Bienvenidos a "Geoscience for Dummies", un espacio dedicado a la divulgación y análisis en el campo de las geociencias, creado por estudiantes y egresados del Instituto Politécnico Nacional especializados en ingeniería geofísica con énfasis en la exploración petrolera y métodos de exploración potencial. Nuestro objetivo es desmitificar y explicar de manera accesible los conceptos clave de las geociencias.

Únete al mejor blog de divulgación sobre geociencias

Entradas populares

Identificación de zonas de interés petrolero a partir de atributos sísmicos en un bloque del Mar del Norte

Resumen

El siguiente trabajo presenta una metodología para identificar nuevas zonas de interés petrolero en una zona del Mar del Norte, perteneciente a Países Bajos, mejorando los resultados de un proyecto de OpendTect® disponible en Terranubis®. Se sugiere acondicionar los datos sísmicos migrados en tiempo para obtener mejores resultados de atributos sísmicos, los cuales, en combinación con datos de pozo, ayudan a definir patrones geológicos y estructurales, así como características físicas asociadas a los hidrocarburos. El flujo de trabajo incluye la eliminación de ruido sísmico, la aplicación de un filtro orientado a mejorar la continuidad lateral de la amplitud y el cálculo de atributos sísmicos con controles de calidad. Además, se propone interpretar estos atributos mediante visualización en distintas ventanas y usar técnicas modernas como mapas auto-organizados (SOM) para clasificar facies. Los atributos son calculados en el software AASPI® (Attribute-Assisted Seismic Processing & Interpretation), el cuál es un consorcio realizado por diferentes universidades (Universidad de Oklahoma, Universidad de Alabama, Universidad de la Cuenca Pérmica de Texas & (SISMO) Signal Processing Research, Training & Consulting), con el objetivo de mejorar la interpretación de datos sísmicos. Finalmente, se identifican nuevas zonas con potencial de explotación basadas en sus características físicas. 

Volumen sísmico ”F3 Block” 

El conjunto de datos utilizado en este estudio es un conjunto de datos sísmicos 3D de código abierto post-stack sísmica 3D migrada en el tiempo fue adquirido en el bloque F3 cubriendo un área de aproximadamente 16 × 23 km2 para explorar petróleo y gas en el Jurásico Superior y el Cretácico Inferior, por dGB Earth Sciences a través de OpendTect®. El bloque F3 es un volumen sísmico situado en la parte nor-oriental de sector holandés del Mar del Norte. Los datos sísmicos 3D constan de 650 líneas internas (Inline) y 950 líneas transversales (Crossline), con una separación entre líneas de 25 m tanto en dirección, tanto en línea como en cruz. La frecuencia de muestreo es de 4 ms con una longitud total de datos de aproximadamente 1.8 s. 

Figura 1. Características del volumen sísmico "F3"

 Figura 2. Ubicación del volumen sísmico F3, ubicado al norte de Países Bajos, en el Mar del Norte.

Marco Geológico

Según De Jager et al. [1], los principales eventos tectónicos involucrados en la geomorfología de Holanda, pueden dividirse en los siguientes eventos:

  • Las orogenias Caledoniana y Varisca, que dieron como resultado en la creación de la Pangea, durante el Paleozoico.

  • Las fosas tectónicas o “Rifting”, del Mesozoico, que dieron paso al rompimiento de la Pangea.

  • La Inversión alpina, la cuál fue el resultado de la colisión continental entre África y Europa, durante el Cretácico tardío y el Terciario temprano (Figura 3).

  • Oligoceno hasta el desarrollo reciente del sistema de la fosa tectónica del graben de Rhine.


Figura 3. Mapa de elementos estructurales de los Países Bajos principales y menores del Jurásico Medio y Kimmeridgiano Tardío al Cretácico Temprano (azul oscuro y azul claro respectivamente), altos (gris) y plataformas (verde). Modificado de De Jager [1]

Paleozoico

La historia estructural de Europa del este durante el Paleozoico fue dominada por la convergencia de tres grandes placas continentales (Laurentia, Báltica y Gondwana). La unión de estas placas resultó en la formación del conocido supercontinente, Pangea.

Durante el Carbonífero, mientras que Gondwana se incrustaba aún más sobre Laurasia, el frente del cinturón de pliegues y cabalgaduras de la orogenia Varisca , se desplazó hacia el norte, en dirección de la paleo-posición de Holanda. Durante este periodo, Holanda se desplazó hacia el hemisferio norte, permaneciendo en el cinturón ecuatorial. Con el desarrollo de la orogenia Varisca, la paleo-posición de Holanda quedó sin salida al mar.

Mesozoico

Durante el Triásico al Cretácico Temprano precedió el rompimiento continental de la Pangea, y la paleo-posición de Holanda se localizó en latitudes sub-tropicales del hemisferio Norte. La sedimentación durante el Triásico y el Jurásico Temprano tomó lugar durante subsidencia térmica continua, lo que derivó a facies con patrones regulares, interrumpidas por movimientos locales de diapiros de sal, los cuáles presentaron una mayor incidencia durante el Triásico Temprano. Granos finos del Triásico Inferior fueron depositados en ambientes lacustres salobres-salinos, y fueron proseguidos por sedimentos clásticos fluviales/eólicos de grano grueso. La halokinesis que se presentó fue iniciada debido a la actividad tectónica, particularmente donde “muros de sal” son responsables de las fallas sub-salinas (Remmelts [2]).

Cretácico

Tras la apertura del Atlántico Norte a mediados del Cretácico, las tensiones extensionales se concentraron progresivamente en la zona comprendida entre Groenlandia, las Islas Británicas y Noruega, y la actividad tectónica disminuyó rápidamente en la zona de los Países Bajos (Ziegler [3]). El Cretácico Superior se caracterizó por una subsidencia térmica regional y la subida del nivel del mar, con sedimentos más jóvenes que sobrepasaron los límites deposicionales de secuencias más antiguas, hasta que la toda la zona de los Países Bajos volvió a quedar sumergida en un mar poco profundo. La creta depositada en este mar, de hasta 1500m, forma la única unidad carbonatada importante de la zona desde el Triásico.

Terciario 

Durante el Terciario, el “rifting” de la Fosa Inferior del Rhine se propagó hacia el norte de los Países Bajos, afectando a zonas hasta la costa holandesa (Ziegler [3]). El graben del valle del Roer se hundió debido a fallamientos de la zona y se acumularon hasta 2000 m de clastos del terciarios. En el sur de la cuenca del Mar del Norte, durante el Neógeno y el Pleistoceno se depositaron sedimentos deltaicos que se desplazaban hacia el oeste, alimentados por el río Eridanos, que drenaba la zona del Báltico y el Escudo Fenoscandio. Los depósitos cuaternarios del norte de la costa neerlandesa tienen un espesor de hasta 1000 m y se van adelgazando hacia el sur. Para el mar holandés y el noroeste de la costa, las curvas de enterramiento muestran un fuerte aumento de la tasa de subsidencia durante los últimos millones de años.

Geología petrolera

La producción petrolera de Países Bajos en su mayor parte corresponde a la explotación gasífera. El primer gran descubrimiento fue el campo Groningen en 1959; Debido a esto, los Países Bajos se ha convertido en el principal productor de gas de Europa occidental. Durante la época de 1960, se consideraba que el gas representaba un riesgo en la exploración petrolera. Ahora es la fuente de energía fósil preferida; Cabe resaltar que existen regiones productoras de petróleo en Países Bajos, ubicados en su mayoría en altamar. La mayor parte del gas se encuentra ubicada en litologías del Pérmico superior y así como otros yacimientos ubicados en litologías del Carbonífero al Cuaternario.

Sistemas petrolíferos

Los yacimientos de gas son económicamente los más importantes. En cuanto a de las rocas madre, los yacimientos y los sellos, estos yacimientos pertenecen predominantemente a un sistema de hidrocarburos del Paleozoico. 

La sal de Zechstein, del Pérmico, constituye un sello eficaz entre este sistema y los yacimientos de petróleo, que pertenecen casi en su totalidad a sistemas de hidrocarburos mesozoicos. Las principales rocas generadoras de gas son los esquistos carbonosos del Carbonífero Superior y lutitas carbonosas del Westfaliano, presentes en gran parte del subsuelo. Casi todo el gas encontrado se ha generado a partir de estas rocas madre (Lokhorst et al. [4]).

La principal roca generadora de petróleo de los Países Bajos son las rocas generadoras de tipo II, ricas y marinas, de la formación de esquistos Posidonia del Jurásico Inferior. Esta roca madre, que solo se ha conservado en las cuencas de rift del Jurásico tardío, generó el petróleo que se encuentra atrapado en los yacimientos de arenisca del Jurásico superior y Cretácico inferior de las cuencas de los Países Bajos occidentales y las cuencas del Mar del Norte.

Figura 4. Sección transversal ubicado en la región Norte del Mar del Norte, en el cual se contiene el Alto de “Cleaver Bank”, Graben “Step” y Graben Central. Se puede destacar la existencia de diapirismo salino, el cual fue originado por la apertura del continente en el Calloviano. Se puede visualizar la zona de la sección sísmica en la figura 3. Modificado de De Jager [1].

 Flujo de trabajo

Figura 5. Flujo de trabajo aplicado al volumen sísmico "F3"


 

Visualización de los atributos sísmicos

Por fines de visualización y para comprobar que la interpretación de los horizontes es adecuada, se comparó la interpretación del horizonte Ekofisk con una interpretación regional realizada por el Servicio Geológico de los Países Bajos (Geological Survey of the Netherlands o ”NLOG®”) en nombre del Ministerio de Economía y Clima de Países Bajos. Se puede visualizar en el mapa como la interpretación en doble tiempo de viaje corresponde de una buena manera con la interpretación manual realizada, resaltando las zonas de altos estructurales, que son causadas por la tectónica de la sal de la cuenca del Mar del Norte (Figura 6). Sobre la visualización del horizonte Ekofisk, se realiza la evaluación general de los atributos sísmicos, así como algunos "Time slices"" y vista en general del volumen sísmico.

Figura 6. Mapa de comparación entre interpretación regional y manual de la cima del Grupo Chalk

Acondicionamiento sísmico

El objetivo del acondicionamiento de datos sísmicos es atenuar el ruido residual (coherente e incoherente), con la finalidad de mejorar la relación Señal-Ruido (S/N) con respecto al objetivo del estudio.

Las técnicas de acondicionamiento de datos más sofisticadas incluyen el filtrado orientado a la estructura (SOF, por sus siglas en inglés) que preserva los bordes (Hocker & Fehmers [6]; Chopra & Marfurt [3]) y la atenuación de la huella de adquisición (Hill et al. [7]; Gülünay et al. [8]).

Filtrado orientado a la estructura (SOF)

 
El filtrado orientado a la estructura (SOF, por sus siglas en inglés) permite preservar la señal paralela al gradiente de la estructura, suprimiendo al mismo tiempo el ruido aleatorio y el ruido coherente transversal. El método más sencillo y quizás el más común consiste en aplicar un filtro promedio a lo largo del buzamiento estructural. Hocker & Fehmers [9] utilizan una estimación de similaridad (en el trabajo utilizaron el atributo sísmico de caos) para identificar posibles bordes; Luo et al. [10] siguen a Kuwahara et al. [11] para seleccionar la ventana más suave (generalmente no centrada) a la que aplicar el filtro; En general, las ventanas a ambos lados de un borde tienen cambios laterales de amplitud más rápidos y no se seleccionan.


La meta del filtrado orientado a estructuras es aplicar un filtro a lo largo de los eventos sísmicos y así remover ruido aleatorio y enaltecer la continuidad lateral. La clave en este procedimiento es el poder diferenciar entre el echado y azimuth del reflector y el ruido que se encuentra en las cercanías del reflector. Después de estimar el echado y azimuth, se aplica un filtro para enaltecer la señal a lo largo del reflector. Los algoritmos más conocidos son los filtros promedios, medianos y los filtros medios truncados.


Figura 7. El resultado de aplicar un filtro de suma de ejecución a una falla idealizada (a) y a un canal idealizado (b). La discontinuidad en amplitud (o buzamiento, o cualquier componente suavizado) se difumina, disminuyendo así la resolución lateral. Modificado de Lou et al. [12]

Filtro promedio

Es un filtro pasa bajas que es implementado como un filtro en una ventana promedio. El dato de salida es un promedio de todas las muestras que caen dentro de la ventana centrada de análisis. Usualmente el tamaño de la ventana es impar, ya que se necesita que la ventana esté centrada entre las muestras aledañas. La ecuación que describe el filtro se denota como:


Figura 8. Ecuación del filtro promedio

Filtro mediano

Este filtro reemplaza cada muestra en una ventana del dato sísmico por la mediana de las muestras que se encuentran en la ventana de análisis, por lo que rechaza los valores atípicos, por lo que es un filtro que tiene un buen rendimiento al suprimir el ruido. Como el filtro promedio, se requiere de un tamaño de ventana impar, con la finalidad de obtener una ventana centrada simétrica. Para calcular este filtro, se debe ordenar todas las J muestras, usando un número de índice k, como se muestra en la siguiente ecuación:

Figura 9. Ecuación del filtro mediano

Filtro LUM (Lower-Upper-Middle)

Este filtro rechaza las altas y las bajas amplitudes atípicas del dato sísmico. En vez de basarse en el promedio de las muestras restantes, compara el valor del echado en el centro de la ventana de análisis uj(t) en los percentiles menores y mayores. Si la ventana uj(t) cae por debajo de estos percentiles, filtra el valor del percentil más alto y más bajo, y en caso contrario, deja el valor sin alteración, de esta manera, se preservan las variaciones detalladas y rechaza los valores atípicos. La ecuación que define al filtro queda de la siguiente manera:

Figura 10. Ecuación del filtro LUM

Ventana de Kuwahara

Figura 11. Metodología de la evaluación de la ventana de Kuwahara. a) Ventana circular centrada de 13 trazas de evaluación. b) Evaluación conjunta de cada punto centrado.

En el trabajo original de Kuwahara et al. [11] y en el algoritmo de suavizado que preserva los bordes de Luo et al. [10], se calcula la media y la desviación estándar de cada ventana. Se supone que la ventana que tiene la desviación estándar más pequeña está menos contaminada por ruido. La media de esta ventana se utiliza entonces como salida para el punto de análisis. Marfurt et al. [13] modificaron este enfoque para los  cálculos de buzamiento volumétrico en los que utilizó ventanas superpuestas 3D en lugar de 2D. Usando este razonamiento, la mejor ventana es la que tiene la mayor medida de similitud (por ejemplo, semblanza, filtro Sobel o relación de energía).

Para utilizar este tipo de análisis, se utilizan puntos descentralizados, dentro de los cuales, dependerá del radio de búsqueda. Entre mayor radio de búsqueda, existirá una mayor población de trazas. Después de definir este parámetro, cada traza servirá como nuevo punto de búsqueda, siendo el radio inicial el radio de búsqueda a partir de la traza evaluada. Este análisis ayuda a encontrar los parámetros necesarios para aplicar los filtros y preservar los ejes con mayor detalle, ya que no delimita un mismo parámetro para cada traza, por lo que este tipo de análisis es útil para enfatizar los límites de los planos de falla, ya que el análisis se realiza en puntos donde existe una variación local del buzamiento ya que, al encontrar esta variación, la ventana discretiza el coeficiente del filtro para la preservación de dato de entrada (Figura 11).

Para la preservación de ejes, se atribuyen valores de corte respecto a las ventanas analizadas; Si el valor de similaridad en el punto de la ventana es menor que el de la similaridad inicial, se asume que existe una diferencia geométrica en el punto, por lo que el factor de peso no se aplica en este punto. Para zonas donde la similaridad en el punto evaluado respecto a la similaridad inicial, se aplica el factor de peso y, por último, si los valores de similaridad caen dentro de los valores de corte de la similaridad baja y alta, se hace una normalización estadística de la similaridad del punto evaluado, y se calcula un promedio entre el dato original y el dato filtrado, con la finalidad de realizar la optimización del filtro en la ventana escogida.

Atenuación de la huella de adquisición

La huella de adquisición es tipo de ruido sísmico que aparece en los cortes y horizontes de amplitud sísmica 3D, como ruido lineal entrecruzado, que es paralelo a las direcciones de las líneas fuente y receptora. Es en gran medida una expresión de una geometría de adquisición inadecuada, que da lugar a un muestreo insuficiente del campo de ondas sísmico (aliasing) y a irregularidades en la distribución del desplazamiento y el azimut, especialmente en la dirección de la línea transversal.

La huella de adquisición suele plantear un problema importante para la interpretación de los datos sísmicos 3D. En el mejor de los casos, la huella de adquisición puede reprocesarse prestando mayor atención a la reducción del ruido y el análisis de la velocidad (Hill et al. [57]; Gülünay et al. [58]). Este re-procesamiento no es factible para muchos conjuntos de datos antiguos en los que los datos previos al apilamiento no se pueden encontrar o ya no están disponibles. Los atributos sísmicos suelen ser un medio eficaz para delinear rasgos geológicos finos de interés, como canales, pequeñas fallas y fracturas, pero también pueden mejorar la superficie de registro. Por esta razón, los atributos pueden utilizarse tanto para desarrollar como para evaluar la eficacia de flujos de trabajo alternativos para la supresión de huellas. 

La supresión de la huella de adquisición utiliza un flujo de trabajo de procesado que utiliza filtros kx-ky y sustracción adaptativa. Los filtros kx-ky se utilizan habitualmente en la industria del procesado de imágenes para eliminar el ruido estructurado, ya sea periódico o aperiódico, que contamina imágenes o mapas. Siguiendo los argumentos anteriores, se consideran volúmenes de datos a lo largo de un corte de horizonte, un corte de tiempo o un corte de horizonte local, pero nos se restringe a una ventana de análisis rectangular de muestra n x m. Se pueden diseñar filtros en función del número de onda para eliminar el ruido coherente, periódico o  aperiódico (Buttkus [59]).

Dado que este problema se tiene en datos post-apilados, en la mayoría de los casos no se conserva información sobre la geometría de la fuente o del receptor en los headers. Por lo tanto, el primer paso consiste en generar atributos contaminados por la huella a partir de los datos sísmicos. Para estimar el ruido, se mejora la huella y se suprime la señal estratigráfica aplicando un filtro de mediana vertical que elimina las características estratigráficas. Junto con el re-escalado de las amplitudes de los atributos, puede ser necesario añadir un sesgo constante a los datos de atributos para forzar que los valores libres de ruido (por ejemplo, alta coherencia, c=1) sean iguales a los valores nulos en las zonas de trazas silenciadas y muertas. Una vez mejorada la huella, se transforma al espacio kx-ky y se generan los filtros de pedestal (Valores fijos dentro de la ventana) suaves que mejor representan la huella de adquisición en el volumen de atributos sísmicos. Paralelamente a los pasos de caracterización de la huella descritos anteriormente, el volumen de amplitud sísmica se transforma a espacio kx-ky y se enmascara con los filtros de pedestal generados a partir de los datos de atributos. La transformación inversa de los datos de amplitud enmascarados produce cortes de tiempo u horizontes de ruido modelado que luego se sustraen adaptativamente de los datos originales para producir datos sísmicos filtrados. Por último, se extraen los datos sísmicos filtrados. Los atributos sensibles a la huella se calculan a partir de los datos filtrados para controlar el proceso de filtrado y decidir si los datos necesitan más filtrado o están listos para su interpretación.

El tipo de filtro utilizado es el filtro Laplace-Gaussiano (LoG), el cual simula una distribución gaussiana bivariante. El valor máximo aparece en el kernel o matriz central y disminuye hacia los extremos tanto más rápido cuanto menor sea el parámetro de desviación típicas. El resultado será un conjunto de valores entre 0 y 1. Para transformar la matriz a una matriz de números enteros se divide toda la matriz por el menor de los valores obtenidos.

Atributos sísmicos

Los atributos sísmicos se definen como una estimación realizada a partir de datos de la amplitud sísmica, los cuales ayudan a enaltecer rasgos de interés durante la interpretación sísmica, y esto por medio de algoritmos matemáticos que han sido desarrollados desde mediados del siglo pasado.

En palabras de Chopra y Marfurt [5], “Uno de los objetivos principales de los atributos sísmicos es el plasmar la experiencia del intérprete en el reconocimiento de patrones mediante la cuantificación de la amplitud de la señal y las características morfológicas observadas en los datos sísmicos”.

Echado, rumbo y azimut

Para entender el funcionamiento de los atributos sísmicos, se tiene que tener un punto que siga una tendencia respecto a la estructura, por ende se utiliza el valor del echado y el rumbo de cierto punto, para caracterizar los atributos sísmicos. 

Por definición, el echado o buzamiento de una capa, es el ángulo que existe entre la línea que interseca al plano geológico en un plano vertical y su proyección horizontal, y esta es perpendicular al rumbo, el cual es el ángulo medido en el plano horizontal con dirección Norte-Sur, en un sistema de coordenadas planas, por lo que este puede adquirir valores de entre 0° a 90° respecto al Norte, teniendo consigo una dirección preferente que se cataloga respecto a los ejes cardinales, utilizándose pares de puntos para su ubicación en el eje cartesiano, con posibles combinaciones que varían tanto en dirección Norte-Sur y la combinación con las direcciones Este-Oeste (Figura 12).

Figura 12. Representación del rumbo y echado de los estratos.

El azimut comparte ciertas características del rumbo, con la diferencia de tener un punto de evaluación en el sentido horario, teniendo un rango de valores de entre 0° a 360°, por lo que no necesita tener un par coordenado para la ubicación en el plano cartesiano. Estas mediciones son usadas para describir la orientación de las superficies geológicas, y, por ende, las variaciones que existan dan como resultado una caracterización de la geometría de la capa evaluada. Si el elemento evaluado es completamente plano, tendrá el mismo echado en toda su extensión y su azimut se mantendrá constante si no existe un cambio en la dirección respecto al Norte (Figura 13).

Figura 13. Representación del rumbo y azimuth respecto a la dirección de inclinación de un estrato geológico.

Reflector sísmico

Como medida de evaluación dentro de los atributos sísmicos, se requiere caracterizar al reflector sísmico como una superficie en un punto en el espacio cartográfico m = (x,y,z), y tener una normal unitaria que nos permite ubicar este punto en el espacio n = (nx, ny & nz) donde nx, ny & nz denotan a los componentes a lo largo de los ejes x, y & z, teniendo en cuenta que nz ≥ 0, ya que se evalúa respecto a la diferencia que existe entre los puntos del plano nx y ny. Teniendo en cuenta lo anterior, se puede caracterizar los ángulos de echado, rumbo y azimut de nuestro punto de interés.

Figura 14. Representación matemática de un reflector sísmico en un plano cartesiano m= [X, Y & Z], donde n= Vector unitario normal al reflector, a= Vector unitario a lo largo del reflector, θ= Magnitud del echado, ψ= Azimut del echado, θx= Echado aparente en el plano xz (Inline), θy= Echado aparente en el plano yz (Crossline), ζ= Rumbo del echado. Modificado de Chopra & Mafurt [5].

 

Transformada de Hilbert

La transformada de Hilbert, es un operador lineal que produce un cambio de 90° en la fase. Esta no hace un cambio de dominio, por lo que la amplitud del dato permanece constante. La notación de la transformada es u*(t) y u(t) representa a la señal de la traza sísmica. La transformada se obtiene del producto de la convolución con la traza sísmica original con el factor de conversión 1/πt , o lo que es igual a la integral definida:

Figura 15. Ecuación de la Transformada de Hilbert. 

 

Donde T representa la variación de tiempo que existe entre la señal real y la señal de cuadratura o señal compleja.

Al realizar la transformada, se obtiene una ventana de evaluación de la señal original, la cual nos describirá el comportamiento de la fase respecto a un eje imaginario. Se conoce como “componente real” a la señal original, y “componente imaginario o cuadratura” a la transformada de Hilbert; Y a la evaluación conjunta “traza compleja”. Para la evaluación de los componentes de la traza compleja, se establece un tiempo de muestreo tanto en la señal real como en la sefñal de cuadratura, y se obtiene un punto de referencia entre las dos señales, el cuál forma un vector que provee el valor instantáneo de la traza compleja sobre el eje del tiempo.

Análisis de la traza compleja

Según Taner et al. [14], el análisis de la traza compleja maneja a la traza sísmica u(t) como la parte real de una señal compleja uˆ(t), dentro de un plano tridimensional (Tiempo y distancia espacial en dos dimensiones). La ecuación que define a la traza compleja se define como:

Figura 16. Ecuación de la traza compleja.

Atributo de amplitud instantánea

Dentro de la evaluación de la traza compleja, para cada instante de tiempo, se puede obtener información tal como la envolvente de la señal, o también llamada amplitud instantánea, ya que es calculada para cada instante t, dentro de la traza compleja (Figura 17). Esta se obtiene al ubicar los valores absolutos de los máximos (positivos y negativos en amplitud) de la traza compleja uˆ(t,x,y):

Figura 17. a) Una señal senoidal con frecuencia pulsada modulada, la cual aumenta respecto al tiempo (rojo), la transformada de Hilbert de la señal (azul) y la traza compleja (negro), la cuál es la suma de la señal original y de la transformada. La envolvente o amplitud instantánea (verde) contiene la evolución de la amplitud de la señal original y su transformada respecto al eje temporal, conteniendo los valores máximos de amplitud. b) La frecuencia instantánea de la señal original, producto de la primera derivada de la fase instantánea, respecto al tiempo. c) La fase instantánea, la cual se obtiene al evaluar la posición en un instante determinado de la señal, respecto a otro punto de evaluación (Transformada de Hilbert), la cuál ronda los valores de -3.1416 radianes a 3.1416 radianes (Lo que es igual a el rango de -180° a 180°).

Figura 18. Ecuación del atributo de la amplitud instantánea de la traza compleja 

Figura 19. Cima del horizonte Ekofisk con el atributo de envolvente instantánea.

La envolvente instantánea está relacionada con los contrastes de impedancia acústica y, al ser independiente de la fase instantánea, permite visualizar valores máximos en lugares diferentes de los valles y cimas de la traza, lo que le permite representar la respuesta independiente de las interfases. La resolución vertical se pierde al ser el valor absoluto de la magnitud de las trazas. Puede identificar esta característica:

  • Puntos brillantes ("Bright spots")
  • Posibles acumulaciones de gas
  • Límite de estratos
  • Discordancias
  • Cambios en litología
  • Cambios en ambientes deposición
  • Cambios laterales 
En el horizonte Ekofisk, se puede visualizar un rango mayor de valores de la amplitud instantánea, donde los valores con menor rango están asociados a zonas cercanas al cruce cero de la traza sísmica, caso contrario de las zonas con alto valor. También existen variaciones lineales asociadas a planos de falla con valores de envolvente menores.

Atributo de fase instantánea

El valor de la fase instanánea, que determina la situación instantánea de una señal en cualquier tiempo t, también se obtiene durante la evaluación. Con unidad de medida en grados sexagesimales o radianes, se determina utilizando el ángulo existente entre los vectores de evaluación entre la traza sísmica y  transformada de Hilbert. La ecuación que representa la fase instantánea es:

Figura 20. Ecuación del atributo de la fase instantánea de la traza compleja 
 

El valor no depende de la amplitud porque se evalúa el ángulo de fase que existe entre el vector que representa la traza sísmica y el vector de la transformada de Hilbert, cuyos valores oscilan entre -180° y 180°. El valor de 90 grados se da en los cruces cero, y dependiendo de la dirección de evaluación de la señal, esta tendrá signos positivos (De arriba hacia abajo) o signos negativos (De abajo hacia arriba). En la Figura 20 se explica la evaluación del ángulo de fase de la señal sísmica (rojo) y la transformada de Hilbert (azul). Se puede visualizar el desfase de 90° que existe entre las dos señales, ya que en puntos donde la señal sísmica tiene un máximo, la señal de la transformada tiene una fase de ±90° (flecha verde). Las evaluaciones de los vectores en cada tiempo t variarán, por lo que las mediciones de la fase irán gradualmente cambiando, de -180° a 180° (flecha morada y rosa). 


 

Figura 20. Representación matemática de la fase instantánea
Figura 21. Cima del horizonte Ekofisk con el atributo de fase instantánea.

En los despliegues de fase, cada instante de la amplitud correspondiente a un pico, valle o cruce cero representará un ángulo respecto a la traza real, por lo que los reflectores que contengan una tendencia horizontal en el instante de evaluación, serán mapeados en una misma fase, expresando los cambios en el frente de ondas dentro del dato, ya que el atributo es independiente de la amplitud. Este atributo puede ser utilizado para identificar:

  • Indicador de continuidad lateral de los reflectores
  • Límites de secuencias
  • Límite de estratos
  • Discordancias
  • Cambios de fase relacionados en cambios físicos de las rocas (Saturación de fluidos) y/o cambuis de litología
     

En la evaluación del horizonte Ekofisk, la tendencia muestra una fase instantánea relacionada con una situación instantánea relacionada a un pico de la ondícula, por lo que los valores están en el rango de entre (-20° a -100°), donde se puede apreciar, el valor de la fase tiene una tendencia con cambios laterales importantes, lo que denota una heterogeneidad en las propiedades físicas de la roca, ya que este atributo es sensible a los cambios de la impedancia acústica y es independiente de la magnitud de la ondícula sobre el horizonte interpretado. Existen zonas con variaciones con valores contantes, en el rango de (100° a 130°), lo que infiere en una situación instantánea ubicada en mínimo de la ondícula. Se pueden visualizar los planos de falla, que son referidos a cambios puntuales con una tendencia de dirección respecto al plano del mismo.


Atributo de frecuencia instantánea

La frecuencia instantánea, que mide la tasa de cambio de la fase instantánea respecto al tiempo en hercios (Hz), es otra medición importante obtenida de la traza compleja. La primera derivada de la fase instantánea (Φ(t, x, y) respecto al tiempo se utiliza para estimar la frecuencia instantánea, según Taner et.. al., (1979) [14].

Figura 22. Ecuación del atributo de frecuencia instantánea de la traza compleja 
Figura 23. Cima del horizonte Ekofisk con el atributo de frecuencia instantánea.

Este atributo relaciona la propagación de ondas y el ambiente de depósito, por lo que puede ser usado como un indicador efectivo de:

  • Límites de capas delgadas con baja impedancia
  • Anomalías de baja frecuencia, que pueden ser relacionadas a zonas de arenas no consolidadas con saturaciónn de hidrocarburos
  • Zona de fracturas, caracterizada por bajas frecuencias
  • Espesor de estratos
  • Identificación de litología
     

En el horizonte Ekofisk, existen zonas de baja frecuencia, lo que puede estar relacionado a zonas de fracturamiento o de baja compactación, al igual que zonas de alta frecuencia, que pueden estar relacionadas con interfases bien definidas, que está relacionado con zonas de menor densidad.

Número de onda instantáneo

El número de onda de una señal muestra la frecuencia de un ciclo completo dentro de una unidad de distancia, con unidades de la inversa de la distancia (m−1). Como la frecuencia instantánea, depende de la fase instantánea de la señal sísmica, por lo que se evalúa la tasa de cambio del número de onda en las dos direcciones de propagación espacial de la traza en relación con el plano tridimensional (tiempo y distancia espacial en dos dimensiones) de la siguiente manera:

Figura 24. Ecuación del atributo de número de onda instantáneo de la traza compleja 

Atributo de dulzura

En el trabajo de Radovich et al., (1998) [15], se encontró que las facies arenosas incrustadas en una matriz de lutitas en el Golfo de México suelen tener una frecuencia instantánea más baja y una envolvente más alta. Este es un atributo de respuesta que llamaron ”dulce” porque los resultados de su trabajo delinean puntos dulces o ”puntos dulces” para la exploración de hidrocarburos. La siguiente ecuación define la dulzura s:

Figura 25. Ecuación del atributo de dulzura

La dulzura señala áreas con una relación de amplitud alta y frecuencia baja, las cuales están relacionadas tanto con áreas con arena como con formaciones carbonatadas (En los carbonatos, no es un indicador directo del contenido de hidrocarburos, ya que las características de los carbonatos consolidados presentan amplitudes altas y una frecuencia baja de atenuación), mientras que los sedimentos de amplitud más baja y frecuencia más alta, Esta visualización combinada ayuda an encontrar depósitos de gas, hidratos y cuerpos salinos.

Figura 26. Cima del horizonte Ekofisk con el atributo de dulzura.
 
En el horizonte Ekofisk , existen valores con mayor uniformidad, lo que puede inferirse a una litología con mayor compactación, ya que el rango de valores se estima de entre 400 a 4000. Las zonas de valores bajos pueden estar asociadas a zonas de fracturamiento y/o variaciones en el tipo de litología y caso contrario, las zonas de alto valor se asocian con litologías con mayor envolvente instantánea, lo que puede ser indicio de saturaciones en el espacio poroso de la zona.

Atributo de echado y azimut

El dato sísmico está compuesto por trazas en el dominio del tiempo que representan el doble tiempo de viaje (Desde el inicio del pulso de la fuente, la reflexión que existe en la interfase y el retorno del frente de ondas hacia el receptor), y debido a esto, se debe encontrar un dominio que relacione la diferencia de tiempo y espacio que existe entre las trazas aledañas respecto a la similitud del echado en la dirección medida. Para esto se obtiene la pendiente que existe entre los puntos con un grado de similitud respecto a la pendiente que representa en tiempo (Doble tiempo de viaje) y espacio (Espaciamiento entre receptoras), y para esto, se necesita obtener un valor de velocidad constante que permita la evaluación correcta de la pendiente ya que, si se utiliza un valor menor al requerido, el valor de la pendiente se subestimará, caso contrario si se utiliza un valor por encima de la velocidad requerida.

Sin tener el valor de la velocidad de la Tierra, es conveniente medir las pendientes de retraso sísmico (doble tiempo de viaje), p y q, donde p es la pendiente aparente medida en s/m (o s/ft) en la dirección inline, o dirección x, y q es la pendiente aparente medida en s/m (o s/ft) en la dirección crossline, o dirección y. Si la Tierra puede ser aproximada por una velocidad constante, v, las relaciones entre las pendientes de retraso aparente p y q, y los ángulos de pendiente aparente θx son θy, determinados por relaciones trigonométricas (Figura 27, donde se visualiza la representación de la pendiente aparente en un sismograma, donde, Δx= Distancia espacial entre los puntos de similitud, Δt= Distancia temporal que existe entre los puntos de similitud, Δz= Relación de la distancia temporal en términos de la longitud, θx= Magnitud del echado aparente en dirección x. Px =Componentes del vector del tiempo de retraso. v = Velocidad promedio (Conversión de tiempo a profundidad)).

Figura 27. Representación de la pendiente aparente en un sismograma

Figura 28. Cima del horizonte Ekofisk con el atributo de magnitud del echado.


Figura 28. Cima del horizonte Ekofisk con el atributo de azimut del echado.

En el horizonte Ekofisk, los valores del azimut se encuentran bien definidos, lo que es indicio de una baja energía en la deposición, siendo la dirección Noreste la de mayor tendencia, teniendo también direcciones de buzamiento hacia Suroeste y Noroeste en menor medida, al igual que la presencia de variaciones lineales en el azimut, lo que es indicio de la presencia da planos de falla en la zona.

Atributo de coherencia 

La coherencia es una medida del grado de similitud entre dos o más trazas sísmicas. La convolución entre la ondícula de la fuente y la impedancia acústica, que depende de la velocidad de la onda y la densidad, da como resultado la traza sísmica. La amplitud, la frecuencia y la fase de la respuesta de la traza sísmica varían según el tipo de litología, la porosidad, el espesor de la capa y el tipo de fluido que se almacena.


En un carácter lateral, las formas de onda que se visualizan en una sección procesada van a diferir (unas con otras). Los cambios en el carácter lateral de la forma de onda son causados por cambios en la impedancia lateral fuerte. En la Figura 29, su pueden visualizar ejemplos de variaciones laterales en las formas de onda:

a) Forma de onda plana, coherente y sin variaciones laterales

b) Se identifica un sinclinal, pero tiene una estructura coherente y sin variaciones laterales

c) Una forma de onda con variaciones laterales es indicativa de cambios laterales en impedancia o espesor de capa

d) Forma de onda con fluctuaciones rápidas, las cuáles se encuentran asociadas a tres canales

Figura 29. Ejemplos de variaciones laterales en las formas de onda (Modificado de Chopra y Marfurt, (2007) [5]).

Cálculo de semblanza por eigenstructura

Los cambios geológicos puntuales afectan significativamente la forma de onda y la amplitud de la traza sísmica, que se pueden dividir en dos medidas matemáticas independientes utilizando un análisis de eigenestructura. 

Para tener una referencia de ”uniformidad” en el cálculo de coherencia, se debe estimar el echado y el azimut. Esto se hace para darle un peso a la dirección preferida para la evaluación de la energía. Un muestreo discretizado de echado y azimut puede medirse utilizando esta técnica. Este método determina una traza muestra estimada del promedio de energía de todas las trazas evaluadas, que representa la forma de onda promedio, después de analizar una ventana de trazas.

Matriz de covarianza

Para medir la variación de la energía puntual debido a la similitud entre las trazas, es necesario crear una matriz simétrica que incluya los valores sobre una traza de referencia, que se obtiene mediante la interpolación de todas las trazas n. Esta matriz se conoce como matriz de covarianza y contiene todas las posibles crosscorrelaciones. El primer paso es establecer una ventana de tiempo espacial, donde se seleccionarán n trazas y se obtendrán K número de vectores muestra según el tamaño de la ventana vertical 2K+1, donde K es el número de muestras respecto a un punto de referencia.

Se almacenará la diferencia entre la traza de referencia en cada muestra K y las trazas seleccionadas n en cada vector, las cuales serán delimitadas por las pendientes p y q. Las filas y las columnas de los vectores muestras almacenan todas las diferencias de una ventana K de todas las trazas. Las autocorrelaciones y crosscorrelaciones de cada columna con los valores de las demás columnas son el siguiente paso. La siguiente ecuación representa la ecuación que determina cada componente ci,j de la matriz de covarianza C:

Figura 30. Ecuación de la matriz de covarianza
 

La variación de amplitud no afecta el cálculo de amplitud por eigenestructura, a diferencia del cálculo de coherencia por semblanza. Esto se debe al hecho de que se realiza el escalado de la traza promedio para corregir esta variación. (Figura 31, donde se explica la evaluación del escaneo de la semblanza por eigenestructura. Se calcula la energía de las trazas sísmicas de entrada dentro de una ventana de análisis a). Después se calcula una traza muestra que se aproxime a la forma de onda promedio de todas las trazas b). Finalmente, se reemplaza cada traza con una versión “escalada” de b) (Una diferencia importante entre los métodos es que la eigenestructura “escala” la traza muestra dependiendo de la forma de onda y amplitud original del dato sísmico de entrada, por eso es que se discrimina a la amplitud, ya que se descarta esta “variabilidad”, al tomarla en cuenta al momento de hacer el escalado). Esta es la relación de la energía de c) con la energía de a). Si cada traza evaluada en la ventana de análisis en a) tiene la misma forma de onda (Suponiendo que esta tiene una diferente amplitud), la coherencia será 1; De otra manera, será menor que 1 (En este caso, la forma de onda varía respecto a la traza muestra). La ondícula es escalada para asemejar cada traza sísmica dando como resultado a lo que se llama “componente coherente” (c)). La coherencia de eigenestructura es la relación de la energía del componente coherente del dato sísmico, con la energía de las trazas sísmicas originales dentro de la ventana de análisis.). Se mejora el cálculo de la semblanza al utilizar la traza compleja para complementar el cálculo y escaneo en distintas zonas.

Figura 31. Evaluación del escaneo de la semblanza por eigenestructura (Modificado de Chopra y Marfurt, (2007) [5]).

Similaridad por filtro Sobel

 
El filtro Sobel es un filtro comúnmente utilizado en el acondicionamiento de imágenes. En el trabajo de Luo et al., (1996) [16], se generalizó su uso para aplicarlo a datos sísmicos al normalizar las derivadas de la energía de la traza sísmica u en las direcciones lineales y cruzadas. El cálculo se realiza a lo largo de la estructura y se obtienen Dx y Dy, coeficientes de convolución: 
Figura 32. Ecuación de la similaridad por filtro Sobel

 
Figura 33. Cima del horizonte Ekofisk con el atributo de similaridad por filtro Sobel.

En el horizonte Ekofisk, es posible visualizar un comportamiento del atributo con mayor similaridad lateral, lo que denota un tipo de depósito de baja energía, ya que, aunque se pueden visualizar los límites de las estructuras geológicas en ciertas zonas, las variaciones tienen una tendencia marcada; Los valores de baja similaridad están asociados a zonas de fracturamiento y/o fallamiento, causado por el tectonismo de la zona, así como la flexura del horizonte en los puntos de intrusión.

Atributos de curvatura

La curvatura es una característica bidimensional de una curva y define cualquier punto de la misma, según el trabajo de Roberts, (2001) [17]. La tasa de cambio en la dirección de la curva para cualquier punto de la curva es la ”curvatura”.

Para evaluar la curvatura en un plano tridimensional (Figura 34, donde se representa en el eje cartesiano
x, y, z, donde z representa el eje del tiempo o profundidad. El intercepto ortogonal en la superficie de la curvatura máxima, kmáx y curvatura mínima kmin marcado de color amarillo, con los planos marcados en color azul. Existen otras dos curvaturas marcadas en color negro, las cuáales son la curvatura en dirección del echado kd y la curvatura en dirección del azimut ks. N es el vector normal a la superficie en el punto P, que tiene un ángulo de echado θ respecto a la vertical. El ángulo de orientación de la mínima curvatura ϕ es utilizado para caracterizar cualquier valor de curvatura normal en la superficie. La localización en el espacio está delimitada por una malla 3 x 3, donde el nodo 5 representa el punto P, donde se evalúa la curvatura), se puede considerar la evaluación de la superficie en dos planos tangentes entre sí que corten la superficie. Para su evaluación, los planos serán el corte de los radios de curvatura con los centros de los círculos a lo largo de un eje que es perpendicular al plano tangente de la superficie. De esta manera, la medición de curvatura será la representación más básica de la forma del reflector, sin tener en cuenta las rotaciones de volumen del reflector. Para caracterizar estos dos planos, se ajusta la orientación de un plano para obtener el radio de curvatura más bajo posible, que se conoce como máxima curvatura (kmáx). La mínima curvatura (kmin) es el radio que tiene el segundo plano, que es perpendicular al de máxima curvatura. Las curvaturas principales son el conjunto de características de curvatura de la superficie.

Figura 34. Representación de la curvatura en tres dimensiones (Modificado de Roberts, (2001) [17]).
Figura 35. Cima del horizonte Ekofisk con el atributo de curvatura más positiva.
El atributo de curvatura más positiva y negativa es utilizado para delimitar los valores de máxima y mínima curvatura, los cuáles resaltan las zonas con geometría de anticlinal y curvatura asociada a intrusiones; como también delimita dentro de los valores negativos del atributo a zonas inferidas con geometría de tazón, las cuáles coinciden con la delimitación de los bordes de las diferentes geometrías dentro del atributo.

En el horizonte Ekofisk, se puede inferir que existe una mayor uniformidad en la geometría del horizonte, el cual se ve afectado por el tectonismo de la zona; Se pueden identificar los planos de fallamiento, así como zonas con máximos asociados a la intrusión de la sal; Los valores con curvatura negativa están asociados a las zonas de menor curvatura.

Figura 36. Cima del horizonte Ekofisk con el atributo de curvatura más negativa.


Curvatura volumétrica total o estructural e Índice de forma

Un vector sobre la variación de las curvaturas más positivas y negativas (Kpos y Kneg) se obtiene para obtener la curvatura volumétrica total Ktot.

El índice de forma S permite definir cuantitativamente la morfologíaa local de la superficie, independientemente de la escala, donde los valores fluctúan de entre −1 a 1, siendo los números negativos asociados a superficies convexas, y los números positivos asociados a superficies cóncavas.

Los atributos de índice de forma y curvatura estructural son una cuantificación del valor de la curvatura en una escala lineal, por lo que la respuesta de estos atributos depende de la respuesta que tengan a la curvatura más positiva y/o negativa. Esto nos permite visualizar en conjunto cualquier tipo de curvatura en una misma representación. Para el índice de forma, dependerá el valor y el signo del punto evaluado y será representado por cinco tipos de figuras (Domo, cima, silla, valle y tazón), cada una identificada por un color en específico. Este atributo es útil para identificar a simple vista los patrones que existen en una rebanada de tiempo y/o superficie interpretada, con la finalidad de entender la morfología de la zona, así como identificar cualquier estructura geológica de interés. Para la curvatura estructural, se cuantifica que tan deformado se encuentra el punto evaluado, por lo que este atributo permite diferenciar las zonas que tienen cierto nivel de flexura, sin importar el signo de la curvatura.

Figura 37. Cima del horizonte Ekofisk con el atributo de curvatura estructural.

Figura 38. Cima del horizonte Ekofisk con el atributo de índice de forma.

Atributos de textura

Según Chopra y Marfurt, (2007) [5], los texeles, los elementos esenciales para la clasificación de rasgos, constituyen las texturas. Se conocen comúnmente como grano fino, grano suave y similares. El tono y la estructura de una textura pueden contener estas características. El tono es la intensidad de las características de un texel, y la estructura es la relacón espacial entre los texeles. 

Un texel pequeño se denomina textura fina, mientras que un texel grande con muchos pixeles se denomina
textura gruesa. Las texturas visuales contienen variaciones de intensidad, las cuáles formas ciertos patrones repetitivos. Estos patrones pueden ser causados por propiedades físicas de la superficie como lo son la rugosidad y la reflectancia, y debido a la naturaleza aleatoria, las texturas de las rocas pueden ser caracterizadas en diferentes órdenes estadísticos. La distribución de la probabilidad de primer orden de la amplitud de la imagen cuantificada puede ser usada para extraer una distribución estadística. Esta estadística se calcula por medio de las propiedades estadísticas básicas, como lo son la media, la desviación estándar, asimetría y la curtosis.

Atributo de energía 

Es la medida de la uniformidad de la textura de una imagen. Cuando todos los elementos de la matriz son iguales, la energía es baja.

Figura 39. Cima del horizonte Ekofisk con el atributo de energía.

Atributo de entropía

Es la medida de la organización de los pixeles y el desorden o complejidad de una imagen, donde la entropía es alta para imágenes sin textura uniforme y mide la organización de los pixeles.



Figura 40. Cima del horizonte Ekofisk con el atributo de entropía.

Atributo de homogeneidad

Es la medida de la suavidad general de una imagen, donde los valores de la matriz de co-concurrencia se encuentran en la diagonal principal y los volúmenes de homogeneidad son bajos cuando hay valores de gran contraste. 
Figura 41. Cima del horizonte Ekofisk con el atributo de homogeneidad.
 

Descomposición espectral (CWT)

 
La transformación de información de una forma a otra es muy común en el análisis de señales; Es decir, transformar la información sísmica del dominio del tiempo al dominio de la frecuencia, es el ejemplo más común de información acondicionada, la cual es de mucha utilidad en el análisis sísmico.

Dado que el análisis de trazas complejas ayuda a lograr una separación natural de amplitud y fase, que proporcionan los puntos de análisis de trazas complejas, es necesario referirse al análisis de trazas complejas cuando se analiza información sísmica en el dominio tiempo-frecuencia. Para analizar la energía y la dispersión, se requiere cuantificar las amplitudes con las envolventes, fases, tiempos y retardos. Para lograr esto, se requieren ondículas, que son señales cortas y fáciles de manipular tanto en el dominio de la frecuencia como en el del tiempo. Gabor, (1946) [18] estudió este tipo de ondas, estas son ondas senoidales que son moduladas por funciones de Gauss.

Figura 42. Cima del horizonte Ekofisk con el atributo de descomposición espectral 10-20-30 Hz.

Figura 43. Cima del horizonte Ekofisk con el atributo de descomposición espectral 10-20-60 Hz.

Figura 44. Cima del horizonte Ekofisk con el atributo de descomposición espectral 10-40-80 Hz.
Figura 45. Cima del horizonte Ekofisk con el atributo de descomposición espectral 40-50-60 Hz.

 

Figura 46. Cima del horizonte Ekofisk con el atributo frecuencia máxima de la descomposición espectra.

La generación de mapas de distribución de amplitud enfocado a frecuencias específicas ayuda a delimitar e identificar eventos estratigráficos, así como cambios litológicos laterales y verticales con una mayor resolución en comparación de un mapa de amplitud de espectro completo. La utilización de diferentes bandas de frecuencia es de utilidad al discretizar zonas con cambios físicos respecto al tipo de depósito, al espesor del mismo, y las características petrofísicas.

En el horizonte Ekofisk, presenta un comportamiento más homogéneo respecto al horizonte anterior, lo que es indicio de un depósito de sedimentos de menor energía. Las zonas que presentan un grado de afectación debido a las intrusiones salinas, presentan una combinación similar en cada rango de frecuencias; Las frecuencias menores corresponden a zonas con menor similaridad lateral, referente a cambios de litología o presencia de fracturamiento, lo que coincide con la interpretación de las zonas de fallas en el atributo. En general, la cima del horizonte presenta un amplio rango de frecuencias, y las variaciones de las mismas dependen de dos factores en específico; La condición respecto al fracturamiento y la variación de la litología.

Para el atributo de frecuencia máxima de la descomposición espectral se observa un comportamiento uniforme,  lo que sugiere la presencia de depósitos de sedimentos con menor energía. Las áreas afectadas por intrusiones salinas muestran patrones similares en todos los rangos de frecuencia, mientras que las bajas frecuencias se asocian con cambios laterales en la litología o la presencia de fracturamiento, lo que coincide con las zonas de falla. En general, la cima del horizonte presenta una amplia gama de frecuencias, cuyas variaciones dependen principalmente de dos factores: la presencia de fracturamiento y las variaciones litológicas. Las zonas con máxima amplitud en la CWT sugieren un cambio en la impedancia local, lo que sugiere un indicador directo de hidrocarburos.

Acondicionamiento del dato sísmico

Para obtener el resultado esperado en el cálculo de los atributos sísmicos en el volumen F3 PSTM, se diseñó un flujo de acondicionamiento qie permite mejorar la señación señal-ruido S/N,(Figura 9.1) con el fin de analizar los ruidos residuales, y se considera el time slice a 0.5 segundos en el que se pueden identificar variaciones en la amplitud asociados a planos de falla, flexura, ruido incoherente y la huella de adquisición. 

Figura 47. Flujo de trabajo del acondicionamiento del dato sísmico

Para analizar a mayor detalle el flujo de trabajo realizado, se procede a evaluar el dato sísmico de entrada y el dato de salida en una ventana crossline (945); Se puede visualizar en el dato de entrada diferentes artefactos; Las flechas rojas señalan zonas con afectaciones por ruido incoherente, lo que se infiere como ruido asociado a la huella de adquisición; Las flechas azules señalan ruidos asociados con artefactos ocasionados por el algoritmo de migración del dato sísmico en tiempo. En el dato sísmico de salida, se puede visualizar una mejora en la definición del dato sísmico útil; Las reflexiones que fueron enmascaradas por el ruido relacionado con la huella de adquisición muestran una mejor definición, así como una mejor demarcación en las variaciones causadas por los planos de falla; El ruido asociado con los artefactos de migración es filtrado gracias al algoritmo de filtrado orientado a la estructura, ya que el algoritmo detecta zonas con ángulos de echado similar, en donde el algoritmo aplica un mayor peso, ya que la finalidad del flujo demarcado es el mantener el carácter lateral y vertical de la amplitud sísmica (Figuras 48 y 49).
Figura 48. Sección crossline 945 del volumen original.
Figura 49. Sección crossline 945 del volumen acondicionado.

Mapas autoorganizados (SOM)

Los Mapas Auto-Organizados o Self Organized Maps (SOM, por sus siglas en inglés) son una herramienta para generar un mapa de facies sísmicas a partir de múltiples atributos sísmicos de forma no supervisada. Diferentes objetivos de exploración o facies sísmicas pueden ser sensibles a diferentes atributos sísmicos, y a menudo los intérpretes necesitan utilizar múltiples atributos para delinear características dentro del área de interés. Tomando múltiples atributos de entrada, SOM intenta generar un mapa de facies que capture la mayoría si no, todas las variaciones en los atributos de entrada.


Kohonen, (1982) [19] presentó métodos de agrupación y reducción de la dimensionalidad como “procesos auto-organizados” por los que una ”red simple de elementos físicos adaptativos” se hace resonar de una manera particular con señales proporcionadas externamente (un ”espacio de eventos primarios”) e intentó vincular estas ideas con la funcionalidad de los cerebros humanos (Murtagh, (1995) [20]). Este popular método de redes neuronales se utilizó inicialmente en biología e informática con fines de minería de datos; mucho más tarde se empleó para una técnica automatizada de reconocimiento de patrones en la exploración sísmica.

El SOM, es una forma de red neuronal no supervisada y produce resultados significativos y fácilmente interpretables. El análisis SOM revela la agrupación natural y los patrones de los datos en facies con rasgos comúnes entre si, teniendo aplicaciones en la estratigrafía, facies sísmicas, Indicadores Directos de Hidrocarburos o Direct Hydrocarbon Indicators (DHI, por sus siglas en inglés), así como la identificación de tendencias de fallamiento y fracturas. La visualización de este atributo permite identificar de forma rutinaria patrones geológicos significativos. El objetivo de este tipo de análisis multiatributo es permitir una interpretación más precisa y reducir el riesgo de exploración y desarrollo de prospectos de importancia económica.

Figura 50. Analogía de la clasificación SOM de diferentes frutas ilustrando el análisis de la agrupación “clustering” del atributo SOM no supervisado. Se agrupan las frutas después del entrenamiento utilizando tres atributos (Color, relación de aspecto y contenido de vitamina C de cada una de las frutas).

Figura 51. Flujo de trabajo del cálculo de un mapa autoorganizado (SOM) con la finalidad del análisis de facies. (Modificado de Zhao, (2018) [21]).

Distancia al vector principal 

El atributo de la distancia al vector principal de evaluación es en gran medida el transfondo matemático del atributo de mapas auto-organizados (SOM), en el cual se muestra la distancia euclídea entre el vector de datos multi-atributo y el centro de todos los vectores prototipo; Lo que proporciona una estimación de la probabilidad de cualquier vector de datos sea un miembro final (Lo que se interpreta como la clasificación de una facie con propiedades petrofísicas diferentes, siendo esta más alejada de la evaluación). Los atributos escogidos fueron centrados a la identificación de indicadores directos de hidrocarburos, siendo la frecuencia y la amplitud las propiedades físicas que cuantifican estas zonas, por lo que los vectores más alejados, representarán “facies menos comunes” y las zonas con similaridad representarán zonas con congruencia respecto a sus propiedades petrofísicas. Los atributos escogidos para la evaluaciónn son los siguientes:

  • Atributo de dulzura: Delimita zonas que contienen una relación de amplitud alta y frecuencia baja.
  • Atributo de similaridad por filtro Sobel: Determinar cambios laterales en el área e identificación de
    canales, fallas y otros tipos de discordancias.
  • Atributo de curvatura volumétrica total: Delimita la deformación estructural y/o estratigráfica.
  • Atributo de índice de forma: Clasificación visual de la deformación estructural y/o estratigráfica.
  • Atributo de homogeneidad GLCM: Clasificación de la similaridad entre la amplitud lateral del volumen sísmico.
  • Atributo de frecuencia espectral máxima CWT: Descomposición de espectros de frecuencia máximos del volumen sísmico.
Figura 52. Flujo de trabajo del cálculo de un mapa autoorganizado (SOM) con la finalidad del análisis de facies. (Modificado de Zhao, (2018) [21]).

En las ventanas se puede observar la respuesta de la evaluación de la distancia de los vectores multi-atributo, en donde los valores más cercanos son marcados en color negro, y caso contrario, los vectores más alejados son marcados en color blanco. La respuesta del atributo variará respecto a la similitud entre respuestas entre atributos, lo que subclasifica las distintas zonas. Se puede visualizar que, en los planos de falla previamente identificados, se identifica una “facie menos común”, por lo que estas son catalogadas como zonas de baja similaridad respecto al vector principal; En zonas con una similitud en el tipo de litología y una respuesta baja a los atributos utilizados para remarcar a los DHI’s, se catalogaran con zonas de alta similaridad, por lo que su distancia euclídea será pequeña; En las zonas donde exista un cambio considerable en litología (Cambio en las propiedades petrofísicas) y un aumento en la respuesta de los atributos utilizados para identificar a los DHI’s, se catalogará como una “facie menos común” con una mayor diferencia respecto a la evaluación de fallas y discontinuidades, ya que la variación recae en la diferencia entre atributos, por lo que las variaciones de amplitud y frecuencias respecto a la identificación de los planos de falla tienen una respuesta respecto al vector principal más similar.

Atributo de mapas auto-organizados (SOM)

La utilización de los mapas autoorganizados, se enfocaron en la ubicación de zonas donde la amplitud y la frecuencia tuvieran una variación lateral, en la cual se pudiera diferenciar entre zonas con características de DHI’s, así como la diferenciación entre los límites de estas secuencias, lo que puede remarcar zonas con presencia de fracturas, lo que puede dar origen a un yacimiento, por lo que es importante evaluar este tipo de características, al igual que la geometría de los estratos, que va de la mano con el nivel de curvatura de los mismos.


La distribución de la saturación y el color es definida por la inter-relación que existe en el análisis multiatributo del SOM; Entre más alejada se encuentre una zona a las coloraciones claras, más relación existirá entre los atributos de entrada, y la saturación definirá cualitativamente el valor puntual de las zonas evaluadas.

Las facies en color verde están asociadas a litologías con valor de la envolvente baja, lo que implica una amplitud sísmica baja (independientemente del signo de la serie reflectiva), así como valores altos de frecuencia;  Las facies que son caracterizadas en este se definen como litologías de baja densidad y alta frecuencia. Las facies con matiz amarillo y rojo corresponden a zonas con una mayor densidad, lo que indica que los valores de la envolvente instantánea son mayores y valores de frecuencia de medio a alto, lo que indica que un cambio en las propiedades de la litología, y tomando en cuenta la litología de la zona, puede relacionarse con zonas de intercalaciones de lutitas y arenas. Por último, las zonas con tonalidades azules y moradas corresponden a facies con diferencias notorias en las propiedades petrofísicas, las cuáles pueden ser indicativo de la presencia de fluidos en los poros de las rocas, tal como agua y/o hidrocarburos (Gas y/o aceite), caracterizado por zonas con una envolvente instantánea alta, así como una frecuencia baja en relación con la envolvente instantánea, debido a las variaciones de saturación en los poros de la roca son característicos de los indicadores directos de hidrocarburo (DHI’s); Así como variaciones en la geometría de las capas asociadas a planos de falla o zonas de fracturamiento local, ya que los atributos utilizados definen la similaridad dentro del volumen sísmico, así como la homogeneidad de la amplitud sísmica.

Figura 53. Cima del horizonte Ekofisk del atributo mapas autoorganizados

Para el horizonte Ekofisk, se puede visualizar una variación mayor en la distribución de las facies; Los colores verdes están asociados a depósitos con presencia de litologías de una impedancia acústica menor, inferidos como depósitos con mayor contenido de arcilla, lo que se infiere como una disminución en la impedancia de la zona. Las zonas con coloraciones amarillas y rojas están relacionadas a depósitos con un aumento en la impedancia acústica, siendo un indicio de cambios litológicos significativos, siento en este horizonte el aumento en el contenido de carbonato respecto a las arcillas en la zona, y por último, las facies identificadas por colores obscuros, son inferidas como zonas con una mayor impedancia acústica, las cuáles pueden estar relacionadas a un aumento en la densidad de la matriz, así como la presencia de contenido de gas en la zona, lo que hace que aumente la envolvente instantánea, lo que es un posible indicador directo de hidrocarburo. El horizonte Ekofisk es caracterizado por tener yacimientos de gas en el norte del Mar del Norte. 

Dentro de los resultados obtenidos por el atributo SOM, se puede destacar que existe una respuesta positiva referente a los indicadores directos de hidrocarburos y también referente al estudio geológico de la zona, coincide con zonas con producción comprobada en las cuencas del Mar del Norte. Se delimitaron las facies menos comúnes del atributo SOM utilizado, esto con el enfoque de visualización de las zonas con mayor probabilidad de mostrar una respuesta relacionada a la saturación de fluidos en las capas evaluadas. Se utilizó un corte en las facies mayores a 240 de distancia de evaluación de los vectores principales VP’s, con la finalidad de identificar las zonas con diferencias en las propiedades petrofísicas que son inferidas por el dato sísmico; Destaca dentro de las facies identificadas zonas con un rango de fracturamiento, siendo visible el delineamiento de los planos de falla, así como horizontes con un visible patrón de fracturamiento; También destacan la identificación de los límites del dato sísmico, y esto es debido al efecto de borde ocasionado por la evaluación conjunta del dato sísmico; Y por último, las zonas que contienen rangos de amplitud y frecuencia relacionados con zonas con alta probabilidad de almacenamiento de hidrocarburos.

Figura 54. Cima del horizonte Ekofisk del atributo mapas autoorganizados con las facies menos comunes remarcadas

En el horizonte Ekofisk, se puede visualizar una menor variabilidad en el atributo, donde se puede inferir una menor variabilidad en las propiedades petrofísicas de la cima del horizonte; Destaca la presencia de zonas con indicios de fallamiento, así como la presencia de zonas con posibilida de almacen de hidrocarburos, las cuáles presentan una continuidad horizontal a lo largo del horizonte. 

Para poder visualizar los resultados a detalle, se utilizó el software de visualización e interpretación sísmica OpendTect®. En los primeros 1.4 s del doble tiempo de viaje, se pueden identificar 11 zonas con probabilidad de producción de hidrocarburos, siendo las zonas 1, 2, 3 y 4 las zonas con un mayor potencial, debido a la respuesta adquirida por el atributo SOM. Las mayores contribuciones pertenecen al Grupo Superior del Mar del Norte, que se caracterizan por ser intercalaciones de arenas y arcillas, con una tendencia general de sedimentos de grano grueso a fino hacia el norte y el oeste y también del Grupo Medio del Mar del Norte, siendo constituida en su mayoría por arenas, limos y arcillas de origen predominantemente marino; Las arenas tienen su principal distribución a lo largo del margen meridional de la cuenca del Mar del Norte.
 


 


Para el intervalo de tiempo de entre 1.4 a 1.8 s, se identifican 4 zonas con posibilidad de almacen de hidrocarburos, siendo las zonas 12 y 13 las que representan una mayor probabilidad de ser almacen de hidrocarburos, los cuáles corresponden en su totalidad al Grupo Chalk, perteneciente al Cretácico Superior, que es determinado en su mayoría por rocas carbonatadas. La mayor parte está formada por calizas bioclásticas y calizas margosas de color blanco, beige, crema y gris claro, duras y de grano fino, con apariciones de margas, arcillas calcáreas y arenas glauconítica en zonas donde la inversión Alpina se hizo presente.

Conclusiones 

La utilización de atributos sísmicos en la identificación de zonas propensas a la saturación de hidrocarburos, específicamente en la detección de Indicadores Directos de Hidrocarburos (DHI’s), constituye un campo de estudio fundamental en la exploración petrolera. Los indicadores direcros de hidrocarburo son manifestaciones geofísicas que sugieren la presencia de hidrocarburos en el subsuelo y son cruciales para la detección precisa de reservorios.


Los atributos sísmicos, al capturar variaciones en propiedades físicas como la impedancia acústica, la amplitud, la fase y la frecuencia, ofrecen una visión detallada de la estructura y litología del subsuelo. La aplicación de técnicas avanzadas, como los mapas autoorganizados, dentro del paradigma de aprendizaje no supervisado, constituye un método eficaz para la visualización y el análisis de patrones complejos presentes en conjuntos de datos sísmicos.

Los mapas autoorganizados, al procesar y proyectar múltiples atributos sísmicos en un espacio de menor dimensión, permiten identificar relaciones y similitudes entre áreas geológicas. Esta capacidad de resaltar correlaciones no lineales entre los atributos sísmicos es esencial para la identificación de DHI’s. Los cambios sutiles pero significativos en estos atributos, como anomalías de amplitud, variaciones de espesor o presencia de gas, pueden indicar la presencia de hidrocarburos.
 

En conclusión, la integración de atributos sísmicos y el uso de mapas autoorganizados se revela como una
estrategia poderosa para identificar y delinear zonas con potencial de saturación de hidrocarburos. Esta combinación proporciona una visión cuantitativa y detallada del subsuelo, permitiendo a las compañías petroleras tomar decisiones más informadas en la exploración y explotación de yacimientos, aumentando así la eficiencia y el éxito en la industria.

Bibliografía

[1] Wong, Theo and Batjes, Dick A. J. and Jager, Jan (2007). Geology of the Netherlands. Edita KNAW.

[2] Remmelts, G. (1996). Salt tectonics in the southern North Sea, the Netherlands. In Geology of Gas and Oilunder the Netherlands: Selection of papers presented at the 1983 Iternational Conference of the American Association of Petroleum Geologists, held in The Hague (pp. 143-158). Springer Netherlands. 

[3] Ziegler, Peter A (1990). Geological Atlas of Western and Central Europe. Shell Nederland.

[4] P. Gerling, M. C. Geluk, F. Kockel, A. Lokhorst, G. K. Loot, R. A. Nicholson (1999). NW European Gas Atlas – new implications for the Carboniferous gas plays in the western part of the Southern Permian Basin. Geological Society, London, Petroleum Geology Conference Serie.

[5] Satinder Chopra and Kurt J. Marfurt (2007). Seismic Attributes for Prospect Identification and Reservoir Characterization. Society of Exploration Geophysicists and European Association of Geoscientists and Engineers. 

[6] Fehmers, Gijs C and Höcker, Christian F. W. (2003). Fast structural interpretation with structure-oriented filtering. Society of Exploration Geophysicists. Volume: 68, Number: 4, Pages:(1286-1293).

[7] Hill, S., Shultz, M., Brewer, J., (1999). Acquisition footprint and fold-of-stack plots. The Leading Edge 18 (6), Pages:(686–695).
[8] Gülünay, N. and Benjamin, N. and Magesan, M.. Acquisition footprint suppression on 3D land surveys. First Break. EAGE Publications. Volume: 24, Number: 3.

[9] Fehmers, Gijs C and H¨ocker, Christian F. W. (2003). Fast structural interpretation with structure-oriented filtering. Society of Exploration Geophysicists. Volume: 68, Number: 4, Pages:(1286-1293).

[10] Luo, Yi and Wang, Yuchun Eugene and AlBin Hassan, Nasher M. and Alfaraj, Mohammed N (2006).
Computation of dips and azimuths with weighted structural tensor approach. Society of Exploration Geophysicists, Volume: 71, Number: 5, Pages:(119-121).

[11] Kuwahara, M., K. Hachimura, S. Eiho, and M. Kinoshita, 1976, Processing of RIY angiocardiographic images, in Preston, K., and M. Onoe, Eds., Digital processing of biomedical images: Plenum Press, Pages: (187–202).

[12] Luo, Yi and Gunaratnam, Krish P and Wu, Andrew H and Alfaraj, Mohammed (2001). Histogram equalizationand its application in seismic exploration. Society of Exploration Geophysicists. SEG Technical Program Expanded Abstracts 2001.

[13] Al-Dossary, Saleh and Marfurt, Kurt J. (2006). 3D volumetric multispectral estimates of reflector curvature and rotation. Society of Exploration Geophysicists, Volume: 71, Number: 5, Pages:(41-51).

[14] Taner, M. T. and Koehler, F. and Sheriff, R. E (1979). Complex seismic trace analysis. Society of ExplorationGeophysicists, Volume: 44, Number: 6, Pages:(1041-1063).

[15] Radovich, Barbara J and Oliveros, R Burnet (1998).3-D sequence interpretation of seismic instantaneous attributes from the Gorgon Field. Society of Exploration Geophysicists, Volume: 17, Number: 9, Pages:(1286-1293).

[16] Luo, Y. and Higgs, W. G. and Kowalik, W. S. (1996). Edge detection and stratigraphic analysis using 3D seismic data. Society of Exploration Geophysicists, SEG Technical Program Expanded Abstracts 1996.

[17] Roberts, Andy (2001). Curvature attributes and their application to 3D interpreted horizons. First Break, Volume: 19, Number: 2, Pages:(85-100).

[18] Gabor, D. (1946). Theory of communication: J. I.E.E.E.

[19] T. Kohonen (1982). Self-organized formation of topologically correct feature maps. Biological Cybernetics, Volume: 43, Number: 1, Pages:(59-69).

[20] Murtagh, F. (1995). Interpreting the Kohonen self-organizing feature map using contiguity-constrained clustering. Pattern Recognit. Lett., Volume: 16, Number: 4, Pages:(399-408).

[21] Zhao, Tao (2018). Seismic facies classification using different deep convolutional neural networks. Society of Exploration Geophysicists.


Publicación realizada por Hugo Olea.

Contacto

Linkedin: Hugo Olea

Correo: hugoolea03@gmail.com 


No hay comentarios.:

Publicar un comentario