Classificação litológica 3D probabilística a partir de volumes de propriedades elásticas: um fluxo de inversão avançado no Campo de Gás Desouq, Oeste do Delta do Nilo, Egito

Encontrando Gás Escondido Sob o Delta do Nilo

Localizar novos reservatórios de gás está ficando mais difícil à medida que os alvos mais fáceis já foram explorados. No delta do Nilo em terra, as camadas rochosas são complexas e imagens sísmicas tradicionais podem facilmente enganar, levando empresas a perfurar poços caros e secos ou de baixo rendimento. Este estudo apresenta uma nova maneira de “ver” o subsolo: combina processamento sísmico avançado, análise de propriedades das rochas e aprendizado de máquina probabilístico para construir uma imagem 3D de quais rochas provavelmente contêm gás e quais são compactas ou preenchidas por água, ajudando a reduzir o risco de exploração e desperdício em perfurações.

Um Quebra‑cabeça Subsuperficial Desafiador

O Campo de Gás Desouq está localizado numa parte geologicamente intrincada do Oeste do Delta do Nilo, onde falhas, canais e variações no nível do mar empilharam areias, folhelhos e evaporitos em padrões entrelaçados. O gás está principalmente aprisionado em canais de areia da Formação Abu Madi, mas um problema específico é a anidrita, uma rocha muito densa e pouco permeável. Camadas finas de anidrita podem criar reflexões sísmicas fortes que se assemelham muito a areias portadoras de gás. Abordagens anteriores dependiam principalmente de produtos sísmicos mais simples e mapas de amplitude, que não conseguiam distinguir com segurança esses sinais semelhantes, deixando as empresas em dúvida se um ponto sísmico brilhante era um alvo promissor de gás ou apenas um estrato compacto e não produtivo.

Convertendo Ecos Sísmicos em Tipos de Rocha

Para enfrentar isso, os autores construíram um fluxo de trabalho em duas etapas. Primeiro, usaram inversão sísmica pré‑empilhamento, que analisa como as reflexões sísmicas mudam com o ângulo para estimar propriedades subterrâneas chave, como impedância P, impedância S e a razão entre velocidades de ondas compressional e de cisalhamento. Essas propriedades foram calibradas com medições de cinco poços, onde registros detalhados mostram como gama, densidade, velocidades sônicas e outros indicadores variam ao longo da coluna rochosa. Verificações cuidadosas de qualidade garantiram que os volumes de propriedades invertidos correspondessem aos dados dos poços e seguissem o empilhamento geológico conhecido, criando um modelo inicial confiável do subsolo.

Ensinando o Computador a Reconhecer Rochas

A segunda etapa transformou essas propriedades calibradas em um modelo estatístico de tipos de rocha. Nas localizações dos poços, a equipe realizou análise petrofísica para identificar quais profundidades continham areia portadora de gás, areia úmida, folhelho ou anidrita compacta. Em seguida, usaram cross‑plots de física das rochas para ver como esses tipos se agrupam em termos de impedância e razões de velocidade. A partir desses agrupamentos, construíram funções de densidade de probabilidade — essencialmente impressões digitais que descrevem quão provável é que uma dada combinação de propriedades pertença a cada tipo de rocha. Um classificador de aprendizado de máquina treinado com esses dados rotulados dos poços foi então aplicado por todo o volume sísmico 3D, produzindo “cubos de probabilidade” que, para cada ponto no subsolo, estimam as chances de ser areia com gás, areia úmida, folhelho ou anidrita.

O Que a Nova Visão 3D Revela

Os mapas probabilísticos resultantes mostram canais compartimentados de areia carregada de gás entrelaçando-se na Formação Abu Madi. Importante, eles refinam interpretações anteriores ao separar assinaturas verdadeiras de gás de pontos brilhantes enganadores causados por camadas finas de anidrita. Estatísticas de matriz de confusão indicam que o modelo identifica areias com gás com alta acurácia, enquanto a classificação errônea de anidrita é muito baixa. Quando os cubos de probabilidade são comparados com seções sísmicas e registros de poço, zonas de alta probabilidade de areia com gás alinham‑se com intervalos de baixa saturação de água, dando aos operadores mais confiança sobre onde o gás realmente reside. A análise também revela oito zonas adicionais contendo gás na parte sudoeste do campo que anteriormente haviam sido descartadas ou permaneciam incertas.

Por Que Isso Importa para a Exploração Futura

Em termos práticos, este estudo atualiza os “olhos” subterrâneos da indústria de uma imagem em preto e branco borrada para um mapa 3D colorido de prováveis tipos de rocha e fluidos. Ao combinar inversão sísmica avançada, física das rochas e classificação probabilística, o fluxo de trabalho reduz pistas falsas causadas por rochas compactas enganadoras e delineia melhor onde as areias ricas em gás estão conectadas ou compartimentadas. Apesar de algumas incertezas permanecerem — especialmente onde areias com gás e com água se parecem ou onde camadas são mais finas que a resolução sísmica — este método integrado oferece um guia mais confiável para escolher locais de perfuração e planejar o desenvolvimento do campo, no Delta do Nilo e em outras bacias complexas ao redor do mundo.

Citação: 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

Palavras-chave: gás do Delta do Nilo, inversão sísmica, classificação litológica, modelagem de reservatório probabilística, física das rochas