基于地圖代數的油氣空間分布評價系統

彭成

摘要：為展示油氣概率在地理空間上分布，同時展現對應區域地質對象，基于地理信息技術及地圖代數計算，實現對不同地質區域不同部分的油氣概率分布評價。首先定義油氣概率評價矢量圖層并柵格化處理，通過地圖代數公式錄入及計算，得到油氣概率空間分布；進一步通過插值方法對周邊地理區域進行油氣概率近似估計實現預測；同時實現了完善的地圖代數公式設定。結合實例，驗證了與地理信息系統結合效果，為油氣空間分布提供更直觀的展示途徑。

關鍵詞：地圖代數；空間分布；油氣概率；矢量圖層；地理信息系統

中圖分類號：P618.13， TP311.1? ? ? 文獻標識碼：A

文章編號：1009-3044（2023）01-0111-03

1 引言

隨著對油氣資源評價和勘探效益的要求不斷提高，同時為了充分利用勘探資料，作為資源評價重要組成部分的油氣概率空間分布引起了人們的重視，借助數學地質方法和計算機技術，油氣概率空間分布的研究進展迅速，出現了多種油氣概率空間分布預測方法[1-2]。

目前油氣概率空間分布的預測方法主要有成因模型法，隨機過程的統計模型法和信息集成法三大類[3]。成因模型法主要考慮油氣成藏的地質因素，適用于勘探初期地區[4-5]；隨機過程的統計模型法主要以鉆探結果為基礎、以地質統計方法為手段來預測油氣分布，適用于鉆探程度高、油氣地質條件相對簡單的地區[6-8]；信息集成法與油氣空間分布有關的地質、地球物理和勘探工程等信息為一體，能夠綜合反映油氣空間分布的特征[9-10]。

然而，對于上述方法，只給出了油氣概率在不同地理位置的分布情況，并沒有進一步與地理信息系統進行結合，進行油氣概率空間分布的地圖代數計算。對于一片地質區域，影響其含油氣概率的因素有多個[11-12]，對于區域中某個部分，需要對這些因素進行綜合計算來得到此部分的含油氣概率預測情況；另外，對于不同的地質區域，含油氣概率相關因素對其影響的權重也不相同[13-14]，為了能夠計算出不同地質區域不同部分的含油氣概率分布情況，需要利用地圖代數計算功能，將每塊區域的含油氣概率因素進行加權計算。在計算結果的展示上，也應與地理信息系統技術相結合，從而將油氣概率的空間分布與區域的地質對象同時展現，更直觀地查看油氣概率的空間分布。

因此，針對上述問題，需要一種與地理信息系統結合更為緊密，具有更加完善的地圖代數功能，能夠更好展示含油氣概率在地理空間上分布的計算方法。

2 矢量圖層定義

首先導入用于油氣概率空間分布計算的矢量圖層，矢量圖層由一系列含有空間位置信息的圖元所組成，圖元的類型有點、線、多邊形、多點、多線、多多邊形六種，圖元具體的形狀和位置信息都是通過坐標來存儲和表示，通過這些坐標中X和Y的最值可以得到圖元所占的范圍大小。如圖1中所示，本文例子導入了3個圖層，分別為“川西J2SX控制儲量”“川西J2SX控制儲量3”“川西J2SX控制儲量4”，均為多邊形類型的矢量圖層。

在地質學中，矢量圖層代表一片地理區域，矢量圖層中每個圖元代表這片區域中一個地質對象，并在其中存儲了這個地質對象地理上的形狀和位置坐標信息。本文例子中三個矢量圖層為川西坳陷沙溪廟組的勘探程度圖，圖1中不同顏色深度的圖層分別代表了這三個矢量圖層對應的地理區域的形狀，位置和范圍。

在定義油氣概率評價所需的矢量圖層時，會選取其相關的屬性文件，其中存儲了區域中各個地質對象的配套屬性，每項配套屬性是一個數據庫字段，對于用于油氣概率評價的矢量圖層，其屬性文件中應有評價其油氣概率的相關字段。對于用于油氣概率評價的矢量圖層，圖層中每個圖元會含有與之相應若干項的油氣概率評價值作為屬性信息，代表這個圖元對應的地質對象所在區域含油氣概率的大小。在本文例子中，對導入的三個矢量圖層添加其配套的屬性數據，使得圖層中不同圖元有不同的油氣概率評價值，可以利用這些值來得到這個矢量圖層所對應區域的含油氣概率分布情況。如圖1中下方輸出空間中所示，給出了“川西J2SX控制儲量”這一圖層對應的屬性數據，其中包含五個字段，分別為“geometryid”“圈閉概率”“充注概率”“儲層概率”“保存概率”，第一個字段為圖元的編號，后面4個字段代表此圖元的4項油氣概率評價參數，圖元的含油氣概率為這4個參數的加權平均。

3 矢量圖層柵格化

接下來對導入的矢量圖層進行柵格化。將所有矢量圖層的總區域按x和y兩個方向進行切分，劃分為網格形式，網格中每個格子的油氣概率評價值為落在這個格子內的所有圖元的油氣概率評價值的均值。所有圖層都按照同樣的劃分方式進行劃分，由于矢量圖層中圖元的形狀是不規則的，將其網格化就可以得到規則的區域所對應的油氣概率評價值，使得圖層與圖層間可以進行地圖代數計算及油氣概率空間分布的展示。例如對于“川西J2SX控制儲量”圖層，其柵格化后的一個格子中的“圈閉概率”的值為落在這個格子中的所有圖元的“圈閉概率”的值的平均數。

對于沒有圖元落在其中的格子，其油氣概率評價值用插值的方法進行計算，插值方法分為距離反平方和克里金插值兩種，用戶可以自行選擇。距離反平方方法是根據格子周圍圖元的油氣概率評價值，加權平均計算出格子的油氣概率評價值，其中權重是圖元到格子距離的平方的倒數。克里金插值又稱空間自協方差最佳插值法，其廣泛應用于地下水模擬，土壤制圖等領域，是一種很有用的地質統計網格化方法，關于其具體的算法實現已有較多資料介紹，在此不再贅述[8]。本文例子中所采用的為克里金插值，對沒有圖元落在其中的格子給出插值計算得到的油氣概率評價相關參數值。

4 地圖代數公式設定

完成矢量圖層柵格化之后，進行地圖代數公式的輸入。地圖代數計算即用戶自定義公式對柵格化后的各個圖層進行計算，計算結果也是柵格化的矢量圖層，區域及格子的劃分都與傳入的矢量圖層相同。計算結果中每個格子的油氣概率評價值為公式中各個矢量圖層的格子的油氣概率評價值經過公式運算得到的值。最簡單的如兩個圖層相加，表示將這兩個圖層中的油氣概率評價值相加，計算結果中每個格子的油氣概率評價值為這兩個圖層在此格子對應的油氣概率評價值之和。如圖2所示，本文例子中輸入的公式為：

{[Layer（川西J2SX控制儲量.圈閉概率）*0.3? +? Layer（川西J2SX控制儲量.充注概率）*0.3? +? Layer（川西J2SX控制儲量.儲層概率）*0.2? +? Layer（川西J2SX控制儲量.保存概率）*0.2]? +? [Layer（川西J2SX控制儲量3.圈閉概率）*0.25? +? Layer（川西J2SX控制儲量3.充注概率）*0.25? +? Layer（川西J2SX控制儲量3.儲層概率）*0.3? +? Layer（川西J2SX控制儲量3.保存概率）*0.2]? +? [Layer（川西J2SX控制儲量4.圈閉概率）*0.25? +? Layer（川西J2SX控制儲量4.充注概率）*0.3? +? Layer（川西J2SX控制儲量4.儲層概率）*0.3? +? Layer（川西J2SX控制儲量4.保存概率）*0.15]}/3

其含義為，首先對每個柵格化矢量圖層計算其油氣概率評價分布，方法為對油氣概率評價相關的4個字段的值進行加權平均，公式中不同圖層的4個字段的權重有所不同，如“川西J2SX控制儲量”4個字段的權重分別為0.3，0.3，0.2，0.2，而“川西J2SX控制儲量3”4個字段的權重分別為0.25，0.25，0.3，0.2表示不同評價參數對于不同的地理區域對象在含油氣概率上影響力區別。得到每個圖層的油氣概率評價分布后，將這些圖層的油氣概率評價值取均值，得到了總體區域的油氣概率評價分布。如圖2所示，本文例子總網格的劃分方式為10行乘10列，表示將矢量圖層按照10乘10的方式劃分來實現柵格化。

5 地圖代數解析計算

接下來對用戶傳入的公式進行解析和計算，用戶傳入的公式中用“LAYER（圖層名.字段名）”來表示一個柵格化矢量圖層的字段，運算符除了四則運算外，還有指數、對數、三角函數等，都可以傳入到公式中，公式在解譯過程中會按照這些運算符的優先級，逐步解譯。

對于“LAYER（圖層名.字段名）”這樣的公式片段，會解譯為具體的柵格化矢量圖層；對于數值型的公式片段，也會解譯為柵格化矢量圖層，其中每個格子的值即片段代表的數值，例如本文例子公式中含有數值0.3，則會解譯為一個柵格化矢量圖層，其網格劃分方式與圖層的劃分方式相同，都為10乘10的網格，每個格子對應的屬性值均為0.3。

柵格化矢量圖層的計算是對柵格化矢量圖層每個格子的油氣概率評價值進行計算。如“log（LAYER（圖層名.字段名））”的計算結果為與這個柵格化矢量圖層范圍及格子劃分相同的柵格化矢量圖層，不同的是其中每個格子的油氣概率評價值為之前的值取對數；“log（LAYER（圖層名.字段名）） *0.3”的計算結果為與這個柵格化矢量圖層范圍及格子劃分相同的柵格化矢量圖層，不同的是其中每個格子的油氣概率評價值為之前的0.3倍；“log（LAYER（圖層名1.字段名1））+ log（LAYER（圖層名2.字段名2））” 的計算結果為與這兩個柵格化矢量圖層范圍及格子劃分相同的柵格化矢量圖層，其中每個格子的油氣概率評價值為這兩個柵格化矢量圖層對應格子的油氣概率評價值之和。經過用戶自定義公式的計算，最終得到的柵格化矢量圖層中每個格子的油氣概率評價值即經過同樣公式運算得到的結果。

在本文例子中，計算結果為一個柵格化矢量圖層，圖層的網格劃分方式為10行乘10列，對于每個格子，其格子對應的屬性值為各個圖層在此格子的對應的屬性值經過本文例子中設定的公式計算得到的結果。

將計算結果用等值線的方式展示，如圖3所示，對于計算結果的柵格化矢量圖層，用等值線圖形來展示這個圖層的油氣概率空間分布，等值線圖層傳入的信息為各個點及各個點對應的值，即計算結果中各個網格的中心點坐標及各個網格的油氣概率評價值。

6 結論

基于地理信息技術及地圖代數計算，實現對不同地質區域不同部分的油氣概率分布評價，得到油氣概率空間分布，為油氣空間分布提供更直觀的展示途徑，得出了以下結論：

1） 將地質風險的空間分布柵格化，與地理信息系統技術結合起來，直觀地展示了含油氣概率在地理空間上的分布情況。

2） 采用插值方法對周邊地理區域進行含油氣概率的近似估計，實現含油氣概率的預測。

3） 提供了完善的地圖代數公式設定功能，使得地質風險空間分布的計算更加方便。

參考文獻：

[1] 陳小梅，歐奎，賈霍甫.風險概率法在油氣區塊評價中的運用[J].石油地質與工程，2018，32（6）：64-66，119.

[2] 覃利娟.概率法在油氣儲量不確定性分析中的應用[J].斷塊油氣田，2019，26（6）：723-727.

[3] 王峰，安曉亞，朱璇.地理空間數據增量更新版本化管理方法研究[J].地理空間信息，2021，19（2）：6，26-29.

[4] 宋軒，高云君，李勇，等.空間數據智能：概念、技術與挑戰[J].計算機研究與發展，2022，59（2）：255-263.

[5] 郭名靜，景琳.空間數據挖掘驅動城市疫情監測常態化的作用研究[J].商業經濟，2022（2）：11-13，16.

[6] 蘇瑤.基于GIS+BIM的空間數據可視化研究[J].自動化與儀器儀表，2021（12）：28-31，35.

[7] 周群.基于GIS的綜合交通空間數據管理系統研究[J].地理空間信息，2021，19（11）：75-78，8.

[8] 杜雪，王景弟，白彥鋒，等.基于克里金插值法的湖南省慈利縣森林碳儲量專題圖研究[J].西北林學院學報，2022，37（1）：198-204.

[9] 陳新.論空間數據挖掘和知識發現的理論與方法[J].電腦知識與技術，2021，17（33）：20-21，31.

[10] 崔夢真，賀晗，王虎，等.便攜式采集裝置及鐵路基礎設施三維空間數據管理系統設計[J].鐵路計算機應用，2021，30（10）：24-29.

[11] 石偉偉，劉皓宇，程麗麗，等.超大規模空間數據管理及計算框架關鍵技術研究[J].國土資源信息化，2021（5）：15-21.

[12] 胡平昌，孫毅中，朱杰，等.顧及共享交換的行業地理空間數據關聯模式[J].測繪地理信息，2021，46（5）：127-130.

[13] 劉善磊，張大騫.多源矢量空間數據關聯分析及應用[J].測繪與空間地理信息，2021，44（8）：68-70，74.

[14] 欒紹鵬，徐東升，劉洪春，等.考慮卡爾曼濾波的地理空間數據局部特征分布[J].測繪科學技術學報，2021，38（4）：410-415.

【通聯編輯：梁書】