التحليل متعدد المقاييس للاتصال بين الشقوق الدقيقة وهجرة الغاز في خزانات بركانية باستخدام µCT وتقسيم التعلم الهجين

لماذا تهم الشقوق الصغيرة في الصخور البركانية

بعيداً تحت أقدامنا، يخفي الغاز الطبيعي نفسه غالباً في صخور بركانية تبدو صلبة للعين المجردة لكنها مشبعة بشقوق رفيعة كالخيط. هذه المسارات المخفية هي التي تحدد ما إذا كان الغاز قادراً على الحركة بحرية نحو بئر أم يظل محبوساً داخل الصخر. تُظهر هذه الدراسة كيف أن الجمع بين مجاهر الأشعة السينية والرؤية الحاسوبية المتقدمة يمكن أن يكشف عن تلك الشقوق غير المرئية في ثلاثة أبعاد ويوضح لماذا تتدفق بعض خزانات الغاز البركانية جيداً بينما تكاد الأخرى لا تتحرك.

التطلع داخل الصخور دون تدميرها

عمل الباحثون على أربعة عينات من الصخور البركانية من حوض سونغلياو في الصين، وهو منطقة مهمة للنفط والغاز غير التقليدي. بدلاً من تقطيع الصخور، استخدموا التصوير المقطعي الميكروي (µCT)، وهو نوع من المسح بالأشعة السينية ثلاثي الأبعاد، لرؤية داخل كل عينة بدقة حوالي اثني عشر ميكرومتراً — أي نحو عُشر عرض شعرة الإنسان. تُظهر هذه المسوحات المعادن والمسام والشقوق بدرجات من الرمادي. ومع ذلك، فإن الشقوق التي تهمهم ضيقة للغاية وتتمتع بتباين ضعيف مع المعادن المحيطة، ما يجعل تمييزها أمراً صعباً بالعين أو باستخدام حيل المعالجة الصورية البسيطة.

تعليم الحواسيب رؤية الشقوق الرقيقة كالخيوط

لمعالجة هذا التحدي، بنى الفريق نظام "تعلم هجين" من خطوتين يعلّم الحاسوب فصل الشقوق عن الصخر الصلب. أولاً، استخدموا طريقة تجميع تسمى الغابات العشوائية لإجراء تصنيف سريع وخشن على شرائح صور ثنائية الأبعاد. سمحت روتين شبه آلي "وضع العلامة أثناء التدريب" للعلماء بتصحيح أخطاء الآلة على بضع شرائح من بين مئات، مما قلل إلى حد كبير من العمل اليدوي الممل لوضع العلامات. تنظف هذه الخطوة الأولى الكثير من الضوضاء وتمنح تخمينًا معقولًا لمواقع الشقوق. بعد ذلك، أدخلوا مجموعات من الشرائح المجاورة في شبكة تعلم عميق أقوى تُدعى U‑Net++، مُعدة بوضعية "2.5D" التي تلتقط كيفية استمرار الشقوق من شريحة إلى أخرى دون التكلفة الباهظة للتعلم ثلاثي الأبعاد الكامل. معاً، أنتجت هاتان الخطوتان خرائط شقوق دقيقة جداً، محققتين درجة Dice — مقياس التداخل بين التنبؤ والحقيقة — بنحو 0.90 في غضون عشر جولات تدريب فقط.

من الشقوق الرقمية إلى مسارات الغاز ثلاثية الأبعاد

بمجرد فصل الشقوق بوضوح، حول الفريق الصور المقسمة إلى نماذج صخرية رقمية ثلاثية الأبعاد كاملة. أزالوا البقع المعزولة الصغيرة، وعيّنوا أي الشقوق كانت متصلة فعلاً، وجزروا أنظمة الشقوق المعقدة إلى شبكات من "المسام" المرتبطة بواسطة "حلقات" ضيقة. يلتقط نموذج المسام‑الحلقات هذا مقدار الفراغ المتاح، وعرض القنوات، وعدد الوصلات لكل مسام. عبر العينات الأربع، وجدوا اختلافات لافتة: بعض الصخور امتلكت شبكات شقوق أكبر ومتصلة جيداً امتدت عبر العينة بأكملها، بينما احتوت أخرى على العديد من الشقوق الصغيرة المنفصلة التي لم تُكوّن مسارات مستمرة.

كيف تتحكم شبكات الشقوق في تدفق الغاز

باستخدام هذه الصخور الرقمية، حاكى الباحثون كيفية تسرب الغاز الطبيعي عبر كل عينة تحت فرق ضغط، اعتماداً على قانون دارسي للجريان في الوسائط المسامية. في الصخور ذات الاتصال الأفضل، شكلت الشقوق "طرقاً سريعة" شبه رأسية مع فروع جانبية، وكانت خطوط الجريان المحاكاة كثيفة ومستمرّة وتمتد من المدخل إلى المخرج. أظهرت هذه العينات نفاذية أعلى وتدفقاً أسرع، حتى عندما كانت مساميتها الكلية متواضعة. بالمقابل، أنتجت الصخور ذات الشقوق النحيلة والمبعثرة خطوط جريان متناثرة ومقطوعة؛ اخترق الغاز مسافات قصيرة فقط قبل أن تختنق المسارات. ومن الجدير بالذكر أن إحدى العينات ذات المسامية النسبية المرتفعة تصرفت بشكل سيئ لأن شبكة شقوقها كانت مجزأة، مما يؤكد أن الاتصال وعرض الحلقات أهم من حجم المسام وحده.

ما يعنيه هذا لمستقبل الطاقة والنمذجة

لغير المتخصص، الرسالة الأساسية هي أن في خزانات الغاز البركانية الضيقة، نمط الشقوق الدقيقة — وليس فقط مقدار الفراغ في الصخر — هو الذي يتحكم إلى حد كبير فيما إذا كان يمكن إنتاج الغاز بكفاءة. توفر الدراسة إجراء عملياً لتحويل مسوحات الأشعة الضبابية إلى خرائط ثلاثية الأبعاد موثوقة للشقوق الدقيقة وصورة فيزيائية واضحة: تعمل شبكات الشقوق المتطورة كطرق رئيسية وشوارع جانبية للغاز، مما يزيد من التدفق حتى في الصخر الضيق، بينما تترك الشقوق ذات الاتصال الضعيف الغاز محاصراً. يمكن أن تساعد هذه الرؤى في تحسين تحليل الصخور الرقمية، وإرشاد تقييم الخزانات، ودعم توقعات أدق لكمية الغاز التي يمكن لهذه الصخور المعقدة أن توصلها عملياً.

الاستشهاد: Zhang, J., Yu, Y., Cai, H. et al. Multiscale characterization of micro fracture connectivity and gas migration in volcanic reservoirs using µCT and hybrid learning segmentation. Sci Rep 16, 8442 (2026). https://doi.org/10.1038/s41598-026-39657-3

الكلمات المفتاحية: خزان بركاني, شقوق دقيقة, صخور رقمية, هجرة الغاز, تقسيم التعلم العميق