澳大利亚库珀盆地二叠系Roseneath组与Murteree组页岩矿物模拟及岩石物性参数

JADOON Quaid Khan,ROBERTS Eric,BLENKINSOP Tom,WUST Raphael,SHAH Syed Anjum

（1.Department of Earth and Oceans,James Cook University；2.TRICAN Geological Solutions Ltd；3.Saif Energy Limited）

澳大利亚库珀盆地二叠系Roseneath组与Murteree组页岩矿物模拟及岩石物性参数

JADOON Quaid Khan1,ROBERTS Eric1,BLENKINSOP Tom1,WUST Raphael2,SHAH Syed Anjum3

（1.Department of Earth and Oceans,James Cook University；2.TRICAN Geological Solutions Ltd；3.Saif Energy Limited）

以澳大利亚库珀盆地二叠系Roseneath组和Muteree组页岩样品及测井数据为基础，综合利用地球化学分析、测井解释和岩心分析技术对Roseneath组和Muteree组页岩进行矿物模拟及岩石物性参数研究，评估这两套页岩的页岩气资源潜力。综合岩心和岩屑样品分析得到的沉积学、岩相学、扫描电镜（SEM）和X射线衍射（XRD）数据，建立目的层矿物模型；基于岩心和岩屑的常规岩心分析结果、伽马测井资料、扫描电镜分析结果、XRD分析结果、地球化学和岩相学分析结果，针对关键井进行岩石物理建模。利用所建模型对两套页岩进行矿物成分模拟和岩石物性参数分析。Roseneath组页岩和Murteree组页岩均由黏土、石英、碳酸盐和干酪根组成，还含有少量副矿物，如长石、菱铁矿等。根据孔隙度、渗透率、TOC、含水饱和度、矿物组成等结果判断，Murteree组页岩在盆地范围内的资源潜力比Roseneath组页岩更好，潜力区在Encounter 1井区及其周边地区。图6表4参14

页岩气；页岩矿物模拟；岩石物性；库珀盆地；二叠系Roseneath组；二叠系Murteree组

1 研究区概况

库珀盆地（Cooper Basin）位于澳大利亚南澳大利亚州北部、昆士兰州西南部，面积约130 000 km2。盆内发育4大地槽，即Patchawarra、Nappamerri、Allunga和Tenappera地槽，这些大地槽中沉积了厚达2 500 m的石炭系—三叠系（见图1）。库珀盆地已有40 a的大规模常规油气勘探开发历史[1]，近年来，随着全球非常规油气勘探开发的兴起，盆地的页岩气资源开始得到关注。盆地以往岩石物理测井研究通常针对常规砂岩和碳酸盐岩，在很大程度上局限于自然伽马、电阻率、中子和声波等常规测井研究，地层测试与旋转井壁取心资料有限。本次研究以库珀盆地二叠系Murteree组和Roseneath组湖相页岩段的岩心以及现有的电缆测井资料为基础，采用非常规油气储集层岩石物性分析技术，综合利用地球化学分析、测井解释和岩心分析技术（如粉末X射线衍射（XRD）、岩相显微镜观察、ICP-MS（电感耦合等离子体质谱仪）检测和扫描电镜（SEM）观察），建立目的层矿物模型和岩石物理模型，计算得到样品总有机碳含量（TOC）、孔隙度、渗透率以及含水饱和度（Sw）等参数，评估这两套页岩的页岩气资源潜力。

图1 研究区位置图[2-3]

2 模型建立

岩石物理研究通常将储集层分为两类，一类为符合Archie假设的单模态孔隙系统储集层（以下称Archie储集层）[4]，另一类为不具有单模态孔隙系统，即不满足Archie假设的储集层以及大多数非常规油气储集层（以下称非Archie储集层）[5-7]。前人对第1类储集层进行了深入研究，而对第2类储集层的研究才刚刚起步，但其却涵盖了目前最常见的勘探目标。本文研究对象为Murteree组和Roseneath组页岩，属于第2类储集层，因此，其评价方法不能采用常规油气储集层描述技术，并且必须考虑颗粒大小、黏土体积、干酪根以及黏土表面电导率等影响因素。

2.1 矿物模型

本文采用Senergy公司Interactive Petrophysics（IP）软件的Mineral Solver模块，综合岩心和岩屑样品分析得到的沉积学、岩相学、SEM和XRD数据，建立目的层矿物模型，以根据测井资料模拟目的层页岩矿物组成，评价页岩储集层物性。

岩石物性研究包括4个部分：TOC值测定、矿物模拟、孔隙度测定以及含水饱和度计算。

2.1.1 TOC值测定

在Trican公司实验室进行岩心TOC值测定，并且补充了利用测井资料计算得到的TOC值，得到整个页岩段TOC值分布。利用测井资料计算TOC的方法如下：首先对电阻率和孔隙度曲线进行标定，然后根据两者的分离程度，采用ΔlogR方法确定总有机碳含量（TOC）[8-9]：

验证ΔlogR法计算得到的TOC值正确是否，最好的办法是与钻井岩屑分析得到的TOC值进行对比。岩屑取样间隔通常略大于ΔlogR法的近似分辨率，但两者都代表一个层段的平均值，因而具有可对比性。本文利用ΔlogR法计算得到的TOC曲线在Murteree组和Roseneath组页岩段与岩屑和岩心分析数据均吻合。相关参数可应用于其他数据不够完备的井。

该方法可能存在的最大缺陷是假设除了干酪根，其他岩石组分不影响电阻率和孔隙度曲线。但实际并非如此，如大量黄铁矿的存在会影响电阻率曲线，使富有机质岩石表现出较低的电阻率，从而错过富有机质岩石[8]。根据XRD分析结果，本文研究目的层不含黄铁矿，因此可以使用ΔlogR方法进行TOC计算。

页岩气产层的TOC值（例如美国Barnett、Marcellus和Eagle ford含气页岩）约为1.5%～8.0%[10]，因此将潜力区的TOC门限值定为1.5%。

表1 Encounter 1井Roseneath组页岩岩心XRD分析矿物组成和TOC分析结果

2.1.2 矿物模拟

在岩心XRD数据基础上（见表1、表2），利用IP软件的Multiple Mineral Model模块进行多矿物模拟，经过几次迭代之后，可以准确确定矿物端点，然后可以将根据测井资料计算的矿物体积分数与XRD分析得到的矿物体积分数进行对比。

表2 Dirkala 2井Murteree组页岩岩心XRD分析矿物组成和TOC分析结果

2.1.3 孔隙度测定

首先将TOC值转换为干酪根含量，利用密度测井数据计算孔隙度；然后考虑干酪根的影响对孔隙度计算结果进行校正；最后利用多矿物模拟得到的孔隙度结果对计算的孔隙度进行标定。

在页岩储集层岩石物性评价中，干酪根体积分数（Vk）的估算是精确计算吸附气含量和孔隙度的关键。在已知TOC值的前提下，可采用下式计算干酪根体积分数[9]：

利用密度测井资料估算孔隙度的公式如下[11]：

利用测井曲线按公式（4）计算的孔隙度值往往偏大，需要利用干酪根数据对孔隙度值进行校正，方法如下[12]：

2.1.4 含水饱和度计算

采用标准泥质砂岩方程进行计算，一旦岩心含水饱和度与根据测井曲线得到的结果一致，可将相关参数推广应用到非关键井。

2.2 岩石物理模型

本次研究针对关键井进行了岩石物理建模，输入参数如下：岩心和岩屑的常规岩心分析结果、伽马测井资料、扫描电镜分析结果、XRD分析结果、地球化学和岩相学分析结果。在模型建立过程中，需要注意以下问题：①页岩自然伽马值通常很高，但在还原环境下，高含铀量会导致黏土GR值偏高，因而难以利用GR曲线识别黏土。②多矿物模型黏土含量计算结果取决于所有输入曲线的综合响应，因此，输入曲线的数量对模型质量有很大影响。③当产层产出大量游离气时，地层压力会降低，此时吸附气会从干酪根表面释放出来，从而影响气体体积的计算。④利用Archie公式计算出的含水饱和度可能远大于实际值，主要原因在于岩石小孔隙中存在毛细管现象，其中的游离气和束缚水不能被采出；另一方面，页岩中的黏土会产生很高的电导率，从而影响计算结果的准确性。⑤尽管页岩孔隙尺度小（微米—纳米级），但页岩中的无机部分、高脆性部分以及干酪根的孔隙度值可能高于测量值[12]。

3 矿物成分模拟

页岩评价要求地层中的各种矿物含量稳定，在含有黏土、干酪根和细粒沉积物的情况下，无法利用电缆测井识别标准矿物。多矿物岩石物理模型是解决诸如页岩储集层评价之类难题的最佳方案，通过调整输入参数，使岩心和测井数据吻合，即可实现建模结果的校正。由于不同的矿物模型定义（矿物端点）以及与所用测井曲线物理原理有关的不同假设条件，因此测井解释也会有所不同。矿物端点是指某种矿物在某条测井曲线上的数值，对于每一种矿物，都有一个端点参数，对应于岩石全部由该矿物组成时的测井值。将多矿物模型输入岩石物理软件包的矿物求解系统（如本文使用的IP软件包），求解系统会利用所有的测井曲线以及岩石物理模型和矿物模型进行计算，计算结果包括整个目标层段的泥质含量、孔隙度、含水饱和度以及矿物组成。系统还会根据建模结果重新生成输入曲线。因此采用该方法，可以检查矿物模型和岩石物理模型是否有效。

在大多数研究中，页岩通常包含大约10种主要矿物，如石英、长石、碳酸盐、钛氧化物和黏土矿物等。在本次研究中，大多数井只有4～7条独立的岩石物性曲线，由于IP软件包的矿物求解系统无法处理矿物种类多于输入曲线数量的情况，因此构建岩石矿物模型时要对组分进行归类。笔者采用了两种方法，建立了两个不同的模型：①对于常规测井系列齐备的井，分别计算了石英、碳酸盐+长石、伊利石/云母、白云母、干酪根的矿物体积分数，碳酸盐+长石所占比例很小时，将其归为石英一类以简化模型；若脆性矿物（石英以外的矿物）的体积分数很小，则将其归到石英一类中。②对于测井曲线不全的井，将石英、方解石、长石和钛氧化物等矿物合并作为石英处理，而将黏土矿物（伊利石、白云母和绿泥石）合并为黏土；由于干酪根对孔隙度的影响很大，需要单独进行处理。直接将矿物模型计算结果与岩心XRD分析得到的矿物组分进行对比，以检验矿物模型的准确性（见图2、图3）。利用多矿物模型，可以对输入曲线和输出曲线进行对比，也有助于确定模型的正确性。将数据完备的关键井得到的输出参数推广应用[13]，可对资料有限的井进行矿物评价（见图4）。

4 页岩SEM分析

Roseneath组页岩和Murteree组页岩都属于强非均质性地层，通过岩心肉眼观察容易识别出含煤层夹层的富黏土层段。XRD分析表明这两段页岩主要由黏土矿物（高岭石、伊利石）、白云母和石英组成（见表1、表2）。SEM图像显示页岩中有机质发育，且平行于层理面排列。由于石英和黏土矿物含量高，且多孔干酪根和菱铁矿发育，页岩呈叶片状结构（见图5、图6）。

图2 Encounter 1井Roseneath组页岩矿物模型（图中黑点代表岩心分析结果）

图3 Dirkala 2井Murteree组页岩矿物模型（图中黑点代表岩心分析结果）

图4 Dirkala 1井Murteree组页岩矿物模型（图中黑点为岩屑分析结果，该井没有岩心数据，以Dirkala 2井输出参数作为输入参数）

图5 Dirkala 2井Murteree组页岩SEM图像

图6 Moomba 46井Roseneath组页岩（3 260 m）SEM图像

5 结果和讨论

岩石概念模型表明，Murteree组页岩和Roseneath组页岩均由无机碎屑和干酪根组成，两段页岩岩心外观相似、颗粒尺寸一致（粉砂—黏土级别），但不同地区矿物组成却变化明显。Dirkala 1井、Dirkala 2井、Encounter 1井、Moomba 73井和Toolachee North井Murteree组页岩和Roseneath组页岩石英含量高，含量可达40%～50%，而Baratta 1井和Baratta South 1井页岩则富含黏土矿物，脆性矿物含量只有20%～25%。

针对Roseneath组和Murteree组页岩关键输出参数如页岩孔隙度、渗透率、含水饱和度、TOC、矿物组分等进行对比分析可见（见表3、表4），Murteree组页岩在盆地范围内的资源潜力比Roseneath组页岩更好。

表3 Murteree组页岩基本参数

表4 Roseneath组页岩基本参数

理论上，TOC可用于定量评价页岩生气潜力，但TOC值低并不一定意味着烃源岩不成熟，生气潜力取决于有机质含量以及转化为烃类物质的有机质数量。原始TOC值可以利用岩石快速热解分析和镜质体分析获得，这些分析有助于确定烃源岩实际的成熟度。高TOC值有利于气体吸附到有机质上。利用（3）式，可以根据TOC值求得干酪根体积。除了TOC分析之外，还应进行高温裂解、镜质体反射率和显微组分分析，以便识别“死碳”和“活碳”以及剩余干酪根数量、干酪根类型（用于确定产烃率）、游离烃数量和烃源岩剩余生烃潜力。镜质体反射率分析还有助于确定生烃窗口以及油气产率。

孔隙度对于任何岩石物理分析都至关重要，当孔隙度很小时，绝大部分测井响应都是岩石自身产生的。密度测井是获取孔隙度值最可靠的方法。但对于页岩，由于不同页岩由不同的黏土矿物和脆性矿物组成，除非已知颗粒密度，否则很难定量解释孔隙度。本文研究中，当密度曲线可用时，用该曲线定量解释孔隙度，然后用粉碎岩心测量的孔隙度标定解释结果，再用XRD分析得到的矿物组分进行多矿物分析。过程中需要进行几次迭代计算，期间调整输入参数，直到输出曲线与岩心数据吻合。

SEM分析显示Roseneath组页岩和Murteree组页岩均含有黏土、石英、碳酸盐和干酪根，还有少量副矿物，如长石、菱铁矿等（见图5、图6）。这两段页岩中最富集的有机质是干酪根。Roseneath组和Murteree组页岩的视孔隙度极低，储集空间由基质微孔隙组成。SEM和光学显微镜观察到的视孔隙（孔隙度1%～2%）在岩石基质中大多呈斑点状和孤立的尖点。菱铁矿胶结物形状不规则，周边环绕着石英和多孔干酪根。在过成熟的Roseneath组和Murteree组页岩中，白云石化作用会使孔隙度增大。菱铁矿对密度测井不利，会影响密度测井结果，从而导致孔隙度计算错误[14]。

6 结论

复杂岩性条件下，与确定性岩石物理分析相比，本研究采用的多矿物分析方法能够取得更好的模拟结果。采用岩心/岩屑测定的TOC数据对测井计算的TOC进行控制，得到整个页岩段的TOC曲线。Roseneath组和Murteree组页岩中最常见的结核矿物为菱铁矿，菱铁矿胶结物形状不规则，在密度测井中会产生周期跳跃现象，从而导致孔隙度计算错误。在勘探程度较低的地区，可以利用矿物模型产生所需的结果，如矿物组分、孔隙度、干酪根含量、含水饱和度等。测井计算的结果（矿物组分、孔隙度、黏土含量、干酪根含量、含水饱和度）首先需要采用更可靠的岩心测量结果进行标定。

Roseneath组页岩和Murteree组页岩中均含有黏土、石英、碳酸盐和干酪根，还有少量副矿物，如长石、菱铁矿等。根据孔隙度、渗透率、TOC、含水饱和度、矿物成分等结果判断，Murteree组页岩在盆地范围内的资源潜力比Roseneath组页岩更好，潜力区在Encounter 1井区及其周边地区。

致谢：感谢詹姆斯库克大学地球与海洋科学系研究生研究支持计划提供的资助，感谢DIMITRE（南澳大利亚州政府制造、创新、贸易、资源与能源部）提供的岩心样品，感谢Synergy（IP软件）和加拿大阿尔伯达省卡尔加里Trican地质有限公司提供的技术服务，特别感谢美国怀俄明州Yellowstone Petrophysics有限公司的David Herrick对本文的审核，还要感谢JCU沉积学研究小组（Gravel Monkeys）的同事，尤其是Cassy Mtelela和Prince Owusu Agyemang的帮助，特别感谢Fawahid Khan Jadoon。

符号注释：

Lm——有机质成熟度水平，无因次，根据镜质体反射率数据利用交会方法求得；Rbase——电阻率测井基线电阻率，取10 Ω·m；RLLD——深侧向测井电阻率，Ω·m；Δt——声波时差，µs/m；Δtbase——声波测井基线声波时差，取217 µs/m；Vk——干酪根体积分数，f；ρb——体积密度，g/cm3；ρf——流体密度，g/cm3；ρk——干酪根密度，g/cm3；ρmax——密度测井曲线最大值，g/cm3；φa——未校正孔隙度值，%；φc——校正后孔隙度值，%；φk——干酪根孔隙度，%。

[1] GATEHOUSE C G.Formations of the Gidgealpa Group in the Cooper Basin[J].Australasian Oil & Gas Review,1972,18(1):10-15.

[2] FIELDING C R,BLACKSTONE B A,FRANK T D,et al.Reservoir potential of sands formed in glaciomarine environments:An analog study based on Cenozoic examples from McMurdo Sound,Antarctica[J].Geological Society London Special Publications,2012,368(1):211-228.

[3] Department for Manufacturing,Innovation,Trade,Resources and Energy.Cooper and Eromanga consolidated data package[EB/OL].(2004-06-14)[2015-10-01].http://www.beachenergy.com.au/IRM/PDF/ 2254/Asian PresentationHongKongandSingapore.

[4] ARCHIE G E.The electrical resistivity log as an aid in determining some reservoir characteristics[J].Transactions of the American Institute of Mining and Metallurgical Engineers,1942,146(3):54-62.

[5] WORTHINGTON P F.The petrophysics of problematic reservoirs[J].Journal of Petroleum Technology,2011,63(12):88-97.

[6] WORTHINGTON P F.The direction of petrophysics:A perspective to 2020[J].Petrophysics,2011,52(4):261-274.

[7] KENNEDY W D,HERRICK D C.Conductivity models for Archie rocks[J].Geophysics,2012,77(3):423-430.

[8] GLOVER P.Measurements of the photo-electric absorption(PEF) litho-density log for common lithologies[R].Queensland:James Cook University,2010.

[9] PASSEY O R,MORETTI F U,STROUD J D.A practical model for organic richness from porosity and resistivity logs[J].AAPG Bulletin,1990,74(12):1777-1794.

[10] KATHY R B,RICHARD S.A comparative study of the Mississipian Barnet Shale,Fort Worth Basin,and Appalachian Basin[J].AAPG Bulletin,2011,91(4):475-499.

[11] KRYGOWSKI D A.Guide to petrophysical interpretation[R].Austin Texas USA:University of Texas at Austin,2003:47.

[12] GLORIOSO J C,RATTIA A J.Unconventional reservoirs:Basic petrophysical concepts for shale gas[R].Australia,Vienna:SPE/EAGE European Unconventional Resources Conference and Exhibition,2012.

[13] BUST V K,MAJID A A,LETO O,et al.The petrophysics of shale gas reservoirs:Technical challenges and pragmatic solutions[J].Petroleum Geoscience,2013,19(2):91-103

[14] GUIDRY F K,LUFFEL D L,OLSZEWSKL A J.Devonian shale formation evaluation model based on logs,new core analysis methods,and production tests[R].Lafayette,Louisiana:SPWLA 31st Annual Logging Symposium,1990.

（编辑 黄昌武）

Mineralogical modelling and petrophysical parameters in Permian gas shales from the Roseneath and Murteree formations,Cooper Basin,Australia

JADOON Quaid Khan1,ROBERTS Eric1,BLENKINSOP Tom1,WUST Raphael2,SHAH Syed Anjum3
(1.Department of Earth and Oceans,James Cook University,Townsville Queensland Australia; 2.TRICAN Geological Solutions Ltd.621- 37thAvenue N.E Calgary,Alberta,Canada; 3.Saif Energy Limited,Street 34,House No.12,F7/1 Pakistan)

To estimate the resources of Permian Roseneath and Murteree gas shales in the Cooper Basin,Australia,geochemical analysis,log interpretation and core analysis techniques were combined to conduct mineralogical modelling and define petrophysical parameters of both formations.With the sedimentologic,petrographic,SEM and XRD data derived from analysis of cores and cuttings,a mineralogical model was built for target formations.Moreover,based on the results of conventional core analysis,GR logging,SEM analysis,XRD analysis,and geochemical and petrographic analysis,a petrophysical model was established for key wells.Then,these models were used to analyse the mineral composition and petrophysical properties of Roseneath and Murteree gas shales.The results show that both Roseneath and Murteree gas shales are composed of clay,quartz,carbonate and kerogen,as well as a small quantity of auxiliary minerals (e.g.feldspar and siderite).According to porosity,permeability,TOC,water saturation,mineral composition and other parameters,it is concluded that Murteree shale has higher potential than Roseneath shale within the basin,especially in the areas in and around Well Encounter 1.

shale gas; mineralogical modelling; petrophysical properties; Cooper Basin; Permian Roseneath Formation; Permian Murteree Formation

TE122.2

A

1000-0747(2016)02-0253-08

10.11698/PED.2016.02.11

JADOON Quaid Khan（1975-），男，现为澳大利亚詹姆斯库克大学地球与海洋科学系在读博士研究生，主要从事非常规油气储集层方面研究。地址：Department of Earth and Oceans,James Cook University,Townsville Queensland 4814,Australia.E-mail:quaid.jadoon@my.jcu.edu.au

2015-11-20

2016-01-22