印度坎贝盆地Gandhar油田咸水层CO2 封存潜力评估：基于孔隙度模型的储层表征研究

为应对印度碳中和目标下的CO2 封存需求，研究人员针对坎贝盆地Gandhar油田Hazad段GS-7砂层开展储层表征研究。通过地震反演与概率神经网络(PNN)技术，首次揭示该咸水层孔隙度超20%的优质储集空间，为印度首个CCS试点项目选址提供科学依据。

　　

随着全球CO₂
年排放量突破36 Gt（2023年数据），印度承诺2030年前减排10亿吨并计划2070年实现碳中和。作为关键减排技术，碳捕集与封存(CCUS)在印度能源转型中需贡献15%的减排量。然而，印度虽拥有巨大咸水层封存潜力，却缺乏储层尺度的精细评价。位于坎贝盆地的Gandhar油田被列为优先试点，但其Hazad段GS-7砂层的孔隙空间分布尚未系统研究——这直接关系到CO₂
封存容量估算与泄漏风险评估。

针对这一科学问题，印度理工学院领衔的研究团队在《Marine and Petroleum Geology》发表成果，创新性地整合50 km²
三维地震数据与五口钻井测井资料，采用模型反演获取P波阻抗数据体，结合概率神经网络(PNN)实现孔隙度三维建模，首次完成GS-7砂层CO₂
封存潜力定量评价。

关键技术包括：1）基于Cambay盆地Gandhar油田的钻井与地震数据构建地质模型；2）采用模型反演法生成P波阻抗数据体；3）应用概率神经网络(PNN)进行单/多属性孔隙度预测；4）参照全球标准（孔隙度>10%为最低门槛，>15%为理想值）划分储层品质等级。

【Geological and geophysical characterization】
研究揭示GS-7砂层沉积于新生代Dadhar-Narmada河系形成的构造凹陷，上覆Younger Cambay Shale(YCS)作为优质盖层。地震属性分析显示砂体呈NW-SE向展布，厚度15-25m，埋深1700-1900m，处于超临界CO₂
封存最佳温压窗口。

【Methodology】
创新性采用PNN算法将孔隙度-阻抗关系扩展到全工区，训练集R²
达0.89。多属性分析中引入瞬时频率、弧长等地震参数，使预测误差较传统方法降低37%。

【Discussion】
孔隙度分布呈现显著非均质性：工区东北部存在连续孔隙度>20%的甜点区（占砂体体积31%），远超全球理想标准；而西南部局部孔隙度仅8-10%，需规避注入风险。研究提出"孔隙度-封存容量-盖层完整性"三级评价体系，为同类盆地提供方法论借鉴。

结论表明，Hazad段GS-7砂层具备封存百万吨级CO₂
的地质条件，其优质孔隙网络（平均孔隙度18.7%）与稳定盖层组合可确保长期封存安全。该研究不仅填补了印度咸水层CCS基础数据的空白，更开创了人工智能驱动储层评价的新范式。值得注意的是，作者团队特别指出需后续开展CO₂
-水-岩反应实验，以验证长期化学封存机制——这将成为印度CCUS路线图实施前的关键一环。