基于地震属性定量匹配的Sleipner油田CO2封存量监测技术研究

本研究通过地震属性分析（TE、SV）创新性提出CO2指示因子（CO2IDC），在Sleipner油田实现CO2封存量的高精度定量匹配（R2=0.9906），为碳捕集与封存（CCS）监测提供了可推广的地球物理解决方案。

　　

1 引言

碳捕集与封存（CCS）技术是应对气候危机的关键手段，而Sleipner油田作为全球首个咸水层CO₂封存示范项目，其20年积累的延时地震数据（4D）为监测技术发展提供了独特案例。研究聚焦地震属性与CO₂封存量的定量匹配难题，突破传统振幅分析的局限性。

2 方法论

2.1 Sleipner项目与延时地震数据

位于北海的Sleipner油田自1996年起向中新统-上新统Utsira组砂岩（孔隙度35%-40%）注入超临界CO₂，累计封存超百万吨。7期地震勘测（1994-2010年）显示，CO₂羽流在0.95-1.05ms双程走时层段形成明显异常。

2.2 属性分析与体积计算

研究采用IHS Kingdom?软件提取两类核心属性：

1. 迹线包络（TE）：通过希尔伯特变换获取全正值振幅，突出CO₂饱和区边界

   TE(z)=√[Re(f(z))²+Im(f(z))²]

2. 相似性方差（SV）：基于相干性计算（窗口长度N=25m），识别流体置换引起的局部异常

创新性提出CO₂指示因子（CO2IDC）：

CO2IDC = TE(z)·e^-(SV/2)2

该指标通过SV加权抑制背景噪声，使羽流下边界识别精度提升3%。

3 结果与讨论

3.1 地震振幅初级匹配

基线数据（1994年）无异常，而2010年数据显示羽流面积达1.2×10⁶m²。振幅-封存量回归系数达0.9895，但下边界识别存在模糊性。

3.2 次级属性定量分析

TE属性使体积计算回归系数降至0.9690，反映下边界选择偏差。而CO2IDC通过增强相干性：

• 在1.05ms层位清晰识别羽流"烟囱效应"（M04-M08期）

• 体积-封存量回归提升至0.9906

3.3 技术比较

相比耗时的地震反演（如AVO）和昂贵的示踪剂监测（He/Ar同位素），该方法实现三大突破：

1. 计算效率提升80%（无需全层位解释）

2. 克服薄层调谐效应（14ms调谐厚度）

3. 适用于低分辨率数据集

4 结论

研究证实地震属性可量化CO₂封存动态，CO2IDC指标为CCS监测提供新范式。未来可结合机器学习优化属性选择，拓展至含水层压力监测等领域。Sleipner案例启示：多学科交叉（地球化学+地球物理）是提升封存安全性的关键路径。