A Petrel-Based Reproducible Workflow for Integrated Static Reservoir Characterization Using Synthetic Seismic and Well-Log Data

Profundamente abaixo da superfície da Terra, empresas de petróleo e gás dependem de mapas tridimensionais para entender onde os recursos estão escondidos. Esses mapas não são fotografias tiradas com uma câmera; são hipóteses complexas construídas a partir de pistas dispersas. Um conjunto de pistas vem dos dados sísmicos, que utilizam ondas sonoras para criar uma imagem ampla e borrada das camadas rochosas sobre uma vasta área. Outro conjunto vem dos perfis de poços, que são medições detalhadas feitas em buracos estreitos perfurados no solo, oferecendo informações de alta resolução, mas apenas ao longo de uma única linha vertical. Para dar sentido ao espaço entre essas medições esparsas, os geólogos utilizam conceitos geológicos para preencher as lacunas. O resultado é um modelo de reservatório estático, uma representação digital da rocha subterrânea que ajuda os engenheiros a estimar quanto petróleo ou gás existe, planejar onde perfurar em seguida e prever como os fluidos se moverão. No entanto, a construção desses modelos envolve inúmeras decisões humanas, desde como interpretar uma linha ondulada em uma tela até como suavizar dados irregulares. Quando essas escolhas não são registradas claramente, o mapa final torna-se difícil de verificar ou repetir, deixando a ciência vulnerável a erros ocultos e dificultando que outros aprendam com o trabalho.

Em um estudo recente, o pesquisador Innocent J. Aluka, da Prairie View A&M University, aborda esse problema introduzindo uma nova maneira de organizar a criação desses mapas subterrâneos. O estudo não inventa uma nova forma de calcular propriedades de rochas ou descobrir um novo tipo de reservatório de petróleo. Em vez disso, ele propõe uma estrutura estruturada e passo a passo chamada Fluxo de Trabalho de Modelagem de Reservatório Integrado Reprodutível, ou RIRMW (Reproducible Integrated Reservoir Modeling Workflow). Esta estrutura trata a criação de um modelo de reservatório não como uma coleção solta de cliques de software, mas como uma cadeia rigorosa de etapas auditáveis. Cada etapa na cadeia exige entradas específicas, segue uma regra de transformação clara, registra cada parâmetro utilizado, passa por uma verificação de qualidade e produz uma saída versionada antes de passar para a próxima fase. O objetivo é tornar todo o processo transparente, garantindo que cada decisão e configuração seja documentada para que outro especialista possa seguir o mesmo caminho e chegar ao mesmo resultado.

Para testar essa ideia sem usar dados confidenciais de campos de petróleo reais, o pesquisador construiu um conjunto de dados sintéticos completos. Este ambiente artificial mimetiza uma formação rochosa falhada e estratificada contendo arenito, arenito xistoso e xisto. A equipe gerou imagens sísmicas falsas, mapas de atributos que destacam limites rochosos e perfis de poços detalhados que simulam o que um perfurador encontraria. Usando esses dados controlados, eles executaram o novo fluxo de trabalho através de seis módulos distintos. Primeiro, interpretaram os dados sísmicos e de poço para identificar camadas de rocha e falhas. Segundo, construíram uma grade estrutural, um esqueleto digital que mantém as camadas de rocha no lugar enquanto respeita as falhas que as atravessam. Terceiro, simularam a distribuição de tipos de rocha, decidindo onde o arenito e o xisto aparecem no espaço 3D. Quarto, modelaram propriedades contínuas como porosidade, que mede quanto espaço vazio existe na rocha para conter fluido, e permeabilidade, que mede a facilidade com que o fluido flui através dela. Quinto, integraram todas essas peças em um único modelo 3D consistente. Finalmente, avaliaram a incerteza executando o processo várias vezes com diferentes sementes aleatórias para ver o quanto os resultados poderiam variar.

Os resultados desta demonstração mostraram que o fluxo de trabalho produziu com sucesso um modelo coerente e internamente consistente do reservatório sintético. O mapa final mostrou corpos de arenito conectados de uma forma que correspondia aos conceitos geológicos, com alta porosidade e permeabilidade concentradas nas zonas de rocha de melhor qualidade. Crucialmente, o processo preservou um registro completo de cada decisão tomada. Por exemplo, o estudo registrou que a porosidade efetiva variou de zero a quarenta por cento, com uma média de 1 de 17,6 por cento entre os diferentes cenários simulados. A permeabilidade horizontal, uma medida de fluxo, variou de 0,1 a 1.000 milidarcies, uma unidade usada para descrever a facilidade com que os fluidos se movem através da rocha. A saturação de água, que indica quanto do espaço poroso está preenchido com água em vez de óleo, foi modelada entre zero e um. Ao executar múltiplas simulações, a equipe pôde mostrar que, embora o arranjo exato da rocha variasse ligeiramente a cada execução, as estatísticas gerais permaneceram estáveis, com uma porosidade mediana de 17,3 por cento.

Um achado fundamental do estudo é que esta abordagem não elimina a necessidade de julgamento especializado; em vez disso, ela torna esse julgamento visível. Em projetos tradicionais, um geólogo pode fazer uma escolha sobre como conectar dois pontos de dados, mas essa escolha muitas vezes permanece como uma nota mental ou um esboço rápido. Neste novo framework, essa escolha é registrada como um parâmetro específico em um registro. Se o modelador decide usar uma regra matemática específica para estimar a permeabilidade com base na porosidade, essa regra é escrita juntamente com os números específicos utilizados. Isso permite que qualquer pessoa que revise o trabalho veja exatamente como o modelo foi construído e entenda por que ele tem aquela aparência. O estudo observa explicitamente que, como o software utilizado é proprietário, é impossível garantir que dois computadores diferentes produzirão exatamente o mesmo número para cada célula individual da grade. No entanto, a estrutura garante que o processo seja repetível e que a lógica por trás dos resultados seja clara.

A pesquisa também destaca a importância da incerteza. Como os dados do solo são esparsos, não existe um único mapa "correto" do subsolo. Muitos arranjos diferentes de rocha poderiam se ajustar aos mesmos dados. O fluxo de trabalho aborda isso gerando um conjunto de múltiplos modelos possíveis, ou realizações, em vez de apenas um. Isso permite que os cientistas vejam o espectro de possibilidades, desde o cenário mais otimista até o mais pessimista. No teste sintético, os pesquisadores mostraram que, embora a localização específica de um canal de arenito possa mudar entre diferentes execuções, o volume total e a conectividade da rocha permaneceram dentro de uma faixa previsível. Isso ajuda os tomadores de decisão a entender os riscos envolvidos, sabendo que o modelo representa um espectro de possibilidades, em vez de uma verdade única e potencialmente enganosa.

Em última análise, este trabalho serve como uma ponte entre o mundo complexo e frequentemente opaco da modelagem de reservatórios industriais e os princípios da ciência aberta e reproduzível. Demonstra que, mesmo quando se utiliza softwares comerciais onde os mecanismos internos são ocultos, o processo de construção de um modelo pode ser tornado transparente. Ao formalizar as etapas e registrar cada decisão, a estrutura permite que a comunidade científica audite, aprenda e construa sobre o trabalho de outros. O estudo conclui que, embora os números específicos gerados neste teste sejam baseados em dados artificiais e não possam ser usados para prever reservas reais de petróleo, o método em si é robusto. Ele fornece uma maneira prática de garantir que os complexos modelos digitais usados para explorar os recursos da Terra sejam construídos sobre uma base de lógica clara e evidências documentadas, tornando a ciência por trás dos mapas tão confiável quanto os dados que os alimentam.