］ 于兴河，瞿建华，谭程鹏，等.玛湖凹陷百口泉组扇三角洲砾岩岩相及成因模式［J］.新疆石油地质，2014，35（6）：619-627.YU Xinghe，QU Jianhua，TAN Chengpeng，et al.Conglomerate litho⁃facies and origin models of fan deltas of Baikouquan formation in Mahu sag，Junggar basin［J］.Xinjiang Petroleum Geology，2014，35（6）：619-627.

［6］ 蔚远江，李德生，胡素云，等.准噶尔盆地西北缘扇体形成演化与扇体油气藏勘探［J］.地球学报，2007，28（1）：62-71.YU Yuanjiang，LI Desheng，HU Suyun，et al.Fans sedimentation and exploration direction of fan hydrocarbon reservoir in foreland thrust belt of the northwestern Junggar basin［J］.Acta Geoscientica Sinica，2007，28（1）：62-71.

［7］ 宫清顺，黄革萍，倪国辉，等.准噶尔盆地乌尔禾油田百口泉组冲积扇沉积特征及油气勘探意义［J］.沉积学报，2010，28（6）：1 135-1 144.GONG Qingshun，HUANG Geping，NI Guohui，et al.Characteristics of alluvial fan in Baikouquan formation of Wuerhe oil field in Jung⁃gar basin and petroleum prospecting significance［J］.Acta Sedimen⁃tologica Sinica，2010，28（6）：1 135-1 144.

［8］ 鲁国明.东营凹陷深层砂砾岩岩性测井综合识别技术［J］.测井技术，2010，34（2）：168-171.LU Guoming.Logging comprehensive identification technology of deep sandy conglomerate lithology，Dongying sag［J］.Well Logging Technology，2010，34（2）：168-171.

［9］ 张丽华，潘保芝，刘思慧，等.梨树凹陷东南斜坡带砂砾岩岩性识别方法研究［J］.测井技术，2012，36（4）：370-372.ZHANG Lihua，PAN Baozhi，LIU Sihui，et al.On lithology identifi⁃cation methods of glutinite in southeast ramp resion of Lishu fault depression［J］.Well Logging Technology，2012，36（4）：370-372.

［10］ 付建伟，罗兴平，王贵文，等.砂砾岩岩相测井识别方法研究［J］.石油化工高等学校学报，2014，27（2）：69-73.FU Jianwei，LUO Xingping，WANG Guiwen，et al.Research of identification method of glutenite lithofacies with well log［J］.Jour⁃nal of Petrochemical Universities，2014，27（2）：69-73.

［11］ 张冲，张占松，陈雨龙，等.致密砂砾岩岩性测井识别方法及应用［J］.科技导报，2014，32（25）：59-62.ZHANG Chong，ZHANG Zhansong，CHEN Yulong，et al.Logging lithology identification of tight sandy conglomerate and its applica⁃tion［J］.Technology Review，2014，32（25）：59-62.

［12］ 袁子龙，陈曦，张洪江.电成像测井资料在砂砾岩油气藏岩性识别中的应用［J］.科学技术与工程，2012，12（4）：758-761.YUAN Zilong，CHEN Xi，ZHANG Hongjiang.An application of re⁃sistivity imaging logging data in lithologic identification of glutenite reservoir［J］.Science Technology and Engineering，2012，12（4）：758-761.

［13］ 金雪英.徐家围子断陷沙河子组砂砾岩储层岩性测井识别方法［J］.东北石油大学学报，2013，37（4）：47-54.JIN Xueying.Identification of lithology logging in glutenite reser⁃voir in Shahezi group of Xujiaweizi fault［J］.Journal of Northeast Petroleum University，2013，37（4）：47-54.

［14］ 王治国，尹成，雷小兰，等.河道纹理属性分析中的灰度共生矩阵参数研究［J］.石油地球物理勘探，2012，47（1）：100-106.WANG Zhiguo，YIN Cheng，LEI Xiaolan，et al.GLCM parameters in fluvial texture analysis［J］.Oil Geophysical Prospecting，2012，47（1）：100-106.

［15］ 焦蓬蓬，郭依正，刘丽娟，等.灰度共生矩阵纹理特征提取的Matlab实现［J］.计算机技术与发展，2012，22（11）：169-175.JIAO Pengpeng，GUO Yizheng，LIU Lijuan，et al.Implementation of gray level co⁃occurrence matrix texture feature extraction using Matlab［J］.Computer Technology and Development，2012，22（11）：169-175.

［16］ 胡建鹏，陈强，黄容.逐步贝叶斯判别分析中的变量优化方法研究［J］.计算机工程与应用，2014，50（21）：63-67.HU Jianpeng，CHEN Qiang，HUANG Rong.Study on variable opti⁃mization method in stepwise Bayes discriminant analysis［J］.Com⁃puter Engineering and Application，2014，50（21）：63-67.