Super-resolution CT image recognition of micro-occurrence characteristics of natural gas hydrates from Shenhu area in northern South China Sea
-
摘要:
南海神狐海域是我国天然气水合物资源勘探开发的主要目标区之一，2017和2020年先后两次现场试验性开采证实了水合物资源的利用前景。目前，对该地区含水合物储层的精细评价还有待进一步提升，水合物在沉积物孔隙空间中的微观赋存形态是其中的重要影响因素。针对水合物微观赋存形态CT图像表征存在的分辨率不足的问题，建立了一种基于自监督学习的数字图像超分辨率重建算法，实现了CT扫描图像空间分辨率的2倍和4倍提升。在此基础上，对南海神狐海域含水合物沉积物孔隙结构演化规律和水合物微观赋存特征进行了形态表征。由于南海沉积物中存在大量有孔虫壳体，水合物主要占据有孔虫壳体内部空间并堵塞了空隙间的连通喉道，显著降低了沉积物的气、水渗透能力；然而，水合物未能全部占据整个孔隙空间，仍然会有少量的气体和水残留，气体则主要分布于水合物颗粒内部，而水则主要分布在水合物颗粒表面，上述实验结果对地震、测井等现场勘探数据解释具有一定的指导意义。
Abstract:The Shenhu area in the South China Sea is one of the main areas rich in natural gas hydrate resources. Two on-site experimental explorations in 2017 and 2022 have confirmed the utilization prospects of hydrate resources. At present, precise evaluation on hydrate-containing reservoirs in the region yet needs further improvement as the microscopic occurrence of hydrates in sediment pore spaces is a key factor. This study addresses the issue of insufficient resolution in CT image representation of micro-occurrence forms of hydrates. A super-resolution reconstruction algorithm based on self-supervised deep-learning was established, in which a 2-fold and 4-fold increase in spatial resolution of CT scanning images were achieved. On this basis, the evolution of pore structure and microscopic occurrence characteristics of hydrates in the Shenhu area of the South China Sea were characterized. Due to the presence of a large number of foraminiferal shells in the sediments of the South China Sea, hydrates occupy mainly the internal space of the foraminiferal shells and block the connecting throats among pores, which significantly reduced the gas and water permeability of sediments. However, hydrates do not fully occupy the entire pore space, and there will still be a small amount of gas and water residue. Gas distributed mainly inside the hydrate particles, while water distributed mainly on the surface of hydrate particles. The above experimental results offered a guidance to the interpretation of on-site exploration data such as earthquakes and logging.
-
气体排放（gas vents）广泛分布在海洋环境中，该地质过程可以将碳物质从沉积物转移到海水中[1]。通常来讲，浅表层海相沉积物对于向上运移的气体（主要是甲烷）是一种有效的屏障。该效果体现在物理和化学两个方面：近海底沉积物通常岩性较为均一，垂向渗透率较差，对于下伏游离气体可以形成物理封闭[2-3]。此外，海底附近的甲烷会被微生物通过甲烷厌氧氧化反应（AOM）大量消耗，从而难以进入到海水中[4-6]。然而，该屏障是可以被突破的，当沉积物孔隙压力增大至静岩压力时裂隙便会形成,富含游离气体的超压孔隙流体将会优先通过这些裂隙向上快速运移直至进入到海水中[7]。甲烷在海水中溶解会导致二氧化碳的生成以及随后的海水酸化和缺氧[8-9]。小部分排出的甲烷可能会形成羽状流（gas flare）甚至可以进入到大气当中，由于甲烷是一种有效的温室效应气体，该过程可能会加剧温室效应[10]。但是，定量评价这一过程在全球气候变化中的效果较为困难，这是由于尚不清楚海洋环境中有多少甲烷从沉积物中逃逸并进入到大气中[11]。
海底气体排放的地质表征会随着排放强度和时间而变化，形成的海底地貌特征包括泥火山（mud volcano）、泥流（mud flow）、小丘（pingo）、海底凸起（seabed dome）、麻坑（pockmark）和碳酸盐岩（carbonate buildup）[12-13]。它们可以以不同的组合同时出现在同一个地方且互相叠加[14]，它们的存在指示了甲烷排放，这些甲烷逃逸是碳物质进入到海水中的重要组成部分[15-16]。气体排放在地震数据中通常呈现为气烟囱（gas chimney），其地震剖面特征是圆柱状的异常声学带，其中通常伴随着反射层的上拱和下凹以及局部震幅异常[17-18]。气烟囱的高度通常有数百米，最大高度可达约1 km[19]。
本次研究使用了多波束回声测深（MBES）数据以及二维多道地震（MCS）数据，揭示了2013—2016年冲绳海槽中部部分海底发育有气体排放，分析了盆地构造活动及断层作用对于气体排放分布的控制，海底气体排放和断层分布的空间位置关系说明海底气体排放可以广泛出现在以拉张应力为主的深海环境中。
1. 区域地质背景
冲绳海槽是位于中国东海的早期弧后盆地，其延伸方向基本平行于琉球岛弧[20]（图1）。冲绳海槽南起于宜兰平原，北止于九州岛，盆地水深向北东方向逐渐减小，最小值可达约200 m（图1）。冲绳海槽宽度从南部的60～100 km向北增加至约230 km，这一宽度变化是由于冲绳板块绕着台湾北部极点产生顺时针旋转的构造运动所导致[21]。自中新世以来，菲律宾海板块向欧亚板块之下的俯冲导致了上驮板块岩石圈的拉伸，从而在弧后位置形成了冲绳海槽，持续的俯冲作用造成了冲绳海槽晚中新世和早更新世的断陷作用[22-25]。自上新世以来冲绳海槽受到右旋张扭作用的影响，该作用源于南海板块向北-北北东方向运动的挤压[26]。当前冲绳海槽发育两组断裂系统，一是平行于海槽延伸方向的平行断裂系，二是斜交或正交于海槽走向的横切断裂系，其北部有一系列雁列状地堑和半地堑[27-28]。冲绳海槽的平均热流量为3.34 ± 2.75 HFU，该数值高于其他西北太平洋边缘盆地热流量[29-31]。在冲绳海槽北部，海底火山分布于盆地东部，平行于陆坡走向[32-33]。重力取样表明冲绳海槽更新世—全新世沉积物主要类型包括半深海软泥、凝灰软泥、浊流沉积物和生物碎屑灰岩[20]。
![]()
图 1 冲绳海槽弧后盆地位置图底图数据来源于美国国家海洋和大气管理局数据库。Figure 1. The location map of the back-arc basin of the Okinawa Troughthe bathymetric data are from the database of the National Oceanic and Atmospheric Administration, NOAA.冲绳海槽发育有甲烷和二氧化碳流体排放，其中前者出现在宫古段西部槽底附近，地震剖面中异常声学现象指示了直径约2.2 km的海底气泉[34]。在JADE热液活动区两个地点曾观察到富含二氧化碳流体排放，浅层沉积物中气泡通过上覆固结沉积物中的断裂向上运移至海底，之后在海床上形成约10 cm长、由水合物包裹的中空运移通道，气泡最终通过该通道进入海水当中[35]。重力取样中孔隙水地化数据表明冲绳海槽中部西坡泥火山周缘存在有溶解态甲烷渗漏[36-37]。冲绳海槽北部和中部外陆架和陆坡上部也发育有泥火山，它们是由于富含气体的孔隙流体通过正断层向上运移至海底所形成[38]。海底声学成像显示后向散射局部数值较高，这些异常高值可能来源于向上运移的气泡、生物构造和碳酸盐岩胶结的沉积物[38]。
2. 方法
本次研究中数据是使用康斯贝格EM122船载深水多波束系统采集，由东方红2号（2013—2015年）和海大号（2016年）4个航次实施，该系统可以发射和接收1°×1°的波束，工作频率12 kHz，双条幅模式下可发射波束864个，水深测量误差±0.2 %。水体声速剖面是通过使用声速剖面仪（SVP）和抛弃式温盐深仪（X-CTD）获取。多波束数据、船体航迹数据和水体声速剖面汇总到QPS Qimera软件进行处理，Qimera和Fledermaus软件分别用来在扇面和三维空间中观察羽状流。海底地貌和后向散射强度分别使用Qimera和FMGeocoder软件进行处理和成像。地震数据使用法国SIG L5电火花震源采集，频率为20～1 000 Hz，地震数据接收采用48个通道数字缆，总长294 m，采样间隔为0.5 ms，采集的数据随后使用ProMAX系统进行现场处理，处理步骤包括预滤波、反褶积、震幅回复、速度分析、动校正、叠加、去噪等。主测线间隔为8 km且覆盖深水盆地，大部分主测线终止于陆架边缘附近。二维多道地震的穿深最高可达约400 ms（双程时差），剖面中海底多次波对于数据观察的干扰较为严重。本次研究将综合使用多波束和地震数据分析海床凸起几何形态、海水中羽状流声学特征以及浅层沉积物中气体的垂向运移。
3. 结果及解释
3.1 海床地貌及后向散射特征
研究区内海床地貌特征包括断层崖和海床凸起（图2）。断层崖在多波束海底地貌数据和多道地震剖面中均可以识别，两者可以交叉验证说明断层的分布模式，海床断层崖集中分布在外陆架―陆坡环境中，总体走向为北东-南西，向深盆方向逐渐过渡为北东东-南西西（图2）。在陆坡附近断距较大，向深盆方向逐渐减小，以至于部分断层崖无法在海床地貌图中肉眼识别出来（图2）。海床凸起位于海槽西坡底部附近，在高分辨率多波束海底数据中可识别出72个，水深范围为843～1 050 m。这些凸起具有似圆形、似椭圆形的平面形态，长轴长度范围为95～659 m，凸起高度为1.3～20.9 m（图3），侧翼坡度为0.7°～12.5°，平均坡度为3.2°。凸起的几何形态和世界上已知的深海泥火山相似，但规模较小（例如中建南盆地[39]）。引起海底发生局部凸起有如下4种机理：①海底之下液化泥质沉积物随着超压孔隙流体向上运移至海底，进入水体时流体动力环境发生改变，卸下的沉积物不断堆积形成类似于火山外形的沉积体[40]；②向上运移的富甲烷流体运移至海底附近时形成甲烷水合物，孔隙流体从气/液相向固相转变的过程中会伴随有体积增大，从而导致海底向上发生凸起[41]；③运移至海底附近的游离气会在海底下部聚集形成连续的垂向气柱，产生的浮力会导致海底附近沉积物向上凸起[42]；④在甲烷渗漏海底附近会有碳酸盐岩通过甲烷厌氧氧化作用形成，在该处有时可以形成碳酸盐岩丘和/或礁的正地形[43]。
![]()
![]()
图 3 海底凸起长轴长度（a）和高度直方图（b）及羽状流深度（c）和高度直方图(d）Figure 3. Histograms of the long-axis length(a) and the height of the seabed domes(b), histograms of the depth (c)and the height of the gas flares(d)声学成像显示海底存在有多处高亮后向散射区域，这些区域平面上为似椭圆形或不规律几何外形，局部会合并到一起从而形成一个较大的区域（图4）。从平面上看，高亮后向散射区域分布于断块之上，或沿着断层崖分布（图4），最大面积可达0.44 km2（位于28°35′34.8491″N、127°17′12.3909″E）。这些高亮后向散射区域的出现通常被解释为源于海底附近的天然气水合物和/或自生碳酸盐岩，该两者均能产生高于周围地层的波阻抗，且是富甲烷孔隙流体在海底附近发生的物理和化学反应的产物[13]。共有45处高亮后向散射区域与海床凸起相吻合，地震剖面显示海床凸起之下是垂向并行排列的不连续反射层，这些反射层比周围反射层震幅低，通常会向上凸起，有时会呈现空白反射。
![]()
图 4 海底后向散射强度放大图Figure 4. Zoom-in figure of the backscattering intensity of the seabed3.2 水体声学特征
使用多波束声学水体数据识别出的气体羽状流需要符合下述条件：①水体异常声学带需要与海底相连；②羽状流在形态上是孤立的、异常高后向散射强度的垂向叠加；③异常声学带中后向散射强度需要随着水深变浅而降低[1]。多波束数据显示在研究区海底以上附近存在有129处异常声学带（位置如图5所示），通过上述标准分析该异常声学带均存在有气体羽状流。气体羽状流在多波束声学水体数据中通常显示为倾斜的或弯曲的束状高后向散射强度集合，它们的出现显示了研究区域海底在2013—2016年期间普遍发育有气体泄露。识别出的羽状流根部水深为750.5～1 192.1 m，高度为77.7～647.4 m（最高羽状流位于28°31′31.7500″N、127°35′26.9500″E），部分羽状流根部位于海底高亮后向散射区域中，顶部终止于水深394.5～937.6 m处，该深度可能代表了气体溶解入水中、气泡消失的深度。大部分羽状流沿着北东-南西方向延伸的断层分布，或集中在海床凸起的最高点和翼部。分别有34和73处羽状流与海底凸起和高亮后向散射区域相吻合。
![]()
图 5 多波束回声测深数据覆盖图与羽状流分布位置图Figure 5. Bathymetric map derived from multi-beam echo-sounder data and the location map of the gas flares3.3 实例
为了展示不同声学数据在空间中的配置关系，在研究区中选取一处实例加以描述（位置如图2红色箭头所示，位于28°49′33.1073″N、127°20′41.5494″E），从而刻画研究区中气体排放的地质表征和模型。如图6和图7所示，该气体排放自上而下具有气体羽状流—海底凸起—碳酸盐岩—柱状运移通道的构成要素，各个要素均是气体从沉积物中向海洋浅层乃至大气圈迁移这一地质过程在不同空间位置的地质表征。该处气体排放水深939 m，地震剖面相切于该海底凸起外缘，海底凸起最高处距该剖面约121 m，地震剖面显示海底下部具有柱状的异常声学带，宽度约600 m，根部难以识别，推测其高度至少为240 ms（约216 m），地震反射特征具体表现为上拱反射层的垂向叠加，并在海底下80 ms（约72 m处）伴有局部的异常高震幅，该震幅特征沿固定的反射层向两侧延伸（图6d）。海底凸起具有近似圆锥形的表征，高度约8.5 m，长轴宽度约156.2 m，其凸起部分基本都被高亮后向散射区域覆盖（图6c），这是由于海底附近含水合物或/和碳酸盐岩胶结沉积物较周围沉积物与水体产生了更高的波阻抗差异。水体声学数据显示该凸起在2013年9月和2016年7月分别发育有5和4处羽状流，在两个时间段中气体羽状流喷出位置和倾向皆不相同（图8），其中2013年羽状流总体上呈树枝状，高度为250～380 m，2016年羽状流向北倾斜，高度为256～315 m（图8）。气体羽状流随着时间在空间上发生改变是由于海底附近沉积物物性发生改变造成的，海底凸起处甲烷和水会在较短时间内形成甲烷水合物从而堵塞沉积物孔隙，产生封闭效应，下伏游离气会发生侧向运移，从而在凸起翼部发生泄漏。此外，这种封闭效应也可能来源于甲烷在浅表层沉积物中发生的厌氧氧化反应，生成的碳酸氢根会导致自生碳酸盐岩胶结的形成[44]。
![]()
图 6 冲绳海槽中部海底气体排放地质表征a. 羽状流，b, c. 具有高后向散射强度的海底凸起，d裂隙疏导通道。Figure 6. Geological expressions of gas venting from the seabed in the Mid-Okinawa Trougha. gas flare, b, c. seabed domes having a high-backscattering intensity and d vertical migration conduits consisting of fractures.![]()
图 7 冲绳海槽中部海底气体排放地质模式图Figure 7. Geological model of gas venting from the seabed in the Mid-Okinawa Trough![]()
图 8 不同时期观测到的羽状流（黑色箭头所指）Figure 8. Gas flares detected at different times (The black arrows mark the gas flares)冲绳海槽深海环境中甲烷为混合成因[45]，来自深部地层（＞1 km）热解成因的甲烷游离气可以在浮力作用下通过沉积物孔隙和喉道以及垂向渗透率较高的断层向上运移至浅部地层，在该运移路径中遇到盖层时便会形成气藏，同时浅部地层中生物成因的甲烷也会汇入到该气藏当中。随着气藏厚度的不断增加，气藏顶部沉积物孔隙压力会不断增大直至上覆沉积物中出现垂向裂隙从而形成疏导通道[46-47]，富含甲烷的孔隙流体便会沿着该通道迅速疏导至海水中。随着气体的释放孔隙压力会逐渐下降，直至游离气无法克服毛细管封闭从而导致甲烷运移的暂时停止。在海底排出的甲烷游离气会在海水中形成孤立的气泡或串状的气泡流，在上升过程中甲烷会不断地溶入到周围水体中，同时会有氮气和氧气进入到气泡中[48]。
4. 讨论
图2表明大部分海底凸起和气体羽状流在空间上与断层具有较好的吻合关系。此外，海底后向散射数据也表明高亮区域基本上沿断层分布（例如图4），可以看出，气体排放的不同地质表征在冲绳海槽研究区内均与断层活动有关。之前研究表明，冲绳海槽作为早期弧后盆地，其构造主应力主要是来源于盆地自中新世以来的断陷和拉张作用。此外，冲绳海槽还受到少许走滑作用的影响，导致研究区内北东-南西走向断层的性质为张扭断层[26,49]。海底断层崖的走向从陆坡附近的北东-南西向深盆方向逐渐过渡为北东东-南西西，在深盆处地层受到走滑作用影响较小，平面上垂直于该处附近断层走向的方向代表了盆地主应力方向，该方向与Fabbri等研究结果一致[28]。断层崖走向变化以及略微向盆地外侧凸起的平面形态均与斜向裂谷作用（oblique rifting）物理模拟结果一致[50]，这表明研究区内断层模式很可能是斜向裂谷作用的结果。综上所述，笔者认为研究区内气体排放受到了盆地构造运动的控制作用。
研究区内气体排放形成机制不同于挤压和剪切应力背景中泥火山活动和甲烷渗漏（methane seepage），这两种情景中区域规模的挤压和剪切应力作用于低渗透率岩层，均会造成孔隙流体压力高于该深度静水压力，当孔隙流体压力到达临界值时会在上覆地层形成裂隙，孔隙流体会随着液化沉积物运移至海底[47,51-52]。在冲绳海槽中部，拉张断层作用本身无法使孔隙压力升高，然而，形成的断层可以为深部地层中孔隙流体提供运移通道，断层面附近被改造的沉积物可能会具有较大的孔隙和喉道，高压孔隙流体更容易克服毛细管封闭发生运移[53]。在拉张和剪切作用共同作用时，甲烷排放更容易出现在拉张应力影响的区域中[54]。
5. 结论
（1）2013—2016年期间冲绳海槽中部海域的部分海底发现有多处气体排放，该地质作用通过如下地球物理现象识别：二维地震剖面中柱状异常声学带、海底高反射率区域和凸起以及海水声学数据中束状高后向散射强度集合，通过对这些构成要素空间叠置关系的分析提出了研究区气体排放的典型地质模型，该模型在空间上自上而下包括气体羽状流、具有高反射率的海底凸起以及近似垂直的裂隙运移通道。
（2）冲绳海槽研究区内气体排放在2013—2016年期间随时间发生变化，其分布总体上受到盆地构造作用的控制，自中新世以来斜向裂谷作用导致了当前断层模式的发育，以拉张为主的断层作用导致了断层面附近垂向运移通道的形成，地层中富甲烷流体通过该通道运移至海水-沉积物界面并在海水中最高上升至水深394.5 m处。
-
![]()
图 1 南海含水合物沉积物钻探站位位置[40]
YGHB:莺歌海盆地，QDNB：琼东南盆地，PRMB：珠江口盆地，TXNB：台西南盆地，XST：西沙海槽，BJNB：笔架南盆地。
Figure 1. Location of drilling stations for hydrate-bearing sediments in the South China Sea [40]
YGHB: Yinggehai Basin, QDNB: Qiongdongnan Basin, PRMB: the Pearl River Mouth Basin, TXNB: Taixinan Basin, XST: Xisha Trough, BJNB: Bijianan Basin.
![]()
图 2 实验装置照片（左）和反应釜结构图（右）
Figure 2. The experimental setup (left) and the reactor structure (right)
![]()
图 4 水合物生成前沉积物内部CT切片原始灰度图和超分辨率重建图
A为原始图，B为DBPI算法二倍超分辨图，C为DBPI算法4倍超分辨图，D、E、F则分别为A、B、C的局部放大图。
Figure 4. Original grayscale and super-resolution reconstruction images of CT slices inside sediment before hydrate formation
A:The original image; B:the double super-resolution image of the DBPI algorithm; C: the 4× super-resolution image of the DBPI algorithm; D, E, and F: the close-ups of A, B, and C, respectively
![]()
图 5 水合物生成后沉积物内部CT切片原始灰度图和超分辨率重建图
A为原始图，B为DBPI算法二倍超分辨图，C为DBPI算法四倍超分辨图，D、E、F图则分别为A、B、C图的局部放大图。
Figure 5. Original grayscale and super-resolution reconstruction images of CT slices inside sediment after hydrate formation
A: The original image; B: the double super-resolution image of the DBPI algorithm; C: the quadruple super-resolution image of the DBPI algorithm; D, E, and F: close-ups of A, B, and C, respectively.
![]()
图 7 水合物生长前（A）与水合物生长后（B）沉积物孔隙三维结构图
红色部分代表孔隙，即气体和水所占的空间。
Figure 7. 3D structure of sediment pores before (A) and after (B) hydrate growth
Red ones are pores that filled with gas and water.
![]()
图 8 含水合物沉积物内部各种组分的二维分布
黑色代表气体，蓝色代表水，黄色代表水合物。
Figure 8. 2D distribution of various components inside hydrate-containing sediments
Black represents gas, blue for water, and yellow for hydrates.
![]()
图 9 含水合物沉积物内部各种组分的三维分布
A为气体的空间分布，B为水合物的空间分布，C为水的空间分布，D为沉积物全组分的三维图。
Figure 9. 3D distribution of various components inside hydrate-containing sediments
A: The spatial distribution of gas; B: the spatial distribution of hydrates; C: the spatial distribution of water; D: a three-dimensional map of the entire sediment component.
表 1 超分辨率重建图像的质量评价结果
Table 1 Quality evaluation results of super-resolution reconstructed images
样品类型 超分倍数 PSNR SSIM SMD 南海泥质沉积物 原始 — 1 2.16 2倍 37.75 0.97 4.36 4倍 33.66 0.95 3.79 含水合物沉积物 原始 — 1 2.54 2倍 35.81 0.96 3.75 4倍 31.16 0.92 3.33 
下载: 导出CSV
-
[1] Wang H B, Yang S X, Wu N Y, et al. Controlling factors for gas hydrate occurrence in Shenhu area on the northern slope of the South China Sea[J]. Science China Earth Sciences, 2013, 56(4):513-520. doi: 10.1007/s11430-013-4596-3
[2] Wang X J, Hutchinson D R, Wu S G, et al. Elevated gas hydrate saturation within silt and silty clay sediments in the Shenhu area, South China Sea[J]. Journal of Geophysical Research:Solid Earth, 2011, 116(B5):B05102.
[3] 李淑霞, 郭尚平, 陈月明, 等. 天然气水合物开发多物理场特征及耦合渗流研究进展与建议[J]. 力学学报, 2020, 52(3):828-842 LI Shuxia, GUO Shangping, CHEN Yueming, et al. Advances and recommendations for multi-field characteristics and coupling seepage in natural gas hydrate development[J]. Chinese Journal of Theoretical and Applied Mechanics, 2020, 52(3):828-842.]
[4] Konno Y, Oyama H, Nagao J, et al. Numerical analysis of the dissociation experiment of naturally occurring gas hydrate in sediment cores obtained at the Eastern Nankai Trough, Japan[J]. Energy & Fuels, 2010, 24(12):6353-6358.
[5] 叶建良, 秦绪文, 谢文卫, 等. 中国南海天然气水合物第二次试采主要进展[J]. 中国地质, 2020, 47(3):557-568 YE Jianliang, QIN Xuwen, XIE Wenwei, et al. Main progress of the second gas hydrate trial production in the South China Sea[J]. Geology in China, 2020, 47(3):557-568.]
[6] 杨胜雄, 梁金强, 刘昌岭, 等. 海域天然气水合物资源勘查工程进展[J]. 中国地质调查, 2017, 4(2):1-8 YANG Shengxiong, LIANG Jinqiang, LIU Changling, et al. Progresses of gas hydrate resources exploration in sea area[J]. Geological Survey of China, 2017, 4(2):1-8.]
[7] 杨胜雄, 梁金强, 陆敬安, 等. 南海北部神狐海域天然气水合物成藏特征及主控因素新认识[J]. 地学前缘, 2017, 24(4):1-14 YANG Shengxiong, LIANG Jinqiang, LU Jing’an, et al. New understandings on the characteristics and controlling factors of gas hydrate reservoirs in the Shenhu area on the northern slope of the South China Sea[J]. Earth Science Frontiers, 2017, 24(4):1-14.]
[8] 刘昌岭, 孟庆国, 李承峰, 等. 南海北部陆坡天然气水合物及其赋存沉积物特征[J]. 地学前缘, 2017, 24(4):41-50 LIU Changling, MENG Qingguo, LI Chengfeng, et al. Characterization of natural gas hydrate and its deposits recovered from the northern slope of the South China Sea[J]. Earth Science Frontiers, 2017, 24(4):41-50.]
[9] 胡高伟, 李承峰, 业渝光, 等. 沉积物孔隙空间天然气水合物微观分布观测[J]. 地球物理学报, 2014, 57(5):1675-1682 HU Gaowei, LI Chengfeng, YE Yuguang, et al. Observation of gas hydrate distribution in sediment pore space[J]. Chinese Journal of Geophysics, 2014, 57(5):1675-1682.]
[10] Liu C L, Meng Q G, Hu G W, et al. Characterization of hydrate-bearing sediments recovered from the Shenhu Area of the South China Sea[J]. Interpretation, 2017, 5(3):SM13-SM23. doi: 10.1190/INT-2016-0211.1
[11] Jin S, Takeya S, Hayashi J, et al. Structure analyses of artificial methane hydrate sediments by microfocus X-ray computed tomography[J]. Japanese Journal of Applied Physics, 2004, 43(8R):5673-5675. doi: 10.1143/JJAP.43.5673
[12] 李承峰, 胡高伟, 业渝光, 等. X射线计算机断层扫描测定沉积物中水合物微观分布[J]. 光电子·激光, 2013, 24(3):551-557 LI Chengfeng, HU Gaowei, YE Yuguang, et al. Microscopic distribution of gas hydrate in sediment determined by X-ray computerized tomography[J]. Journal of Optoelectronics·Laser, 2013, 24(3):551-557.]
[13] Yang L, Zhao J F, Liu W G, et al. Microstructure observations of natural gas hydrate occurrence in porous media using microfocus X-ray computed tomography[J]. Energy & Fuels, 2015, 29(8):4835-4841.
[14] Zhang L X, Zhao J F, Dong H S, et al. Magnetic resonance imaging for in-situ observation of the effect of depressurizing range and rate on methane hydrate dissociation[J]. Chemical Engineering Science, 2016, 144:135-143. doi: 10.1016/j.ces.2016.01.027
[15] Lei L, Seol Y, Jarvis K. Pore-scale visualization of methane hydrate-bearing sediments with Micro-CT[J]. Geophysical Research Letters, 2018, 45(11):5417-5426. doi: 10.1029/2018GL078507
[16] Lei L, Seol Y. High-saturation gas hydrate reservoirs-A pore scale investigation of their Formation from free gas and dissociation in sediments[J]. Journal of Geophysical Research:Solid Earth, 2019, 124(12):12430-12444. doi: 10.1029/2019JB018243
[17] 王代刚, 魏伟, 孙静静, 等. 水合物降压分解过程中沉积物孔隙结构动态演化规律[J]. 科学通报, 2020, 65(21):2292-2302 doi: 10.1360/TB-2020-0010 WANG Daigang, WEI Wei, SUN Jingjing, et al. Dynamic evolution of pore structures of hydrate-bearing sediments induced by step-wise depressurization[J]. Chinese Science Bulletin, 2020, 65(21):2292-2302.] doi: 10.1360/TB-2020-0010
[18] 张辉, 卢海龙, 梁金强, 等. 南海北部神狐海域沉积物颗粒对天然气水合物聚集的主要影响[J]. 科学通报, 2016, 61(3):388-397 doi: 10.1360/N972014-01395 ZHANG Hui, LU Hailong, LIANG Jinqiang, et al. The methane hydrate accumulation controlled compellingly by sediment grain at Shenhu, northern South China Sea[J]. Chinese Science Bulletin, 2016, 61(3):388-397.] doi: 10.1360/N972014-01395
[19] Li C F, Liu C L, Hu G W, et al. Investigation on the multiparameter of hydrate-bearing sands using Nano-focus X-ray computed tomography[J]. Journal of Geophysical Research:Solid Earth, 2019, 124(3):2286-2296. doi: 10.1029/2018JB015849
[20] 张巍, 李承峰, 刘昌岭, 等. 多孔介质中甲烷水合物边界的CT图像识别技术[J]. CT理论与应用研究, 2016, 25(1):13-22 ZHANG Wei, LI Chengfeng, LIU Changling, et al. Identification technology of the CT images for distinguishing the boundary condition of methane hydrate in porous media[J]. CT Theory and Applications, 2016, 25(1):13-22.
[21] 陈亮, 叶旺全, 李承峰, 等. 基于时间演化的天然气水合物CT图像阈值分割[J]. CT 理论与应用研究, 2023, 32(2):171-178 CHEN Liang, YE Wangquan, LI Chengfeng, et al. Natural gas hydrate CT image threshold segmentation based on time evolution[J]. CT Theory and Applications, 2023, 32(2):171-178.]
[22] Meng Q G, Liu C L, Lu Z Q, et al. Growth behavior and resource potential evaluation of gas hydrate in core fractures in Qilian Mountain permafrost area, Qinghai-Tibet Plateau[J]. China Geology, 2023, 6(2):208-215.
[23] Li C F, Hu G W, Zhang W, et al. Influence of foraminifera on Formation and occurrence characteristics of natural gas hydrates in fine-grained sediments from Shenhu area, South China Sea[J]. Science China Earth Sciences, 2016, 59(11):2223-2230. doi: 10.1007/s11430-016-5005-3
[24] 陈芳, 苏新, 陆红锋, 等. 南海神狐海域有孔虫与高饱和度水合物的储存关系[J]. 地球科学—中国地质大学学报, 2013, 38(5):907-915 doi: 10.3799/dqkx.2013.089 CHEN Fang, SU Xin, LU Hongfeng, et al. Relations between biogenic component (Foraminifera) and highly saturated gas hydrates distribution from Shenhu Area, Northern South China Sea[J]. Earth Science—Journal of China University of Geosciences, 2013, 38(5):907-915.] doi: 10.3799/dqkx.2013.089
[25] Shi W Z, Caballero J, Huszár F, et al. Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network[C]//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Las Vegas, NV, USA: IEEE, 2016: 1874-1883.
[26] Kim J, Lee J K, Lee K M. Accurate image super-resolution using very deep convolutional networks[C]//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Las Vegas, NV, USA: IEEE, 2016: 1646-1654.
[27] Tai Y, Yang J, Liu X M. Image super-resolution via deep recursive residual network[C]//2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Honolulu, HI, USA: IEEE, 2017: 2790-2798.
[28] Ledig C, Theis L, Huszár F, et al. Photo-realistic single image super-resolution using a generative adversarial network[C]//2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Honolulu, HI, USA: IEEE, 2017: 105-114.
[29] Kim J, Kim S, Park C, et al. Construction of prior models for ES-MDA by a deep neural network with a stacked autoencoder for predicting reservoir production[J]. Journal of Petroleum Science and Engineering, 2020, 187:106800. doi: 10.1016/j.petrol.2019.106800
[30] Buono G, Caliro S, Macedonio G, et al. Exploring microstructure and petrophysical properties of microporous volcanic rocks through 3D multiscale and super-resolution imaging[J]. Scientific Reports, 2023, 13(1):6651. doi: 10.1038/s41598-023-33687-x
[31] Karimpouli S, Kadyrov R. Multistep Super Resolution Double-U-net (SRDUN) for enhancing the resolution of Berea sandstone images[J]. Journal of Petroleum Science and Engineering, 2022, 216:110833. doi: 10.1016/j.petrol.2022.110833
[32] Zhang T, Liu Q Y, Du Y. Super-resolution reconstruction of porous media using concurrent generative adversarial networks and residual blocks[J]. Transport in Porous Media, 2023, 149(1):299-343. doi: 10.1007/s11242-022-01892-3
[33] Zuo J W, Wang Z, Zhang Y, et al. Research on image super-resolution algorithm based on mixed deep convolutional networks[J]. Computers and Electrical Engineering, 2021, 95:107422. doi: 10.1016/j.compeleceng.2021.107422
[34] 何治亮, 赵向原, 张文彪, 等. 深层-超深层碳酸盐岩储层精细地质建模技术进展与攻关方向[J]. 石油与天然气地质, 2023, 44(1):16-33 HE Zhiliang, ZHAO Xiangyuan, ZHANG Wenbiao, et al. Progress and direction of geological modeling for deep and ultra-deep carbonate reservoirs[J]. Oil & Gas Geology, 2023, 44(1):16-33.]
[35] 要惠芳, 赵明坤, 陈强. 基于机器学习的煤系致密砂岩气储层分类研究: 以鄂尔多斯盆地DJ区块为例[J]. 煤炭科学技术, 2022, 50(6):260-270 YAO Huifang, ZHAO Mingkun, CHEN Qiang. Research on classification of tight sandstone gas reservoir in coal measures based on machine learning: a case from DJ Block of Ordos Basin[J]. Coal Science and Technology, 2022, 50(6):260-270.]
[36] 余晓露, 叶恺, 杜崇娇, 等. 基于卷积神经网络的碳酸盐岩生物化石显微图像识别[J]. 石油实验地质, 2021, 43(5):880-885,895 YU Xiaolu, YE Kai, DU Chongjiao, et al. Microscopic recognition of micro fossils in carbonate rocks based on convolutional neural network[J]. Petroleum Geology & Experiment, 2021, 43(5):880-885,895.]
[37] 梁劲, 王明君, 王宏斌, 等. 南海神狐海域天然气水合物声波测井速度与饱和度关系分析[J]. 现代地质, 2009, 23(2):217-223 LIANG Jin, WANG Mingjun, WANG Hongbin, et al. Relationship between the sonic logging velocity and saturation of gas hydrate in Shenhu area, northern slope of South China Sea[J]. Geoscience, 2009, 23(2):217-223.]
[38] McDonnell S L, Max M D, Cherkis N Z, et al. Tectono-sedimentary controls on the likelihood of gas hydrate occurrence near Taiwan[J]. Marine and Petroleum Geology, 2000, 17(8):929-936. doi: 10.1016/S0264-8172(00)00023-4
[39] 苏明, 杨睿, 吴能友, 等. 南海北部陆坡区神狐海域构造特征及对水合物的控制[J]. 地质学报, 2014, 88(3):318-326 SU Ming, YANG Rui, WU Nengyou, et al. Structural characteristics in the Shenhu area, northern continental slope of South China Sea, and their influences on gas hydrate[J]. Acta Geologica Sinica, 2014, 88(3):318-326.]
[40] Yang S X, Zhang M, Liang J Q, et al. Preliminary results of China’s third gas hydrate drilling expedition: a critical step from discovery to development in the South China Sea[J]. Fire in the Ice, 2015, 15(2):1-5.
[41] Priest J A, Rees E V L, Clayton C R I. Influence of gas hydrate morphology on the seismic velocities of sands[J]. Journal of Geophysical Research:Solid Earth, 2009, 141(B11):B11205.
[42] 王秀娟, 钱进, LEE M. 天然气水合物和游离气饱和度评价方法及其在南海北部的应用[J]. 海洋地质与第四纪地质, 2017, 37(5):35-47 WANG Xiujuan, QIAN Jin, LEE M. Methods for estimation of gas hydrate and free gas saturations and application to the northern slope of South China Sea[J]. Marine Geology & Quaternary Geology, 2017, 37(5):35-47.]
-
期刊类型引用(2)
1. 何拥军，梅燕雄，姚鹏. 中国东海油气勘探现状和油气资源潜力. 矿产勘查. 2024(11): 2089-2098 . 
百度学术
2. 王家豪，尚继宏，吴自银，赵荻能，朱超，刘志豪，崔丙浩. 日积礁南侧海底麻坑分布及其发育特征. 海洋学报. 2023(06): 62-74 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 93
- HTML全文浏览量: 1
- PDF下载量: 41
- 被引次数: 3
