地震屬性綜合分析技術在河道精細刻畫中的應用*

李 楠 劉志峰 楊東升 朱石磊 陳少平 張 瑩

（中海油研究總院有限責任公司 北京 100028）

地震屬性能夠凸顯解釋人員用肉眼難以識別的地質(zhì)現(xiàn)象，可增強沉積體、特殊巖性體、斷裂系統(tǒng)成像效果，強化地震資料中隱藏的、解釋人員用肉眼難以識別的地質(zhì)信息，輔助完成地質(zhì)體刻畫、儲層分析、斷裂系統(tǒng)展布特征分析等工作。地震屬性可大致歸納為時間、振幅、頻率、衰減等4類。頻譜分解技術屬于頻率類屬性，是利用數(shù)學變換將地震信號從時間域轉(zhuǎn)換到頻率域，從而使解釋人員能夠以特定頻率來描述地質(zhì)特征的方法，其常用算法有短時傅里葉變換（STFT）、連續(xù)小波變換（CWT）、S變換（ST）、廣義S變換（GST）等[1-5]。

廣義譜分解（Generalized Spectral Decomposition）與頻譜分解不同，其算法提供了將傅里葉變換與連續(xù)小波變換混合的方法，通過頻率、循環(huán)次數(shù)和相位來對子波進行控制，類似于濾波器，通過子波對地震數(shù)據(jù)進行“相關”和“褶積”運算，從而有效提高和控制分辨率，并最終得到受控于頻率的三維振幅域數(shù)據(jù)體。該算法生成基于頻率控制的振幅類屬性，屬于混合屬性。本文以渤中凹陷東北部東營組末期河道為研究對象，在精細解釋基礎上，基于Petrel軟件，首先通過實時調(diào)參功能對比了10種常用屬性，大致識別出河道、斷裂分布情況，最終基于廣義譜分解所得分頻體，通過RGB混色技術完成河道精細刻畫。

1 研究區(qū)概況

圖1 研究區(qū)構造位置Fig.1 Structural location of the study area

研究區(qū)位于渤中凹陷東北部（圖1），石臼坨凸起東段延伸至研究區(qū)內(nèi)部，將該區(qū)分隔為南北兩部分，面積約1 300 km2。該區(qū)自上而下發(fā)育第四系，新近系明化鎮(zhèn)組、館陶組，古近系東營組、沙河街組。東營組整體發(fā)育上升半旋回，為曲流河沉積砂泥巖互層，早期富砂，晚期以泥巖沉積為主，砂巖含量約30%～50%，存在優(yōu)質(zhì)儲蓋組合。雖然該區(qū)三維地震資料滿覆蓋，但主頻低、頻帶窄，分辨率不足，不利于地質(zhì)體識別和精細刻畫，為河道展布研究帶來了挑戰(zhàn)。

2 常用地震屬性識別河道

2.1 時間類屬性

方差屬性利用相鄰地震信號之間的相似性來描述地層、巖性的非均質(zhì)性，輔助體現(xiàn)數(shù)據(jù)體中的不連續(xù)信息，是識別斷層、河道和特殊巖性體的常用時間類屬性[6]。東營組沉積晚期，湖水擴張，研究區(qū)以泥巖沉積為主，河道在剖面中呈下切谷特征，反射同相軸不連續(xù)。方差屬性提取效果取決于計算參數(shù)。原始默認參數(shù)為：地震道（INLINE、CDP）范圍3、垂向平滑采樣點數(shù)15。所得方差體沿T20反射界面（東營組頂面）拾取，斷層、河道均不清晰（圖2a）。地震道范圍決定了橫向參與計算的數(shù)據(jù)寬度，數(shù)值越大，參與計算的數(shù)據(jù)范圍越大，成像越清晰（圖2b、c）。但增加到最大值10左右（圖2d），干擾明顯增加，現(xiàn)象難以區(qū)分。垂向分析窗口影響參與計算的數(shù)據(jù)高度：窗口越小，細節(jié)越清晰；窗口越大，噪聲壓制效果越好，但過大會導致過渡平滑、圖像模糊。隨數(shù)值增加，垂向切穿多套地層的斷層愈清晰，而局限于特定層段的河道成像受到明顯壓制（圖2e、f）。通過以上對比，“7-7-15”的參數(shù)組合對河道刻畫較合適（圖2c），“5-5-100”的參數(shù)組合有助于凸顯斷層特征（圖2f），同時可適當疊加傾角校正。

傾角、方位角、傾角照明、曲率、混沌、邊緣檢測等屬性極為敏感，常用來輔助微小斷層識別，但對河道刻畫效果較差（圖3a、b）。

瞬時相位是衡量地震同相軸連續(xù)性的屬性，與能量、振幅無關，能夠有效體現(xiàn)相位突變，相對其他屬性更清晰體現(xiàn)了南北向河道輪廓（圖3c），在南部臨近洼中地區(qū)，可觀察到多條河道相互交切，且研究區(qū)東部為高彎曲度的“河道”。

90°相移屬性是將地震相位旋轉(zhuǎn)90°。常規(guī)剖面地震反射同相軸對應于地層頂?shù)捉缑?，通過90°相移可以將地震反射同相軸與地層對應，使地震相位具有巖性意義[7-8]。對該屬性沿層拾取，可清晰識別出大量南北走向河道，且在凸起南部發(fā)育兩條近平行的東西走向彎曲河道（圖3d），可與瞬時相位屬性相互印證。

圖2 研究區(qū)不同參數(shù)組合下方差提取效果對比Fig.2 Comparison of variance attribute extraction effect using different parameter combinations in the study area

圖3 研究區(qū)常用屬性對比Fig.3 Comparison chart of common attributes in the study area

2.2 振幅類屬性

均方根振幅屬性是將振幅平方的平均值開方，反映振幅的平均變化水平，對強振幅較敏感，常用來體現(xiàn)儲層性質(zhì)，輔助識別亮點，區(qū)分巖性特征，在三角洲和河道砂體識別中經(jīng)常應用[6]。由該屬性可知，本區(qū)確發(fā)育近東西走向大型河道（圖3e），并在東部形成“扇體”。結合已鉆井，推測強振幅對應富砂地層，弱振幅對應富泥地層。均方根振幅屬性很好地體現(xiàn)了東西走向大型河道特征，與時間類屬性所體現(xiàn)的近南北走向小型河道形成鮮明對比（圖2c）。

振幅差異屬性代表相鄰地震道間的振幅強弱差，將肉眼難以識別的差別進行放大（圖3f），與相干、方差屬性有一定相似性，但清晰度略低。

甜點屬性是反射強度與瞬時頻率平方根的比值[9-10]，對強振幅、低頻率有明顯反映，突出振幅異常，體現(xiàn)巖性差異、地層孔隙度變化，屬性效果與均方根振幅類似（圖3g）。

2.3 頻率類屬性

主頻是預測儲層的常用屬性，主頻橫向變化能夠體現(xiàn)地層厚度變化。由于地震資料頻帶較窄（0～40 Hz），且缺乏高頻成分，通過主頻來刻畫河道效果較差（圖3h）。

瞬時頻率是相位隨時間的變化率，地層厚度和巖性變化能夠引起瞬時頻率變化。圖3i中左側(cè)兩條南北向小型河道較清晰，在凸起南部相交，呈現(xiàn)“X”形，顏色為純白色，對應低頻，與周圍高頻界線清晰；東西走向河道為中頻，以灰色為主，較難識別。

3 廣義譜分解技術原理

廣義譜分解（GSD）是將傅里葉變換與連續(xù)小波變換混合的方法，通過頻率、循環(huán)次數(shù)和相位來對子波進行控制，然后基于子波對地震數(shù)據(jù)進行“相關”和“褶積”運算，從而有效提高和控制分辨率[11]。“相關”算法即計算特定子波與地震的相關性，消除負相關，提高地震資料的垂向分辨率，但地震資料會發(fā)生畸變?！榜薹e”算法為子波與地震波的褶積運算，相當于一個濾波器，與子波相關的信號被輸出，其他無關頻率都被衰減，其特點是保幅，即振幅和相位不會發(fā)生畸變。廣義譜分解的兩類算法與常規(guī)的頻譜分解技術不同，最終得到數(shù)據(jù)體并非頻率域，而是與計算過程中所選主頻密切相關的窄頻振幅域數(shù)據(jù)體。

以研究區(qū)地震資料為例（圖4a），通過廣義譜分解，選擇頻率為40 Hz的“相關”算法，沉積地層之間的頂?shù)捉缇€更清晰（圖4b），但由于消除與子波無關的負相關，部分信息缺失，成像發(fā)生畸變；主頻為40 Hz“褶積”算法，地震資料在保幅的基礎上明顯提高了分辨率（圖4c）。

地震資料可識別厚度為Z=1／4λ=v／（4f），其中Z為地層厚度，λ為波長，v為層速度，f為頻率。當v=3 000 m／s，f=20 Hz時，Z=37.5 m；當v=3 000 m／s，f=50 Hz時，Z=15 m，可見隨主頻提高，地層可分辨厚度更薄，分辨率大幅提高，有助于凸顯地震資料中隱含的地質(zhì)信息[12-13]。但該方法是否存在假象？將常規(guī)振幅剖面與“褶積”后的振幅剖面疊加波形顯示進行對比，在提高分辨率的同時，短時窗內(nèi)實現(xiàn)了均衡，能量較弱的反射同相軸得到增強，較強的減弱，但反射同相軸并沒有憑空增加（圖5中，所圈部分為7個正相位和7個負相位，常規(guī)振幅剖面（a）與譜分解之后剖面（b）相位數(shù)量一致）。常規(guī)剖面主頻較低，僅能識別相位變化，難以識別河道形態(tài)。高頻廣義譜分解技術提高地震分辨率，精分地層結構，有助于河道特征識別，降低解釋多解性。

圖4 研究區(qū)地震剖面對比Fig.4 Comparison of seismic sections in the study area

圖5 振幅剖面疊加波形顯示對比Fig.5 Comparison of amplitude profile together with waveform

地震資料具有調(diào)諧現(xiàn)象，一定厚度的地層在某一頻段范圍內(nèi)會有清晰顯示，在其他頻段反而顯示不清，因此不同頻段體現(xiàn)地層信息具有差異性：低頻段多反映較厚地層，一般對應河道中心沉積較厚部位；高頻段反映較薄地層，多對應河道邊緣（圖6），因此單頻體比常規(guī)全頻帶振幅體更能有效體現(xiàn)沉積特征變化[15-19]，而將多個單頻體進行融合能夠更好地體現(xiàn)完整河道形態(tài)。

圖6 薄層調(diào)諧和振幅譜分量的關系[14]Fig.6 Relationship between thin layer tuning and amplitude spectrum components[14]

4 利用地震屬性綜合分析技術精細刻畫河道

綜上所述，研究區(qū)時間類屬性中方差、瞬時相位及90°相移屬性對河道形態(tài)識別效果最佳，可清晰識別出多條河道自凸起向南匯入低洼地區(qū)（圖2c、3c）。方差及瞬時相位屬性中東西走向河道不清晰，而90°相移屬性對南北向、東西向兩個走向、級別的河道均有體現(xiàn)，且在研究區(qū)東部隱約體現(xiàn)出河道特征。振幅類屬性中南北走向河道呈現(xiàn)斷續(xù)特征，但可清晰識別出東西走向大型河道發(fā)育，且在東部形成“扇體”，兩類屬性分析結果有明顯差異（圖3）。

受限于地震資料品質(zhì)，常用屬性雖然大致框定了研究區(qū)河道分布，但難以在一種屬性中同時識別各類型河道，且具有多解性。由于研究區(qū)地震資料頻帶窄，主頻低，頻率類屬性識別效果大多較差，而頻譜分解對于薄層及地震橫向變化較為敏感，因此可將傳統(tǒng)屬性難以識別的現(xiàn)象在不同頻段進行凸顯和加強，從而進一步提高成像效果。

4.1 利用廣義譜分解識別河道

圖7 研究區(qū)沿T20反射界面提取不同頻率廣義譜分解屬性成果Fig.7 Extraction of generalized spectral decomposition attributes of different frequencies along T20 seismic reflection interface in the study area

對研究區(qū)沿層拾取分頻數(shù)據(jù)體（圖7），色標紅—黃對應強振幅，白—黑對應弱振幅（若白色從-2 000調(diào)整為0，整個圖件發(fā)白，亮度太高，難以觀察現(xiàn)象）成像清晰度與所選頻率密切相關。主頻從10 Hz到35 Hz，低頻信息與東部沉積地層對應，隨頻率升高，高頻成分在西部體現(xiàn)（圖7）。這與凸起在西部，凹陷在東部的構造單元分布吻合。當頻率過低時（10 Hz），難以體現(xiàn)有價值信息（圖7a）。當頻率升高至主頻，兩個走向的河道逐漸清晰：南北向河道在15～25 Hz分頻體中為白色，邊界清楚，彎曲度較低，結合已鉆井，推測為窄而深的泥質(zhì)順直河道（圖7b、c）；東西走向河道在這個頻段中多為黑—灰色，僅能觀察到大體輪廓。在頻率高于20 Hz范圍內(nèi)，東西走向河道為紅—黃色，邊界清晰，與南北走向河道呈切割關系，彎曲度較高，且在研究區(qū)東部入湖呈“扇體”形態(tài)，與振幅類屬性結果相似（圖3h）。隨頻率繼續(xù)升高至有效頻帶的最高頻率，東西走向河道特征發(fā)生變化：河道邊界更清晰，且寬度加大，河道彎曲部位有顏色充填，與邊灘對應，局部可見決口扇，為典型曲流河沉積（圖7d—f）。高頻對應河道寬度明顯大于低頻對應寬度，這與高頻對應薄層、低頻對應厚層的認識吻合。

綜上所述，高、低頻分別對應不同的地層厚度和沉積特征，僅單一頻率還不能完成全區(qū)河道刻畫，且對于研究區(qū)東部“扇體”依然存在不確定性，因此，有必要將不同頻段的數(shù)據(jù)體進行融合混色。

4.2 基于廣義譜分解的分頻混色技術精細刻畫河道

通過RGB混色技術，將低頻段15 Hz、中頻段25 Hz、高頻段35 Hz分別以紅、綠、藍3色融合混色，使不同頻率反映的地質(zhì)特征在同一個屬性體中表現(xiàn)出來，形成一個相對單一頻率更完整，具有通頻信息的彩色數(shù)據(jù)體[20-22]，這一技術也稱為“分頻混色技術”。

將數(shù)據(jù)體沿層拾取，通過三維立體顯示，研究區(qū)至少發(fā)育15條河道（圖8）。河道7、8、15影響范圍較廣，寬度約800～1 000 m，為貫穿全區(qū)的主河道，其他分支河道寬度約100～400 m。在走向方面，除河道7、8為近東西走向外，其他河道均為近南北、北東走向。研究區(qū)西部多發(fā)育南北走向順直河道，影響范圍小，在凸起南緣被東西走向河道切截，后與河道15匯流向南流入低洼地區(qū)。上文振幅類屬性中反映的東部“扇體”實為貫穿全區(qū)近南北走向的“河道15”及東延的“河道7”邊界，寬度較大，影響范圍廣，各類微相發(fā)育?！昂拥?5”在中部截彎取直形成“牛軛湖”。結合已鉆井分析，河道7、8、15可作為下一步鉆探的有利方向。

石臼坨凸起繼承性發(fā)育，近東西走向傾末端作為分水嶺，將秦南凹陷和渤中凹陷分割，作為物源區(qū)，向南、東、北三個方向發(fā)育多條河流。方差屬性與東上段沉積厚度疊合，可識別出黃色為凸起區(qū)，也是河流發(fā)育區(qū)；藍色為洼陷區(qū)，為匯水區(qū)（圖9a）。結合分頻融合屬性與厚度疊合圖中的河道展布特征（圖9b），研究區(qū)及其周緣發(fā)育3個匯水區(qū)，其中凸起以南的渤中凹陷為主要匯水區(qū)，凸起以東和以北為次要匯水區(qū)。

5 結論

圖8 研究區(qū)分頻混色屬性沿T20界面提取立體圖Fig.8 Spectral decomposition RGB blending attribute along T20 seismic reflection interface in the stydy area

1）研究區(qū)方差、瞬時相位及90°相移屬性對河道形態(tài)識別效果最佳，振幅類屬性可清晰識別大型河道，多種屬性之間形成互補可大致框定河道展布情況。

圖9 研究區(qū)及周緣屬性與東上段厚度圖Fig.9 Thickness map of upper section of Dongying formation together with seismic attributes in the study area and its surroundings

2）研究區(qū)通過廣義譜分解所得單頻體分辨率有明顯提高，相對全頻體揭示了更豐富的地質(zhì)信息?；趶V義譜分解的分頻混色技術有效降低了解釋的多解性，可清晰識別研究區(qū)至少發(fā)育15條河道，優(yōu)選出3條河道作為下一步勘探方向，并進一步識別出研究區(qū)及其周緣發(fā)育3個匯水區(qū)。