刘招君, 孟庆涛, 贾建亮. (2019)油页岩成矿作用研究中的关键方法和技术* [J]. 古地理学报, 21(1): 127-142
Liu Zhao-Jun, Meng Qing-Tao, Jia Jian-Liang. (2019)Key methods and technologies in the study of oil shale mineralization[J]. Journal Of Palaeogeography, 21(1): 127-142.   
Doi: 10.7605/gdlxb.2019.01.007
Permissions
Copyright©2019, 《古地理学报》编辑部
版权所有.《古地理学报》编辑部
油页岩成矿作用研究中的关键方法和技术*
刘招君1,2, 孟庆涛1,2, 贾建亮3
1 吉林大学地球科学学院,吉林长春 130061
2 吉林省油页岩与共生能源矿产重点实验室,吉林长春 130061
3 中国地质科学院地质研究所,北京 100037
通讯作者简介 孟庆涛,女,1984年生,教授,主要研究方向为油页岩成矿理论。E-mail: mengqt@jlu.edu.cn。

第一作者简介 刘招君,男,1951年生,教授,主要研究方向为油页岩成矿理论与资源评价。E-mail: liuzj@jlu.edu.cn。

收稿日期:2018-11-21
基金资助:国家自然科学基金项目(编号: 41872103,41772114),全国油页岩资源评价项目(编号: 2017YQZYPJ01)和中国地质调查局油气资源调查中心项目(编号: DD20189606-YQ18W01)联合资助
摘要

油页岩作为一种重要的非常规油气资源,如何有效地利用油页岩成矿作用研究中的关键方法和技术实现油页岩的综合识别与评价极其重要。油页岩识别的关键技术主要包括基于岩石学的地质识别、精确的地球化学指标识别、测井技术的垂向高分辨率快速识别和地震技术的三维空间定量刻画。先进的测试技术、创新的理论方法以及高品质地球物理资料的二次开发利用将不断提升油页岩从定性到定量预测识别的精度。油页岩成矿作用研究的关键方法是从古构造条件、古气候条件、古地理条件以及古湖泊环境等地质因素入手,探讨其综合作用下有机质来源、保存条件及成岩作用的变化,由定性向半定量—定量地精细刻画油页岩中有机质聚集过程,从而有效地预测油页岩的展布及其富集规律。由于文中材料以中国陆相含油页岩盆地的研究成果为主,而陆相成因油页岩的识别特征及成因机制可能与海相等成因存在差异,因此,仍需油页岩地质学家不断深入研究与总结。希望此文对页岩油、页岩气及烃源岩研究也具有一定的借鉴意义。

关键词: 油页岩; 成矿作用; 资源评价; 方法和技术; 有机质聚集
中图分类号:P618.12 文献标志码:A 文章编号:1671-1505(2019)01-0127-16
Key methods and technologies in the study of oil shale mineralization
Liu Zhao-Jun1,2, Meng Qing-Tao1,2, Jia Jian-Liang3
1 College of Earth Sciences,Jilin University,Changchun 130061, China
2 Key Laboratory for Oil Shale and Paragenetic Energy Minerals,Jilin Province, Changchun,130061, China
3 Institute of Geology,Chinese Academy of Geological Sciences,Beijing 100037, China
About the corresponding author Meng Qing-Tao,born in 1984,is a professor of College of Earth Sciences,Jilin University. Now she is engaged in metallogenetic theory of oil shale. E-mail: mengqt@jlu.edu.cn.

About the first author Liu Zhao-Jun,born in 1951,is a professor of College of Earth Sciences,Jilin University. Now he is engaged in metallogenetic theory of oil shale and resource evaluation. E-mail: liuzj@jlu.edu.cn.

Fund:Co-funded by the National Natural Science Foundation of China(Nos.41872103,41772114),the Project of National Oil Shale Resource Evaluation(No.2017YQZYPJ01),and the Project of Oil and Gas Resources Survey Center,China Geological Survey(No. DD20189606-YQ18W01)
Abstract

Oil shale is an important unconventional oil & gas resource. It is critical to comprehensively identify and evaluate oil shale recourse by utilizing key methods and technologies in the study of oil shale mineralization. The key technologies of oil shale identification include geology identification based on petrology,geochemistry identification,high-resolution logging,seismic technique for three-dimensional space description,advanced test technique,innovated theory & method and secondary exploitation of high-quality geophysics information,all of which will continuously improve the accuracy of oil shale identification and forecast from qualitative to the quantitative. The key methods in the study of oil shale mineralization are firstly to find out the geological factors,including palaeostructure,palaeogeographic and palaeoclimate conditions,and palaeolake environments,to discuss a combined effects on various organic matter sources,preservation conditions and diagenesis. Then,finely depict the process of organic matter enrichment of oil shale from qualitative to the quantitative,thus effectively forecast the patterns of oil shale formation and distribution. This paper was mainly based on the research results of continental oil shale-bearing basins in China. Due to the diversity of oil shale genetic type,there might exist differences of identifying characteristics between continental origin and marine origin oil shale,which still needs to be further studied and summarized. It is hoped that this paper could also be useful for researches an shale oil,shale gas and hydrocarbon source rocks.

Key words: oil shale; mineralization; resource evaluation; methods and technologies; accumulation of organic matter

油页岩是重要的非常规油气资源, 可以用来直接燃烧或者通过干馏得到油页岩油及相关产品, 具有极大的经济和社会效益。中国油页岩资源丰富, 2003— 2006年“ 全国油页岩资源评价” 结果表明, 埋深不大于1000 m油页岩油可采资源为120× 108 t, 相当于常规可采石油资源量的一半以上(刘招君等, 2009a, 2009b)。近年来, 国际油价的持续波动, 中国很多地方都掀起了油页岩勘探开发热潮, 促进了油页岩地质调查工作的发展, 地质找矿成果显著。但随着油页岩勘探难度的增大, 从以前的露头矿、浅层矿到目前的深层找矿, 以及原位开发技术的不断发展, 如何有效识别并准确地确定油页岩矿层位及展布规律, 是油页岩勘探与开发的关键地质任务, 为此, 笔者及其团队经过10余年来的理论与实践研究, 总结出以陆相盆地为主的油页岩成矿作用研究中的一些关键方法和技术, 希望能对今后的油页岩资源评价与成矿预测工作有所借鉴。

1 油页岩识别的关键技术

油页岩的识别是油页岩资源评价及成矿作用研究的一个关键问题。油页岩在岩石学特征上是一种富含有机质的细粒沉积岩, 其可靠识别主要依据野外露头与钻孔样品测试数据实现, 一般可以利用含油率、总有机碳含量(TOC)与产烃潜量(S1+S2)等指标来识别油页岩(贾建亮等, 2015)。然而, 鉴于样品数量、样品分布、样品代表性和测试分析效率等条件限制, 在垂向及横向上都难以实现客观全面地识别和评价盆地油页岩(贾建亮, 2012)。因此, 如何利用先进的地球物理技术实现油页岩的快速定量识别与评价也是油页岩综合研究的重要课题之一。

1.1 油页岩综合地质与地球化学识别技术

油页岩的综合地质与地球化学识别技术主要是基于油页岩的岩石学与地球化学特征, 是一种最直接可靠的油页岩识别方法, 而明确油页岩本身的含义是进行油页岩识别的前提。2006年“ 全国油页岩资源评价” 中定义了油页岩, 认为油页岩是一种高灰分的固体可燃有机沉积岩, 低温干馏可获得油页岩油, 含油率大于3.5%, 有机碳含量较高, 有机质类型主要为Ⅰ 型和Ⅱ 1型干酪根, 其发热量一般不小于4.18 mJ/Kg, 其工业指标在开发利用过程中可能随经济和技术条件的变化而变化(刘招君等, 2009a, 2009b, 2013; 孟庆涛, 2010; 贾建亮, 2012)。

1.1.1 油页岩的地质识别特征

油页岩的地质识别主要通过野外露头及钻孔岩心的最直观的岩石学特征进行。任何岩石分类都应该具备易被识别的关键岩石组成特征, 对于油页岩而言其特征应该是有机质, 主要包括有机质类型与丰度(Hutton, 1987; 贾建亮, 2012)。油页岩极其富含有机质使其在颜色、岩性、结构、构造和成分等方面区别于常规泥岩、低品质烃源岩、煤以及碳质泥岩等(刘招君等, 2009a; 孟庆涛, 2010; 贾建亮, 2012), 也使油页岩具有显著的地球化学与地球物理特征。

油页岩的岩石类型呈现多样性, Π о г р е б н о в 等(1983)认为油页岩是固体可燃矿产的一种岩石类型且是化学成因— 碎屑成因的沉积岩; Dyni(2003)认为油页岩是一种细粒沉积岩并包含大量有机物; 刘招君等(2009a)认为油页岩是一种高灰分的固体可燃有机沉积岩。由此可见, 世界上油页岩的岩石类型主要由富含有机质的页岩(泥岩)、泥灰岩和碳酸盐岩等岩石组成, 而中国油页岩主要以页岩或泥岩为主(刘招君等, 2009a)。

油页岩在野外露头或钻孔岩心上表现出质轻、具油腻感, 用指甲刻划时划痕呈暗褐色, 并且用小刀沿层面切削时, 常呈刨花状薄片, 用火柴点燃时冒烟且具油味等特征(图1)(刘招君等, 2009a, 2009b; 孟庆涛, 2010; 贾建亮, 2012)。油页岩手标本及岩心颜色主要为黑色— 灰黑色、褐黑色、黑褐色、灰褐色、棕褐色、褐黄色或深灰色(图1), 且其颜色随有机碳含量不同变化比较明显(刘招君等, 2009b)。油页岩多具泥质结构。油页岩的原生构造主要包括层理和块状构造, 层理主要以发育稳定水体环境中的水平层理为主(图1), 块状构造仅仅是用肉眼观察看不到任何内部构造, 但微观尺度可能存在一定的生物扰动构造(刘招君等, 2009a)。此外, 在油页岩上也可见到软体动物和植物等化石分布, 还可见到树皮结构、母质结构的镜质体。

图1 油页岩野外露头与钻孔岩心的岩石识别特征(据刘招君等, 2009a)
a— 德国Grube Messel中始新统灰黑色油页岩; b— 美国Unita盆地始新统绿河组暗褐色油页岩; c— 新疆博格达山中二叠统芦草沟组灰黑色油页岩; d— 美国Green River盆地始新统绿河组暗褐色油页岩; e— 吉林桦甸HD2井始新统桦甸组暗褐色组油页岩; f— 吉林农安Ngn2井上白垩统青山口组灰黑色油页岩Fig.1 Lithological identification characteristics of oil shale in outcrops and cores(from Liu et al., 2009a)

中国典型陆相含油页岩盆地(如松辽盆地、桦甸盆地和抚顺盆地等)发育极其优质的油页岩, 颜色以深灰色、灰黑色、灰褐色以及暗褐色为主(图1-c, 1-e, 1-f), 含油率最高可达20.0%, 有机碳含量最高可达30.0%, 有机质类型以富含藻类与浮游生物的Ⅰ 型和II1型干酪根为主, 而成熟度普遍较低(RO< 0.5%)(柳蓉, 2007; 孟庆涛, 2010; 贾建亮, 2012; Jia et al., 2013a, 2013b; 孙平昌, 2013; Xu et al., 2015; 徐进军, 2015)。油页岩以泥质结构为主, 主要为黏土级别极细沉积物, 发育块状层理和水平层理, 有时含有介形虫类、叶肢介类等生物化石、碎屑条带及方解石、凝灰岩等夹层(图1-e, 1-f)。

1.1.2 油页岩的地球化学识别特征

含油率是定量识别与评价油页岩的最直接参数, 一般油页岩含油率边界品位大于3.5%, 并以5%与10%为界分为低、中、高3个品级(刘招君等, 2009a)。油页岩含油率的直接获取一般通过铝甑干馏测试方法, 而获取的油页岩油主要来自富烃有机显微组分, 如腐泥无定形体、藻类体、壳质组分和富烃镜质体等, 从而使油页岩油具有较高的转化效率, 而较低成熟度是保证其高效转化的基本保证。一般而言, 稳定水体环境中以浸油型干酪根为主要贡献的TOC含量往往与含油率的关系密切, 从而可以通过建立含油率与TOC含量之间的定量关系来识别与评价油页岩。此外, 以游离烃S1与裂解烃S2组成的产烃潜量的热升温获取机理无疑可以与含油率和TOC含量建立直接关系, 从而也使其成为一个判定油页岩地球化学识别的有效参数。因此, 含油率、TOC含量与产烃潜量是3个极其重要且具有内在成因联系的用地球化学方法识别与评价油页岩的关键参数。

要建立含油率、TOC含量与产烃潜量三者之间稳定可靠的定量关系模型, 需要做大量的测试数理统计。统计数据要满足以下条件: (1)不同地区具有不同成因类型的油页岩应分别统计, 也就是不同油页岩油转化效率会影响其对TOC含量与产烃潜量的贡献; (2)为避免构造埋深因素对油页岩形成的影响, 数据最好来自研究区不同位置的井; (3)为消除数据层段不全带来模型的不稳定性, 数据最好来自连续取心钻井(贾建亮, 2012)。

中国典型陆相大型湖盆— — 松辽盆地中发育的油页岩具有典型代表性, 稳定沉积背景下的巨大发育规模、高有机质富集、良好的有机质类型和较低有机质成熟, 使其能够在TOC含量与产烃潜量一定时具有较高的油页岩油转换效率, 从而为建立含油率、TOC含量与产烃潜量之间的稳定关系模型奠定了基础。为此, 选取松辽盆地不同构造单元4口全井段取心钻孔的青山口组层段(贾建亮, 2012; 孙平昌, 2013; 徐进军, 2015), 分别建立了TOC含量与含油率、TOC含量与产烃潜量之间的定量关系(图2)。需要指出的是, 本次只选取了TOC含量大于0.6%代表烃源岩的岩石样品进行统计建模。统计建模结果表明, 松辽盆地青山口组油页岩的TOC含量分别与含油率和产烃潜量呈现明显的正相关性, 相关系数(R2)均超过0.93, 说明TOC含量与含油率和产烃潜量均具有良好的相关性(图2)。由此可知, 松辽盆地油页岩含油率为3.5%分别对应TOC含量为5.0%、产烃潜量为35.0 mg HC/g rock。因此, 在松辽盆地把油页岩含油率大于3.5%、TOC含量大于5.0%、产烃潜量大于35.0 mg HC/g rock作为识别油页岩的标准, 从而可以在松辽盆地较好地运用含油率、TOC含量与产烃潜量3个参数实现对油页岩的地球化学定量识别与评价。

图2 松辽盆地青山口组油页岩TOC含量与含油率(a)和产烃潜量(b)之间的定量关系Fig.2 Quantitative relationship of TOC to oil contents(a) and hydrocarbon generation potentials(b) of oil shale in Qingshankou Formation, Songliao Basin

1.2 油页岩综合地球物理识别技术

油页岩的地球物理识别技术因其快速有效性而备受关注(谭廷栋, 1988; Passey et al., 1990; 贺君玲等, 2006; El Sharawy和Gaafar, 2012; 张佳佳等, 2012; Jia et al., 2012), 其评价技术也因业内对页岩油气的广泛关注而得以发展。油页岩作为极富有机质的细粒沉积, 其地球物理识别更具有代表性。油页岩的地球物理识别主要从单井测井评价与空间地震评价2方面入手, 首要解决的是地球物理响应机理问题, 这是确定地球物理参数是否具有明确地质意义的前提。

1.2.1 油页岩岩石物理建模及地球物理响应

油页岩地球物理综合解释的任务主要把特定地球物理参数反演成识别油页岩的地质信息, 为此需要建立地球物理解释模型, 从而确立地球物理响应与地质参数之间的关系(孙建孟和王永刚, 2001; 贾建亮等, 2015)。常规岩石物理模型主要针对纯砂岩或泥质砂岩模型, 而非常规富含有机质的泥页岩模型研究相对较少(Meyer and Nederlof, 1984; 赵彦超, 1990)。

在油页岩岩石物理建模时, 建议把油页岩固体部分划分为非黏土矿物、黏土矿物与有机质3种组分, 并把其作为3个宏观物理量研究岩石每部分对地球物理响应值的贡献。地球物理响应的贡献不单纯看各固体部分的物理性质, 更要注重不同岩石组分所构成的孔隙结构及流体性质所起作用。大量模拟实验表明, 不同孔径大小的孔隙并非独立存在, 而是以树枝状等不同的方式相互连接, 构成了沉积岩石内部微观的流体运移通道(Nelson, 2009), 从而影响岩石的地球物理响应特征。黏土矿物和有机质赋存与作用方式的多样性使富有机质泥页岩孔隙度的定义变得极其复杂(Kuila et al., 2014)。Passey 等(2010)和Kuila等(2014)把富有机质泥页岩总孔隙度定义为泥页岩饱含流体的含量, 主要包括自由水、微毛细管水、黏土束缚水和烃类流体的孔隙, 而有效孔隙度被进一步定义为自由水、微毛细管水与烃类流体的孔隙度之和。前人研究表明, 富有机质泥页岩孔隙中占优势的是中孔(孔径2~100 nm)和微孔(孔径小于2 nm)(黄振凯等, 2013; 杨峰等, 2013), 即地球物理意义上的微毛细管孔隙与黏土水孔隙, 但不能忽略自由水孔隙的存在。Li 和Mo(1999)、莫修文等(2001)等认为完全饱水岩石的导电是自由水、微毛细管水与黏土束缚水3部分起作用, 在渗流特性上微毛细管水与黏土束缚水一样, 在通常压力下无法流动和产出, 而在导电性上微毛细管水与自由水不同于黏土束缚水的附加导电性。因此, 合理的油页岩宏观物理组分划分, 对于建立具有地质意义的油页岩岩石物理模型至关重要。

油页岩的地球物理综合响应是各岩石组分及孔隙流体某物理性质的贡献总和, 即某物理量的加权平均值, 而异常地球物理响应是油页岩地球物理识别的关键(贾建亮等, 2015)。常规砂岩储集层地球物理识别主要利用地层孔隙度及其孔隙流体类型变化引起特定地球物理参数(如电阻率、声波、中子、密度和相对波阻抗等)相对异常的响应来判断(李勇根和徐胜峰, 2008), 而油页岩地球物理识别同时要考虑有机质高度富集对各个地球物理参数响应所起作用。因此, 在地层条件一定的前提下, 油页岩的岩石组合特征、微观孔隙发育及其孔隙流体性质将成为重点影响岩石地球物理响应的因素(贾建亮等, 2015)。

油页岩岩石组分的测井响应与弹性参数分析表明, 有机质与黏土矿物具有低地层密度、高声波时差、高中子孔隙度、高自然伽马和高电阻率的测井响应特征以及低体积密度和低纵波速度的弹性参数特征, 而非黏土矿物(如碎屑矿物、碳酸盐岩矿物和重矿物等)表现出与有机质相异的地球物理响应特征(谭廷栋, 1988; 洪有密, 1993)。因此, 油页岩的地球物理异常响应主要受有机质丰度、黏土矿物作用与微观孔隙发育程度影响, 从而把油页岩岩石物理模型简化成4种有效组成部分: 非黏土矿物、黏土矿物、有机质和总孔隙度, 据此建立油页岩等效岩石物理模型极其地球物理响应方程(Passey et al., 2010; 贾建亮, 2012; 贾建亮等, 2015)。实践表明, 松辽盆地青山口组与嫩江组油页岩较高的有机碳含量、黏土矿物含量以及束缚水孔隙等特征(贾建亮, 2012), 使其具有显著的测井参数与地震波阻抗响应, 从而为其测井与地震识别奠定基础。

1.2.2 油页岩的测井识别技术

综合地质与地球化学方法识别油页岩有一定的局限性, 而高垂向分辨率的测井信息能为油页岩识别提供更加全面高效的资料支持, 油页岩的测井识别技术对预测结果的可靠性起到至关重要的作用。油页岩的测井识别主要利用测井资料的高纵向分辨率特征以及油页岩富含有机质的异常测井响应特征, 建立特征测井参数与油页岩有机碳含量之间的定量关系模型, 并进一步计算出油页岩段有机碳含量的连续分布。

油页岩或富有机质泥页岩的测井识别从提出利用单参数识别到现今已经发展了70多年, 特别近年来随着对页岩油气关注度的不断提高, 如何快速有效地识别并评价优质泥页岩是广大科研工作者致力研究的方向之一。油页岩或富有机质泥页岩的测井识别技术发展主要可以划分成以下几个阶段: (1)单测井参数识别, 主要利用在特定地区具有特征指示意义的测井参数定性判别或定量计算有机碳含量高低。例如: 利用有机质和黏土矿物对放射性元素铀的高吸附性来建立与有机碳含量的关系(Beers, 1945; Swanson, 1960); 通过有机质与自然伽马参数之间的密切关系识别富有机质泥页岩(Schmoker, 1981; 谭廷栋, 1988; Hertzog et al., 1989); 还有利用密度测井方法确定富有机质泥页岩中有机碳含量(Schmoker, 1979; Schmoker and Hester, 1983); 也有通过声波测井参数、电阻率测井参数在特定地区进行富有机质泥页岩的定性识别评价(Autric, 1985; Hussain, 1987)。(2)多测井参数识别, 利用多种与有机质测井响应密切相关指标通过不同算法实现判定富有机质泥页岩, 避免因单参数受多地质因素叠加影响引起预测结果的不稳定性。例如: 利用双测井参数交汇图建立二元一次方程来判别烃源岩和非烃源岩(Meyer and Nederlof, 1984; 赵彦超, 1990); 通过多种测井参数建立多元线性回归方程定量评价富有机质泥页岩(Fertl and Chilingar, 1988; Kamel and Mabrouk, 2003; 徐思煌和朱义清, 2010); 还有利用人工神经网络法模拟预测烃源岩以解决测井曲线和TOC间的隐式问题(Huang and Williamson, 1996; Kamali and Mirshady, 2004; Kadkhodaie-Ilkhci et al., 2009; 张晗等, 2017)。(3)△ logR识别技术, 由Passey等(1990)提出, 无疑是多测井参数评价烃源岩中最具代表性及广泛应用的一种方法, 主要是通过电阻率和三孔隙度测井指标的重叠来定量评价富有机质泥页岩, 该模型建立具有明确的物理意义而不只是简单的线性回归, 尽管Δ logR模型在叠合系数求取、基线值选取、有机碳含量背景值、成熟度参数方面存在不足(胡慧婷等, 2011; 卢双舫等, 2016), 但不影响后人对Δ logR模型的积极改进与推广应用(许晓宏等, 1998; 张志伟和张龙海, 2000; 朱振宇等, 2003; Kamali and Mirshady, 2004; 贺君玲等, 2006; 霍秋立等, 2011; El Sharawy and Gaafar, 2012), 特别是近年卢双舫团队等在优化Δ logR模型与推广应用方面做了大量积极有效工作(胡慧婷等, 2011; 黄文彪等; 2014; 刘超等, 2015; 卢双舫等, 2016; 陈海峰等, 2017), 不断优化的Δ logR模型使有机碳含量预测精度进一步提高(卢双舫等, 2016)。需要特别指出的是, 上述富有机质泥页岩的测井识别技术应用进程中, 绝大多数典型实例中都有油页岩层段发育(例如Passey et al., 1990)。油页岩因其极富有机质的岩石学特征使其具备更加显著的测井响应, 从而为富有机质泥页岩测井识别技术的应用与推广提供更加有力的证据。因此, 贺君玲等(2006)、Jia等(2012)和朱建伟等(2012)和贾建亮(2012)等利用多元统计法、Δ logR模型开展油页岩的测井识别时获得了较好的应用效果。

尽管如此, 测井曲线易受井眼环境等非地层因素的影响而不能准确地反映原状地层信息, 故不受地层外因素影响的地震属性组合(特别是缺乏测井资料地区)结合有效测井信息来综合评价富有机质泥页岩将受到关注, 从而试图利用测井— 地震多属性逐步回归分析定量估算有机碳含量(贾建亮, 2012)。测井— 地震多属性方法把Δ logR模型(或改进模型)预测的TOC含量作为目标曲线, 采用步— 进递归法从众多测井— 地震属性中按属性对TOC含量作用的显著程度优选影响显著的测井— 地震属性组合, 然后利用多元逐步回归分析方法与褶积因子算法对优选的测井— 地震多属性进行信息融合获得TOC含量(Jia et al., 2012; 贾建亮, 2012)。在松辽盆地临江南三维地震研究区的实践应用表明, 多属性预测TOC相比Δ logR预测TOC含量与测试TOC含量具有更好对应关系(图3), 预测结果含有更多反映TOC含量变化的属性信息, TOC含量背景值在垂向偏离零线, 基线变化合理而更符合原状地层有机质的垂向变化规律(Jia et al., 2012; 贾建亮, 2012)。因此, 测井— 地震多属性方法在基础资料综合运用与优选融合属性算法两方面均具备提高单井TOC预测精度的优势, 从而使其在具有丰富地球物理资料特别是地震资料的地区具有广泛的应用前景。

图3 松辽盆地S50井测井— 地震多属性分析(据Jia et al., 2012; 贾建亮, 2012; 修改)Fig.3 Logging-seismic multi-attribute analysis of Well S50 in Songliao Basin(modidied from Jia et al., 2012; Jia, 2012)

1.2.3 油页岩的地震识别技术

尽管测井识别油页岩能获得精度相对较高、垂向分辨率较高的有机质变化曲线, 但却无法解决有机质连续横向变化及分布预测问题。因此, 利用空间密集的地震资料及技术(地震反演和地震属性分析等)进行三维有机质空间定量刻画, 是实现油页岩或富有机质泥页岩三维空间定量识别评价的一个必然发展趋势。

受地震分辨精度及其可靠性的影响, 油页岩或富有机质泥页岩的地震识别的研究相对较薄弱。近年随着页岩油气勘探的需要, 富有机质泥页岩的地震评价不管是基于叠后地震资料还是叠前地震资料都得以发展。油页岩或富有机质泥页岩的地震识别技术发展主要可以划分为以下几个阶段: (1)叠后地震资料定性识别, 主要在低勘探程度盆地应用地震相法、岩性速度法及地震属性法对优质烃源岩进行定性早期预测(于建国等, 2005; 刘震等, 2007; 张寒和朱光有, 2007; 曹强等, 2009; Lø seth et al., 2009)。(2)叠后地震资料定量评价, 主要在勘探程度相对较高盆地, 结合测井与地球化学等资料, 基于岩石物理建模利用地震多属性分析或地震反演方法来定量评价烃源岩(Lø seth et al., 2011; 金强等, 2012)。(3)叠前地震资料定量评价, 主要通过叠前弹性参数反演与叠前扩展弹性参数反演直接获得弹性参数、密度和自然伽马数据体, 利用实测TOC含量建立与各类地震敏感参数关系估算TOC含量(陈祖庆, 2014; 侯华星等, 2016, 2017; 何沂等, 2018)。然而, 受地震资料分辨率以及地震响应强度的影响, 一般烃源岩的地震识别在界面反射型数据体中往往难以获得理想的效果, 而有机质高度富集的油页岩更易形成显著的界面反射特征(贾建亮等, 2015), 从而使油页岩的地震识别比烃源岩的更具有典型代表性。张佳佳等(2012)、Jia 等(2012)、贾建亮等(2015)等利用叠后地震正演模拟、地震多属性分析以及地震反演方法等识别与评价油页岩获得了较显著的应用效果。

针对松辽盆地临江南青山口组和嫩江组的未成熟油页岩, 结合单井估算TOC含量数据, 利用叠后地震资料正演— 反演方法识别与评价油页岩的研究结果表明, 有机质丰度和孔隙发育程度影响油页岩的地震响应, 地震资料可分辨最小油页岩厚度为6.4 m(贾建亮等, 2015), 波阻抗反演结果只能定性评价油页岩发育的空间展布特征, 而有机质与含油率反演结果不仅能预测油页岩发育的空间展布特征, 还可以评价油页岩发育的品质(图4)(Jia et al., 2012; 贾建亮, 2012), 且地震预测与钻孔测试结果吻合度较高(相关系数R2=0.796)(贾建亮等, 2015), 从而实现油页岩的地震定量识别与评价。因此, 油页岩的地震识别方法能够精细刻画地质体中油页岩的空间展布规律, 从而使其在地震资料品质较高且油页岩发育的地区具有更好的适应性。

图4 松辽盆地油页岩空间定量识别三维立体图(据Jia et al., 2012; 贾建亮, 2012; 修改)Fig.4 Three-dimensional diagram of spatially quantitative identification of oil shale in Songliao Basin (modified after Jia et al., 2012; Jia, 2012)

2 油页岩成矿作用研究的关键方法

油页岩成矿作用研究是进行油页岩地球物理识别、资源评价与成矿富集规律研究的基础, 油页岩的形成必须具备丰富的有机质来源、良好的有机质保存条件以及后期的矿藏保存条件, 归结起来即是古构造、古地理、古湖泊环境和古气候条件等地质因素综合作用的结果(刘招君等, 2009a)。

2.1 古地理条件的研究方法

根据板块的研究成果, 中国含油页岩盆地可简单地归纳为4类, 即裂谷盆地、前陆盆地、走滑盆地和克拉通盆地。不同盆地类型的不同演化阶段其沉积环境有所差异, 不同的沉积环境造成了有机质来源、保存条件和有机质埋藏的差异, 由此导致不同类型油页岩的沉积。因此, 油页岩的沉积环境是影响有机质富集的直接关键因素。借助露头、钻井岩心、测井和地震等资料, 通过含油页岩岩系的沉积环境研究, 可以确定有利于油页岩发育的沉积相, 分析其沉积环境特征, 为进一步的资源预测及研究有机质富集时的古湖泊环境提供依据。古湖泊的沉积物填充样式和沉积相空间展布规律主要受控于其层序地层的基准面变化, 基准面又是古气候、古构造、沉积物供给速率和湖平面变化的综合响应结果, 最终影响可容纳空间变化(Vail, 1987; 刘招君等, 2002), 故含油页岩岩系层序地层研究是确定油页岩形成环境及展布规律的关键所在。

通过研究典型盆地含油页岩岩系层序地层与沉积特征(刘招君等, 2011; 孙平昌等, 2011; 贾建亮等; 2014; 徐进军, 2015)发现, 油页岩层底界面往往可以作为准层序界面(刘招君等, 2011)(图5-q), 油页岩主要发育在三级层序水进体系域和高水位体系域的深湖、半深湖及湖沼(与沼泽有成因联系的浅湖)环境。深湖腐泥型油页岩主要赋存于大中型拗陷盆地中, 往往具有分布范围广、空间展布稳定、品质和厚度中等的特点。在一些小型断陷盆地中也存在此种类型的矿床, 具有分布范围小、横向差异大、品质良好以及厚度巨大的特点; 半深湖腐殖腐泥型油页岩在断陷与拗陷盆地中均有发育, 其特点是分布范围小、空间上品质和厚度差异明显; 湖沼腐泥腐殖型油页岩主要沉积于断陷盆地中, 且与煤共生。往往在1个准层序中, 下部发育油页岩, 上部发育煤, 油页岩具有分布局限、品质好和厚度薄的特点(刘招君等, 2016)。

图5 松辽盆地上白垩统青山口组含油页岩段地球化学参数垂向演化图(据徐进军, 2015; 修改)Fig.5 Vertical evolution of geochemical parameters of the oil-bearing shale section in the Upper Cretaceous Qingshankou Formation in Songliao Basin(modified after Xu, 2015)

2.2 湖泊环境的研究方法

目前, 中国已发现的绝大多数油页岩均为湖相沉积, 油页岩作为一种典型的高富含有机质的细粒湖相沉积物, 其古湖泊环境的研究是揭示油页岩有机质富集机制及成矿环境的一种重要手段。古湖泊环境研究主要包括古湖泊生产力、湖泊水体性质和湖水分层等。

2.2.1 古湖泊生产力

古湖泊生产力对油页岩有机质的丰度具有至关重要的影响, 在已发现的湖泊中富有机质沉积物的形成常伴随高古湖泊初始生产力(尹秀珍, 2008; 刘招君等, 2010; Meyers et al., 2012), 并认为表层水的生产力比底部水体的保存条件更为重要(汪品先, 1991)。古湖泊初始生产力研究内容一般包括有机质的来源、母质类型及初始湖泊生产力等。

有机质来源包括内源和外源2种, 其中内源有机质主要来源于湖泊自生生物, 如藻类、菌类、浮游生物和水生植物等, 而外源有机质主要来源于高等植物, 如松柏科、杉科和蕨类植物等。判别有机质来源通常应用地球化学方法, 包括有机显微组分、生物标志化合物、有机碳同位素和某些元素含量变化等(图5-a至5-e)。

生物标志化合物中, 不同碳数的正烷烃可以较准确地判断有机质母质类型(Brassell et al., 1978)。一般小于C20的短链正烷烃源自algaes(藻类)和microorganisms(微生物), C21-25的中链正烷烃为Sphagnum(水藓)或aquatic macrophytes(泥炭藓), 而长链的C27-31正烷烃则来自于陆源高等植物的输入(Bechtel et al., 2007)(图6), 值得注意的是, 一些未成熟油页岩中较高含量的长链的C27-31正烷烃也可能来自于微藻类或细菌(Bechtel et al., 2012)。甾烷化合物中的C27-Sterane主要为菌藻类来源, C29-Sterane为陆源高等植物输入为主, 而C28-Sterane则是水生生物与陆源高等植物的混合来源产物(许世红等, 2002; Peters et al., 2005)。

图6 松辽盆地北部油页岩生物标志化合物特征Fig.6 Characteristics of biomarker compounds in oil shale in northern Songliao Basin

此外, 伽马蜡烷(Gammacerane)、芳基类异戊二烯(Arylisoprenoids)、17α (β )藿烷等可指示细菌来源的有机质(Peters et al., 1993)(图5-c)。

研究发现, 不同亚相油页岩有机质来源有所差别。半深湖— 深湖亚相油页岩中有机质主要以层状藻和结构藻为主(图7-a, 7-b), 含少量的孢子体(图7-c)、镜质体和惰质体等陆源有机质; 与煤伴生的浅湖亚相油页岩有机质以孢子体和角质体等陆源高等植物为主(图7-d, 7-e), 含少量的藻类和菌类(图7-f)。

图7 不同沉积亚相油页岩有机质来源
a, b, c— 半深湖亚相; a来自松辽盆地LY1井嫩江组, 油页岩, 荧光薄片; b、c来自松辽盆地ZY1井青山口组, 油页岩, 荧光薄片。d, e, f— 浅湖亚相, 老黑山盆地NY1井穆棱组, 油页岩, 荧光薄片Fig.7 Sources of organic matter in different sedimentary subfacies of oil shale

古湖泊生产力的定量恢复可采用Mü ller和Suess(1979)提出的有机碳法计算古海洋生产力的公式, 该公式的提出主要针对缺少陆地有机质供应的海相环境, 但对于中国中、新生代陆相湖盆, 需剔除陆源有机质供给的影响。此外, 刘惠民等(2003)建立了陆相湖泊生产力与有机碳之间的关系, 推导了陆相湖泊生产力的计算公式。应用上述2种方法分别计算了松辽盆地上白垩统青山口组一段和嫩江组二段以及桦甸盆地始新统桦甸组沉积时期古湖泊生产力(孟庆涛, 2010; 徐进军, 2015), 结果表明含油页岩段古湖泊生产力均明显高于上、下泥岩段, 表明高的湖泊生产力有利于优质油页岩的发育(图5-e)。

2.2.2 古湖泊水体性质

古湖泊水体性质主要包括湖水的盐度、氧化还原性和矿化度等。通常, TOC/S值(Berner and Raiswell, 1983)、生标参数如伽马蜡烷指数GI(伽马蜡烷/C30霍烷)(Peters et al., 2005)、MTTC值[三— 甲基化烷基色瞒(Tri-MTTC)与总甲基化烷基色瞒(MTTCs)的比值](Sinninghe Damsté et al., 1987)和某些元素含量及比值如B、B/Ga、 Sr/Ba、Ca/Mg、Sr/Ca等可以反映水体的盐度变化(邓宏文和钱凯, 1993)(图5-f至5-h)。水体的含氧量往往与湖水分层有密切的关系, 底部水体的缺氧环境往往是分层湖泊的标志之一(刘招君等, 2010)。目前, 对湖泊水体分层的研究大多处于定性阶段, 湖水的密度分层, 可以是热分层, 也可以是盐度分层。一般来说, 盐度分层比较稳定, 在一些含油页岩湖泊中常见, 有利于有机质的保存; 介形虫类等底栖生物化石组合及其壳体中氧同位素、微量元素比值、沉积物色泽、自生矿物、有机碳含量、变价铁元素指标、遗迹化石和生物扰动构造等均可指示底水含氧量与湖水分层, 此外, 芳基类戊异二烯、β -胡萝卜烷等生标参数也常指示强还原条件导致的盐度分层(Peters et al., 2005)(图5-j至5-m)。

古水体盐度和氧化还原性与油页岩的有机质丰度有一定的对应关系。通常, 缺氧还原环境有利于有机质的保存, 并且水体强的还原性质和盐度更有利于优质油页岩形成(图8)。

图8 松辽盆地青一段与嫩二段含油页岩层系水体性质与TOC对应关系Fig.8 Relationship between water properties and TOC of oil-bearing shale strata in the Member 1 of Qingshankou Formation and Member 2 of Nenjiang Formation, Songliao Basin

2.3 古气候条件的研究方法

古气候通过降雨量改变古湖盆的可容纳空间, 影响古湖泊中的生物发育、物源供给和水体性质, 是控制有机质富集变化和油页岩成矿的重要因素(刘招君等, 2012; Meng et al., 2018)。前人研究表明, 温暖湿润的古气候是油页岩中有机质富集的非常有利的条件之一(Meng et al., 2012, 2018)。

古气候的研究方法很多, 黏土矿物及其组合特征(Deconinck et al., 2000)、化学蚀变指数CIA(Nesbitt and Wilson, 1992)、某些元素比值如Sr/Cu、Fe/Mn、Rb/Sr、Th/U(王随继等, 1997; Johann et al., 2006)等可以定性恢复古气候演化(图6-n至6-p)。笔者所在团队分别利用上述方法研究了准噶尔盆地中二叠统、柴达木盆地中侏罗统、老黑山盆地下白垩统、松辽盆地上白垩统及桦甸盆地始新统油页岩沉积时期古气候变化及其对油页岩成矿的控制作用。

与此同时, 通过植物化石作为气候代用指标定量重建古气候模型受到国内外学者的重视, 近年来, 在一些新生代含油页岩盆地古气候研究中得到广泛应用(史冀忠等, 2008; 孟庆涛等, 2016; Meng et al., 2012, 2018; Quan et al., 2012)。利用该方法, 可以定量计算油页岩沉积时期的古温度、降雨量等参数, 对油页岩的分布及成矿富集规律具有较好的指示作用(孟庆涛, 2010; Meng et al., 2012, 2018)。

3 结论

1)油页岩识别的关键技术从基于岩石学的地质识别到精确的地球化学指标识别, 综合地球物理资料的二次开发利用从基于岩石物理建模响应的垂向高分辨率测井技术快速识别到地震技术三维空间定量刻画, 历经定性到定量、二维到三维识别的发展过程, 不断发展的测试技术、创新的理论方法以及高品质的地球物理资料不断提升油页岩预测识别的精度。

2)油页岩成矿作用研究的实质是讨论古地理、古湖泊环境和古气候条件等地质因素综合作用下有机质来源与保存条件的变化, 其研究方法从传统的层序地层学、沉积学、古湖泊学逐渐发展到分子地球化学, 由定性向半定量— 定量发展, 精细刻画有机质聚集过程, 有助于较好地预测油页岩展布及富集规律。

文中所介绍的油页岩成矿作用研究中的一些关键方法和技术, 是笔者所在团队近10余年来对中国陆相典型含油页岩盆地研究的成果总结, 但中国油页岩成因类型多样, 除陆相成因油页岩外, 还存在海陆交互相和海相成因油页岩, 其识别特征及成因机制与陆相成因油页岩存在明显差异, 仍有待进一步深入研究与总结。因此, 中国油页岩成矿作用研究尚处于起步阶段, 油页岩地质学家仍需不断努力探索。

作者声明没有竞争性利益冲突.

参考文献
1 曹强, 叶加仁, 石万忠, 陈春峰. 2009. 低勘探程度盆地烃源岩早期评价: 以南黄海北部盆地东北凹为例. 石油学报, 30(4): 522-529.
[Cao Q, Ye J R, Shi W Z, Chen C F. 2009. Preliminary prediction and evaluation of source rocks in low exploration basins: A case study on the northeast sag of the Northern South Yellow Sea Basin in China. Acta Petrolei Sinica, 30(4): 522-529] [文内引用:1]
2 陈海峰, 王凤启, 王民, 于惠宇. 2017. 基于变系数△log R技术的烃源岩TOC精细评价. 中国石油大学学报: 自然科学版, 41(4): 54-64.
[Chen H F, Wang F Q, Wang M, Yu H Y. 2017. TOC evaluation using variable-coefficient Δlog R model. Journal of China University of Petroleum, 41(4): 54-64] [文内引用:1]
3 陈祖庆. 2014. 海相页岩TOC地震定量预测技术及其应用: 以四川盆地焦石坝地区为例. 天然气工业, 34(6): 24-29.
[Chen Z Q. 2014. Quantitative seismic prediction technique of marine shale TOC and its application: A case from the Longmaxi shale play in the Jiaoshiba area, Sichuan Basin. Natural Gas Industry, 34(6): 24-29] [文内引用:1]
4 邓宏文, 钱凯. 1993. 沉积地球化学与环境分析. 甘肃科学技术出版社.
[Deng H W, Qian K. 1993. Sedimentary Geochemistry and Environmental Analysis. Gansu Science and Technology Press] [文内引用:1]
5 何沂, 甘宇, 逯宇佳, 王弘扬, 吕雪松. 2018. 吕雪松基于支持向量回归的页岩TOC含量预测. 油气地球物理, 16(3): 18-21.
[He Y, Gan Y, Lu Y J, Wang H Y, Lü X S. 2018. Prediction of the TOC content of shale based on support vector regression. Petroleum Geophysics, 16(3): 18-21] [文内引用:1]
6 贺君玲, 邓守伟, 陈文龙, 贾裕鲲, 高金琦. 2006. 利用测井技术评价松辽盆地南部油页岩. 吉林大学学报(地球科学版), 36(6): 909-914.
[He J L, Deng S W, Chen W L, Jia Y K, Gao J Q. 2006. Evaluation of oil shale in the Southern Songliao Basin Using Logging Techniques. Journal of Jilin University(Earth Science Edition), 36(6): 909-914] [文内引用:2]
7 洪有密. 1993. 测井原理与综合解释. 东营: 石油大学出版社, 44-61.
[Hong Y M. 1993. The Logging Principles and Its Comprehensive Interpretation. Dongying: Petroleum University Press, 44-61] [文内引用:1]
8 侯华星, 欧阳永林, 曾庆才, 杨青, 陈胜, 朱莎. 2016. 四川长宁页岩总有机碳地震定量预测方法. 东北石油大学学报, 40(5): 18-27.
[Hou H X, Ouyang Y L, Zeng Q C, Yang Q, Chen S, Zhu S. 2016. Seismic quantitative prediction technique for shale TOC in the Changning, Sichuan. Journal of Northeast Petroleum University, 40(5): 18-27] [文内引用:1]
9 侯华星, 欧阳永林, 曾庆才, 陈胜. 2017. 川南地区龙马溪组页岩气“甜点区”地震预测技术. 煤炭科学技术, 45(5): 154-163.
[Hou H X, Ouyang Y L, Zeng Q C, Chen S. 2017. Seismic prediction technology of shale gas sweet spots in Longmaxi Formation of south Sichuan area. Coal Science and Technology, 45(5): 154-163] [文内引用:1]
10 胡慧婷, 卢双舫, 刘超, 王伟明, 王民, 李吉君, 尚教辉. 2011. 测井资料计算源岩有机碳含量模型对比及分析. 沉积学报, 29(6): 1199-1205.
[Hu H T, Lu S F, Liu C, Wang W M, Wang M, Li J J, Shang J H. 2011. Models for calculating organic carbon content from logging information: Comparison and analysis. Acta Sedimentologica Sinica, 29(6): 1199-1205] [文内引用:2]
11 黄文彪, 邓守伟, 卢双舫, 于玲, 胡硕, 张炬. 2014. 泥页岩有机非均质性评价及其在页岩油资源评价中的应用: 以松辽盆地南部青山口组为例. 石油与天然气地质, 35(5): 704-711.
[Huang W B, Deng S W, Lu S F, Yu L, Hu S, Zhang J. 2014. Shale organic heterogeneity evaluation method and its application to shale oil resource evaluation: A case study from qingshankou formation, southern Songliao Basin. Oil and Gas Geology, 35(5): 704-711] [文内引用:1]
12 黄振凯, 陈建平, 薛海涛, 王义军, 王民, 邓春萍. 2013. 松辽盆地白垩系青山口组泥页岩孔隙结构特征. 石油勘探与开发. 40(1): 58-65.
[Huang Z K, Chen J P, Xue H T, Wang Y J, Wang M, Deng C P. 2013. Microstructural characteristics of the Cretaceous Qingshankou Formation shale, Songliao Basin. Petroleum Exploration and Development, 40(1): 58-65] [文内引用:1]
13 霍秋立, 曾花森, 付丽, 任志高. 2011. △log R测井源岩评价方法的改进及其在松辽盆地的应用. 吉林大学学报(地球科学版), 41(2): 586-591.
[Huo Q L, Zeng H S, Fu L, Ren Z G. 2011. The advance of Δlog R method and its application in Songliao Basin. Journal of Jilin University. 41(2): 586-591] [文内引用:1]
14 贾建亮. 2012. 基于地球化学—地球物理的松辽盆地上白垩统油页岩识别与资源评价. 吉林大学博士学位论文, 85-110.
[Jia J L. 2012. Research on the Recognition and Resource Evaluation of the Upper Cretaceous Oil Shale Based on Geochemistry-Geophysics Technique in the Songliao Basin, China. Doctoral Dissertation of Jilin University, 85-110] [文内引用:18]
15 贾建亮, 刘招君, Achim B, Reinhard F, Sachsenhofer, 孙平昌, Susanne A I Strobl. 2014. 松辽盆地嫩江组油页岩发育控制因素. 地球科学: 中国地质大学学报, (2): 174-186.
[Jia J L, Liu Z J, Achim B, Reinhard F, Sachsenhofer, Sun P C, Susanne A I Strobl. 2014. Major Factors Controlling Formation of Oil Shale in Nenjiang Formation of Songliao Basin. Earth Science Journal of China University of Geosciences, (2): 174-186. ] [文内引用:1]
16 贾建亮, 刘招君, 陈永成. 2015. 油页岩的地震识别与评价技术. 中南大学学报(自然科学版), 46(7): 2581-2589.
[Jia J L, Liu Z J, Chen Y C. 2015. A seismic technique for recognition and evaluation of oil shale. Journal of Central South University, 46(7): 2581-2589] [文内引用:8]
17 金强, 武爱俊, 金风鸣, 赵贤正, 梁宏斌. 2012. 武清凹陷大孟庄洼槽烃源岩地震属性预测与评价. 油气地质与采收率, 19(4): 34-37.
[Jin Q, Wu A J, Jin F M, Zhao X Z, Liang H B. 2012. Estimation of source rocks by seismic attributes in the Damengzhuang sag Wuqing depression. Petroleum Geology and Recovery Efficiency, 19(4): 34-37] [文内引用:1]
18 李勇根, 徐胜峰. 2008. 地震岩石物理和正演模拟技术在致密砂岩储集层预测中的应用研究. 石油天然气学报(江汉石油学院学报), 30(6): 61-65.
[Li Y G, Xu S F. 2008. Application of seismic rock physics and forward simulation in predicting tight sand stone reservoirs. Journal of Oil and Gas Technology(JJPI), 30(6): 61-65] [文内引用:1]
19 刘超, 印长海, 卢双舫. 2015. 变系数△log R烃源岩测井评价技术关键参数厘定方法及应用. 天然气地球科学, 26(10): 1925-1931.
[Liu C, Yin C H, Lu S F. 2015. Predicting key parameters for variable-coefficient Δlog R logging technique and its application in source rocks evaluation. Natural Gas Geoscience, 26(10): 1925-1931] [文内引用:1]
20 刘惠民, 李守军, 郑德顺, 李学艳. 2003. 东营凹陷沙三段沉积期湖泊古生产力研究. 石油勘探与开发, 30(3): 65-67.
[Liu H M, Li S J, Zheng D S, Li X Y. 2003. Lacustrine palaeo-productivity in theThird Member of the Shahejie Formation in Dongying Sag. Petroleum Exploration and Development, 30(3): 65-67]. [文内引用:1]
21 刘招君, 董清水, 王嗣敏, 朱建伟, 郭巍. 2002. 陆相层序地层学导论与应用. 北京: 石油工业出版社.
[Liu Z J, Dong Q S, Wang S M, Zhu J W, Guo W. 2002. Introduction to Continental Sequence Stratigraphy & Application. Beijing: Petroleum Industry Press] [文内引用:1]
22 刘招君, 杨虎林, 董清水, 朱建伟, 郭巍, 叶松青, 柳蓉, 孟庆涛, 张海龙, 甘树才. 2009a. 中国油页岩. 北京: 石油出版社: 2-3. 157-167.
[Liu Z J, Yang H L, Dong Q S, Zhu J W, Guo W, Ye S Q, Liu R, Meng Q T, Zhang H L, Gan S C. 2009a. Oil Shale in China. Beijing: Petroleum Industry Press, 2-3, 157-167] [文内引用:8]
23 刘招君, 孟庆涛, 柳蓉. 2009b. 中国陆相油页岩特征及成因类型. 古地理学报, 11(1): 105-114.
[Liu Z J, Meng Q T, Liu R. 2009b. Characteristics and genetic types of continental oil shales in China. Journal of Palaeogeography(Chinese Edition), 11(1): 105-114] [文内引用:4]
24 刘招君, 孟庆涛, 柳蓉, 胡菲, 周人杰. 2010. 古湖泊学研究: 以桦甸断陷盆地为例. 沉积学报, 28(5): 917-925.
[Liu Z J, Meng Q T, Liu R, Hu F, Zhou R J. 2010. Paleolimnology Study: Taking Huadian Fault Basin as an example. Acta Sedimentologica Sinica, 28(5): 917-925] [文内引用:2]
25 刘招君, 孙平昌, 贾建亮, 柳蓉, 孟庆涛. 2011. 陆相深水环境层序识别标志及成因解释: 以松辽盆地青山口组为例. 地学前缘, 18(4): 171-180.
[Liu Z J, Sun P C, Jia J L, Liu R, Meng Q T. 2011. Distinguishing features and their genetic interpretation of stratigraphic sequences in continental deep water setting: A case from Qingshankou Formation in Songliao Basin. Earth Science Frontiers, 18(4): 171-180] [文内引用:2]
26 刘招君, 孟庆涛, 贾建亮, 孙平昌, 柳蓉, 胡晓峰. 2012. 陆相盆地油页岩成矿规律: 以东北地区中、新生代典型盆地为例. 吉林大学学报(地球科学版), 42(5): 1286-1297.
[Liu Z J, Meng Q T, Jia J L, Sun P C, Liu R, Hu X F. 2012. Metallogenic Regularity of Oil Shale in Continental Basin: Case Study in the Meso-Cenozoic Basins of Northeast China. Journal of Jilin University(Earth Science Edition), 42(5): 1286-1297] [文内引用:1]
27 刘招君, 柳蓉, 孟庆涛, 郭巍, 朱建伟, 董清水. 2013. 中国的油页岩. 见: 冯增昭, 编. 中国沉积学(第二版). 北京: 石油工业出版, 1717-1756.
[Liu Z J, Liu R, Meng Q T, Guo W, Zhu J W, Dong Q S. 2013. Oil Shale in China. In: Feng Z Z(ed). Sedimentology of China(Second Edition). Beijing: Petroleum Industry Press, 1717-1756] [文内引用:1]
28 刘招君, 孙平昌, 柳蓉, 孟庆涛, 胡菲. 2016. 中国陆相盆地油页岩成因类型及矿床特征. 古地理学报, 18(4): 525-534.
[Liu Z J, Sun P C, Liu R, Meng Q T, Hu F. 2016. Genetic types and deposit features of oil shale in continental basin in China. Journal of Palaeogeography(Chinese Edition), 18(4): 525-534] [文内引用:1]
29 刘震, 常迈, 赵阳, 李运振, 沈怀磊. 2007. 低勘探程度盆地烃源岩早期预测方法研究. 地学前缘, 14(4): 159-167.
[Liu Z, Chang M, Zhao Y, Li Y Z, Shen H L. 2007. Method of early prediction on source rocks in basins with low exploration activity. Earth Science Frontiers, 14(4): 159-167] [文内引用:1]
30 柳蓉. 2007. 东北地区东部新生代断陷盆地油页岩特征及成矿机制研究. 吉林大学博士学位论文.
[Liu R. 2007. Research on Oil Shale Characteristics and Metallogenic Mechanism of Cenozoic Fault Basins in Eastern Northeast Region. Doctoral Dissertation of Jilin University] [文内引用:1]
31 卢双舫, 薛海涛, 王民, 肖佃师, 黄文彪, 李俊乾, 谢柳娟, 田善思, 王森, 李吉君, 王伟明, 陈方文, 李文浩, 薛庆忠, 刘学峰. 2016. 页岩油评价中的若干关键问题及研究趋势. 石油学报, 37(10): 1309-1322.
[Lu S F, Xue H T, Wang M, Xiao D S, Huang W B, Li J Q, Xie L J, Tian S S, Wang S. Li J J, Wang W M, Chen F W, Li W H, Xue Q Z, Liu X F. 2016. Several key issues and research trends in evaluation of shale oil. Acta Petrolei Sinica, 37(10): 1309-1322] [文内引用:3]
32 孟庆涛. 2010. 桦甸盆地始新统油页岩岩石地球化学特征及富集规律研究. 吉林大学博士学位论文.
[Meng Q T. 2010. Research on Petrologic and Geochemical Characteristics of Eocene Oil Shale and Its Enrichment Regularity, Huadian Basin. Doctoral Dissertation of Jilin University] [文内引用:6]
33 孟庆涛, 郑国栋, 刘招君, 胡菲, 孙平昌, 周人杰. 2016. 桦甸盆地始新世孢粉特征及其古气候指示意义. 世界地质, 35(1): 1-8.
[Meng Q T, Zheng G D, Liu Z J, Hu F, Sun P C, Zhou R J. 2016. Palynofloral characteristics and indications for Eocene climate in Huadian Basin. Global Geology, 35(1): 1-8] [文内引用:1]
34 莫修文, 贺铎华, 李舟波, 文新川, 李桂荣. 2001. 三水导电模型及其在低阻储集层解释中的应用. 长春科技大学学报, 31(1): 92-95.
[Mo X W, He D H, Li Z B, Wen X C, Li G R. 2001. The application of three-water conduction model in the interpretation of low-resistivity reservoir. Journal of Changchun University of Science and Technology, 31(1): 92-95] [文内引用:1]
35 史冀忠, 刘招君, 柳蓉, 杜江峰, 张健, 刘沣. 2008. 辽宁抚顺盆地始新世古气候定量研究. 吉林大学学报(地球科学版), 38(1): 50-55.
[Shi J Z, Liu Z J, Liu R, Du J F, Zhang J, Liu F. 2008. Quantitative reconstruction of the Eocene palaeoclimate in the Fushun Basin, Liaoning Province. Journal of Jilin University(Earth Science Edition), 38(1): 50-55] [文内引用:1]
36 孙建孟, 王永刚. 2001. 地球物理资料综合解释. 东营: 石油大学出版社, 16-37.
[Sun J M, Wang Y G. 2001. The Comprehensive Interpretation of Geophysical Data. Dongying: Petroleum University Press, 16-37] [文内引用:1]
37 孙平昌. 2013. 松辽盆地东南部上白垩统含油页岩系有机质富集环境动力学. 吉林大学博士学位论文.
[Sun P C. 2013. Environmental Dynamics of Organic Accumulation in the Oil Shale Bearing Layers in the Upper Cretaceous, Southeast Songliao Basin(NE China). Doctoral Dissertation of Jilin University] [文内引用:2]
38 孙平昌, 刘招君, 孟庆涛, 柳蓉, 贾建亮, 胡晓峰. 2011. 桦甸盆地古近纪充填特征及对油页岩成矿的影响. 煤炭学报, 36(7): 1110-1116.
[Sun P C, Liu Z J, Meng Q T, Liu R, Jia J L, Hu X F. 2011. Effect of the basin-fill features on oil shale formation in Paleogene, Huadian Basin. Journal of Coal, 36(7): 1110-1116] [文内引用:1]
39 谭廷栋. 1988. 测井识别生油岩方法. 测井技术, 12(6): 1-11.
[Tan T D. 1988. Identification of kuchersits from well logs. Well Logging Technology, 12(6): 1-11] [文内引用:3]
40 汪品先. 1991. 开展含油盆地的古湖泊学研究. 见: 汪品先, 刘传联等编译. 古湖泊学译文集. 北京: 海洋出版社, 1-14.
[Wang P X. 1991. Study on paleo-lakes in oil-bearing basins. In: Wang P X, Liu C L, et al. (eds). Ancient lake Studies. Beijing: Ocean Press, 1-14] [文内引用:1]
41 王随继, 黄杏珍, 妥进才, 邵宏舜, 阎存凤, 王寿庆, 何祖荣. 1997. 泌阳凹陷核桃园组微量元素演化特征及其古气候意义. 沉积学报, 15(1): 65-70.
[Wang S J, Huang X Z, Tuo J C, Shao H S, Yan C F, Wang S Q, He Z R. 1997. Evolutional Characteristics and Their Paleoclimate Significance of Trace Elements in the Hetaoyuan Formation, Biyang Depression. Acta Sedimentologica Sinica, 15(1): 65-70] [文内引用:1]
42 徐进军. 2015. 松辽盆地北部上白垩统油页岩有机质富集机制的高精度刻画. 吉林大学博士学位论文.
[Xu J J. 2015. High Precision Characterization of Organic Matter Enrichment Mechanism of the Upper Cretaceous Oil Shale in Northern Songliao Basin. Doctoral Dissertation of Jilin University] [文内引用:5]
43 徐思煌, 朱义清. 2010. 烃源岩有机碳含量的测井响应特征与定量预测模型: 以珠江口盆地文昌组烃源岩为例. 石油实验地质, 32(3): 290-295.
[Xu S H, Zhu Y Q. 2010. Well logs response and predition model of organic carbon content in source rocks: A case study from the source rock of Wenchang Formation in the Pearl Mouth Basin. Petroleum Geology and Experiment, 32(3): 290-295] [文内引用:1]
44 许世红, 吴光华, 黄开权, 王广利. 2002. 安参1井侏罗系和石炭—二叠系暗色泥岩地球化学特征及意义. 石油实验地质, 24(3): 284-286.
[Xu S H, Wu G H, Huang K Q, Wang G L. 2002. Geochemical characteristics and significance of the jurassic and carboniferouspermian melamudstone in well An'can-1. Petroleum Geology & Experiment, 24(3): 284-286] [文内引用:1]
45 许晓宏, 黄海平, 卢松年. 1998. 测井资料与烃源岩有机碳含量的定量关系研究. 石油天然气学报, 20(3): 8-12.
[Xu X H, Huang H P, Lu S N. 1998. A quantitative relationship between well logging information and organic carbon content. Journal of Oil and Gas Technology(JJPI), 20(3): 8-12] [文内引用:1]
46 杨峰, 宁正福, 胡昌蓬, 王波, 彭凯, 刘慧卿. 2013. 页岩储集层微观孔隙结构特征. 石油学报, 34(2): 301-311.
[Yang F, Ning Z F, Hu C P, Wang B, Peng K, Liu H Q. 2013. Characterization of microscopic pore structures in shale reservoirs. Acta Petrolei Sinica, 34(2): 301-311] [文内引用:1]
47 尹秀珍. 2008. 松辽盆地中部晚白垩世早期古湖泊生产力研究. 中国地质大学(北京)博士学位论文.
[Yin X Z. 2008. PalaeoLacustrine Productivity Study of Early Late Cretaceous in the Central Area of Songliao Basin. Doctoral Dissertation of China University of Geosciences(Beijing)] [文内引用:1]
48 于建国, 韩文功, 于正军, 路慎强, 王金铎. 2005. 济阳拗陷孔店组烃源岩的地震预测方法. 石油地球物理勘探, 40(3): 318-321.
[Yu J G, Han W G, Yu Z J, Lu S Q, Wang J D. 2005. The seismic prediction method of Kongdian Formation source rock in Jiyang depression. Oil Geophysical Prospecting, 40(3): 318-321] [文内引用:1]
49 张晗, 卢双舫, 李文浩, 田伟超, 胡莹, 何涛华, 谭昭昭. 2017. Δlog R技术与BP神经网络在复杂岩性致密层有机质评价中的应用. 地球物理学进展, 32(3): 1308-1313.
[Zhang H, Lu S F, Li W H, Tian W C, Hu Y, He T H, Tan Z Z. 2017. Application of Δlog R technology and bp neural network in organic evaluation in the complex lithology tight stratum. Progress in Geophysics, 32(3): 1308-1313] [文内引用:1]
50 张寒, 朱光有. 2007. 利用地震和测井信息预测和评价烃源岩: 以渤海湾盆地富油凹陷为例. 石油勘探与开发, 34(1): 55-59.
[Zhang H, Zhu G Y. 2007. Using seismic and log in formation to predict and evaluate hydrocarbon source rocks: An example from rich oil depressions in Bohai Bay. Petroleum Exploration and Development, 34(1): 55-59] [文内引用:1]
51 张佳佳, 李宏兵, 姚逢昌. 2012. 油页岩的地球物理识别和评价方法. 石油学报, 33(4): 625-632.
[Zhang J J, Li H B, Yao F C. 2012. A geophysical method for the identification and evaluation of oil shale. Acta Petrolei Sinica, 33(4): 625-632] [文内引用:1]
52 张志伟, 张龙海. 2000. 测井评价烃源岩的方法及其应用效果. 石油勘探与开发, 27(3): 85-87.
[Zhang Z W, Zhang L H. 2000. A method of source rock evaluation by well-logging and its application result. Petroleum Exploration and Development, 27(3): 85-87] [文内引用:1]
53 赵彦超. 1990. 生油岩测井评价的理论和实践: 以南阳、泌阳凹陷为例. 地球科学(中国地质大学学报), 15(1): 65-74.
[Zhao Y C. 1990. The theory and application of logging for source rock evaluation: From the working results in Nanyang and Biyang Depressions. Earth Science(Journal of China University of Geosciences), 15(1): 65-74] [文内引用:2]
54 朱建伟, 赵刚, 刘博, 郭巍, 成俊. 2012. 油页岩测井识别技术及应用. 吉林大学学报(地球科学版), 42(2): 289-295.
[Zhu J W, Zhao G, Liu B, Guo W, Cheng J. 2012. Identification technology and it's application of well-logging about oil shale. Journal of Jilin University(Earth science), 42(2): 289-295] [文内引用:1]
55 朱振宇, 刘洪, 李幼铭. 2003. △log R技术在烃源岩识别中的应用与分析. 地球物理学进展, 18(4): 647-649.
[Zhu Z Y, Liu H, Li Y M. 2003. The analysis and application of △log R method in the source rock's identification. Progress in Geophysics, 18(4): 647-649]. [文内引用:1]
56 Autric A. 1985. Resistivity, radioactivity, and sonic transit time logs to evaluate the organic content of low permeability rocks. The Log Analyst, 26(3): 36-45. [文内引用:1]
57 Bechtel A, Woszczyk M, Reischenbacher D, Sachsenhofer R F, Gratzer R, Spychalski W. 2007. Biomarkers and geochemical indicators of Holocene environmental changes in coastal Lake Sarbsko(Poland ). Organic Geochemistry, 38(7): 1112-1131. [文内引用:1]
58 Bechtel A, Jia J L, Strobl A I S, Sachsenhofer R F, Liu Z J, Gratzer R, Puttmann W. 2012. Palaeoenvironmental conditions during deposition of the Upper Cretaceous oilshale sequences in the Songliao Basin(NE China): Implications from geochemical analysis. Organic Geochemistry, 46: 76-95. [文内引用:1]
59 Beers R F. 1945. Radioactivity and organic content of some Paleozoic shales. AAPG Bulletin, 29(1): 1-22. [文内引用:1]
60 Berner R A, Raiswell R. 1983. Burial of organic carbon and pyrite sulfur in sediments over Phanerozoic time: A new theory. Geochimica et Cosmochimica Acta, 47(5): 855-862. [文内引用:1]
61 Brassell S C, Eglinton G, Maxwell J R, Philp R P. 1978. Natural background of alkanes in the aquatic environment. Aquatic pollutants: Transformation and Biological Effects, 69-86. [文内引用:1]
62 Deconinck J F, Blanc-Valleron M M, Rouchy J M, Camoin G, Badauttrauth D. 2000. Palaeoenvironmental and diagenetic control of the mineralogy of Upper Cretaceous-Lower Tertiary deposits of the Central Palaeo-Andean basin of Bolivia(Potosi area). Sediment. Geol, 132(3-4): 263-278. [文内引用:1]
63 Dyni J R. 2003. Geology and resources of some world oil-shale deposits. Oil Shale, 20(3): 193-252. [文内引用:1]
64 El Sharawy M S, Gaafar G R. 2012. Application of well log analysis for source rock evaluation in the Duwi Formation, Southern Gulf of Suez, Egypt. Journal of Applied Geophysics, 80(3): 129-143. [文内引用:2]
65 Fertl W H, Chilingar G V. 1988. Total organic carbon content determined from well logs. SPE Formation Evaluation, 3(2): 407-419. [文内引用:1]
66 Hertzog R, Colson L, Seeman O, Brien M O, Scott H, Mckeon D, Wraight p, Grau J, Ellis D, Schweitzer J, Herron M. 1989. Geochemical logging with spectrometry tools. SPE Formation Evaluation, 4(2): 153-162. [文内引用:1]
67 Huang Z, Williamson M A. 1996. Artificial neural network modelling as an aid to source rock characterization. Marine and Petroleum Geology, 13(2): 227-290. [文内引用:1]
68 Hussain F A. 1987. Source rock identification in the state of Kuwait using wireline logs. SPE Formation Evaluation 15747: 477-488. [文内引用:1]
69 Hutton A C. 1987. PetrologRaphic classification of oil shales. International Journal of Coal Geology, 8: 203-231. [文内引用:1]
70 Jia J L, Liu Z J, Meng Q T, Liu R, Sun P C, Chen Y C. 2012. Quantitative evaluation of oil shale based on well log and 3-D seismic technique in the Songliao Basin, NE China. Oil Shale, 29(2): 128-150. [文内引用:1]
71 Jia J, Bechtel A, Liu Z J, Strobl S A I, Sun P C, Sachsenhofer R F. 2013a. Oil shale formation in the Upper Cretaceous Nenjiang Formation of the Songliao Basin(ne China): implications from organic and inorganic geochemical analyses. International Journal of Coal Geology, 113(4): 11-26. [文内引用:1]
72 Jia J, Liu Z J, Bechtel A, Strobl S A I, Sun P C. 2013b. Tectonic and climate control of oil shale deposition in the Upper Cretaceous qingshankou formation(Songliao Basin, NE China. International Journal of Earth Sciences, 102(6): 1717-1734. [文内引用:1]
73 Johann S, Alastair R, Jean-Francois D, Francois B. 2006. Conjunctive use of gamma-ray logs and clay mineralogy in defining late Jurassic-early Cretaceous palaeoclimate change(Dorset, U. K. ). Palaeogeography, Palaeoclimatology, Palaeoecology, 229: 303-320. [文内引用:1]
74 Kadkhodaie-Ilkhci A, Rezaee M R, Rahimpour-Bonab H. 2009. A committee neural network for prediction of normalized oil content from well log data: An example from South Pars Gas Field, Persian Gulf. Journal of Petroleum Science and Engineering, 65: 23-32. [文内引用:1]
75 Kamali M R, Mirshady A A. 2004. Total organic carbon content determined from well logs using △log R and neuro fuzzy techniques. Journal of Petroleum Science and Engineering, 45(3-4): 141-148. [文内引用:2]
76 Kamel M H, Mabrouk W M. 2003. Estimation of shale volume using a combination of the three porosity logs. Journal of Petroleum Science and Engineering, 40(3-4): 145-157. [文内引用:1]
77 Kuila U, McCarty D K, Derkowski A, Fischer T B, Prasad M. 2014. Total porosity measurement in gas shales by the water immersion porosimetry(WIP)method. Fuel, 117(1): 1115-1129. [文内引用:1]
78 Li Z, Mo X. 1999. Study on the electric property of shaly sand and its interpretation method. Journal of Geoscientific Research in Northeast Asia, 2: 110-1141. [文内引用:1]
79 Løseth H, Gading M, Wensaas L. 2009. Hydrocarbon leakage interpreted on seismic data. Marine and Petroleum Geology, 26(7): 1304-1319. [文内引用:1]
80 Løseth H, Wensaas L, Gading M, Duffaut K, Springer M. 2011. Can hydrocarbon source rocks be identified on seismic data?Geology, 39: 1167-1170. [文内引用:1]
81 Meng Q T, Liu Z J, Bruch A A, Liu R, Hu F. 2012. Palaeoclimatic evolution during Eocene and its influence on oil shale mineralisation, Fushun basin, China. Journal of Asian Earth Sciences, 45: 95-105. [文内引用:2]
82 Meng Q T, Bruch A A, Sun G, Liu Z J, Hu F. Sun P C. 2018. Quantitative reconstruction of Middle and Late Eocene paleoclimate based on palynological records from the Huadian Basin, northeastern China: Evidence for monsoonal influence on oil shale formation. Palaeogeography, Palaeoclimatology, Palaeoecology, 510: 63-77. [文内引用:3]
83 Meyer B L, Nederlof M H. 1984. Identification of source rocks on wireline logs by density/resistivity and sonic transit time/resistivity crossplots. AAPG Bulletin, 68(2): 121-129. [文内引用:2]
84 Meyers S R, Sageman B B, Arthur M A. 2012. Obliquity forcing of organic matter accumulation during Oceanic Anoxic Event 2. Paleoceanography, 27(3). [文内引用:1]
85 Müller P J, Suess E. 1979. Productivity, sedimentation rate, and sedimentary organic matter in the oceans—Ⅰ. Organic carbon preservation. Deep Sea Research Part A. Oceanographic Research Papers, 26(12): 1347-1362. [文内引用:1]
86 Nelson P H. 2009. Pore-throat sizes in sand stones, tight sand stones, and shales. AAPG Bulletin, 93(3): 329-340. [文内引用:1]
87 Nesbitt H W, Wilson R E. 1992. Recent chemical weathering of basalts. American Journal of Science. 292(10): 740-777 [文内引用:1]
88 Passey Q R, Creaney S, Kulla J B, Moretti F J, Stroud J D. 1990. A practial model for organic richness from porosity and resisitivty logs. AAPG Bulletin, 74(12): 1777-1794. [文内引用:2]
89 Passey Q R, Bohacs K M, Esch W L, Klimentidis R, Sinha S. 2010. From oil-prone source rock to gas-producing shale reservoir: Geologic and petrophysical characterization of unconventional shale-gas reservoirs. International Oil and Gas Conference and Exhibition. Beijing, China, SPE Paper 131350. [文内引用:1]
90 Peters K G, De Vries C, Williams L T. 1993. Vascular endothelial growth factor receptor expression during embryogenesis and tissue repair suggests a role in endothelial differentiation and blood vessel growth. Proceedings of the National Academy of Sciences, 90(19): 8915-8919. [文内引用:1]
91 Peters K E, Walters C C, Moldowan J M. 2005. The Biomarker Guide: Biomarkers and Isotopes in the Environment and Human History. Cambridge University Press. [文内引用:3]
92 Quan C, Liu Y S, Utescher T. 2012. Paleogene temperature gradient, seasonal variation and climate evolution of northeast China. Palaeogeogr, Palaeoclimatol, Palaeoecol, 313-314, 150-163. [文内引用:1]
93 Schmoker J W. 1979. Determination of organic content of Appalachian Devonian shales from formation density logs. AAPG Bulletin, 63(9): 1505-1537. [文内引用:1]
94 Schmoker J W. 1981. Determination of organic matter content of Appalachian Devonian shale from Gammaray logs. AAPG Bulletion, 65(7): 1285-1298. [文内引用:1]
95 Schmoker J W, Hester T C. 1983. Organic carbon in Bakken formation-United States Portion of Willist on Basin. AAPG Bulletin, 67(12): 2165-2174. [文内引用:1]
96 Sinninghe Damsté J S, Koster J, Schouten S, Leeuw J W de. 1995. Reconstruction of the depositional environment of Toarcian marlstones(Allgau Formation, Tyrol/Austria)using biomarkers and compound specific carbon isotope analysis. In: Organic Geochemistry: Developments and Applications to Energy, Climate, Environment and Human History: 76-79. [文内引用:1]
97 Swanson V E. 1960. Oil yield and uranium content of blank shales. USGS Professional Paper 356, Virginia: USGS: 1-44. [文内引用:1]
98 Vail P R. 1987. Seismic stratigraphy interpretation using sequence stratigraphy: Part 1: Seismic stratigraphy interpretation procedure. AAPG Studies in Geology, 27: 1-10. [文内引用:1]
99 Xu J, Liu Z, Bechtel A, Meng Q T, Sun P C, Jia J L, Cheng L J, Song Y. 2015. Basin evolution and oil shale deposition during Upper Cretaceous in the Songliao Basin(NE China): implications from sequence stratigraphy and geochemistry. International Journal of Coal Geology, 149: 9-23. [文内引用:1]
100 Зеленин Н И, Oзеров N M. 1983. Справочник по Горючим Сланцам. Л: Недра. [文内引用:1]