Variogram in de Geologie

Introductie

In de geostatistiek en reservoirmodellering is een variogram een essentieel hulpmiddel. Het variogram, vaak ook het semivariogram genoemd, is een grafische en wiskundige representatie die de ruimtelijke continuïteit van een variabele (zoals porositeit, permeabiliteit of facies) beschrijft. Geologen en reservoirengineers gebruiken dit instrument om te begrijpen hoe eigenschappen in de ruimte variëren en om de correlatie tussen meetpunten te kwantificeren. Dit begrip is van groot belang bij het interpoleren of voorspellen van eigenschappen op locaties waar geen directe gegevens beschikbaar zijn.

In dit document lichten we stap voor stap de essentie van het variogram toe, bespreken we de onderliggende wiskunde, de aannames en beperkingen, en illustreren we het concept met een voorbeeldgrafiek. We beginnen met de basisdefinitie en werken toe naar een meer gedetailleerde bespreking van hoe een variogram in de praktijk wordt gebruikt bij het modelleren van een reservoir, zoals bijvoorbeeld bij faciesmodellering met Sequential Indicator Simulation.

Basisconcept: Wat is een Variogram?

Een variogram is in essentie een maat voor de variatie tussen waarden van een fysieke eigenschap als functie van de afstand tussen de meetpunten. Het basisidee is dat hoe verder twee punten van elkaar verwijderd liggen, hoe minder ze gelijk zullen zijn. Dit principe wordt in de geologie gebruikt om samenhang of correlatie van de eigenschappen in de ruimte te analyseren.

De standaarddefinitie van een semivariogram is:

γ(h) = ½ E[Z(x) – Z(x + h)]

Hierbij staat:

• γ(h): de semivariantie als functie van de afstand (lag) h
• Z(x): de gemeten waarde op positie x
• Z(x + h): de gemeten waarde op een positie die op afstand h ligt van x
• De functie E(x) wordt gegeven door E(x)=1/2N x ΣNxi en x is de reeks {x1 ... xN}.

Dit betekent dat voor elke paar punten op een bepaalde afstand h het kwadraat van het verschil tussen hun waarden wordt berekend en gehalveerd. Door dit te doen over vele paren, kan een functie worden samengesteld die de mate van variatie toont als een functie van de afstand.

Wiskundige Formulering en Interpretatie

Om dieper in te gaan op de wiskundige achtergrond, beschouwen we de volgende stappen:

1. Berekening van het verschil:
   Ken twee metingen Z(x) en Z(x+h) van een gegeven variabele. Door het verschil te berekenen Z(x) – Z(x + h) en vervolgens het kwadraat van dit verschil te nemen, krijgen we een maat voor de dissimilariteit tussen deze twee punten.
2. Variantiebepaling:
   Door deze kwadratische verschillen te middelen over alle paren met lag h, berekenen we de variantie. Het semivariogram is dan de helft van deze variantie: γ(h) = ½ E[(Z(x) – Z(x+h))²]. Dit helpt om ruis of variatie die inherent is aan willekeurige meetfouten te verminderen.
3. Interpretatie van de output:
   Een grafiek van γ(h) tegen de afstand h maakt de ruimte-variabiliteit inzichtelijk:
   • Nadir/Startpunt (Nugget): Bij h = 0 zou je nul variatie verwachten in een perfect continu veld, maar in de praktijk is er een kleine waarde (de "nugget effect") die te wijten is aan meetfouten of microvariabiliteit die onder de responsresolutie ligt.
   • Sill: Dit is het punt waarop het variogram een bijna constante waarde bereikt, wat aangeeft dat de correlatie tussen punten is afgenomen en dat verdere afstand geen extra variatie oplevert.
   • Range: De afstand waarbij het variogram de sill nadert; binnen deze afstand hebben de punten nog een zekere mate van correlatie. Buiten deze range is er geen significante ruimtelijke correlatie meer.

Deze eigenschappen worden vaak gemodelleerd met bekende wiskundige modellen, zoals het exponentiële, sferische of gaussiaanse model, welke elk een digitale functie vormen die de waargenomen variabiliteit benadert.

Praktische Toepassing in Geologie

In de context van reservoirmodellering en petrofysica wordt het variogram gebruikt om de ruimtelijke continuïteit van eigenschappen, zoals facies of petrofysische parameters, in kaart te brengen. Bijvoorbeeld, bij faciesmodellering met behulp van Sequential Indicator Simulation (SIS), helpt het variogram bij het bepalen van hoe de kans op een bepaalde facies afneemt met toenemende afstand van een bekend punt.

Met behulp van het variogram kunnen modellen worden gemaakt die de heterogeniteit van het reservoir weergeven. Dit heeft directe consequenties voor de schatting van reserves, de productieplanning en de simulatie van vloeistofstroming. Een correct begrepen variogram draagt daardoor bij aan meer betrouwbare voorspellingen en een beter begrip van de ruimteverdeling van eigenschappen in het reservoir.

Voorbeeldgrafiek van een Variogram

Om het concept visueel te illustreren, hieronder vindt u een voorbeeld van een variogramgrafiek. In deze grafiek is de semivariantie γ(h) uitgezet tegen de afstand h. De grafiek toont het begintpunt (nugget effect), de stapsgewijze toename van de variabiliteit en het punt waarop de sill wordt bereikt.

In dit voorbeeld zien we dat de semivariantie vanaf een lage waarde (nugget effect) stijgt tot hij op een constante waarde (de sill) komt, met een duidelijke range waarbinnen de waarden nog ruimtelijk gecorreleerd zijn.

Verband met Reservoirmodellering

Het nut van het variogram is breed toepasbaar in de geologie, met name in de faciesmodellering, waar de ruimtelijke continuïteit essentieel is voor accurate eigenschappen zoals porositeit en permeabiliteit. Door een goed gedefinieerd variogram toe te passen, kunnen geologen meer realistische 3D modellen van ondergrondse reservoirs opbouwen. Dit leidt tot effectievere strategieën voor putplaatsing, productieoptimalisatie en onzekereheidsanalyse.

In veel reservoirmodellen wordt het variogram als input gebruikt voor geostatistische simulaties, zoals de eerder genoemde Sequential Indicator Simulation (SIS) voor discrete facies of Sequential Gaussian Simulation (SGS) voor continue variabelen. De nauwkeurigheid van deze methoden is sterk afhankelijk van een correct gespecificeerd variogram. Door goed begrip van de ruimtelijke correlatie kan de simulatie nauwkeurig de waarschijnlijkheid van elke facies in een bepaald gebied berekenen.

Hierbij is het belangrijk te beseffen dat de aannames die ten grondslag liggen aan het variogram – zoals stationariteit van het veld – de interpretatie en het uiteindelijke model sterk beïnvloeden. Indien deze aannames niet voldoen, kan het resulterende model minder representatief zijn voor het echte ondergrondse scenario.

Conclusie en Belangrijke Punten

Samenvattend is het variogram een krachtig instrument om de ruimtestructuur van geologische eigenschappen te analyseren. We hebben gezien dat:

• Het variogram de semivariantie γ(h) = ½ E[(Z(x)-Z(x+h))²] gebruikt om de dissimilariteit tussen meetpunten als functie van de afstand h weer te geven.
• Belangrijke parameters binnen het variogram zijn het nugget effect, de sill en de range, die samen inzicht geven in de meetfouten, de maximale variantie en de afstandsgrens van de ruimtelijke correlatie.
• Een goed gedefinieerd variogram is cruciaal bij het toepassen van geostatistische simulatiemethoden in reservoirmodellering, wat leidt tot nauwkeuriger voorspellingen en beter beheer van de onzekerheden.
• De grafische voorstelling toont duidelijk de stijging en afvlakking van de semivariantie, wat visueel inzicht geeft in de onderliggende eigenschappen van het reservoir.

Voor studenten en professionals in de geologie en reservoirmodellering is het begrip en de toepassing van het variogram essentieel voor het bouwen van betrouwbare modellen van ondergrondse reservoirs. Kennis van de wiskundige achtergrond en de praktische toepasbaarheid helpt bij het minimaliseren van onzekerheden in toekomstige simulaties en bij het nemen van weloverwogen beslissingen in exploratie- en productieprojecten.

Door diep in te gaan op het concept en de toepassing van het variogram, hopen we dat dit document een helder begrip biedt van hoe ruimtelijke correlatie in de geologie werkt en hoe dit leidt tot effectievere modellering in complexe ondergrondse systemen.