在地质勘探领域，如何快速、准确地从数百米长的岩心中找到最关键的那几块样本，一直是个巨大挑战。一项针对沙特阿拉伯油气储层的研究，展示了一种极具前景的解决方案。
注：
地质勘探是指为了查明地下地质情况，探寻矿产资源（如油气、矿产、地下水等）而开展的一系列综合性调查与研究工作。对于油气领域而言，地质勘探的核心任务是确定油气聚集的有利区域，并最终定位可供开采的油气藏。
油气储层是地下具备储集空间（孔隙、裂缝）和流体渗流能力（渗透性）的岩层，油气就储存于这些空间内。最常见的油气储层岩石类型是砂岩和碳酸盐岩（如石灰岩、白云岩）。
通过地质勘探，来发现、圈定和评价具有商业价值的油气储层。
研究地区（Wadi Daqlah）出露岩相的综合岩石地层柱状图
「光谱范围」
在这项研究的核心技术基础是全波段高光谱成像，光谱范围覆盖了从可见光到长波红外的广阔区间：
可见光-近红外 (VNIR, 400-1000nm)：主要对岩石中的铁离子（Fe²⁺）等过渡金属元素敏感。通过计算铁指数，可以快速评估岩石的化学组成变化。
短波红外 (SWIR, 1000-2500nm)：方解石和白云石在此区域的特征吸收谷位置，存在约20nm的微小但稳定的偏移（方解石~2345nm，白云石~2325nm）。这个差异是快速、准确绘制矿物分布图的关键。
中波红外 (MWIR, 3-7μm)与长波红外 (LWIR, 8-14μm)：包含了碳酸盐矿物更复杂的分子振动信息。本研究通过融合这三个红外区间的数据，能够捕捉到单靠SWIR无法识别的、与岩石晶体结构和粒度相关的细微差异，从而成功区分了不同结构的白云岩。
白云岩（绿）与方解石（蓝）的光谱特征：白云岩的特征吸收峰位置约为2325nm，方解石的特征吸收峰位置约为2345nm。
「基于高光谱成像的数据分析工作流程」
传统地质采样可被视为“经验驱动”模式，严重依赖专家的肉眼观察和主观判断。本研究提出一套更客观的、更高效、可重复的“数据驱动”解决方案，其工作流程清晰体现了从宏观到微观的分析逻辑：
第一步：全域扫描，绘制矿物地图。研究团队首先利用SWIR波段特征，对50米长的岩心进行快速扫描，生成一张高精度的矿物分布图，清晰界定出白云石化的目标区域。
第二步：识别结构差异。在锁定白云石区域后，通过综合SWIR、MWIR和LWIR的光谱信息，并采用主成分分析（PCA）算法，系统能够放大那些与晶体结构、粒度相关的细微光谱差异。这些差异是肉眼完全无法分辨的。
第三步：定位最佳采样点。基于光谱差异，K-means聚类算法将白云石像素自动划分为4个类别。随后，系统会计算出每个类别的光谱中心，并推荐最靠近这些中心的岩心位置作为最具代表性的采样点。
A. 标准化混淆矩阵，展示基于岩相学分析与高光谱成像分析的白云岩结构分类结果（对比）。B. 针对相同的岩芯取样点样品（该样品同时用于ICP-OES实验室检测），高光谱成像计算得出的铁指数与铁浓度之间的相关性分析图。
A.不同类型白云岩沿岩芯的分类及分布情况。各类别白云岩在B.可见近红外-短波红外（VNIR-SWIR）波段、C.中波红外（MWIR）波段、D.长波红外（LWIR）波段的代表性光谱。
「结语」
综上所述，这篇论文的亮点在于：它展示了一个完整的数据驱动工作流程，为地质研究提供了新思路；同时，它突破了常规，通过集成VNIR-SWIR-MWIR-LWIR多波段数据，实现了对碳酸盐岩从矿物识别到结构分类的精细刻画。
这不仅对油气行业有直接价值，也为未来在矿产勘查等领域的精细表征指明了方向。
如果您想了解可见光-近红外、短波红外波段，甚至是中波红外或长波红外波段的高光谱成像系统，欢迎联系我们！
案例来源：
Gairola, G. S., Thiele, S. T., Khanna, P., Ramdani, A. I., Gloaguen, R., & Vahrenkamp, V. (2024). A data-driven hyperspectral method for sampling of diagenetic carbonate fabrics – A case study using an outcrop analogue of Jurassic Arab-D reservoirs, Saudi Arabia. Marine and Petroleum Geology, 161, 106691. https://doi.org/10.1016/j.marpetgeo.2024.106691
