2. 中国石油大庆油田公司勘探开发研究院
2. Research Institute of Exploration and Development, PetroChina Daqing Oilfield Company
烃源岩生烃潜力及评价参数定量模型，是常规-非常规油气资源评价及盆地与油气系统模拟等领域定量研究的基础，对于油气勘探开发具有理论意义和实用价值。
基于干酪根生烃动力学的岩石热解测试分析，作为一种快速、便捷、经济、有效的烃源岩评价技术，已经被普遍接受并得到广泛应用[1-12]。
氢指数（IH）是指每克有机碳剩余的生烃潜力，是烃源岩评价的重要参数。从未成熟烃源岩中测试得到的氢指数，通常称为原始氢指数（IHo），代表干酪根原始生烃潜力。埋藏于地下深处的烃源岩，大多数已进入成熟、高成熟或过成熟阶段，无法通过测试直接得到IHo。
在缺少未成熟烃源岩样品时，可通过统计分析，建立IHo模型。Jarvie等[13]通过数据分析认为Ⅰ型、Ⅱ型、Ⅲ型和Ⅳ型干酪根的IHo值分别为750mg/g、450mg/g、125mg/g、50mg/g，将多类型混合的烃源岩的IHo值按加权平均计算。Modica等[14]尽管没有直接提出IHo的计算模型，但通过计算原始有机碳含量、可转化碳含量和转化率等重要参数，揭示了干酪根原始生烃潜力。Chen等提出一种基于岩石热解数据的IH-Tmax模型[8-9]，该模型实际拟合效果很好；但不足的是，该模型中的目标参数IHo值与拟合曲线上所指示的IHo值不一致。
基于IHo模型，能够编制新的参数模板。烃源岩评价参数模板（或图版），如范氏图（Van Krevelen diagram）、产烃率图版、碳恢复系数图版等，是烃源岩评价的重要技术标准，也是盆地与油气系统模拟的重要图版的获取方式，得到了普遍使用[10, 13-17]。近年来，IH与最高热解峰温（Tmax）关系的建立，为新参数图版的编制提供了新的技术手段。
本文提出一种改进的IH-Tmax模型来解决原模型[8]中目标参数IHo值与拟合曲线上所示IHo值不一致的问题。以此为基础，编制烃源岩评价的关键参数模板，为常规-非常规油气资源评价提供新的定量研究手段。
1 生烃潜力模型 1.1 原始氢指数的改进模型2015年，Chen等[8-9]提出了一种基于岩石热解数据分析的氢指数计算模型，该模型能够很好地表征有机质热演化过程中IH与Tmax的关系。该模型如下：
| ${I_{\rm{H}}} = {I_{{\rm{Ho}}}}\left\{ {1 - {\rm{exp}}\left[ { - {{\left( {\frac{\beta }{{{T_{{\rm{max}}}}}}} \right)}^\theta }} \right]} \right\} + C $ | (1) |
式中 β-快速生烃阶段中部的最高热解峰温，℃；
θ-曲线斜坡段的坡度系数；
C-误差校正系数，mg/g。
通过应用发现，该方法拟合得到的公式中的IHo值与拟合曲线所指示的IHo值不一致。如图 1所示，模型拟合得到的IHo值为506mg/g，但曲线与y轴的交点为531mg/g。研究发现，导致两者不一致的原因是计算模型中有一个误差参数，即C。当C > 0时，拟合曲线所指示的IHo大于公式中的IHo；反之，拟合曲线所指示的IHo小于公式中的IHo。
|
图 1 IH与Tmax的关系及拟合曲线(Ⅱa型干酪根) Fig. 1 Relationship between IH and Tmax and its fitting curve (Type Ⅱa kerogen) |
为了使拟合得到的IHo与曲线所指示的IHo一致，本文提出一种改进模型，即：
| ${I_{\rm{H}}} = {I_{{\rm{Ho}}}}\left\{ {1 - \frac{{\exp \left[ { - {{\left( {\beta /{T_{\max }}} \right)}^\theta }} \right]}}{\alpha }} \right\} $ | (2) |
式中 α-曲线斜坡段长度的压缩系数。
新模型与原模型相比，主要变化是删除了误差参数C，增加了压缩系数α。此外，数值模型表达形式也有所改变，参数含义更加清晰，参数变化范围更明确、具体。
1.2 模型参数说明为了更好地解释公式（2）中IHo、β、θ和α这4个参数的含义，绘制了Ⅰ型干酪根的IH与Tmax的关系图（图 2）。图 2标出了快速生烃阶段范围，即曲线斜坡段，该段对应的Tmax为435~455℃，中部为445℃，即β=445℃；该段的坡度较大，故θ较大，为80；拟合曲线左上部平缓段与y轴（IH轴）的交点为IHo，图中指示为850mg/g；拟合曲线右下部平缓段到x轴（Tmax轴）的距离与α有关，α越大，距离就越大，即斜坡段长度被压缩越大。
|
图 2 IH与Tmax的关系及拟合曲线(Ⅰ型干酪根) Fig. 2 Relationship between ⅠH and Tmax and its fitting curve (Type Ⅰ kerogen) |
IHo、β、θ和α这4个参数是通过确定最小误差的计算方法获得的，具体步骤如下：
（1）确定参数的大致范围。IHo值范围为5~1000mg/g。如果知道干酪根类型可以进一步压缩范围，范围越窄，计算量越少，但不影响精度。β值范围为435~455℃。θ与快速生烃阶段的生烃速率有关，范围为0~90，系数越大，坡度越陡。α与快速生烃阶段的时间跨度有关，范围为1.0~1.1，系数越大，坡度长度越短。
（2）给定参数变化的步长。IHo的步长一般取5mg/g，即每增加5mg/g计算一次。步长越小计算量越大，精度越高。β的步长一般取1℃，θ的步长一般取2，α的步长一般取0.05。
（3）计算IH及误差。在已知参数范围及步长的情况下，可确定出N组参数组合，并逐一将每一组参数代入模型中，然后用该模型计算所有样品点的IH，即将样品点的Tmax代入模型，计算出IH。将计算出的IH与样品实测的IH对比，并记录误差值。把所有样品的误差加在一起作为该组参数计算结果的总误差。按以上方法计算出N组参数的总误差，共N个。
（4）确定参数。通过对比N个总误差，找出总误差最小所对应的那组参数，该参数就是样品对应的模型参数。
1.4 模型验证为了检验以上模型的可靠性，将原模型[8]与新模型的计算结果进行对比。检验数据来自西加拿大沉积盆地（WCSB）泥盆系Duvernay组页岩，为典型的Ⅱa型干酪根，共277个样品[8]。图 3为实测IH与Tmax分布及原模型与新模型得到的IH-Tmax拟合曲线。从图 3中可以发现，两条拟合曲线的形态基本一致。经过统计277个实测IH值与计算IH值的误差，发现原模型的误差平均值为39.07，新模型的误差平均值为37.68。图 4a和图 4b分别为原模型与新模型的误差值分布，两者差别不大，说明新模型继承了原模型的优点。同时，表 1揭示，在新模型中拟合公式得到的IHo值与曲线上指示的IHo值相同，均为540mg/g。显然，新模型解决了原模型在这方面的不足。
|
图 3 Duvernay组页岩IH与Tmax关系及原模型与新模型的拟合曲线对比 Fig. 3 Relationship between IH and Tmax of Duvernay shale and fitting curves of original and new models n为样品个数 |
|
图 4 模型计算误差值与Tmax的关系 Fig. 4 Relationship between model calculation error and Tmax |
|
表 1 原模型与新模型的参数对比 Table 1 Parameters of original and new models |
基于岩石热解数据，即IH与Tmax的数据，通过计算已转化的有机碳质量，进一步推导出碳恢复系数、转化率、产烃率、降解率等关键参数，以及有机质孔隙度等计算模型。
假设在目前的烃源岩中，每克有机碳在热演化过程中已转化为烃的有机碳质量为ε，转化系数k为1200mg/g，即每克可转化碳转化为1200mg液态烃，根据物质平衡原则（图 5）：
|
图 5 可转化碳物质守恒示意图 Fig. 5 Schematic diagram of conservation of matter for convertible carbon |
| ${I_{\rm{H}}} = {I_{{\rm{Ho}}}}(1 + \varepsilon ) - k\varepsilon $ | (3) |
简化后得：
| $\varepsilon = \frac{{{I_{{\rm{Ho}}}} - {I_{\rm{H}}}}}{{k - {I_{{\rm{Ho}}}}}} $ | (4) |
碳恢复系数是指原始有机碳含量与现今有机碳含量的比例系数，其数值大于1。烃源岩中现今有机碳含量的碳恢复系数可表示为：
| ${f_{{\rm{iTOC}}}} = 1 + \varepsilon $ | (5) |
将公式（4）代入公式（5），得：
| ${f_{{\rm{iTOC}}}} = \frac{{k - {I_{\rm{H}}}}}{{k - {I_{{\rm{Ho}}}}}} $ | (6) |
根据公式（6），得到原始有机碳含量为：
| $TO{C_{\rm{i}}} = \frac{{k - {I_{\rm{H}}}}}{{k - {I_{{\rm{Ho}}}}}} \times TOC $ | (7) |
式中 fiTOC-碳恢复系数；
TOCi、TOC-分别为原始有机碳含量和现今有机碳含量，%。
在计算原始有机碳含量时，如果所测的TOC还包括岩石中的烃量，则需要减掉这部分烃量。
2.2 可转化碳含量和可转化碳百分比可转化碳含量是指原始有机碳中可转化碳的质量占岩石质量的百分比，比原始有机碳含量小；可转化碳百分比是指可转化碳占原始有机碳的百分比。
根据物质守恒原理，可转化碳为：
| $CO{C_{\rm{i}}} = TOC\left( {\varepsilon + \frac{{{I_{\rm{H}}}}}{k}} \right) $ | (8) |
将公式（4）代入公式（8），得：
| $CO{C_{\rm{i}}} = TOC\frac{{{I_{{\rm{Ho}}}}}}{k} \times \frac{{\left( {k - {I_{\rm{H}}}} \right)}}{{\left( {k - {I_{{\rm{Ho}}}}} \right)}} $ | (9) |
根据公式（7）和公式（9），得到可转化碳百分比为：
| ${C_{\rm{c}}} = \frac{{CO{C_{\rm{i}}}}}{{TO{C_{\rm{i}}}}} = \frac{{{I_{{\rm{Ho}}}}}}{k} $ | (10) |
式中 COCi-可转化碳含量, %;
Cc-可转化碳百分比，%。
由此可见，可转化碳百分比与原始氢指数呈正比（图 6）。
|
图 6 可转化碳百分比与原始氢指数的关系 Fig. 6 Relationship between the percentage of convertible carbon and the original hydrogen index |
转化率是指已转化碳占可转化碳的比率。根据公式（4）和公式（9），则有：
| $Tr = \frac{{\varepsilon TOC}}{{CO{C_{\rm{i}}}}} = \frac{{{I_{{\rm{HO}}}} - {I_{\rm{H}}}}}{{{I_{{\rm{Ho}}}}}} \times \frac{K}{{k - {I_{\rm{H}}}}} $ | (11) |
式中 Tr-转化率，%。
目前，常用的降解率是指有效碳占现今有机碳的百分比，即：
| $D = \frac{{0.083\left( {{S_1} + {S_2}} \right)}}{{TOC}} $ | (12) |
式中 D-降解率，%；
S1、S2-分别为残留液态烃和热解烃含量，mg/g。
本文的降解率是指已转化碳占原始有机碳的百分比，即：
| $D = \frac{{\varepsilon TOC}}{{TO{C_{\rm{i}}}}} = \frac{{\frac{{{I_{{\rm{Ho}}}} - {I_{\rm{H}}}}}{{k - {I_{{\rm{HO}}}}}} \times TOC}}{{\frac{{k - {I_{{\rm{HO}}}}}}{{k - {I_{{\rm{Ho}}}}}} \times TOC}} = \frac{{{I_{{\rm{Ho}}}} - {I_{\rm{H}}}}}{{k - {I_{\rm{H}}}}} $ | (13) |
本文的产烃率是指每克原始有机碳中产生的烃量。根据公式（4），则有：
| ${y_{\rm{o}}} = \frac{{k\varepsilon }}{{{f_{{\rm{iTOC}}}}}} = \frac{{k\left( {{I_{{\rm{HO}}}} - {I_{\rm{H}}}} \right)}}{{k - {I_{\rm{H}}}}} $ | (14) |
式中 yo-产烃率，mg/g。
2.4 原始有机质孔隙度原始有机质孔隙度是指曾经产生的理论上最大孔隙度。根据物质平衡原则及公式（4），可推导出原始有机质孔隙度的计算式：
| $\begin{aligned} \phi_{\mathrm{om}} &=\frac{V_{\varepsilon}}{V_{\mathrm{Ro} \mathrm{ck}}} \times 100=\frac{\varepsilon \times T O C \times W \div \rho_{\mathrm{TOC}}}{W \div \rho_{\mathrm{Rock}}} \\ &=\frac{\varepsilon \times T O C \times \rho_{\mathrm{Rock}}}{\rho_{\mathrm{TOC}}}=\frac{I_{\mathrm{Ho}}-I_{\mathrm{H}}}{k-I_{\mathrm{Ho}}} \times \frac{T O C \times \rho_{\mathrm{Rack}}}{\rho_{\mathrm{TOC}}} \end{aligned} $ | (15) |
式中 φom-原始有机质孔隙度，%；
Vε-转化为烃的有机碳体积，cm3；
VRock-岩石体积，cm3；
W-岩石质量，g；
ρRock-岩石密度，g/cm3;
ρTOC-有机碳密度，g/cm3。
3 定量模板原始氢指数模型的参数是通过统计热解数据及TOC数据后经过拟合获得的。因此，数据来源、质量和样品数量决定了模型及参数的可信度。本次研究共收集整理了西加拿大沉积盆地、威利斯顿盆地、松辽盆地、鄂尔多斯盆地、渤海湾盆地、四川盆地和准噶尔盆地等3000多个样品的全岩热解数据（以下简称热解数据）及TOC数据。为了得到有效、可信的数据，将来自不同实验室、不同烃源岩的数据进行筛选。原则为：①TOC > 0.5%；S2 > 0.3mg/g；②Tmax > 410℃；③考虑分类统计需要，样品必须能够被划分出干酪根类型。
由于有许多样品无法确定干酪根类型，故被排除在外。按以上原则筛选，得到1249组有效的数据，其中Ⅰ型、Ⅱa型、Ⅱb型和Ⅲ型干酪根分别有428、325、261和235组数据（图 7），这些数据为分类统计奠定了稳固的基础。
|
图 7 烃源岩IH与Tmax的关系 Fig. 7 Relationship between IH and Tmax |
生烃潜力常用氢指数表示。以下按4种干酪根类型的氢指数与Tmax的关系来描述烃源岩生烃潜力随热演化程度的变化趋势。
3.1.1 Ⅰ型干酪根生烃潜力Ⅰ型干酪根的热解数据来自松辽盆地白垩系青山口组青一段页岩、鄂尔多斯盆地三叠系延长组7段页岩[18]、威利斯顿盆地奥陶系红河组（Red River Formation）Yeoman段页岩[19]和西加拿大沉积盆地侏罗系Nordegg组页岩[8]，共计428个样品。采用氢指数模型拟合，获得模型参数为：β=445℃，θ=80，α=1.05。分别绘制了IHo为950mg/g、800mg/g和650mg/g的IH随Tmax变化曲线（图 8）。
|
图 8 Ⅰ型干酪根IH与Tmax的关系 Fig. 8 Relationship between IH and Tmax for Type Ⅰ kerogen |
从图 8中可以发现：①尽管都是Ⅰ型干酪根，但IHo变化范围较大，主要分布在600~1000mg/g，说明Ⅰ型干酪根样品数据之间存在较强非均质性；②从大量生烃到大量生烃结束，Tmax主要分布在440~460℃，分布范围较窄，说明Ⅰ型干酪根分子结构相对单一，所需的降解活化能较集中。
3.1.2 Ⅱa型干酪根生烃潜力Ⅱa型干酪根的热解数据来自西加拿大沉积盆地泥盆系Duvernay组页岩[8]、鄂尔多斯盆地三叠系延长组7段泥页岩[18]，共计325个样品。拟合得到的模型参数为：β=440℃，θ=50，α=1.07。按IHo分别为650mg/g、550mg/g和425mg/g，绘制出氢指数随Tmax演化曲线（图 9）。
|
图 9 Ⅱa型干酪根IH与Tmax的关系 Fig. 9 Relationship between IH and Tmax for Type Ⅱa kerogen |
从图 9中可以发现：①Ⅱa型干酪根原始氢指数的变化范围比Ⅰ型干酪根窄，主要为400~650mg/g，说明Ⅱa型干酪根之间的非均质性没有Ⅰ型大；②从大量生烃到大量生烃结束，Tmax值主要分布在430~460℃，分布范围比Ⅰ型干酪根多10℃，说明Ⅱa型干酪根分子结构比Ⅰ型干酪根相对复杂些，所需的降解活化能相差较大。
3.1.3 Ⅱb型干酪根生烃潜力Ⅱb型干酪根的热解数据来自渤海湾盆地霸县凹陷、歧口凹陷和辽河西部凹陷的沙河街组泥页岩，共计261个样品。拟合得到的模型参数为：β=445℃，θ=40，α=1.07。按IHo为400mg/g、300mg/g和200mg/g，绘制出氢指数随Tmax演化曲线（图 10）。
|
图 10 Ⅱb型干酪根IH与Tmax的关系 Fig. 10 Relationship between IH and Tmax for Type Ⅱb kerogen |
从图 10中可以发现：①Ⅱb型干酪根原始氢指数的变化范围主要在100~400mg/g；②从大量生烃到大量生烃结束，Tmax主要分布在430~470℃，比Ⅰ型、Ⅱa型干酪根的分布范围更广，说明Ⅱb型干酪根分子结构更复杂些。
3.1.4 Ⅲ型干酪根生烃潜力Ⅲ型干酪根的热解数据来自四川盆地三叠系须家河组泥岩和煤系[20-21]、准噶尔盆地石炭系泥页岩[22]，共计235个样品。拟合得到的模型参数为：β=450℃，θ=25，α=1.07。按IHo为160mg/g，绘制出氢指数随Tmax演化曲线（图 11）。
|
图 11 Ⅲ型干酪根IH与Tmax的关系 Fig. 11 Relationship between IH and Tmax for Type Ⅲ kerogen |
从图 11中可以发现：①Ⅲ型干酪根原始氢指数的变化范围主要在200mg/g以内，生烃潜力较小；②大量生烃阶段不太明显，生烃范围较宽，Tmax主要为430~500℃，说明Ⅲ型干酪根分子结构复杂。
3.1.5 生烃潜力模型参数通过分类拟合，得到不同干酪根类型生烃潜力模拟参数。由于每种类型的干酪根的原始氢指数不是固定的，具有一定范围，因此表 2中的参数仅代表该类型干酪根的主要参数值。
|
|
表 2 氢指数模型参数汇总 Table 2 Parameters of IH model |
在实际地质应用中，干酪根热成熟度指标除了采用Tmax外，更常用的是镜质组反射率Ro指标。Ro与Tmax具有线性关系。Jarvie等[13]建立了以下关系式：
| ${R_{\rm{o}}} = a{T_{{\rm{max}}}} - b $ | (16) |
式中 Ro-镜质组反射率，%；
a、b-回归系数，a值为0.018，b值为7.16。
根据公式（16），列出了常用的Ro与Tmax关系表（表 3），以便查看相关图版。
|
|
表 3 Ro与Tmax关系表 Table 3 Relationship between Ro and Tmax |
除了氢指数以外，还有碳恢复系数、转化率、产烃率、降解率和有机质孔隙度等重要图版。
3.2.1 碳恢复系数分别绘制了原始氢指数为800mg/g、700mg/g、550mg/g、300mg/g、160mg/g的碳恢复系数图版（图 12），其中前2条曲线为Ⅰ型干酪根，碳恢复系数可达到2.3和2.9；后3条曲线依次为Ⅱa型、Ⅱb型和Ⅲ型干酪根，碳恢复系数分别为1.79、1.31和1.14。说明演化程度较高的Ⅰ型、Ⅱa型干酪根的TOC值需要做碳恢复校正，而Ⅲ型干酪根的TOC值基本可以不校正。
|
图 12 碳恢复系数随Tmax的变化趋势 Fig. 12 Variation of carbon recovery coefficient with Tmax |
转化率是衡量烃源岩可转化碳转化程度的重要指标。按4种不同干酪根类型，分别绘制了原始氢指数为800mg/g、550mg/g、300mg/g和160mg/g的转化率图版（图 13）。Ⅰ型干酪根转化率最高，Ⅲ型干酪根最低；Ⅰ型干酪根转化率最先到达85%，Ⅲ型干酪根最晚达到85%。
|
图 13 转化率随Tmax的变化趋势 Fig. 13 Variation of conversion ratio with Tmax |
产烃率是指烃源岩的生烃能力，是计算生烃量的重要参数。按4种干酪根类型绘制产烃率图版（图 14）。原始氢指数不同的干酪根，其产烃率曲线也不同，但同类干酪根的产烃率曲线形态一致。
|
图 14 产烃率随Tmax的变化趋势 Fig. 14 Variation of hydrocarbon generation ratio with Tmax |
降解率是指烃源岩的降解生烃能力，是计算生烃量的重要参数。按4种干酪根类型绘制降解率图版（图 15）。从图 15中可见，在高演化阶段，Ⅰ型、Ⅱa型、Ⅱb型和Ⅲ型干酪根的降解率分别可达65.6%、44.2%、23.8%和12.6%。
|
图 15 降解率随Tmax的变化趋势 Fig. 15 Variation of degradation ratio with Tmax |
图 16揭示，Ⅰ型干酪根可以产生较大的有机质孔隙度，现今TOC值为1.0%的烃源岩，曾经产生的原始有机质孔隙度可达3.81%；Ⅲ型干酪根产生的有机质孔隙度很少，只能产生0.29%。同一类型的干酪根TOC值越大，产生的有机质孔隙度越大。
|
图 16 原始有机质孔隙度随Tmax的变化趋势 Fig. 16 Variation of organic porosity with Tmax 按TOC=1%、岩石密度为2.5 g/cm3、有机碳密度为1.25 g/cm3计算 |
提出一种改进的IH-Tmax模型来解决原模型中目标参数IHo值与拟合曲线上所示IHo值不一致的问题。基于热解数据，新模型能够有效预测原始氢指数及高演化阶段的氢指数，为烃源岩原始生烃潜力评价及深层烃源岩剩余生烃潜力评价提供理论依据。
基于IH-Tmax模型，采用物质守恒原理推导了碳恢复系数、原始有机碳含量、可转化碳、可转化碳百分比、转化率、降解率、产烃率、原始有机质孔隙度等参数的定量模型，并绘制了相应的参数模板，为烃源岩定量评价及油气资源评价提供重要标准。
统计了西加拿大沉积盆地、威利斯顿盆地、松辽盆地、渤海湾盆地、鄂尔多斯盆地、四川盆地和准噶尔盆地等1249组岩石热解和TOC数据，绘制了Ⅰ型、Ⅱa型、Ⅱb型和Ⅲ型干酪根共4套烃源岩生烃潜力参数模板。这4套模板具有广泛的代表性，有很高的推广应用价值，可为不同类型烃源岩生烃潜力研究提供定量依据。
| [1] |
Peters K E. Guidelines for evaluating petroleum source rock using programmed pyrolysis[J]. AAPG Bulletin, 1986, 70(3): 318-329. DOI:10.0000/PMID7718 |
| [2] |
Braun R L, Burnham A K. Analysis of chemical reaction kinetics using a distribution of activation energies and simpler models[J]. Energy Fuel, 1987, 1(1): 153-161. DOI:10.1021/ef00002a003 |
| [3] |
Freund H, Clouse J A, Otten G A. The effect of pressure on the kinetics of kerogen pyrolysis[J]. Energy Fuel, 1993, 7(6): 1088-1094. DOI:10.1021/ef00042a055 |
| [4] |
Lehne E, Dieckmann V. The significance of kinetic parameters and structural markers in source rock asphaltenes, reservoir asphaltenes and related source rock kerogens, the Duvernay formation (WCSB)[J]. Fuel, 2007, 86(5/6): 887-901. |
| [5] |
Petersen H I, Mathiesen A, Fyhn M B W, Dau N T, Bojesen-Koefoed J A, Nielsen L H, et al. Modeling of petroleum generation in the Vietnamese part of the Malay Basin using measured kinetics[J]. AAPG Bulletin, 2011, 95(4): 509-536. DOI:10.1306/09271009171 |
| [6] |
Burnham A K. Obtaining reliable phenomenological chemical kinetic models for real-world applications[J]. Thermochimica Acta, 2014, 597: 35-40. DOI:10.1016/j.tca.2014.10.006 |
| [7] |
Carvajal-Ortiz H, Gentzis T. Critical considerations when assessing hydrocarbon plays using Rock-Eval pyrolysis and organic petrology data:data quality revisited[J]. International Journal of Coal Geology, 2015, 152(Part A): 113-122. DOI:10.1016/j.coal.2015.06.001 |
| [8] |
Chen Z, Jiang C. A data driven model for studying kerogen kinetics with unconventional shale application examples from Canadian sedimentary basins[J]. Marine and Petroleum Geology, 2015, 67: 795-803. DOI:10.1016/j.marpetgeo.2015.07.004 |
| [9] |
Chen Z, Jiang C, Lavoie D, Reyes J. Model-assisted Rock-Eval data interpretation for source rock evaluation:examples from producing and potential shale gas resource plays[J]. International Journal of Coal Geology, 2016, 165: 290-302. DOI:10.1016/j.coal.2016.08.026 |
| [10] |
Chen Z, Jiang C. A revised method for organic porosity estimation using Rock-Eval pyrolysis data, example from Duvernay shale in the Western Canada Sedimentary Basin[J]. AAPG Bulletin, 2016, 100(3): 405-422. DOI:10.1306/08261514173 |
| [11] |
Waples D G. Petroleum generation kinetics:single versus multiple heating-ramp open-system pyrolysis:discussion[J]. AAPG Bulletin, 2016, 100(4): 683-689. DOI:10.1306/01141615146 |
| [12] |
Peters K E, Burnham A K, Walters C C. Petroleum generation kinetics:single versus multiple heating-ramp open-system pyrolysis:reply[J]. AAPG Bulletin, 2016, 100(4): 690-694. DOI:10.1306/01141615244 |
| [13] |
Jarvie D M, Hill R J, Ruble T E, and Pollastro R M. Unconventional shale gas system:the Mississippian Barnett shale of north-central Texas as one model for thermogenic shale gas assessment[J]. AAPG Bulletin, 2007, 91(4): 475-499. DOI:10.1306/12190606068 |
| [14] |
Modica C J, Lapierre S G. Estimation of kerogen porosity in source rocks as a function of thermal transformation:example from the Mowry shale in the powder river Basin of Wyoming[J]. AAPG Bulletin, 2012, 96(1): 87-108. DOI:10.1306/04111110201 |
| [15] |
侯读杰, 张林晔. 实用油气地球化学 [M]. 北京: 石油工业出版社, 2003. Hou Dujie, Zhang Linye. Practical geochemical map of oil and gas [M]. Beijing: Petroleum Industry Press, 2003. |
| [16] |
郭秋麟, 谢红兵, 任洪佳, 陈宁生, 孟靖丰. 盆地与油气系统模拟 [M]. 北京: 石油工业出版社, 2018. Guo Qiulin, Xie Hongbing, Ren Hongjia, Chen Ningsheng, Meng Jingfeng. Basin and petroleum system modeling [M]. Beijing: Petroleum Industry Press, 2018. |
| [17] |
郭秋麟, 刘继丰, 陈宁生, 吴晓智, 任洪佳, 卫延召, 等. 三维油气输导体系网格建模与运聚模拟技术[J]. 石油勘探与开发, 2018, 45(6): 947-959. Guo Qiulin, Liu Jifeng, Chen Ningsheng, Wu Xiaozhi, Ren Hongjia, Wei Yanzhao, et al. Mesh model building and migration and accumulation simulation of 3D hydrocarbon carrier system[J]. Petroleum Exploration and Development, 2018, 45(6): 947-959. |
| [18] |
Chen Z, Guo Q, Jiang C, Liu X, Reyes J, Mort A, et al. Source rock characteristics and Rock-Eval-based hydrocarbon generation kinetic models of the lacustrine Chang-7 Shale of Triassic Yanchang Formation, Ordos Basin, China[J]. International Journal of Coal Geology, 2017, 182: 52-65. DOI:10.1016/j.coal.2017.08.017 |
| [19] |
Nesheim T O.Stratigraphic correlation and thermal maturity of Kukersite petroleum source beds within the Ordovician Red River Formation[R/OL].Reston: United States Geological Survey, 2017[2019-3-12].http://www.dmr.nd.gov/ndgs/documents/Publication_List/pdf/RISeries/RI-118.pdf.
|
| [20] |
王磊, 邹艳荣, 魏志福, 蔡玉兰. 四川盆地广安地区须家河组煤生烃过程研究[J]. 天然气地球科学, 2012, 23(1): 153-160. Wang Lei, Zou Yanrong, Wei Zhifu, Cai Yulan. Natural gas generation from the Xujiahe Formation coal measures in Guang'an area, Sichuan Basin[J]. Natural Gas Geoscience, 2012, 23(1): 153-160. |
| [21] |
梁艳, 李延钧, 付晓文, 袁续祖, 杨坚, 郑键. 川中-川南过渡带上三叠统须家河组油气全烃地球化学特征与成因[J]. 天然气地球科学, 2006, 17(4): 593-596. Liang Yan, Li Yanjun, Fu Xiaowen, Yuan Xuzu, Yang Jian, Zheng Jian. Origin and whole-hydrocarbon geochemical characteristics of oil and gas from Xujiahe group of Chuanzhong-Chuannan transitional belt[J]. Natural Gas Geoscience, 2006, 17(4): 593-596. DOI:10.3969/j.issn.1672-1926.2006.04.034 |
| [22] |
Gong D, Song Y, Wei Y, Liu C, Wu Y, Zhang L, et al. Geochemical characteristics of Carboniferous coaly source rocks and natural gases in the Southeastern Junggar Basin, NW China:Implications for new hydrocarbon explorations[J]. International Journal of Coal Geology, 2019, 202(1): 171-189. |