基于CT扫描的天然气水合物储层微观孔隙结构定量表征及特征分析

董怀民, 孙建孟, 林振洲, 崔利凯, 闫伟超

(1.中国石油大学(华东)地球科学与技术学院,山东青岛 266580; 2.青岛海洋科学与技术试点国家实验室海洋矿产资源评价与探测技术功能实验室,山东青岛 266071;3.中国地质大学地球物理与空间信息学院,湖北武汉 430074; 4.中国地质科学院地球物理地球化学勘查研究所,河北廊坊 065000)

储集层的微观孔隙结构是指储集层中岩石的孔隙与喉道的几何形状、尺寸分布及联通性关系等[1-2],天然气水合物储集层微观孔隙结构复杂,其结构特征对水合物的微观分布、贮存含量及孔隙中流体的渗流特性等具有极其重要的影响。因此,从微观尺度对水合物储层的孔隙结构进行系统研究,对水合物数字岩心构建、水合物微观分布特征及水合物数字岩心声电特性数值模拟等研究具有重要意义。目前,岩石微观孔隙结构实验室评价与表征方法呈现多样化、精细化特征,包括毛管压力曲线、扫描电镜、铸体薄片、聚焦离子束、核磁共振等在内的技术与方法都得到了大量的实际应用[3-9]。随着CT扫描技术的广泛应用,基于CT成像的高精度储层表征技术也得到了专家与学者的一致认可,大量研究结果表明,相对于其他方法,CT扫描法是建立岩石微观孔隙结构并对其进行定量表征的最直接、最准确的方法之一[10-16]。笔者以祁连山木里研究区水合物储层为研究对象,运用CT扫描法构建三维数字岩心,提取相应的孔隙结构网络模型,实现岩心孔隙结构的三维显示与孔隙结构参数的定量表征与获取,此外,梳理岩心不同微观孔隙结构参数与水合物储层物性的相关关系。

1 地质背景

研究区位于青海省天峻县木里煤田内,该地区海拔4 000～4 300 m,年平均气温约-5.1 ℃,长年冻土层发育极为广泛且呈岛状分布,其平均厚度为95 m,部分地区多年冻土层厚度超过100 m[17]。研究区大地构造处于中祁连与南祁连两个构造单元之间的拗陷区内,属于北祁连深大断裂体系在燕山期再度复活而形成的断陷盆地[18]。研究区处于木里煤田聚乎更矿区内,部分为三叠系组成的背斜,南北两侧为侏罗系组成的两个背斜,此背向斜南北两侧发育有规模较大的逆推覆断裂,而在南北两个向斜内则发育有规模较大的北东向剪切断裂,整个凹陷区由此被切割成南北分带、东西分区构造特征的不同块段[19-21]。出露的矿区地层主要为第四系、中侏罗统及上三叠统。上三叠统作为基底,其岩性主要包括黑色粉砂岩、泥岩及煤等,与上覆地层侏罗系呈平行不整合接触特征。中侏罗统则包括木里组及江仓组,木里组下部为辫状河冲积平原环境中形成的中粗粒碎屑岩,夹杂碳质泥岩或薄煤层,底部发育有底砾岩,其上部则为湖泊沼泽环境中形成的灰色粉砂岩、细粒砂岩、灰色细中粒砂岩及粗粒砂岩;江仓组下部为三角洲湖泊环境中形成的灰色细粒砂岩、中粒砂岩、深灰色泥岩及粉砂岩,其上部为浅湖—半深湖环境中形成的细碎屑泥岩、粉砂岩,伴随灰色粉砂岩及菱铁矿物。第四系分布较为广泛,主要包括冲积与洪积成因腐植土、砂、砾石,坡积角砾,冰积泥沙、冰层等[21]。

通过前人对祁连山木里地区气体组分的实测与分析,并结合该地区的冻土层厚度、地温梯度等地层环境资料,祝有海等[17]系统地计算了该地区水合物形成的热力学条件。研究结果表明,该地区具备较好的水合物形成条件。中国地质调查局在该地区的实际钻探试井发现,该地区水合物主要以“孔隙型”与“裂缝型”两种状态产出,且主要赋存于中侏罗统江仓组,水合物储层岩性以粉砂岩、泥岩及细砂岩等较为致密的岩石类型为主。由于多期构造运动及断层系统等影响因素的作用,导致储集层岩石裂缝较为发育,即该地区水合物以“裂缝型”赋存类型为主[22]。

2 水合物储层储集特征

2.1 储集空间特征

研究区岩石较为致密,孔隙连通性较差,储集空间以溶蚀型孔隙和微裂缝为主,以原生孔隙为辅。溶蚀孔隙可分为粒内溶孔(图1(c))和粒间溶孔(图1(f)),其形状不规则,连通性较差;黏土矿物与岩石粒间孔隙(图1(d))数量较多,但大多数半径较小,个别半径较大,连通性相对较差;裂缝(图1(a))发育明显,裂缝开度较大,在二维平面上延伸长度大,伴随大裂缝常有微裂缝(图1(e))发育;而原生孔隙(图1(b))其边缘平直,内部清洁无杂质,孔隙半径相对较大。

2.2 储集物性特征

研究区水合物储层孔隙度主要分布在1.42%～11.26%,平均为5.558%,其中小于6%的达到65%;渗透率主要分布于(0.003 8～0.295 0)×10-3μm2,平均为0.051 4×10-3μm2,其中小于0.1×10-3μm2的占比为91.03%;储层孔渗相关性整体较差,不同水合物储层物性差异较小。研究区储集层物性特征表现为岩性致密,物性差,孔渗相关关系较差。

图1 天然气水合物储层储集空间特征Fig.1 Reservoir space characteristics of natural gas hydrate reservoir

3 水合物储层三维孔隙模型构建

数字岩心三维模型及其孔隙网络的准确提取是开展水合物储层岩心三维孔隙结构定量表征及进行特征分析的基础。X射线CT扫描由于其具有的直接、准确等特点,被广泛应用于岩石物理数值模拟研究[23-24]。在构建数字岩心时,对岩心CT扫描直接获取的二维灰度图像(图2(a))选取合理的阈值区间将灰度图像二值化,则能够使其转化为二值图像(图2(c)),将二维图像进行物理空间叠加即可获取相应的三维数值岩心。

对选取的6块水合物储层岩心样品(岩心编号为A～F,对应的岩心实物图像依次为图3(d)～(j))的CT扫描图像进行空间叠加,从而构建数字岩心三维模型,其中岩心样品A、B的数字岩心如图4所示,利用数值模拟方法实现了孔隙度与渗透率的计算,模拟结果与岩心岩石物理实验结果对比如表1所示。由表1可知，二者具有较好的一致性,其中孔隙度平均绝对误差为19.8%,平均相对误差为4.76%,渗透率平均绝对误差为0.34%,平均相对误差为14.8%。

图2 岩心样品图像二值化分割示意图Fig.2 Schematic of image binarization segmentation for samples

图3 天然气水合物储层岩心样品图像Fig.3 Images for core samples of natural gas hydrate reservoir

图4 水合物储层岩心样品三维数字岩心模型Fig.4 Digital core mode of samples in hydrate reservior

基于构建的数字岩心模型,应用最大球算法[25-26],提取了与真实岩心对应的能够反映其孔隙空间拓扑结构的孔隙网络模型。最大球算法由Blunt与Dong等[25,27]提出,其以数字岩心孔隙像素中任意一点为球心,不断增大球体半径向四周延伸直至球体表面与岩石骨架接触,包含所有像素的集合即为最大球,不同大小的球体能够相互重叠,由此,数字岩心所有孔隙能够被不同的最大球填满。该方法目前存在提取的孔隙网络模型的孔隙长度偏大而喉道长度偏小的缺陷。闫国亮等[28]对该方法进行了改进,弥补了上述的不足并得到了较好的应用。运用上述方法能够实现数字岩心孔隙结构网络的提取,用以区分孔隙与喉道并确定其连通性关系。对6块数字岩心的孔隙网络模型进行提取,图4(b)与图4(e)为其中两块岩心样品孔隙结构的三维显示图像,图4(c)与图4(f)为提取的与岩心对应的孔隙网络球管模型,其中球状体代表孔隙,管状体代表喉道。

由图4可知,水合物储层岩心样品与均质性高孔渗砂岩微观结构特征[29]差异较大,总体而言,水合物储层岩心孔喉分布不均匀,孔隙连通性差,并且孔隙度低,渗透率低。

表1 岩心样品物性数值模拟结果效果对比Table 1 Comparison of property numerical simulation with rock physics experiment

4 储层微观孔隙结构特征

为了实现水合物储层微观孔喉结构特征的精细表征,从而综合分析各个参数对水合物储层物性特征的影响规律,需要定量地提取孔喉半径、喉道长度、孔喉比、配位数及形状因子等孔隙结构参数。基于构建的数字岩心,采用数学统计方法获取了上述参数,其数值模拟结果如图5所示。

由岩心样品孔喉参数分布数值模拟结果(图5)可知,不同物性的水合物储层,孔隙半径存在较大差异,岩样D孔隙半径分布呈现双峰状态,孔隙尺寸分布较广,剩余岩心样品则呈单峰状态,其孔隙半径主要集中分布于2.5 μm以下,不同岩心样品孔隙半径的峰值不同,且概率分布存在差异;同样,岩心喉道半径也极为不同,喉道半径除岩样F外均呈单峰分布状态,喉道半径主要分布于2 μm以下,其峰值约为0.5 μm,喉道尺寸分布范围随岩心样品渗透率的增大而变广,喉道半径峰值也随渗透率的增大而增大,从而在曲线关系上呈现出明显的右偏移特征;与之相反,吼道尺寸分布范围随岩心样品渗透率的减小而变窄,喉道半径峰值随渗透率的减小而减小;与喉道半径分布特征相反,喉道长度分布差异相对较小,主要分布于3.7 μm以下,其峰值均约为1 μm,不同样品的喉道长度分布差异主要在于喉道长度峰值左侧的曲线形态。

图5 孔喉参数分布曲线Fig.5 Pore throat parameters distribution curve

孔喉半径比,又称孔喉比,是指在局部范围内孔隙半径与其相连所有喉道的半径平均值之比,通过孔喉半径比分布能够有效地评价孔隙网络模型的均质性。局部孔隙空间中孔隙与喉道的差别随孔喉比的增大而增大,即孔隙空间在微观尺度上的变化越剧烈;局部孔隙空间的孔隙与喉道差别随孔喉比的减小而减小,即孔隙空间在微观尺度发育越均匀。通过统计岩心孔隙网络模型中孔隙数量及与其相连的喉道数量,基于此计算岩心样品的孔喉比分布(图5)。由图可知,岩心孔喉比差异不明显,孔喉比相对较大,局部孔隙空间孔隙与喉道差别较大,孔隙空间在微观尺度上变化剧烈。

岩心孔隙与喉道的形状对水合物的微观分布及孔隙中的流体运移具有非常重要的影响。为了对岩心孔隙与喉道进行定量表征,引入了规则的几何形状并将其用于孔隙与喉道复杂形状的表征。形状因子G定义为

G=A/P2.

(1)

式中,A为孔隙的横截面积;P为横截面周长。

6块岩心样品的孔喉形状因子分布如图6所示。由图6可知,孔隙与喉道的形状因子差异较小,表明水合物储层岩心的孔喉结构基本一致。

图6 岩样孔喉形状因子分布Fig.6 Distribution of throat shape factors in rock samples

岩心孔隙的连通性对孔隙内流体的运移、不同物相的微观分布都有巨大的影响。配位数作为在微观尺度上描述岩心孔隙连通性的重要参数,其数值直接反映孔隙连通性的好坏,配位数越大,岩心孔隙连通性越好;配位数越小,岩心孔隙连通性越差。岩心的平均配位数计算如下式所示:

C=∑nαn.

(2)

式中,C为平均配位数;n为配位数;αn为配位数为n的孔隙占总孔隙的频率。

基于数字岩心技术模拟岩心统计配位数分布,6块岩心样品的配位数分布如图7所示。由图7可知,水合物储层岩心配位数整体较低,表明其孔隙连通性较差,是导致岩心渗透率低的重要因素。

综上所述,若将1 μm作为划分纳米尺度与微米尺度的标准,则研究区水合物储层岩石中喉道主要分布于纳米尺度,部分分布于微米尺度;与之相对,孔隙则少量处于纳米尺度,主要分布于微米尺度,且数值相对较高。岩心渗透性主要由微米孔喉决定;纳米尺度孔喉数量大、占比高,总体积之和较大。虽然岩心渗流能力较差,但对储集层的储集性能仍有重要影响。水合物储层的物性越差,其纳米孔喉发育越丰富。由此可知,水合物储层中微米孔喉是影响渗流特性的主控因素,纳米孔喉对水合物的储量具有重要影响。

5 储层孔隙结构参数与储层物性关系

岩心的孔隙半径、喉道半径等参数直接影响着岩心的孔隙度、渗透率等物性参数的好坏。通过岩心样品的孔隙结构参数与孔隙度、渗透率等储层物性参数的关系曲线,对储层孔喉结构参数与储层物性关系进行了详细的分析。

图8为孔喉结构参数与储层孔隙度及渗透率之间的相关关系。由图8可知,水合物储层平均孔隙半径与孔隙度及渗透率间均呈现较好的相关关系,且相关性表现为孔隙度大于渗透率;平均喉道半径与孔隙度及渗透率间同样呈现较好的相关性,相关性也表现为孔隙度大于渗透率,结果表明,喉道是决定储层渗透率的关键因素。孔喉比与渗透率间存在较好的相关关系,与之相反,孔喉比与孔隙度的相关性相对较差。岩心孔喉比越小,孔喉差异也越小,渗透率却越高。研究区水合物储层孔喉比较大且分布范围较宽,孔喉比较大的岩心样品,其孔隙度相对较小,这可能是由于众多细小喉道围绕孔隙分布而造成的。此外,由图可知,基于数字岩心的孔隙结构参数模拟结果与气测法及数值模拟拟合结果较为相近,进一步印证了数字岩心技术的准确性,从而表明基于CT扫描对水合物储层微观孔隙结构定量表征及特征分析的可靠性。

图7 岩心样品配位数统计分布Fig.7 Statistical distribution of coordination number for core samples

图8 孔喉结构参数与储层孔隙度及渗透率之间的相关关系Fig.8 Relationships between pore throat parameters and porosity or permeability

6 结 论

(1)基于X射线CT扫描技术,获取了研究区水合物储层岩心样品的二维及三维图像,构建了数字岩心三维模型并提取了相应的孔隙网络模型,对孔隙结构参数进行了数值模拟与定量提取,实现了水合物储层岩心微观孔隙结构的定量表征。

(2)研究区水合物储层物性较差,孔喉半径相对较小,水合物储集空间以粒内溶蚀孔隙、粒间溶蚀孔隙与微裂缝为主,以原生孔隙为辅。不同岩心样品的孔喉尺寸与形状略有不同,孔喉主要呈现条带状与孤立状两种状态分布,微孔分布具有非均质性,局部较为发育且主要集中于粒间溶蚀孔隙。喉道尺寸小及连通性差是导致岩心样品实验渗透率低的主要原因。

(3)应用CT扫描技术对研究区水合物储层岩心样品的孔隙结构进行了定量表征与相关参数的准确提取,为开展水合物数字岩心构建及岩石物理数值模拟奠定了坚实基础,同时为分析各个因素对水合物岩石物理特性的影响规律创造了可能,对探索阿尔奇公式计算水合物饱和度的适用性及相关参数的确定具有重要意义。