彬长矿区直罗组砂岩含水层孔隙结构及分形特征研究

2023-03-27霍高普薛喜成吕自豪倚江星

煤矿安全 2023年2期

霍高普，薛喜成，武超，吕自豪，倚江星

（1.西安科技大学地质与环境学院，陕西西安 710054；2.陕西地矿区研院有限公司，陕西咸阳 712000）

岩石内部存在着大量不规则、多尺度的孔隙结构，这些孔隙结构由岩石中孔隙和喉道的几何形态以及相互之间的连通关系共同组成[1]，并且对研究地下水的储存和流动具有重要意义。目前用来描述和评价岩石孔隙结构特征的室内实验方法主要有：毛管压力曲线法、图像分析技术、扫描电镜法、CT 扫描法和核磁共振技术等，国内外许多学者对此开展了大量的研究工作并取得丰富的成果[2-5]，从研究方向上来看，以往研究多侧重于单一岩层孔隙结构问题，而对多个不同岩性岩层组成的含水层孔隙结构及分形特征研究较少。为此，以彬长矿区主采煤层顶板侏罗系直罗组砂岩含水层为研究对象，对该砂岩含水层微观孔隙结构及分形特征进行研究。

1 样品与实验方法

研究区位于鄂尔多斯盆地西隅，区域构造上属于渭北断褶带。本次实验的6 组砂岩样品（样品编号H01-H06）均采自彬长矿区直罗组，该直罗组含水层埋深670.15 m，厚度在9.72～59.30 m 之间，平均厚度为31.03 m。研究区构造位置及直罗组岩性柱状图如图1。

图1 研究区构造位置及直罗组岩性柱状图Fig.1 Structural location and lithologic histogram of Zhiluo Formation in study area

采用扫描电镜对彬长矿区侏罗系直罗组砂岩样品进行镜下观测，包括观测微观孔隙数量、周长和面积等表征参数，其主要实验步骤为：①样品准备（预磨）；②表面粘贴导电膜（吹走表面掉落样品颗粒）；③样品抽真空（喷金10～20 nm）；④镜下观测（为了减少偶然误差，在观测过程中，采用随机方法对每一个样本表面任意选取3 个测试区域，并对3个测试区都进行观测）。每组中选取具有代表性、清晰度较高的砂岩样品扫描电镜图片，通过Image J图像处理软件进行处理，分别提取不同深度砂岩样品孔隙分布图像和微观孔隙结构参数。

2 孔隙结构特征定量评价与讨论

为了方便对样品孔隙分布图像和微观孔隙结构参数的提取和定量化的研究，同时参考相关孔隙分类方案[4,6]，将孔隙类型按照孔径由大到小依次划分为大孔（＞10 000 nm）、中孔（1 000～10 000 nm）、小孔（100～1 000 nm）和微孔（＜100 nm）4 类。运用场发射扫描电镜，对彬长矿区直罗组砂岩样品进行镜下观测，同时结合能谱仪（EDS）利用不同元素X 射线光子特征能量不同这一特点对砂岩样品进行成分分析。由彬长矿区直罗组砂岩含水层微观孔隙类型可以看到砂岩孔隙发育，孔隙形态多样（呈椭圆形、条形和凹坑状等），孔隙直径处于4.3～94 441 nm 之间。砂岩中粒间孔与粒内孔均较为发育，但是在矿物颗粒与颗粒之间，孔隙类型多呈中孔和大孔；而在矿物颗粒粒内部，孔隙类型以微孔和小孔为主。彬长矿区直罗组砂岩含水层微观孔隙类型如图2。

图2 彬长矿区直罗组砂岩含水层微观孔隙类型Fig.2 Microscopic pore types of sandstone aquifer of Zhiluo Formation in Binchang Mining Area

2.1 SEM 图像选择

在对砂岩微观孔隙结构提取的过程中，SEM 图像放大倍数的选择是至关重要的。当放大倍数较大时，虽然在扫描电镜下砂岩表面观测地更加清晰，但随之而来的是观测的视域越来越小，导致在后续孔隙提取的过程中，部分较大的孔隙不能被识别和提取，导致试验误差较大。反之，当放大倍数较小时，虽然视域较大，观测范围增加，但是此时扫描电镜的焦距距离是比较大的，使得砂岩表面微孔隙和小孔隙不能被观测。此外，由于实验中使用的砂岩，岩性不一，矿物颗粒大小也相差悬殊，此时选择同一放大倍数的SEM 图像作为所有砂岩孔隙识别与提取时的原始图像是不准确的。因此，在本次实验过程中，分别在8 种放大倍数（从小到大依次为：100、300、500、700、1 000、1 500、2 300、2 500）下通过扫描电镜对6 组直罗组砂岩样品进行观测，寻找最优的SEM图像。通过对比不同放大倍数下的SEM 图像，发现H01-H06 砂岩样品分别在300、500、700、2 300、放大倍数下4 种类型的孔隙结构均能被清晰的观测到，且视域较为宽阔，识别率好，能较好满足后续Image J 图像处理软件中分析精度的要求。

2.2 阈值确定和孔隙提取

在Image J 图像处理软件中对6 组砂岩样品最优的SEM 图像进行处理，主要包括阈值确定和孔隙提取2 个步骤。SEM 图像为灰度图像，因此首先需要根据合理的阈值，将SEM 图像中小于阈值的确定为孔隙，相反大于阈值的认为是矿物颗粒骨架。根据阈值将颗粒骨架与孔隙区分，从而实现对孔隙的识别、提取和精确划分，但是获得较为合适的阈值是困难的。因此，在对SEM 图像识别的过程中，首先根据一些文献报道的阈值[7-9]，大致确定砂岩合适的阈值范围，再将SEM 原始图像与范围内所有阈值生成的孔隙提取图进行反复对比，最终得到在灰度阈值在70～80 之间时是较为合理的，本次选择中间值75。通过上述过程，进行砂岩孔隙提取，Image J 图像处理软件在阈值为75 时，自动提取的SEM 图像孔隙特征（孔隙为图中红色填充区域）。6 组砂岩样品扫描电镜图像孔隙提取如图3。砂岩样品扫描电镜孔隙提取结果见表1。

表1 砂岩样品扫描电镜孔隙提取结果Table 1 SEM pore extraction results of sandstone samples

图3 6 组砂岩样品扫描电镜图像孔隙提取Fig.3 Pore extraction of scanning electron microscope images of 6 groups of sandstone samples

由表1 可以看到：直罗组砂岩含水层6 组样品的面孔率在4.87%～12.92%之间。

2.3 不同孔径对应的孔隙面积及占比分析

通过对6 组砂岩孔隙面积及占比的平均值进行统计，可以发现微孔和小孔总共占孔隙总面积的28.70%；而中孔和大孔分别占孔隙总面积的37.06%、34.24%。表明直罗组砂岩含水层孔隙较为发育，中孔和大孔是含水层的主要储水空间，微孔和小孔不作为主要的储水空间。在本次试验中，直罗组砂岩H05 样品并没有发现大孔，孔隙面积与储水空间也远远小于其他5 组砂岩，主要原因是H05 样品岩性为细粒砂岩，这与彬长矿区工程实际中细粒砂岩不作为富水性砂岩的现状相符。不同孔径对应孔隙面积及占比图如图4。

图4 不同孔径对应孔隙面积及占比图Fig.4 Pore area and proportion corresponding to different pore diameters

3 微观孔隙分形维数计算与形态描述

在1982 年Mandelbrot[10]提出分形理论，该理论用于描述和定量表征复杂物体形态和分布特征，目前被广泛应用于表征岩石孔隙分布、孔径及颗粒形态等特征[11-14]。扫描电镜提取的微观孔隙边界是封闭的曲线，根据Voss 等[15]的研究成果，可以根据周长-面积关系来求取分形维数，其存在以下关系：

式中：P 为孔隙周长，nm；D 为分形维数；A 为孔隙面积，nm2；C 为常数。

对6 组砂岩样品提取的孔隙周长和面积分别进行对数处理，所得的数据点具有很好的线性关系（R2＞0.804 2），说明砂岩的微观孔隙具有分形特征。根据分形理论，一般分形维数越小，孔隙分布越均匀，结构形态越简单。6 组砂岩样品微观孔隙分形维数在1.610 4～1.767 6 之间，表明彬长矿区直罗组砂岩分维数较大，孔隙分布不均匀，孔隙形态偏复杂。砂岩扫描电镜孔隙形态分形特征如图5。