μCTとハイブリッド学習セグメンテーションを用いた火山性貯留層における微小破砕連結性とガス移動の多尺度特性評価

火山岩の小さなひび割れが重要な理由

私たちの足元のさらに深く、天然ガスは一見堅固に見える火山岩の中に、髪の毛ほど細い亀裂として隠れていることがよくあります。これらの隠れた経路が、ガスが井戸へ自由に移動できるか、岩石内に閉じ込められるかを決めます。本研究は、X線顕微鏡と高度なコンピュータビジョンを組み合わせることで、三次元で見えにくい亀裂を可視化し、なぜある火山性ガス貯留層は流れが良く、他はほとんど流れないのかを説明できることを示します。

岩石を壊さず内部をのぞく

研究チームは中国の松遼盆地から得た4つの火山岩試料を扱いました。同盆地は非在来型の石油・ガスで重要な地域です。岩石を切断する代わりに、マイクロコンピュータ断層撮影（μCT）と呼ばれる3D X線スキャンを用い、各試料の内部を約12マイクロメートルの解像度で観察しました—これは人間の髪の毛の約十分の一の幅に相当します。これらのスキャンでは鉱物、間隙、破砕が灰色の濃淡として現れます。しかし重点となる亀裂は極めて狭く周囲の鉱物とコントラストが低いため、肉眼や単純な画像処理では識別が困難です。

コンピュータに髪の毛ほどの亀裂を見せる学習

この課題に対処するため、研究チームは破砕と固体岩を分離する二段階の「ハイブリッド学習」システムを構築しました。まず、ランダムフォレストと呼ばれるアンサンブル手法を用いて2D画像スライス上で素早く粗い分類を行いました。半自動の「学習しながらラベリング」ルーチンにより、研究者は数百枚のうちの数枚のスライスで機械の誤りを修正するだけで済み、手作業ラベリングの煩雑さを大幅に軽減しました。第1段階は多くのノイズを取り除き、亀裂の位置について妥当な推定を与えます。次に、隣接するスライスの積み重ねをより強力な深層学習ネットワークであるU‑Net++に入力し、“2.5D”モードでスライス間の亀裂の連続性を捉えつつ、完全な3D学習の高コストを回避しました。これらを組み合わせることで非常に高精度な亀裂マップが得られ、Diceスコア（予測と真実の重なりの指標）はわずか10回の学習ラウンドで約0.90に達しました。

デジタルな亀裂から三次元のガス経路へ

亀裂をきれいに分離した後、チームはセグメンテーションされた画像を完全な3Dデジタルロックモデルに変換しました。小さな孤立スポットを除去し、どの亀裂が実際に連結しているかを測定し、複雑な破砕系を狭い“スロート”でつながれた“ポア（空孔）”のネットワークに抽象化しました。このポア–スロートモデルは、存在する空隙量、チャネルの幅、および各ポアが持つ接続数を捉えます。4つの試料の間で明確な差異が見られました：ある岩石は大きく良好に連結した破砕ネットワークが試料全体に及んでいましたが、他は連続経路を形成しない多くの微小で孤立した亀裂を含んでいました。

亀裂ネットワークがガス流れをどう支配するか

これらのデジタルロックを用いて、研究者は圧力差の下で天然ガスが各試料をどのように浸透するかを、間隙流れのためのダルシーの法則に基づいてシミュレーションしました。最もよく連結した岩石では、亀裂が側枝を持つほぼ鉛直の“ハイウェイ”を形成し、シミュレートされたガスの流線は密で連続的に入口から出口まで伸びていました。これらの試料は全体の空隙率が控えめであっても高い透水性と高速な流れを示しました。対照的に、細く散在する亀裂を持つ岩石は流線がまばらで途切れがちで、ガスは経路が途切れるまで短距離しか浸透しませんでした。注目すべきは、比較的高い空隙率を持つある試料が断片化した破砕ネットワークのために性能が悪かった点で、単純な空隙量よりも連結性とスロート幅が重要であることを浮き彫りにしました。

将来のエネルギーとモデリングへの示唆

非専門家にとっての主要なメッセージは、致密な火山性ガス貯留層では、岩石に含まれる空間の量だけでなく、微小亀裂のパターンがガスを効率的に生産できるかどうかを大きく左右するということです。本研究は、ぼやけたX線スキャンを信頼できる三次元微小破砕マップに変換する実用的なワークフローを示すとともに、明快な物理像を提示します：発達した破砕ネットワークはガスの主道路と側道として働き、通常は締まった岩石内でも流れを高める一方、連結性の乏しい亀裂はガスを孤立させます。これらの知見はデジタルロック解析の改善、貯留層評価の指針提供、そしてこうした複雑な岩石が現実的に供給できるガス量のより良い予測に寄与します。

引用: 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

キーワード: 火山性貯留層, 微小破砕, デジタルロック, ガス移動, 深層学習セグメンテーション