歐發(fā)輝，賴(lài)富強(qiáng)，夏小雪，李嬌，馬麒，李慧

（重慶科技學(xué)院復(fù)雜油田勘探開(kāi)發(fā)重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 401331）

0 引言

頁(yè)巖氣資源豐富， 在能源發(fā)展戰(zhàn)略中占有重要地位。頁(yè)巖氣通常以游離態(tài)廣泛存在于納米孔隙中，四川盆地川南地區(qū)五峰組—龍馬溪組的海相頁(yè)巖儲(chǔ)層發(fā)育大量有機(jī)質(zhì)孔和少量無(wú)機(jī)質(zhì)孔， 是頁(yè)巖氣的重要存儲(chǔ)空間［1-2］。

測(cè)井作為測(cè)量地球物理參數(shù)的手段， 在頁(yè)巖儲(chǔ)層基本特征和解釋評(píng)價(jià)方面發(fā)揮了重要作用， 可對(duì)礦物含量、 地化參數(shù)及物性參數(shù)等儲(chǔ)層關(guān)鍵參數(shù)進(jìn)行精細(xì)評(píng)價(jià)［1-3］。 近年來(lái)，國(guó)內(nèi)外學(xué)者針對(duì)儲(chǔ)層測(cè)井評(píng)價(jià)模型進(jìn)行的研究取得一定進(jìn)展。Luffel 等［4］通過(guò)研究巖心總孔隙度與測(cè)井參數(shù)關(guān)系， 采用概率統(tǒng)計(jì)方法建立總孔隙度測(cè)井模型，此方法考慮因素單一，結(jié)果偏差較大。侯頡等［5］通過(guò)建立礦物體積模型及測(cè)井響應(yīng)方程，采用最優(yōu)化算法反演計(jì)算出礦物組分含量和總孔隙度，然而此模型中有許多參數(shù)需要確定， 難以準(zhǔn)確評(píng)估且操作復(fù)雜。 Herron 等［6］利用礦物元素質(zhì)量百分比計(jì)算礦物骨架參數(shù)值，隨后基于礦物體積模型計(jì)算孔隙度，最終建立優(yōu)化的總孔隙度測(cè)井模型。 由于建立的測(cè)井模型有機(jī)質(zhì)因素未考慮在內(nèi)， 導(dǎo)致計(jì)算結(jié)果精度比較低，普適性不高，不適用于有機(jī)質(zhì)孔發(fā)育的地區(qū)。因此，有必要建立一種新的頁(yè)巖氣儲(chǔ)層有機(jī)質(zhì)孔隙度的評(píng)價(jià)方法。

圖像處理技術(shù)是當(dāng)前各個(gè)行業(yè)的重點(diǎn)研究手段，傳統(tǒng)的閾值分割算法和邊緣檢測(cè)算法已經(jīng)在多種行業(yè)中得到應(yīng)用。 如李應(yīng)果等［7］通過(guò)閾值分割算法有效識(shí)別了單板穿孔缺陷現(xiàn)象，齊瑞燕等［8］利用迭代閾值分割算法處理電成像圖像，效果良好。

為更精細(xì)地對(duì)不同層段有機(jī)質(zhì)孔隙度進(jìn)行計(jì)算，本文以川南地區(qū)五峰組—龍馬溪組頁(yè)巖（來(lái)自取心井X1，X2）為例，對(duì)研究區(qū)不同深度的掃描電鏡（SEM）圖像進(jìn)行有機(jī)質(zhì)孔隙提取及面孔率計(jì)算， 進(jìn)而代入面孔率和孔隙度關(guān)系式，對(duì)有機(jī)質(zhì)孔隙度進(jìn)行計(jì)算，最終建立測(cè)井計(jì)算模型；同時(shí)進(jìn)行核磁實(shí)驗(yàn)，利用實(shí)驗(yàn)結(jié)果計(jì)算的有機(jī)質(zhì)孔隙度與基于SEM 圖像有機(jī)質(zhì)孔隙度的計(jì)算結(jié)果進(jìn)行對(duì)比，驗(yàn)證該方法的準(zhǔn)確性。 結(jié)果表明，該項(xiàng)工作有利于頁(yè)巖氣儲(chǔ)層有機(jī)質(zhì)孔縱橫向展布規(guī)律研究，可完善頁(yè)巖氣儲(chǔ)層甜點(diǎn)的精細(xì)測(cè)井評(píng)價(jià)。

1 區(qū)域地質(zhì)背景

研究區(qū)主體位于滇黔北坳陷的中西部區(qū)域（川南低陡褶皺帶南緣帶）［6-10］（見(jiàn)圖1）， 該區(qū)五峰組—龍馬溪組地層具有厚度大、總有機(jī)碳豐度高的特點(diǎn)，且保存良好，頁(yè)巖氣賦存量巨大［9-10］。

圖1 研究區(qū)構(gòu)造及實(shí)驗(yàn)取心井位置Fig.1 Structure and location of experimental coring wells in the study area

本次研究的32 個(gè)樣品均采自研究區(qū)典型取心井（X1，X2），取心井位置見(jiàn)圖1。 為反映儲(chǔ)層物性縱向變化，達(dá)到刻度測(cè)井解釋目的，基本上等間距取樣，取樣縱深跨度基本為30～35 m，每口井取樣8 個(gè)，基本覆蓋了所有層位（五峰組—龍一14層），覆蓋了所有優(yōu)質(zhì)儲(chǔ)層，在底部最優(yōu)質(zhì)儲(chǔ)層段，加密了取樣間隔。

五峰組—龍馬溪組， 巖性整體由硅質(zhì)頁(yè)巖逐漸過(guò)渡為灰質(zhì)頁(yè)巖到灰?guī)r（見(jiàn)圖2），表明五峰組—龍馬溪組沉積期，水體逐漸變淺，鹽度逐漸變高，氧化程度逐漸增強(qiáng)，總有機(jī)碳質(zhì)量分?jǐn)?shù)逐漸減小［11-17］。 研究區(qū)五峰組—龍馬溪組一段局部地區(qū)發(fā)育深水砂泥質(zhì)陸棚濁積巖砂體。龍馬溪組二段沉積期，水體隨深度減少而變咸且富含氧氣，水動(dòng)力條件也隨之增強(qiáng)，總體上不利于有機(jī)質(zhì)的形成與保存。 滇黔北地區(qū)中西部以淺水泥質(zhì)陸棚沉積為主，五峰組—龍馬溪組，巖性顏色逐漸變淺，灰質(zhì)含量增加， 巖性整體上由硅質(zhì)頁(yè)巖逐漸過(guò)渡為灰質(zhì)頁(yè)巖到灰?guī)r。龍一段主要發(fā)育深水泥質(zhì)陸棚、灰泥質(zhì)陸棚及深水硅泥質(zhì)陸棚微相。 龍馬溪組二段灰質(zhì)含量增加，筆石化石含量相對(duì)減少，黃鐵礦含量減少，主要發(fā)育為淺水泥質(zhì)陸棚及淺水灰質(zhì)陸棚微相。因此，微相控制了頁(yè)巖的脆性礦物含量， 由龍一11亞段—龍一13亞段硅質(zhì)頁(yè)巖向上逐漸過(guò)渡為泥質(zhì)頁(yè)巖、灰質(zhì)頁(yè)巖。優(yōu)質(zhì)頁(yè)巖氣儲(chǔ)層主要發(fā)育在五峰組—龍一11亞段， 該層段水平層理發(fā)育［11］。

2 有機(jī)質(zhì)面孔率計(jì)算及核磁實(shí)驗(yàn)標(biāo)定

有機(jī)質(zhì)孔隙是四川盆地川南地區(qū)五峰組—龍馬溪組海相頁(yè)巖儲(chǔ)層非常重要的儲(chǔ)集空間［12］，所以對(duì)該地區(qū)的有機(jī)質(zhì)孔隙進(jìn)行識(shí)別尤為重要。 在SEM 圖像中，有機(jī)質(zhì)孔與無(wú)機(jī)質(zhì)孔在亮度上有差異， 導(dǎo)致其成像后的閾值也呈現(xiàn)出明顯差異?；谶@種情況，本研究以川南地區(qū)X1，X2 井不同井段的掃描電鏡圖像閾值差異為出發(fā)點(diǎn)，利用Matlab 軟件，構(gòu)建改進(jìn)Canny-Otsu 算法，對(duì)有機(jī)質(zhì)孔進(jìn)行提取并計(jì)算出其面孔率，同時(shí)搭建 核磁實(shí)驗(yàn)，計(jì)算有機(jī)質(zhì)孔隙占比。

2.1 有機(jī)質(zhì)孔隙的識(shí)別及相關(guān)參數(shù)計(jì)算

2.1.1 閾值分割法原理

閾值分割主要采用Otsu 閾值分割法［13-14］，基本思路為：根據(jù)巖石掃描電鏡的實(shí)驗(yàn)結(jié)果，利用Matlab 分析軟件編制相應(yīng)的命令流， 通過(guò)計(jì)算得到掃描電鏡圖像不同區(qū)域的類(lèi)間方差σ2。當(dāng)圖像分割閾值在灰度范圍內(nèi)順序取值時(shí)，計(jì)算SEM 圖像的σ2；當(dāng)計(jì)算的σ2值最大時(shí)，此時(shí)的分割閾值即為最佳分割閾值。 σ2計(jì)算方法見(jiàn)式（1）。

式中：ω0，ω1分別為不同灰度值的概率之和；uT為掃描電鏡圖像灰度均值；u0，u1分別為掃描電鏡圖像不同區(qū)域灰度均值。

利用Otsu 閾值分割算法對(duì)有機(jī)質(zhì)孔隙進(jìn)行識(shí)別及參數(shù)表征的步驟為：1）對(duì)掃描電鏡圖像進(jìn)行獲?。ㄒ?jiàn)圖3a）；2）對(duì)獲取的掃描電鏡圖像，利用Otsu 閾值分割法對(duì)有機(jī)質(zhì)孔與有機(jī)質(zhì)進(jìn)行閾值提取， 并利用灰度值繪制灰度直方圖［15-16］（見(jiàn)圖3b）；3）利用掃描電鏡圖像，通過(guò)特定的閾值，對(duì)有機(jī)質(zhì)進(jìn)行提?。ㄒ?jiàn)圖3c）；4）利用掃描電鏡圖像， 通過(guò)特定的閾值對(duì)有機(jī)質(zhì)孔隙進(jìn)行提取（見(jiàn)圖3d）；5）通過(guò)有機(jī)質(zhì)孔隙的像素點(diǎn)和有機(jī)質(zhì)的像素點(diǎn)數(shù)量的比值進(jìn)行面孔率求取。

圖3 有機(jī)質(zhì)孔隙提取及參數(shù)獲取Fig.3 Organic pore extraction and parameter acquisition

統(tǒng)計(jì)樣品的圖像數(shù)據(jù)， 可以進(jìn)一步獲得樣品所處頁(yè)巖段的微觀(guān)孔隙結(jié)構(gòu)特征， 但在有機(jī)質(zhì)孔隙提取和面孔率計(jì)算的過(guò)程中，會(huì)有誤差產(chǎn)生。產(chǎn)生誤差的原因主要有： 掃描電鏡圖像中有機(jī)質(zhì)孔隙與有機(jī)質(zhì)、 無(wú)機(jī)質(zhì)的閾值區(qū)分不明顯， 使得閾值分割無(wú)法達(dá)到理想效果； 在有機(jī)質(zhì)孔的提取中， 圖像中無(wú)機(jī)質(zhì)孔與有機(jī)質(zhì)孔的閾值過(guò)于近似， 使用閾值分割算法無(wú)法剔除裂縫和無(wú)機(jī)質(zhì)孔的影響， 對(duì)有機(jī)質(zhì)面積和有機(jī)質(zhì)孔面積計(jì)算造成誤差； 在計(jì)算面孔率時(shí)， 由于有機(jī)質(zhì)孔邊緣存在高亮區(qū)域，導(dǎo)致有機(jī)質(zhì)提取時(shí)存在空白區(qū)域，進(jìn)而計(jì)算有機(jī)質(zhì)的面積偏小。

當(dāng)前軟件還不能解決以上問(wèn)題， 為了盡可能精確表征孔隙微細(xì)結(jié)構(gòu)，需要將灰度變換增強(qiáng)［17］、邊緣檢測(cè)算法、閾值分割算法進(jìn)行結(jié)合改進(jìn)，才能使算法更適用于有機(jī)質(zhì)孔面孔率的計(jì)算，有效解決存在的問(wèn)題。

2.1.2 Canny 邊緣檢測(cè)算法

Canny 邊緣檢測(cè)算法是當(dāng)前較為出色的多邊緣檢測(cè)算法，在多個(gè)領(lǐng)域已經(jīng)得到廣泛應(yīng)用，基本思想是通過(guò)圖像的幅度值與方向的極大值提取圖片的邊緣信息。 主要步驟為：1）將圖像灰度化后進(jìn)行高斯濾波，以此達(dá)到去除高頻噪聲的目的；2）利用算子計(jì)算圖像梯度和強(qiáng)度，表征邊緣強(qiáng)度與方向；3）根據(jù)梯度方向?qū)D像梯度強(qiáng)度進(jìn)行非極大值抑制，得到單像素邊緣點(diǎn)；4）設(shè)置雙閾值保留強(qiáng)邊界和潛在邊界，并連接邊緣。

引入邊緣檢測(cè)算法的目的是為了有效避免無(wú)機(jī)質(zhì)中的孔隙對(duì)于有機(jī)質(zhì)孔隙提取工作的影響。 但是傳統(tǒng)的Canny 算法對(duì)SEM 圖像進(jìn)行處理會(huì)存在有機(jī)質(zhì)提取不準(zhǔn)確、邊緣不閉合的問(wèn)題，需要根據(jù)實(shí)驗(yàn)需求進(jìn)行拓展與改進(jìn)。

2.1.3 有機(jī)質(zhì)孔隙識(shí)別及參數(shù)表征

因SEM 掃描電鏡圖像中地質(zhì)信息過(guò)多，存在孔隙邊緣高亮問(wèn)題和無(wú)機(jī)質(zhì)孔隙的影響， 現(xiàn)對(duì)傳統(tǒng)Canny算法進(jìn)行相應(yīng)的改進(jìn)，并結(jié)合Otsu 閾值分割算法和灰度變換增強(qiáng)，形成一種改進(jìn)Canny-Otsu 算法。 利用改進(jìn)Canny-Otsu 算法，對(duì)SEM 掃描電鏡圖像（X2 井龍一12亞段樣品（深度為2 248.88 m）有機(jī)質(zhì)孔掃描電鏡圖）進(jìn)行處理（見(jiàn)圖4），具體步驟為7 步。

1）利用Otsu 閾值分割算法對(duì)SEM 圖像進(jìn)行處理，繪制灰度直方圖， 獲取圖像有機(jī)質(zhì)與有機(jī)質(zhì)孔隙的閾值。 對(duì)原圖觀(guān)察分析看出，掃描電鏡圖像有機(jī)質(zhì)、有機(jī)質(zhì)孔隙區(qū)分不明顯。對(duì)直方圖進(jìn)行分析得出，閾值基本為70～150，閾值集中，難以區(qū)分有機(jī)質(zhì)孔隙與有機(jī)質(zhì)。

2）對(duì)SEM 圖像的閾值進(jìn)行灰度變換增強(qiáng)處理。已經(jīng)灰度化的SEM 圖像按一定變換關(guān)系逐點(diǎn)改變?cè)磮D像中每一個(gè)像素灰度值，使圖像中的有機(jī)質(zhì)、無(wú)機(jī)質(zhì)和孔隙的閾值特征更加明顯， 這有利于后期的有機(jī)質(zhì)和有機(jī)質(zhì)孔隙的提取?；叶茸儞Q增強(qiáng)處理得到的圖像（見(jiàn)圖4c）與原圖（見(jiàn)圖4a）對(duì)比發(fā)現(xiàn)，有機(jī)質(zhì)與有機(jī)質(zhì)孔隙變得更為突出。 由增強(qiáng)處理的灰度直方圖（見(jiàn)圖4d）可以看出，增強(qiáng)處理后的閾值更加趨近于兩端，處理后增強(qiáng)的灰度直方圖顯示圖像量化恰當(dāng)， 使有機(jī)質(zhì)與非有機(jī)質(zhì)的閾值差異更大，在后續(xù)工作中，根據(jù)所求閾值范圍自適應(yīng)提取有機(jī)質(zhì)面積更加精準(zhǔn)。

3）采用自適應(yīng)中值濾波代替高斯濾波平滑圖像，去除噪點(diǎn)。中值濾波是一種非線(xiàn)性平滑技術(shù)，采用濾波窗口對(duì)待處理的圖像矩陣進(jìn)行處理， 將窗口中的圖像像素點(diǎn)進(jìn)行排序，并采用中值替代窗口中的像素值，以達(dá)到平滑圖像的效果［18］。 中值濾波對(duì)比高斯濾波可以在兼顧保留像素信息的基礎(chǔ)上不對(duì)原圖像產(chǎn)生較大影響，但是中值濾波受濾波窗口大小的影響較大，易造成圖像不連續(xù)。 自適應(yīng)中值濾波是在中值濾波的基礎(chǔ)上引入了自適應(yīng)濾波算法的思想， 可以根據(jù)不同情況設(shè)好不同條件，動(dòng)態(tài)改變中值濾波器的窗口尺寸。

4）對(duì)圖像進(jìn)行非極大值抑制。

5）利用Otsu 算法確定雙閾值，進(jìn)行閾值篩選。 利用第1）步提取到的有機(jī)質(zhì)與有機(jī)質(zhì)孔隙的閾值范圍［0，L］確定有機(jī)質(zhì)與無(wú)機(jī)質(zhì)閾值分割值t：有機(jī)質(zhì)與有機(jī)質(zhì)孔隙的閾值分割值為t0，［t+1，L］為無(wú)機(jī)質(zhì)閾值范圍；［0，t］為有機(jī)質(zhì)閾值范圍［19］。 令有機(jī)質(zhì)像素點(diǎn)的全幅比值為a0，平均灰度級(jí)為u0；無(wú)機(jī)質(zhì)像素點(diǎn)比值為a1，平均灰度級(jí)為u1，圖像總平均灰度為u，類(lèi)間方差為σ。

根據(jù)Otsu 算法，當(dāng)σ 取最大值時(shí)，此時(shí)的灰度級(jí)為最佳閾值，即為高閾值Th。 低閾值T1為

6）邊緣膨脹使有機(jī)質(zhì)的邊緣連接成封閉區(qū)域。SEM圖像中少數(shù)孔隙的閾值范圍接近于有機(jī)質(zhì)閾值范圍，影響有機(jī)質(zhì)提取（見(jiàn)圖5）。 所以，需要進(jìn)行邊緣膨脹操作，經(jīng)過(guò)膨脹后的有機(jī)質(zhì)邊緣會(huì)形成閉合區(qū)域［20］。

圖5 無(wú)機(jī)質(zhì)孔放大圖像Fig.5 Enlarged image of inorganic pores

7）連通域面積過(guò)濾。 經(jīng)過(guò)膨脹后的有機(jī)質(zhì)邊緣會(huì)形成閉合，將閉合區(qū)域進(jìn)行面積篩選，保留大面積，去除小面積， 可以有效規(guī)避無(wú)機(jī)質(zhì)孔隙與無(wú)機(jī)質(zhì)閉合區(qū)域的影響。 改進(jìn)Canny-Otsu 算法的流程見(jiàn)圖6。

圖6 改進(jìn)Canny-Otsu 算法計(jì)算有機(jī)質(zhì)提取流程Fig.6 Flow chart of organic matter extraction calculated by improved Canny-Otsu algorithm

利用改進(jìn)Canny-Otsu 算法對(duì)實(shí)例圖進(jìn)行處理，可以獲得有機(jī)質(zhì)的區(qū)域， 通過(guò)計(jì)算區(qū)域面積可以獲得有機(jī)質(zhì)的面積， 然后通過(guò)對(duì)有機(jī)質(zhì)區(qū)域進(jìn)行二值化處理提取出有機(jī)質(zhì)孔隙并計(jì)算出有機(jī)質(zhì)孔隙面積。 傳統(tǒng)Otsu 閾值分割算法處理后結(jié)果與改進(jìn)Canny-Otsu 算法的處理后結(jié)果對(duì)比見(jiàn)圖7、圖8。

圖7 有機(jī)質(zhì)區(qū)域提取區(qū)域Fig.7 Extraction results of organic matter regions

圖8 有機(jī)質(zhì)孔區(qū)域提取區(qū)域Fig.8 Extraction results of organic pore regions

由圖7a，7b 看出，有機(jī)質(zhì)中去除了無(wú)機(jī)孔的影響，并且有機(jī)質(zhì)孔邊緣高亮區(qū)域的影響也得到了去除。 由圖8a，8b 可以清晰看出，圖7 中的無(wú)機(jī)質(zhì)孔已經(jīng)去除。

2.1.4 表征結(jié)果

在X1 井和X2 井的電鏡圖像中，選取代表性的8張（具有統(tǒng)一比例尺）圖像進(jìn)行有機(jī)質(zhì)和有機(jī)質(zhì)孔提取，計(jì)算有機(jī)質(zhì)孔面積與有機(jī)質(zhì)面積的比值，獲取面孔率。 最終計(jì)算結(jié)果見(jiàn)表1。

表1 X1 井和X2 井面孔率計(jì)算Table 1 Surface porosity calculation of Well X1 and X2

2.2 基于核磁實(shí)驗(yàn)有機(jī)質(zhì)孔和無(wú)機(jī)質(zhì)孔比例計(jì)算

飽和水、 飽和油核磁對(duì)比實(shí)驗(yàn)的一個(gè)目標(biāo)是判斷有機(jī)質(zhì)孔、無(wú)機(jī)質(zhì)孔的比例［21］。 如圖9 所示，藍(lán)色數(shù)據(jù)點(diǎn)為壓力在20.68 MPa、 溫度在90 ℃狀態(tài)下飽和鹽水的核磁T2譜減去來(lái)樣狀態(tài)的核磁T2譜， 目的是消除黏土束縛水的影響［20-28］。 紅色數(shù)據(jù)點(diǎn)為壓力在20.68 MPa、溫度在90 ℃狀態(tài)下飽和油的核磁T2譜減去來(lái)樣狀態(tài)的核磁T2譜。

對(duì)比2 套T2譜的包絡(luò)面積可以分別得到有機(jī)質(zhì)孔（親油孔）和無(wú)機(jī)質(zhì)孔（親水孔）的孔隙度。X1 井2 個(gè)樣品有機(jī)質(zhì)孔與無(wú)機(jī)質(zhì)孔的比例分別為56.7∶43.3 和54.2∶45.8。 X2 井2 個(gè)樣品有機(jī)質(zhì)孔與無(wú)機(jī)質(zhì)孔的比例分別為54.6∶45.4 和51.9∶48.1。

綜合分析得出，研究區(qū)有機(jī)質(zhì)孔、無(wú)機(jī)質(zhì)孔的比例約為55∶45。

3 測(cè)井計(jì)算模型構(gòu)建

利用研究區(qū)礦物元素類(lèi)型及質(zhì)量分?jǐn)?shù)構(gòu)建的儲(chǔ)層礦物組分體積模型見(jiàn)圖10。 利用最優(yōu)化反演計(jì)算儲(chǔ)層的有機(jī)質(zhì)骨架干酪根、 無(wú)機(jī)質(zhì)骨架礦物質(zhì)量分?jǐn)?shù)及孔隙度，為構(gòu)建有機(jī)質(zhì)孔孔隙度計(jì)算模型做準(zhǔn)備。

圖10 頁(yè)巖氣儲(chǔ)層礦物組分體積模型Fig.10 Volume model of mineral components in shale gas reservoirs

3.1 頁(yè)巖儲(chǔ)層礦物組分的確定

X1 井和X2 井均進(jìn)行了QEMSCAN 礦物成分分析，與LithoScanner 巖性?huà)呙铚y(cè)井解釋結(jié)果（巖心刻度后）對(duì)比結(jié)果見(jiàn)圖11。 由圖11 可以看出，整體上巖性?huà)呙铚y(cè)井的礦物質(zhì)量分?jǐn)?shù)與巖心測(cè)試結(jié)果一致性較強(qiáng)，為計(jì)算模型的建立提供了基礎(chǔ)。

圖11 X2 井QEMSCAN 礦物成分結(jié)果與標(biāo)定后巖性?huà)呙铚y(cè)井處理結(jié)果對(duì)比Fig.11 Comparison of QEMSCAN mineral composition results with lithological scanning logging results after calibration of Well X2

3.2 總有機(jī)質(zhì)骨架干酪根體積分?jǐn)?shù)計(jì)算方法

1）總有機(jī)碳質(zhì)量分?jǐn)?shù)計(jì)算方法。 將密度測(cè)井響應(yīng)特征納入總有機(jī)碳質(zhì)量分?jǐn)?shù)計(jì)算影響因素，可表示為

式中：TOC為總有機(jī)碳質(zhì)量分?jǐn)?shù)，g/g；R為深側(cè)向電阻率，Ω·m；駐t為聲波時(shí)差，μs/m；ρ 為測(cè)井密度，g/cm3；A，B，C為無(wú)量綱擬合系數(shù)。

2）總有機(jī)質(zhì)骨架干酪根體積計(jì)算模型［22］。 依據(jù)密度測(cè)井，假設(shè)ρ 為主要測(cè)量無(wú)機(jī)礦物骨架密度值，TOC也可為

式中：ρtoc為有機(jī)碳密度，g/cm3；Vtoc為有機(jī)質(zhì)骨架干酪根體積分?jǐn)?shù)。

根據(jù)式（5），可得：

井眼環(huán)境及含氣性的一些影響導(dǎo)致測(cè)井值偏低，或黃鐵礦的影響導(dǎo)致測(cè)井值偏高，因此，需要對(duì)其進(jìn)行適當(dāng)?shù)男Ｕ?，則校正后干酪根體積分?jǐn)?shù)為［23］

式中：Vkero為校正后干酪根體積分?jǐn)?shù)；λ 為校正因子。

式（7）中，對(duì)于Vtoc偏低情形時(shí)，λ 一般為1.0～2.0；對(duì)于Vtoc偏高情況下，λ 為0.5～1.0。 根據(jù)前人的研究成果，ρtoc一般為1.3 g/cm3，范圍為［1.2，1.5］。

3.3 有機(jī)孔孔隙度計(jì)算方法

本文構(gòu)建的模型參數(shù)， 主要包括泥質(zhì)體積分?jǐn)?shù)（Vsh）、石英長(zhǎng)石砂巖體積分?jǐn)?shù)（VQFM）、碳酸鹽巖體積分?jǐn)?shù)（Vcar）、黃鐵礦體積分?jǐn)?shù)（Vpyr）、校正后干酪根體積分?jǐn)?shù)（Vkero），還有孔隙度（?）。 通過(guò)最優(yōu)化反演計(jì)算出這些礦物體積分?jǐn)?shù)之后，則總孔隙度?t為

基于本次研究所涉及的基于閾值分割算法所求得的有機(jī)質(zhì)孔面孔率和利用核磁實(shí)驗(yàn)所求得的有機(jī)質(zhì)孔隙度占比，可分別得到不同的計(jì)算模型（見(jiàn)式（9）、式（10）、式（11））。

式中：β 為圖像處理獲得的不同小層的有機(jī)質(zhì)孔面孔率均值；ε 為核磁實(shí)驗(yàn)確定的有機(jī)質(zhì)孔占比；?organic為有機(jī)質(zhì)孔孔隙度；?inorganic為無(wú)機(jī)質(zhì)孔孔隙度。

3.4 有機(jī)質(zhì)孔隙度計(jì)算模型實(shí)例與分析

利用圖像分割算法和基于最優(yōu)化反演與核磁實(shí)驗(yàn)結(jié)合的有機(jī)質(zhì)孔孔隙度計(jì)算式（9）、式（10），分別得到了X1 井（見(jiàn)圖12）、X2 井（見(jiàn)圖13）的計(jì)算有機(jī)質(zhì)孔孔隙度和核磁實(shí)驗(yàn)有機(jī)質(zhì)孔孔隙度。

圖12 X1 井巖心實(shí)驗(yàn)測(cè)得的有機(jī)質(zhì)孔孔隙度與測(cè)井計(jì)算模型結(jié)果對(duì)比Fig.12 Comparison of organic porosity measured by core experiment with results of logging calculation model of Well X1

圖13 X2 井巖心實(shí)驗(yàn)測(cè)得的有機(jī)質(zhì)孔孔隙度與測(cè)井計(jì)算模型結(jié)果對(duì)比Fig.13 Comparison of organic porosity measured by core experiment with results of logging calculation model of Well X2

2 條數(shù)據(jù)曲線(xiàn)對(duì)比可以看出，數(shù)據(jù)曲線(xiàn)基本吻合，只有局部有所偏差。 造成此現(xiàn)象的原因可能是改進(jìn)Canny-Otsu 算法所處理的圖像樣本不足。 計(jì)算的實(shí)驗(yàn)有機(jī)質(zhì)孔隙度和核磁實(shí)驗(yàn)分析的有機(jī)質(zhì)孔隙度的絕對(duì)誤差均在10%以?xún)?nèi)，X1 井樣品的平均絕對(duì)誤差為6.30%，X2 井樣品的平均絕對(duì)誤差為5.02%。

4 結(jié)論

1）通過(guò)對(duì)掃描電鏡圖像進(jìn)行圖像處理與分析，構(gòu)建出適用于SEM 圖像的改進(jìn)Canny-Otsu 算法。 分別對(duì)X1 和X2 井的樣品圖像進(jìn)行圖像處理，計(jì)算出面孔率為11.68%～21.72%，平均面孔率為15.55%。 飽和鹽水、 飽和油的核磁對(duì)比實(shí)驗(yàn)得出，X1 井和X2 井樣品的有機(jī)質(zhì)孔、無(wú)機(jī)質(zhì)孔比例約55∶45。

2）依據(jù)最優(yōu)化反演計(jì)算得到了儲(chǔ)層的有機(jī)質(zhì)骨架干酪根及總孔隙度， 結(jié)合圖像分割算法得到的研究區(qū)面孔率與核磁實(shí)驗(yàn)得到的有機(jī)質(zhì)孔和無(wú)機(jī)質(zhì)孔比例，構(gòu)建了基于研究區(qū)面孔率的有機(jī)質(zhì)孔孔隙度計(jì)算模型和基于有機(jī)質(zhì)孔占比的有機(jī)質(zhì)孔孔隙度計(jì)算模型。

3）基于圖像分割算法的有機(jī)質(zhì)孔孔隙度計(jì)算方法和基于核磁實(shí)驗(yàn)的有機(jī)質(zhì)孔孔隙度計(jì)算方法所得到的有機(jī)質(zhì)孔孔隙度絕對(duì)誤差均在10%以?xún)?nèi)。 這表明，本文的研究成果為頁(yè)巖氣儲(chǔ)層有機(jī)質(zhì)孔隙度測(cè)井計(jì)算提供了一種可借鑒的方法和思路， 為海相頁(yè)巖氣儲(chǔ)層甜點(diǎn)評(píng)價(jià)和預(yù)測(cè)奠定了基礎(chǔ)。