2024, Vol. 36
2. 阿伯丁大学 地球科学学院, 英国 苏格兰 阿伯丁 AB24 3 UE
,
ZHANG Xianghui1
,
WANG Qing1,
FENG Wenjie1,
LI Shaohua1,
YI Xuefei1,
Adrian J. HARTLEY2
2. School of Geosciences, University of Aberdeen, Aberdeen AB24 3 UE, UK
分支河流体系（Distributive fluvial system，简称DFS）是从顶点呈放射状展布的分支状河流沉积。自Weissmann等[1]和Hartley等[2]提出此概念以来，河流沉积学界以此为对象开展了大量的现代沉积调查[3-5]，进行了露头解剖[6-7]、地下地质对比[8]以及行星地质学[9]等方面的研究，在DFS源-汇关系[10]，DFS几何形态参数分布[11]、顶点迁移与分汊决口机理[12]、地貌单元与沉积环境分布规律[13]等方面取得了大量成果，并对DFS沉积模式进行了探讨[14-15]，初步显示了这一概念的科学意义和应用前景。然而，对DFS的研究仍然处于初级阶段，缺乏能够有效指导野外和地下地质研究的沉积模式；DFS这一概念也受到一些学者的质疑[16]，对研究的开展也造成了一定的影响。目前研究者对DFS的疑问主要包括：①DFS是一种什么样的河流?②DFS与曲流河和辫状河等河型的差异是什么?③DFS与冲积扇、河流扇有什么区别?④DFS研究的进展如何? ⑤研究DFS的科学价值和生产意义是什么?⑥DFS研究的主要内容包括哪些方面?⑦如何开展DFS研究?⑧如何建立DFS沉积模式?⑨如何建立DFS沉积体系与储层分布预测模型?这些问题关乎DFS概念是否成立，是否具有科学意义，能否成为沉积学理论新进展的一部分，相关理论能否给陆相盆地的沉积体系预测和油气储层预测提供新的理论和技术支持，也影响DFS理论的生命力。针对这些疑问，Weissmann等[17]、Hartley等[18]和张昌民等[19-20]都做过相关的阐述，然而，关于DFS研究的主要内容、研究方法及应用等涉及将理论应用于沉积学实践的问题依旧没有系统的答案。
通过对以往研究的总结与归纳，基于已有的研究成果，探讨DFS研究的主要内容和工作流程，以期为推动DFS研究提供参考。
1 工作目标和关键科学问题油气勘探开发正在朝深层和非常规方向发展，难度持续增大、成本不断攀升已经成为油气工业发展的瓶颈[21-23]，急需创新陆相盆地沉积学理论和技术，力争在勘探开发的早期阶段，依靠有限的资料，结合迅速发展的计算机大数据、人工智能技术，精准地预测盆地内有利储层的分布及其非均质性，提高钻探成功率，降本增效[24-26]。
传统沉积模式重视冲积扇、辫状河、曲流河和三角洲等沉积单元的沉积特征和沉积模式研究，但对不同沉积单元之间的相互联系关注不够[27-29]，因而难以把握全盆地范围沉积体系的分布规律，也难以满足对盆地范围沉积储层定量预测的要求。DFS概念强调各沉积单元在同一沉积体系共生共存，以联系的、系统的思维方式和定量的表征方法重新审视陆相盆地沉积体系格局，将分布在盆地边缘、中部和盆地中心的不同沉积序列联系成一个有机的体系[6]（图 1）。DFS的目标是建立新的沉积模式，并以此指导建立储层预测模型，形成针对DFS沉积结构和储层地质模型的建模软件，结合油气勘探开发地下地质实践，预测有利储层和油气分布，推动油气勘探开发向大数据和人工智能方向发展，实现降本增效。然而，DFS研究面临着一系列重要科学难题，其中DFS河道网络形态分布及从顶点到末端的沿程变化规律、沉积标志和沉积模式、形成和分布的控制因素是最关键的3个科学问题。河道网络及其演变规律涉及河流地貌学、河流动力学和河床演变学等领域；DFS沉积标志和沉积模式研究不仅需要传统的沉积学理论和方法，还需要结合地球信息科学与技术、大数据、人工智能等学科的知识和工具；沉积控制因素研究是分析DFS形成和展布的基础。
|
下载原图 图 1 DFS不同位置的砂体展布特征（据文献[6]修改） Fig. 1 Distribution characteristics of sand bodies at different locations of DFS |
（1）DFS河网结构和河型演变规律研究
河网是DFS表面所有河道的总称，河网结构是DFS表面河道网络的形态以及河道的排列组合关系，包含不同类型河道的几何形态及其相互演化的规律。河道几何形态和河型转换控制着河道砂体的形成与演化，也控制了储层结构和储层非均质性。因此，研究DFS河网结构和河型演变规律是建立沉积体系规模和相带规模沉积结构预测模型的关键。沉积学家早已认识到河网密度和河道形态从盆地边缘向盆地中心发生有规律的变化，从而形成了冲积扇、辫状河、曲流河和三角洲等沉积相带接替分布的现象[30-32]。目前对河网结构的定量表征主要应用于水文和水资源领域[33]，在沉积学领域的研究甚少，缺乏用于沉积学分析的河道网络和河型转换模型。为了定量表征DFS河网结构和河型演变规律，需要运用遥感卫星图像解析、现代沉积调查、水槽实验等手段，融合河流地貌学、水文学、河床动力学方法，通过大量统计分析，建立各类DFS表面河网结构和河型演变模型，将现代沉积调查所获得的河网结构和河型演变模型与地下地质研究相结合，从而实现对古河网分布的预测，为研究储层分布和预测储层非均质性提供理论依据。
（2）DFS的判别标志与沉积模式构建
沉积标志和沉积模式是沉积相分析的依据，明确识别标志与沉积模式是确立DFS的科学特质、实现陆相盆地沉积体系理论创新的关键。由于缺乏系统的DFS的判别标志，目前在露头和地下地质研究中还难以依靠有限的信息准确地区分冲积扇、河流扇和巨型扇，也难以实现依靠沉积构造和岩石相判别DFS的类型、重建DFS的几何形态及其形成过程，无法完全彰显出DFS的科学价值。在长期的沉积学研究中，已经形成了利用沉积构造和岩石相组合进行相分析的基本范式[34-35]，且习惯于通过沉积相标志来识别冲积扇、辫状河、曲流河等沉积相。在此“范式”的影响下，有些学者将DFS看成是与上述沉积单元类似的沉积相类型，寄希望于通过总结类似沉积相标志和沉积模式来识别DFS，这一习惯性思维阻碍了DFS研究。实际上，DFS与冲积扇、辫状河、曲流河等沉积相不同，并非单一的相类型，而是一种沉积相组合，一个完整的DFS是由近端、中部和远端等多个部分组成的，在其近端、中部和远端都可能发育多种类型的沉积相，不同部位也具有不同的沉积相组合[36-37]。因此，构建DFS的沉积识别标志重点在于研究其沉积相组合方式和组合特征，在此基础上提出不同组合的叠置模式，从而形成DFS的沉积模式。
（3）DFS形成及分布的控制因素分析
对DFS形成和分布的控制因素的认识直接影响建模中地质知识的选择和建模参数的输入。该方面的主要研究内容包括分析DFS形态分布与构造背景及构造活动、气候条件和水动力条件的关系等。DFS形成、分布及砂体结构受盆地构造，气候，沉积物源，地形地貌，河流流量、流速及含沙量等自生和他生因素共同控制[2, 38]，其中构造、气候、沉积物来源、地形地貌为外部因素，是他生因素；河流流量、流速、含沙量影响DFS的局部沉积环境、沉积地形和沉积微地貌，是内部因素，也是自生因素。自生因素受到他生因素的影响，外部因素通过内部因素产生作用，二者联合控制DFS的形成和发育。在上述众多因素中，构造控制着DFS的发育位置，影响其发育规模；气候通过影响水沙条件和植被，控制DFS的形态、规模和相带分布，也影响河网结构和河型演变；物源影响DFS沉积物成分和粒度变化；河流的流量、流速及其年度变化影响DFS河流类型和河道几何形态，从而影响其砂体形态和沉积结构。只有对各种因素进行深入的综合分析，才能建立更精确的DFS沉积体系规模和河型演变规律预测模型[39-41]。
2 主要内容DFS沉积学是河流沉积学的组成部分，其研究既不可能脱离河流沉积学研究的基本内容，也不能囿于河流沉积学的既定范畴。DFS研究也不应再局限于对辫状河、曲流河等特定类型河道的沉积过程和沉积特点进行表征，而是要致力于研究不同位置、不同类型河道相互组合、相互转换的沉积过程，建立沉积过程和沉积响应间的定量关系模型，形成沉积学判别标志和沉积模式，实现对沉积结构和储层分布的预测。DFS沉积学研究内容非常广泛，主要包括5个方面。
（1）建设DFS形态沉积学数据库
大数据和人工智能正在成为引领科学发展的前沿技术，在大数据的驱动下，以数据密集型计算为基础的研究即将进入新的科研范式。地球科学研究广泛依赖于各类地球数据，相关研究已经步入大数据时代。沉积学大数据建设和应用成为沉积学研究方法更新换代的热点，Macrostrat数据库[42-43]、古水流数据集[44]、世界洋底沉积物数据集[45]和陆相冲积相泥质岩数据集[46]等众多沉积学大数据库（集）已经兴起。然而，当前国际上除了Hartley等[2]的DFS数据可以访问外，还没有形成开放的DFS数据库；国内学者在中国西部大型沉积盆地边缘采集了一批DFS形态信息数据[47-49]，但数据的数量和类型还难以支撑工业化应用。建立DFS形态沉积学数据库的目的是运用所获得的大数据进行DFS分类，明确其沉积模式以指导储层建模和储层预测。该数据库中的数据除了DFS的形态、半径、面积等形态数据，还应当包括DFS源区流域盆地的面积，母岩类型，流域和盆地的气候、水文状况，河道几何形态和河网分布，不同部位沉积环境和相特征等数据信息。数据可通过对遥感图像进行解译获取，也可通过现代沉积考察、露头沉积学解剖、水槽沉积模拟和数值模拟等辅助手段获得。我国现代陆相盆地广泛发育不同规模和形态的DFS，为建立DFS数据库创造了条件。此外，还应当选择全球范围内DFS发育的典型地区开展数据采集，充实形态沉积学数据库，建设全球DFS形态沉积学数据库（图 2）。
|
下载原图 图 2 建设全球DFS形态沉积学数据库 Fig. 2 Construction of a global DFS morphological and sedimentological database |
（2）DFS沉积机理研究
DFS沉积机理包括河道内部小尺度的水流结构和水动力过程，河网尺度的河道分汊、决口和摆动迁移，也包括宏观尺度上的河型转换、进积、退积、侧向迁移和终端过程。河流沉积学对河道内小尺度的沉积过程及其沉积响应已经做了大量的研究，但是对河网尺度和DFS宏观尺度的沉积机理还缺乏深入的研究。DFS沉积机理研究的重点是河道决口、改道和分汊迁移的机理分析，建立河网结构形成与演变过程响应模型，在此基础上分析沉积过程对沉积相分布和不同层次砂体结构的控制作用。目前DFS沉积机理研究以现代沉积考察作为重点手段，辅以水槽实验和沉积学数值模拟[50-51]。在研究中通常选择典型DFS，用遥感图像和无人机倾斜摄影记录刻画DFS表面河网结构、河道形态和沉积环境的分布特征[52-53]，分析河网结构和河道类型沿程变化[54]；通过实地测量河道宽度、深度等几何形态参数，收集河流流量、流速、含沙量等水文数据，分析河型沿程变化规律；运用采集的DFS表面样品研究沉积物粒度和矿物成分，辅助物源和沉积环境分析，并绘制沉积物特征沿程变化曲线、分析变化规律；利用热释光、C14等测年手段分析DFS的沉积速率，协助进行地层对比；运用探地雷达开挖探槽，借用现代沉积露头和建设工程剖面，描述DFS不同相带的地层结构特征并研究其沿程演变规律，建立沉积相演变定量模型[55]；在室内运用水槽实验和沉积学数值模拟等方法研究DFS顶点变迁和决口分汊机理，建立河型演变的定量模型。
（3）DFS分类研究
对DFS进行分类、总结其沉积识别标志是建立沉积模式的前提和基础，目前还没有公认的DFS分类体系，学者们试图根据DFS的规模大小[56-57]，DFS发育的构造背景、气候区带[58]以及发育的河道类型[14]来进行分类[14]，但由于DFS属于复合沉积体系，运用单一的指标很难反映其特点，也难以描述其沉积学特征。因此，采用综合的方法进行DFS分类可能更合适。DFS分类研究包括分类指标的选取、单因素分类和综合分类体系构建等。分类指标可以是DFS的半径、面积、几何形状、地形坡度等形态参数，也可以是河道类型、沉积物粒度，或是控制DFS形成和分布的构造背景、气候分区和河流水文条件。单因素分类是指选取某一项分类指标对DFS分类，例如根据DFS的半径大小[57]、河网类型[59]和DFS形态[49]对DFS进行分类。DFS的综合分类是选择分类指标中的部分指标作为主要分类指标，其他指标作为辅助指标对DFS进行分类。在研究中应当首先选取分类指标，然后探索分类方法，构建分类体系。分类研究要依靠DFS形态沉积学数据库，结合现代沉积和水槽实验的研究结果，在DFS形态沉积学特征分类基础上，按照影响DFS形成分布的单个因素进行分类，以此建立DFS综合分类体系。
（4）建立DFS沉积模式
建立沉积模式既是DFS沉积学研究的重要目标，也是研究中的主要科学问题，总结DFS的沉积学识别标志是建立沉积模式的前提和基础。DFS沉积学标志研究内容包括沉积物粒度、岩性的垂向和横向演变研究、DFS岩石相组合分析、沉积微相组合特征分析等。根据沉积构造类型、沉积序列演变、沉积微相组合确认是否发育DFS沉积体系，并识别不同类型的DFS沉积，以此作为建立沉积模式的依据。DFS是一个复合沉积体系，建立其沉积模式不能简单重复或者堆砌已有的河流沉积模式，应当按照分类结果，先总结各种DFS的沉积构造、沉积物垂向序列、沉积微相变化特征，再通过块状图形象表达DFS沉积体系的形态和沉积微相分布，然后结合统计数据建立表征DFS形态规模和沉积特征的定量模型，尽可能形成表征这些特征参数的定量模型[60]。建立DFS沉积模式的重点是识别沉积微相类型，寻找各种沉积微相的叠置规律，重建DFS的演化过程，恢复DFS的古地貌特征。研究中需要采用马尔科夫链、聚类分析等机器学习方法，用大数据和人工智能定量分析技术探索沉积序列演化的规律。
完整的沉积模式应该有丰富的内涵与表达形式，不仅要包括能够反映沉积环境和沉积相分布的定性块状图示，还应该包含对DFS半径、宽度、表面坡度、河道网络模型、河道类型、河道几何形态参数、河流水文参数、泥沙参数、沉积物粒度变化及成分变化等参数的定量关系模型。应当针对断陷、坳陷、挤压、伸展、走滑等不同构造背景，根据干旱、湿润、温暖等不同气候条件，建立不同的DFS沉积模式，并在此基础上形成构造和气候联合控制的沉积模式。
（5）DFS储层建模与储层预测
开展DFS沉积学研究的目的是建立储层地质模型，开展储层预测。从储层属性方面考察，储层地质模型一般包括反映砂体结构的骨架模型和反映储层物性的参数模型。由于储层物性总体上受砂体格架的控制，建立储层砂体结构预测模型就成为储层建模的关键。DFS储层建模的总体思路是以建模知识库为基础，以沉积模式为指导，运用沉积学、河流水文学、河床动力学、地质统计学等储层建模技术方法，按照DFS沉积体系规模、相带规模和砂体规模3个层次，分别研究建模方法，然后融合不同层次建模方法，形成DFS沉积结构预测模型建模方法和计算机软件。在实践中验证所形成的建模方法和软件，探讨DFS与油气藏分布的关系，预测有利储层和油气分布。
DFS储层建模知识库的功能包括知识采集、知识存储和知识调用[61-63]。知识采集主要通过建立DFS数据库完成；知识存储需要建立数据库知识平台，将各类知识转换为可供建模使用的统一格式，对各类知识进行存储管理；知识调用是根据建模的需要对各类知识进行选择、加工供建模使用，所输出的知识内容与方式取决于知识库平台的人工智能特性和建模对象的需求。
建立DFS沉积体系规模地质模型主要预测沉积体系的面积、半径等形态参数，预测DFS的顶点位置、河道类型、河网特征，预测决口、分汊出现的频率和位置以及预测DFS沉积相演变、沉积物粒度、成分和颗粒结构的变化。这一层次的主要模型包括DFS流域盆地与DFS面积的定量预测模型，DFS顶点位置预测模型和DFS形态参数定量预测模型等。在建模知识库方面要突出平面覆盖范围广，反映宏观沉积单元分布。建模的重点是构建DFS大尺度训练图像（图 3a），利用二维剖面重构三维地质模型[64-67]，从平面和剖面数据组合的兼容性、局部条件数据约束2个方面优化建模算法，将二维剖面所揭示的沉积叠置样式组合生成三维DFS地质模型。
|
下载原图 图 3 DFS不同层次储层地质模型 Fig. 3 Hierarchical reservoir geological models of DFS |
相带规模地质建模的主要内容是建立DFS河道网络结构预测模型以及分段建立DFS相带规模结构预测模型等（图 3b）。在此阶段可以采用过程建模以及生成对抗神经网络算法的训练图像，在沉积体系模式约束下，利用多点地质统计建模方法建立DFS不同相区的地质模型[68-71]。本层次的知识库信息主要来自现代沉积、露头调查和水槽实验，也可采用密井网解剖、文献调研等手段进行知识挖掘，构建反映DFS局部沉积样式的三维训练图像，以满足相带规模三维建模的需要。
砂体规模储层地质建模方法较多（图 3c），且已经在油气田开发中广泛使用，其核心是对砂体建筑结构（构型）进行解剖，按照建筑结构要素的空间排列关系生成训练图像，采用多点地质统计学方法建模。针对不同的砂体结构选择合适的训练图像和建模算法是这一层次研究的重点。
DFS是一个多层次的复合沉积体系，层次归一是将不同层次建模算法相融合，形成DFS不同层次储层预测模型的一体化表达[72-73]。实现地质建模的层次归一，首先要建立第1层次的DFS沉积体系规模模型，在此控制下建立第2层次的相带规模模型，然后在相带模型控制下构建第3层次的砂体规模地质模型。在研究方法上，要形成DFS建模集成技术，既可以针对某个层次进行建模，又可以建立整体模型，最终形成一套多层次、多手段DFS建模方法相互融合的计算机软件系统。
3 关键技术方法 3.1 基于遥感图像的DFS形态数据采集技术利用遥感大数据平台和深度学习方法自动化提取DFS边界及河网，对DFS形态进行定量表征，遥感大数据是建立DFS形态数据库的主要数据来源。遥感大数据平台如Google Earth Engine，PIE Engine等，具备海量数据存储和强大的数据处理能力，而深度学习方法具有复杂条件下精确、自动化的目标检测能力。将两者相结合采用“离线训练”和“在线检测”的方式实现DFS目标提取[74]，其基本思路是下载已知的DFS影像，训练深度学习模型，然后将模型参数上传至遥感大数据平台，通过平台提供的计算资源以及全球遥感数据自动检测DFS位置，并计算相关形态参数，以此为基础建立全球DFS数据库（图 4）。
|
下载原图 图 4 基于深度学习的DFS检测与形态参数提取流程 Fig. 4 Deep learning-based DFS detection and morphological parameter acquisition process |
基于遥感图像采集DFS形态数据要经过遥感数据准备、深度学习建立DFS检测模型以及形态特征提取等3个步骤。（1）遥感数据准备。首先探讨DFS的空间需求和遥感影像表达的空间需求，研究遥感影像、数字高程影像的空间分辨率和DFS解译精度之间的关系，然后从样本类型（DFS平面类型），影像类型（多光谱、高程），样本尺度（图像大小、空间分辨率），样本范围（全球、区域）和样本处理（样本扩充、归一化）几个方面研究DFS解译样本库的组织与构建[75]。
（2）基于深度学习建立DFS检测模型。采用一种多尺度区域卷积神经网络MRCNN（multiscale region-based convolutional neural network）提高DFS识别精度[76-77]。其中MRCNN模型又包含3个步骤，①通过采样对原始输入影像进行多尺度变化，结合影像分辨率设置合适的多尺度参数，再通过深度卷积神经网络进行DFS特征提取，得到特征图；②通过区域建议网络在特征图上预测目标位置，提取候选矩形框；③通过双线性内插和池化的方法从每个建议区中提取大小一致的特征图，再通过卷积层和全连接层进行分类和语义分割，包括预测DFS平面类型、DFS边界以及河道的分割结果。
（3）形态特征提取。利用MRCNN模型提取出DFS边界及河网的平面形态的基础上，结合数字高程影像计算其表面形态数据[78-79]。利用约束Delaunay算法形成DFS边界以及河流不规则三角形网，在此基础上计算表面面积；提取河流中心线，利用河流不规则三角形网，计算三角网中心点，连接中心点并利用河流拓扑约束，实现错误连接线的去除，形成河流网络线数据，以此可以计算河流表面长度；其他形态参数（河网密度、宽度等）则可通过上述参数直接计算得到。
3.2 DFS水槽沉积模拟技术水槽试验是研究DFS沉积机理、建立DFS形态参数数据库的重要途径。在水槽实验中，通过设定不同的沉积物组分（包括砾石、砂、粉砂、泥），设置不同的水动力与沉积物输运速率，给定不同的构造背景（抬升、沉降、滑移）和构造活动速率，探讨不同因素对DFS发育的控制作用。根据DFS成因机制研究需求，建设水槽实验装置（图 5），配备可升降/侧移活动底板控制“构造”活动，实现对不同沉积物供给条件、不同构造活动控制下DFS沉积演化过程高精度观测，获取包括毫米级精度的实验DFS地貌数据和高清图像数据，建立DFS数据库。
|
下载原图 图 5 DFS水槽沉积模拟实验装置 Fig. 5 Schematic diagram of flume experiment of DFS |
虽然水槽沉积模拟实验在沉积相分析中发挥了重要的作用[51]，但仍然存在定量化不足、预测性不强的缺陷，是未来研究需要攻克的重要难题。
3.3 DFS河网重构技术河网重构主要用于流域盆地的汇流水系模拟，是建立DFS沉积体系规模预测模型的重要信息，也是DFS研究中的重要科学问题[80-81]。常用的河网重构方法是以Google Earth电子地图浏览软件为基础，在指定采样区域将河网按Horton-Strahler体系划分，手动勾勒出不同级别流域的边界，将边界输出为kml格式数据文件。随着遥感技术的发展，已经实现了用Google Earth自带测量工具及其他程序计算各个流域的长度与面积，依靠Horton定律对河网进行定量描述[80]。Horton定律是河流地貌学中对河网分布规律进行定量描述的重要方法，在HortonStrahler分级体系中，可根据不同河流级别的支流数量，河道长度和流域面积计算Horton比。
| $ R_{B \omega} \approx \frac{N_\omega}{N_{\omega+1}} $ | (1) |
| $ R_{L \omega} \approx \frac{L_\omega}{L_{\omega-1}} $ | (2) |
| $ R_{A \omega} \approx \frac{A_\omega}{A_{\omega-1}} $ | (3) |
式中：ω为河流级别；Nω为支流数量，条；Lω为河道长度，km；Aω为流域面积，km2；RBω，RLω和RAω分别为分支比（支流比）、长度比和面积比，统称Horton比。
3.4 DFS顶点位置预测与河道分汊点自动生成方法DFS顶点的位置为古地理重建提供了重要的空间约束，但古代DFS顶点预测十分困难。Owen等[82]基于von Mises分布，使用最大似然率，提出了DFS顶点位置定量预测方法，在巴西西南部的塔夸里DFS和澳大利亚昆士兰州西北部的吉尔伯特DFS测试了该方法的可靠性，预测的顶点距离真实顶点2.7~40.3 km，占DFS总长度的1.6%~23.4%，预测精度随着数据集大小的增大而提高，为重建盆地岩相古地理提供了有效的方法。因此，通过综合露头、钻井、地震和测井资料解释获得一定数量的古流向数据，对地下分布的DFS的顶点和分布范围做定量估计是可能实现的。
利用卫星影像上不同地貌特征对应的海拔高程及色调差异对河道网络进行识别与获取，可以定量表征DFS河道分汊节点的分布[53]，主要用到雷达数字高程数据与卫星影像数据。具体步骤：①基于Google Earth卫星影像对分支河流体系的识别；②在确定DFS范围后，利用Global Mapper软件对沉积体系的雷达数字高程数据（DEM，30 m）进行统计；③通过Photoshop软件对卫星图像进行RGB三元色处理，提取河道信息；④在Global Mapper软件中运用Water Analyse模块对DEM数据进行分析，获取DFS河网形态；⑤将雷达数字高程获取的矢量河道网络与Photoshop获取的图片信息河道网络相匹配，对获取河道信息网络结果优化；⑥利用Matlab编程软件自动获取河道数量以及河道分汊的节点数量（图 6）。
|
下载原图 图 6 DFS河网信息（a）及河道分汊点定量表征（b） Fig. 6 DFS river channel network information(a)and branching point generation method(b) |
储层建模知识库是利用关系数据库将不同来源的知识信息分门别类地组织起来，实现各种结构和非结构化的实测数据、统计数据、图文数据的数字化、规范化管理，为知识信息的展示、查询、统计、分析与可视化提供基础平台（图 7）。传统的知识信息采集与管理主要采用人工方式，数字化程度低，不利于综合类比与知识分享。随着信息化、大数据等新技术的应用，出现了基于关系数据库、GIS和人工智能技术的知识库等软件平台，形成了三角洲储层地质知识库[83]、风成相沉积结构知识库[84]、碳酸盐岩储集层知识库[85]等知识库。DFS知识库平台的搭建包括前端信息共享子系统和后台管理子系统。前端子系统是从知识库应用的角度分别实现不同来源、不同构造背景、不同气候等条件下DFS的原始数据、统计分析数据、经验公式、文献资料的查询、浏览和分析统计功能以及信息的综合查询与应用。后台子系统是从数据来源的角度，分别设计和实现现代沉积知识库、露头调查知识库、水槽实验知识库、文献知识库、地下解剖知识库等不同来源数据的管理功能。在应用功能上设计多个模块，能够从宏观上分析DFS的形态学和沉积学特征与构造、气候及地貌的关系；在限定的构造或气候背景下，分析水文条件和河道类型对DFS形态与沉积学特征的影响；研究DFS的形成机理和控制因素；建立不同构造背景和气候条件下DFS沉积地质模式；建立DFS原型地质模型；为DFS建模提供输入参数及约束条件。
|
下载原图 图 7 DFS储层地质知识库平台结构 Fig. 7 Platform structure of DFS reservoir geology knowledge base |
DFS研究内容繁杂，涉及现代沉积观察、露头分析、室内试验、数值模拟、科学分类、模式综合、算法设计等研究领域，覆盖众多的研究技术方法，但都紧密围绕建立DFS形态沉积学数据库、建立DFS的识别标志和沉积模式，建立DFS储层预测模型等3个目标。其中，DFS形态沉积学数据库是建立沉积模式和储层预测模型的基础，DFS沉积学标志和沉积模式研究是认识DFS的依据，也是建立储层地质模型的理论基础。开展地下DFS储层沉积体系定量预测的步骤如下（图 8）。
|
下载原图 图 8 DFS研究工作流程 Fig. 8 The workflow of DFS |
① 构建DFS形态沉积学数据库，搭建数据库软件平台。数据库包括不同构造背景区，不同气候带的DFS数据；数据类型包括DFS形态、规模、沉积物分布以及源区地质地貌和水文特征，能够记录DFS源区面积、流域岩性、流域形态、水文条件，DFS形态、面积、表面河流类型、河网密度、沉积物粒度、沉积构造、沉积结构等参数。所建数据库通过计算机网络与其他地学大数据系统链接共享。
② 以DFS数据库为基础，对典型DFS开展现代沉积解剖，分析沉积机理，对典型DFS进行现代沉积调查，研究沉积环境沉积微相特征、河网分布、河型转换和河流沉积水动力过程。同时，在室内开展水槽模拟实验，再现不同控制条件下DFS形成过程，补充DFS形态沉积学数据。
③ 开展DFS分类，建立不同类型DFS的识别标志和沉积模式。综合现代沉积调查、露头调查和模拟实验成果，选取分类指标，构建DFS沉积学综合分类体系；分析不同类型DFS的沉积构造、沉积微相、沉积层序、沉积结构特征，总结其沉积学识别标志；分析控制DFS形成及分布的构造、气候以及其他因素，建立不同构造背景和气候条件下各类DFS的概念模式。
④ 建立不同层次DFS储层预测模型。收集整理DFS数据库和水槽实验、露头调查数据，建设DFS储层建模知识库。依托DFS知识库，建立流域盆地面积、DFS面积的定量预测模型，建立DFS形态参数定量关系模型；根据DFS地面调查和沉积模拟实验结果，建立河网密度、砂体几何形态和砂体结构预测模型。以上述定量关系为基础，结合地质统计学工具，研究DFS体系规模，近端、中部及远端相带规模，砂体规模结构预测模型的建模方法，将不同层次的地质建模方法进行融合，形成针对DFS的沉积结构储层预测模型建模软件平台。
⑤ 选择典型DFS发育区，开展储层建模和储层预测。结合现代沉积、露头和水槽模拟，分析DFS形成与分布的控制因素和动力机制，建立DFS沉积模式。根据勘探开发研究成果，探讨DFS与油气藏分布的耦合关系；结合油田开发动态资料，分析DFS沉积相带与储层非均质性的关系。按地层段建立不同层次DFS沉积结构与储层预测模型，预测沉积体系和储层有利分布区。
5 结论（1）DFS河道网络的形态与分布及其从顶点到末端的沿程变化的规律研究、构建沉积标志和沉积模式、分析DFS形成和分布的控制因素是DFS沉积学研究的3个最主要科学问题；建设DFS形态沉积学数据库、研究现代DFS沉积机理、开展分类研究、建立沉积模式、建立储层地质模型是当前DFS研究需要开展的5项主要内容。
（2）DFS研究应该广泛吸收现代科学技术发展的最新成果，加强基于遥感图像的DFS形态沉积学数据采集、形成机理的水槽模拟实验、河网重构技术、顶点位置估计与河道分汊点自动生成方法、储层建模知识库平台构建技术，储层建模方法等方面的技术攻关，以实现DFS理论创新和储层预测技术进步。
（3）DFS的研究工作流程要求首先建立DFS形态沉积学数据库，搭建数据库软件平台，在此基础上选择具代表性的DFS进行现代沉积解剖；综合现代沉积调查、露头解剖和模拟实验成果，形成分类体系，总结各类DFS的识别标志和沉积模式；以沉积模式为指导，分层次建立储层预测模型，形成沉积结构储层预测模型建模软件平台；选择实际靶区，开展DFS地下地质解剖，预测沉积体系和储层有利分布区。
| [1] |
WEISSMANN G S, HARTLEY A J, NICHOLS G J, et al. Fluvial form in modern continental sedimentary basins: Distributive fluvial systems. Geology, 2010, 38(1): 39-42. DOI:10.1130/G30242.1 |
| [2] |
HARTLEY A J, WEISSMANN G S, NICHOLS G J, et al. Large distributive fluvial systems: Characteristics, distribution, and controls on development. Journal of Sedimentary Research, 2010, 80(2): 167-183. DOI:10.2110/jsr.2010.016 |
| [3] |
张祥辉, 张昌民, 冯文杰, 等. 苏干湖盆地周缘分支河流体系的几何形态及影响因素分析. 地质学报, 2019, 93(11): 2947-2959. ZHANG Xianghui, ZHANG Changmin, FENG Wenjie, et al. Geometry and control factors of distributive fluvial system around the Sugan Lake Basin. Acta Geologica Sinica, 2019, 93(11): 2947-2959. |
| [4] |
张祥辉, 张昌民, 冯文杰, 等. 干旱地区分支河流体系沉积特征: 以疏勒河分支河流体系为例. 石油勘探与开发, 2021, 48(4): 756-767. ZHANG Xianghui, ZHANG Changmin, FENG Wenjie, et al. Sedimentary characteristics of distributive fluvial system in arid area: A case study of the Shule river distributive fluvial system. Petroleum Exploration and Development, 2021, 48(4): 756-767. |
| [5] |
石雨昕, 高志勇, 周川闽, 等. 新疆博斯腾湖北缘现代冲积扇与扇三角洲平原分支河流体系的沉积特征与意义. 石油学报, 2019, 40(5): 542-556. SHI Yuxin, GAO Zhiyong, ZHOU Chuanmin, et al. Sedimentary characteristics and significance of distributive fluvial system of modern alluvial fan and fan delta plain in the northern margin of Bosten Lake, Xinjiang. Acta Petrolei Sinica, 2019, 40(5): 542-556. |
| [6] |
OWEN A, NICHOLS G, HARTLEY A J, et al. Quantification of a distributive fluvial system: The salt wash DFS of the Morrison Formation, SW U.S.A. Journal of Sedimentary Research, 2015, 85(5): 544-561. DOI:10.2110/jsr.2015.35 |
| [7] |
李相博, 刘化清, 邓秀芹, 等. 干旱环境河流扇概念与鄂尔多斯盆地延长组"满盆砂" 成因新解. 沉积学报, 2021, 39(5): 1208-1221. LI Xiangbo, LIU Huaqing, DENG Xiuqin, et al. The concept of fluvial fans in an arid environment: A new explanation of the origin of "sand-filled basins" in the Yanchang Formation, Ordos Basin. Acta Sedimentologica Sinica, 2021, 39(5): 1208-1221. |
| [8] |
何苗, 秦兰芝, 尹太举, 等. 分支河流体系在东海西湖凹陷南部的运用及其对油气潜力的指示. 中国地质, 2021, 48(3): 820-831. HE Miao, QIN Lanzhi, YIN Taiju, et al. The application of the distributive fluvial system in the south Xihu depression, East China Sea and its indication of oil and gas potential. Geology in China, 2021, 48(3): 820-831. |
| [9] |
ADELI S, HAUBER E, KLEINHANS M, et al. Amazonianaged fluvial system and associated ice-related features in Terra Cimmeria, Mars. Icarus, 2016, 277: 286-299. DOI:10.1016/j.icarus.2016.05.020 |
| [10] |
BILMES, ANDRÉS V G. Linking mid-scale distributive fluvial systems to drainage basin area: Geomorphological and sedimentological evidence from the endorheic Gastre Basin, Argentina. London: Geological Society, 2016: 440.
|
| [11] |
李新坡. 中国北方地区冲积扇地貌发育特征与影响因素分析[D]. 北京: 北京大学, 2007. LI Xinpo. Analysis on the development characteristics and influencing factors of alluvial fan landform in northern China[D]. Beijing: Peking University, 2007. |
| [12] |
ASSINE M L, MACEDO H A, STEVAUX J C, et al. Avulsive rivers in the hydrology of the Pantanal Wetland[M]//BERGIER I, ASSINE M. The handbook of environmental chemistry: Dynamics of the Pantanal wetland in south America. Berlin: Spring-Verlag, 2015: 37.
|
| [13] |
ROSSETTI, ZANI D, COHEN H, et al. A Late PleistoceneHolocene wetland megafan in the Brazilian Amazonia. Sedimentary Geology, 2012, 282: 276-293. DOI:10.1016/j.sedgeo.2012.09.015 |
| [14] |
DAVIDSON S K, HARTLEY A J, WEISSMANN G S, et al. Geomorphic elements on modern distributive fluvial systems. Geomorphology, 2013, 180/181: 82-95. DOI:10.1016/j.geomorph.2012.09.008 |
| [15] |
OWEN A, NICHOLS G J, HARTLEY A J, et al. Vertical trends within the prograding Salt Wash distributive fluvial system, SW United States. Basin Research, 2017, 29(1): 64-80. DOI:10.1111/bre.12165 |
| [16] |
FIELDING C R, ASHWORTH P J, BEST J L, et al. Tributary, distributary and other fluvial patterns: What really represents the norm in the continental rock record?. Sedimentary Geology, 2012, 261(15): 15-32. |
| [17] |
WEISSMANN G S, HARTLEY A J, SCUDERI L A, et al. Prograding distributive fluvial systems geomorphic models and ancient examples[M]//DRIESE S G, NORDT L C. New frontiers in paleopedology and terrestrial paleoclimatology: Palcools and soil surface analog systems. Tulsa: Society for Sedimentary Geology, 2013: 131-147.
|
| [18] |
HARTLEY A J, WEISSMANN G S, NICHOLS G J, et al. Fluvial form in modern continental sedimentary basins: Distributive fluvial systems: Reply. Geology, 2010, 38(12): 231. |
| [19] |
张昌民, 胡威, 朱锐, 等. 分支河流体系的概念及其对油气勘探开发的意义. 岩性油气藏, 2017, 29(3): 1-9. ZHANG Changmin, HU Wei, ZHU Rui, et al. Concept of distributive fluvial system and its significance to oil and gas exploration and development. Lithologic Reservoirs, 2017, 29(3): 1-9. DOI:10.3969/j.issn.1673-8926.2017.03.001 |
| [20] |
张昌民, 宋新民, 支东明, 等. 陆相含油气盆地沉积体系再思考: 来自分支河流体系的启示. 石油学报, 2020, 41(2): 127-153. ZHANG Changmin, SONG Xinmin, ZHI Dongming, et al. Rethinking on the sedimentary system of terrestrial petroliferous basins: Insights from distributive fluvial system. Acta Petrolei Sinica, 2020, 41(2): 127-153. |
| [21] |
贾承造, 郑民, 张永峰. 中国非常规油气资源与勘探开发前景. 石油勘探与开发, 2012, 39(2): 129-136. JIA Chengzao, ZHENG Min, ZHANG Yongfeng. Unconventional hydrocarbon resources in China and the prospect of exploration and development. Petroleum Exploration and Development, 2012, 39(2): 129-136. |
| [22] |
王拓, 朱如凯, 白斌, 等. 非常规油气勘探、评价和开发新方法. 岩性油气藏, 2013, 25(6): 35-39. WANG Tuo, ZHU Rukai, BAI Bin, et al. New methods for the exploration, evaluation and development of unconventional reservoirs. Lithologic Reservoirs, 2013, 25(6): 35-39. |
| [23] |
赵文智, 贾爱林, 位云生, 等. 中国页岩气勘探开发进展及发展展望. 中国石油勘探, 2020, 25(1): 31-44. ZHAO Wenzhi, JIA Ailin, WEI Yunsheng, et al. Progress in shale gas exploration in China and prospects for future development. China Petroleum Exploration, 2020, 25(1): 31-44. |
| [24] |
戴金星. 我国天然气资源及其前景. 天然气工业, 1999, 19(1): 27-30. DAI Jinxing. Natural gas resources and their prospects in China. Natural Gas Industry, 1999, 19(1): 27-30. |
| [25] |
邹才能, 杨智, 朱如凯, 等. 中国非常规油气勘探开发与理论技术进展. 地质学报, 2015, 89(6): 979-1007. ZOU Caineng, YANG Zhi, ZHU Rukai, et al. Progress in China's unconventional oil & gas exploration and development and theoretical technologies. Acta Geologica Sinica, 2015, 89(6): 979-1007. DOI:10.3969/j.issn.0001-5717.2015.06.001 |
| [26] |
刘化清, 刘宗堡, 吴孔友, 等. 岩性地层油气藏区带及圈闭评价技术研究新进展. 岩性油气藏, 2021, 33(1): 25-36. LIU Huaqing, LIU Zongbao, WU Kongyou, et al. New progress in study of play and trap evaluation technology for lithostratigraphic reservoirs. Lithologic Reservoirs, 2021, 33(1): 25-36. |
| [27] |
WALKER R G, JAMES N P. Facies models: Response to sea level change. St John's Newfoundland: Geological Association of Canada, 1992.
|
| [28] |
吴崇筠. 中国含油气盆地沉积学. 北京: 石油工业出版社, 1992. WU Chongyun. Sedimentology of oil-gas bearing basins in China. Beijing: Petroleum Industry Press, 1992. |
| [29] |
READING H G. Sedimentary environments: Processes, facies and stratigraphy. 3rd ed. Oxford: Blackwell Science, 1996.
|
| [30] |
高志勇, 周川闽, 冯佳睿, 等. 盆地内大面积砂体分布的一种成因机理: 干旱气候下季节性河流沉积. 沉积学报, 2015, 33(3): 427-438. GAO Zhiyong, ZHOU Chuanmin, FENG Jiarui, et al. Distribution of a large area of sand body formation mechanism: Ephemeral streams in arid climate. Acta Sedimentologica Sinica, 2015, 33(3): 427-438. |
| [31] |
张昌民, 朱锐, 赵康, 等. 从端点走向连续: 河流沉积模式研究进展述评. 沉积学报, 2017, 35(5): 926-944. ZHANG Changmin, ZHU Rui, ZHAO Kang, et al. From end member to continuum: Review of fluvial facies model research. Acta Sedimentologica Sinica, 2017, 35(5): 926-944. |
| [32] |
李晓辉, 杜晓峰, 官大勇, 等. 辽东湾坳陷东北部新近系馆陶组辫曲过渡型河流沉积特征. 岩性油气藏, 2022, 34(3): 93-103. LI Xiaohui, DU Xiaofeng, GUAN Dayong, et al. Sedimentary characteristics of braided-meandering transitional river of Neogene Guantao Formation in northeastern Liaodong Bay Depression. Lithologic Reservoirs, 2022, 34(3): 93-103. |
| [33] |
王光谦, 方红卫, 倪广恒, 等. 大江大河源区河网结构与径流特性研究前沿和重要基础科学问题. 中国科学基金, 2016, 30(1): 27-33. WANG Guangqian, FANG Hongwei, NI Guangheng, et al. River networks and runoff characteristics in Tibetan Plateau: Advancements and future strategies. Bulletin of National Natural Science Foundation of China, 2016, 30(1): 27-33. |
| [34] |
MIALL A D. Architectural-element analysis: A new method of facies analysis applied to fluvial deposits. Earth-Science Reviews, 1985, 22(4): 261-308. DOI:10.1016/0012-8252(85)90001-7 |
| [35] |
吴嘉鹏, 万丽芬, 张兰, 等. 西湖凹陷平湖组岩相类型及沉积相分析. 岩性油气藏, 2017, 29(1): 27-34. WU Jiapeng, WAN Lifen, ZHANG Lan, et al. Lithofacies types and sedimentary facies of Pinghu Formation in Xihu Depression. Lithologic Reservoirs, 2017, 29(1): 27-34. |
| [36] |
ALESSANDRO B, FRANCISCO L, DIEGO N, et al. Facies and palaeosol analysis in a progradational distributive fluvial system from the Campanian-Maastrichtian Bauru Group, Brazil. Sedimentology, 2018, 66. |
| [37] |
MCKELLAR Z, HARTLEY A J. Caledonian foreland basin sedimentation: A new depositional model for the upper silurianlower devonian lower old red sandstone of the Midland Valley Basin, Scotland. Basin Research, 2020, 33: 754-778. |
| [38] |
白振华, 詹燕涛, 王赢, 等. 苏里格气田苏14井区盒8段河流相砂体展布与演化规律研究. 岩性油气藏, 2013, 25(1): 56-62. BAI Zhenhua, ZHAN Yantao, WANG Ying, et al. Fluvial sand bodies distribution and evolution of He 8 member in Su 14 block of Sulige gas field. Lithologic Reservoirs, 2013, 25(1): 56-62. |
| [39] |
李新坡, 莫多闻, 朱忠礼. 侯马盆地冲积扇及其流域地貌发育规律. 地理学报, 2006, 61(3): 241-248. LI Xinpo, MO Duowen, ZHU Zhongli. Developments of alluvial fans and their catchments in Houma Basin. Acta Geographica Sinica, 2006, 61(3): 241-248. |
| [40] |
DAVIDSON S K, HARTLEY A J. A quantitative approach to linking drainage area and distributive-fluvial-system area in modern and ancient Endorheic Basins. Journal of Sedimentary Research, 2014, 84(11): 1005-1020. DOI:10.2110/jsr.2014.79 |
| [41] |
吴胜和, 冯文杰, 印森林, 等. 冲积扇沉积构型研究进展. 古地理学报, 2016, 18(4): 497-512. WU Shenghe, FENG Wenjie, YIN Senlin, et al. Research advances in alluvial fan depositional architecture. Journal of Palaeogeography(Chinese Edition), 2016, 18(4): 497-512. |
| [42] |
PETERS S E, HUSSON J M. We need a global comprehensive stratigraphic database here' sastart. The Sedimentary Record, 2018, 16(1): 4-9. DOI:10.2110/sedred.2018.1.4 |
| [43] |
蒋璟鑫, 李超, 胡修棉. 沉积学数据库建设与沉积大数据科学研究进展: 以Macrostrat数据库为例. 高校地质学报, 2020, 26(1): 27-43. JIANG Jingxin, LI Chao, HU Xiumian. Advances on sedimentary database building and related research: Macrostrat as an example. Geological Journal of China Universities, 2020, 26(1): 27-43. |
| [44] |
BRAND L, WANG M M, CHADWICK A. Global database of paleocurrent trends through the Phanerozoic and Precambrian. Science Data, 2015, 2: 150025. DOI:10.1038/sdata.2015.25 |
| [45] |
DUTKIEWICZ A, MÜLLER R D, CALLAGHAN S O, et al. Census of seafloor sediments in the world's ocean. Geology, 2015, 43(9): 795-798. DOI:10.1130/G36883.1 |
| [46] |
MCMAHON W J, DAVIES N S. Evolution of alluvial mudrock forced by early land plants. Science, 2018, 359(6379): 1022-1024. DOI:10.1126/science.aan4660 |
| [47] |
张祥辉. 苏干湖盆地周缘现代分支河流体系特征及分布[D]. 武汉: 长江大学, 2020. ZHANG Xianghui. Characteristics and distribution of modern branch river systems in the periphery of Suganhu Basin[D]. Wuhan: Yangtze University, 2020. |
| [48] |
李鑫鑫. 河流扇沉积数据库的构建及应用[D]. 北京: 中国地质大学(北京), 2021. LI Xinxin. Construction and application of fluvial fan deposition database[D]. Beijing: China University of Geosciences(Beijing), 2021. |
| [49] |
黄若鑫, 张昌民, 冯文杰. 冲断带构造作用控制下的分支河流体系特征及其成因分析: 以塔里木盆地西北缘柯坪地区为例. 沉积学报, 2022, 40(1): 166-181. HUANG Ruoxin, ZHANG Changmin, FENG Wenjie. Characteristics and factor analysis of distributive fluvial systems due to tectonic Thrust Belt Activity: Example of Keping area, northwestern Tarim Basin. Acta Sedimentologica Sinica, 2022, 40(1): 166-181. |
| [50] |
SNIEDER S, GRIFFITHS C, OWEN A, et al. Stratigraphic forward modelling of distributive fluvial systems based on the Huesca System, Ebro Basin, Northern Spain. Basin Research, 2021, 33: 3137-3158. DOI:10.1111/bre.12597 |
| [51] |
TERWISSCHA S R, MCMAHON W, VAN D W, et al. Experimental distributive fluvial systems: Bridging the gap between river and rock record. The Depositional Record, 2020, 6: 670-684. DOI:10.1002/dep2.124 |
| [52] |
CHESLEY J T, LEIER A L, WHITE S, et al. Using unmanned aerial vehicles and structure-from-motion photogrammetry to characterize sedimentary outcrops: An example from the Morrison Formation, Utah, U.S.A.. Sedimentary Geology, 2017, 354: 1-8. DOI:10.1016/j.sedgeo.2017.03.013 |
| [53] |
ZHANG Xianghui, ZHANG Changmin, FENG Wenjie, et al. Application of remote sensing in the description of fluvial system in dryland: A case study of Golmud distributive fluvial system, Qaidam Basin, NW China. Journal of Palaeogeography, 2022, 11(4): 1-27. |
| [54] |
ZANI A H, ASSINE M L, MCGLUE M M. Remote sensing analysis of depositional landforms in alluvial settings: Method development and application to the Taquari megafan, Pantanal (Brazil). Geomorphology, 2012, 82(9): 161-162. |
| [55] |
李相博, 刘化清, 黄军平, 等. 干湿气候交替与内陆湖盆河流扇砂体的形成与分布: 以鄂尔多斯盆地延长组为例. 地质学报, 2023, 97(3): 822-838. LI Xiangbo, LIU Huaqing, HUANG Junping, et al. Alternation of arid-humid climate and formation and distribution of fluvial fan sand in the central area of Inland Lake basin: Taking Yanchang Formation in Ordos Basin as an example. Acta Geologica Sinica, 2023, 97(3): 822-838. |
| [56] |
LEIER A L, DECELLES P G, PELLETIER J D. Mountains, monsoons, and megafans. Geology, 2005, 33(4): 289-292. DOI:10.1130/G21228.1 |
| [57] |
BLAIR T C, MCPHERSON J G. Alluvial fan processes and forms[M]//ABRAHAMS A D, PARSONS A J. Geomorphology of desert environments. Dordrecht: Springer, 1994: 354-402.
|
| [58] |
张元福, 戴鑫, 王敏, 等. 河流扇的概念、特征及意义. 石油勘探与开发, 2020, 47(5): 947-957. ZHANG Yuanfu, DAI Xin, WANG Min, et al. The concept, characteristics and significance of fluvial fans. Petroleum Exploration and Development, 2020, 47(5): 947-957. |
| [59] |
王随继, 任明达. 根据河道形态和沉积物特征的河流新分类. 沉积学报, 1999, 17(2): 75-81. WANG Suiji, REN Mingda. A new classification of fluvial rivers according to channel planform and sediment characteristics. Acta Sedimentologica Sinica, 1999, 17(2): 75-81. |
| [60] |
ADRIANO D, CLAITON M, OWEN A, et al. A quantitative depositional model of a large distributive fluvial system(Megafan) with terminal aeolian interaction: The Upper Jurassic Guará DFS in southwestern Gondwana. Journal of Sedimentary Research, 2022, 92(5): 460-485. DOI:10.2110/jsr.2021.040 |
| [61] |
李少华, 张昌民, 林克湘, 等. 储层建模中几种原型模型的建立. 沉积与特提斯地质, 2004, 24(3): 102-107. LI Shaohua, ZHANG Changmin, LIN Kexiang, et al. The construction of prototype models in reservoir modeling. Sedimentary Geology and Tethyan Geology, 2004, 24(3): 102-107. DOI:10.3969/j.issn.1009-3850.2004.03.015 |
| [62] |
李霞, 王铜山, 王建新. 储层随机建模研究进展. 物探化探计算技术, 2009, 31(5): 454-459. LI Xia, WANG Tongshan, WANG Jianxin. Advancement of reservoir stochastic modeling methods. Computing Techniques for Geophysical and Geochemical Exploration, 2009, 31(5): 454-459. |
| [63] |
吴胜和, 李宇鹏. 储层地质建模的现状与展望. 海相油气地质, 2007, 12(3): 53-60. WU Shenghe, LI Yupeng. Reservoir modeling: Current situation and development prospect. Marine Origin Petroleum Geology, 2007, 12(3): 53-60. |
| [64] |
COMUNIAN A, RENARD P, STRAUBHAAR J. 3D multiplepoint statistics simulation using 2D training images. Computers & Geosciences, 2012, 40: 49-65. |
| [65] |
CHEN Qiyu, MARIETHOZ G, LIU Gang, et al. Locality-based 3D multiple-point statistics reconstruction using 2D geological cross-sections. Hydrology and Earth System Sciences, 2018, 22(12): 6547-6566. DOI:10.5194/hess-22-6547-2018 |
| [66] |
王立鑫, 尹艳树, 王晖, 等. 基于自适应空间抽样由二维剖面重构三维地质模型的方法: 以加拿大某区块McMurray组储集层为例. 石油勘探与开发, 2021, 48(2): 347-359. WANG Lixin, YIN Yanshu, WANG Hui, et al. A method of reconstructing 3D model from 2D geological cross-section based on self-adaptive spatial sampling: A case study of Cretaceous McMurray reservoirs in a block of Canada. Petroleum Exploration and Development, 2021, 48(2): 347-359. |
| [67] |
HOU Weisheng, LIU Hengguang, ZHENG Tiancheng, et al. Hierarchical MPS-based three-dimensional geological structure reconstruction with two-dimensional image(s). Earth Science, 2021, 32(2): 455-467. |
| [68] |
尹艳树, 张昌民, 石书缘, 等. 综合随机游走过程与多点统计的河流相建模新方法. 石油天然气学报, 2011, 33(8): 44-47. YIN Yanshu, ZHANG Changmin, SHI Shuyuan, et al. Modeling on integrating random walk process and multiple-point geostatistics to fluvial reservoirs. Journal of Oil and Gas Technology, 2011, 33(8): 44-47. DOI:10.3969/j.issn.1000-9752.2011.08.010 |
| [69] |
李少华, 卢文涛. 基于沉积过程的储集层随机建模方法: 以河流相储集层为例. 古地理学报, 2011, 13(3): 325-333. LI Shaohua, LU Wentao. Depositional process-based reservoir stochastic modeling: A case of fluvial reservoir modeling. Journal of Palaeogeography, 2011, 13(3): 325-333. |
| [70] |
ZHANG Tuanfeng, TILKE P, DUPONT E, et al. Generating geologically realistic 3D reservoir facies models using deep learning of sedimentary architecture with generative adversarial networks. Petroleum Science, 2019, 16(3): 541-549. DOI:10.1007/s12182-019-0328-4 |
| [71] |
SONG Suihong, MUKERJI T, HOU Jiagen. GANSim: Conditional facies simulation using an improved progressive growing of generative adversarial networks(GANs). Mathematical Geosciences, 2021, 53: 1413-1444. DOI:10.1007/s11004-021-09934-0 |
| [72] |
张昌民. 储层研究中的层次分析法. 石油与天然气地质, 1992, 13(3): 344-350. ZHANG Changmin. Hierarchy analysis in reservoir researches. Oil & Gas Geology, 1992, 13(3): 344-350. DOI:10.3321/j.issn:0253-9985.1992.03.013 |
| [73] |
尹艳树, 张昌民, 尹太举, 等. 萨尔图油田辫状河储层三维层次建模. 西南石油大学学报, 2012, 34(1): 13-18. YIN Yanshu, ZHANG Changmin, YIN Taiju, et al. 3D hierarchical modeling of the braided channel reservoir of Saertu oilfield. Journal of Southwest Petroleum University, 2012, 34(1): 13-18. |
| [74] |
WANG Yudie, LI Zhiwei, ZENG Chao, et al. An urban water extraction method combining deep learning and Google Earth engine. Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13: 769-782. DOI:10.1109/JSTARS.2020.2971783 |
| [75] |
龚健雅, 许越, 胡翔云, 等. 遥感影像智能解译样本库现状与研究. 测绘学报, 2021, 50(8): 1013-1022. GONG Jianya, XU Yue, HU Xiangyun, et al. Status analysis and research of sample database for intelligent interpretation of remote sensing image. Acta Geodaetica et Cartographica Sinica, 2021, 50(8): 1013-1022. |
| [76] |
王庆, 曾齐红, 张友焱, 等. 基于多尺度区域卷积神经网络的露头孔洞自动提取. 现代地质, 2021, 35(4): 1147-1154. WANG Qing, ZENG Qihong, ZHANG Youyan, et al. Automatic extraction of outcrop cavity based on multi-scale regional convolution neural network. Geoscience, 2021, 35(4): 1147-1154. |
| [77] |
WU Siqi, WANG Qing, ZENG Qihong, et al. Automatic extraction of outcrop cavity based on a multiscale regional convolution neural network. Computers & Geosciences, 2022, 160: 105038. |
| [78] |
张立锋, 程钢, 白鸿起. 基于Delaunay三角网的河流中线提取方法. 测绘与空间地理信息, 2006, 29(4): 80-82. ZHANG Lifeng, CHENG Gang, BAI Hongqi. Extracting the medial axis of the double line river by using Delaunay Triangulations. Geomatics & Spatial Information Technology, 2006, 29(4): 80-82. |
| [79] |
李珏. 基于高分辨率影像的河流及其中心线提取[D]. 武汉: 武汉大学, 2017. LI Jue. River and its center line extraction based on high-resolution image[D]. Wuhan: Wuhan University, 2017. |
| [80] |
刘怀湘, 王兆印. 典型河网形态特征与分布. 水利学报, 2007, 38(11): 1354-1357. LIU Huaixiang, WANG Zhaoyin. Morphological feature and distribution of typical river networks. Journal of Hydraulic Engineering, 2007, 38(11): 1354-1357. |
| [81] |
陈彦光, 刘继生. 水系结构的分形和分维: Horton水系定律的模型重建及其参数分析. 地球科学进展, 2001, 16(2): 178-183. CHEN Yanguang, LIU Jisheng. Fractals and fractal dimensions of structure of river systems: Models reconstruction and parameters interpretation of Horton's Laws of network composition. Advance in Earth Science, 2001, 16(2): 178-183. |
| [82] |
OWEN A, JUPP P E, NICHOLS G J, et al. Statistical estimation of the position of an apex: Application to the geological record. Journal of Sedimentary Research, 2015, 85(2): 142-152. |
| [83] |
刘显太. 三角洲储层地质知识库系统设计与实现. 北京: 石油工业出版社, 2014. LIU Xiantai. Design and implementation of delta reservoir geological knowledge base system. Beijing: Petroleum Industry Press, 2014. |
| [84] |
COSGROVE G, COLOMBERA L, MOUNTNEY N P. A database of aeolian sedimentary architecture for the characterization of modern and ancient sedimentary systems. Marine and Petroleum Geology, 2021, 127: 104983. |
| [85] |
何治亮, 孙建芳, 郭攀红, 等. 碳酸盐岩储集层知识库构建方法及在缝洞型油藏地质建模中的应用. 石油勘探与开发, 2021, 48(4): 1-9. HE Zhiliang, SUN Jianfang, GUO Panhong, et al. Construction method of carbonate reservoir knowledge base and its application in fracture-cavity reservoir geological modeling. Petroleum Exploration and Development, 2021, 48(4): 1-9. |