Predire le curve di pressione capillare di drenaggio nei mezzi porosi naturali tramite rilassometria NMR-T2: implicazioni per lo stoccaggio del CO2

Perché questa ricerca è importante per le soluzioni climatiche

Immagazzinare anidride carbonica in profondità nel sottosuolo è uno dei pochi strumenti a nostra disposizione per rallentare il cambiamento climatico durante la transizione dai combustibili fossili. Ma prima che gli ingegneri possano iniettare CO2 in modo sicuro in rocce a chilometri di profondità, devono essere certi che quelle rocce — e, in modo cruciale, gli strati di tenuta sovrastanti — possano mantenere il gas intrappolato per secoli. Questo studio presenta un nuovo modo per prevedere quanto efficacemente diverse rocce possano trattenere il CO2 usando una scansione magnetica rapida e non distruttiva invece dei lenti e tossici test al mercurio.

Come le rocce trattengono e intrappolano i fluidi sotterranei

In profondità nel sottosuolo, le rocce non sono blocchi solidi; sono attraversate da pori e strozzature microscopiche che possono contenere acqua, petrolio, gas o CO2 iniettato. Se il CO2 rimane in posizione o risale verso l'alto dipende da quanto facilmente può attraversare quei passaggi stretti. Questo comportamento è descritto dalle curve di “pressione capillare”, che correlano la frazione di roccia occupata da un fluido non bagnante (come CO2 o mercurio) a una data pressione. Tradizionalmente, i laboratori misurano queste curve forzando il mercurio in piccoli campioni di roccia a pressioni molto elevate, quindi convertendo i risultati alle condizioni attese per CO2 e acqua salina. Questi test al mercurio sono distruttivi, costosi, pericolosi e solitamente eseguiti su pochi campioni lungo un pozzo, lasciando ampie lacune nella nostra comprensione del sottosuolo.

Un modo più sicuro per «ascoltare» i pori della roccia

La risonanza magnetica nucleare (NMR) a basso campo offre un approccio alternativo. Invece di iniettare mercurio, gli scienziati saturano una roccia con acqua salina e utilizzano una sequenza di impulsi magnetici per misurare quanto rapidamente i nuclei di idrogeno nel fluido decadono, descritto da un parametro chiamato T2. La distribuzione dei valori di T2 è sensibile alle dimensioni e alle proprietà superficiali dei pori: i pori grandi producono tempi T2 lunghi, quelli piccolissimi tempi T2 brevi. In teoria, questa “impronta” di rilassamento dovrebbe essere correlata alla stessa geometria dei pori e delle strozzature che controlla la pressione capillare. Metodi precedenti hanno cercato di convertire direttamente gli spettri T2 in curve capillari usando formule semplici che assumono proprietà rocciose uniformi. Queste assunzioni spesso falliscono nelle formazioni reali, specialmente nelle carbonatiche complesse e nelle argilliti compatte, e solitamente richiedono calibrazioni specifiche per tipo litologico.

Addestrare un modello a riconoscere il comportamento delle rocce

Gli autori hanno sviluppato un modello guidato dai dati che apprende la relazione tra misure NMR e curve capillari basate sul mercurio attraverso molti tipi di rocce. Hanno compilato un database di 36 campioni di carote, incluse arenarie, calcari e argilliti compatte con permeabilità che coprono più di sette ordini di grandezza. Per ciascun campione hanno combinato informazioni provenienti dall’analisi di routine delle carote (porosità e permeabilità), dalle distribuzioni dettagliate di T2 ottenute con NMR e dai dati di iniezione del mercurio. Hanno quindi ingegnerizzato diverse caratteristiche ispirate dalla fisica: un parametro J che collega la pressione alla qualità della roccia e alla bagnabilità, un indice di bimodalità che quantifica se il sistema poroso ha una o due gamme di dimensioni dominanti, e una media logaritmica T2 pesata per bin che cattura l’asimmetria della distribuzione delle dimensioni dei pori. Utilizzando queste caratteristiche, hanno addestrato un modello di alberi decisionali con boosting gradiente (CatBoost) per prevedere la saturazione del mercurio a una data pressione a partire dai dati NMR e dalle proprietà della roccia.

Quanto bene funziona il nuovo metodo

Per assicurarsi che il modello si generalizzasse davvero oltre i dati di addestramento, il team ha usato una validazione rigorosa leave-one-sample-out e poi ha testato il modello finale su sei carote «in cieco» che non erano mai state viste durante l’addestramento. Su un ampio intervallo di pressioni da circa 0,5 a 50.000 psi, il modello ha riprodotto le curve capillari al mercurio misurate con un coefficiente di determinazione medio (R²) di 0,94 e un errore assoluto medio nella saturazione di circa 3,6% sul set in cieco. Il metodo ha mostrato prestazioni coerenti per arenarie, carbonatiche e argilliti compatte. L’analisi di sensitività ha evidenziato che il parametro J scalato con la pressione dominava le previsioni, mentre le caratteristiche derivate dall’NMR raffinavano la forma della curva, catturando le differenze nella struttura del sistema poroso. Quando le curve al mercurio predette sono state convertite alle condizioni brine–CO2 usando relazioni di scala standard, si sono allineate strettamente con le curve di laboratorio convertite utilizzate negli studi di stoccaggio del CO2.

Cosa significa per i futuri progetti di stoccaggio del CO2

Lo studio dimostra che modelli di machine learning accuratamente progettati possono trasformare misure NMR rapide e non distruttive in curve di pressione capillare affidabili, riducendo notevolmente la necessità di pericolosi test di iniezione del mercurio. Poiché gli strumenti NMR sono già utilizzati sia in laboratorio sia su strumenti di logging cablati nei pozzi, questo approccio potrebbe consentire un profilo quasi continuo della capacità di tenuta e del comportamento di intrappolamento lungo l’intero foro di sondaggio. Pur riconoscendo limiti, come l’assunzione di condizioni bagnate dall’acqua e l’attuale dimensione del dataset di addestramento, i risultati suggeriscono un percorso pratico verso una valutazione più sicura, economica e diffusa dei siti di stoccaggio sotterraneo del CO2 — aiutando gli ingegneri a giudicare meglio quanto saldamente il carbonio iniettato possa essere tenuto fuori dall’atmosfera.

Citazione: Markovic, S., Kurochkin, A., Efara, M. et al. Predicting drainage capillary pressure curves in natural porous media by NMR-T₂ relaxometry: implications for CO₂ storage. Sci Rep 16, 11540 (2026). https://doi.org/10.1038/s41598-026-36861-z

Parole chiave: stoccaggio geologico del CO2, pressione capillare, risonanza magnetica nucleare, apprendimento automatico in petrofisica, struttura dei pori della roccia