综述：在致密油储层中进行T1-T2二维核磁共振（2D NMR）测量的实验技术进展综述 朱秀兰（Xiulan Zhu） 李彦 ju（Yanju Li） 任超群（Chaoqun Ren） 陈振军（Zhanjun Chen） 徐涛（Tai Xu） 纪安昭（Anzhao Ji） 寇长锐（Changrui Kou）

《Magnetochemistry》：Progress on Experimental Techniques for T1-T2 2D NMR Measurements in Tight Oil Reservoirs—A Review Xiulan Zhu, Yanju Li, Chaoqun Ren, Zhanjun Chen, Tai Xu, Anzhao Ji and Changrui Kou

　　摘要 紧密油藏的微观孔隙结构和流体分布规律非常复杂，导致其石油产量相对较低。T1-T2二维核磁共振（2D NMR）技术在流体识别以及这些储层中流体和孔隙空间的定量表征方面具有显著优势。然而，对其实验测量的系统性和深入研究仍然不足。本文对国内外关于T1-T2 2D NMR测量技术的文献进行了全面回顾，阐明了2D NMR技术的基本原理、数据采集和反演机制，并总结了在不同测试参数下含氢组分的信号分布规律。同时探讨了NMR实验测试与储层特性之间的关系，阐明了T1-T2光谱的形成机制。在此基础上，通过对数据采集和反演方法的战略优化以及T1-T2 NMR测量关键参数的调整，显著提高了NMR数据集的精度和2D NMR光谱成像的可靠性。这些进展为密实油藏中岩石和流体的表征提供了理论基础和技术支持。

1. 引言
T1-T2二维核磁共振（2D NMR）技术的快速发展在非常规储层评估和提高石油采收率技术（如页岩油、煤层气、致密油、气体等）中得到了广泛应用[1,2,3,4,5,6,7,8]。自1930年以来，NMR现象最早在气体原子、水和石蜡中被观察到[9,10,11]。随后发现， confined在岩石孔隙中的流体的松弛速率比自由流体更快，这一现象归因于孔隙流体与颗粒表面之间的相互作用，缩短了松弛时间[12]。进一步的研究表明，岩石的NMR松弛速率与渗透率之间存在相关性[13]。NMR自由流体指数可用于估算渗透率、水饱和度和结合水饱和度[14]。这些进展极大地推动了NMR松弛理论的发展，并显著提高了NMR测量的灵敏度和分辨率[15,16]。1975年至1980年间，2D NMR测试技术得到了发展[17]，从而建立了多孔介质中核磁共振松弛的理论框架和模型[18]。该技术可以测量扩散系数（D）、纵向松弛时间（T1）和横向松弛时间（T2）等参数。目前，由于NMR在孔隙空间、流体分布和流体流动性定量表征方面的独特优势，T2一维（1D）光谱被广泛用于流体性质评估。然而，不同流体相之间的信号重叠限制了这些光谱的应用。为了解决这一问题，开发了D-T2和T1-T2 NMR技术，有效解决了多组分含氢系统中的信号重叠问题[19,20,21]。通过利用油、气和水等流体的松弛时间和扩散系数差异，通过测试反演获得了D-T2 2D NMR光谱。这种方法成功识别并量化了各种流体类型及其饱和度，还可以评估岩石的润湿性[22,23,24]。与T1-T2 NMR相比，D-T2 NMR在测量纳米孔中的流体扩散系数和检测干酪根信号方面存在困难，且对顺磁物质（铁或锰氧化物）更敏感，需要更长的测试时间[25,26]。

随着技术的不断进步和能源需求的持续增长，作为非常规油气资源的致密油藏在全球能源结构中的地位日益重要[27,28]。与传统储层相比，致密油藏具有更小的孔隙喉部半径和更大的比表面积[29,30,31]。这些特性减弱了流体可流动的孔隙空间，同时增强了流体-岩石界面相互作用，从而阻碍了流体扩散和渗流[32,33,34]。然而，这些条件在T1-T2 NMR光谱中形成了独特特征，突显了流体分布的异质性。因此，为了获取更准确的致密储层中岩石和流体的信息，并弥补T2测量序列的不足，进一步开发了T1-T2 2D NMR技术[35,36,37,38,39,40,41]。针对不同类型的致密油藏，已经开展了相关研究以获得准确的T1-T2 2D光谱数据。这些测试结果的可靠性主要取决于仪器类型、数据采集和反演方法、测量参数等的选择[42,43,44]。测量参数包括磁场强度/共振频率、回波间隔（TE）、等待时间（TW）、扫描次数（NS）、回波数（NECH）等。然而，现有关于致密油藏实验T1-T2 NMR测量的研究往往集中在特定方面，缺乏对其底层机制的深入探讨。因此，本文旨在总结T1-T2 2D光谱中信号区域的变化规律，并揭示其形成原因。在不同岩性、流体性质和测试条件下，详细阐述了T1-T2 2D光谱中含氢组分的信号分布特征。最终，期望根据仪器类型和样品特征确定致密油藏T1-T2 2D NMR测试的最佳数据测量、数据采集和反演方法。这些发现为致密油藏的开发方案和提高石油采收率技术设计提供了有价值的建议。

2. T1-T2 2D NMR技术的理论基础
2.1. 基本原理
在指定的NMR实验条件下，T1-T2 2D NMR技术同时测试样品的T1和T2。松弛机制包括分子内和分子间的偶极耦合、与顺磁离子的相互作用以及局部磁场梯度中的扩散（图1）[45,46,47,48]。这一过程主要由氢核间的分子内偶极耦合相互作用控制[49]。张等人[49]表明，巴尼特（Barnett）和伊格尔福特（Eagle Ford）有机质孔隙中的油表面松弛受分子内偶极耦合控制，而干酪根中的水表面松弛则可能由氢键和分子间偶极耦合引发。刘等人[50]发现，有机组分（干酪根、沥青质和溶解的庚烷）具有相似的T1值（40–50 ms）。图1. 多孔介质中的松弛过程：一个水饱和岩石的例子（矿物颗粒：灰色；充满水的孔隙：白色）：1—分子间偶极耦合，2—分子内偶极耦合，3—顺磁相互作用，4—内部磁场梯度中的扩散。经Unconventional Resources Technology Conference许可改编。这些发现表明，在强交叉松弛效应下，由于偶极-偶极相互作用差异引起的T1变化趋于平均。然而，这种效应对T2来说可以忽略不计。因此，可以根据T2值明确识别干酪根、沥青质和溶解的庚烷。描述NMR松弛机制的理论模型是Bloembergen–Purcell–Pound（BPP）模型[51]，该模型考虑了快速分子运动对局部磁场扰动的影响。它还解释了纯物质的NMR松弛时间（T1, T2）与其状态之间的关系。各种流体组分的纵向松弛率（1/T1）和横向松弛率（1/T2）具有显著的频率依赖性。具体计算公式如下[52]：

(1) (2) (3) (4)

在公式中，T1和T2分别表示纵向松弛时间和横向松弛时间（单位：ms）；μ0是真空磁导率（H/m）；γ是自旋磁比（普朗克常数）；I是自旋量子数（对于氢核，I = 0.5）；r是质子之间的距离；τc是分子自旋相关时间；ω是拉莫尔频率/共振频率（Hz）；B是磁场强度（T）；μ代表流体的粘度（mPa·s）；a是分子半径；k是玻尔兹曼常数；T表示绝对温度（K）。随着分子尺寸和流体粘度的增加，τc增加，T1增加而T2减小。

根据公式（1）–（3），松弛时间（T1, T2）受磁场强度的影响。松弛率（1/T1, 1/T2）随磁场强度的增加而减小。与T1和T2相比，1/T1和1/T2对磁场强度的敏感性较低，但对分子运动的敏感性较高。当ωτc ≤ 1或即使在非常低的值时，松弛率（松弛时间）与τc相关。随着τc的增加（依次为50 μs、60 μs、70 μs和120 μs），页岩中固体有机物的运动受到限制，偶极相互作用增强，导致横向松弛迅速加速，其信号快速衰减并最终完全消失（图2）[53]。此外，由于τc是不同氢组分的平均相关时间，不同氢组分显示出相似的T1/T2值[54]。致密油藏中的原油是一种多组分烃类流体，还包括外部工作流体，如地层水和钻井液。公式（1）和（2）适用于描述单组分流体的松弛过程。而且，致密储层中干酪根和沥青质中的顺磁杂质极为罕见。页岩有机质中的氢核偶极耦合远强于其与表面顺磁离子的相互作用。因此，传统的表面松弛模型不适用于有机质孔隙系统。研究多组分复杂流体的松弛表征方法至关重要。图2. 不同τc值样品的T1-T2光谱。经American Chemical Society许可转载。致密储層发育出微米级和纳米级的孔隙以及众多微裂缝（页岩孔隙进一步分为有机孔隙和无机孔隙）。这些孔隙和裂缝中含有大量流体。NMR测试捕获了所有含氢组分的衰减信号（回波序列），随后通过多指数反演进行数学运算生成NMR光谱。通过分析T2光谱分布，这些数据被转换为不同的流体类型；T2值从最小到最大排列，对应以下物质：基质/骨架、干粘土、粘土结合水、毛细结合水、移动水和烃类（油和气）[55]。总体而言，T2分布随岩心渗透率的变化而变化较小，但在渗透率较低时，T2值聚集在中等孔隙尺度以下。这表明沉积岩的磁松弛行为与其水力渗透率之间存在复杂关系[56]。使用T1-T2二维光谱对致密储层岩石和流体进行了分析。在页岩储层中，含氢组分被分为四类：准固态有机质（干酪根、沥青质和重油）、无机羟基化合物（矿物表面或干酪根内的羟基、结合水、结构水等）、孔隙油（吸附在无机矿物表面和纳米孔隙中的油以及自由油）和水（吸附水和孔隙水）[53,57,58,59,60,61,62,63]。

2.2. 数据采集
脉冲序列是一组周期性重复的射频（RF）脉冲，按时间顺序排列用于NMR信号检测。该程序依次施加一个90°脉冲，随后是一系列180°脉冲，从而在不同等待时间（TW）下获取Carr–Purcell–Meiboom–Gill（CPMG）脉冲序列的回波信号。这产生了一个衰减的回波序列，反映了松弛过程。回波信号幅度随等待时间TW和时间t的衰减规律表示如下[64]：

(5)

在公式中，bik是第i个回波在Twk处的幅度，m是横向松弛时间T2j的次数，p是纵向松弛时间T1r的次数，fjr是氢核在横向松弛时间T2j和纵向松弛时间T1r时的2D分布函数，εi是噪声，β是与T1-T2采集模式相关的系数（SR方法，β = 1；IR方法，β = 2）。
IR（逆恢复）、SR（饱和度恢复）和CPMG序列有效地表征了致密储层的复杂孔隙结构、流体分布和流量能力。这些序列是T1-T2 NMR测试中最广泛应用、研究最深入的核心技术组合。其他数据采集方法可能适用于更广泛的材料科学或物理化学领域，但在致密油藏和 gas 储层中的适用性、普遍性或解释成熟度相对有限。IR反演恢复方法通过施加180° RF脉冲将纵向磁化矢量反转180°，具体是从平衡状态（Mz = +M0）反转到与主磁场相反的方向（Mz = ?M0）。随后，纵向磁化矢量经历自由松弛。经过特定的反转时间后，纵向磁化向量会恢复到其平衡状态。之后，会采集自由感应衰减（FID）信号，通过分析纵向磁化向量在一段时间内的变化曲线来推导出T1值。与IR方法不同，SR方法使用90°的射频脉冲将纵向磁化向量偏转到xy横截面上（饱和状态，Mz = 0）。射频脉冲停止后，纵向磁化向量开始自由松弛。经过特定的饱和恢复时间后，纵向磁化向量再次恢复到平衡状态。然后施加第二个90°的射频脉冲，将恢复的纵向磁化重新转换为横向磁化（翻转回xy横截面）。此时，检测并记录FID信号。通过依次设置和记录不同的时间间隔，在进行n次实验后，可以获得纵向磁化向量随时间变化的曲线。根据这条曲线可以推导出纵向松弛时间T1。

对于油气储层岩石，主要使用IR和SR方法测量T1谱，而T2谱则主要通过CPMG序列获取。其他数据采集技术在此不作讨论。因此，两种常用的T1-T2 2D NMR数据采集方法是Inversion Recovery Carr–Purcell–Meiboom–Gill（IR-CPMG）脉冲序列和Saturation Recovery Carr–Purcell–Meiboom–Gill（SR-CPMG）脉冲序列[65,66,67,68,69,70]。IR-CPMG脉冲序列在信号采集前施加180°脉冲，使完全极化的磁化向量反向180°。随着磁化的恢复，在不同的等待时间点采集回波信号，覆盖从-M0到M0的最大磁化动态范围。相比之下，SR-CPMG序列直接在不同等待时间点采集CPMG回波信号，最大磁化动态范围从0到M0[66]。两种数据采集方法的比较表明，IR-CPMG脉冲序列的磁化强度变化范围更大，并且消除了横向松弛效应。SR-CPMG脉冲序列受噪声干扰较小，测试时间相对较短[71]。图3. 脉冲序列类型：(a) IR-CPMG 和 (b) SR-CPMG。摘自参考文献[68]。

在页岩储层中，通过SR-CPMG和IR-CPMG脉冲序列获得的T1-T2谱图显示出类似的特征。两种方法的主要区别在于T1编辑阶段[71]，这会显示出不同的组分流体。通过IR-CPMG收集的T1-T2 2D谱中，不同松弛组分的信号分辨率更高，短松弛信号的T1维度更加一致[52]。这种改进归因于反转恢复提高了纵向磁化演变的采样完整性。然而，这种方法需要更长的测试时间。例如，系统完全恢复所需的时间大约是最长T1时间的三到五倍。不同之处在于SR-CPMG在每次测量数据前不需要进行完全极化，从而可以快速测量，但磁化向量的动态范围较小，导致短松弛组分T1的对比度较低，分辨率能力部分丧失（在复杂的致密储层中，如页岩中，来自固体有机物的短松弛信号容易丢失）[67,72]。

根据上述比较分析，可以知道IR-CPMG收集的数据信噪比（SNR）更好，磁化向量的动态范围大且短，T1松弛组分的对比度高，T1-T2谱中不同松弛组分的信号分辨率更高。缺点是每次测量前必须将每一组回波完全极化，这导致测量速度较慢，对脉冲测试的敏感性高，以及拟合性能相对较差[53]。因此，实际应用中需要在采集效率和分辨率之间进行权衡，具体取决于目标松弛组分。

基于这些基础，结合CPMG脉冲序列提出了几种改进的方法，例如驱动平衡（DE）脉冲序列、快速反转恢复（FIR）和快速饱和恢复（FSR）。这些方法有助于快速测量NMR信号[73,74,75,76,77,78,79,80]。例如，Ge等人[81]提出了一种多回波间隔CPMG脉冲序列（ME-CPMG），通过设置不同的回波窗口同时采集长松弛组分和短松弛组分的信号，从而显著提高了采集效率。然而，在多相流体特性分析中，2D谱在区分不同流体相方面分辨率有限。因此，提出了一种提高2D NMR采集效率和谱分辨率的方法，即混合饱和恢复-反转恢复和多回波间隔CPMG脉冲序列（HSIR-ME-CPMG）。该方法适用于非常规储层的松弛组分分析，但数据反转过程中存在挑战[81]。Ramia等人[82]设计了一种相位交替加权CPMG-T1序列，成功实现了流体和烃类NMR信号的有效分离。为了克服现有脉冲序列在采集速度和谱分辨率方面的局限性，Zuo等人[83]设计了一种结合了反转恢复-平衡稳态自由进动（IR-BSSFP）和CPMG的方法。IR-BSSFP序列采用小重聚焦角和降低翻转角脉冲传输功率的方式，无需完全极化。这种方法具有高精度和快速测量性能。此外，在润湿性研究中，Liang等人[84]利用自旋回波（SE）和CPMG D-T2相关数据建立了低渗透率储层的NMR润湿性指数。然而，对于具有强内部梯度的岩石，其结果与Amott测试相比存在显著差异。Liang等人[85]使用双极脉冲梯度场（PFG）-CPMG脉冲序列的T1-T2相关数据研究了致密砂岩的润湿性。这种方法有效地抑制了岩石内部磁场梯度的影响，并准确提取了润湿性信息。

2.3. 数据反演

完成2D NMR T1-T2数据采集后，数据反演通常通过傅里叶变换、拉普拉斯变换、非负最小二乘（NNLS）、截断奇异值分解（TSVD）算法、标准Tikhonov正则化、Butler–Reed–Dawson（BRD）方法和同时迭代重建技术（SIRT）等方法实现[64,86,87,88,89,90,91,92,93,94]。这些技术的具体细节如下：

(1) 傅里叶变换方法将复杂的时间域信号分解为简单的频率分量，并通过线性梯度场和形状脉冲的组合实现空间定位。这种方法简单易行，数据采集和处理时间短。然而，由于松弛时间短，无法获得清晰的成像。傅里叶变换仅适用于高孔隙度、高渗透率和长松弛时间的材料。传统的NMR反演方法在从多指数衰减信号中提取特征时遇到困难。Zhao等人[95]提出了一种结合自动编码器（AE）和傅里叶变换的反演方法。自动编码器自动从回波序列中提取深层特征，而傅里叶变换增强了多指数衰减信息的频域特性。这种方法显著提高了页岩油松弛谱的反演精度、抗噪能力和计算效率。相比之下，Song和Kausik[91]认为松弛和扩散会导致自旋磁化呈指数衰减，因此他们使用拉普拉斯变换代替傅里叶变换进行数据分析和反演。

(2) 拉普拉斯变换可以看作是一侧傅里叶变换的推广。它将时间域信号转换为松弛时间的分布，代表了一个数学反问题。相反，傅里叶变换是通过沿虚轴计算拉普拉斯变换得到的，将时间域转换为频域——一种数学谱分析。考虑到信号的初始条件和时间函数的特征，拉普拉斯变换特别适合处理具有初始条件的信号。其固有的“衰减”特性使其能够有效处理NMR特有的指数衰减信号。其局限性包括：首先，逆拉普拉斯变换缺乏解析解，只能通过数值回归方法逼近；其次，固态和液态质子的松弛衰减只能半定量估计[96]；第三，从LF-NMR设备获得的采样信号的SNR相对较低，拉普拉斯变换对噪声敏感，导致无法准确定位和分析岩心的内部结构和流体信息。Singer等人[97]对刚性及柔性正常烷烃使用了逆拉普拉斯变换，并分析了页岩储层中烃类、沥青和轻质烃的NMR松弛。传统的拉普拉斯反演技术在数据分析方面存在困难。Song等人[64]开发了一种高效快速的2D逆拉普拉斯反演算法，用于快速重建T1-T2相关函数。该方法在非负约束下实现了高精度的最小二乘拟合。

(3) 非负最小二乘方法具有高计算效率、对初始值的低依赖性和强物理可解释性。当该方法用于处理超高维度或极长松弛时间的数据时，可能需要进一步优化。该方法适用于具有非负性要求的二维谱数据的处理和传统储层孔隙流体的分析。非负最小二乘方法在观察数据与预测数据之间实现了最高程度的一致性，同时表现出良好的稳定性。然而，该方法收敛速度慢，对噪声敏感，分布不平滑[90,92]。

(4) Prammer[98]应用TSVD进行快速多指数拟合，但该方法对信噪比（SINR）敏感。为了提高NMR数据的SNR，Chen等人[99]提出了一种基于奇异SVD的新干涉消除和噪声减少（ICNR）方法。该方法有效抑制了射频干扰和随机噪声，同时保留了自由感应衰减（FID）信号。然而，需要手动调整干扰阈值。TSVD方法在数据存在噪声干扰时表现出优越的数值稳定性，能够抑制噪声放大，使反演结果相对稳定可靠。但该方法可能无法解析数据中的细微特征。它主要用于中低噪声水平的情况，尤其是在需要快速稳定解决方案的场合。Venkataramanan等人[100]提出了一种基于奇异值截断的BRD反演方法，提高了2D NMR反演的准确性。Ge等人[101]基于迭代TSVD和赤池信息量准则（AIC）开发了一种2D反演算法，使用流体组分分解（FCD）建立烃类T1-T2的前向模型，获得了满意的测试结果。Tan等人[102]提出了一种结合改进的TSVD和阻尼最小二乘法（LSQR）的混合反演方法，以获得连续的高精度2D谱。

(5) 标准Tikhonov正则化方法可以快速生成T1-T2谱的轮廓，并削弱数据中的局部波动。在这种情况下，容易过度平滑并丢失关键细节或无法抑制噪声。该方法特别适用于需要准确表征全局趋势和宏观轮廓的反演结果，而对局部细节的要求相对较低。也就是说，它适用于大多数1D或2D NMR数据的反演，尤其是在SNR较低的情况下。Song等人[64]开发了一种基于二维逆拉普拉斯变换的T1-T2谱反演算法。该方法结合了正则化方法来平衡拟合误差和噪声幅度，并可以扩展到非指数核函数。该算法在不同SNR和T1-T2条件下得到了验证。变量正则化方法依赖于数据噪声水平，能够在短时间内返回高精度的T2分布，但它们产生的整体解决方案偏差较大。(6) BRD算法通过平滑因子[103]灵活调节曲线的平滑度和组分分辨率能力，并能快速获得具有不同聚焦点的反演曲线。但如果平滑因子过小，它容易受到噪声的影响，导致虚假峰的出现。这种方法适用于需要根据特定要求快速调整反演结果的情况。例如，在分析已知组分大致范围的样本时，可以通过调整平滑因子来突出或减弱特定组分的信号。目前，在各种现有的数据反演方法中，相关研究结果表明BRD算法具有较好的性能[104]，可以应用于复杂多孔介质（如储层孔结构）的反演。Testamanti等人[90]得出结论，BRD算法在页岩分析中表现最佳。(7) SIRT算法是一种用于NMR松弛信号的多指数反演方法，依赖于实体迭代重建技术[105]。它模拟了射线传播的物理过程，实现了物理直觉和渐近收敛。然而，它容易受到噪声干扰，并且对计算成本和结果精度之间的权衡要求较高。因此，这种方法特别适用于低信噪比（SNR）的场景，在需要特别理解和模拟物理过程的研究中具有优势，例如在岩石物理学实验中，可以迭代观察孔结构的成像效果。Gao等人[106]采用了一种结合SIRT的新型确定性TSVD方法施加非负约束。这种方法适用于页岩岩芯分析，具有处理低SNR数据、计算速度快以及保持连续谱数据分布等优点。与SVD方法相比，SIRT实现了更简单的实现、更好的可编程性、更快的计算速度和更好的连续谱分布保持能力。它能够在不需要手动交互或复杂参数设置的情况下进行反演，从而最小化人为误差[105,106]。

3. NMR测量参数的优化
来自紧密储层的NMR信号表现出快速衰减、信号强度低和信噪比（SNR）差的特点。因此，传统的NMR数据采集方法，加上不适当的反演方法和参数设置，得到的结果无法准确反映这些储层的真实特征，导致测试结果的可靠性较低。例如，来自页岩微孔和纳米孔的NMR信号较弱，且含有大量短弛豫组分。首先，微孔和纳米孔内（有机和无机孔）的流动固体的弛豫信号与高粘度原油和 kerogen 的信号重叠。其次，页岩油具有多种类型和广泛的粘度变化，不同弛豫组分之间的NMR响应差异很小。第三，润湿性在某种程度上影响孔结构的NMR响应特征。因此，必须选择最佳的测试参数——包括磁场强度、回波间隔、等待时间、回波数量和SNR——以最小化流体信息的损失。

与T2谱图相比，T1-T2谱图的测试结果对测量参数的选择更为敏感。参数配置可能导致紧密油储层采集的2D谱图出现显著变化。

3.1. 磁场强度
磁场强度（B）直接决定了共振频率，这两个参数之间存在比例关系。此外，它还对弛豫时间、内部磁场梯度、SNR、TE等有一定影响。随着磁场强度的增加，原油中氢核的共振频率也随之升高。因此，原油分子的运动状态及其共振频率对原油的T1值有更明显的影响。也就是说，当核自旋能级差异增加时，能量传递效率降低。此时，核需要更长的时间才能返回基态，导致T1值增加且分布变窄，而T2的变化则很小（图5）[107]。在T1-T2谱图中，原油的弛豫信号总体上向右移动，分布范围减小，T1的弛豫分散行为明显高于T2[107]。然而，Qin等人[108]认为，频率的增加会增强内部磁场梯度，从而加速横向弛豫并导致T2值减小，而T1值增加。因此，测量结果表明，随着共振频率的增加，2D谱图中的流体信号向左移动，T1/T2比值增加（图6）。例如，根据T1、T2和T1/T2值的差异，页岩油的弛豫信号在2.5 MHz时的T1/T2比值约为10，而在23 MHz时则介于40到50之间。盐水峰值的T1/T2比值在更高频率下基本保持恒定，约为1.4。在更高频率下，页岩油和盐水的弛豫信号分散得更开。此时，可以有效地避免流体重叠，并且能够更好地检测到类似固体的物质和微小孔隙[109,110]。此外，在相同的测试条件下，SNR与磁场强度呈正相关[111]。

图5. 原油的NMR光谱和弛豫时间图：(a) 不同共振频率的T1-T2 2D谱；(b) 原油的T2值与拉莫尔频率之间的关系；(c) 原油的T1值与拉莫尔频率之间的关系。油#1：轻质油，低胶质含量且不含沥青质，1.9 mPa·s；油#2：中质和轻质油，含少量沥青质，13.5 mPa·s；油#3：合成油，9.4 mPa·s；油#4：合成油，23.2 mPa·s；油#5：重质油，含大量沥青质，179 mPa·s。经许可转载自参考文献[107]。版权2014 Wiley。
图6. 不同频率的含泥页岩白云石的水饱和和油饱和样品的T2-T1 2D NMR谱：(a) 2 MHz饱和水样品；(b) 2 MHz饱和油样品；(c) 21 MHz饱和水样品；(d) 21 MHz饱和油样品。经许可转载自参考文献[108]。版权2022 南华科技大学（科学和技术）期刊。

当水、油和其他有机物共存于致密层中时，具有极短弛豫时间的准固体物质kerogen会导致一些kerogen信号在低频NMR分析中丢失。kerogen的成熟度越低，失去的信号就越多，导致测试到的信号量显著低于实际kerogen含量。当NMR分析器的频率提高到20 MHz以上时，TE值减少到0.07 ms[59,112]，可以检测到kerogen的T1-T2谱[101,113]。粘土矿物中的羟基团的信号量和分布与kerogen相似，导致信号重叠[59,113]。随着磁场强度的增加，共振频率也增加，增强了低弛豫组分（如kerogen、沥青等）的识别效果。此外，T1值增加而T2值减小（图7）[114,115,116]，并且T1/T2比值也随着共振频率的增大而增加（图8）[63]。Nikolaev和Kazak[26]比较了不同共振频率（B: 0.05–0.54 T和f: 2–23 MHz）下的T1-T2 2D谱，发现较高共振频率下弛豫组分的边界更加清晰。与低频（≤2 MHz）NMR系统相比，Khatibi等人[112]证明22 MHz高频NMR系统的灵敏度提高了30–50倍，并且对较短TE值的识别能力更强。Xiao等人[117]进一步发现，在高频NMR测量中，固态沥青和kerogen的T1/T2比值约为100，而低频NMR的T1/T2比值介于4到15之间。此外，含羟基的化合物在两种频率范围内都显示出低于0.1 ms的T2值。

T1和T2都与吸附分子的旋转弛豫时间有关。当液体分子吸附在固体表面时，它们的移动性降低，导致T1和T2的弛豫时间变短。然而，T2还受到与表面扩散相关的平移弛豫时间的影响。由于液体的平移和旋转动力学变化对T2的影响更为显著，因此T1 > T2。对于游离液体，T1 ≈ T2。紧密储层岩石的比表面积大于传统储层岩石，导致T1和T2之间的差异更大，T1/T2比值也增加。此外，当流体在紧密岩石表面的吸附增加时，T1/T2比值也会升高。另一方面，随着kerogen的成熟，它会失去脂肪链，同时芳香环形成簇，使固体有机物变得更硬。这一过程导致T1增加而T2相对稳定，从而导致T1/T2比值逐渐减小[118,119]。因此，T1/T2比值与孔隙形状和大小无关，但与吸附物和吸附剂之间的相互作用能量直接相关，可用于表征多孔材料中的液体吸附。这种关系可用于确定流体对固体表面的亲和力（流体流动性），从而识别流体类型（如油、水等）。通常，油的T1/T2比值高于水[120]。它还可以间接揭示有机物的成熟阶段[119]。

NMR分为低场（LF-NMR）和高场（HF-NMR）两种类型。一些学术观点认为，LF-NMR仪器可以通过T1-T2谱识别不同流体组分的大致区域[46,60]并减轻岩芯样本中的高磁化率问题[121]。HF NMR仪器可以更好地区分各种流体的信号[122]并在给定SNR下实现更快的扫描速度。然而，它们具有较大的磁体、复杂的实验流程和较高的成本[94]。例如，Domené等人[123]指出了0.55 T磁场强度（共振频率23 MHz）系统的主要缺点是其最大样本尺寸限制为直径26毫米和体积14毫升，这使其不适合用于岩石表征。尽管如此，在0.28 T（共振频率12 MHz）和0.05 T（共振频率2 MHz）下运行的NMR分析仪具有最大43毫米及以上的探头直径和较大的敏感体积。Mitchell等人[124]建议，在使用低场磁体进行T1测试时，更高频率（≥20 MHz）可以更好地识别页岩中的固体组分（kerogen、沥青和结构水）。在岩石分析中，LF-NMR因其磁场强度通常低于1T、来自顺磁矿物的干扰最小以及使用低成本永磁体而非超导线圈而得到广泛应用[25]。此外，LF-NMR硬件已经扩展到适应可变温度和高压条件。与在不同NMR频率条件下测试的页岩相比，低频（2 MHz）NMR对页岩中的含氢流体不敏感，导致油-水分辨率不足（例如，沥青和结合水的信号重叠[60,125]。高频2D NMR（高于20 MHz）在分离不同的质子组方面更为有效，有助于更好地定量识别流体组分信号[126]。

总之，低频和高频NMR会导致流体信号的不同分布区域。当在2 MHz的较低共振频率下测量岩芯时，短弛豫组分的信号损失会发生，同时SNR也会降低。然而，这些结果表明对内部磁场梯度的敏感性较低，对TE值设置的依赖性也较小。随着磁场强度的增加，信号增强和SNR得到改善[44]，从而缩短实验时间并提高测试效率[121]。因此，T1-T2谱图实现了更高的成像质量。然而，这也导致了内部梯度的增加，从而显著降低了测量结果的准确性[108,127]。高质量T1-T2 2D光谱成像的形成归因于两个主要因素。首先，较高的磁场强度会增加高能状态和低能状态的两个自旋态的总数。其次，它会导致共振频率提高，从而在接收探针中产生更多的电压[128]。Kausik等人以及Yang等人[129,130]研究了不同NMR频率下页岩的T1-T2图，并确认较高频率能够获得更好的整体性能。根据上述研究结果，高频NMR仪器（>20 MHz）具有更短的TE，可以更好地识别微孔和烃源岩中流体的短松弛信号。因此，它比低频NMR仪器更适合页岩储层的流体分类[131]。当对致密储层的微/纳米孔进行2D NMR测试时，它受内部磁场梯度的影响很小。这对于中低成熟度的页岩油特别有利；建议使用具有高信噪比(SNR)和减小测量时间的高频NMR仪器[131]。

3.2. 回波间隔（Echo Interval）
TE指的是在激发射频脉冲作用后，从初始产生到接收磁化强度之间的时间间隔。它反映了数据收集的密度。在NMR松弛光谱测试中，分子在不均匀磁场中的扩散运动会导致表面横向松弛率（表示为1/T2）显著增加，这种现象称为“扩散增强松弛”。应用最小可实现的TE可以大大减弱扩散增强松弛效应[71]。随着TE值的减小，数据采集的密度/数量会增加，测量到的数据也会更加完整。这样就可以更好地表征较小尺寸的微孔和有机物质[132,133]。对于常规砂岩孔中的流体检测，TE通常设置为0.2 ms。但在致密储层中，0.2 ms的TE可能无法检测到纳米级孔中的某些流体信号[133]。Nikolaev和Kazak[26]发现，当TE > 0.1 ms时，短松弛组分的信号会丢失，导致测量不完整。当TE ≤ 0.1 ms时，可以更完整地记录来自纳米孔和有机物质的信号。较低的TE值通常会提供较差的信噪比(SNR)，从而显示T1-T2 2D光谱图的质量较差。Ge等人[101]提出，当TE大于0.1 ms时，反演结果与模型的偏差很大。这体现在TE对烃源岩的T1光谱影响很小，但对T2光谱的影响很大（T2光谱分布范围增加）。该T2光谱的主峰幅度与TE呈负相关，随着TE的增加而逐渐变平缓。理论上，TE越小，获得的松弛组分越多。然而，大多数设备的TE都有其下限。为了提高具有中-微-纳米孔（特别是中低成熟度页岩）的致密储层的微孔分辨率，足够短的TE是必不可少的。这种方法能够记录与非常小的孔、烃源岩孔、粘土孔或其他类似孔相关的流体磁化衰减。同时，它最小化了内部场梯度对T2值测量结果的影响[134,135]，从而减少了T2扩散效应[136]。Liu等人[70]对页岩储层的岩石物理特性进行了研究，并得出了以下结论：增加TE参数会降低仪器对氢信号的探测能力，即降低所有组分的信号强度；同时增强扩散松弛并加快松弛速率，导致信号曲线稀疏和光谱强度降低（图9）。通常，LF-NMR仪器的最小TE设置为0.1 ms，但在这种设置下，CPMG衰减也会有一定的扩散衰减。在实际实验中，建议在确保NMR仪器稳定的条件下，尽可能将TE设置得更小。例如，Wang等人[137]使用0.07 ms的TE值进行NMR测试，研究了页岩油的存在特征，表征了孔隙水、吸附油和自由油的存在区域。图9. 不同TE下粘土矿物中流体的T1-T2光谱：(a) 0.08 ms, (b) 0.2 ms, (c) 0.4 ms。经参考文献[70]许可重印。版权2025 Elsevier/KeAi出版有限公司（中国北京）。

3.3. 等待时间（Waiting Time）
一个采样周期完成到下一个周期开始之间的时间间隔定义为等待时间(TW)。由于致密岩石复杂的微观孔结构以及含氢物质的差异，不同储层具有不同的最佳等待时间[26,138]。这种变化确保了样品中所有孔隙中的含氢物质被充分极化，并节省了测量时间。随着TW值的逐渐减小，大孔中的氢信号显著减弱，而小孔中的氢信号幅度也逐渐减小。这表明大孔中的流体完全极化所需的时间更长，而小孔中的流体所需的时间较短。也就是说，对短松弛组分的检测能力更强。这种现象可以归因于氢质子自旋的恢复不完全，导致含氢物质无法完全极化。例如，当TW值相对较小时，油和气的T1值较大，导致部分极化，而水的T1值较小，允许完全极化。TW的分布决定了流体组分的T1信息。随着TW值的增加，短松弛组分在T1松弛时间上不会收敛。因此，一方面，为了完全极化流体中的氢质子，需要设置足够长的TW以实现氢质子的完全极化，从而使磁化从纵向更好地转变为横向[135]。另一方面，在页岩油储层中使用较短的TW。为了细化T1松弛时间的分辨率并确保T1组分信号的完整测量。这些储层中的短松弛组分特征是T1值较小。

3.4. 回波数（Number of Echoes）
NECH是指每次扫描收集的数据点数，NECH与回波串的持续时间成正比。回波数越少，常规储层岩石中的宏观孔隙中的磁化矢量无法返回平衡位置，导致回波串曲线不完整。因此，当回波数较多时，T1测量更为准确，尽管这也会增加测量时间。相反，当回波数减少时，T1信号会出现拖拽和非收敛现象。当这种现象严重时，甚至无法准确确定流体的T1信号[108]。为了实现足够的信号衰减，建议使用足够多的回波数，以便能够检测致密储层孔隙中所有含氢物质。

3.5. 其他参数
除了设置上述NMR测试参数外，其他参数也对T1-T2 2D光谱分析有一定的影响。例如，来自NMR分析器的弱测试信号使单次测量容易受到噪声的影响，导致信噪比(SNR)降低。为了通过减少噪声干扰来提高SNR，必须进行多次测量并累积数据。然而，这些措施会延长实验测试时间。SNR等于回波序列的最高幅度与噪声标准偏差的比值。Ge等人[101]报告称，当SNR超过10时，原油松弛信号的反演结果显示更好。随着SNR的降低（SNR = 50, 20, 10, 5），不需要的噪声和孤立假峰出现，T2组分对噪声的敏感性高于T1组分。此外，当SNR从30降低到15时，不同含氢组分之间的信号重叠增加。T1-T2 2D光谱干扰信号扩大，成像质量下降。与实际结果相比，相对误差增大，准确性降低[94]。在测试含油-水的致密砂岩时，Guo等人[42]发现较低的SNR会导致T1-T2图上信号分散加剧，从而增加了从图中识别流体的难度，并建议数据SNR应大于21。如果NS足够大，即可以选出一个合理的NS来获取所有孔隙和有机物质中氢质子的信号，这种方法可以放大SNR并确保NMR检测结果的准确性和可靠性[135]。NMR分析器中较小的探头直径(Dp)可以提高射频(RF)脉冲的均匀性。此外，等待时间越短，短松弛组分的检测能力越强。否则，大多数短松弛组分的信号会消失，使其不适合评估中低成熟度的页岩油[125]。然而，如果探头内径太小，收集的数据量可能不足，导致SNR较低。需要综合考虑活塞样品和岩屑样品的大小。选择要测试的样品直径约为探头内径的90%，这样可以最大化检测线圈周围的样品体积并放大SNR[138]。因此，选择合适的探头直径至关重要。峰移获取信号会导致一些信号的增加和光谱峰的左移，从而可以更好地表征短松弛组分的含量[139]。较大的平滑因子使得难以区分流体组分的边界，而较小的平滑因子会导致噪声信号。因此，测试致密岩石时通常使用平滑因子1.0，这样可以满足测试要求。

4. 讨论
对于含流体的储层岩石，长时间的测试可能会导致流体在岩石中的挥发损失。这些测试结果显示出较大的偏差[140]。目前，SR-CPMG脉冲序列可以用于启动储层岩石的NMR测试，这不仅可以满足精度要求，还可以减少结果误差。相反，在页岩储层、重油储层和含水量高的储层中，较短松弛组分的低对比度可能会阻碍通过反演获得的2D光谱的识别。在这种情况下，优先使用IR-CPMG脉冲序列来完成NMR测试。根据现有研究结果（表1和表2），T1-T2 2D光谱可以用于识别致密储层中粘土矿物的吸附水、结晶水和羟基团，特别是页岩储层中的固体有机物如烃源岩和沥青。可以使用高频NMR分析器设置较小的TE值来检测烃源岩信号[113,125]。粘土矿物中羟基和烃源岩的信号和分布相似，但可以在LF-NMR的短TE条件下进行监测[132]。根据具体的储层特性，选择最佳的NMR测试参数组合。虽然测试时间可能会延长，但前提是确保测试结果准确反映实际岩石情况。考虑到致密油储层的紧密岩石学特性、微孔和纳米孔空间以及高粘土矿物含量，在设置NMR测量参数时，应考虑以下方面。表1. 主要NMR测试参数的比较。表2.在典型致密油藏中，2D NMR T1-T2光谱的测试参数应用统计如下：

(1) 高频NMR分析仪能够有效区分短松弛组分（如羟基和类固体有机物），同时提高纳米孔和微孔的检测能力。松弛组分的边界更加清晰，但需要提升测试的信噪比（SNR）。高频会导致较大的内部梯度，从而影响测量结果。因此，建议使用高频NMR分析仪对致密油藏进行T1-T2 2D光谱测试。

(2) 随着转载时间（TE）的增加，短松弛组分和小孔流体的信号损失加剧，导致测试误差增大。因此，致密油藏的TE值应设定不超过0.1毫秒，以便提高短松弛组分信号的检测范围和准确度。

(3) 为确保致密油藏中含氢组分的完全极化（这对准确测量T1信号至关重要），需要增加重复时间（TW）和回波数量。然而，过长的TW可能导致短松弛组分的T1信号无法收敛，因此需针对每个具体油藏优化合适的TW值。需要注意的是，回波数量增加会延长实验时间。

(4) NMR测试需要设置峰位移以收集信号，进而识别短松弛组分。增加扫描次数有助于提高氢组分信号的检测灵敏度。较高的SNR也有助于提升T1-T2 2D光谱的成像质量。当平滑因子设为1时，流体组分的边界更加分明，噪声信号减弱。

**结论：** 微观孔隙结构和流体分布特征直接决定了致密油藏流体的渗流和开发效果。优化选择致密油藏中的T1-T2 2D NMR参数（包括数据采集、反演和测试参数）可显著提升NMR测试的能力，有效区分不同流体组分，并更直观地反映孔隙空间和流体饱和度等信息。根据致密油藏的特性以及测量精度和仪器测试时间的要求，最佳的T1-T2 2D NMR数据采集与反演方法可以有效降低测量误差。通常采用较小的TE值、高频和低场NMR分析仪。建议最大化重复时间（TW）、有效核自旋时间（NECH）、扫描次数（NS）和信噪比（SNR），同时考虑峰位移和平滑因子。这些调整有助于提高对短松弛组分（如羟基和类固体有机物）以及纳米孔的识别和检测能力。此外，还需解决短松弛组分之间的边界重叠问题（例如干酪根和粘土结构水）。特别是页岩油藏的孔隙空间非常小且富含有机物，因此优化最有效的测试参数组合至关重要。目前，仪器分辨率、采集和反演算法的局限性会导致T1-T2 2D NMR测试结果的误差。为获得更准确的含氢物质测量结果，可通过优化磁体材料、提高磁场强度、改进探头内径和优化数据处理方法来提升NMR设备的综合性能。这些改进旨在提高信号采集的效率和准确性。此外，还需针对致密油藏优化T1-T2 2D NMR实验的测试参数配置和信号采集反演方案，为油藏评价和分析提供有效方法，并为提高采收率技术提供理论支持。