Predykcja krzywych kapilarnego ciśnienia drenażowego w naturalnych mediach porowatych za pomocą relaksometrii NMR-T2: implikacje dla składowania CO2

Dlaczego te badania mają znaczenie dla rozwiązań klimatycznych

Składowanie dwutlenku węgla głęboko pod ziemią jest jednym z nielicznych narzędzi, które mamy, by spowolnić zmiany klimatu podczas przejścia od paliw kopalnych. Zanim jednak inżynierowie będą mogli bezpiecznie wtłaczać CO2 do skał na głębokości kilometra i więcej, muszą mieć pewność, że te skały — a co kluczowe, warstwy uszczelniające nad nimi — potrafią utrzymać gaz uwięziony przez wieki. Badanie to przedstawia nowy sposób przewidywania, jak dobrze różne skały potrafią zatrzymać CO2, wykorzystując szybkie, niedestrukcyjne badanie magnetyczne zamiast powolnych, toksycznych testów rtęciowych.

Jak skały zatrzymują i uwięzią płyny pod ziemią

Głęboko pod ziemią skały nie są jednolitą masą; są przeszyte małymi porami i szyjkami, które mogą pomieścić wodę, ropę, gaz lub wtłaczany CO2. To, czy CO2 zostanie na miejscu, czy ucieknie ku górze, zależy od tego, jak łatwo może przecisnąć się przez te wąskie przejścia. To zachowanie opisują krzywe „ciśnienia kapilarnego”, które powiązują, jaka część skały jest wypełniona płynem niezwilżającym (takim jak CO2 czy rtęć) przy danym ciśnieniu. Tradycyjnie w laboratoriach mierzy się te krzywe, wtłaczając rtęć do małych próbek skał przy bardzo wysokich ciśnieniach, a następnie przeliczając wyniki na warunki spodziewane dla CO2 i słonej wody. Testy rtęciowe są destrukcyjne, kosztowne, niebezpieczne i zazwyczaj wykonywane na niewielu próbkach pobranych wzdłuż otworu, pozostawiając duże luki w naszej wiedzy o podłożu.

Bezpieczniejszy sposób „wysłuchania” porów skały

Niskopolowe jądrowe rezonansy magnetyczne (NMR) oferują inny sposób. Zamiast wtłaczać rtęć, naukowcy nasycają skałę solanką i używają sekwencji impulsów magnetycznych do pomiaru, jak szybko jądra wodoru w płynie relaksują się, opisywanego parametrem T2. Rozkład wartości T2 jest czuły na rozmiar i właściwości powierzchni porów: duże pory dają długie czasy T2, bardzo małe — krótkie. W zasadzie to „odcisk” relaksacyjny powinien być powiązany z tą samą geometrią porów i szyjek, która kontroluje ciśnienie kapilarne. Wcześniejsze metody próbowały bezpośrednio przeliczać spektra T2 na krzywe kapilarne przy użyciu prostych wzorów zakładających jednorodność właściwości skały. Te założenia często zawodzą w rzeczywistych formacjach, szczególnie w złożonych karbonatach i gęstych łupkach, i zwykle wymagają kalibracji specyficznej dla typu skały.

Nauczanie modelu rozpoznawania zachowania skał

Autorzy opracowali model oparty na danych, który uczy się zależności między pomiarami NMR a rtęciowymi krzywymi kapilarnymi w wielu typach skał. Skompilowali bazę danych 36 próbek rdzeniowych, obejmującą piaskowce, wapienie i gęste łupki o przepuszczalnościach rozciągających się na ponad siedem rzędów wielkości. Dla każdej próbki połączyli informacje z rutynowej analizy rdzeni (porowatość i przepuszczalność), szczegółowe rozkłady T2 z NMR i dane z wtłaczania rtęci. Następnie skonstruowali kilka cech inspirowanych fizyką: parametr J łączący ciśnienie z jakością skały i zwilżalnością, indeks bimodalności kwantyfikujący, czy system porów ma jedną czy dwie dominujące skale rozmiarów, oraz ważoną binowo logarytmiczną średnią T2, która wychwytuje skośność rozkładu rozmiarów porów. Używając tych cech, wytrenowali model drzew decyzyjnych z boostowaniem gradientowym (CatBoost) do przewidywania nasycenia rtęcią przy dowolnym ciśnieniu na podstawie wejść NMR i parametrów skały.

Jak dobrze działa nowa metoda

Aby upewnić się, że model rzeczywiście uogólnia poza danymi treningowymi, zespół zastosował rygorystyczną walidację metodą pozostawienia jednej próbki (leave-one-sample-out), a następnie przetestował finalny model na sześciu dodatkowych „ślepych” rdzeniach, które nigdy nie były użyte podczas treningu. W szerokim zakresie ciśnień od około 0,5 do 50 000 psi model odtworzył zmierzone krzywe kapilarne dla rtęci z przeciętnym współczynnikiem determinacji (R²) równym 0,94 i średnim błędem bezwzględnym nasycenia na poziomie około 3,6 procent na zbiorze ślepym. Metoda działała spójnie dla piaskowców, karbonatów i gęstych łupków. Analiza wrażliwości wykazała, że na prognozy dominują parametr J skalowany względem ciśnienia, podczas gdy cechy pochodzące z NMR dopracowywały kształt krzywej, wychwytując różnice w strukturze systemu porów. Gdy przewidziane krzywe rtęciowe przeliczo­no na warunki solanka–CO2 przy użyciu standardowych relacji skalujących, dobrze zgadzały się z laboratoryjnie przeliczonymi krzywymi stosowanymi w badaniach składowania CO2.

Co to oznacza dla przyszłych projektów składowania CO2

Badanie pokazuje, że starannie zaprojektowane modele uczenia maszynowego mogą przekształcić szybkie, niedestrukcyjne pomiary NMR w wiarygodne krzywe ciśnienia kapilarnego, znacznie zmniejszając potrzebę niebezpiecznych testów wtłaczania rtęci. Ponieważ narzędzia NMR są już stosowane zarówno w laboratoriach, jak i jako urządzenia pomiarowe na kablach w odwiertach, podejście to mogłoby umożliwić niemal ciągłe profilowanie zdolności uszczelniającej i zachowania uwięzienia wzdłuż całego otworu. Autorzy zauważają ograniczenia, takie jak założenie warunków zwilżalności wodnej i obecny rozmiar zbioru treningowego, jednak ich wyniki wskazują praktyczną ścieżkę ku bezpieczniejszej, tańszej i bardziej rozległej ocenie miejsc składowania CO2 pod ziemią — co pomaga inżynierom lepiej ocenić, jak pewnie wtłoczony węgiel może zostać utrzymany z dala od atmosfery.

Cytowanie: 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

Słowa kluczowe: geologiczne składowanie CO2, ciśnienie kapilarne, magnetyczny rezonans jądrowy, uczenie maszynowe w petrofizyce, struktura porów skał