基于自然伽马测井数据的铀资源评价方法研究−以鄂尔多斯盆地彭阳铀矿区为例

俞礽安，孙大鹏，周小希，邓 凡，司庆红，胡永兴

(1.中国地质科学院，北京 100037；2.中国地质调查局天津地质调查中心，天津 300170；3.中国地质调查局铀矿地质重点实验室，天津 300170；4.中国地质调查局呼和浩特自然资源综合调查中心，内蒙古 呼和浩特 010090；5.甘肃省地质调查院，甘肃 兰州 730000)

近年来，鉴于鄂尔多斯盆地大营铀矿“煤铀兼探”、松辽盆地钱家店铀矿“油铀兼探”的成功案例，煤、油气田原有钻孔资料，尤其是测井资料在铀矿选区、找矿勘查中的“二次开发”得到足够重视[1-4]。然而，铀矿勘查应用的是定量伽马测井，用于获取铀矿品位、厚度和深度等信息[5]，但煤、油气田勘探应用的是自然伽马测井和自然伽马能谱测井，用于开展油气生油岩评价、高放射性异常层的识别及沉积环境评价等[6-10]。因为应用目的不同，二者测量的γ 射线能力范围不一。加之，自然伽马数据的单位为 API 或cps，而定量伽马数据的单位为nC/(kg·h)(照射量率)或%，两者量纲不同，数量级也不同，无法直接比较。因此，在实际工作中，煤、油气田钻孔测井资料不能直接应用于铀矿勘查。将煤、油气田钻孔测井资料有效应用于铀矿勘查和资源评价是“煤铀兼探”“油铀兼探”有待突破的关键方向。近年，有学者研究了自然伽马和定量伽马之间的换算关系，并将其应用在铀矿化类型的解释[11-13]。鉴于铀矿选区和找矿需要，有必要对自然伽马测井数据批量化处理、解释和铀资源量估算，但目前这方面尚少有探索。

鄂尔多斯盆地西南缘彭阳地区的部分煤、油气田钻孔测井资料显示，下白垩统洛河组、华池−环河组砂岩中存在大范围的强自然放射性异常。经过钻探验证，已揭露了多处工业铀矿体。通过彭阳地区油田钻孔自然伽马测井和验证孔定量伽马测井数据的回归分析，探索性地研发定量伽马、矿体的品位、平米铀量等参数的经验预测模型和计算程序。研究成果可为其他煤、油气田利用钻孔测井数据开展铀资源评价提供参考。

1 地质背景

鄂尔多斯盆地是位于我国北方的大型中生代内陆沉积盆地之一。盆地蕴藏丰富的石油、天然气、煤炭、铀矿等能源矿产资源，已发展成为我国重要的能源矿产基地。彭阳铀矿区位于鄂尔多斯盆地西南缘地区的天环向斜一级构造单元内(图1a)。钻孔揭露地层以中新生代地层为主，由老至新为：早白垩世志丹群(K1zh)，包括洛河组(K1l)、环河华池组(K1h)、罗汉洞组(K1lh)及泾川组(K1jc)，新近纪甘河沟组(N2g)及第四系[14-15](图1b)。鄂尔多斯盆地西南缘地区分布大量油气田钻孔。对这些油气田钻孔的自然伽马测井数据进行系统筛选，在洛河组地层中发现了大范围的厚层放射性异常。经钻探验证，揭露了多个工业铀矿体。含铀矿砂岩主要为风成沉积的中细砂岩[16](图2)。

图1 鄂尔多斯盆地地质简图及地层柱状图Fig.1 Geological map and stratigraphic histogram of the Ordos Basin

图2 彭阳地区验证钻孔综合柱状图Fig.2 Comprehensive histogram of verification borehole in the Pengyang area

2 铀资源评价原理及方法

2.1 利用自然伽马估算矿层平米铀量原理

定量伽马测井仪和自然伽马测井仪的电路设计相似，但区别在于：自然伽马测井仪测量的是岩层中天然存在的放射性核素(如40K、232Th、238U 等)在衰变过程中释放出来的伽马射线总量；定量伽马测井仪由于铅锡屏蔽装置的存在，屏蔽了低能γ 散射射线[17]，测量的是能量大于400 keV 的γ 射线总量。

为了解决利用自然伽马测井数据进行铀资源量估算和预测的难题，在油田钻孔附近实施钻孔验证。在对比分析验证钻孔定量伽马测井数据和油田钻孔自然伽马数据的基础上，研发矿层平米铀量筛选计算软件，极大地加快了资源量评价效率。单个矿层的资源量(平米铀量)主要由“品位、厚度、岩性、密度”4 种参数组成。因可渗透性砂岩的密度一般为2.0 g/cm3左右，所以起主导作用的是前3 种参数。因此，利用自然伽马测井数据估算矿层平米铀量可分为3 部分内容：①建立自然伽马和铀矿层放射性元素含量的相关性来确定矿层品位；② 通过矿层平米铀量筛选计算软件自动检测出边界品位以上的矿层厚度；③通过常规测井曲线所编制的岩性交会图确定岩性识别参数(图3)。

图3 利用自然伽马测井估算矿层平米铀量的流程Fig.3 Process of calculating uranium content square meter by using natural gamma logging data

2.2 铀资源评价方法

2.2.1 油田孔自然伽马与验证孔定量伽马数据关系

本研究在鄂尔多斯盆地西南缘彭阳地区筛选了9 口具有高自然伽马异常的油田孔，在距其5～20 m 处实施钻探进行验证。

研究表明，引起自然伽马异常的放射性元素有铀、钍、钾3 种[18]。本研究选取具有不同伽马异常的岩石样品86 件，开展铀、钍、钾元素含量分析，旨在确定砂岩中产生高自然伽马异常的主控元素。从自然伽马幅值与铀、钍、钾3 种元素含量的一元线性回归分析对比图可知(图4)，自然伽马幅值与铀、钍、钾元素含量之间的相关系数分别为0.419 6、0.002 4、0.002 1。铀元素含量与自然伽马幅值之间的相关关系较为显著，而钍、钾元素含量与自然伽马幅值之间的相关关系较弱。由此可知，研究区的放射性异常主要是由铀元素引起的，自然伽马值高表征岩石具有高铀含量。

图4 彭阳地区伽马值与铀钍钾元素数值相关性Fig.4 Correlation of gamma data and the contents of U,Th,K in Pengyang area

原油田钻孔自然伽马与验证钻孔FD3019 的定量伽马测井曲线异常对应关系明显(图5)，但存在一定的深度差异。以定量伽马深度为基准，采用异常极大值匹配法，完成了2 条测井曲线的深度校正。在此基础上，通过两类数据的线性相关分析，建立了基于铀含量表征的油田钻孔自然伽马回归解释模型：

图5 油田钻孔和验证钻孔的伽马测井曲线对比Fig.5 Comparison of logging curves between the verification borehole and oil borehole

式中：y为铀含量(品位)，0.01%；x为伽马值，API。图中R2为相关系数。

经计算得出，FD3019 测井获得的铀含量与自然伽马幅值之间的相关系数为0.839 4(图6)，表明二者之间的相关关系较为显著。

图6 自然伽马和定量伽马的线性关系Fig.6 Linear relationship between natural gamma and quantitative gamma

同理，将其他8 口验证钻孔与对应的油田孔的定量/自然伽马测井数据进行对比分析，获得二者的相关性分析结果并求平均值，建立彭阳地区自然伽马值和定量伽马测定的铀含量之间的回归模型。可据此将研究区其他未验证的油田钻孔自然伽马数值换算出相应的铀含量。

2.2.2 矿层的识别

1) 矿层分类标准

利用矿层平米铀量软件对自然伽马测井数据进行提取和转换，以获得铀含量(品位)、厚度和平米铀量数据。根据EJ/T 1157−2018《地浸砂岩型铀矿地质勘查规范》的要求，矿层可分为异常层、矿化层和工业矿层，三者的数值范围标准为：

异常层品位为(50～100)×10−6eU(百万分之一的当量铀)；矿化层品位为100×10−6eU 以上，平米铀量为小于1 kg/m2；工业矿层品位为100×10−6e U 以上，平米铀量为大于或等于1 kg/m2。

2) 矿层厚度确定

由于解释的单元层厚度为10 cm，在确定矿层边界时需要将矿段两个边界的单元层位置向外各推5 cm。因此，矿层厚度H的计算公式为：矿层厚度H=矿段底部深度－矿段顶部深度＋1 个单元层厚度，即H=Σhi(包含外推的单元层，hi为单元层厚度)。如果2层矿中间的夹层厚度小于用户给定的“最小夹层厚度时”，需将把2 层矿合并到一起进行计算和解释。

3) 矿层品位确定

矿层边界品位确定方法：采用边界大于给定含量的边界单元层，与其相邻的矿段外小于给定单元层品位的平均值，即将矿层的边界品位与其外部单元层平均值作为边界品位。因此，矿段平均品位由各个单元层的厚度进行加权平均而得(2 个边界点所代表的厚度各为5 cm，其余单元层代表的厚度为10 cm)，矿层的平均品位计算公式为：

式中：qi为单元层含量，包含两端外推的含量，%；hi为单元层厚度，m。矿层米百分数为矿层平均品位与矿层厚度的乘积，矿层平米铀量为矿层的米百分数与矿石密度的乘积。

4) 矿石密度确定

本研究是建立在对煤田或油田钻孔高放射性自然伽马测井验证的基础上，矿石的密度主要是使用验证钻孔中矿石的密度样分析结果，而不是参考密度测井数据。验证钻孔中的矿石密度数据分别为：ZK01 和ZK02 孔砾岩矿层密度为2.3 g/cm3左右，其他钻孔砂岩矿层密度为2.1 g/cm3左右，具体详见表1。

表1 验证钻孔中的自然伽马与定量伽马含矿层解释结果对比Table 1 Comparison of interpretation results of natural gamma and quantitative gamma logging in the verification boreholes

5) 物探参数修正

目前，彭阳地区铀矿勘查工作处于调查阶段，工作程度较低。铀镭平衡系数、射气系数、湿度等参数还需进一步确定。根据勘探经验，程序默认铀镭平衡系数为1.0，射气系数为0，矿石湿度为0，砂岩铀储层中的钍、钾元素一般含量较低，干扰小，此次也未进行修正。

2.2.3 岩性解释

含矿目的层中岩石往往不是单一的岩性，需要按岩性进行矿段统计。在划分岩性的基础上对含矿目的层的常规测井响应特征进行分析，重点分析异常层的岩性与物性特征。同时，结合地质编录资料的地层岩性信息，分析不同岩性地层的测井响应特征，建立适用于全井段的岩性识别标准[19]。彭阳地区9 口钻井中洛河组的岩性主要为砾岩、粗砂岩、中砂岩、细砂岩、粉砂岩、泥岩。对比分析常规测井曲线与钻孔岩心编录资料，重点利用自然伽马、三侧向视电阻率、井径、密度测井数据进行岩性识别研究，得到不同岩性的测井数值统计结果(图7)。三侧向视电阻率的岩性区分效果较好，沉积岩中碎屑岩地层划分标准为：砾岩(450～650 Ω·m)、粗 砂 岩(400～600 Ω·m)、中 砂 岩(380～500 Ω·m)、细 砂 岩(150～280 Ω·m)、粉 砂 岩(50～150 Ω·m)和泥岩(30～50 Ω·m)；声波时差、密度和自然伽马测井对不同岩性的区分度不高，难以从单一测井曲线上有效识别岩性。例如，自然伽马曲线难以区分泥岩和具有放射性的砂岩。

图7 研究区洛河组不同岩性地层的常规测井响应特征Fig.7 Conventional logging response characteristics of different lithologic strata of Luohe Formation in the study area

交会图版法是划分岩性的最直观、有效的方法。为了在交会图上直观地区分不同岩性，需要综合应用各种测井信息来绘制不同组合的交会图。通过对比分析研究区3 种不同测井参数的识别效果可以看出，视电阻率与密度交会图版的岩性识别效果比其他2 种更佳(图8)。视电阻率与密度交会图版显示，随着岩石粒级逐渐变大(即，泥岩到粗砂岩)，密度值逐渐减小，视电阻率逐渐增大。而中砂岩和粗砂岩样点存在部分重叠，可能是区内砂岩中存在孔隙度差异以及粒度不均一所致，二者在测井参数交会图中难以有效识别。

图8 研究区不同测井参数交会图Fig.8 Crossplot map of different logging parameters in the study area

3 矿层平米铀量筛选计算软件功能

矿层平米铀量筛选计算软件主要由两大功能模块组成(图9)，分别为岩性解释、含矿层筛选和批量化处理。

图9 矿层平米铀量筛选计算模块Fig.9 Calculation module of uranium content in square meters of ore horizon

3.1 数据预处理

由于煤田或油田钻孔测井数据因环境因素、井眼、仪器类型及刻度等的不同而有所差异。因此，在应用矿层平米铀量软件处理数据前，需要对每口钻孔数据进行预处理，比如对不同参数和类型的探管及其刻度进行重新分析和计算以及开展井径等校正。由于在短时间内难以实现软件功能升级，可以暂时利用其他测井软件。比如，利用煤田和铀矿测井软件对测井数据进行预处理，同时对这些数据按照测井环境、仪器类型进行分类，为后续的批量处理做准备。同时，实际工作中不可避免地存在部分钻孔的测井数据过于老旧，其测井环境、仪器类型等信息无法获取。在这种情况下，仅能参考相邻钻孔对这些数据进行预处理。

3.2 曲线识别

为解决不同工作区内测井曲线命名方式存在差异的问题，软件可以设置精确匹配和模糊匹配2 种方式。在曲线类型中输入对应的曲线代码或名称可实现精确匹配曲线类型和单位，而模糊匹配则通过输入一个或多个关键字符来识别曲线，识别结果或未识别的曲线可以通过下拉菜单来修改曲线类型，不需要的曲线可选择忽略。

3.3 岩性解释

根据调查区内岩石主要物性参数特征，设置不同岩石岩性的测井参数范围(图10)。含矿层岩石岩性解释的主要目的是区分砂岩和泥岩。为提高含矿层岩石岩性解释的精准度，可通过视电阻率、密度、声波时差和自然电位等多个参数来共同识别岩性。

图10 岩性解释模块Fig.10 Lithologic interpretation module

3.4 含矿层筛选和批量化处理

核工业系统解释含矿层信息是通过定量伽马探管测得地层伽马脉冲数(CPS)，经探管标定系数转换为单元层照射量率(nC/(kg·h))，再经过照射量率换算系数转换为单元层含量品位(%)。

本软件含矿层筛选模块是通过在调查区内建立的自然伽马与含矿层品位相关关系，即y=Ax+B，输入边界品位转换参数A和B。将单个钻孔的自然伽马值转换为品位数据，使用手动输入边界品位筛选阈值(按照上述矿层分类标准)进行筛选。首先对目录文件夹内的数据文本进行识别和匹配，确保测井曲线均为可用数据后便可执行计算。计算结果包含筛选后的含矿层深度、厚度、品位、米百分数、平米铀量以及含矿段岩性占比信息等。

最小夹层厚度的界定：含矿层解释可以依据岩性分别设置含矿层最小夹层厚度，也可以手动对含矿层进行拆分或合并。根据EJ/T 1214−2016《地浸砂岩型铀矿资源/储量估算指南》要求，泥岩矿段不参与平米铀量合并计算，即泥岩厚度输入0；砂岩层最大夹层厚度为7 m，即输入7。另外，在同一个矿区中，多口钻孔的测井环境、井眼条件以及仪器类型和刻度相同的情况下，该软件设置了文件批量处理功能，可实现对多口钻孔进行批量化处理，有效提高测井数据筛选和评价的工作效率。

4 评价方法检验

为了验证矿层平米铀量筛选计算程序的解释效果，本研究利用该软件将验证钻孔的自然伽马数据提取出相应的厚度、品位、平米铀量等数据，并与定量伽马FD3019 测井获得的平米铀量数据进行对比。从表1中可以看出，两者在测井解释的深度、厚度、品位、平米铀量上误差均很小。自然伽马异常与定量伽马解释结果关系表明，三者的相关系数分别为0.999 3，0.775 6，0.998 2(图11)，整体吻合度较好。尤其是在厚层稳定的含矿层中，品位误差较低；但在薄层中的解释误差要大一些。经分析认为，薄层中定量伽马测井测量要求测速较低，其分辨能力更高。二者对薄层的分辨能力差别是引起解释误差的原因所在。综上所述，利用矿层平米铀量筛选计算程序，利用自然伽马测井数据可有效评价含矿层信息并估算铀资源量，且对稳定发育的厚层含矿层解释有更高的精准度。

图11 自然伽马异常与定量伽马解释结果关系Fig.11 Relationship of interpretation in natural gamma abnormal and quantitative gamma

5 结 论

a.通过对比分析彭阳地区油田钻孔的自然伽马和验证孔定量伽马测井数据，明确了含铀砂岩的不同综合测井响应特征，建立了基于自然伽马测井信息的铀矿层识别和品位评价的经验模型。

b.利用研发的矿层平米铀量筛选计算软件对油田测井数据进行铀矿层的品位、平米铀量计算。通过检验对比，利用矿层平米铀量参数可从自然伽马曲线提取出相应的矿层信息，包括含矿层的深度、厚度、品位、平米铀量等，且与定量伽马测井数据吻合度相对较好，尤其是稳定发育的厚层含矿层解释误差较小。

c.本方法的算法设计及程序开发尚处于初期，还存在一些难题需要后续深入研究解决。如，煤、油气田的老井中测量系统和标准不一致，单井数据的环境校正、多井数据的标准化难题；如何利用取样测得的岩石岩心孔隙度校正测井计算的孔隙度，进一步提高铀资源储量估算的准确性等。

致谢：感谢东华理工大学封志兵博士、核工业二四三大队黄笑高级工程师在成文过程中给予了帮助和指导，在此一并表示衷心感谢!