利用测井资料确定页岩储层有机碳含量的方法优选——以焦石坝页岩气田为例

黄仁春 王燕 程斯洁 刘帅 程丽

中国石化勘探分公司勘探研究院

目前，国内外文献资料中提及的利用不同测井响应特征差异估算有机碳含量（TOC）的方法主要有：①利用铀含量与TOC之间具有的近似线性关系估算TOC的自然伽马能谱法；②利用总伽马强度估算TOC的伽马强度法；③建立体积密度和TOC经验关系估算TOC的体积密度法；④利用孔隙度和电阻率叠合的ΔlgR法等计算评价TOC含量。笔者在继承前人理论方法成果的基础上，结合四川盆地焦石坝气田页岩气储层自身的地质特点开展技术创新，建立多个TOC测井计算模型，并利用岩心分析资料对模型进行优选及精度分析，最终形成了焦石坝气田区域经验计算模型。

1 地质概况

涪陵焦石坝地区位于四川盆地川东隔挡式褶皱带南段石柱复向斜、方斗山复背斜和万县复向斜等多个构造单元的结合部。受雪峰山、大巴山等方向多期构造影响，该区主要发育北东向和北西向2组断层［1－3］。焦石坝页岩气田位于焦石坝似箱状断背斜内，构造主体变形较弱。上奥陶统五峰组—下志留统龙马溪组的页岩气储层主要岩性为黑色碳质笔石页岩，偶夹薄层粉砂质泥岩、泥质粉砂岩或粉砂岩透镜体及一层含碳质泥质生屑灰岩或含生屑碳灰质泥岩。岩石中富含笔石和放射虫等化石，常见大量黄铁矿薄层、条带或小透镜体及大量分散分布的黄铁矿晶粒，水平层理发育，为深水陆棚亚相间有低密度浊流及碳酸盐岩碎屑流等环境沉积。

2 有机碳含量计算方法

2.1 改进ΔlgR 法

ΔlgR技术由EXXON／ESSO石油公司推导和实验得出，该技术以预先给定的叠合系数将算术坐标下的声波时差曲线和算术对数坐标下的电阻率曲线，在非泥页岩处叠合，并确定为基线位置。基线确定后，2条曲线间的间距在对数电阻率坐标上的读数即为ΔlgR。

在ΔlgR法基础上，根据焦石坝气田页岩气储层特征确定电阻率和声波时差曲线的基线值，并引入密度曲线值。改进后的ΔlgR法表达式为：

式中TOC为有机碳含量；R为电阻率测井值，Ω·m；AC为声波时差测井值，μs／ft（1ft＝0.304 8m，下同）；DEN为密度测井值，g／cm3；LOM为热变指数，可由TOC与ΔlgR关系图版求得；K、a、b为地区经验系数。

Passey等［4］指出，ΔlgR方法应用限定为LOM＝6.0～10.5（Ro为0.5%～0.9%），超出此限定范围使用此方法需谨慎，同时指出上述超出LOM限定范围的“非Passey”岩石会使 ΔlgR法得出错误的结果［5］。

结合焦石坝气田页岩气储层Ro值特征（Ro介于2.42%～3.13%、平均值为2.65%），ΔlgR法求取TOC具有一定的局限性，且计算值可能比实际值偏低。

图1 体积密度与总有机碳含量关系图版

2.2 体积密度法

Mallick、Schmoker等对印度Assam盆地碳质页岩的有机质丰度和地层密度的关系进行研究，发现两者存在反比关系［5－8］。Decker等证实页岩的TOC与体积密度之间具有良好的线性关系，并建立了Antrim页岩TOC与体积密度的关系［9］，发现页岩密度值随总有机碳含量的降低而减小，两者相关系数为91%（图1－a）。

其理论依据在于，泥页岩中有机质的密度（1.03～1.10g／cm3）明显低于围岩基质的密度（黏土骨架的密度为2.30～3.10g／cm3），使优质泥页岩的岩性密度测井值降低。富含有机质的低孔隙度、低渗透率泥页岩中，地层岩性密度的变化对应于有机质丰度的变化［7－8］。

根据Decker等［9］对Antrim页岩矿物学分析显示其主要成分黄铁矿和干酪根是总岩石密度潜在的影响因素（图2－a）。可知，低密度的页岩似乎受控于低密度有机质含量的增加量。数据点偏离最佳拟合曲线可能是由密度异常高的黄铁矿引起的，这一密度比岩石形成的矿物密度高很多。

图2 页岩气储层矿物成分及密度统计图

在借鉴美国东部密执安盆地上泥盆统Antrim页岩研究的基础上，提出一种假设，即焦石坝气田页岩气储层同Antrim页岩一样，总有机碳含量与总地层体积密度之间存在一定的联系。这种联系的存在使得应用测井资料确定页岩总有机碳含量成为可能，因为地层体积密度可以通过常规测井仪器精确测得。

由图1－b可知，有2个数据点明显偏离最佳拟合线位置，根据这2个点对应密度值推测，可能是由密度异常高的黄铁矿或是由密度异常低的干酪根引起。为证实这一推测，对焦石坝气田Y1井页岩气储层X射线衍射全岩分析资料和总有机碳含量进行统计分析（图2－b）可知，高密度的黄铁矿和低密度的干酪根均是五峰组—龙马溪组页岩矿物成分的重要组成部分。

在实际勘探生产过程中，地层岩性密度往往由岩性密度曲线测得。因此，利用岩性密度曲线计算TOC含量的公式如下：

式中ρ 为 密 度 测 井 值，g／cm3；a、b值 为 地 区 经验系数。

利用焦石坝气田Y1井173个岩心实验分析样品点（在建立解释模型时，应注意剔除由矿物成分等因素造成的异常点）。采用最小二乘拟合法，求得焦石坝地区海相页岩气储层的经验系数为：a＝－15.491、b＝42.708，相关系数R＝0.905。

2.3 自然伽马能谱法

前人研究表明，利用铀（U）含量可以评价地层有机质丰度，同时也指出随着钍铀比的减小，有机碳含量逐渐增大。因此，利用一元回归分析可以得到自然伽马能谱测井曲线计算有机碳百分含量的公式。

其理论依据在于，页岩有机质一般形成于静水还原环境中，其中干酪根具有较高放射性元素铀，同时随着泥页岩颜色的加深，有机质物质成分的增加，铀含量增高，钍、钾含量相对降低［9］。

2.3.1 铀值计算

利用自然伽马能谱中的铀值计算页岩气储层有机碳含量，其公式为：

式中ω（U）为铀曲线值，10－6；a、b为地区经验系数。

利用焦石坝气田岩心实验分析资料，采用最小二乘拟合法，求得焦石坝地区海相页岩气的经验系数为：a＝0.238 1、b＝0.201 6，相关系数R＝0.672 2。

2.3.2 钍铀比值计算

利用自然伽马能谱中的钍钾比值计算页岩气储层有机碳含量，其公式为：

式中RTh／U为钍、铀曲线比值；a、b为地区经验系数。

利用焦石坝气田岩心实验分析资料，采用最小二乘拟合法，求得该区海相页岩气的经验系数为：a＝－0.899 6、b＝4.221 4，相关系数R＝0.638 7。

2.3.3 铀钾比值计算

利用自然伽马能谱中的铀钾比值曲线计算页岩气储层的有机碳含量，其公式为：

式中RU／K为铀、钾曲线比值；a、b为地区经验系数。

利用焦石坝气田岩心实验分析资料，采用最小二乘拟合法，求得该区海相页岩气的经验系数为：a＝0.466 2、b＝0.881，相关系数R＝0.686 3。

2.3.4 铀值与铀钾比值的差值计算

前期研究发现，铀值与铀钾比值曲线的差值同实验分析的TOC值具有较好的相关性。故泥页岩有机碳含量同自然伽马能谱比值曲线系列中ω（U）－RU／K差值的公式为：

式中ω（U）为铀曲线值；RU／K为钍、铀比值；a、b为地区经验系数。

利用参数井岩心实验分析资料，采用最小二乘拟合法，求得焦石坝地区海相页岩气的经验系数为：a＝0.206 9、b＝0.873 9，相关系数R＝0.689 8。

利用自然伽马能谱法建立的单因素模型可以对海相泥页岩地层的有机碳含量进行计算，方法相对快速简便，但模型相关系数R介于0.638 7～0.689 8，均小于0.8，难以满足测井解释精度要求（图3）。

图3 页岩气储层自然伽马能谱曲线值与实验分析TOC关系图

2.4 多元拟合法

通过对焦石坝气田Y1井五峰组—龙马溪组取心段岩心实验分析TOC分析数据与11条常规测井曲线进行相关性分析，得到每条曲线对应的相关系数（表1）。由表1可知，实验分析TOC与密度曲线值的相关性最好，其次为铀曲线值。

表1 测井曲线值与TOC实验数据的相关系数统计表

通过上述相关分析可知，测井曲线值与TOC实验数据之间存在或正或负、或弱或强的线性相关关系，线参与回归建模，建立焦石坝地区TOC多元线性拟合模型：

式中ω（U）为铀值，10－6；ρ 为密度测井值，g／cm3；a、b、c为经验系数。

利用岩心实验分析资料，采用最小二乘拟合法，求得焦石坝地区海相页岩气储层的经验系数为：a＝0.049、b＝－13.373、c＝36.735；相关系数R＝0.865。

利用多元拟合法建立的多因素模型可以对海相泥页岩地层的有机碳含量进行计算，方法相对快速简便，模型相关系数R＝0.865，能满足解释精度要求。但在相似解释精度情况下，岩性密度法比多变量模型更为简单，且涉及较少测井曲线。

2.5 体积模型法

在采用上述经典方法评价页岩气储层有机碳含量之外，参考页岩油测井评价方法，结合焦石坝地区页岩气储层实际情况，探索性地利用岩石物理体积模型法计算有机碳含量。该方法在保证解释精度情况下，提高模型普适性。

页岩气储层一般含有大量的有机物质即干酪根［16－20］。非页岩气储层也含有有机质，但其有机质含量一般都很小。在以黏土成分为主的页岩里，其骨架的颗粒主要是层状的黏土矿物，而固体的有机质赋存方式主要有两种，即分散有机质方式与有机质富集层方式，有机质和黏土沉积混合在一起，而不是充填在它们之间的孔隙中。

因此，在不影响解释精度前提下，依据岩心检测资料为分析基础并进行简化，建立了测井解释岩石物理体积模型（图4－a）。测井解释岩石物理体积模型将页岩气储层划分为岩石骨架和孔隙两大部分，其中岩石骨架分为黏土矿物、脆性矿物和干酪根3部分。黏土矿物主要成分为伊蒙混层和伊利石，因绿泥石和高岭石在地层中含量很少而选择在模型中去掉；脆性矿物主要成分为硅质矿物和碳酸盐矿物，黄铁矿和赤铁矿因在地层中含量较少，在测井解释体积模型中并入硅质矿物部分；孔隙主要包括游离烃和水，即目前将该区页岩储层体积模型进行简化为“五元体积模型”，即：V硅质＋V碳酸盐岩＋V黏土矿物＋V干酪根＋V孔隙＝1。

图4 体积模型法计算有机碳含量原理图

页岩气储层各组分的物理性质不同，在测井曲线上具有不同的响应特征，而测井信息反映的是各种物理性质的总和［21－23］。当岩石的密度减小时，可能是孔隙度、有机质或是黏土含量的影响，故无法仅从这一条测井曲线中确定3种组分的变化情况。在这种情况下可再用另外一条曲线来区分。依据是有机质引起地层中吸附的铀含量变化（当未测得铀曲线时，可参考自然伽马曲线值）。在相同的岩石成分和类似矿物成分的岩石中，当孔隙增大时，对应的岩性密度减小，而铀值曲线不会有明显变化；当黏土含量增大时，对应的岩性密度增大，而铀值曲线不会有明显变化；而当有机质的含量增大时，对用的岩性密度减小，铀值曲线会明显增大。

因此，研究在原有页岩油有机质含量计算原理基础上，结合焦石坝地区页岩气储层特征，建立适合研究区地层特征的计算页岩地层有机质含量的体积模型（图4－b）。该模型首先利用岩性密度和铀值的参数对，确定3个极值点，即100%含有机质、100%含黏土、100%纯岩石骨架。这3个极值点对应3个测井参数对。计算方法如下：

首先，应用体积模型确定有机质体积百分含量：

式中Vker为有机质体积百分含量；Δρk、Δρma、Δρker分别为计算点、岩石骨架点、有机质极值点的密度值，g／cm3。

然后，将有机质体积百分含量转化为有机碳重量百分含量（TOC），公式为：

式中TOC为有机碳重量百分含量；ρker、ρb分别为有机质密度和体积密度，g／cm3；K为有机碳转化系数，该系数受有机质类型和岩层成岩作用的影响，其取值范围为1.25～1.57（表2）。

表2 转换系数K取值表

2.6 高精地层元素能谱测井

上述确定页岩气储层总有机碳含量（TOC）时使用的是相对复杂的、具有解释性质的计算模型，且都需要结合多种不同的测井数据或实验室测试结果。同时，不同的解释方法可能得出不同的解释结论，目前，斯伦贝谢公司推出的Litho Scanner即高精地层元素能谱测井，能够提供独立的TOC测量。其原理是根据能谱测量得到的地层碳元素丰度值减去地层碳酸盐矿物的碳元素丰度，二者之差即为地层的TOC，其中地层碳酸盐矿物的碳元素丰度可由Litho Scanner准确的矿物量化分析确定。高精地层元素能谱测井得到的TOC结果不受环境和储层影响，并可在现场得出连续深度的测井数据。但高精地层元素能谱测井未在焦石坝气田测得，该方法的适用性有待进一步证实。

3 对比分析

应用上述方法对焦石坝气田参数井Y1井进行实际处理（图5）。处理结果表明，利用多元拟合法、体积密度法和体积模型法得到的有机碳含量与岩心分析资料具有更好的相关性。而体积密度法更为简单，因此最终优选体积密度法作为该页岩气储层有机碳含量计算的区域经验模型。

为进一步验证经验模型的普适性，应用该方法对焦石坝气田重点井的总有机碳含量开展测井精细解释评价，并利用岩心实测资料进行精度分析。可知有机碳含量测井解释符合率介于90.5%～91.0%（表3）。

图5 5种有机碳含量计算方法计算结果对比图

表3 焦石坝气田页岩气储层评价参数岩心分析与测井计算误差分析表

4 结论

1）将ΔlgR法及其改进方法、自然伽马能谱法计算结果同岩心分析资料进行对比，两者匹配性较差，其中ΔlgR法及其改进法并不适用于Ro值相对较高的海相页岩气储层，而自然伽马能谱法的模型相关系数R介于0.638 7～0.686 3，均小于0.8，难以满足解释精度要求。

2）多元拟合法和体积密度法处理解释精度均较高，能满足解释精度要求，但两者相较之下，体积密度法涉及较少测井系列，方法更为简单且适用范围更广。

3）体积模型法建模基础为岩石物理体积模型，整个解释流程虽不依赖于岩心实验分析资料，但对解释人员要求较高。

4）尽管高精地层元素能谱测井得到的TOC结果不受环境和储层影响，但由于该方法被国外公司垄断且价格昂贵，并且该方法未在焦石坝气田应用，其适用性还有待于进一步实践验证。

［1］董大忠，程克明，王世谦，等.页岩气资源评价方法及其在四川盆地的应用［J］.天然气工业，2009，29（5）：33－39.DONG Dazhong，CHENG Keming，WANG Shiqian，et al.An evaluation method of shale gas resource and its application in the Sichuan Basin［J］.Natural Gas Industry，2009，29（5）：33－39.

［2］张永刚，蔡进功，许卫平，等.泥质烃源岩中有机质富集机制［M］.北京：石油工业出版社，2007.ZHANG Yonggang，CAI Jingong，XU Weiping，et al.Argillaceous source rocks and other organic matter enrichment mechanism ［M］.Beijing：Petroleum Industry Press，2007.

［3］胡东风，张汉荣，倪楷，等.四川盆地东南缘海相页岩气保存条件及其主控因素［J］.天然气工业，2014，34（6）：17－23.HU Dongfeng，ZHANG Hanrong，NI Kai，et al.Main controlling factors for gas preservation conditions of marine shales in southeastern margins of the Sichuan Basin［J］.Natural Gas Industry，2014，34（6）：17－23.

［4］PASSEY Q R，CREANEY S，KULLA J B.A Practical model for organic richness from porosity and resistivity logs［J］.AAPG Bulletin，1990，74（5）：1777－1794.

［5］MALLICK R K，RAJU S V.Thermal maturity evaluation by sonic log and seismic velocity analysis in parts of Upper Assam Basin，India［J］.Organic Geochemistry，1995，23（10）：871－879.

［6］SCHMOKER J W.Determination of organic content of Appalachian Devonian Shales from formation－density logs［J］.AAPG Bulletin，1981，63（9）：1504－1509.

［7］SCHMOKER J W，HESTER T C.Organic carbon in Bakken Formation，United States Portion of Williston Basin［J］.AAPG Bulletin，1983，67（12）：2165－2174.

［8］SCHMOKER J W.Determination of organic－matter content of Appalachian Devonian shales from gamma－ray logs［J］.AAPG Bulletin，1981，65（7）：1285－1298.

［9］DECKER A D，HILL D G，WICKS D E.Log－based gas content and resource estimates for the Antrim shale，Michigan Basin［C］∥paper MS－25910presented at the Low Permeability Reservoirs Symposium，26－28April 1993.Denver，C，USA.New York：SPE，1993.

［10］理查德A·约翰逊，迪安W·威克恩.实用多元统计分析［M］.陆璇，叶俊，译.北京：清华大学出版社，2008.JOHNSON R A，WICHERN D W.Applied multivariate statistical analysis［M］.LU Xuan，YE Jun，trans.Beijing：Tsinghua University Press，2008.

［11］康永尚，沈金松，谌卓恒.现代数学地质［M］.北京：石油工业出版社，2005.KANG Yongshang，SHEN Jinsong，CHEN Zhuoheng.Modern mathematical geology［M］.Beijing：Petroleum Industry Press，2005.

［12］王燕.自然伽马能谱测井资料确定黏土含量方法研究［J］.石油天然气学报：江汉石油学院学报，2013，35（2）：100－104.WANG Yan.The method of application of gamma－ray spectral logging data for determining clay mineral content［J］.Journal of Oil and Gas Technology，2013，35（2）：100－104.

［13］王燕，张汉荣，冯明刚，等.利用常规测井资料预测泥页岩含气量的方法——以川东北元坝地区为例［J］.石油天然气学报，2014，36（1）：66－72.WANG Yan，ZHANG Hanrong，FENG Minggang，et al.Method for pedicting mud shale gas content by using conventional logging data：By taking Yuanba Area in northeastern Sichuan for an example［J］.Journal of Oil and Gas Technology，2014，36（1）：66－72.

［14］DAVIS J C.Statistics and data analysis in geology［M］.2ndedition.New York：John Wiley ＆Sons，Inc.，1982.

［15］DUDEWICE E J，MISHRA S N.Modern mathematical statistics［M］.New York：John Wiley ＆ Sons，Inc.，1988.

［16］张金川，聂海宽，徐波，等.四川盆地页岩气成藏地质条件［J］.天然气工业，2008，28（2）：151－156.ZHANG Jinchuan，NIE Haikuan，XU Bo，et al.Geological condition of shale gas accumulation in Sichuan Basin［J］.Natural Gas Industry，2008，28（2）：151－156.

［17］聂海宽，张金川.页岩气藏分布地质与规律［J］.中南大学学报：自然科学版，2010，41（2）：700－708.NIE Haikuan，ZHANG Jinchuan.Shale gas reservoir distribution geological law，characteristics and suggestions［J］.Journal of Central South University：Science and Technology，2010，41（2）：700－708.

［18］蒋裕强，董大忠，漆麟，等.页岩气储层的基本特征及其评价［J］.天然气工业，2010，30（10）：7－12.JIANG Yuqiang，DONG Dazhong，QI Lin，et al.Basic features and evaluation of shale gas reservoirs［J］.Natural Gas Industry，2010，30（10）：7－12.

［19］郭旭升，李宇平，刘若冰，等.四川盆地焦石坝地区龙马溪组页岩微观孔隙结构特征及其控制因素［J］.天然气工业，2014，34（6）：9－16.GUO Xusheng，LI Yuping，LIU Ruobing，et al.Characteristics and controlling factors of micro－pore structures of Longmaxi Shale Play in the Jiaoshiba area，Sichuan Basin［J］.Natural Gas Industry，2014，34（6）：9－16.

［20］易同生，赵霞.贵州下寒武统牛蹄塘组页岩储层特征及其分布规律［J］.天然气工业，2014，34（8）：8－14.YI Tongsheng，ZHAO Xia.Characteristics and distribution patterns of the Lower Cambrian Niutitang Shale reservoirs in Guizhou，China［J］.Natural Gas Industry，2014，34（8）：8－14.

［21］张晋言.页岩油测井评价方法及其应用［J］.地球物理学进展，2012，27（3）：1154－1162.ZHANG Jinyan.Well logging evaluation method of shale oil reservoirs and its applications［J］.Progress in Geophysics，2012，27（3）：1154－1162.

［22］刘双莲，陆黄生.页岩气测井评价技术特点及评价方法探讨［J］.测井技术，2011，35（2）：112－116.LIU Shuanglian，LU Huangsheng.Evaluation methods and characteristics of log evaluation technology in shale gas［J］.Well Logging Technology，2011，35（2）：112－116.

［23］严伟，王建波，刘帅，等.四川盆地焦石坝地区龙马溪组泥页岩储层测井识别［J］.天然气工业，2014，34（6）：30－36.YAN Wei，WANG Jianbo，LIU Shuai，et al.Logging identification for the Longmaxi mud shale reservoir in the Jiaoshiba area，Sichuan Basin［J］.Natural Gas Industry，2014，34（6）：30－36.