Fácies sísmica
Palavras-chave:
fácies sísmicas, reconhecimento de padrões sísmicos, interpretação sísmica quantitativaResumo
O método apresentado neste estudo descreve as fácies sísmicas como representativas de curvas e matrizes verticais de proporções de litotipos. As fácies sísmicas têm um grande interesse por capturar a repartição espacial (3D) de variáveis regionalizadas, como por exemplo os litotipos, grupos de fácies sedimentares e/ou porosidade e/ou outras propriedades dos reservatórios e integrá-las na modelagem geológica 3D (Johann, 1997). Assim, as fácies sísmicas, ao serem interpretadas como curvas ou matrizes verticais de proporções, permitem a construção de uma ferramenta muito importante para a análise estrutural de variáveis regionalizadas. As matrizes têm importante aplicação em modelagens geoestatísticas. Além disso, a abordagem permite obter resultados em profundidade e na escala dos perfis de poços, ou seja, os dados sísmicos são integrados na caracterização de reservatórios em profundidade e em mapas de alta resolução. Descreve-se, aqui, o encadeamento das diversas etapas técnicas necessárias à classificação de segmentos de traços sísmicos em grupos de traços predefinidos de duas abordagens: i) não-supervisionada e ii) supervisionada pelo conhecimento geológico disponível do reservatório estudado. Os métodos estatísticos multivariados utilizados para a obtenção dos mapas de unidades de fácies sísmicas são instrumentos interessantes para a compreensão litoestratigráfica e petrofísica de um reservatório petrolífero. No caso estudado, essas unidades de fácies sísmicas são interpretadas como representativas do sistema deposicional constituindo o Sistema de Turbiditos de Namorado, Campo de Namorado, Bacia de Campos. No âmbito do PRAVAP 19 (Programa Estratégico de Recuperação Avançada de Petróleo) estão sendo realizadas pesquisas de algoritmos para a seleção de novos atributos otimizados para a aplicação de fácies sísmicas. Um exemplo é a extração de atributos a partir da trans[1]formada de wavelet e a metodologia de análise tempo-freqüência. O mesmo PRAVAP 19 também está realizando pesquisas para a aplicação otimizada de redes neurais tipo Kohonen, desenvolvidas por Matos et al. 2003.
