The Relationship between Soil Structure and Water Characteristics Based on Fractal Theory
-
摘要: 为定量获得土壤结构对其水力性质的指示作用，室内实验选用华北平原子牙河流域原状土样为研究对象，用张力计法和激光粒度分析仪分别测定土壤水分特征曲线和样品粒度分布，基于分形理论计算土壤粒度分布的分形维数，采用实验测定与模型验证相结合的方法对水分特征曲线进行分析.结果表明，土壤颗粒粒度分布在[10 μm，50 μm]区间内的分段分维值是表征土壤粒度累积分布显著上升段特征的关键参数，与0~80 kPa吸力范围内的土壤水分特征曲线幂函数模型拟合参数(a、b)有极显著相关关系.研究区内土壤水分特征曲线以分形形式表达的幂函数模型为：θ=100.78×(3-D)S(D-3)/3，利用土壤结构分形特征能够有效指示其水力性质.Abstract: In order to understand the indicative effect of soil structure on its hydraulic properties, undisturbed soil samples from the Ziya-River basin in the North China plain were selected as the research objects. The soil water characteristic curve was measured by tension meter method, and the particle size distribution of soil samples was measured by laser particle size analyzer. The fractal dimension of soil particle size distribution was calculated based on fractal theory. Soil water characteristic curve was analyzed by experimental measurement and model verification. The fractal dimension of soil particle size distribution in the range of[10 μm, 50 μm] is the key parameter to characterize the characteristics of the significant rising section of soil particle size distribution, which is significantly correlated with the fitting parameters (a, b) of the power function model of soil water characteristic curve in the suction range of 0-80 kPa. The power function model expressed by the fractal form of soil water characteristic curve in the study area is: θ=100.78×(3-D)S(D-3)/3, and the fractal characteristics of soil structure can effectively indicate its hydraulic properties.
-
Key words:
- soil /
- fractal theory /
- soil particle size distribution /
- soil water characteristic curve /
- hydrogeology
-
0. 引言
混合沉积可分为狭义的和广义的，狭义的是指在同一岩层内陆源碎屑与碳酸盐组分的混合，形成典型的混积岩；而广义的混合沉积则包括了狭义的以及由陆源碎屑岩与碳酸盐岩构成交替互层或夹层的混合（冯进来等，2011）.渤海海域沙一二段混积岩岩石类型主要是组分内混积，而沙三段和沙四段混积岩则以层系混积为主，本次研究主要针对沙一二段.陆源碎屑与碳酸盐混合沉积作为一种特殊沉积类型，既是了解盆地内构造活动、古气候、海（湖）平面变化、沉积速率以及沉积动力学的特殊标志（董桂玉等，2007a；解习农等，2018），又是重要的优质油气储层储集体，这种特殊沉积类型近年来引起了国内外学者的广泛关注，混积岩的命名与分类、沉积模式和沉积微相、成因机制与控制因素等方面已做过广泛的讨论（张宁生等，2006；董桂玉等，2007b；王金友等，2013；赵灿等，2013）.相比较而言，混积岩的测井识别鲜有文章进行报道（彭晓群等，2012；司马立强等，2014）.
渤海海域是迄今为止我国陆相混积岩最为发育的区域，在多个构造带古近系发现了陆源碎屑与碳酸盐岩混合沉积的现象，并发现多个与混积岩相关的大中型油田（刘志刚等，2011；宋章强等，2013；韩建斌等，2018；王清斌等，2018；张藜等，2019），获得了大量的岩心、壁心和岩屑等实物资料，为研究湖相混积岩提供了难得的素材.秦皇岛29-A构造钻探的QHD29-A-4井累计发现油层厚度超200 m，混积岩储层段测试日产优质原油达到千吨（王清斌等，2019），掀起了渤海混积岩勘探的热潮，但随后的BZ27-B-2、CFD5-C-3D、LD25-S-1井等也钻遇类似混积岩储层，储层品质差异悬殊.混积岩储层评价已成为油气开发最重要的核心地质问题之一，而岩性识别是储层评价的基础，对渤海海域混积岩储层的勘探开发具有重要意义.本文在详细描述渤海海域古近系沙一二段混积岩储层岩石学特征的基础上，结合分析化验资料，应用常规测井资料对混积岩储层进行测井分类和岩性识别，建立混积岩储层的测井响应特征图版和测井识别半定量识别流程.这一研究对渤海海域乃至陆上油田湖相混积岩储层的勘探评价都具有借鉴意义.
1. 混积岩的岩石学和测井地质学分类
混积岩属于过渡类型岩石，岩石类型复杂，迄今为止，岩石学命名方案至今没有统一认识，严重影响了这类储层的测井岩性识别，为初期测试取样和后期测井解释、储层评价带来了巨大的困难，因此有必要对混积岩进行简化和归类，系统地进行测井地质学分类.
1.1 混积岩的岩石学分类与命名
国内外混积岩的分类与命名研究多聚焦于端元组分构成、成分比例等基本问题的讨论.Williams et al.（1982）按照沉积物来源成分差异分为钙质砂岩（calcareous sandstone）、砂质灰岩（sandy limestone）、钙质泥岩（calcareous mudstone）、泥质灰岩（argillaceous limestone）4类.Mount（1984）提出按成因将浅海混合沉积分为间断混合、相缘混合、原地混合和母岩混合等4种类型，至今仍然是最为经典和应用最广的混积岩分类方法，这种分类方式适于成因分类而不适用岩石分类命名，于是Mount（1985）提出了一种结构-组分初步划分方案，采用四端元（砂、异化粒、灰泥和泥质物）的立体图法进行分类，不是那么直观.杨朝青和沙庆安（1990）首次提出采用陆源碎屑、碳酸盐、黏土三端元组分分类图版，并将碳酸盐组分 > 25%、陆源碎屑组分 > 10%的混合沉积物定义为混积岩.张雄华（2000）继承了杨朝青的三端元组分分类方案，但对不同组分的比例进行了重新定义，提出将黏土质量分数为0~50%、碳酸盐质量分数为5%~95%、陆源碎屑质量分数为5%~95%的混合沉积定义为混积岩.王杰琼等（2014）对碳酸盐组分进行了重新定义，提出了外源碎屑、外源黏土、内源化学/生化沉淀的碳酸盐作为三端元组分进行沉积岩分类，划分出灰-砂混积岩、砂-灰混积岩、泥-灰混积岩、灰-泥混积岩、泥-砂混积岩、砂-泥混积岩、正混积岩等7种类型.解习农等（2018）在对世界范围所报道的混积岩类型进行了详细的研究后认为，陆源碎屑、生物成因碳酸盐颗粒及化学成因碳酸盐是混积岩主要的岩石组构，提出了陆源碎屑、生物成因碳酸盐颗粒及化学成因碳酸盐三端元的划分方案，并构建了混积岩的三角图岩石分类系统（解习农等，2018）.
混积岩的岩石学分类和命名虽然还没有统一的标准，但前人大量的研究揭示混积岩的端元组成和成分比例是其命名的核心，生产实践揭示碳酸盐组分中方解石和白云石的含量及其产状是影响储层品质的关键因素，这为测井地质学分类奠定了岩石学基础.
1.2 混积岩的测井地质学分类
相对于混积岩的岩石学和成因研究，混积岩的测井分类与识别鲜有报告，彭晓群等（2012）提出了矿物成分差异、矿物成分含量简化和孔隙结构为核心的混积岩归类原则，将柴达木盆地小梁山地区湖相混积岩分为泥岩类、砂岩类及碳酸盐岩类.混积岩的成分、结构简化是其测井分类识别的前提.任何一种岩石或一种物质，其本身是化学属性和物理属性的统一体，同时测井曲线恰恰是岩石化学属性和岩石物理结构的综合反映.通过对混积岩类储层的两种属性单独识别进而实现了难度降级处理，不但更容易找出敏感曲线，而且还能对混积岩类储层的成分和结构进行识别，同时这种分类方法也兼顾了测井评价对矿物成分和岩石结构的要求.因此，对某一岩石进行成分和结构的二级分类，再进行岩石成分和结构的逐步识别，达到岩性综合识别是一条可行方法.
基于这种思路，对渤海海域古近系发育的混积岩进行了“成分-结构”二级测井地质学分类，成分分类是按照薄片鉴定或岩石全岩测定结果中方解石/白云石/粘土含量 > 25%进行归类，若其中两个或均大于25%，取含量较大的作为样品的成分属性，按成分可分为云质、灰质和泥质3种类型；结构分类是将薄片鉴定中岩石结构为样品的结构属性，可分为粒屑结构、砂状结构、砂砾状结构和泥状结构.渤海沙一二段混积岩可以细分为粒屑云岩、云质砂岩、云质砂砾岩、云质泥岩、粒屑灰岩、灰质砂岩、灰质砂砾岩、灰质泥岩、泥质砂岩及泥质砂砾岩10类（图 1，表 1）.大量物性数据（336个）统计揭示混积岩中碳酸盐岩组分白云石为主时，储层物性往往较好，为优质储层；而碳酸盐岩组分以方解石为主时，储层物性往往较差，为低孔渗储层（图 2）.因此，这种分类方法不但能够达到岩性识别的目的，而且还可以用于储层评价.
图 1 岩石类型及显微照片a.Q29-A-5，3 383.32 m, 白云质砂砾岩；b.B29-D-5，2 351.27 m，含生屑表鲕状云质中砂岩；c.Q29-A-5，3 383.17 m，含生屑表鲕状云质砾岩；d.C5-C-3D，3 658.00 m，亮晶粒屑灰岩；e.S36-F-15，2 474.10 m，含陆屑生屑白云岩；f.Q29-A-5，含陆屑生屑表鲕状砂岩；g. B27-B-1，3 775.00 m，云质中-细粒岩屑长石砂岩；h. Q29-A-5，3 395.00 m白云质表鲕状砾岩；i.C5-C-3D，3 658.00 m，亮晶粒屑灰岩，泥晶白云石包壳包裹陆屑，粒间方解石胶结；j. B27-B-1，3 779.00 m，灰质粗粒岩屑长石砂岩; k. Q29-A-4，3 564.50 m，含灰质角砾岩Fig. 1. Rock types and micrographs表 1 研究区混积岩测井地质学分类Table Supplementary Table Logging geology classification of mixed sedimentary rocks in the research area岩石成分 岩石结构 粒屑结构
（碳酸盐岩）砂状结构
（砂岩）砂砾状结构
（砂砾岩）泥状结构
（泥岩）云质 粒屑云岩（Ⅰ） 云质砂岩(Ⅲ) 云质砂砾岩(Ⅱ) 云质泥岩 灰质 粒屑灰岩(Ⅵ) 灰质砂岩(Ⅴ) 灰质砂砾岩(Ⅳ) 灰质泥岩 泥质 — 泥质砂岩 泥质砂砾岩 泥岩 
图 2 混积岩储层孔隙度（a）和渗透率特征（b）Fig. 2. Porosity (a) and permeability (b) characteristics of mixed sedimentary reservoirs1.3 渤海混积岩发育地质背景
渤海海域混积岩类型复杂多样、不同构造零星分布，但总体上看混积岩发育具有以下几个地质背景和特征：①具有商业规模的混积岩储层主要发育于古近纪沙一二段沉积时期，该时期盆地构造活动相对稳定（解习农等，2018），沉降速率减缓，周期性的湖水进退对混合沉积作用的发生起到了不可或缺的作用，湖侵体系域和低位体系域末期较为发育；②沙二段为干热-温润中亚热带气候条件偏淡水环境，沙一段为温润北亚热带气候条件半咸水环境，有利于藻类及腹足类等生物生长繁盛和湖相混积岩的发育（刘志刚等，2011；刘士磊等，2012；解习农等，2018）；③湖泊水体由沙二段的收敛期进入沙一段扩展期，水体面积较大、相对较浅且水体偏咸，并以盆内局部物源为陆屑供给来源（刘士磊等，2012；解习农等，2018）.在湖泊水体广、浅且偏咸的背景下，微古地貌对混积岩的规模和类型产生了重要的影响：陡坡带扇三角洲或辫状河三角洲在陆源碎屑供给间歇期形成混合沉积，以秦皇岛29-A、渤中27-B和渤中36-W构造为典型代表，岩性以表鲕状云质砂砾岩和云（灰）质砂岩为主；斜坡带滨岸沉积区往往发育砂质生屑滩和层系混合沉积，以秦皇岛36-D和曹妃甸5-C构造为代表，岩性以生屑云岩、鲕粒灰岩等粒屑结构混积岩为主；湖基面附近的正地形的水下古隆起易于发育粒屑滩（刘志刚等，2011），以锦州20-E构造的生屑云岩为典型代表.综上，上述混积岩测井地质学分类对其发育地质背景也有一定指示意义.
2. 混积岩储层类型与测井响应特征
成分-结构分类的岩性简化分类为测井识别复杂混积岩储层奠定了基础.应用岩（壁）心、薄片以及全岩资料对秦皇岛29-A、渤中27-B、曹妃甸5-C、秦皇岛36-D等7个构造混积岩储层发育段岩石类型进行了标定，系统总结了渤海海域古近系沙一二段不同类型混积岩测井响应特征（表 2，图 3和图 4）.从渤海油田生产实践和国内外研究结果来看，混积岩中碳酸盐岩组分类型对其储层品质具有重要的影响（图 2），混积岩储层中碳酸盐组分是方解石还是白云石对勘探实践和后期成岩作用研究来说显得尤为重要.因此，混积岩储层测井响应特征部分采取了组分优先的对比方法，分别将碳酸盐岩组分以白云石和以方解石为主的不同结构的混积岩储层进行对比研究，结果揭示整体上碳酸盐岩组分以白云石为主的混积岩普遍具有相对较小的密度和较大的中子值，而碳酸盐组分以方解石为主的混积岩普遍具有相对较大的密度和较小的中子值，中子与密度曲线对混积岩中碳酸组分类型具有指示意义；低自然伽马反映碳酸盐组分含量较高，高自然伽马反映陆源碎屑砾石含量较高，自然伽马曲线对混积岩结构具有重要指示意义；深浅电阻率之间的差值对储层的渗透性具有一定指示意义.
表 2 渤海海域沙一二段混积岩储层测井响应特征Table Supplementary Table Logging response characteristics of the mixed sedimentary reservoirs of E2s1-2 in Bohai Sea area岩性 自然伽马 深浅电阻率组合特征 中子与密度组合特征 代表井 粒屑云岩 较低且齿状特征不明显 正差异较大 同向向左 Q36-D-2、J20-E-5 云质砂岩 齿状特征明显，呈钟型或箱型 正差异中等 绞合状 B27-B-1、B27-B-2 云质砂砾岩 相对较高 正差异较小 绞合状 Q29-A-5、B36-W-2 粒屑灰岩 较低且呈平滑箱状特征 重合 同向向右 C5-C-3D、Q36-D-2 灰质砂岩 较低且齿状特征明显 重合到较大 绞合状 P14-X-1、B27-B-1 灰质砂砾岩 相对较高 重合 小的负差异 Q29-A-4 
图 3 碳酸盐组分以白云石为主的混积岩储层及测井响应特征Fig. 3. Mixed sedimentary reservoir with dolomite as dominant carbonate component and log response characteristics
图 4 碳酸盐组分以方解石为主的混积岩储层及测井响应特征Fig. 4. Mixed sedimentary reservoirs with calcite as dominant carbonate component and log response characteristics2.1 碳酸盐组分以白云石为主的混积岩储层及测井响应特征
碳酸盐组分以白云石为主的混积岩储层，白云石质量分数在25%~96%，按照岩石结构可以分为3个亚类：第1类是粒屑结构，主要有表鲕状白云质砂岩（图 1b，1f）和砂质生屑云岩（图 1e）两种岩石类型，表鲕状白云质砂岩中白云石质量分数为54%~73%，平均为66%，方解石质量分数为0~9%，平均为1%，陆源碎屑质量分数为25%~44%，平均为31%，陆源碎屑主要以细-中粒岩屑砂岩为主，结构上为泥晶-粉晶白云石包壳包裹岩屑砂岩形成的表鲕状结构；而砂质生屑云岩的岩石骨架颗粒基本上由生物碎屑组成，粒屑结构，白云石质量分数为85%~96%，陆源碎屑质量分数在4%~15%，二者在测井曲线上具有较为相似的响应特征，表现为密度ZDEN和中子CNCF曲线同向向左特征明显，同时深侧向电阻率RD和浅侧向电阻率RS具有较大的正差异特征，深浅电阻率差值介于3.7~68.0 Ω·m，平均32.5 Ω·m，反映这类岩石具有较好的渗透性；自然伽马GR值通常相对较低且齿状特征不明显，反映形成于相对稳定的水体环境（图 3）.
第2类是砂状结构，岩石类型以泥晶云质砂岩为主（图 1g），亮晶云质砂岩次之，呈砂状结构，白云石以粒间充填或者亮晶胶结形式存在，白云石质量分数为25%~63%，平均为35.3%，方解石质量分数为1%~30%，平均为8.5%，陆源碎屑质量分数为24%~63%，平均为48.9%，陆源碎屑主要以细-中粒岩屑（长石）砂岩为主.测井曲线特征表现为：泥晶云质砂岩的深浅侧向电阻率曲线之间具有中等正差异特征，差值介于3.8~43.5 Ω·m，平均17.8 Ω·m，亮晶云质砂岩的深浅电阻率曲线之间正差异较小，差值介于2.5~4.0 Ω·m，平均3.0 Ω·m；中子CNCF与密度ZDEN曲线石灰岩刻度下交会形态呈绞合状；自然伽马GR值齿状特征明显，呈钟型或箱型具水下分流河道特征（图 3）.
第3类是砂砾状结构，岩石类型主要为表鲕状白云质砂砾岩（图 1a，1c，1h），白云石质量分数为25%~86%，平均为47%，陆源碎屑质量分数为13%~91%，平均为48%，陆源碎屑主要以流纹岩岩屑和安山岩岩屑等火成岩岩块为主，结构上为泥晶套和栉壳状白云石环绕砾石形成的表鲕状结构.表鲕状白云质砂砾岩在测井曲线上主要表现为：石灰岩刻度下中子CNCF曲线在左，密度ZDEN曲线在右，交会形成小的负差异（宋柏荣等，2011），深侧向电阻率RD和和浅侧向电阻率RS曲线之间具有小的正差异，差值介于1.5~3.0 Ω·m，平均2.5 Ω·m，自然伽马GR高值较白云质砂岩明显（图 3）.白云质砾岩除上述特征外，深侧向电阻率RD与浅侧向电阻率RS具有负差异特征，深浅电阻率介于-7.5~3.7 Ω·m，平均1.8 Ω·m.
2.2 碳酸盐组分以方解石为主的混积岩储层及测井响应特征
碳酸盐组分以方解石为主的混积岩储层，方解石质量分数为25%~59%，按照岩石结构可以分为3个亚类：第1类是粒屑结构，岩性主要为粒屑灰岩（图 1d和图 1i），方解石质量分数为25%~58%，平均为43.4%，白云石质量分数为1~35%，平均为12.0%，陆源碎屑质量分数为17%~63%，平均为37.4%，陆源碎屑主要以细-中粒长石岩屑砂和岩屑长石砂岩为主，结构上为泥晶白云石包壳包裹岩屑砂岩形成的表鲕状粒屑结构，亮晶方解石呈粒间基底式胶结.在测井曲线上表现为密度ZDEN和中子CNCF曲线石灰岩刻度下同向向右且存在小幅负差异，反映这类储层较为致密，同时深侧向电阻率RD和浅侧向电阻率RS重合，反映这类岩石具有渗透性较差；自然伽马GR值低值且呈平滑箱状特征，反映形成于相对稳定的水体环境（图 4）.
第2类是砂状结构，岩石类型以亮晶灰质砂岩为主（图 1j），泥晶灰质砂岩次之，方解石以亮晶或泥晶形式粒间胶结，方解石质量分数为26%~59%，平均为42.4%，白云石质量分数为8%~21%，平均为12.8%，陆源碎屑质量分数为25%~48%，平均为36.7%，陆源碎屑主要以细-中粒岩屑（长石）砂岩为主.测井曲线上泥晶灰质砂岩的深浅电阻率曲线之间正差异明显，差值介于16.0~76.0 Ω·m，平均32.0 Ω·m，亮晶灰质砂岩的深浅电阻率曲线之间正差异较小或呈绞合状特征，差值介于0~13.8 Ω·m，平均7.4 Ω·m，中子CNCF与密度ZDEN曲线交会形态呈绞合状，自然伽马GR较小且齿状特征明显，反映水体环境较为动荡（图 4）.
第3类是砂砾状结构，岩石类型主要为灰质砾岩（图 1k），方解石质量分数为17%~36%，平均为29.5%，陆源碎屑质量分数为58%~85%，平均为48%，陆源碎屑主以花岗岩、流纹岩和安山岩等火成岩岩块为主，结构上以亮晶方解石粒间胶结为主.灰质砾岩在测井曲线上主要表现为ZDEN和CNCF曲线交会形态呈小的负差异，深侧向电阻率RD和和浅侧向电阻率RS曲线重合，自然伽马GR高值明显是其主要特征（图 4）.
综上所述，可以看出自然伽马和电阻率曲线对混积岩类储层的结构有较好的指示意义.粒屑结构和砂状结构混积岩的自然伽马GR较低，普遍小于75 API，而砂砾状结构混积岩的自然伽马值较高，普遍大于75 API；整体上，粒屑结构、砂状结构、砂砾状结构混积岩的深浅侧向电阻率率差值逐渐减小.同时也可以看出，云质粒屑结构混积岩的中子孔隙度较大，且中子-密度曲线交会呈同向向左，而灰质粒屑结构混积岩的中子孔隙度相对较小，且中子-密度曲线交会同向向右（图 3，图 4），除了反映云质混积岩类物性较好外，与白云石对热中子的减速能力大于方解石也有一定关系，表明其对混积岩岩石成分具有一定指示意义.
3. 混积岩储层的半定量测井识别方法
为了进一步明确不同测井曲线对混积岩岩石成分与结构的指示意义，基于“成分-结构”二级测井地质学岩石分类，对Q29-A-5、B27-B-1、C5-C-5D、Q36-D-2、J20-E-5等9口井进行了岩性标定，应用箱型图法分析不同岩性的不同测井曲线分布范围，揭示自然伽马、光电吸收截面指数以及中子曲线在混积岩岩石成分和结构方面具有重要指示意义（表 3）.
表 3 常规测井原理、影响因素及其在混积岩成分和结构的指示意义Table Supplementary Table Principle of conventional logging, influencing factors and their indication significance in the composition and structure of mixed sedimentary reservoir测井曲线 响应机理 影响因素 结构指示意义 成分指示意义 自然伽马 U、Th、K含量 粒度、碱性长石与沉积环境 泥状与砂砾状结构高
粒屑与砂状结构低泥质高，云质和灰质低 密度 康普顿效应 矿物类型与孔隙 灰质高，泥质中，云质低 中子 弹性散射 矿物类型与含氢流体 粒屑云岩同向向左
粒屑灰岩同向向右云质高，泥质中，灰质低 电阻率 电导率 流体类型与岩石结构 泥状和砂砾状结构低
粒屑和砂状结构高光电吸收截面指数 光电效应 矿物类型 泥质低、灰质中，云质高 声波时差 纵波传播速度 骨架密度与孔隙度 灰质低、泥质中、云质高 3.1 成分-结构指示敏感曲线优选
3.1.1 自然伽马曲线
自然伽马测井是通过测量岩层的自然伽马射线的强度来认识岩层的一种放射性测井方法，是在井内测量岩层中自然存在的放射性元素核衰变过程中放射出来的伽马射线的强度.岩石的自然伽马放射性水平主要决定于铀（U）、钍（Th）和钾（K）的含量及其分布情况.岩石中所含的放射性元素的种类和数量不同，放射性强度也不同.泥岩自然伽马值往往较高，灰岩和白云岩的自然伽马值较低，渤海海域古近系砂砾岩的砾石成分以中酸性火山岩为主，因此砂砾岩的自然伽马也往往对应高值.
对研究区壁（岩）心标定混积岩的GR曲线研究发现，自然伽马曲线对混积岩的成分和结构都有较好的指示作用.其成分的指示表现为泥质混积岩的GR值较高，云质和灰质混积岩的GR值则较低（图 5a），而对结构指示意义表现在泥状结构、砂砾状结构混积岩的GR值相对较高，而粒屑结构和砂状结构混积岩的GR值相对较低（图 5b）.自然伽马大于75（API），往往指示云（灰）质泥岩或者云（灰）质砂砾岩，而自然伽马小于75（API），往往指示云（灰）质砂岩或者粒屑云（灰）岩.
图 5 自然伽马成分分类箱型图(a)和结构分类箱型图(b)Fig. 5. Natural gamma component classification box diagram(a) and structure classification box diagram(b)3.1.2 中子密度曲线
中子测井是利用地层中氢核对快中子的减速能力测量地层的含氢指数，进而确定地层孔隙度的测井方法（牛一雄等，2004）.中子测井实质是测量氢的含量，对沉积岩来说，补偿中子测井主要受孔隙流体中氢的影响，对火成岩主要受组成岩石的矿物以及孔隙和裂缝中流体含量的影响.对于混积岩来说，由于岩石中具有较高含量的方解石和白云石，而纯白云岩（石）对快中子的宏观减速能力大于石灰岩（石），因此可以用这种差别来进行对混积岩中方解石和白云石的相对含量进行区分.
密度测井是指利用伽马源发射的伽马射线照射地层，根据康普顿效应分析地层密度的一种放射性测井方法.密度测井值受岩石矿物成分、孔隙和裂缝等因素的影响（寇彧等，2010）.一般情况，岩石越致密、孔隙越不发育，岩石密度越大；且碳酸盐岩的密度大于碎屑岩.研究区混积岩中白云石若以生物碎屑、颗粒包壳和孔隙衬垫等产状出现，对储集空间的形成和保存具有建设性作用，孔隙一般较为发育，岩石密度相对较小；而混积岩中的碳酸盐组分若以粒间胶结物或交代碎屑颗粒产状出现，则对储集空间的形成和保存具有负面作用，孔隙一般较差，岩石密度相对较大.
中子-密度交会图分析揭示中子和密度对混积岩的岩石成分具有较好的指示意义，可较好地将云质、灰质和泥质进行有效区分（图 6a），而对混积岩结构识别效果不佳，无法将泥质结构、砂状结构、砂砾结构及粒屑结构区分开（图 6b）.
图 6 混积岩成分分类中子-密度交会图(a)、结构分类中子-密度交会图(b)、成分分类中子箱型图(c)和成分分类密度值箱型图(d)Fig. 6. Mixed sedimentary rock of neutron-density crossplot for component classification (a), neutron-density crossplot for structure classification (b), component classification box diagram using CNCF (c) and component classification box diagram using ZDEN (d)中子曲线对样品的成分的指示表现为：云质混积岩类的中子值较高，泥质中等，灰质的最低（图 6c）.混积岩中富含方解石，则中子CNCF往往小于12%，而如果混积岩中富含泥岩或者白云石，则中子CNCF往往大于12%.
密度曲线对混积岩成分的指示表现为：灰质混积岩的中子值较高，泥质中等，云质的最低（图 6d）.混积岩中富含白云石，则密度ZDEN往往小于2.55 g/cm3，而富含泥质和方解石，则密度ZDEN往往大于2.55 g/cm3.
综上，通过中子和密度曲线可以将灰质、云质和泥质混积岩较好地区分出来（图 6a），灰质混积岩具有高密度、低中子特征；云质混积岩具有低密度、高中子特征.泥质混积岩类具有较高的自然伽马值，易于区分.
3.1.3 电阻率曲线
电阻率测井通过测量地层电阻率来研究井剖面地层性质的测井方法，主要受到岩石结构及流体类型的影响.对研究区壁（岩）心标定混积岩的电阻率测井曲线研究分析，分别作电阻率值成分分类、结构分类箱型图发现，电阻率曲线对样品成分识别整体效果不佳（图 7a），无法将几种岩性完全区分开，但对结构识别效果较好（图 7b），泥状结构、砂砾状结构、砂状结构、粒屑结混积岩的深侧向电阻率RD值依次递增，泥状结构和砂砾状结构混积岩的深侧向电阻率RD值较低，介于3.0~30.0 Ω·m，粒屑结构和砂状结构混积岩的深侧向电阻率RD值较高，介于8.0~110.0 Ω·m.其中，泥状结构混积岩深侧向电阻率RD普遍小于5.0 Ω·m，而砂砾状结构混积岩的深侧向电阻率RD普遍介于5.0~30.0 Ω·m.另外，对4种结构分别作3种电阻率值（RD、RS、RMLL）箱型图（图 7c~7f），发现泥状结构及砂砾状结构混积岩深、中、微侧向电阻率3R分异度较低，而粒屑结构及砂状结构混积岩深、中、微侧向电阻率3R分异度较高.
图 7 电阻率对成分-结构指示作用箱型图Fig. 7. Box diagrams of resistivity to component-structure indication3.1.4 光电吸收截面指数
岩石的光电吸收截面指数（PE）是描述发生光电效应时物质对伽马光子吸收能力的一个参数，即伽马光子与岩石中一个电子发生光电效应的平均光电吸收截面.因此，光电吸收截面指数PE可以反映岩石的平均原子序数Z，由于碳酸盐岩和碎屑岩化学组成截然不同，碳酸盐岩矿物具有较高的PE，可以利用PE曲线进行混积岩中碳酸盐相对含量的定性识别.统计分析表明，光电吸收截面指数PE对混积岩的岩石成分有较高的区分效果.如果PE大于4.0 b/e，则指示碳酸盐组分含量较高，而PE小于4.0 b/e，则指示泥质组分含量较高（图 8a），可以用PE对泥质与云质和灰质类混积岩进行区分.光电吸收截面指数PE对混积岩类结构区分效果较差，对泥状结构、粒屑结构、砂状结构和砂砾状结构混积岩很难进行区分（图 8b）.
图 8 光电吸收截面指数对成分-结构指示作用箱型图Fig. 8. Photoelectric absorption cross section index for component-structure indicator box diagrams3.1.5 声波曲线
由于声波测井受矿物成分，致密程度，岩石结构及孔隙流体性质等因素的影响，即使同一种岩性，其测量值也变化较大，规律性不强，因此岩性识别一般不使用声波测井（李宁等，2009）.但在混积岩岩石成分识别方面，研究揭示从灰质、泥质到云质混积岩的声波时差逐渐增大（图 9a）.在利用伽马曲线有效区分泥质混积岩的基础上，利用声波时差可以有效区分灰质与云质混积岩类，其中灰质混积岩类声波时差在55~65 μs/ft，而云质混积岩声波时差铸体在60~115 μs/ft.声波时差对岩石结构敏感性较差（图 9b）.
图 9 声波对成分-结构指示作用箱型图Fig. 9. Component-structure indicator box diagrams of acoustic wave综上所述，可以看出中子CNCF、自然伽马GR对混积岩的成分和结构都较为敏感，而光电吸收截面指数PE和声波时差DT仅对岩石成分较为敏感，电阻率曲线RD仅对混积岩的结构较敏感.
3.2 混积岩储层测井识别流程及实例
3.2.1 半定量识别流程
渤海海域勘探实践以及混积岩发育段实测孔渗数据揭示碳酸盐组分以白云石为主的混积岩物性往往好于碳酸盐组分以方解石为主的混积岩（图 2）.此外，常规测井曲线针对混积岩成分和结构的优选分析也揭示，虽然不同测井曲线在岩石成分和结构识别方面都有一定敏感程度和区分效果，但总体来看，常规测井曲线对混积岩岩石成分的识别效果要优于混积岩岩石结构的识别效果（图 6a，6b）.因此，在混积岩岩石识别时，采用先进行成分分类，再进行结构识别的二级测井识别方法.首先利用补偿中子（CNCF）和光电吸收截面指数（PE）在成分上将灰质、云质及泥质混积岩区分开，再利用自然伽马曲线（GR）和电阻率曲线（RD）从结构上进行区分，建立基于“成分-结构”二级岩石学分类的混积岩二级测井解释流程（图 10）.图中敏感曲线的选择和界限值的确定依据是渤海沙一二段段地层混积岩储层发育段分析确定.如果应用非渤海沙一二段地层，需要根据前文所述方法优选对混积岩岩石成分和结构敏感的曲线，并应用箱型图统计其界限值，然后依据成分-结构指示敏感分析结果进行逐级判别.
3.2.2 应用实例及效果
根据岩性识别流程对未知岩性段进行岩性识别，依据成分优先于结构的原则，完成对未知岩性的岩石成分和结构的识别，岩石结构参考录井资料，大幅提高了岩性解释准确率，取得良好应用效果.以P14-X-1井沙一段58 m和Q36-X-2井沙二段74 m的混积岩发育段地层为例.
应用实例1为富钙质碎屑岩储层岩性识别，分析井段为2 860~2 945 m，图中第4道为根据壁心和薄片标定的岩性剖面，第5道为根据成分-结构二级分类岩性解释流程图解释的岩性剖面（图 11）.图中①号层：CNCF≤12%灰质；GR < 75 API砂状结构，解释为灰质砂岩；②号层：CNCF > 12% & PE≤4 b/e泥质；GR > 75 API泥质结构（泥岩），GR < 75 API砂状结构（泥质砂岩）；③号层：CNCF > 12% & PE > 4 b/e云质；GR < 75 API砂状结构（云质砂岩）.成分解释符合率为96%，结构解释符合率为94%，成分-结构定名解释符合率为95%.
图 11 富钙质碎屑岩储层岩性测井识别:以P14-X-1井为例Fig. 11. Lithologic logging identification of calcareous clastic rock reservoir:taking well PL14-X-1 as an example应用实例2为湖相碳酸盐岩储层岩性识别，分析井段为3 740~3 840 m，图中第6道为根据岩心、壁心和薄片标定的岩性剖面，第7道为根据成分-结构二级分类岩性解释流程图解释的岩性剖面（图 12）.图中①号层：CNCF≤12%灰质；GR < 50 API粒屑结构，解释为粒屑灰岩；②号层：CNCF > 12% & PE≤4 b/e泥质；GR > 75 API泥质结构（泥岩），GR < 75 API砂状结构（泥质砂岩）；③号层：CNCF > 12% & PE > 4 b/e云质；CNCF > 25%粒屑结构（粒屑云岩）.成分解释符合率为90%，结构解释符合率为85%，成分-结构定名解释符合率为85%.
图 12 湖相碳酸盐岩储层测井岩性识别：以Q36-X-2井为例Fig. 12. Log lithology identification of lacustrine carbonate reservoir:taking well Q36-X-2 as an example4. 结论
（1）结合混积岩储层岩石学及储层品质特征，建立了基于成分-结构分类的二级测井地质学分类方法，不仅对岩性识别，还对混积岩储层品质也具有较好的区分效果.
（2）混积岩储层中碳酸盐岩组构的成分和产状是影响储层品质的关键因素，系统总结了2个大类、6个亚类、10余种混积岩储层测井响应特征.
（3）应用箱型图法分析了常规测井曲线在岩石“成分”和“结构”识别方面的敏感性，中子CNCF和光电吸收截面指数PE对岩石成分较为敏感，自然伽马GR、电阻率RD以及中子CNCF对岩石结构较为敏感.
（4）建立的成分-结构二级解释流程实现对湖相混积岩储层岩石成分和结构的识别.在识别精度方面，成分优于结构，具有简单、高效、准确的特点.该方法为湖相混积岩储层评价分类和测井识别提供了思路，在渤海海域沙一二段及其他地区相似地质背景下湖相混积岩储层岩性识别中具有较好的应用前景.
-
图 3 正定采样点S1分维拟合图
x轴为lgdidmax；y轴为lgV(δ＜di)V0
Fig. 3. Fractal dimension fitting diagram of ZD sampling (S1)
图 4 流域内不同位置采样剖面土壤水分特征曲线
Fig. 4. SWCC curves at different sampling positions and soil depths
表 1 采样点地理位置
Table 1. Geographical data of soil sampling locations
地理位置 样品编号 坐标 高程(m) 取样深度(m) 地貌 ZD S1 114°34'36.10"E, 38°08'14.10"N 73 0.43~0.53 山前平原 S2 0.9~1.0 S3 1.40~1.50 JZ S4 115°17'55.42"E, 37°34'58.09"N 27 0.87~0.97 冲积平原 S5 1.1~1.2 HJ S6 116°07'55.00"E, 38°23'53.00"N 13 0.67~0.77 冲积平原 S7 1.25~1.35 DC S8 116°37'37.30"E, 38°39'32.88"N 7 0.7~0.8 冲积平原 S9 0.87~0.97 YGD S10 117°32'24.00"E, 39°00'48.00"N 2 0.5~0.6 滨海平原 S11 0.7~0.8 YF S12 117°34'12.70"E, 38°59'25.43"N 2 0.35~0.45 滨海平原 S13 0.6~0.7 S14 0.96~1.06 
下载: 导出CSV
表 2 采样点分段分维数
Table 2. Subsection fractal dimension of sampling point
采样点 编号 粒径特征区间(μm) 分段分维数 I1段 I2段 D1 D2 ZD S1 5~30 10~50 2.000 3 2.365 2 S2 5~30 10~50 2.039 6 2.194 3 S3 5~30 10~50 2.365 8 2.679 1 JZ S4 5~30 10~50 0.963 3 1.445 2 S5 5~30 10~50 2.262 9 2.739 3 HJ S6 5~30 10~50 1.780 7 2.164 0 S7 5~30 10~50 1.238 4 1.639 6 DC S8 5~30 10~50 2.380 9 2.790 6 S9 5~30 10~50 1.970 0 2.402 4 YGD S10 5~30 10.000~42.603 2.614 2 2.872 8 S11 5~30 10.00~38.93 2.740 3 2.918 0 YF S12 5~30 10.000~35.573 2.757 2 2.922 9 S13 5~30 10.000~35.573 2.771 5 2.926 3 S14 5~30 10.00~38.93 2.783 3 2.925 7 注：对于最大粒径小于50 μm的粒度分布，取粒径最大值作为区间右边界，如滨海新区的S10~S14采样点.
下载: 导出CSV
表 3 不同采样点下幂函数经验公式拟合结果
Table 3. The fitting results of empirical formula in different sampling points
采样点 编号 幂函数参数拟合结果 a b R2 ZD S1 56.455 3 -0.162 38 0.916 6 S2 70.747 4 -0.315 4 0.922 7 S3 55.502 7 -0.330 1 0.950 0 JZ S4 180.803 6 -0.529 1 0.767 5 S5 77.985 9 -0.213 4 0.850 5 HJ S6 114.335 7 -0.412 3 0.979 2 S7 213.844 1 -0.534 9 0.987 7 DC S8 44.891 58 -0.147 88 0.973 3 S9 52.983 8 -0.150 55 0.949 8 YGD S10 42.066 2 -0.047 56 0.945 7 S11 47.767 4 -0.038 6 0.937 3 YF S12 39.325 6 -0.116 05 0.966 9 S13 40.956 4 -0.048 6 0.981 8 S14 49.236 3 -0.060 2 0.947 8
下载: 导出CSV
表 4 土壤结构分维与土-水特征曲线拟合参数的Pearson相关系数
Table 4. Pearson correlation coefficient between FDs and SWCC fitting parameters
项目 D D1 D2 a -0.494 -0.89** -0.901** b 0.16 0.901** 0.906** 注：**表明在p < 0.01水平上极显著相关.
下载: 导出CSV
-
Baliarda, C. P., Romeu, J., Cardama, A., 2000. The Koch Monopole: A Small Fractal Antenna. IEEE Transactions on Antennas and Propagation, 48(11): 1773-1781. https://doi.org/10.1109/8.900236 Bird, N. R. A., Perrier, E., Rieu, M., 2000. The Water Retention Function for a Model of Soil Structure with Pore and Solid Fractal Distributions. European Journal of Soil Science, 51(1): 55-63. https://doi.org/10.1046/j.1365-2389.2000.00278.x Brady, N. C., Weil, R. R., 2008. The Nature and Properties of Soils, 14th Edition. Pearson Education, Inc., New Jersey. Cai, J. C., Hu, X. Y., 2015. Fractal Theory in Porous Media and Its Applications. Science Press, Beijing (in Chinese). Chakraborti, R. K., Gardner, K. H., Atkinson, J. F., et al., 2003. Changes in Fractal Dimension during Aggregation. Water Research, 37(4): 873-883. https://doi.org/10.1016/S0043-1354(02)00379-2 Cheng, D. B., Cai, C. F., Peng, Y. P., et al., 2009. Estimating Soil Water Retention Curve Based on Fractal Dimension of Soil Particle Size Distribution of Purple Soil. Acta Pedologica Sinica, 46(1): 30-36 (in Chinese with English abstract). http://d.wanfangdata.com.cn/periodical/trxb200901005 de Gennes, P. G., 1985. Partial Filling of a Fractal Structure by a Wetting Fluid. In: Adler, D., Fritzsche, H., Ovshinsky, S. R., eds., Physics of Disordered Materials. Springer, Boston. https://doi.org/10.1007/978-1-4613-2513-0_19 Ding, Y. K., Rong, N., Shan, B. Q., 2016. Impact of Extreme Oxygen Consumption by Pollutants on Macroinvertebrate Assemblages in Plain Rivers of the Ziya River Basin, North China. Environmental Science and Pollution Research, 23(14): 14147-14156. https://doi.org/10.1007/s11356-016-6404-z Du, S. H., Shi, Y. M., Guan, P., 2019. Fluid Filling Rule in Intra-Granular Pores of Feldspar and Fractal Characteristics: A Case Study on Yanchang Formation Tight Sandstone Reservoir in Ordos Basin. Earth Science, 44(12): 4252-4263 (in Chinese with English abstract). http://en.cnki.com.cn/Article_en/CJFDTotal-DQKX201912035.htm Ersahin, S., Gunal, H., Kutlu, T., et al., 2006. Estimating Specific Surface Area and Cation Exchange Capacity in Soils Using Fractal Dimension of Particle-Size Distribution. Geoderma, 136(3-4): 588-597. https://doi.org/10.1016/j.geoderma.2006.04.014 Fu, X. L., Shao, M. G., Lu, D. Q., et al., 2011. Soil Water Characteristic Curve Measurement without Bulk Density Changes and Its Implications in the Estimation of Soil Hydraulic Properties. Geoderma, 167-168: 1-8. https://doi.org/10.1016/j.geoderma.2011.08.012 Gardner, W. R., Hillel, D., Benyamini, Y., 1970. Post-Irrigation Movement of Soil Water: 1. Redistribution. Water Resources Research, 6(3): 851-861. https://doi.org/10.1029/wr006i003p00851 Hao, C., Liang, Y. Y., Meng, W. Q., et al., 2009. Relations between Plant Community Characteristic and Soil Physicochemical Factors in Natural Wetlands of Binhai New District, Tianjin. Wetland Science, 7(3): 266-272 (in Chinese with English abstract). http://en.cnki.com.cn/Article_en/CJFDTOTAL-KXSD200903011.htm He, Y. J., Lin, W. J., Wang, G. L., 2013. In-Situ Monitoring on the Soil Water-Heat Movement of Deep Vadose Zone by TDR100 System. Journal of Jilin University (Earth Science Edition), 43(6): 1972-1979 (in Chinese with English abstract). Huang, G. H., Zhan, W. H., 2002. Modeling Soil Water Retention Curve with Fractal Theory. Advances in Water Science, 13(1): 55-60 (in Chinese with English abstract). Jin, T. X., Cai, X., Chen, Y., et al., 2019. A Fractal-Based Model for Soil Water Characteristic Curve over Entire Range of Water Content. Capillarity, 2(4): 66-75. https://doi.org/10.26804/capi.2019.04.02 Lin, D., Jin, M. G., Ma, B., et al., 2014. Characteristics of Infiltration Recharge at Thickening Vadose Zone Using Soil Hydraulic Parameters. Earth Science, 39(6): 760-768 (in Chinese with English abstract). http://www.researchgate.net/publication/288539192_Characteristics_of_infiltration_recharge_at_thickening_vadose_zone_using_soil_hydraulic_parameters Ma, C. M., 2013. Experimental Instruction of Vadose Hydrology. China University of Geosciences Press, Wuhan (in Chinese). Mandelbrot, B. B., 1983. The Fractal Geometry of Nature (Revised and Enlarged Edition). WH Freeman and Co., New York. Nam, S., Gutierrez, M., Diplas, P., et al., 2010. Comparison of Testing Techniques and Models for Establishing the SWCC of Riverbank Soils. Engineering Geology, 110(1-2): 1-10. https://doi.org/10.1016/j.enggeo.2009.09.003 Niu, H., Liang, X., Li, J., et al., 2016. Paleoclimate Instruction of Sediment Grain Size and Deuterium-Oxygen Isotope in Saline Stratum of Hengshui. Earth Science, 41(3): 499-507 (in Chinese with English abstract). Pachepsky, Y., Crawford, J. W., Rawls, W. J., 2000. Fractals in Soil Science. Elsevier, Amsterdam. Peng, H. T., Horton, R., Lei, T. W., et al., 2015. A Modified Method for Estimating Fine and Coarse Fractal Dimensions of Soil Particle Size Distributions Based on Laser Diffraction Analysis. Journal of Soils and Sediments, 15(4): 937-948. https://doi.org/10.1007/s11368-014-1044-8 Phoon, K. K., Santoso, A., Quek, S. T., 2010. Probabilistic Analysis of Soil-Water Characteristic Curves. Journal of Geotechnical and Geoenvironmental Engineering, 136(3): 445-455. https://doi.org/10.1061/(asce)gt.1943-5606.0000222 Rajesh, S., Roy, S., Madhav, S., 2017. Study of Measured and Fitted SWCC Accounting the Irregularity in the Measured Dataset. International Journal of Geotechnical Engineering, 11(4): 321-331. https://doi.org/10.1080/19386362.2016.1219541 Rieu, M., Sposito, G., 1991. Fractal Fragmentation, Soil Porosity, and Soil Water Properties: I. Theory. Soil Science Society of America Journal, 55(5): 1231-1238. https://doi.org/10.2136/sssaj1991.03615995005500050006x Sillers, W. S., Fredlund, D. G., Zakerzaheh, N., 2001. Mathematical Attributes of Some Soil-Water Characteristic Curve Models. Geotechnical and Geological Engineering, 19: 243-283. doi: 10.1023/A:1013109728218 Tyler, S. W., Wheatcraft, S. W., 1990. Fractal Processes in Soil Water Retention. Water Resources Research, 26(5): 1047-1054. https://doi.org/10.1029/wr026i005p01047 Tyler, S. W., Wheatcraft, S. W., 1992. Fractal Scaling of Soil Particle-Size Distributions: Analysis and Limitations. Soil Science Society of America Journal, 56(2): 362-369. https://doi.org/10.2136/sssaj1992.03615995005600020005x Wang, Y. Y., He, Y. J., 2019. The Indicative Effect of Soil Fractal Structure on Its Hydraulic Properties. Earth Science Frontiers, 26(6): 66-74 (in Chinese with English abstract). Wei, Y., Wang, Y. Q., Han, J. C., et al., 2019. Analysis of Water Retention Characteristics of Oil-Polluted Earthy Materials with Different Textures Based on van Genuchten Model. Journal of Soils and Sediments, 19(1): 373-380. https://doi.org/10.1007/s11368-018-2026-z Xu, Y. F., Dong, P., 2004. Fractal Approach to Hydraulic Properties in Unsaturated Porous Media. Chaos, Solitons & Fractals, 19(2): 327-337. https://doi.org/10.1016/S0960-0779(03)00045-6 Yang, X. X., Wang, X. L., Wang, J. P., et al., 2019. Spatial Variation Analysis of Soil Moisture and Salinity in Tianjin Binhai New Area. Science of Soil and Water Conservation, 17(3): 39-47 (in Chinese with English abstract). Zhang, C., Liu, Y. J., Zhang, Z. L., et al., 2019. Deformation and Geochronological Characteristics of Gudonghe Ductile Shear Zone in Yanbian Area. Earth Science, 44(10): 3252-3264 (in Chinese with English abstract). http://en.cnki.com.cn/Article_en/CJFDTotal-DQKX201910007.htm 蔡建超, 胡祥云, 2015. 多孔介质分形理论与应用. 北京: 科学出版社. 程冬兵, 蔡崇法, 彭艳平, 等, 2009. 根据土壤粒径分形估计紫色土水分特征曲线. 土壤学报, 46(1): 30-36. doi: 10.3321/j.issn:0564-3929.2009.01.005 杜书恒, 师永民, 关平, 2019. 长石粒内孔流体充注规律及分形特征: 以鄂尔多斯盆地延长组致密砂岩储层为例. 地球科学, 44(12): 4252-4263. doi: 10.3799/dqkx.2018.199 郝翠, 梁耀元, 孟伟庆, 等, 2009. 天津滨海新区自然湿地植物分布与土壤理化性质的关系. 湿地科学, 7(3): 266-272. https://www.cnki.com.cn/Article/CJFDTOTAL-KXSD200903011.htm 何雨江, 蔺文静, 王贵玲, 2013. 利用TDR100系统原位监测深厚包气带水热动态. 吉林大学学报(地球科学版), 43(6): 1972-1979. https://www.cnki.com.cn/Article/CJFDTOTAL-CCDZ201306029.htm 黄冠华, 詹卫华, 2002. 土壤水分特性曲线的分形模拟. 水科学进展, 13(1): 55-60. doi: 10.3321/j.issn:1001-6791.2002.01.010 林丹, 靳孟贵, 马斌, 等, 2014. 包气带增厚区土壤水力参数及其对入渗补给的影响. 地球科学, 39(6): 760-768. doi: 10.3799/dqkx.2014.071 马传明, 2013. 包气带水文学实验指导. 武汉: 中国地质大学出版社. 牛宏, 梁杏, 李静, 等, 2016. 衡水地区咸水层沉积物粒度及氘氧同位素的古气候指示. 地球科学, 41(3): 499-507. doi: 10.3799/dqkx.2016.041 王艳艳, 何雨江, 2019. 土壤分形结构对其水力性质的指示作用. 地学前缘, 26(6): 66-74. https://www.cnki.com.cn/Article/CJFDTOTAL-DXQY201906012.htm 杨晓潇, 王秀兰, 王计平, 等, 2019. 天津市滨海新区土壤水盐空间变异分析. 中国水土保持科学, 17(3): 39-47. https://www.cnki.com.cn/Article/CJFDTOTAL-STBC201903006.htm 张超, 刘永江, 张照录, 等, 2019. 延边地区古洞河韧性剪切带变形特征及变形时代. 地球科学, 44(10): 3252-3264. doi: 10.3799/dqkx.2016.041 期刊类型引用(6)
1. 龚建涛，白艳军，陈西泮，王春艳. 伊陕斜坡胡尖山区块长7段储层特征及主控因素分析. 能源与环保. 2024(06): 126-133 . 
百度学术2. 董少群，曾联波，车小花，杜相仪，徐辉，冀春秋，杨卫东，李志华. 人工智能在致密储层裂缝测井识别中的应用. 地球科学. 2023(07): 2443-2461 . 
本站查看3. 侯献华，冯磊，郑绵平，王伟，樊馥，赵为永，高雪峰. 南翼山富钾锂卤水储层识别方法. 地球科学. 2022(01): 45-55 . 本站查看4. 刘一茗，叶加仁，张飞，林学春，祁爱平，李玮龙，赵军. 歧口凹陷歧北斜坡带沙二段致密砂岩储层流体识别与评价. 地球科学. 2022(05): 1762-1776 . 本站查看5. 郝鹏，张铜耀，宋修章，王岩岩，贺银军，蔡涛，赵伟，周富春，李志勇，陈琪，郑薇. 致密混积岩储集空间精细表征评价技术——以黄河口凹陷BZ-A构造古近系沙河街组为例. 天然气工业. 2022(S1): 33-40 . 百度学术6. 许振浩，马文，李术才，林鹏，梁锋，许广璐，李珊，韩涛，石恒. 岩性识别：方法、现状及智能化发展趋势. 地质论评. 2022(06): 2290-2304 . 百度学术其他类型引用(8)
-
下载:
百度学术
点击查看大图
计量
- 文章访问数: 2087
- HTML全文浏览量: 735
- PDF下载量: 126
- 被引次数: 14
