4-D Seismic

Proyek Seismic 4-D untuk monitoring reservoir merupakan kunci utama didalam keberhasilan peningkatan recovery minyak bumi dan pengurangan biaya operasi.

Aktifitas produksi dan EOR (Enhanced Oil Recovery) menyebabkan perubahan sifat fisis pada reservoir. Perubahan sifat fisis tersebut diantaranya: saturasi fluida, tekanan, temperatur yang pada akhirnya akan menyebabkan perubahan Impedansi Akustik dari reservoir.

Adanya perubahan Impedansi Akustik di atas dapat dimonitor dengan melakukan survey seismik kembali (Monitor). Dimana perbedaan sifat seismik antara survey Monitor dengan survey awal (Baseline) dikenal dengan studi Seismic 4-D.

Perubahan kecepatan gelombang seismik dan densitas reservoir tergantung pada jenis batuan, sifat fluida dan depletion mechanism. Injeksi gas dapat mengakibatkan peningkatan tekanan pori sehingga terjadi penurunan kecepatan gelombang seismik, sebaliknya pergantian minyak oleh air dapat mengakibatkan peningkatan kecepatan dan densitas.

Sebelum melakukan survey seismik 3D untuk tahap monitoring, studi kelayakan dengan melakukan seismic modeling harus dilakukan. Modeling ini bertujuan untuk melihat sensitifitas gelombang seismik (khususnya Detectability dan Fidelity) terhadap perubahan Impedansi Akustik reservoir akibat proses produksi. Modeling tersebut harus meliputi semua skenario yang bisa terjadi seperti substitusi fluida, saturasi, penurunan tekanan akibat proses produksi yang menyebabkan tekanan minyak turun dibawah bubble point, kenaikan temperatur akibat injeksi uap, perilaku carbonate versus clastic reservoir, Net to Gross, Permeabilitas, jenis wavelet, frekuensi, noise, dll.

Courtesy Norsar

Gambar di atas mengilustrasikan hasil modeling untuk data seismik awal (Baseline) dan Difference yakni perbedaan antara Monitor dan Baseline, perhatikan respon 4D pada penampang Difference, menunjukkan perubahan sifat reservoir yang signifikan.

Selanjutnya, setelah lulus dari studi kelayakan, data seismik monitor harus memiliki Repeatability yakni derajat kemiripannya dengan data awal (Baseline) pada zona non-produksi. Ketidakmiripan antara data Monitor dan Baseline, bisa diakibatkan oleh perbedaan parameter pengambilan data seismik i.e. bin size, panjang streamer, orientasi pengambilan data, jumlah trace dalam tiap CDP, tide, parameter pengolahan data seismik, dll.

Repeatability dapat dikuantifikasi dengan menghitung Normalized RMS-Amplitude Difference (NRMSD). Repeatability yang tinggi ditunjukkan dengan nilai NRMSD yang sangat kecil. Gambar di bawah ini menunjukkan histogram NRMSD untuk beberapa proses seismik: sebelum diproses (merah), tidal correction (biru), swell noise removal (hijau), channel smoothing (magenta) dan demultiple (biru muda). Perhatikan bahwa semakin sempurna processing seismik, histogram NRMSD akan terdorong ke nilai rendah (lihat garis kuning sebagai acuan).

Li et al., EAGE 66th Conference & Exhibition, 2004

Dikarenakan Survey Monitor dilakukan pada tahap produksi dimana fasilitas dan infrastruktur telah banyak berdiri. Sehingga, pada umumnya lay out survey serta parameter akuisisi seismik akan berbeda dari Baseline.

Survey seismik pada daerah dengan infrastuktur diatasnya. Courtesy Geco-Parkla

Seperti diilustrasikan pada gambar di bawah ini, sebelah kiri menunjukkan lay out survey dan gambar sebelah kanan menunjukkan perbedaan distribusi bin.

Courtesy James Rickett, Stanford University, and David E. Lumley, Chevron Petroleum Technology Company

Akibat adanya perbedaan parameter tersebut di atas, maka data seismik yang dihasilkannya pun akan berbeda pula. Gambar di bawah ini menunjukkan perbandingan antara penampang seismik untuk Monitor dan Baseline untuk parameter akusisi diatas. Perhatikan, Repeatability data tersebut sangat rendah i.e. keduanya menunjukkan perbedaan resolusi, amplitudo, frekuensi dan fasa(?) yang sangat mencolok pada zona non produksi.

Courtesy James Rickett, Stanford University, and David E. Lumley, Chevron Petroleum Technology Company

Dengan demikian, sebelum kita memproduksi penampang Difference beberapa proses harus dilakukan sehingga derajat Repeatability-nya dapat ditingkatkan. Proses tersebut diantaranya: survey realignment sehingga kedua data memiliki grid dan bin yang sama, koreksi statik (tidal correction), dan penggunaan model kecepatan yang sama baik untuk NMO maupun migrasi, penyamaan panjang gelombang (frekuensi) dan fasa untuk mengkompensasi perbedaan wavelet sumber dan amplitude balancing sehingga keduanya memiliki level energi yang sama, dll. Proses processing tersebut dikenal dengan Cross Equalization.

Proses Cross Equalization memerlukan sebuah operator wavelet yang diestimasi pada window waktu tertentu (zona statik, non reservoir) baik dangkal maupun dalam sehingga fasa, amplitudo, frekuensi, dll. dari kedua data seismik tersebut benar-benar identik.

Gambar di bawah ini menunjukkan perbandingan data Baseline dan Monitor setelah berbagai proses diatas. Perhatikan pada zona statik (non reservoir – non produksi), keduanya menunjukkan karakter yang sama.

Courtesy James Rickett, Stanford University, and David E. Lumley, Chevron Petroleum Technology Company

Analisis detail perlu dilakukan untuk melihat perubahan karakter seismik pada zona reservoir. Analisis ini dikenal dengan trace to trace comparison. Gambar di bawah ini menunjukkan trace to trace comparison pada zona reservoir yang setelah injeksi uap.

Courtesy Li et al, TLE 2001.

Pada gambar di atas terlihat bahwa karakter seismik untuk zona overburden tidak berubah. Akan tetapi efek injeksi uap menyebabkan perubahan amplitudo pada zona reservoir yakni penurunan Impedansi Akustik. Pada base-reservoir time shifting dapat terjadi sebagai velocity sag, dengan demikian sebelum memproduksi Difference proses local time-shifting perlu dilakukan.

Gambar di bawah ini menunjukkan respon seismik 4D untuk monitoring pergerakan fluida (air atau uap) oleh sumur injector. Perhatikan perbedaan respon seismik yang berbeda dari injector satu ke injektor yang lainnya.

Courtesy Paulo Johan et al., TLE, 2009

Velocity Dispersion

Dikarenakan sifat medium bumi tidak sepenuhnya elastik, maka gelombang seismik yang merambat melalui medium bumi akan mengalami distorsi oleh efek atenuasi dan Velocity Dispersion.

Velocity Dispersion dipengaruhi oleh sifat-sifat fisis batuan seperti porositas, fracture, mobilitas fluida, skala keheterogenan medium, dll.

Hubungan antara Velocity Dispersion dan attenuasi (Q) dirumuskan dengan persamaan sbb (Bourbié et al.,1987):

Dimana ρ adalah densitas, ω=2πf adalah frekuensi sudut dan M adalah Modulus Elastic kompleks yang didefinisikan sebagai rasio stress terhadap strain.

Didalam model Q yang konstan, kecepatan seismik bertambah sejalan dengan bertambahnya frekuensi:

Dimana f1 dan f2 adalah terendah dan tertinggi didalam band frekuensi.

Courtesy Langqiu F. Sun et al., Geophysics, vol 74 no 02, 2009.

Gambar di atas mengilustrasikan karakteristik perubahan kecepatan pada model atenuasi yang konstan (Q=20) sebagai fungsi dari frekuensi, karakteristik ini dikenal dengan Velocity Dispersion.

Velocity Dispersion biasanya diabaikan didalam pengolahan data seismik konvensional, dikarenakan efeknya sangat kecil dan sulit untuk diukur terutama pada medium dengan Q>30 (Futterman, 1962).

Akan tetapi pada medium yang beratenuasi tinggi Q<30, Velocity Dispersion tidak bisa diabaikan lagi (Molyneux and Schmitt, 1999). Karena pada medium tersebut data seismik akan mengalami pergeseran fasa yang signifikan.

Akibat adanya pergeseran fasa tersebut, tidak mengherankan jika kita sulit melakuan well-seismic tie untuk data VSP, terutama jika bekerja pada daerah dengan atenuasi yang sangat tinggi e.g. shale prone atau loose material akibat rapid sedimentation.

AVO Classification

Klasifikasi AVO (Amplitudo versus Offset) diprakarsai oleh Rutherford dan Williams (1989) yang mendefinisikan 3 kelas AVO untuk reservoir gas sand.

Ketiga kelas tersebut adalah, kelas I untuk high impedance gas sand (relatif terhadap shale yang menutupinya), Kelas II untuk kontras impedance yang hampir nol (antara gas sand dan shale) dan kelas III untuk low impedance gas sand.

Karakteristik amplitudo sebagai fungsi dari offset (sudut) untuk kelas-kelas AVO tersebut dapat dilihat pada gambar di bawah ini.

Dari gambar di atas terlihat bahwa, top gas sand kelas I AVO memiliki peak amplitude yang positif (SEG reverse, lihat: Polaritas normal-reverse) untuk near offset, kemudian mengalami dimming pada mid angle dan bahkan pembalikan polaritas pada far angle sebagai trough amplitude.

Kelas II memiliki near zero amplitude pada near offset (dimming), lalu mengalami peningkatan amplitudo ke arah trough pada far angle. Sedangkan untuk AVO kelas IIp, dijumpai pembalikan polaritas disekitar mid offset.

Kelas III AVO merupakan anomali yang mudah dikenal yang ditandai dengan peningkatan amplitudo yang drastis ke arah trough sejalan dengan bertambahnya offset.

Seiring dengan perkembangan dan penemuan di lapangan, dikenal juga AVO kelas IV, V dan VI. Kelas IV dan kelas V memiliki perilaku yang mirip yakni negative high amplitude pada near angle dan mengalami penurunan amplitudo pada mid dan far. Akan tetapi penurunan untuk kelas IV tidak sedrastis AVO kelas V.

Perilaku batubara (coal) dapat menyerupai gas sand kelas IV, untungnya gas sand kelas IV memiliki Vp/Vs yang kecil sedangkan batubara memiliki Vp/Vs yang besar. Untuk gas sand kelas VI, memiliki karakteristik low positive amplitude pada near offset dan mengalami peningkatan amplitudo ke arah peak pada far offset.

Pada praktiknya, determinasi gas sand tidak cukup dengan melihat respon amplitudo terhadap offset saja. Studi tersebut harus ditunjang dengan melihat aspek lain seperti karakterstik peta amplitudo pada masing-masing angle stack, AVO modeling, R3M, dan lain sebagainya.

Gambar dibawah ini menunjukkan karakteristik peta amplitudo untuk gas sand kelas III. Perhatikan bahwa bright amplitude anomaly (merah) berasosiasi dengan closure area.

Courtesy Nick Loizou et al., Petroleum Geoscience

Gambar di bawah ini menunjukkan, hasil inversi R3M yang di overlay dengan data seismik. Merah menunjukan high resistivity (hidrokarbon) dan biru menunjukan low resistivity (non hidrokarbon).

Courtesy R. Mittet et al., EGM 2007 International Workshop

Gambar di bawah ini menunjukkan aplikasi interaktif untuk pemodelan AVO dengan input Vp, Vs dan ρ shale dan sand untuk gelombang P refleksi (Rpp : lihat Converted Waves).

Berikut adalah code pemograman matlab untuk aplikasi di atas:

% Interactive AVO Modeling
% Developed by Agus Abdullah, PhD
% Prepared for ensiklopediseismik.blogspot.com
% You may use this code for your research and study as long as you mention the source of this code: 'ensiklopediseismik'.
% Afterall,it is a bloody work to write such code, isn't it?
function [] = AVO()
S.gambar = figure('units','pixels',...
'position',[400 400 600 700],...
'menubar','none',...
'numbertitle','off',...
'name','AVO Modeling - ensiklopediseismik',...
'resize','off');
S.kurva = axes('units','pixels',...
'position',[75 270 500 400],...
'fontsize',8,...
'buttondownfcn',{@ax_bdfcn,S},...
'nextplot','replacechildren');
S.sl1 = uicontrol('style','slide',...
'unit','pix',...
'position',[150 200 300 20],...
'min',1,'max',8000,'val',2200);
S.ed1 = uicontrol('style','edit',...
'unit','pix',...
'position',[480 200 60 20],...
'fontsize',10,...
'string','2200');
S.sl2 = uicontrol('style','slide',...
'unit','pix',...
'position',[150 175 300 20],...
'min',1,'max',4000,'val',1200);
S.ed2 = uicontrol('style','edit',...
'unit','pix',...
'position',[480 175 60 20],...
'fontsize',10,...
'string','1200');
S.sl3 = uicontrol('style','slide',...
'unit','pix',...
'position',[150 150 300 20],...
'min',1,'max',6000,'val',2100);
S.ed3 = uicontrol('style','edit',...
'unit','pix',...
'position',[480 150 60 20],...
'fontsize',10,...
'string','2100');
S.sl4 = uicontrol('style','slide',...
'unit','pix',...
'position',[150 125 300 20],...
'min',1,'max',8000,'val',2200);
S.ed4 = uicontrol('style','edit',...
'unit','pix',...
'position',[480 125 60 20],...
'fontsize',10,...
'string','2200');
S.sl5 = uicontrol('style','slide',...
'unit','pix',...
'position',[150 100 300 20],...
'min',1,'max',4000,'val',1200);
S.ed5 = uicontrol('style','edit',...
'unit','pix',...
'position',[480 100 60 20],...
'fontsize',10,...
'string','1200');
S.sl6 = uicontrol('style','slide',...
'unit','pix',...
'position',[150 75 300 20],...
'min',1,'max',6000,'val',2100);
S.ed6 = uicontrol('style','edit',...
'unit','pix',...
'position',[480 75 60 20],...
'fontsize',10,...
'string','2100');
S.htext1 = uicontrol('Style','text','String','Vp Shale(m/s)',...
'Position',[20,205,100,15]);
S.htext2 = uicontrol('Style','text','String','Vs Shale(m/s)',...
'Position',[20,177,100,15]);
S.htext3 = uicontrol('Style','text','String','Rho Shale(kg/m^3)',...
'Position',[20,149,100,15]);
S.htext4 = uicontrol('Style','text','String','Vp Sand(m/s)',...
'Position',[20,128,100,15]);
S.htext5 = uicontrol('Style','text','String','Vs Sand(m/s)',...
'Position',[20,103,100,15]);
S.htext6 = uicontrol('Style','text','String','Rho Sand(kg/m^3)',...
'Position',[20,77,100,15]);
set([S.ed1,S.sl1],'call',{@ed_call1,S});
set([S.ed2,S.sl2],'call',{@ed_call2,S});
set([S.ed3,S.sl3],'call',{@ed_call3,S});
set([S.ed4,S.sl4],'call',{@ed_call4,S});
set([S.ed5,S.sl5],'call',{@ed_call5,S});
set([S.ed6,S.sl6],'call',{@ed_call6,S});
function [] = ed_call1(varargin)
[h1,S] = varargin{[1,3]};
switch h1
case S.ed1
L1 = get(S.sl1,{'min','max','value'});
E1 = str2double(get(h1,'string'));
if E1 >= L1{1} && E1 <= L1{2} set(S.sl1,'value',E1)
else set(h1,'string',L1{3})
end
case S.sl1
set(S.ed1,'string',get(h1,'value'))
otherwise
end
alpha1 = get(S.sl1,('value'));
beta1 = get(S.sl2,('value'));
rho1 = get(S.sl3,('value'));
alpha2 = get(S.sl4,('value'));
beta2 = get(S.sl5,('value'));
rho2 = get(S.sl6,('value'));
tethap1=[0:40];
Rpp=avocal(alpha1,beta1,rho1,alpha2,beta2,rho2);
plot(tethap1,Rpp,'r','linewidth',2)
grid
xlabel('Angle')
ylabel('Amplitudo')
function [] = ed_call2(varargin)
[h2,S] = varargin{[1,3]};
switch h2
case S.ed2
L2 = get(S.sl2,{'min','max','value'});
E2 = str2double(get(h2,'string'));
if E2 >= L2{1} && E2 <= L2{2} set(S.sl2,'value',E2)
else set(h2,'string',L2{3})
end
case S.sl2
set(S.ed2,'string',get(h2,'value'))
otherwise
end
alpha1 = get(S.sl1,('value'));
beta1 = get(S.sl2,('value'));
rho1 = get(S.sl3,('value'));
alpha2 = get(S.sl4,('value'));
beta2 = get(S.sl5,('value'));
rho2 = get(S.sl6,('value'));
tethap1=[0:40];
Rpp=avocal(alpha1,beta1,rho1,alpha2,beta2,rho2);
plot(tethap1,Rpp,'r','linewidth',2)
grid
xlabel('Angle')
ylabel('Amplitudo')
function [] = ed_call3(varargin)
[h3,S] = varargin{[1,3]};
switch h3
case S.ed3
L3 = get(S.sl3,{'min','max','value'});
E3 = str2double(get(h2,'string'));
if E3 >= L3{1} && E3 <= L3{2} set(S.sl3,'value',E3)
else set(h3,'string',L3{3})
end
case S.sl3
set(S.ed3,'string',get(h3,'value'))
otherwise
end
alpha1 = get(S.sl1,('value'));
beta1 = get(S.sl2,('value'));
rho1 = get(S.sl3,('value'));
alpha2 = get(S.sl4,('value'));
beta2 = get(S.sl5,('value'));
rho2 = get(S.sl6,('value'));
tethap1=[0:40];
Rpp=avocal(alpha1,beta1,rho1,alpha2,beta2,rho2);
plot(tethap1,Rpp,'r','linewidth',2)
grid
xlabel('Angle')
ylabel('Amplitudo')
function [] = ed_call4(varargin)
[h4,S] = varargin{[1,3]};
switch h4
case S.ed4
L4 = get(S.sl4,{'min','max','value'});
E4 = str2double(get(h4,'string'));
if E4 >= L4{1} && E4 <= L4{2} set(S.sl4,'value',E4)
else set(h4,'string',L4{3})
end
case S.sl4
set(S.ed4,'string',get(h4,'value'))
otherwise
end
alpha1 = get(S.sl1,('value'));
beta1 = get(S.sl2,('value'));
rho1 = get(S.sl3,('value'));
alpha2 = get(S.sl4,('value'));
beta2 = get(S.sl5,('value'));
rho2 = get(S.sl6,('value'));
tethap1=[0:40];
Rpp=avocal(alpha1,beta1,rho1,alpha2,beta2,rho2); plot(tethap1,Rpp,'r','linewidth',2)
grid
xlabel('Angle')
ylabel('Amplitudo')
function [] = ed_call5(varargin)
[h5,S] = varargin{[1,3]};
switch h5
case S.ed5
L5 = get(S.sl5,{'min','max','value'});
E5 = str2double(get(h5,'string'));
if E5 >= L5{1} && E5 <= L5{2} set(S.sl5,'value',E5)
else set(h5,'string',L5{3})
end
case S.sl5
set(S.ed5,'string',get(h5,'value'))
otherwise
end
alpha1 = get(S.sl1,('value'));
beta1 = get(S.sl2,('value'));
rho1 = get(S.sl3,('value'));
alpha2 = get(S.sl4,('value'));
beta2 = get(S.sl5,('value'));
rho2 = get(S.sl6,('value'));
tethap1=[0:40];
Rpp=avocal(alpha1,beta1,rho1,alpha2,beta2,rho2);
plot(tethap1,Rpp,'r','linewidth',2)
grid
xlabel('Angle')
ylabel('Amplitudo')
function [] = ed_call6(varargin)
[h6,S] = varargin{[1,3]};
switch h6
case S.ed6
L6 = get(S.sl6,{'min','max','value'});
E6 = str2double(get(h6,'string'));
if E6 >= L6{1} && E6 <= L6{2}
set(S.sl6,'value',E6)
else
set(h6,'string',L6{3})
end
case S.sl6
set(S.ed6,'string',get(h6,'value'))
otherwise
end
alpha1 = get(S.sl1,('value'));
beta1 = get(S.sl2,('value'));
rho1 = get(S.sl3,('value'));
alpha2 = get(S.sl4,('value'));
beta2 = get(S.sl5,('value'));
rho2 = get(S.sl6,('value'));
tethap1=[0:40];
Rpp=avocal(alpha1,beta1,rho1,alpha2,beta2,rho2);
plot(tethap1,Rpp,'r','linewidth',2)
grid
xlabel('Angle')
ylabel('Amplitudo')
function Rpp= avocal(alpha1,beta1,rho1,alpha2,beta2,rho2)
tethap1=[0:40]; tethap2=180/pi*asin(((sin(tethap1*pi/180))./alpha1)*alpha2) ;
tethap=(tethap1+tethap2)./2; tethas1=180/pi*asin(((sin(tethap1*pi/180))./alpha1)*beta1) ; tethas2=180/pi*asin(((sin(tethas1*pi/180))./beta1)*beta2) ;
tethas=(tethas1+tethas2)./2;
alpha_av=(alpha2+alpha1)/2;
beta_av=(beta2+beta1)/2;
alpha_d=alpha2-alpha1;
beta_d=beta2-beta1;
rho_av=(rho2+rho1)/2;
rho_d=rho2-rho1;
p=sin(tethap1*pi/180)/alpha1;
Rpp=0.5*(1-(4*p.^2)*beta_av^2)*rho_d/rho_av+(1./(2*(cos(tethap*pi/180)).^2))*(alpha_d/alpha_av)-(4*p.^2)*(beta_av^2)*(beta_d/beta_av);

Gassmann Fluid Substitution

Gassmann Fluid Substitution merupakan pendekatan yang sering digunakan didalam studi seismik 4D atau studi AVO untuk mempelajari tentang efek pergantian fluida pori terhadap perilaku gelombang seismik. Gassmann Fluid Substitution didasarkan pada persamaan (klik untuk memperbesar) :

K_sat1 adalah modulus bulk batuan yang tersaturasi fluida 1
K_sat2 adalah modulus bulk batuan yang tersaturasi fluida 2
K_fluid1 adalah modulus bulk fluida 1
K_fluid2 adalah modulus bulk fluida2
K_min adalah modulus bulk mineral yang membentuk batuan
Φ adalah porositas batuan

Persaman tersebut di atas dibuat dengan beberapa asumsi: sifat material yang isotropis, homogen dan hanya berlaku untuk frekuensi rendah (i.e. frekuensi gelombang seismik).

Pada praktiknya, Gassmaan Fluid Substitution untuk studi seismik dilakukan dengan cara sebagai berikut:

Pertama, mengukur kecepatan gelombang P (Vp), kecepatan gelombang S (Vs) dan densitas (ρ) dari batuan yang tersaturasi fluida 1. Data ini dapat diperoleh dari data log ataupun dari pengukuran laboratorium.

Kedua, menghitung K_sat1, yakni mobulus bulk batuan yang tersaturasi fluida 1 (katakanlah kondisi awal, batuan tersebut tersaturasi oleh gas) serta mengukur modulus gesernya:

Ketiga, menghitung K_sat2 dengan menggunakan persamaan Gassmann di atas. Informasi lain yang diperlukan adalah K_fluid1, K_fluid2, K_min, dan Φ

Keempat, menghitung densitas batuan setelah tersaturasi oleh fluida 2 (katakanlah water). Untuk kasus ini gas disubstitusi oleh water.

Dalam hal ini ρ_sat1 adalah densitas batuan yang tersaturasi fluida 1 (ρ), ini ρ_fluid1 adalah densitas fluida 1 (densitas gas), ρ_fluid2 adalah densitas fluida 2(densitas water).

Kelima, menghitung Vp dan Vs batuan yang tersaturasi oleh fluida 2.

Dimana μ_sat2 = μ_sat1, mengapa?

Dari perhitungan di atas: Vp, Vs, dan ρ untuk batuan yang tersaturasi oleh fluida 2 (water) telah diperoleh. Dengan demikian, kita sudah bisa melakukan pemodelan seismik untuk fluid substitution!

Gambar di bawah ini menunjukkan aplikasi Gassmann Fluid Substitution untuk memodelkan perilaku Vp untuk gas dan brine.

Courtesy Fusiongeo

Spectral Balancing

Koreksi NMO pada CDP gather dan efek atenuasi (Q) menyebabkan kandungan frekuensi dan amplitudo yang berbeda untuk near, mid, dan far offset traces. Kondisi seperti ini menyebabkan analisis AVO menjadi kurang sempurna demikian juga dengan produksi stack yang kurang optimal.

Koreksi NMO menyebabkan terjadinya distorsi frekuensi dan amplitudo terutama pada far angle traces dan event yang yang dangkal.

Gambar di bawah ini mengilustrasikan perubahan kandungan frekuensi dan amplitudo akibat koreksi NMO pada domain waktu (kiri) dan domain frekuensi (kanan):

Courtesy YONG XU and SATINDER CHOPRA, TLE, 2007

Dari gambar di atas terlihat bahwa, pada domain waktu, koreksi NMO menyebabkan bandwidth gelombang seismik menjadi lebih lebar demikian juga dengan amplitudonya yang semakin besar. Pada domain frekuensi, kandungan frekuensi setalah NMO (merah putus-putus) menjadi bergeser kearah low frekuensi (bandingkan dengan frekuensi pada zero offset-berwarna merah tipis) demikian juga amplitudonya yang semakin tinggi, lebih dari itu, setelah koreksi NMO, komponen frekuensi tinggi menjadi hilang.

Pada data seismik real, selain diakibatkan oleh koreksi NMO, kehilangan komponen frekluensi tinggi pada far offset juga disebabkan oleh Q (atenuasi).

Perubahan kandungan frekuensi diatas sebenarnya masih mengikuti hukum kekekalan energi, dimana jumlah total energi dalam lingkupan frekuensi setelah dan sebelum koreksi NMO akan sama.

Teknik Spectral Balancing yang dikenal juga dengan stretching and tuning correction hadir dalam industri seismik eksplorasi untuk menyeimbangkan kandungan frekuensi dari near, mid dan far traces, yakni dengan melakukan kompensasi akibat distorsi NMO stretching dan atenuasi. Pada praktiknya, diperlukan filter baru dimana kandungan frekuensi mid dan far akan sama dengan near traces. Dikarenakan distorsi NMO tersebut merupakan time variant dan spatial variant, maka anda harus mendesain beberapa filter sebagai fungsi dari waktu dan space.

Gambar di bawah ini menunjukkan CDP gather untuk data seismik sintetik sebelum Spectral Balancing (kiri) dan setelah (kanan):

Courtesy Nirupama Nagarajappa and Jon Downton, 2009 CSPG CSEG CWLS Convention

Pada gambar di atas terlihat bahwa setelah Spectral Balancing kandungan bandwith antara near dan far traces menjadi lebih seimbang. Demikian juga dengan amplitudonya.

Gambar di bawah ini menunjukkan kandungan frekuensi antara sebelum untuk near dan far (Input) dan setelah Spectral Balancing (Output). Pada data Input, terlihat ketidakhadiran komponen frekuensi tinggi pada far offset. Setelah Spectral Balancing kandungan frekuensi menjadi lebih mirip. Adanya perbedaan amplitudo pada data Output (lihat gambar) merupakan anomaly AVO yang sesungguhnya.

Courtesy Nirupama Nagarajappa and Jon Downton, 2009 CSPG CSEG CWLS Convention

Gambar di bawah ini menunjukkan perbandingan antara sebelum (atas) dan setelah (bawah) Spectral Balancing pada stack data. Data setelah Spectral Balancing terlihat lebih ‘crispy’ dimana event-event frekuensi tinggi lebih muncul demikian juga dengan peningkatan resolusi temporalnya.

Courtesy YONG XU and SATINDER CHOPRA, TLE, 2007

Gambar di bawah ini menunjukkan data sebelum (atas) dan setelah (bawah) Spectral Balancing untuk penampang Product Intercept * Gradient. Perhatikan reflektor–refelektor setelah Spectral Balancing dapat terdefinisikan dengan lebih baik.

Courtesy YONG XU and SATINDER CHOPRA, TLE, 2007

Pore Pressure Prediction

Pore Pressure Prediction (Prediksi Tekanan Pori) merupakan pekerjaan yang sangat penting dalam program pengeboran. Pore Pressure Prediction tersebut ditujukan diantaranya untuk keperluan desain casing (casing design), penentuan berat lumpur pengeboran (mud weight) serta prediksi overpressure yang merupakan zona yang berbahaya dalam pengeboran.

Jika hal ini tidak dilakukan dengan hati-hati, maka tidak mustahil bencana pengeboran seperti blow out akan terjadi. Gambar dibawah ini menunjukkan contoh bencana blow out akibat kick pada zona overpressure.

Courtesy EnergyindustryPhotos

Selain pore pressure (Pp), terdapat dua tipe tekanan yang lain yang harus dikuantifikasi yaitu fracture pressure (Pf) dan overburden pressure (Po). Pore pressure adalah tekanan yang diakibatkan oleh pori-pori batuan atau tekanan yang diakibatkan oleh ‘fluida’ batuan. Fracture pressure adalah tekanan maksimal untuk meng-hancurkan batuan (sampai titik ‘fracture’), jadi jika kita memiliki sample batuan lalu kita tekan, maka besaran tekanan untuk bisa menghancurkan batuan tersebut disebut fracture pressure. Sedangkan overburden pressure adalah tekanan yang diakibatkan oleh seluruh batuan penutup sampai ke permukaan (termasuk air laut). Masing-masing tekanan (dalam psi) tersebut diperoleh melalui persamaan:

Dimana ρ_i adalah densitas (g/cc) untuk lapisan ke-i, dan d_i adalah ketebalan untuk lapisan ke-i (feet). Ph adalah tekanan hidrostatik, untuk air tawar bernilai 8.33 ppg dan air garam bernilai 8.56 ppg (wikianswers), Vi adalah kecepatan interval (gelombang seismik), Vn adalah kecepatan normal untuk shale (normal trend), Δt_n adalah transit time pada normal trend dan Δt_i nilai transit time yang terbaca (μsec/ft), γ adalah konstanta (biasanya 3) dan k adalah matrix stress coefficient yang diperoleh secara empirik dengan nilainya yang bervariasi dari satu tempat ke tempat yang lainnya (tentu saja tergantung pada jenis batuan, burial history, lingkungan pengendapan dll.) dan ppg adalah pound per gallon, dimana ppg=psi/(0.052*kedalaman dalam feet).

Gambar dibawah ini menunjukkan contoh nilai k (matrix stress coefficient) sebagi fungsi dari kedalaman:

Courtesy Djebbar Tiab & Erle C. Donaldson

Pada gambar di atas terlihat bahwa besaran k untuk South Texas bernilai sekitar 0.7 dan Lousiana Gulf Coast bernilai sebesar 0.82.

Gambar dibawah ini (klik untuk memperbesar) adalah contoh menentukan besaran Vi, Vn dari data sonic yang satuannya telah dikonversi menjadi ft/sec.

Modified from David W. Bell, AAPG Memoir 76, 2002

Pada gambar di atas terlihat bahwa normal trend akan meningkat secara gradual dari mulai permukaan sampai kedalaman tertentu. Kehadiran zona over pressure akan bersasosiasi dengan penurunan kecepatan gelombang secara tiba-tiba yang nilainya menyimpang dari nilai normal. Normal trend dibuat hanya pada data shale (dipisahkan dengan bantuan gamma ray). Normal trend dapat dibuat lebih dari satu tergantung dengan geologinya. Pada software komersial, penentuan normal trend dilakukan dengan try and error agar kurva pore pressure mirip dengan data RFT (Repeat Formation Tester ), MDT (Modular Dynamic formation Tester) yakni pengukuran pore pressure langsung pada sumur.

Prediksi tekanan pori dari data seismik dapat dilakukan melalui analisa kecepatan. Akan tetapi nilai kecepatan yang diperoleh belum tentu sepenuhnya merepresentasikan tekanan, karena sifat tekanan sangat bergantung kepada faktor lain seperti porositas, densitas, temperatur, poisson’s ratio dan lithologi. Sebagai contoh low impedance sandstone akan memiliki kecepatan relatif lebih kecil daripada shale yang menutupinya, dimana pada kurva kecepatan akan ditunjukkan seperti overpressure (padahal ini adalah efek lithologi). Oleh karena itu berbagai macam teknik digunakan untuk menghilangkan efek-efek luar selain efek tekanan tersebut. Sebagai contoh untuk data sonic di atas, efek lithologi dapat dihilangkan dengan melakukan low pass filter dan menghilangkan efek sand (hanya memplot shale saja dengan bantuan gamma ray).

Analisis kecepatan untuk pore pressure prediction dilakukan pada CMP gather yang telah di-makeup terlebih dahulu seperti multiple elimination (Radon Demultiple, gap deconvolution), PSTM, PSDM, spectral whitening atau spectral broadening dll. Demikian juga dengan teknik analisisnya, untuk struktur yang kompleks dapat dilakukan analis HVA (Horizon keyed Velocity Analysis, Automated Velocity Inversion (Mao et al, 2000), Reflection Tomography, dll.

Tetapi walaupun semua proses mutakhir processing dilakukan, adakalanya kualitas data tetap tidak sebaik yang diharapkan. Sebagai mana ditunjukkan pada gambar di bawah ini (klik untuk memperbesar):

Courtesy Satinder Chopra and Alan Huffman, April 2006 CSEG RECORDER

Pada gambar di atas terlihat bahwa CMP1 memiliki kualitas yang paling bagus disusul dengan CMP2 dan CMP3. CMP1 dikatakan bagus karena semblance terfokus dengan baik sehingga kita lebih confident untuk melakukan velocity picking pada puncak semblance tersebut. Sementara pada CMP3 ‘remnant multiples’ dan semblance yang tidak terfokus menyebabkan velocity picking menjadi terganggu.

Selain proses makeup di atas, pemilihan parameter processing pun harus dilakukan secara teliti. Gambar di bawah ini menunjukkan pengaruh penerapan serta desain mute terhadap resolusi semblance. Pada panel paling kiri terlihat bahwa analisis tanpa mute mengakibatkan kehilangan informasi semblance untuk zona dangkal, sedangkan penerapan mute yang agresif pada panel paling kanan menyebabkan kaburnya resolusi semblance.

Courtesy Satinder Chopra and Alan Huffman, April 2006 CSEG RECORDER

Analisa kecepatan untuk pore pressure prediction tidak cukup dilakukan hanya pada satu CMP saja. Gambar di bawah ini (kurva hitam adalah sonic log yang telah di-smoothing, dan merah adalah V-interval) menunjukkan analisa untuk satu CMP (a), rata-rata beberapa CMP dan perata-rataan secara waktu (b) dan perata-rataan untuk seluruh struktur dan waktu(c). Terlihat bahwa (c) memiliki nilai V-interval yang lebih bagus (robust). Dari gambar tersebut terlihat bahwa, V-interval yang robust merupakan trend (low frequency component) dari data sonic itu sendiri.

Courtesy eSeis.inc, 2002-2003

Lebih jauh lagi, karena adanya efek sudut penembakan (efek anisotropy, untuk kasus perlapisan horizontal), nilai kecepatan interval data seismik akan selalu lebih tinggi daripada kecepatan checkshot (aktual). Dengan demikian perlu dilakukan kalibrasi nilai kecepatan dengan mengkalikannya dengan sebuah skalar (biasanya <1.0).

Analisis tekanan untuk sebuah sumur eksplorasi memerlukan informasi tekanan dari sumur disekitarnya (offset well). Posisi offset well dapat berada ratusan bahkan ribuan kilometer. Tentu saja pemilihan informasi offset well harus didasarkan pada pertimbangan kemiripan geologi.

Informasi pada offset well biasanya berupa overburden pressure, pore pressure, mud weight ataupun hasil LOT (Leak off Test). LOT atau PIT (Pressure Integrity Test) merupakan pengukuran tekanan (fracture pressure) secara langsung pada fresh rock saat pengeboran. Dengan informasi pada offset well tersebut kita dapat melakukan interpolasi pada sumur yang akan dibor. Gambar di bawah ini menunjukan teknik interpolasi tekanan dari offset well untuk kasus connected system (dianggap reservoirnya berkomunikasi) dan unconnected system (tidak berkomunikasi).

Overburden Pressure (Po) pada posisi A dapat memberikan informasi besaran densitas geologi dari mulai mud line (water bottom) sampai TD (total depth), dengan menganggap densitas air laut = 1.025 g/cc, maka:

Po (psi)=0.433(6000*1.025+4000*d)
14.5*0.052*(4000+6000)=0.433*(6000*1.025+4000*d)
d=2.82g/cc (densitas batuan pada posisi A).

Jika karakter batuan pada posisi A mirip dengan posisi B, maka Po pada posisi B:

Po=0.433(1.025*1500+2.82*3500)= 4939.4475 psi= 19.0ppg

Sedangkan Pp pada sumur B (untuk kasus connected system):

PpB (psi) = PpA(psi)+0.44(TVDss B –TVDss A) = 12.1*0.052*(10000)+0.44(5000-10000)=4092psi=15.7ppg

Untuk unconnected system dilakukan dengan beberapa tahap:
a. WdB - WdA =1500 -6000 =-4500 ft
b. TVDrkbA-KBA-WdA+WdB+KBB =10100-100-6000+1500+30=5530ft
c. PpA(psi)=12.1*0.052*10100= 6354.92psi
d. dW=0.44(WdB-WdA)=0.44*(1500-6000)=-1980psi
e. PpB=c+d=6354.92-1980=4374.92 psi =
f. Pp B(ppg)=4374.92/0.052*5030=16.7ppg


Gambar di bawah ini menunjukkan kurva Pp (kuning), Pf(biru) dan Po (magenta) yang digunakan untuk mendesain casing dan penentuan mudweight. Sumbu vertikal adalah kedalaman dan sumbu horizontal adalah tekanan (ppg).

Modified from Halliburton

Dari gambar di atas terlihat bahwa mudweight selalu lebih besar dari Pp dan lebih kecil dari Pf (biasanya di desain lebih besar 0.5-1.0ppg dari Pp). Jika mudweight lebih rendah dari Pp maka akan terjadi kick atau blow out, jika lebih besar dari Pf akan merusak formasi dan bahkan akan terjadi loss circulation.

Dengan pertimbangan shallow hazard dan well stability, besaran mudweight dapat didesain jauh lebih desar dari Pp (tidak lagi 0.5-1.00 lebih tinggi dari Pp), dengan catatan tidak melebihi Pf.

Cara membaca kurva di atas adalah sbb: Mulai kedalaman A digunakan mudweight sebesar a (Pp+0.5 s/d 1.0ppg) lalu dipasang casing, selanjutnya tarik garis vertikal ke bawah sampai akan menyentuh garis kuning (Pp), lalu tarik ke kanan dengan menambah 0.5 s/d 1.0ppg untuk medweight berikutnya sebesar b (baca skala pada sumbu horizontal) lalu pasang casing dan seterusnya. Pada kedalaman A terdapat data LOT (Leak off Test) yang nilainya selalu lebih rendah dari Pf (kurva biru).

Semakin lebar jarak antara Pp dan Pf menunjukkan seal integrity (kemampuan sealing rock menahan hidrokarbon) yang lebih baik dan semakin sempit jarak antara Pp dan Pf menunjukkan sealing integrity yang rendah, disamping itu akan menyulitkan perancangan mudweight itu sendiri. Sumur bor laut dalam memiliki tipikal jarak Pp dan Pf yang sempit dibandingkan dengan laut dangkal.

Selanjutnya, anda harus melibatkan besaran bouyancy pressure yang disebabkan oleh kolom hidrokarbon (gas atau minyak). Sebagai contoh pada gambar di atas jika pada kedalaman B (katakanlah 9000ft) merupakan batas minyak-air dengan pore pressure a (katakanlah 9.0 ppg) dan ketebalan kolom minyaknya h (katakanlah 900ft), maka kalkulasi bouyancy pressure akibat kolom minyak pada kedalaman 8100ft (9000-900) adalah sbb (anggap water gradient 0.4627psi/ft, oil gradient 0.3126 psi/ft, gas gradient 0.11 psi/ft):

a. 0.052*9000ft*9.0ppg=4212psi

b.4212psi-0.4627psi/ft*900ft=3795.57psi = 3795.57psi

c.4212psi-0.3126psi/ft*900ft=3930.66psi = 3930.66psi/(0.052*9000-900)=9.33ppg (bouyancy pressure pada top minyak)

d. 4212psi-0.11psi/ft*900ft=4113psi = 4113psi/(0.052*9000-900)=9.76ppg (bouyancy pressure pada top gas - untuk kasus gas)

Dengan demikian pada kedalaman 8100ft anda akan mendapatkan tekanan (akibat bouyancy pressure kolom minyak) yang jauh lebih tinggi daripada prediksi pore pressure sebelumnya. Jika anda memasang mudweight dengan acuan pore pressure saja, maka tidak mustahil sumur anda akan mengalami bencana bowout.

Jika analisis kecepatan dilakukan untuk seluruh areal penelitian (3D) maka nilai kecepatan tersebut dapat diterjemahkan menjadi volume tekanan. Sebagaimana ditunjukkan pada gambar di bawah ini:

Courtesy Satinder Chopra and Alan Huffman, April 2006 CSEG RECORDER

Gambar di atas merupakan volume pore pressure yang tentunya sangat bermanfaat untuk menganalisa struktur geologi, burial history, akumulasi hidrokarbon, migration pathway, dll.

AVOA (Amplitude versus Offset and Azimuth)

Determinasi fracturing sebagai secondary porosity merupakan pekerjaan yang tidak boleh terlewatkan didalam ekplorasi migas. Beberapa lapangan raksasa di dunia membuktikan bahwa eksistensi fracturing sangat memepengaruhi jumlah cadangan maupun produksi minyak dan gas.

Sebagai contoh satu sumur bor di lapangan minyak Gaschsaran Iran mampu menghasilkan 80 ribu barel minyak setiap hari dari fracturing porosity pada limestone walapun porositas matriksnya hanyalah 9% (McQuillan, 1985). Demikian juga dengan lapangan West Cat Canyon di California, shale dengan fracturing sebagai secondary porosity memiliki cadangan minyak sebesar 563 juta barel (Roehl dan Weinbrant, 1985).

Teknologi eksplorasi seismik tiga dimensi (3D Seismic), OBC (Ocean Bottom Cable), Seismic Multicomponent, Wide Azimuth Seismic, Multi Azimuth Seismic, dll.,telah menghadirkan study AVOA (Amplitude versus Offset and Azimuth).

Courtesy Burke J. Minsley et al., 2003

Seperti ditunjukkan pada gambar di atas, analisis AVOA tidak lain hanyalah kumpulan analisis AVO konvensial (pada azimuth Φ_sym ) yang dilakukan untuk setiap azimuth ( Φ_k ).

Ruger (1997) mempublikasikan persamaan AVOA sebagai adaptasi persamaan AVO Shuey (1985) yang mengadopsi variasi azimuth (Φ): Dimana Rpp adalah variasi amplitudo gelombang P sebagai fungsi dari offset dan azimuth, A adalah intercept, B^iso adalah isotropic gradient dan B^ani adalah anisotropic gradient, Φ_k adalah azimuth , Φ_sym azimuth referensi, Θ adalah sudut tembak yang berasosiasi dengan offset.

Secara praktis, parameter-parameter tersebut diperoleh dengan inversi dari persamaan Ruger di atas.

Gambar di bawah ini mengilustrasikan karakteristik gradient sebagai fungsi dari azimuth. Terlihat dua interval data ini memiliki variasi gradient sebagai fungsi dari azimuth (menunjukkan adanya anisotropy). Untuk kasus isotropi, profil tersebut akan datar-datar saja.

Courtesy Mrinal K. Sen, F. David Laneand Douglas J. Foster, The Leading Edge, September, 2007.

Sebelum melakukan analisis AVOA, data seismik di-reproses terlebih dahulu untuk mereduksi kehadiran noise. Akan tetapi proses ini harus dilakukan dengan hati-hati, jangan sampai merusak karakteristik asli dari AVO itu sendiri. Untuk alasan ini, analisis AVOA kerap kali dilakukan dengan men-stack gerbang common offset-azimuth.

Setelah itu analisis AVOA dilakukan pada gerbang common azimuth untuk melihat karakteristik AVO pada azimuth tertentu.

Gambar di bawah ini menunjukkan contoh gerbang CMP dengan azimuth yang berbeda-beda (click untuk memperbesar):

Courtesy Burke J. Minsley et al., 2003

Pada gambar di atas terlihat bahwa karakteristik event pada 1.8 detik berbeda-beda sari satu azimuth dengan azimuth yang lainnya. Hal ini mengindikasikan adanya anisotropy (baca: fracturing) pada zona tersebut.

Melalui Inversi AVOA, Intercept dan Gradient dari setiap event dapat dihasilkan, seperti halnya ditunjukkan pada gambar di bawah ini:

Courtesy Burke J. Minsley et al., 2003

Selajutnya, jika analisis AVOA dilakukan untuk seluruh areal penelitian maka dapat diperoleh peta distribusi, orientasi serta pola dari fracture. Orientasi fracture tersebut berasosiasi dengan gradient AVO maksimum, dan panjang fracture berasosiasi dengan magnitudo anisotropy, seperti yang ditunjukkan pada plot quiver di bawah ini:

Courtesy M. Kendall et al., Geological Society, London, Special Publications, 2007.

Selain itu, hasil dari analisis AVOA dapat memberikan gambaran tentang derajat anisotropy, seperti yang ditunjukkan pada gambar di bawah ini.

Courtesy David Gray*,Veritas, Calgary, Alberta, Canada

Gambar di atas menunjukkan peta distribusi derajat anisotropy (merah: tinggi) serta orientasi fracture pada lapisan CBM (Coal Bed Methane) yang diperoleh melalui analisis AVOA. Dari gambar di atas untuk memperoleh produksi methane yang optimum di manakah kita harus menempatkan titik bor?