分支河流体系沉积学工作框架与流程.pdf

第 36 卷 第 1 期2024 年 1 月岩性油气藏LITHOLOGIC RESERVOIRSVol.36 No.1Jan.2024张昌民等：分支河流体系沉积学工作框架与流程收稿日期：2022-09-15；修回日期：2022-10-28；网络发表日期：2023-01-10基金项目：国家自然科学基金重点项目“分支河流体系沉积模式与储层定量预测模型”（编号：42130813）资助。第一作者：张昌民（1963），男，博士，教授，主要从事沉积学与石油地质学方面的科研和教学工作。地址：（430100）湖北省武汉市蔡甸区大学路 111 号长江大学地球科学学院。Email：。通信作者：张祥辉（1993），男，长江大学在读博士研究生，研究方向为河流沉积学。Email：。文章编号：1673-8926（2024）01-0001-13DOI：10.12108/yxyqc.20240101引用：张昌民，张祥辉，王庆，等.分支河流体系沉积学工作框架与流程 J.岩性油气藏，2024，36（1）：1-13.Cite：ZHANG Changmin，ZHANG Xianghui，WANG Qing，et al.Research framework for distributive fluvial system J.LithologicReservoirs，2024，36（1）：1-13.分支河流体系沉积学工作框架与流程张昌民1，张祥辉1，王庆1，冯文杰1，李少华1，易雪斐1，Adrian J.HARTLEY2（1.长江大学 地球科学学院，武汉 430100；2.阿伯丁大学 地球科学学院，英国 苏格兰 阿伯丁 AB24 3 UE）摘要：基于现有的研究成果和存在的问题，探讨了分支河流体系（DFS）研究中的关键科学问题、主要研究内容、研究方法和工作流程。研究结果表明：DFS研究中最关键的 3 个科学问题是明确河网结构和河型演变规律、构建沉积标志和沉积模式、分析其形成和分布的控制因素。DFS 研究的主要内容包括建设形态沉积学数据库、现代沉积机理研究、分类研究、建立沉积模式、储层建模与储层预测等 5个方面。DFS 研究中的关键技术包括基于遥感图像的形态数据采集、形成机理的水槽和模拟实验、河网重构、顶点位置预测与河道分汊点自动生成方法、储层建模知识库平台等。DFS 研究的基本工作流程是先建立形态沉积学数据库，搭建数据库软件平台，在此基础上选择具有代表性的 DFS 进行现代沉积解剖，然后综合现代沉积调查、露头解剖和模拟实验成果，形成分类体系，总结各类 DFS 的识别标志和沉积模式，分层次建立储层预测模型，形成沉积结构储层预测模型的建模软件平台，从而预测沉积体系中有利储层的分布。关键词：分支河流体系；河网重构；储层建模；水槽沉积模拟；数据采集；DFS 形态沉积学数据库；中图分类号：TE122；P618.13文献标志码：AResearch framework for distributive fluvial systemZHANG Changmin1，ZHANG Xianghui1，WANG Qing1，FENG Wenjie1，LI Shaohua1，YI Xuefei1，Adrian J.HARTLEY2（1.School of Geosciences，Yangtze University，Wuhan 430100，China；2.School of Geosciences，University ofAberdeen，AberdeenAB24 3 UE，UK）Abstract：Based on the existing research results and shortcomings of distributive fluvial system（DFS），the keyscientific issues，main research contents，research methods and workflow in DFS research were discussed.Theresults show that：（1）There are three critical scientific issues in DFS sedimentology research including modellingthe river channel network and their evolution，constructing sedimentary model and analyzing the control factorsinfluencing DFS formation and distribution.（2）The main directions in DFS research are to build sedimentological database，to study on modern DFS deposition mechanism and DFS classification，and to establish DFS sedimentary model，DFS reservoir modeling and reservoir prediction.（3）The key technologies necessary to strengthenthe research include DFS morphological and sedimentological data collection based on remote sensing images，flume experiment and digital simulation of DFS formation mechanism，DFS river channel network reconstruction，DFS apex estimation and automatic branching point prediction and DFS reservoir modeling knowledge baseconstruction.（4）The work processes of DFS research have three main steps in which the first step is to establish2岩性油气藏第 36 卷第 1 期the DFS geomorphological and sedimentological data base and the related software platform，the second step is tocarry out DFS classification by integrating the modern sedimentary investigation，outcrop anatomy and simulationexperiment research，and the final is to summarize the facies identification marks and to build the sedimentary modelsof various DFS.Based on the above，the reservoir prediction models and the software platform can be establishedfor hierarchically reservoir modeling，so as to predict the favorable reservoir distribution in depositional system.Key words：distributive fluvial system；river network reconstruction；reservoir modeling；flume experiment；data acquisition；DFS sedimentology database0引言分支河流体系（Distributive fluvial system，简称DFS）是从顶点呈放射状展布的分支状河流沉积。自Weissmann 等1和 Hartley 等2提出此概念以来，河流沉积学界以此为对象开展了大量的现代沉积调查3-5，进行了露头解剖6-7、地下地质对比8以及行星地质学9等方面的研究，在 DFS 源-汇关系10，DFS 几何形态参数分布11、顶点迁移与分汊决口机理12、地貌单元与沉积环境分布规律13等方面取得了大量成果，并对 DFS 沉积模式进行了探讨14-15，初步显示了这一概念的科学意义和应用前景。然而，对 DFS 的研究仍然处于初级阶段，缺乏能够有效指导野外和地下地质研究的沉积模式；DFS 这一概念也受到一些学者的质疑16，对研究的开展也造成了一定的影响。目前研究者对 DFS 的疑问主要包括：DFS 是一种什么样的河流？DFS 与曲流河和辫状河等河型的差异是什么？DFS 与冲积扇、河流扇有什么区别？DFS 研究的进展如何？研究 DFS 的科学价值和生产意义是什么？DFS研究的主要内容包括哪些方面？如何开展 DFS研究？如何建立 DFS 沉积模式？如何建立DFS沉积体系与储层分布预测模型？这些问题关乎DFS 概念是否成立，是否具有科学意义，能否成为沉积学理论新进展的一部分，相关理论能否给陆相盆地的沉积体系预测和油气储层预测提供新的理论和技术支持，也影响 DFS 理论的生命力。针对这些疑问，Weissmann 等17、Hartley等18和张昌民等19-20都做过相关的阐述，然而，关于DFS 研究的主要内容、研究方法及应用等涉及将理论应用于沉积学实践的问题依旧没有系统的答案。通过对以往研究的总结与归纳，基于已有的研究成果，探讨 DFS 研究的主要内容和工作流程，以期为推动 DFS 研究提供参考。1工作目标和关键科学问题油气勘探开发正在朝深层和非常规方向发展，难度持续增大、成本不断攀升已经成为油气工业发展的瓶颈21-23，急需创新陆相盆地沉积学理论和技术，力争在勘探开发的早期阶段，依靠有限的资料，结合迅速发展的计算机大数据、人工智能技术，精准地预测盆地内有利储层的分布及其非均质性，提高钻探成功率，降本增效24-26。传统沉积模式重视冲积扇、辫状河、曲流河和三角洲等沉积单元的沉积特征和沉积模式研究，但对不同沉积单元之间的相互联系关注不够27-29，因而难以把握全盆地范围沉积体系的分布规律，也难以满足对盆地范围沉积储层定量预测的要求。DFS概念强调各沉积单元在同一沉积体系共生共存，以联系的、系统的思维方式和定量的表征方法重新审视陆相盆地沉积体系格局，将分布在盆地边缘、中部和盆地中心的不同沉积序列联系成一个有机的体系6（图 1）。DFS 的目标是建立新的沉积模式，并以此指导建立储层预测模型，形成针对DFS 沉积结构和储层地质模型的建模软件，结合油气勘探开发地下地质实践，预测有利储层和油气分布，推动油气勘探开发向大数据和人工智能方向发展，实现降本增效。然而，DFS 研究面临着一系列重要科学难题，其中 DFS 河道网络形态分布及从顶点到末端的沿程变化规律、沉积标志和沉积模式、形成和分布的控制因素是最关键的 3 个科学问题。河道网络及其演变规律涉及河流地貌学、河流动力学和河床演变学等领域；DFS 沉积标志和沉积模式研究不仅需要传统的沉积学理论和方法，还需要结合地球信息科学与技术、大数据、人工智能等学科的知识和工具；沉积控制因素研究是分析 DFS 形成和展布的基础。（1）DFS 河网结构和河型演变规律研究河网是 DFS 表面所有河道的总称，河网结构是DFS 表面河道网络的形态以及河道的排列组合关系，包含不同类型河道的几何形态及其相互演化的规律。河道几何形态和河型转换控制着河道砂体的形成与演化，也控制了储层结构和储层非均质性。因此，研究 DFS 河网结构和河型演变规律是建张昌民等：分支河流体系沉积学工作框架与流程2024 年3图 1DFS 不同位置的砂体展布特征（据文献 6 修改）Fig.1Distribution characteristics of sand bodies at different locations of DFS立沉积体系规模和相带规模沉积结构预测模型的关键。沉积学家早已认识到河网密度和河道形态从盆地边缘向盆地中心发生有规律的变化，从而形成了冲积扇、辫状河、曲流河和三角洲等沉积相带接替分布的现象30-32。目前对河网结构的定量表征主要应用于水文和水资源领域33，在沉积学领域的研究甚少，缺乏用于沉积学分析的河道网络和河型转换模型。为了定量表征 DFS 河网结构和河型演变规律，需要运用遥感卫星图像解析、现代沉积调查、水槽实验等手段，融合河流地貌学、水文学、河床动力学方法，通过大量统计分析，建立各类 DFS表面河网结构和河型演变模型，将现代沉积调查所获得的河网结构和河型演变模型与地下地质研究相结合，从而实现对古河网分布的预测，为研究储层分布和预测储层非均质性提供理论依据。（2）DFS的判别标志与沉积模式构建沉积标志和沉积模式是沉积相分析的依据，明确识别标志与沉积模式是确立 DFS 的科学特质、实现陆相盆地沉积体系理论创新的关键。由于缺乏系统的 DFS 的判别标志，目前在露头和地下地质研究中还难以依靠有限的信息准确地区分冲积扇、河流扇和巨型扇，也难以实现依靠沉积构造和岩石相判别 DFS 的类型、重建 DFS 的几何形态及其形成过程，无法完全彰显出 DFS 的科学价值。在长期的沉积学研究中，已经形成了利用沉积构造和岩石相组合进行相分析的基本范式34-35，且习惯于通过沉积相标志来识别冲积扇、辫状河、曲流河等沉积相。在此“范式”的影响下，有些学者将 DFS 看成是与上述沉积单元类似的沉积相类型，寄希望于通过总结类似沉积相标志和沉积模式来识别 DFS，这一习惯性思维阻碍了 DFS 研究。实际上，DFS 与冲积扇、辫状河、曲流河等沉积相不同，并非单一的相类型，而是一种沉积相组合，一个完整的 DFS 是由近端、中部和远端等多个部分组成的，在其近端、中部和远端都可能发育多种类型的沉积相，不同部位也具有不同的沉积相组合36-37。因此，构建 DFS 的沉积DFS 近端130 m0（a）布鲁弗格剖面（P1）：厚层叠置砂体SDFS 中部110 m0DFS 远端40 m0（b）阿特金森剖面（P2）：断续的砂泥岩层序（c）史密斯福克剖面（P3）：孤立的小型砂岩透镜体泛滥平原河道河道带泛滥平原盐洗段（Salt Wash Member）范围P3P2P1预测顶点科罗拉多新墨西哥（d）DFS 构造分布0150 kmSENE泛滥平原4岩性油气藏第 36 卷第 1 期识别标志重点在于研究其沉积相组合方式和组合特征，在此基础上提出不同组合的叠置模式，从而形成 DFS 的沉积模式。（3）DFS形成及分布的控制因素分析对 DFS 形成和分布的控制因素的认识直接影响建模中地质知识的选择和建模参数的输入。该方面的主要研究内容包括分析 DFS 形态分布与构造背景及构造活动、气候条件和水动力条件的关系等。DFS 形成、分布及砂体结构受盆地构造，气候，沉积物源，地形地貌，河流流量、流速及含沙量等自生和他生因素共同控制2，38，其中构造、气候、沉积物来源、地形地貌为外部因素，是他生因素；河流流量、流速、含沙量影响 DFS 的局部沉积环境、沉积地形和沉积微地貌，是内部因素，也是自生因素。自生因素受到他生因素的影响，外部因素通过内部因素产生作用，二者联合控制 DFS 的形成和发育。在上述众多因素中，构造控制着 DFS 的发育位置，影响其发育规模；气候通过影响水沙条件和植被，控制 DFS 的形态、规模和相带分布，也影响河网结构和河型演变；物源影响 DFS 沉积物成分和粒度变化；河流的流量、流速及其年度变化影响 DFS 河流类型和河道几何形态，从而影响其砂体形态和沉积结构。只有对各种因素进行深入的综合分析，才能建立更精确的 DFS 沉积体系规模和河型演变规律预测模型39-41。2主要内容DFS 沉积学是河流沉积学的组成部分，其研究既不可能脱离河流沉积学研究的基本内容，也不能囿于河流沉积学的既定范畴。DFS 研究也不应再局限于对辫状河、曲流河等特定类型河道的沉积过程和沉积特点进行表征，而是要致力于研究不同位置、不同类型河道相互组合、相互转换的沉积过程，建立沉积过程和沉积响应间的定量关系模型，形成沉积学判别标志和沉积模式，实现对沉积结构和储层分布的预测。DFS 沉积学研究内容非常广泛，主要包括 5 个方面。（1）建设 DFS 形态沉积学数据库大数据和人工智能正在成为引领科学发展的前沿技术，在大数据的驱动下，以数据密集型计算为基础的研究即将进入新的科研范式。地球科学研究广泛依赖于各类地球数据，相关研究已经步入大数据时代。沉积学大数据建设和应用成为沉积学研究方法更新换代的热点，Macrostrat 数据库42-43、古水流数据集44、世界洋底沉积物数据集45和陆相冲积相泥质岩数据集46等众多沉积学大数据库（集）已经兴起。然而，当前国际上除了 Hartley 等2的 DFS 数据可以访问外，还没有形成开放的 DFS数据库；国内学者在中国西部大型沉积盆地边缘采集了一批 DFS 形态信息数据47-49，但数据的数量和类型还难以支撑工业化应用。建立 DFS 形态沉积学数据库的目的是运用所获得的大数据进行 DFS分类，明确其沉积模式以指导储层建模和储层预测。该数据库中的数据除了 DFS 的形态、半径、面积等形态数据，还应当包括 DFS 源区流域盆地的面积，母岩类型，流域和盆地的气候、水文状况，河道几何形态和河网分布，不同部位沉积环境和相特征等数据信息。数据可通过对遥感图像进行解译获取，也可通过现代沉积考察、露头沉积学解剖、水槽沉积模拟和数值模拟等辅助手段获得。我国现代陆相盆地广泛发育不同规模和形态的 DFS，为建立DFS 数据库创造了条件。此外，还应当选择全球范围内 DFS 发育的典型地区开展数据采集，充实形态沉积学数据库，建设全球 DFS 形态沉积学数据库（图2）。图 2建设全球 DFS 形态沉积学数据库Fig.2Construction of a global DFS morphologicaland sedimentological database（2）DFS 沉积机理研究DFS 沉积机理包括河道内部小尺度的水流结构和水动力过程，河网尺度的河道分汊、决口和摆动迁移，也包括宏观尺度上的河型转换、进积、退积、侧向迁移和终端过程。河流沉积学对河道内小尺度的沉积过程及其沉积响应已经做了大量的研究，但是对河网尺度和 DFS 宏观尺度的沉积机理还遥感数据采集遥感数据解析与建库数据库与数据显示数据解析数据集合无人机数据信息采集内容全球数据采集卫星影像数据张昌民等：分支河流体系沉积学工作框架与流程2024 年5缺乏深入的研究。DFS 沉积机理研究的重点是河道决口、改道和分汊迁移的机理分析，建立河网结构形成与演变过程响应模型，在此基础上分析沉积过程对沉积相分布和不同层次砂体结构的控制作用。目前 DFS 沉积机理研究以现代沉积考察作为重点手段，辅以水槽实验和沉积学数值模拟50-51。在研究中通常选择典型 DFS，用遥感图像和无人机倾斜摄影记录刻画 DFS 表面河网结构、河道形态和沉积环境的分布特征52-53，分析河网结构和河道类型沿程变化54；通过实地测量河道宽度、深度等几何形态参数，收集河流流量、流速、含沙量等水文数据，分析河型沿程变化规律；运用采集的 DFS 表面样品研究沉积物粒度和矿物成分，辅助物源和沉积环境分析，并绘制沉积物特征沿程变化曲线、分析变化规律；利用热释光、C14 等测年手段分析 DFS的沉积速率，协助进行地层对比；运用探地雷达开挖探槽，借用现代沉积露头和建设工程剖面，描述DFS 不同相带的地层结构特征并研究其沿程演变规律，建立沉积相演变定量模型55；在室内运用水槽实验和沉积学数值模拟等方法研究 DFS 顶点变迁和决口分汊机理，建立河型演变的定量模型。（3）DFS 分类研究对 DFS 进行分类、总结其沉积识别标志是建立沉积模式的前提和基础，目前还没有公认的 DFS 分类体系，学者们试图根据 DFS 的规模大小56-57，DFS发育的构造背景、气候区带58以及发育的河道类型14来进行分类14，但由于 DFS 属于复合沉积体系，运用单一的指标很难反映其特点，也难以描述其沉积学特征。因此，采用综合的方法进行 DFS 分类可能更合适。DFS 分类研究包括分类指标的选取、单因素分类和综合分类体系构建等。分类指标可以是 DFS 的半径、面积、几何形状、地形坡度等形态参数，也可以是河道类型、沉积物粒度，或是控制DFS 形成和分布的构造背景、气候分区和河流水文条件。单因素分类是指选取某一项分类指标对DFS 分类，例如根据 DFS 的半径大小57、河网类型59和 DFS 形态49对 DFS 进行分类。DFS 的综合分类是选择分类指标中的部分指标作为主要分类指标，其他指标作为辅助指标对 DFS 进行分类。在研究中应当首先选取分类指标，然后探索分类方法，构建分类体系。分类研究要依靠 DFS 形态沉积学数据库，结合现代沉积和水槽实验的研究结果，在 DFS 形态沉积学特征分类基础上，按照影响 DFS形成分布的单个因素进行分类，以此建立 DFS 综合分类体系。（4）建立DFS 沉积模式建立沉积模式既是 DFS 沉积学研究的重要目标，也是研究中的主要科学问题，总结 DFS 的沉积学识别标志是建立沉积模式的前提和基础。DFS沉积学标志研究内容包括沉积物粒度、岩性的垂向和横向演变研究、DFS 岩石相组合分析、沉积微相组合特征分析等。根据沉积构造类型、沉积序列演变、沉积微相组合确认是否发育 DFS 沉积体系，并识别不同类型的 DFS 沉积，以此作为建立沉积模式的依据。DFS 是一个复合沉积体系，建立其沉积模式不能简单重复或者堆砌已有的河流沉积模式，应当按照分类结果，先总结各种 DFS 的沉积构造、沉积物垂向序列、沉积微相变化特征，再通过块状图形象表达 DFS 沉积体系的形态和沉积微相分布，然后结合统计数据建立表征 DFS 形态规模和沉积特征的定量模型，尽可能形成表征这些特征参数的定量模型60。建立 DFS 沉积模式的重点是识别沉积微相类型，寻找各种沉积微相的叠置规律，重建DFS 的演化过程，恢复 DFS 的古地貌特征。研究中需要采用马尔科夫链、聚类分析等机器学习方法，用大数据和人工智能定量分析技术探索沉积序列演化的规律。完整的沉积模式应该有丰富的内涵与表达形式，不仅要包括能够反映沉积环境和沉积相分布的定性块状图示，还应该包含对 DFS 半径、宽度、表面坡度、河道网络模型、河道类型、河道几何形态参数、河流水文参数、泥沙参数、沉积物粒度变化及成分变化等参数的定量关系模型。应当针对断陷、坳陷、挤压、伸展、走滑等不同构造背景，根据干旱、湿润、温暖等不同气候条件，建立不同的 DFS 沉积模式，并在此基础上形成构造和气候联合控制的沉积模式。（5）DFS 储层建模与储层预测开展 DFS 沉积学研究的目的是建立储层地质模型，开展储层预测。从储层属性方面考察，储层地质模型一般包括反映砂体结构的骨架模型和反映储层物性的参数模型。由于储层物性总体上受砂体格架的控制，建立储层砂体结构预测模型就成为储层建模的关键。DFS 储层建模的总体思路是以建模知识库为基础，以沉积模式为指导，运用沉积学、河流水文学、河床动力学、地质统计学等储层建模技术方法，按照 DFS 沉积体系规模、相带规模和砂体规模 3 个层次，分别研究建模方法，然后融6岩性油气藏第 36 卷第 1 期合不同层次建模方法，形成 DFS 沉积结构预测模型建模方法和计算机软件。在实践中验证所形成的建模方法和软件，探讨 DFS 与油气藏分布的关系，预测有利储层和油气分布。DFS 储层建模知识库的功能包括知识采集、知识存储和知识调用61-63。知识采集主要通过建立DFS 数据库完成；知识存储需要建立数据库知识平台，将各类知识转换为可供建模使用的统一格式，对各类知识进行存储管理；知识调用是根据建模的需要对各类知识进行选择、加工供建模使用，所输出的知识内容与方式取决于知识库平台的人工智能特性和建模对象的需求。建立 DFS 沉积体系规模地质模型主要预测沉积体系的面积、半径等形态参数，预测 DFS 的顶点位置、河道类型、河网特征，预测决口、分汊出现的频率和位置以及预测 DFS 沉积相演变、沉积物粒度、成分和颗粒结构的变化。这一层次的主要模型包括 DFS 流域盆地与 DFS 面积的定量预测模型，DFS 顶点位置预测模型和 DFS 形态参数定量预测模型等。在建模知识库方面要突出平面覆盖范围广，反映宏观沉积单元分布。建模的重点是构建DFS 大尺度训练图像（图 3a），利用二维剖面重构三维地质模型64-67，从平面和剖面数据组合的兼容性、局部条件数据约束 2 个方面优化建模算法，将二维剖面所揭示的沉积叠置样式组合生成三维 DFS 地质模型。相带规模地质建模的主要内容是建立 DFS 河道网络结构预测模型以及分段建立 DFS 相带规模结构预测模型等（图 3b）。在此阶段可以采用过程建模以及生成对抗神经网络算法的训练图像，在沉积体系模式约束下，利用多点地质统计建模方法建立 DFS 不同相区的地质模型68-71。本层次的知识库信息主要来自现代沉积、露头调查和水槽实验，也可采用密井网解剖、文献调研等手段进行知识挖掘，构建反映 DFS 局部沉积样式的三维训练图像，以满足相带规模三维建模的需要。砂体规模储层地质建模方法较多（图 3c），且已经在油气田开发中广泛使用，其核心是对砂体建筑结构（构型）进行解剖，按照建筑结构要素的空间排列关系生成训练图像，采用多点地质统计学方法建模。针对不同的砂体结构选择合适的训练图像和建模算法是这一层次研究的重点。DFS 是一个多层次的复合沉积体系，层次归一是将不同层次建模算法相融合，形成 DFS 不同层次储层预测模型的一体化表达72-73。实现地质建模的层次归一，首先要建立第 1 层次的 DFS 沉积体系规模模型，在此控制下建立第 2 层次的相带规模模型，然后在相带模型控制下构建第 3 层次的砂体规模地质模型。在研究方法上，要形成 DFS 建模集成技术，既可以针对某个层次进行建模，又可以建立整体模型，最终形成一套多层次、多手段 DFS 建模方法相互融合的计算机软件系统。图 3DFS 不同层次储层地质模型Fig.3Hierarchical reservoir geological models of DFS3关键技术方法3.1基于遥感图像的 DFS 形态数据采集技术利用遥感大数据平台和深度学习方法自动化提取 DFS 边界及河网，对 DFS 形态进行定量表征，遥感大数据是建立 DFS 形态数据库的主要数据来源。遥感大数据平台如 Google Earth Engine，PIEEngine 等，具备海量数据存储和强大的数据处理能力，而深度学习方法具有复杂条件下精确、自动化的目标检测能力。将两者相结合采用“离线训练”和“在线检测”的方式实现 DFS 目标提取74，其基本思路是下载已知的 DFS 影像，训练深度学习模型，（b）相带规模（a）沉积体系规模（c）曲流河砂体规模600800600400200-1000200400600800400-1000280320360400440480520560600640680720760张昌民等：分支河流体系沉积学工作框架与流程2024 年7然后将模型参数上传至遥感大数据平台，通过平台提供的计算资源以及全球遥感数据自动检测 DFS位置，并计算相关形态参数，以此为基础建立全球DFS 数据库（图 4）。图 4基于深度学习的 DFS 检测与形态参数提取流程Fig.4Deep learning-based DFS detection andmorphological parameter acquisition process基于遥感图像采集 DFS 形态数据要经过遥感数据准备、深度学习建立 DFS 检测模型以及形态特征提取等 3 个步骤。（1）遥感数据准备。首先探讨 DFS 的空间需求和遥感影像表达的空间需求，研究遥感影像、数字高程影像的空间分辨率和 DFS 解译精度之间的关系，然后从样本类型（DFS 平面类型），影像类型（多光谱、高程），样本尺度（图像大小、空间分辨率），样本范围（全球、区域）和样本处理（样本扩充、归一化）几个方面研究 DFS 解译样本库的组织与构建75。（2）基于深度学习建立 DFS 检测模型。采用一种多尺度区域卷积神经网络 MRCNN（multiscaleregion-based convolutional neural network）提高 DFS识别精度76-77。其中 MRCNN 模型又包含 3 个步骤，通过采样对原始输入影像进行多尺度变化，结合影像分辨率设置合适的多尺度参数，再通过深度卷积神经网络进行 DFS 特征提取，得到特征图；通过区域建议网络在特征图上预测目标位置，提取候选矩形框；通过双线性内插和池化的方法从每个建议区中提取大小一致的特征图，再通过卷积层和全连接层进行分类和语义分割，包括预测 DFS平面类型、DFS 边界以及河道的分割结果。（3）形态特征提取。利用 MRCNN 模型提取出DFS 边界及河网的平面形态的基础上，结合数字高程影像计算其表面形态数据78-79。利用约束 Delaunay算法形成 DFS 边界以及河流不规则三角形网，在此基础上计算表面面积；提取河流中心线，利用河流不规则三角形网，计算三角网中心点，连接中心点并利用河流拓扑约束，实现错误连接线的去除，形成河流网络线数据，以此可以计算河流表面长度；其他形态参数（河网密度、宽度等）则可通过上述参数直接计算得到。3.2DFS 水槽沉积模拟技术水槽试验是研究 DFS 沉积机理、建立 DFS 形态参数数据库的重要途径。在水槽实验中，通过设定不同的沉积物组分（包括砾石、砂、粉砂、泥），设置不同的水动力与沉积物输运速率，给定不同的构造背景（抬升、沉降、滑移）和构造活动速率，探讨不同因素对 DFS 发育的控制作用。根据 DFS成因机制研究需求，建设水槽实验装置（图 5），配备可升降/侧移活动底板控制“构造”活动，实现对不同沉积物供给条件、不同构造活动控制下 DFS 沉积演化过程高精度观测，获取包括毫米级精度的实验 DFS 地貌数据和高清图像数据，建立 DFS 数据库。图 5DFS 水槽沉积模拟实验装置Fig.5Schematic diagram of flume experiment of DFS虽然水槽沉积模拟实验在沉积相分析中发挥了重要的作用51，但仍然存在定量化不足、预测性不强的缺陷，是未来研究需要攻克的重要难题。3.3DFS 河网重构技术河网重构主要用于流域盆地的汇流水系模拟，是建立 DFS 沉积体系规模预测模型的重要信息，也是 DFS 研究中的重要科学问题80-81。常用的河网重构方法是以 Google Earth 电子地图浏览软件为基础，在指定采样区域将河网按 Horton-Strahler 体系划分，手动勾勒出不同级别流域的边界，将边界输多尺度输入特征图建议区ROLAlign33 1111RPN离线训练在线检测RS 数据MRCNN模型参数DFS 类型DFS 边界河流分割边界确定河流分割河流形态参数DFS 形态参数DFS 类型逻辑回归DFS 边界河流分割1、分汊状辫状河道2、单辫状河道3、辫状河道转变为曲流河4、单曲流河5、分汊状单曲流河6、多曲流河深度卷积块卷积层激活层全连接层常规拍照活动导轨Canon EOS 5DMark-照明灯阵列控制计量器拍照导轨固定（）拍照导轨固定（）10 cmDFS 沉积区供砂供水粗糙边界高0.8 cm粗糙边界高0.8 cm照明灯阵列8 cm三维激光扫描站点8岩性油气藏第 36 卷第 1 期出为 kml 格式数据文件。随着遥感技术的发展，已经实现了用 Google Earth 自带测量工具及其他程序计算各个流域的长度与面积，依靠 Horton 定律对河网进行定量描述80。Horton 定律是河流地貌学中对河网分布规律进行定量描述的重要方法，在 Horton-Strahler 分级体系中，可根据不同河流级别的支流数量，河道长度和流域面积计算 Horton 比。RBNN+1（1）RLLL-1（2）RAAA-1（3）式中：为河流级别；N为支流数量，条；L为河道长度，km；A为流域面积，km2；RB，RL和RA分别为分支比（支流比）、长度比和面积比，统称 Horton 比。3.4DFS 顶点位置预测与河道分汊点自动生成方法DFS 顶点的位置为古地理重建提供了重要的空间约束，但古代 DFS 顶点预测十分困难。Owen等82基于 von Mises 分布，使用最大似然率，提出了DFS 顶点位置定量预测方法，在巴西西南部的塔夸里 DFS和澳大利亚昆士兰州西北部的吉尔伯特 DFS测试了该方法的可靠性，预测的顶点距离真实顶点2.740.3 km，占 DFS 总长度的 1.6%23.4%，预测精度随着数据集大小的增大而提高，为重建盆地岩相古地理提供了有效的方法。因此，通过综合露头、钻井、地震和测井资料解释获得一定数量的古流向数据，对地下分布的 DFS 的顶点和分布范围做定量估计是可能实现的。利用卫星影像上不同地貌特征对应的海拔高程及色调差异对河道网络进行识别与获取，可以定量表征 DFS 河道分汊节点的分布53，主要用到雷达数字高程数据与卫星影像数据。具体步骤：基于Google Earth 卫星影像对分支河流体系的识别；在确定 DFS 范围后，利用 Global Mapper 软件对沉积体系的雷达数字高程数据（DEM，30 m）进行统计；通过Photoshop软件对卫星图像进行RGB三元色处理，提取河道信息；在 Global Mapper 软件中运用 Water Analyse 模块对 DEM 数据进行分析，获取DFS 河网形态；将雷达数字高程获取的矢量河道网络与 Photoshop 获取的图片信息河道网络相匹配，对获取河道信息网络结果优化；利用 Matlab编程软件自动获取河道数量以及河道分汊的节点数量（图 6）。图 6DFS 河网信息（a）及河道分汊点定量表征（b）Fig.6DFS river channel network information（a）andbranching point generation method（b）3.5DFS 储层建模知识库构建方法储层建模知识库是利用关系数据库将不同来源的知识信息分门别类地组织起来，实现各种结构和非结构化的实测数据、统计数据、图文数据的数字化、规范化管理，为知识信息的展示、查询、统计、分析与可视化提供基础平台（图 7）。传统的知识信息采集与管理主要采用人工方式，数字化程度低，不利于综合类比与知识分享。随着信息化、大数据等新技术的应用，出现了基于关系数据库、GIS 和人工智能技术的知识库等软件平台，形成了三角洲储层地质知识库83、风成相沉积结构知识库84、碳酸盐岩储集层知识库85等知识库。DFS 知识库平台的搭建包括前端信息共享子系统和后台管理子系统。前端子系统是从知识库应用的角度分别实现不同来源、不同构造背景、不同气候等条件下 DFS的原始数据、统计分析数据、经验公式、文献资料的查询、浏览和分析统计功能以及信息的综合查询与应用。后台子系统是从数据来源的角度，分别设计和实现现代沉积知识库、露头调查知识库、水槽实验知识库、文献知识库、地下解剖知识库等不同来源数据的管理功能。在应用功能上设计多个模块，能够从宏观上分析 DFS 的形态学和沉积学特征与构造、气候及地貌的关系；在限定的构造或气候背景下，分析水文条件和河道类型对 DFS 形态与沉积学特征的影响；研究 DFS 的形成机理和控制因素；建立不同构造背景和气候条件下 DFS 沉积地质