Clasificación litológica 3D probabilística a partir de volúmenes de propiedades elásticas: un flujo de inversión avanzado en el Campo Gasífero Desouq, Delta Occidental del Nilo, Egipto

Encontrar gas oculto bajo el Delta del Nilo

Localizar nuevos yacimientos de gas se vuelve más difícil a medida que los objetivos más sencillos ya han sido explotados. En el Delta del Nilo en tierra firme, las capas rocosas son complejas y las imágenes sísmicas tradicionales pueden inducir a error con facilidad, lo que lleva a las compañías a perforar pozos secos o de bajo rendimiento y costosos. Este estudio presenta una nueva forma de "ver" el subsuelo: combina procesamiento sísmico avanzado, análisis de propiedades de las rocas y aprendizaje automático probabilístico para construir una imagen 3D de qué rocas probablemente contienen gas y cuáles son compactas o están llenas de agua, ayudando a reducir el riesgo en la exploración y el desperdicio en perforaciones.

Un rompecabezas subterráneo desafiante

El Campo Gasífero Desouq se sitúa en una zona geológicamente intrincada del Delta Occidental del Nilo, donde fallas, canales y cambios del nivel del mar han apilado arenas, lutitas y evaporitas en patrones enmarañados. El gas queda principalmente atrapado en canales arenosos de la Formación Abu Madi, pero un problema particular es la anhidrita, una roca muy densa y compacta. Capas delgadas de anhidrita pueden generar fuertes reflexiones sísmicas que se parecen mucho a las arenas que contienen gas. En enfoques anteriores se confiaba sobre todo en productos sísmicos más simples y mapas de amplitud, que no podían distinguir de forma fiable estas señales similares, dejando a las compañías sin seguridad sobre si una mancha sísmica brillante era un objetivo prometedor de gas o simplemente un banco compacto y no productivo.

Convertir ecos sísmicos en tipos de roca

Para abordar esto, los autores desarrollaron un flujo de trabajo en dos etapas. Primero, utilizaron inversión sísmica pre‑stack, que analiza cómo cambian las reflexiones sísmicas con el ángulo para estimar propiedades clave del subsuelo como la impedancia P, la impedancia de cizalla y la razón entre velocidades de onda compresional y de cizalla. Estas propiedades se calibraron con mediciones de cinco pozos, donde los registros detallados muestran cómo varían los rayos gamma, la densidad, las velocidades sónicas y otros indicadores a lo largo de la columna rocosa. Controles de calidad cuidadosos garantizaron que los volúmenes de propiedades invertidas concordaran con los datos de pozo y siguieran la estratificación geológica conocida, creando un modelo inicial confiable del subsuelo.

Enseñar al ordenador a reconocer rocas

La segunda etapa convirtió estas propiedades calibradas en un modelo estadístico de tipos litológicos. En las ubicaciones de los pozos, el equipo realizó análisis petrofísicos para identificar qué profundidades contenían arena portadora de gas, arena saturada de agua, lutita o anhidrita compacta. Luego utilizaron diagramas de física de rocas (cross‑plots) para ver cómo se agrupan estos tipos de roca en términos de impedancia y razones de velocidad. A partir de esos agrupamientos construyeron funciones de densidad de probabilidad —esencialmente huellas digitales que describen cuán probable es que una combinación dada de propiedades pertenezca a cada tipo de roca—. Un clasificador de aprendizaje automático entrenado con estos datos de pozo etiquetados se aplicó después a todo el volumen sísmico 3D, produciendo "cubos de probabilidad" que, para cada punto del subsuelo, estiman las posibilidades de que sea arena con gas, arena húmeda, lutita o anhidrita.

Lo que revela la nueva vista 3D

Los mapas probabilísticos resultantes muestran canales compartimentados de arena cargada de gas que se entrelazan a lo largo de la Formación Abu Madi. Es importante que refinan interpretaciones previas al separar las verdaderas firmas de gas de las manchas brillantes engañosas causadas por capas delgadas de anhidrita. Las estadísticas de matrices de confusión indican que el modelo identifica las arenas con gas con alta precisión, mientras que la clasificación errónea de anhidrita es muy baja. Cuando los cubos de probabilidad se comparan con secciones sísmicas y registros de pozo, las zonas de alta probabilidad de arena con gas coinciden con intervalos de baja saturación de agua, lo que proporciona a los operadores mayor confianza sobre dónde reside realmente el gas. El análisis también descubre ocho zonas adicionales portadoras de gas en la parte suroeste del campo que previamente habían sido descartadas o quedaron inciertas.

Por qué esto importa para la exploración futura

En términos cotidianos, este estudio mejora los "ojos" subterráneos de la industria de una imagen borrosa en blanco y negro a un mapa 3D codificado por colores de probables tipos de roca y fluidos. Al combinar inversión sísmica avanzada, física de rocas y clasificación probabilística, el flujo de trabajo reduce los falsos indicios causados por rocas compactas engañosas y describe mejor dónde las arenas ricas en gas están conectadas o compartimentadas. Aunque permanecen algunas incertidumbres —especialmente donde las arenas con gas y las saturadas en agua se parecen o donde las capas son más delgadas que la resolución sísmica— este método integrado ofrece una guía más fiable para elegir ubicaciones de perforación y planificar el desarrollo del yacimiento, tanto en el Delta del Nilo como en otras cuencas complejas del mundo.

Cita: El Hateel, M.S., El Sayed, A.A., El-Werr, AK. et al. Probabilistic 3D lithology classification from elastic property volumes an advanced inversion workflow at Desouq Gas Field, West Nile Delta, Egypt. Sci Rep 16, 10950 (2026). https://doi.org/10.1038/s41598-026-42888-z

Palabras clave: gas del Delta del Nilo, inversión sísmica, clasificación litológica, modelado probabilístico de yacimientos, física de rocas