UNIVERSIDADE ESTADUAL DE CAMPINAS

Instituto de Geociências
Departamento de Geologia e Recursos Naturais

Trabalho de Conclusão de Curso

Graduação em Geologia

MÉTODOS DE ANÁLISE NÃO DESTRUTIVA APLICADOS A

ROCHAS CARBONÁTICAS

Mateus Basso

Orientador: Prof. Dr. Alexandre Campane Vidal

Campinas - SP
Junho de 2015
 UNIVERSIDADE ESTADUAL DE CAMPINAS
Instituto de Geociências
Departamento de Geologia e Recursos Naturais

Trabalho de Conclusão de Curso

Graduação em Geologia

MÉTODOS DE ANÁLISE NÃO DESTRUTIVA APLICADOS A

ROCHAS CARBONÁTICAS

Mateus Basso

Trabalho de conclusão de curso

apresentado em 30 de Junho de
2015 para obtenção do título de
Bacharel em Geologia pelo
Instituto de Geociências da
UNICAMP.

Banca Examinadora:
Prof. Dr. Alexandre Campane Vidal (Orientador)
Prof. Dr. Alessandro Batezelli
Msc. Flavia Callefo, Doutoranda do programa de Pós-Graduação do Instituto de
Geociências.

ii
AGRADECIMENTOS

Gostaria de agradecer a todos aqueles que de alguma forma fizeram parte

dessa trajetória rumo à minha formação.

A minha família, principalmente aos meus pais, Antônio Carlos Basso e Maria
Neide Cardoso de Morais Basso pelo apoio, incentivo e amor incondicional.

A minha namorada, companheira, conselheira e amiga Francine Cristofoleti,

por dividir comigo todos os momentos.

Aos queridos amigos da turma de Geologia de 2010, principalmente a Marcus

Vinicius Theodoro Soares, Tales Rodrigues de Almeida, Ester Baraldi, João Ponte,
Raphael Hunger, Fernanda Ferrari e Maisa Trovó que permitiram que esses anos de
graduação fossem inesquecíveis.
Aos pesquisadores e amigos do CEPETRO pelo apoio, sugestões e
incentivos durante a realização desse trabalho. Em especial a Michelle Kuroda, Aline
Belila e Guilherme Furlan por disponibilizarem tempo para participar deste projeto.

Ao meu orientador Alexandre Campane Vidal, pelas oportunidades

concedidas durante a minha graduação e por compartilhar de sua experiência e
conhecimento.

Ao CEPETRO e seus funcionários pela atenção e disponibilização de todos

os recursos necessários a essa pesquisa.

iii
RESUMO

Este trabalho aborda o tema caracterização petrofísica de rochas

carbonáticas através de duas pesquisas distintas. Inicialmente se propõe uma
metodologia para o modelamento em duas e três dimensões da distribuição permo-
porosa de rochas carbonáticas. Posteriormente é analisado um bloco de travertino
segundo parâmetros geológicos, petrofísicos e geofísicos visando a caracterização
desta rocha segundo propriedades relevantes à indústria do petróleo.
A metodologia proposta para o modelamento da permo-porosidade foi
aplicada em uma amostra de coquina visivelmente heterogênea em termos texturais.
O método utiliza dados de permeabilidade obtidos através de ensaios de
permeabilidade e os correlaciona através do método de redes neurais de múltiplas
camadas a imagens originadas do escaneamento da face da amostra e obtidas pela
tomografia computadorizada. Os mapas gerados destacaram diferentes horizontes
permo-porosos para amostra de forma condizente ao constatado pela descrição
geológica.
A análise petrofísica, geológica e geofísica do bloco de travertino por sua vez
foi realizada por meio de técnicas não destrutivas visando a caracterização da
distribuição espacial dos diferentes parâmetros analisados bem como sua
correlação. O bloco de travertino foi descrito macroscopicamente, foram realizados
ensaios de permeabilidade, medidas de espectrometria de raios gama e a
porosidade foi obtida por meio de análise de imagens. Diferentes modelos foram
gerados a partir dos dados coletados sendo possível constatar um gradiente de
redução de porosidade, permeabilidade e nas concentrações dos elementos K, U e
Th juntamente a alterações no grau de desenvolvimento da fábrica da rocha

Palavras-chave: Modelamento Permo-poroso, Petrofísica de Travertinos

iv
ABSTRACT

This work approaches the subject petrophysical characterization of carbonate

rocks through two distinct researches. Initially it proposes a methodology for
modeling in two and three dimensions the permo-porous distribution of carbonate
rocks. Then a travertine block is analyzed according to geological, petrophysical and
geophysical parameters aiming the characterization of this rock according properties
that are relevant to the oil industry
The proposed methodology for modeling the Permo-porosity was applied to a
sample of visibly heterogeneous coquina. The method uses permeability data
obtained from permeability tests and correlates them by the artificial neural network
of multiple layers to images originated from the sample face scanning and by
computerized tomography. The maps generated highlight different permo-porous
horizons for the sample that are consistent to the geological description.
The petrophysical, geological and geophysical analysis of the travertine block
was performed through non-destructive techniques in order to characterize the
spatial distribution of the various parameters measured and correlates them. The
travertine block was described macroscopically, where performed permeability tests,
gamma ray spectrometry measurements and the porosity were obtained by image
analysis. Different models were generated from the data collected, making it possible
to state a reduction gradient for the porosity, permeability and the concentrations of
the elements K, U and Th along with changes in the degree of rock fabric
development.

Keywords: Permo-Porous Modeling, Travetine Petrophysics

v
 SUMÁRIO

AGRADECIMENTOS ....................................................................................................................................iii

RESUMO ........................................................................................................................................................iv

ABSTRACT ....................................................................................................................................................v

1. INTRODUÇÃO .......................................................................................................................................... 1

2. MATERIAIS E MÉTODOS ...................................................................................................................... 2

2.1. Revisão Bibliográfica ................................................................................................................................ 2

2.2. Aquisição de Dados ................................................................................................................................. 3

2.2.1. Descrição Geológica ........................................................................................................................ 3
2.2.2. Ensaios de Permeabilidade ............................................................................................................. 3
2.2.3. Gama Espectrometria ...................................................................................................................... 5
2.2.4. Tomografia Computadorizada......................................................................................................... 6

2.3. Processamento de Dados ....................................................................................................................... 7

2.3.1. Análise de Imagens .......................................................................................................................... 7
2.3.2. Redes Neurais de Múltiplas Camadas .......................................................................................... 8
2.3.3. Krigagem .......................................................................................................................................... 10

2.4. Interpretação dos Resultados ............................................................................................................... 11

3. ARTIGO – MODELAMENTO 2D E 3D DA PERMO-POROSIDADE DE AMOSTRAS DE ROCHAS

CARBONÁTICAS .........................................................................................................................................12

3.1. Resumo .................................................................................................................................................... 12

3.2. Abstract .................................................................................................................................................... 12

3.3. Introdução ................................................................................................................................................ 13

3.4. Metodologia ............................................................................................................................................. 14

3.4.1. Mensurações Diretas...................................................................................................................... 14
3.4.2. Rede Neural de Múltiplas Camadas ............................................................................................ 15

3.5. Resultados e Discussões ...................................................................................................................... 17

3.5.1. Comparação entre os Permeâmetros ......................................................................................... 17
3.5.2. Geologia da Amostra ...................................................................................................................... 18
3.5.3. Análise de Permeabilidade ........................................................................................................... 19
3.5.4. Modelamento da Permo-Porosidade ........................................................................................... 21

3.6. Conclusão ................................................................................................................................................ 23

3.7. Agradecimentos ...................................................................................................................................... 25

3.8. Referências Bibliográficas ..................................................................................................................... 25

4. ARTIGO – ANÁLISE GEOLÓGICA E PETROFÍSICA DE UM BLOCO DE TRAVERTINO .............28

4.1. Resumo .................................................................................................................................................... 28

4.2. Abstract .................................................................................................................................................... 28

vi
 4.3. Introdução ................................................................................................................................................ 29

4.4. Fundamentação Teórica ........................................................................................................................ 30

4.4.1. Travertino ......................................................................................................................................... 30
4.4.2. Porosidade ....................................................................................................................................... 31
4.4.3. Permeabilidade ............................................................................................................................... 31
4.4.4. Espectrometria de Raios Gama .................................................................................................... 32

4.5. Metodologia ............................................................................................................................................. 33

4.6. Resultados e Discussões ...................................................................................................................... 35

4.6.1. Geologia ........................................................................................................................................... 35
4.6.2. Análise da Porosidade ................................................................................................................... 38
4.6.3. Análise da Permeabilidade ............................................................................................................ 40
4.6.4. Espectrometria de Raios Gama .................................................................................................... 42

4.7. Conclusão ................................................................................................................................................ 44

4.8. Agradecimentos ...................................................................................................................................... 46

4.9. Referências Bibliográficas ..................................................................................................................... 46

5. CONCLUSÃO ...........................................................................................................................................49

6. REFERÊNCIAS BIBLIOGRÁFICAS ......................................................................................................51

vii
 ÍNDICE DE FIGURAS

Figura 1: Permeâmetro Portátil Tiny Perm 2. As setas indicam o aparelho e o microcontrolador. ....... 4
Figura 2: Malhas de pontos de medição de permeabilidade para a amostra de coquina (A) e
travertino (B). ................................................................................................................................... 5
Figura 3: Medição de gamaespectrometria sobre as faces do bloco de travertino (A) e leitura de dos
valores de taxa dose e concentração de K, U e Th (B). ................................................................. 6
Figura 4: Visualização do resultado da técnica tomografia computadorizada aplicada sobre a amostra
de coquina utilizando o software MATLAB (The Math Works Inc.). ................................................ 7
Figura 5: Modelo esquemático de funcionamento de da rede neural de múltiplas camadas
apresentando as camadas de entrada, intermediarias e de saída (Soares e Silva, 2011). ........... 8
Figura 6: Modelo tridimensional da distribuição das medições de gama espectrometria para as faces
do bloco de travertino. ................................................................................................................... 10
Figura 7: Distribuição das medidas de permeabilidade realizadas com o permeâmetro portátil. ....... 15
Figura 8: Imagens base para a aplicação do método redes neurais de múltiplas camadas. Em 2A
imagem resultante de escaneamento convencional da superfície da amostra. Em 2B imagem
obtida a partir da tomografia computadorizada da amostra. ........................................................ 16
Figura 9: Dados de permeabilidades derivados dos 20 plugues medidos pelo permeâmetro de
laboratório (ultraperm), permeâmetro portátil (tinyperm) e dados resultantes da aplicação do
favor de correção para amostras não confinadas (tinyperm_c). ................................................... 18
Figura 10: Camadas com diferentes litologias que compões a amostra alvo. Destaque para a camada
composta de rudstone sem matriz (C4) visivelmente porosa. ...................................................... 19
Figura 11: (A) Mapeamento das zonas de maior permeabilidade da amostra, mostrando a alta
permeabilidade da camada classificada como rudstone sem matriz. (B) Histograma mostrando a
distribuição dos 75 valores de permeabilidade obtidos através do permeâmetro portátil (C)
Histograma gerado a partir da exclusão dos valores referentes a linha de medição L4,
apresentando uma distribuição próxima a normal. ....................................................................... 21
Figura 12: Resultado do processo redes neurais de múltiplas camadas aplicado em imagens
resultantes de escaneamento convencional (A) e imagem de tomografia computadorizada (B).
Fornecendo a distribuição de poros e a relação com a permeabilidade para os 5 horizontes
identificados. .................................................................................................................................. 22
Figura 13: (A).Modelo em 3D obtido através do processamento dos dados de permeabilidade junto a
imagem de tomografia a partir da técnica redes neurais de múltiplas camadas. (B) Este método
permite investigar o comportamento da distribuição permo-porosa em profundidade. ................ 23
Figura 14: Amostra de travertino T-block, e a malha regular construída em suas faces. A face
esquerda representa a seção basal enquanto a direita o perfil vertical. ....................................... 34
Figura 15: Carregamento das malhas e processamento de dados. A: gama espectrometria –DR. B:
permeabilidade. ............................................................................................................................. 35
Figura 16: A, B: Acamamento bem definido do bloco de travertino com camadas onduladas na base
gradando a plano paralelas no topo. C, D: Estruturas ramificadas bem desenvolvidas,
sobrepostas por esteiras irregulares. E, F: Estrutura arbustiva com grau de desenvolvimento
intermediário na região central do bloco. G, H: Estrutura arbustiva pouco desenvolvida próximo
ao topo do bloco. ........................................................................................................................... 37
Figura 17: Resultado da binarização, segmentação dos poros e calculo de porosidade para os perfis
verticais (A) e (B), seção basal (C) e seção de topo (D)............................................................... 39
Figura 18: Histograma representando a frequência dos valores de permeabilidade para 20 diferentes
classes, com a grande maioria dos dados abaixo de 500 mD. .................................................... 40
Figura 19: Mapeamento 2D da permeabilidade para o perfil vertical 1 obtido pela correlação entre
valores de permeabilidade e a propriedade RGB de cada ponto de medição por meio da técnica
redes neurais de múltiplas camadas. ............................................................................................ 42

viii
Figura 20: Modelos 3D gerados a partir da krigagem dos dados de espectrometria de raios gama
para a taxa dose (A), concentração de potássio (B), tório (C) e urânio (D). ................................. 43
Figura 21: Correlação entre o acamamento sedimentar e a variação espacial da concentração de
potássio para o perfil vertical do travertino. Os maiores valores de potássio estão relacionados as
camadas inferiores, gradando a menores valores nas camadas superiores. .............................. 44

ix
 ÍNDICE DE TABELAS

Tabela 1: Lista dos algoritmos de ativação treinados pela rede MLP. O menor erro foi associado a
função de Levenberg-Marquardt, utilizada para predição de permeabilidade. ............................... 9
Tabela 2: Média das 5 linhas de medição realizadas com o permeâmetro portátil. ............................ 20
Tabela 3: Comparação entre os valores de permeabilidade entre as seções e os perfis verticais. .... 41
Tabela 4: Comparação entre os valores de permeabilidade para as porções inferiores e superiores
dos perfis verticais. ........................................................................................................................ 41
Tabela 5: Concentrações médias dos elementos e taxa dose para cada umas das quatro faces
analisadas. .................................................................................................................................... 43

x
1. INTRODUÇÃO

A exploração e produção de hidrocarbonetos envolvem a combinação de um

amplo conjunto de áreas do conhecimento humano, trabalhando em
multidisciplinaridade para a descoberta de novas reservas, bem como para extração
eficiente dos bens minerais. A indústria do petróleo possui uma relação “simbiótica”
com a pesquisa e desenvolvimento sendo que, apenas em 2015 o setor de petróleo
deve investir cerca de 1,7 bilhão em P&D no Brasil segundo o Programa de
Mobilização da Indústria do Petróleo e Gás Natural (Prominp).

Dentre as áreas da ciência essenciais ao início da cadeia de valor do petróleo

e gás, estão a geologia do petróleo, paleontologia, estratigrafia, sedimentologia,
petrofísica, química, geodésia, geoquímica, geofísica, engenharia mecânica, elétrica,
de minas, de perfuração e de produção (Triggia et al. 2001). Relacionada
diretamente ao processo de produção do petróleo, a petrofísica é uma ciência que
estuda as propriedade físicas, elétricas e mecânicas das rochas e dos fluidos (Chen
e Pagan, 2013), buscando dentre outros aspectos, o aumento do fator de
recuperação de óleo.

Neste contexto, a petrofísica de rochas carbonáticas vem ganhando espaço

visto a descoberta dos campos do pré-sal anunciada em 2007 pela Petrobras. Os
reservatórios do pré-sal, distribuídos principalmente pelas bacias de Campos e
Santos, são majoritariamente formados por rochas carbonáticas divididas segundo
Riccomini et al (2012), entre calcários microbialíticos da porção superior rifte e
rochas calcarias com coquinas.

As rochas carbonáticas possuem composição mais uniforme que as rochas

siliciclásticas, sendo compostas primordialmente por carbonato de cálcio. Contudo, a
grande variedade de constituintes (Meneses et al. 2013) e a alta reatividade química
do carbonato (Ehrenberg e Nadeau, 2005) tornam a caracterização geológica e
petrofísica destas rochas, sob o ponto de vista da geologia de reservatórios, uma
fronteira científica ainda a ser vencida.

Este trabalho tem como objetivo colaborar com a área de petrofísica de

rochas carbonáticas a partir de duas diferentes vias. São apresentados aqui dois
1
artigos envolvendo este tema. O primeiro trata de uma proposta metodológica para o
modelamento permo-poroso de amostras carbonáticas por meio da correlação entre
medidas de permeabilidade e imagens de tomografia computadorizada a partir da
técnica computacional redes neurais de múltiplas camadas (MLP), o segundo
corresponde a caracterização petrofísica de um bloco de travertino por meio da
aplicação de técnicas não destrutivas visando correlacionar parâmetros como
permeabilidade, porosidade, petrologia e composição química.

2. MATERIAIS E MÉTODOS

Os trabalhos aqui apresentados envolvem temas diferentes com

desenvolvimentos metodológicos distintos para a compreensão de rochas
carbonáticos em relação aos aspectos geológicos e petrofísicos. Contudo ambos os
trabalhos seguem quatro etapas principais: revisão bibliográfica, aquisição de dados,
processamento de dados e interpretação.

2.1. Revisão Bibliográfica

A revisão bibliográfica é o ponto de partida desta pesquisa e se manteve

durante todo o desenvolvimento do trabalho. A busca por temas aqui abordados foi
essencial para a escolha das metodologias, bem como para a sua aplicação de
maneira adequada. A revisão bibliográfica permitiu também o entendimento da
melhor forma de se processar os dados obtidos e guiou a interpretação dos
resultados.
Neste contexto, para o desenvolvimento de uma proposta metodológica para
o mapeamento da permo-porosidade de rochas carbonáticas foi necessário buscar o
estudo da arte sobre as metodologias mais frequentemente aplicadas principalmente
as técnicas de análise de imagens e tomografia computadorizada (CT). De mesma
forma a necessidade de dados referentes às medidas de permeabilidade requisitou
a pesquisa sobre equipamentos que melhor se adequassem a proposta do trabalho.
No que tange a caracterização petrofísica do bloco de travertino se fez
necessário a busca por conhecimentos anteriores envolvendo a caracterização
2
geológica de travertinos, bem como a escolha de técnicas analíticas não destrutivas
que permitissem o entendimento de propriedades físicas e composicionais da
amostra.

2.2. Aquisição de Dados

A etapa de aquisição de dados ocorreu em quatro formas principais, iniciando

pelo estudo geológico das amostras em questão, buscando descrever e classificar
diferentes aspectos sedimentológicos; ensaios de permeabilidade utilizados em
ambos os trabalhos, sendo aplicados para a obtenção de dados sobre a amostra
alvo do modelamento de permo-porosidade, bem como para a caracterização do
comportamento do bloco de travertino segundo a permeabilidade; espectrometria de
raios gama, visando à obtenção das variações composicionais do travertino; e por
fim a obtenção de imagens de tomografia essenciais ao processo de modelamento
da permo-porosidade.

2.2.1. Descrição Geológica

A descrição geológica das amostras estudadas neste trabalho foi realizada

buscando o entendimento de propriedades sedimentológicas tais como estruturas
sedimentares e fábrica característica do arcabouço e da matriz que pudessem ser
correlacionadas aos parâmetros petrofísicos investigados em ambos os trabalhos.
A amostra de coquina utilizada para a aplicação do modelamento da permo-
porosidade e o bloco de travertino foram descritos macroscopicamente com o auxilio
de lupas e então classificados segundo Embry e Klovan (1971) e por Pentecost e
Viles (1994).

2.2.2. Ensaios de Permeabilidade

Com o objetivo de se fazer um estudo de detalhe das variações espaciais da

permeabilidade das litologias alvo em ambos os artigos apresentados foram
realizados ensaios de permeabilidade através do uso do permeâmetro portátil
TinyPerm II produzido por New England Research (figura 1). Este equipamento pôde
3
ser utilizado em campo e laboratório para a medição de plugues, amostras de mão e
afloramentos.

Figura 1: Permeâmetro Portátil Tiny Perm 2. As setas indicam o aparelho e o microcontrolador.

Segundo o fabricante, o aparelho se baseia na variação do volume de uma

seringa interna quando o operador a pressiona contra a rocha, bem como no pulso
de vácuo intermitente criado na superfície da amostra para gerar um sinal que é
processado por um conjunto de algoritmos pelo micro controlador, que por sua vez
gera um dado numérico. Através de uma função apresentada a seguir, estes dados
resultam em valores de permeabilidade em mili-Darcy.

T=-0.8206log10(k) + 12.8737

Sendo: T = Tinyperm Value

K = Permeabilidade (mD).

A versatilidade deste instrumento permitiu a criação de malhas de pontos

sobre as superfícies das amostras de coquina e travertino (figuras 2A e 2B
respectivamente). Foram realizadas 75 medidas com espaçamento de 5 mm
distribuídas por 6 linhas de medição para a amostra de coquina e 744 medidas com
espaçamento horizontal de 5 cm e vertical de 40 cm para o bloco de travertino.

4
Figura 2: Malhas de pontos de medição de permeabilidade para a amostra de coquina (A) e travertino
(B).

2.2.3. Gama Espectrometria

A espectrometria de raios gama foi aplicada na caracterização petrofísica do

bloco de travertino, visando o entendimento das variações composicionais segundo
as concentrações dos elementos radiogênicos (K), (U) e (Th).
Este estudo foi realizado a partir do espectrômetro de raios de gama de
campo RS-230 Super Spec Portable (Radiation Solutions Inc,. Canada) (figura 3A e
3B). Este instrumento é composto por cintilômetro de bismuto-germanato (BGO) que
é suscetível a radiação emitida por uma área com diâmetro aproximado de 50 a 90
cm e de uma profundidade de 15 a 35 cm, dependendo da natureza do material em
análise.
O instrumento converte automaticamente as contagens por segundo nas
janelas energéticas do potássio, uranio e tório, para concentrações destes
elementos em porcentagem (K) e partes por milhão (U e Th), fornecendo
adicionalmente a taxa dose (dose rate ou valor DR) em nano Geiger por hora (figura
3B).
O espectrômetro portátil permitiu, de forma análoga às medidas de
permeabilidade, a criação de uma base de dados com espaçamento horizontal
constante de 20 cm e vertical de 40 cm, resultando em 242 medidas.

5
Figura 3: Medição de gamaespectrometria sobre as faces do bloco de travertino (A) e leitura de dos
valores de taxa dose e concentração de K, U e Th (B).

2.2.4. Tomografia Computadorizada

A Tomografia Computadorizada foi utilizada para o imageamento

tridimensional da amostra de coquina, visando à obtenção de um modelo base para
construção de mapas de distribuição permo-porosa. A técnica tem como base a
obtenção das diferenças na absorção relativa de raios-x em diferentes partes da
amostra, baseada nas diferenças de densidade entre os componentes da rocha
(Lopes et al. 2012). O processo de absorção dos fótons pelo material antes de
atingir o detector é expresso pela equação de atenuação dos raios-x:

𝐼 = 𝐼 0 𝑒 −µ𝑥 ,
Sendo:
I= Intensidade medida sem o elemento atenuador
I0 = Intensidade medida após o elemento atenuador
u= coeficiente de atenuação linear
x= espessura do objeto atenuador.

O resultado do processo de imageamento é um objeto tridimensional (figura

4) com pixels em escala de cinza, sendo o gradiente de intensidade proporcional à
densidade de cada unidade de volume. Desta forma, a porosidade da rocha é
caracterizada por pixels pretos

6
Figura 4: Visualização do resultado da técnica tomografia computadorizada aplicada sobre a amostra
de coquina utilizando o software MATLAB (The Math Works Inc.).

2.3. Processamento de Dados

A etapa de processamento de dados envolveu a utilização de diferentes

softwares para a obtenção de dados estatísticos e geração dos modelos 2D e 3D
das distribuições das propriedades analisadas. Três técnicas principais de
processamento de dados foram utilizadas: A análise de imagens, a Rede Neural de
Múltiplas Camadas e a Krigagem.

2.3.1. Análise de Imagens

O processo de análise de imagens foi desenvolvido com o objetivo de se

correlacionar a petrologia de rochas reservatórios com parâmetros petrofísicos e
geofísicos por meio do reconhecimento e classificação computacional de padrões
relacionados a geometria de poros e grãos, bem como fases minerais em imagens
digitais (Ehrlich et al. 1984).
Esta técnica foi aplicada para a caracterização do volume poroso do bloco de
travertino. Fotos de alta resolução das quatro faces do bloco foram obtidas e então
analisadas por meio da utilização do software Imago.
As imagens foram analisadas segundo suas composições RGB e IHS por
meio de histogramas gerados pelo software. Manualmente, foram selecionadas as
linhas de cut-off entre os limites poro-grão. A imagem então é binarizada, resultando
em dois grandes grupos, pixels pretos relacionados à porosidade e pixels brancos
7
ligados ao arcabouço da rocha. O volume de poros foi então calculado levando em
conta a proporção entre estes dois conjuntos de elementos, resultando em
diferentes porcentagens para cada face.

2.3.2. Redes Neurais de Múltiplas Camadas

As redes neurais artificiais são modelos matemáticos que se assemelham as

estruturas neurais biológicas (Soares e Silva, 2011). Dentre os diversos subtipos de
redes neurais a Multilayer Perceptron (MLP) tem sido amplamente utilizada para a
predição de propriedades geológicas e petrofísicas a partir de nós computacionais.

Na MLP, tais nós, ou neurônios, compõem três camadas distintas (entrada,

oculta e saída) que são interligadas e treinadas de maneira supervisionada com o
algoritmo de retropropagação de erro (Figura 5). Este processo é dividido em duas
etapas: a propagação, em que os pesos sinápticos associados aos nós são fixos e
determinam a intensidade de influência de cada nó; e a retropropagação, em que a
resposta obtida pela rede é comparada à saída desejada através do cálculo de
mínimos quadrados, utilizados para ajuste dos pesos em direção aos dados de
entrada, a fim de diminuir o erro encontrado.

Figura 5: Modelo esquemático de funcionamento de da rede neural de múltiplas camadas

apresentando as camadas de entrada, intermediarias e de saída (Soares e Silva, 2011).

A rede neural MLP foi essencial para a correlação e predição dos valores
de permeabilidade para a amostra de coquina. O método foi aplicado em imagem
resultante do escaneamento convencional da amostra, bem como no modelo gerado
pela tomografia computadorizada. Ambas as imagens foram submetidas ao mesmo
8
treino computacional, porém para a imagem escaneada foram analisadas as
intensidades de pixel em RGB, totalizando 7.500.000 amostras, enquanto que a
imagem resultante da tomografia foi estudado o atributo referente à densidade da
imagem, totalizando 791.552 amostras. A estes atributos foram associados os
valores de permeabilidade calculados com o uso do permeâmetro portátil através do
treino de 75 pontos.

Para este conjunto de dados, 12 diferentes funções de ativação foram

treinadas para escolha da melhor equação para o conjunto de pixels analisado.
Posteriormente, foi realizado o treinamento do algoritmo com diferentes números de
neurônios na camada oculta para escolha da estrutura da rede. De acordo com os
resultados obtidos, o menor erro (1.76867) foi associado à estrutura da rede com 19
neurônios na camada oculta, com função de Levenberg-Marquartdt.

Tabela 1: Lista dos algoritmos de ativação treinados pela rede MLP. O menor erro foi
associado a função de Levenberg-Marquardt, utilizada para predição de
permeabilidade.

Algoritmo Erro
Levenberg-Marquardt 1.76867
Bayesian Regularization 1.85468
BFGS Quase- Newton 1.78542
Resilient Backpropagation 1.9456
Scaled Conjugate Gradient 1.7881
Conjugate Gradient with Powell/Beale Restarts 1.8524
Fletcher-Powell Conjugate Gradient 1.9974
Polak-Ribiére Conjugate Gradient 2.547
One Step Secant 1.7787
Variable Learning Rate Gradient Descent 1.9321
Gradient Descent with Momentum 1.9866
Gradient Descent 1.8479

De forma análoga, o mesmo procedimento foi realizado para uma das faces
do travertino correspondente ao perfil vertical, buscando entender a distribuição
espacial da permeabilidade segundo a sucessão das camadas. Contudo, devido à
escala da amostra que possui dimensões métricas, o imageamento por
escaneamento e tomografia foi inviabilizado. Desta forma, foi utilizada uma foto em
alta resolução.

9
 As intensidades de pixels RGB foram associadas a 186 valores de
permeabilidade. O treino foi realizado a partir de 19 neurônios na camada oculta e
com a função Levenberg-Marquartdt com erro associado de 1.15.

2.3.3. Krigagem

A krigagem é um método geoestatístico de interpolação que se baseia em

técnicas de análise de regressão procurando minimizar a variância estimada a partir
de um modelo prévio, levando em consideração a dependência estocástica entre os
dados distribuídos no espaço (Landim, 2003).
Está técnica foi aplicada ao conjunto de dados obtidos pela espectrometria de
raios gama para a caracterização das variações composicionais do bloco de
travertino. Ao associar cada medida a um sistema de coordenadas (x,y,z) foi
possível carregar os dados através do software SGeMS (Stanford Geostatistical
Modeling Software) gerando uma distribuição 3D das medidas no cubo (figura 6)

Figura 6: Modelo tridimensional da distribuição das medições de gama espectrometria para as faces
do bloco de travertino.

Para cada um dos resultados obtidos pela espectrometria (concentrações de

K, U e Th, bem como a taxa dose) foram construídos variogramas nas direções x, y
e z e modeladas manualmente funções matemáticas que melhor se adequassem à
distribuição dos pontos. Os variogramas foram carregados no software sendo, então
possível gerar modelos tridimensionais das variações composicionais do bloco.

10
2.4. Interpretação dos Resultados

A etapa final consistiu na interpretação dos resultados obtidos com relação à

metodologia utilizada no processo de modelamento da permo-porosidade para
amostra de coquina, bem como das propriedades geológicas, petrofísicas e
geofísica obtidas para o bloco de travertino.
A metodologia utilizada envolvendo a correlação de dados de permeabilidade
com as imagens escaneadas, bem como resultantes de tomografia computadorizada
através da técnica redes neurais de múltiplas camadas foi analisada criticamente e
interpretada a partir da comparação entre os modelos obtidos e as características
geológicas da amostra de coquina.
Os resultados obtidos através das caracterizações geológicas,
gamaespectrométricas e dos parâmetros petrofísicos permeabilidade e porosidade
do bloco de travertino foram interpretados e correlacionados entre si sempre que
possível.

11
3. ARTIGO – MODELAMENTO 2D E 3D DA PERMO-POROSIDADE DE
AMOSTRAS DE ROCHAS CARBONÁTICAS

3.1. Resumo

A caracterização petrofísica de carbonatos heterogêneos, com foco nas análises de permeabilidade e

porosidade, é de grande importância para a produção de óleo e gás, principalmente por definir o fator
de recuperação de petróleo da rocha reservatório. Neste trabalho se propões um método para se
predizer a distribuição permo-porosa em duas e três dimensões de amostras de rochas carbonáticas
por meio da aplicação da técnica computacional rede neural de múltiplas camadas, MPL (multilayer
perceptron) na correlação entre dados obtidos por meio de ensaios de permeabilidade utilizando-se
de um permeâmetro portátil e atributos de imagens geradas a partir de diferentes fontes
(escaneamento convencional e tomografia computadorizada). O método foi testado em uma amostra
de coquina da Formação Morro do Chaves, com diferenças texturais visíveis e de pequena escala
que foram reproduzidas pelas imagens resultantes.

Palavras-Chave: Análise Petrofísica de Carbonatos, Análise Permo-porosa de coquinas.

3.2. Abstract

The petrophysical characterization of heterogenic limestones, with focus on permeability and porosity
analysis, have great importance for oil and gas production, mainly by defining the recovery factor of oil
of the reservoir rock. This paper proposes a method to predict the perm-porous distribution in two and
three dimensions of carbonate rock samples by applying the multilayer neural network computational
technique MPL (multilayer perceptron) to the correlation between data obtained by permeability tests
using a portable permeameter and attributes of images generated from different sources (conventional
scanning and computerized tomography). The method was tested on a sample of coquina from Morro
do Chaves formation, with visible small scale textural differences that were reproduced by the resulting
images

Keywords: Petrophysical Analysis of Limestones, Permo-porous analysis of coquinas

12
3.3. Introdução

Cerca de 60% das reservas mundiais de óleo e 40% de gás estão em

reservatórios carbonáticos (Castro et al., 2013), que em sua maioria são
heterogêneos e possuem propriedades petrofísicas complexas que diferem
amplamente dos reservatórios siliciclásticos. As diferenças ocorrem devido a grande
reatividade química dos minerais carbonáticos (Choquette e Pray, 1970). Dentre as
propriedades petrofísicas, o entendimento da permo-porosidade é essencial para a
caracterização de reservatórios carbonáticos, por afetar diretamente o processo de
fluxo de fluido no reservatório.

Em adição à existência de espaço poroso preenchido por fluido, a rocha

reservatório deve apresentar condições para que este fluido, seja óleo ou gás, se
mova através de poros interconectados. O parâmetro petrofísico que expressa a
capacidade da rocha de transmitir fluidos é chamado de permeabilidade, usualmente
medido por aplicação da lei de Darcy (Marques, 2011). Esta propriedade é afetada
tanto por fatores sindeposicionais, como tamanho dos grãos, grau de seleção e
empacotamento como por fatores posdeposicionais, como grau de compactação,
cimentação e dissolução (Tiab e Donaldson, 2011).

Existem atualmente diversos métodos diretos e indiretos para a determinação

da permeabilidade de rochas reservatório (Berryman e Blair 1986, Blair et al. 1996,
Corbett et al.1999, Zhirong et al 1999, Singh e Mohanty 2000 e Bueno e Philippi
2002). Sendo a permeabilidade usualmente mensurada empiricamente através do
uso de permeâmetros ou indiretamente a partir de técnicas computacionais
aplicadas a tomografia computadorizada, petrografia e análise de imagens.

Dentre os métodos, a análise de imagens mostra grande eficiência na

determinação da permeabilidade, reduzindo os custos e o tempo de aquisição dos
resultados (Bueno e Philippi, 2002). Neste trabalho foram utilizadas imagens obtidas
pelo escaneamento convencional e também através da tomografia computadorizada
(CT), conforme realizado por Kantzas (1990).

Possuindo como base diferentes formas de obtenção de imagens, nesta

pesquisa é proposto um meio de se gerar modelos quantitativos de distribuição
permo-porosa em duas e três dimensões de amostras carbonáticas, integrando
13
medidas de permeabilidade à matriz digital por meio do método de Redes Neurais
de Múltiplas Camadas (MLP). O método foi testado em uma amostra de coquina da
formação Morro do Chaves situada na Bacia Sergipe-Alagoas, as quais tem sido
estudadas por serem um excelente análogo a reservatórios da Bacia de Campos.

3.4. Metodologia

3.4.1. Mensurações Diretas

Um total de 20 plugues com diâmetro de uma polegada (2,54 cm) e

comprimentos variados, confeccionados a partir de amostras de coquinas foram
analisados para obtenção da permeabilidade, através do uso de dois permeâmetros
distintos, visando à comparação entre os instrumentos. Foram utilizados um
permeâmetro de laboratório do tipo Hassler (UltraPermTM 500 produzido por
Corelab) e um permeâmetro portátil de campo (TinyPerm II produzido por New
England Research ).
Ambos os métodos têm como princípio a teoria dos meios porosos de Henry
Darcy (Darcy, 1856), segundo a qual o fluxo de fluido em um meio poroso é
proporcional à diferença de pressão por unidade de medida.

Q = kA(P1 – P2)/µL (Lei de Darcy)

onde:
k = permeabilidade (D-Darcys);
µ = viscosidade (Pa x s);
Q = taxa de fluxo (m2 s-1);
A = área da seção transversal do fluxo (cm2);
L = altura da amostra (cm)
∆P = diferença de pressão entre a injeção e o fluxo de saída (Pa).

O UltraPermTM 500 utiliza um fluxo de Nitrogênio a uma pressão variável (0-50

psi) para determinar a permeabilidade através da amostra. Enquanto o aparelho
TinyPerm II se baseia na variação do volume de uma seringa interna quando o
operador o pressiona contra a rocha gerando um fluxo de ar.
14
 Visando a construção de um modelo de distribuição permo-porosa foi
selecionada uma amostra de coquina visivelmente heterogênea. Apresentando
diferenças nas texturas deposicionais, a amostra é composta segundo a
classificação de Embry e Klovan (1971) pela alternância entre laminações de
packstones e rudstones com quantidades variadas de matriz.

Com o uso do permeâmetro portátil foram feitas 75 medidas distribuídas em 5

linhas, com espaçamento aproximado de 5mm entre cada ponto (figura 7), em um
sistema similar ao usado por Corbett et al (1999).

Figura 7: Distribuição das medidas de permeabilidade realizadas com o permeâmetro portátil.

3.4.2. Rede Neural de Múltiplas Camadas

O método utilizado para auxiliar no processamento dos dados é a rede neural

de múltiplas camadas, MLP (multilayer perceptron), que é amplamente utilizada para
classificação e predição de propriedades a partir de nós computacionais, também
chamados de neurônios. Tais nós compõem três camadas distintas (entrada, oculta
e saída) que são interligadas e treinadas de maneira supervisionada com o algoritmo
de retropropagação de erro. Este processo é dividido em duas etapas: a
propagação, em que os pesos sinápticos associados aos nós são fixos e
determinam a intensidade de influência de cada nó; e a retropropagação, em que a
resposta obtida pela rede é comparada à saída desejada através do cálculo de

15
mínimos quadrados, utilizados para ajuste dos pesos em direção aos dados de
entrada, a fim de diminuir o erro encontrado.

De acordo com Haykin (2001) os destaques da rede MLP estão associados à

maneira não linear que a função de ativação relaciona os dados de entrada e saída,
capacitando o algoritmo a encontrar soluções complexas, não solucionadas com
regressão linear. Destaca-se também a presença de camadas ocultas que
aprendem progressivamente as relações entre os dados treinados e a resposta
desejada. E por fim, a alta conectividade dos neurônios, que assim como as
sinapses, garante a habilidade de generalização do aprendizado.

Neste trabalho a técnica foi aplicada para predição de permeabilidade a partir

de imagens obtidas por escaneamento convencional da superfície da amostra (figura
8A) e imagens resultantes da tomográfica computadorizada (figura 8B). Ambas as
imagens foram submetidas ao mesmo treino computacional, porém para a imagem
escaneada foram analisadas as intensidades de pixel em RGB, totalizando
7.500.000 amostras, enquanto para a imagem resultante da tomografia foi estudado
o atributo referente a densidade da imagem, totalizando 791.552 amostras. A estes
atributos foram associados os valores de permeabilidade calculados com o uso do
permeâmetro portátil através do treino de 75 pontos.

Figura 8: Imagens base para a aplicação do método redes neurais de múltiplas camadas. Em 2A
imagem resultante de escaneamento convencional da superfície da amostra. Em 2B imagem obtida a
partir da tomografia computadorizada da amostra.

Para este conjunto de dados, 12 diferentes funções de ativação foram

treinadas para escolha da melhor equação para o conjunto de pixels analisado.
Posteriormente, foi realizado o treinamento do algoritmo com diferentes números de
16
neurônios na camada oculta para escolha da estrutura da rede. De acordo com os
resultados obtidos, o menor erro (1.76867) foi associado à estrutura da rede com 19
neurônios na camada oculta, com função de Levenberg-Marquartdt.

3.5. Resultados e Discussões

3.5.1. Comparação entre os Permeâmetros

Para cada plugue utilizado nas mensurações do permeâmetro de laboratório

(ultraperm) foram realizadas medidas com o permeâmetro portátil (tinyperm). A
figura 9 apresenta, para cada amostra, a variação entre os valores de laboratório e
do permeâmetro portátil, bem como um valor de permeabilidade corrigido para o
aparelho tinyperm. Segundo Filomena et al. (2014), a utilização do permeâmetro
portátil para medição em plugues não confinados apresentam erros sistemáticos
relacionados ao escape lateral de gás. Assim sendo, após um estudo estatístico os
autores propõe a aplicação de um fator de correção pela multiplicação de 0,37.

Os valores obtidos pelo permeâmetro de laboratório para as diferentes

amostras variam de 0,72 a 81 mD. Em contraste, os valores referentes ao
permeâmetro portátil variam de 2,5 a 215 mD, uma amplitude de dados 2,5 vezes
maior. Ao aplicar o fator de correção de 0,37 (tinyperm_c), os valores passam a
variar de 0,9 a 80 mD, ganhando proximidade aos valores obtidos pelo permeâmetro
de laboratório.

Esta análise comparativa entre os instrumentos assegura a precisão do

permeâmetro portátil, que apresenta uma diferença média de ± 7,1 mD com relação
aos dados do permeâmetro de laboratório. É importante ressaltar que as medidas de
ambos os instrumentos não devem ser iguais, visto que o raio de influencia da
medida os volumes abrangidos pelos instrumentos são diferentes.

17
Figura 9: Dados de permeabilidades derivados dos 20 plugues medidos pelo permeâmetro de
laboratório (ultraperm), permeâmetro portátil (tinyperm) e dados resultantes da aplicação do favor de
correção para amostras não confinadas (tinyperm_c).

Os ensaios de permeabilidade através de plugues amostrais de rocha se

mostram eficazes pontualmente, contudo, possuem aplicação restrita ao estudo da
variação espacial de permeabilidade, visto que, por ser uma técnica destrutiva,
inviabiliza a obtenção de malhas de medidas. A obtenção de dados através do
permeâmetro portátil permite, por sua vez, a construção de grids e análise das
variações de permeabilidade em maior detalhe.

3.5.2. Geologia da Amostra

A amostra selecionada para a aplicação do método apresenta

heterogeneidade textural visível, intercalando cinco camadas (C1 – C5) que variam
de 2 a 3 cm de espessura constituídas por rudstones com quantidades variadas de
matriz e packstones (figura 10). Seu arcabouço é constituído de fragmentos de
bivalves com valvas desarticulas de tamanho médio de 0,6cm, hora suportado pelos
grãos hora suportado pela matriz.

As camadas C1 e C2 classificadas como rudstone com Matriz, diferem entre

si pelo conteúdo de argila, bem como pelo imbricamento das conchas. A camada C1
apresenta menor concentração de matriz argilosa esverdeada e os bioclastos se
mostram orientados com o maior eixo paralelo ao plano de deposição e com a
concavidade voltada para baixo, sendo perceptível gradação inversa. Já a camada

18
C2 possui maior conteúdo de argila e uma disposição menos regular dos grãos, com
alguns bioclastos dispostos com o eixo maior perpendicular ao plano de deposição.

Os níveis classificados como packstone (C3 e C5) são similares entre si, com
menor densidade de conchas, que não apresentam um padrão de imbricamento
visível como em C1 e C2. Estas camadas são matriz suportadas por material de
coloração clara característico da substituição de matriz micrítica por material
esparítico, com ausência de matriz siliciclástica.

Por fim a camada C4 classificada como rudstone sem matriz é caracterizada

pela distribuição caótica dos bioclastos (ainda mais que em C3 e C5), apresentando
alta densidade de conchas grão suportadas com completa ausência de matriz. Este
nível possui alta porosidade visual destoando das camadas sub e sobrejacentes.

Figura 10: Camadas com diferentes litologias que compões a amostra alvo. Destaque para a camada
composta de rudstone sem matriz (C4) visivelmente porosa.

3.5.3. Análise de Permeabilidade

As medições realizadas através dos permeâmetros de laboratório e campo

para a amostra em estudo apresentaram grande divergência, uma vez que a média
da permeabilidade obtida pelo permeâmetro de laboratório foi de 0,86 mD enquanto

19
a média das medidas realizadas pelo permeâmetro portátil foi de 133,4mD, estando
três ordens de grandeza acima. Esta diferença ocorreu principalmente pelo fato de
que os plugues foram retirados das porções superiores da amostra, visivelmente
menos porosas e mais cimentadas.

As medidas realizadas com o permeâmetro portátil abrangeram toda a

heterogeneidade da amostra, apresentando grandes variações entre as diferentes
linhas de medição (Tabela 2). Com isso, é possível quantificar a variabilidade para
as diferentes camadas.

Tabela 2: Média das 5 linhas de medição realizadas com o permeâmetro portátil.

Linha de Medição Permeabilidade Média (mD)

L1 21,71
L2 17,82
L3 14,4
L4 598,84
L5 14,04

A Linha de medição L4 (figura 7) correspondente à camada de rudstone sem

matriz (figura 10 – C4) apresenta valores de 30 a 40 vezes superior às outras linhas,
variando de 90 a 1331 mD. Esta camada caracteriza um nível de permeabilidade
anômala em relação ao resto da amostra (figura 11A e 11B). As demais linhas de
medição possuem médias próximas entre si, com valores entre 5,6 a 40 mD, sendo
que 95% dos dados se encontram entre 5 e 30 mD. Ao descartar as medidas
relacionadas à camada rudstones sem matriz, a distribuição dos dados é próxima a
normal (figura 11C).

20
Figura 11: (A) Mapeamento das zonas de maior permeabilidade da amostra, mostrando a alta
permeabilidade da camada classificada como rudstone sem matriz. (B) Histograma mostrando a
distribuição dos 75 valores de permeabilidade obtidos através do permeâmetro portátil (C) Histograma
gerado a partir da exclusão dos valores referentes a linha de medição L4, apresentando uma
distribuição próxima a normal.

3.5.4. Modelamento da Permo-Porosidade

O método redes neurais foi utilizado para correlacionar os dados

obtidos com o uso do permeâmetro portátil com as imagens geradas a
partir do escaneamento e da tomografia computadorizada. Os resultados
estão representados por duas imagens que caracterizam a distribuição
permo-porosa da superfície da amostra (figura 12A e 12B).

Foi possível interpretar 5 horizontes (H1-H5) que limitam regiões

com diferentes distribuições de permo-porosidade associados as 5
camadas presentes na amostra. As imagens refletiram os resultados
esperados pela descrição geológica e pelos ensaios de permeabilidade.

Ambas as imagens destacaram principalmente duas regiões com maior

permo-porosidade. A região H4 correspondente à linha de medição L4, que como
esperado, apresentou maior concentração de pixels correspondentes a alta
porosidade, resultando em permeabilidades superiores a 500 mD. Uma segunda
porção da amostra correspondente a região H2, também apresentou pontos com
valores altos de permeabilidade, porém, com menor concentração. As regiões H1,
H5 e principalmente H3 apresentaram baixa permo-porosidade em ambas as
imagens.

21
Figura 12: Resultado do processo redes neurais de múltiplas camadas aplicado em imagens
resultantes de escaneamento convencional (A) e imagem de tomografia computadorizada (B).
Fornecendo a distribuição de poros e a relação com a permeabilidade para os 5 horizontes
identificados.

Os altos níveis de permeabilidade concentrados na região H4 condizem com

as características geológicas da amostra, bem como com os valores obtidos pelo
permeâmetro portátil. Contudo, a região H2 apresentou, segundo o método, um
segundo nível de alta permo-porosidade não identificado pelas medidas realizadas
pelo permeâmetro.

Os resultados obtidos pelos modelos de distribuição permo-porosa foram

similares, contudo se baseiam em atributos relativos às imagens base diferentes. O
método aplicado à imagem gerada pelo escaneamento da face da amostra
correlacionou os valores de permeabilidade às propriedades RGB, podendo desta
forma, ser influenciado por variações de tonalidade associados, por exemplo, a
matriz detrítica, sendo este um fator que poderia ter levado à superestimação da
permo-porosidade para a região H2.

Porém, a imagem gerada pela tomografia computadorizada, por ser

construída a partir de variações nas densidades dos elementos da rocha, se mostra
mais confiável à aplicação do método e possui melhor correlação com a permo-
porosidade. O resultado gerado a partir da imagem de tomografia também ressaltou
maior permo-porosidade na região H2, indicando assim a maior capacidade do
método para a caracterização de permo-porosidade do que as medições
isoladamente.

22
 O uso da imagem gerada pelo escaneamento convencional gerou como
resultado uma imagem com maior resolução, apresentando uma distribuição permo-
porosa mais detalhada em relação à imagem de tomografia. O uso desta última
gerou ainda anomalias próximas à borda da imagem, principalmente na borda
inferior onde ocorre uma faixa contínua com valores muito elevados (efeito de
borda). Este efeito foi gerado por irregularidades na superfície da amostra, gerando
porções na imagem com menor densidade, as quais o método interpretou como
sendo mais permeáveis.

Visando eliminar os efeitos de borda, foi selecionado, a partir do dado de

tomografia um cubo, referente à transição entre as camadas de rudstone sem matriz
e packstone e aplicar o mesmo treino computacional. Como resultado foi obtido um
modelo em 3D da distribuição permo-porosa (figura 13A). Este modelo permite
conferir a continuação lateral e em profundidade do nível de alta permeabilidade
previamente identificado pelo permeâmetro portátil (figura 13B).

Figura 13: (A).Modelo em 3D obtido através do processamento dos dados de permeabilidade junto a
imagem de tomografia a partir da técnica redes neurais de múltiplas camadas. (B) Este método
permite investigar o comportamento da distribuição permo-porosa em profundidade.

3.6. Conclusão

A utilização do método de redes neurais de múltiplas camadas mostrou

eficiência, ao ser aplicado para realizar a correlação entre atributos de distintas
imagens e valores, resultantes de ensaios de permeabilidade. O método apresenta
como diferencial a capacidade de realizar o aprendizado de máquina, simulando o

23
sistema nervoso central através de “neurônios” ou nós computacionais, garantindo
assim a elevada capacidade para o reconhecimento de padrões.

Para a realização deste processo, o uso do permeâmetro portátil se mostrou

essencial, permitindo a obtenção de grande quantidade de medidas, que
abrangeram as heterogeneidades da amostra em maior escala que os métodos
convencionais por meio de plugues analíticos. A comparação entre os dados obtidos
para plugues entre o permeâmetros portátil e de laboratório, constatou uma boa
correlação, assegurando a precisão do permeâmetro portátil.

Como resultado do procedimento, as duas figuras derivadas das análises das

imagens de escaneamento e de tomografia, predizem para toda a superfície da
amostra a distribuição da permo-porosidade. A figura referente à imagem de
escaneamento apresentou maior resolução e maior detalhamento em relação à
figura derivada da imagem de tomografia, que apresentou, por usa vez, limitações
com relação a interpretação errônea de porções da imagem de tomografia com
menor densidade de imagem, ocasionado por irregularidades nas bordas da
amostra.

Aplicando o método a um cubo recordado a partir da imagem de tomografia

foi possível também gerar um modelo em 3D, que permitiu o estudo do
comportamento da distribuição da permo-porosidade em profundidade. A seleção de
uma região em especifico se mostrou importante, reduzindo a quantidade de dados
a serem processados e eliminando as anomalias de borda observadas no treino da
imagem 2D.

Para a amostra foi confirmada a alta heterogeneidade em relação ao

parâmetro da permeabilidade, apresentando valores entre 0,719 mD até 1330,9 mD,
com os valores mais altos na faixa mais permeável destacada em ambas as
imagens apresentadas. Segundo a classificação de permeabilidade proposta por
Tiab e Donaldson (2011) para rochas reservatório, esta amostra em apenas 12 cm
de espessura possui características que classificaram desde um reservatório pobre
(k<1 mD) a um muito bom (k>250 mD).

24
3.7. Agradecimentos

Os Autores agradecem ao CEPETRO (Centro de Estudos de Petróleo) pela

disponibilidade dos recursos e instrumentos utilizados, bem como a seus
pesquisadores pela boa vontade e auxílio prestado.

3.8. Referências Bibliográficas

ANSELMETTI, F. S.. Quantitative Characterization of Carbonate Pore Systems

by Digital Image Analysis: AAPG Bulletin, v. 82, n. 10, p. 1815–1836, 1998.

BELILA, A. M. P. Caracterização Petrofísica dos Carbonatos da Formação Morro

do Chaves, Bacia de Sergipe-Alagoas. Dissertação de Mestrado - Universidade
Estadual de Campinas, Campinas, 2014.

BERRYMAN, J. G., BLAIR., S. Use of digital image analysis to estimate fluid

permeability of porous material: Application of two-point correlation functions.
J.Appl.Phys, v.60, p.1930-1938, 1986.

BLAIR.,S. BERGE, A.P., BERRYMAN, J.G. Using two-point correlation functions

to characterize microgeometry and estimate permabilities of sandstones and
porous glass. Journal of Geophysical Research, v.101, p. 20359-20375. 1996.

BUENO, A. D., PHILIPPI, P. C. Modelo do grafo de conexão serial para

determinação da permeabilidade de rochas reservatório de petróleo. IX
Congresso Brasileiro de Engenharia e Ciências Térmicas, Caxambú - MG, 2002.

CASTRO, L. S.. Estudo Petrográfico Comparativo entre a Formação Morro do

Chaves da bacia (SE/AL) e o Grupo Lagoa Feia da Bacia de Campos e o seu
potencial como reservatório de hidrocarbonetos. Monografia, Universidade
Federal da Bahia, Instituto de Geociências, Salvador, 2011.

CASTRO, L. et al, Medidas de Propriedades Petrofísicas e Identificação

Mineralógica de Afloramentos Carbonáticos. XIII Congresso Internacional da
Sociedade Brasileira de Geofísica, 2013. Rio de Janeiro, Brasil.

CHOQUETTE, P. W.; PRAY, L. C.. Geological nomenclature and classification of

porosity in sedimentary carbonates: AAPG Bulletin, v. 54, p. 207– 250, 1970.

CORBETT, P.,ANGGRAENI , S; BOWEN, D. The Use of the Probe Permeameter

in Carbonates- Addressing the Problems of Permeability Support and
Stationarity. The Log Analyst. v. 40, n. 5, p. 316-326, 1999.

DUNHAM, R. J. Classification of carbonate rocks according to depositional

texture. Tulsa. American Association of Petroleum Geologists, Memoir 1, p. 108-122,
1962.
25
EHRLICH, R.; KENNEDY, S.,K.; CRABTREE, J.,S.; CANNON, R., L.. Petrographic
image analysis; I, Analysis of reservoir pore complexes. Journal of Sedimentary
Research, v. 54, p. 1365-1378, 1984.

EMBRY, A. F.;KLOVAN, J.E. A Late Devonian reeftract on northeastern Bank

Islands, Northwest Territories. Bulletin of Canadian Petroleun Geology, v.19, p.
730-781,1971.

ESTRELLA, G. O.; AZEVEDO, R. L. M.; FORMIGLI FILHO, J. M. “Pré-sal:

Conhecimento, Estratégia e Oportunidades”, in J. P. R. Veloso (coord.). Teatro
Mágico da Cultura, Crise Global e Oportunidades do Brasil. Rio de Janeiro, José
Olympio, pp. 67-78, 2009.

FILOMENA C. M.; HORNUNG J.; STOLLHOFEN H. Assessing accuracy of gas-

driven permeability measurements: a comparative study of diverse Hassler-cell
and probe permeameter devices. Solid Earth Discuss, 2014.

HAYKIN, S. Redes neurais: princípios e práticas. 2. Ed. Bookman, 2001.

KANTSAS, A. CAT Scanner Characterization of Core from the Provost Area.

PanCanadian Petroleum 8B-21-38 1W4M", NHRC. v. 545, 1990.

LOPES, A., P. et al. Análise tridimensional de rochas por meio de

microtomografia computadorizada de raio x integrada à petrografia. UNESP,
Geociências v. 31, n. 1, p. 129-142, 2012.

MARQUES, E. Caracterização de Reservatórios Petrolíferos: Análise

comparativa de dois métodos para a caracterização de propriedades de um
reservatório petrolífero. 2011. 99f. Dissertação - Universidade Técnica de Lisboa.
Lisboa, 2011.

MOORE, C. H.. Carbonate reservoirs porosity evolution and diagenesis in a

sequence stratigraphic framework: Amsterdam, Elsevier, 444 p, 2001.

NOGUEIRA, M.S; LEMOS, V.B; TERRA, G. J. S. As “Coquinas” do Membro

Morro do Chaves, Cretáceo Inferior da Bacia de Alagoas e seu Potencial Para
Reservatório de Petróleo. II Congresso Brasileiro de P&D em Petróleo e Gás. Rio
de Janeiro, 2003.

SINGH, P., MOHANTY, K. Permeability of Spatially Correlated Porous Media.

Chemical Engineering Science. v. 55, 2000.

SOARES, P. L. B.; SILVA, J. P.. Aplicação de Redes Neurais Artificiais em

Conjunto com o Método Vetorial da Propagação de Feixes na Análise de um
Acoplador Direcional Baseado em Fibra Ótica. Revista Brasileira de Computação
Aplicada. Passo Fundo, v.3, n.2, p.58-72, 2011.

TEIXEIRA, B. F. L., Coquinas da Formação Morro do Chaves (cretáceo inferior),

seção rifte da Bacia de Sergipe–Alagoas, Dissertação, Geologia, Universidade
Federal do Rio de Janeiro, Rio de Janeiro, 2012.
26
TIAB, D.; DONALDSON, E. C.Petrophysics. Terceira Edição: Gulf Professional
Publishing. 976p, 2011.

TRIGGIA, A., A.. Fundamentos de engenharia do petróleo. 2 ed. Interciência,

2001.

ZHIRONG, L., PHILIPPI, P. C., FERNANDES, C. P., MAGNANI, F. S. Prediction of

permeability from theskeleton of 3D pore structure. SPE Reservoir Eval. v 2,
1999.

27
4. ARTIGO – ANÁLISE GEOLÓGICA E PETROFÍSICA DE UM BLOCO DE
TRAVERTINO

4.1. Resumo

Os calcários de origem microbiana vêm ganhando espaço na geologia do petróleo visto a

existência de diversos reservatórios compostos por estas litologias nos campos produtores
do pré-sal. Dentre as rochas propostas como análogas aos microbialítos estão os
travertinos, estromatólitos e tufas calcarias. Neste trabalho é realizado o estudo de
parâmetros geológicos, petrofísicos e geofísicos de um bloco de travertino medindo
1,60x1,60x2,70m pensando 21,2 ton disponível no Centro de Estudos de Petróleo
(CEPETRO) na Universidade Estadual de Campinas. O bloco de origem italiana,
denominado T-block, corresponde ao volume elementar representativo da formação de
origem e permitiu o estudo em uma escala intermediria entre a escala de afloramento
amostra de mão. Foram realizados ensaios de permeabilidade, medições de
espectrometria de raios gama e obtenção da porosidade superficial por meio de análise de
imagens. Modelos foram gerados a partir dos dados obtidos e então associados a geologia
descritiva do bloco. Foi registrado um padrão de redução de permeabilidade, porosidade e
concentração dos elementos K, U e Th seguindo um gradiente em direção ao topo do T-
block que acompanha a redução do grau de desenvolvimento da fabrica da rocha.

Palavras-Chave: Travertinos, Análise Petrofísica, Análise de Permeabilidade.

4.2. Abstract

Microbialitic limestones are gaining space in petroleum geology due to the existence of
many reservoirs composed of these lithologies in the pre-salt producing fields. Travertine,
calcareous tufa and stromatolites figure among the rocks proposed as analogous for the
microbialitic rocks. This work conduces the study of geological, petrophysical and
geophysical parameters of a travertine block measuring 1,60x1,60x2,70m and weighing
21.2 ton available in the “Centro de Estudo do Petroleo” (CEPETRO) at the “Universidade
Estadual de Campinas”. The Italian block, named T-block, corresponds to the
representative elementary volume of its original formation and allows the study in an
intermediate scale between the hand sample and the outcrop. Permeability tests and ray
spectrometric measurements were conducted and the porosity was calculated by image
analysis. Models were generated from the data obtained and then associated with
descriptive geology of the block. A standard reduction in permeability, porosity and
concentration of elements K, U and Th was recorded, following a gradient towards the top
of the T-block accompanying the reduction in the degree of development of the rock fabric.

Keywords: Travertines, Petrophysics Analysis, Permeability Analysis

28
4.3. Introdução

As rochas carbonáticas constituem importantes reservatórios petrolíferos no

cenário mundial e ganham cada dia mais relevância na indústria brasileira do
petróleo por estarem associadas a novas e importantes descobertas, como as do
Pré Sal nas Bacias de Campos e Santos (Silva et al, 2014). Segundo Riccomini et al.
(2012), os reservatórios da Bacia de Campos podem ser divididos em três tipos
principais: rochas calcárias formadas por coquinas, calcários microbialíticos da
porção superior rifte e reservatórios fraturados de rochas vulcânicas.

Os calcários microbialíticos foram acumulados por meio de indução de

organismos microbianos em ambientes lacustres associados a um oceano próximo
(Estrella et al., 2008). Tais rochas associadas à formas de vida microbiais possuem
características ligadas tanto a processos orgânicos como inorgânicos de
precipitação química, apresentando heterogeneidades geológicas nas mais diversas
escalas, que afetam, por consequência, parâmetros geomecânicos e petrofísicos
cujo entendimento é essencial à exploração do petróleo.

Contudo, a compreensão dessas rochas é limitada pela dificuldade de acesso

ocasionado pela grande profundidade desses depósitos, levando à busca por
situações naturais ou análogos dos reservatórios (Riccomini et al.; 2012). No caso
dos calcários microbialíticos, são comumente utilizados estromatólitos e travertinos
(Domingues, 2011), para a compreensão das características geológicas,
geomecânicas e petrofísicas.

Este trabalho tem como objetivo a análise petrofísica e petrológica de um

bloco de travertino disponibilizado pelo Centro de Estudos de Petróleo (CEPETRO-
UNICAMP). O bloco apresenta dimensões de 1,60 x 1,60 x 2,70m e peso de 21,2
ton, denominado T-block.

O bloco é de origem italiana e corresponde ao volume elementar

representativo (REV) da formação de origem e foi disponibilizado para universidades
e centros de pesquisa brasileiros. Diversas técnicas analíticas não destrutivas foram
aplicadas ao T-block, visando entender seu comportamento segundo parâmetros
geológicos, composicionais e petrofísicos.

29
 Diversas técnicas analíticas não destrutivas foram aplicadas ao T-block,
visando entender seu comportamento segundo parâmetros geológicos,
composicionais e petrofísicos. O bloco foi descrito macroscopicamente buscando, se
identificar os três principais critérios propostos por Pentecost e Viles (1994): sua
composição, fábrica e morfologia. Dados de permeabilidade e composição gama
espectrométrica foram coletados, assim como imagens que permitiram o
modelamento em duas e três dimensões das propriedades estudadas.

4.4. Fundamentação Teórica

4.4.1. Travertino

Segundo Pentecost (2005) muitas definições recentes de travertino podem

ser encontradas na literatura, e variam amplamente entre si por levarem em
consideração diferentes aspectos como a temperatura, hidrologia e processos de
formação. Enfatizando processos inorgânicos, porém sem excluir os processos
biológicos, o autor define travertino como:

“Um carbonato continental depositado quimicamente próximo a surgências,

nascentes e ao longo de córregos e rios, ocasionalmente lagos e composto de
calcita ou aragonita com porosidade intercristalina de baixa a moderada,
frequentemente alta porosidade móldica e do tipo framework em um ambiente
vadoso ou ocasionalmente de lençol freático raso. A precipitação resulta
primariamente da transferência de dióxido de carbono para ou de uma fonte
subterrânea levando a supersaturação de carbonato de cálcio, com
nucleação/cristalização ocorrendo em uma superfície submersa.”

Levando-se em conta a variedade de ambientes hidrológicos e as fontes de

dióxido de carbono (litosférica ou atmosférica), os travertinos podem estar ligados a
nascentes termais ou a corpos hídricos superficiais definindo assim travertinos
termogênicos e meteogênicos respectivamente (Pentecost e Viles, 1994;
Pentenecost, 2005).

Não obstante, a relação espacial entre o sítio de deposição e a fonte de CO2,

juntamente à presença ou ausência de um processo de transporte, resultam em
diversas morfologias de travertinos autóctones e alóctones, bem como os diferentes
30
processos de precipitação associados à presença de determinadas plantas e
bactérias que geram fábricas com arranjos, densidades e tamanhos variados.

As diferentes morfologias e fábricas encontradas nos travertinos foram

descritas e catalogadas por Chafetz e Folk (1984) e posteriormente Pentecost e
Viles (1994), Guo e Riding (1998) e Pentenecost (2005) e Barilaro et al. (2011).

4.4.2. Porosidade

A porosidade de rochas reservatório é definida como a fração do volume total

do reservatório que não é constituído pelo arcabouço sólido, e sim por espaços
vazios ocupados por líquidos e/ou gases (Tiab e Donaldson, 2011). Segundo Imbt e
Ellison (1946), o entendimento desta propriedade é essencial para a estimativa de
reservas, bem como para o processo de extração de hidrocarbonetos.

A porosidade pode ser dividida em sindeposicional ou primária, para poros

controlados pela fábrica e relacionados aos processos de sedimentação; e pós-
deposicional ou secundária no caso de poros relacionados a processos de
cimentação, dissolução, movimentação tectônica, compactação ou desidratação.

Nos travertinos, a porosidade ocorre em três formas principais: como

porosidade interpartícula entre os componentes da fábrica, tais como os espaços
vazios entre esferulitos ou entre estruturas ramificadas (shrubs), na forma de
porosidade secundária resultante da dissolução e como microporosidades
intrapartícula não conectadas ligadas a degradação dos corpos bacterianos
(Chafetz, 2012).

4.4.3. Permeabilidade

A permeabilidade é definida por Tiab e Donaldson (2011) como a capacidade

de uma rocha de transmitir fluidos, sendo um dos mais importantes parâmetros
petrofísicos para se descrever as propriedades de rochas reservatório sedimentares,
envolvendo problemas relacionados à hidrologia, geotermia e análise de
reservatórios de hidrocarbonetos (Filomena et al., 2014). O estudo da
permeabilidade e sua distribuição na rocha reservatório é essencial para se modelar

31
a magnitude do fluxo de fluido e por consequência, otimizar a fator de recuperação
de óleo e gás.

Reservatórios de petróleo sedimentares podem apresentar dois tipos

principais de permeabilidade: a permeabilidade de matriz ou permeabilidade
primária, e a permeabilidade secundária. A permeabilidade primária está relacionada
ao processo de deposição e litificação de rochas, já a permeabilidade secundária é
resultante de processos como a compactação, cimentação, dissolução e
faturamento (Tiab e Donaldson, 2011).

Neste contexto, reservatórios carbonáticos, como os microbialítos da bacia de

Campos, tendem a apresentar maior heterogeneidade permo-porosa em relação aos
reservatórios siliciclásticos graças à alta reatividade dos minerais carbonáticos
(Moore, 2001), sendo caracterizados por complexos sistemas de permeabilidade
secundária. A necessidade de se entender o comportamento permo-poroso de
carbonatos tem motivado diversos estudos petrofísicos como em Araujo et al.
(2013), Castro et al. (2013), Meneses et al. (2013) e Belila (2014).

4.4.4. Espectrometria de Raios Gama

A geração de perfis por meio da espectrometria de raios gama (GRS) em

subsuperfície e em afloramentos, utilizando espectrômetros de cintilação portáteis,
possui atualmente grande importância na análise estratigráfica. Gerando resultados
de concentrações de Potássio (%), Urânio (ppm) e Tório (ppm), o método permite a
obtenção de importantes informações geoquímicas (Simícek et al; 2012).

Segundo Rider (1999) altas contagens de raios gama estão associadas a

materiais argilosos por conta das altas concentrações de K nos argilominerais bem
como de U e Th adsorvido a superfícies destes. Desta maneira, a espectrometria de
raios gama reflete, dentre outros aspectos, as variações no conteúdo de argila de
rochas sedimentares.

Assim sendo, a espectrometria de raios gama pode ser utilizada no estudo de

afloramento e amostras carbonáticas para a identificação de heterogeneidades
composicionais que indiquem níveis enriquecidos em matriz que contrastem com a
baixa radioatividade natural dos minerais carbonáticos.
32
4.5. Metodologia

Diversas técnicas de análise não destrutivas foram aplicadas ao bloco de

travertino e então correlacionadas. Foram realizados estudos geológicos (descrição
macroscópica), petrofísicos (análise de porosidade e permeabilidade) e geofísicos
(espectrometria de raios gama).

Visando estabelecer um estudo de detalhe da permeabilidade do T-block, foi

utilizado o permeâmetro portátil TinyPerm II produzido por New England Research
Inc, já utilizado em diversos estudos recentes (Filomena et al., 2014; Torabi e
Fossen, 2009; Huyssamans et al.,2008). O instrumento se baseia na variação do
volume de uma seringa e no vácuo gerado internamente quando o operador a
pressiona contra a superfície da rocha criando um fluxo de ar. Um microcontrolador
gera um valor que, ao ser aplicado em uma função matemática fornecida pelo
fabricante, resulta na permeabilidade.

O permeâmetro portátil, graças a sua versatilidade permitiu a criação de uma

malha regular de pontos (espaçados em 5 cm na horizontal e 40cm na vertical)
sobre as 4 maiores faces do T-block, somando 744 medidas (figura 14).

De forma semelhante, seguindo o mesmo grid, porém com um espaçamento

horizontal maior (20 cm) entre cada medida, foram realizadas as medições de
espectrometria de raios gama, somando 192 pontos. Para isso, foi utilizado o
espectrômetro de raios gama portátil RS-230 (Radiation Solutions, Inc., Canada)
utilizado anteriormente em Simicek et al. (2012). Este instrumento possui cintilômetro
de bismuto-germanato (tipo BGO) que reconhece os fótons emitidos por um
determinado volume de rocha. Para este instrumento o volume varia
aproximadamente entre 50 e 90 cm de diâmetro e 15 a 35 cm de profundidade.

33
Figura 14: Amostra de travertino T-block, e a malha regular construída em suas faces. A face
esquerda representa a seção basal enquanto a direita o perfil vertical.

O espectrômetro portátil converte automaticamente as contagens por

segundo para as concentrações nas janelas energéticas do Potássio (%), Urânio
(ppm) e Tório (ppm), fornecendo também a Taxa Dose (DR), que constitui a
quantidade de energia por unidade de massa (nGy) pelo tempo (nGy/h).

Ao associar cada ponto medido por ambos os instrumentos a um sistema de

coordenadas (x,y,z) foi possível carregar os dados no software SGeMS (Stanford
Geostatistical Modeling Software)(figura 15). Com a distribuição de pontos em cada
face do bloco foram criados modelos 3D para as variações composicionais por meio
da função krigagem comum (ordinary krigging) e gerado o mapeamento da
permeabilidade para uma das faces através da técnica redes neurais de múltiplas
camadas (MLP).

34
Figura 15: Carregamento das malhas e processamento de dados. A: gama espectrometria –DR. B:
permeabilidade.

Em adição as mensurações diretas, foram obtidas imagens fotográficas em

alta resolução das 4 maiores faces do bloco, e então aplicados métodos de análise
de imagem de forma análoga aos métodos petrográficos (PIA) usualmente utilizados
(Ehrlich et al.,1984). A segmentação dos poros foi obtida utilizando o software Imago
2.5 para binarizar as imagens a partir de histogramas IHS e RGB e calcular a
porosidade em porcentagem.

Por fim, buscando correlacionar os modelos gerados às feições geológicas do

bloco, o travertino foi descrito macroscopicamente levando-se em conta a
caracterização das estruturas sedimentares, morfologias deposicionais e fábricas,
bem como as variações dessas estruturas ao longo do perfil representado pelo T-
block.

4.6. Resultados e Discussões

4.6.1. Geologia

O bloco de travertino foi retirado do afloramento de origem com o eixo maior

paralelo ao acamamento, com a configuração de topo e base apresentada pela
figura 16A. A feição de maior destaque é o acamamento bem definido pelas faixas
de porosidade e pela variação entre tons de branco e bege claro. Na porção basal o
acamamento apresenta espessuras de até 15 cm e formato irregular em domos e

35
vales, que gradam a camadas com espessuras menores de até 4cm, plano paralelas
(figura 16B).

A fábrica é composta majoritariamente por estruturas microbiais arbustivas

(shrubs) definidas por Chafetz e Folk (1984) como estruturas em formato de
arbustos, com ramos divergentes formados por micrita bacteriana e/ou esparita, que
se desenvolvem perpendicularmente a superfície de deposição. Segundo Barilaro et
al. (2011) estas estruturas atingem de poucos milímetros a aproximadamente 10cm
e desenvolvem camadas continuas com padrão de horizontal a ondulado.

Secundariamente, associadas ao fim do desenvolvimento de cada nível

arbustivo ocorrem esteiras continuas e irregulares (figuras 16D e 16H). Estas
esteiras podem estar relacionadas à mudanças ambientais, tais como nas condições
físico-químicas da água, favorecendo um novo tipo de organismo ou a precipitação
inorgânica de carbonato de cálcio, tal como a estrutura paper thin raft descritas por
Guo e Rinding (1998). As esteiras são mais espessas na porção basal e diminuem
em espessura em direção ao topo do bloco, onde são de difícil identificação.

O grau de desenvolvimento dos arbustos varia ao longo do perfil vertical,

apresentando estruturas bem delineadas com até 8 cm de comprimento e 5 cm de
espessura nas porções basais (figura 16C) e pouco mais de 1cm de comprimento
por 0,5cm de espessura na porção superior (figura 16E) . As estruturas arbustivas
com maior grau de desenvolvimento possuem ramos maiores que divergem em
forma de leque (figura 3D), já as estruturas menos desenvolvidas possuem menores
números de ramos e textura fibrosa (figura 3F e 3H).

As variações na fábrica, essencialmente se devem a variação no tamanho

dos arbustos que aparentam controlar as mudanças texturais do bloco, sendo a
morfologia em domos associada a arbustos bem desenvolvidos e o acamamento
plano-paralelo a arbustos menores. Este fator parece controlar também a
distribuição do espaço poroso no bloco, no que diz respeito à porosidade
sindeposicional.

De forma geral, segundo Guo e Rinding (1998) as variações de tons claros

juntamente a presença de acamamento bem desenvolvido são fortes indícios de
ambiente termal, o que classificaria a amostra como travertino termogênico. A
36
presença da fábrica composta marjoritariamente por estruturas arbustivas por sua
vez é, segundo Pentecos e Viles (1994), caracteristica de travertinos autoctones.
Neste sentido, utilizando a nomenclatura apresentada por Guo e Riding (1998), o
bloco pode ser classificado como Shrubs Travertine.

Figura 16: A, B: Acamamento bem definido do bloco de travertino com camadas onduladas na base
gradando a plano paralelas no topo. C, D: Estruturas ramificadas bem desenvolvidas, sobrepostas
por esteiras irregulares. E, F: Estrutura arbustiva com grau de desenvolvimento intermediário na
região central do bloco. G, H: Estrutura arbustiva pouco desenvolvida próximo ao topo do bloco.

37
4.6.2. Análise da Porosidade

A porosidade pode ser descrita macroscopicamente em poros associados aos

espaços gerados pelas ramificações, porosidade fenestral entre as camadas e
porosidade vugular gerada por processos de dissolução. A porosidade interpartícula
relacionada às ramificações arbustivas são tão maiores quanto o grau
desenvolvimento destas, bem como a porosidade fenestral se mostra maior na
porção inferior, desaparecendo em direção ao topo do bloco.

Como resultado do processo de binarização e segmentação da porosidade

para cada face do bloco foram geradas imagens (figura 17), com os poros
classificados como pixels brancos e o arcabouço da rocha como pixels pretos, sendo
possível assim quantificar os valores de porosidade para cada face.

As imagens geradas ressaltaram os padrões identificados visualmente, porém

são limitadas pela resolução das imagens originais, possivelmente subestimando os
valores reais de porosidade, pela não identificação de poros de menor escala e
microporosidades.

A porosidade média de 5,7% foi obtida considerando toda a amostra, sendo

que os perfis verticais possuem porosidade cerca de duas vezes e meia acima das
seções de base e topo. Este comportamento pode ser explicado pela presença de
poros fenestrais e vugulares entre as diferentes camadas nos perfis verticais,
contrastando com a maior concentração de poros interpartículas nas faces de topo e
base.

A análise visual dos perfis verticais ressalta também uma redução acentuada
da porosidade em direção ao topo do bloco, com o desaparecimento de poros
fenestrais e redução dos poros interpartículas, principalmente nos últimos 40 cm
deste plano. O perfil vertical 2 (figura 17B) apresenta porosidade aproximadamente
40% maior que o perfil vertical 1 (figura 17A) o que se deve a presença de grandes
poros do tipo vugular com até 40 cm de diâmetro que não seguem uma distribuição
preferencial na amostra.

38
 A seção de basal (figura 17C) possui maior porosidade que a seção de topo
(figura 17D) como consequência do maior volume de poros interpartículas
acentuado pelo maior grau de desenvolvimento das estruturas arbustivas. A
irregularidade das camadas e a presença de interfaces entre camadas na seção
basal também influencia para o maior valor.

Perfil Vertical 1

Φ = 6,27884 %

Perfil Vertical 2

Φ = 10,0934 %

Seção Basal

Φ = 4,09549 %

Seção Topo

Φ = 2,49975 %

Figura 17: Resultado da binarização, segmentação dos poros e calculo de porosidade para os perfis
verticais (A) e (B), seção basal (C) e seção de topo (D).

39
4.6.3. Análise da Permeabilidade

O estudo da permeabilidade do bloco de travertino realizado através do uso

de um permeâmetro portátil resultou em 744 medidas de permeabilidade com uma
amplitude de dados entre 1mD e 10.000 D e uma permeabilidade media de 467 mD.
Este resultado indica a alta heterogeneidade do travertino segundo esta
propriedade, sendo necessários apenas poucos centímetros para mudanças
drásticas nos resultado de permeabilidade.

Cerca de 65% dos pontos medidos apresentam valores abaixo de 500 mD

(figura 18), sendo os valores acima de 5D quase sempre associados a poros
vugulares e fenestrais de grande volume, destes aproximadamente 15% atingiram
valores máximos de 10000 mD alcançando o limite superior de precisão do
aparelho.

Figura 18: Histograma representando a frequência dos valores de permeabilidade para 20 diferentes
classes, com a grande maioria dos dados abaixo de 500 mD.

As médias de permeabilidade entre as seções basal, de topo e os perfis

verticais foram próximas entre si (tabela 3). Este resultado está associado a maior
variabilidade dos perfis verticais onde foram analisadas diversas camadas em uma
menor variação espacial. Já as seções de topo e base possuem maior
homogeneidade nos resultados. Este comportamento aproximou os valores das
permeabilidades médias de cada face.

40
 Tabela 3: Comparação entre os valores de permeabilidade entre as seções e os
perfis verticais.

Seção Seção de
Permeabilidade/Face Perfil Vertical 1 Perfil Vertical 2
Basal Topo
Permeabilidade (mD) 402,45 412,95 565,14 476,65

Não obstante, valores de permeabilidade seguem a mesma tendência de

decréscimo em sentido ao topo nos perfis verticais que a porosidade. Para cada uma
das seis linhas de medição em cada face, foram separados os valores dos últimos
40cm do perfil. Em média, o topo menos poroso apresentou valores duas vezes
menores ao restante do perfil (tabela 4).

Tabela 4: Comparação entre os valores de permeabilidade para as porções

inferiores e superiores dos perfis verticais.

Porção/Perfil Perfil Vertical 1 Perfil Vertical 2

Perm. Media (mD)
578,9 486.1
Porção Inferior
Perm. Media (mD)
226 333,9
Porção Superior

A grande variabilidade dos dados segundo pequenas variações espaciais

inviabilizam o processo de krigagem, uma vez que os estudos de variografia não
permitem o ajuste de uma função para este conjunto de dados. Neste contexto, a
geração de mapas de permeabilidade foi feita com base em imagens fotográficas
das faces do travertino.

Os dados de permeabilidade foram localizados nas imagens e então

correlacionados à propriedade RGB de cada ponto onde as medidas foram
realizadas. A correlação e predição da propriedade para o restante das faces foi feita
através do método redes neurais de múltiplas camadas (MLP).

Contudo, esta técnica se mostrou sensível à qualidade das imagens, bem

como a quaisquer variações de tonalidades na superfície da amostra não
relacionadas às propriedades geológicas, tais como manchas de tinta, barro,
sombras e irregularidades geradas pelo processo extração do bloco.
41
 Neste contexto, a face correspondente ao perfil vertical 1 foi selecionada para
a aplicação da técnica visto o melhor estado de conservação em relação as
restantes. Como resultado obteve-se um mapa (figura 19) em duas dimensões da
distribuição da permeabilidade, que ressaltou a existência de maior permeabilidade
relacionada às regiões de maior porosidade.

O mapa gerado para o perfil vertical confirma a heterogeneidade do bloco

segundo a permeabilidade e distribui as zonas de maior permeabilidade nas
interfaces das camadas, demonstrando correlação entre altos valores de
permeabilidades e as porosidades do tipo fenestral e vugular. Assim como esperado,
a permeabilidade decai em direção ao topo do bloco juntamente com a diminuição
da porosidade.

Figura 19: Mapeamento 2D da permeabilidade para o perfil vertical 1 obtido pela correlação entre
valores de permeabilidade e a propriedade RGB de cada ponto de medição por meio da técnica redes
neurais de múltiplas camadas.

4.6.4. Espectrometria de Raios Gama

Em termos gerais, as concentrações dos três rádioelementos são próximas às

concentrações médias esperadas para carbonatos, que segundo Killeen (1979), são
de 0,3%, 2ppm e 3ppm de K, U e Th, respectivamente. As concentrações médias
para cada uma das faces (tabela 3) se aproximam destes valores, com exceção do
Th, que apresentou valores duas vezes acima da média apresentada.

42
 Tabela 5: Concentrações médias dos elementos e taxa
dose para cada umas das quatro faces analisadas.

Th U DR
Face / Elementos K (%)
(ppm) (ppm) (nGy/h)
Perfil Vertical 1 0,319 4,702 1,296 23,879
Perfil Vertical 2 0,321 4,363 1,006 21,406
Seção Basal 0,408 5,073 1,273 25,919
Seção de Topo 0,167 4,135 0,723 20,833

Como resultado do processamento de dados e modelamento tridimensional

por krigagem foram gerados quadro modelos respectivos as variações espaciais nas
concentrações de Taxa Dose (nGy/h) , K(%), Th(ppm) e U (ppm). É importante notar
que a confiabilidade dos modelos é maior nas porções externas do bloco, perdendo
precisão sentido interior por consequência da ausência de dados reais.

Figura 20: Modelos 3D gerados a partir da krigagem dos dados de espectrometria de raios gama para
a taxa dose (A), concentração de Potássio (B), Tório (C) e Urânio (D).

43
 Os modelos gerados, com exceção do Tório, que possui uma distribuição
relativamente homogênea, mostram valores superiores de concentração na face
inferior (tons de vermelho) e valores inferiores na face superior (tons de azul).
Ambas as faces em perfil mostram valores médios (tons de verde) para as
concentrações de Potássio e Urânio, bem como para o parâmetro DR.

Em adição é possível perceber um gradiente das concentrações reduzindo

em direção ao topo. Este gradiente é mais bem demarcado para o Potássio e
aparenta possuir correspondência em relação a geologia do bloco (figura 6). As
camadas mais espeças apresentam maiores valores de Potássio em contraste com
os menores valores das camadas menos espeças do topo, no entanto este
comportamento se mostra menos linear na porção central do bloco.

Figura 21: Correlação entre o acamamento sedimentar e a variação espacial da concentração de

potássio para o perfil vertical do travertino. Os maiores valores de Potássio estão relacionados as
camadas inferiores, gradando a menores valores nas camadas superiores.

4.7. Conclusão

O bloco de travertino T-block foi analisado segundo propriedades geológicas,

petrofísicas e geofísicas por meio de técnicas não destrutivas com o objetivo de
colaborar aos conhecimentos sobre os reservatórios microbialíticos do pré-sal
através do seu uso como rocha análoga.

O estudo geológico da amostra realizado macroscopicamente constatou a

presença de acamamento sedimentar bem definido, cuja irregularidade decresce em

44
direção ao topo, onde ocorre em geometria plano paralela. De mesma forma
verificou-se que a fábrica do travertino é composta majoritariamente por estruturas
microbiais arbustivas (shrubs), sendo que o grau de desenvolvimento (tamanho e
nível de dispersão dos ramos) diminui em direção ao topo. A amostra foi classificada
como travertino autóctone, termogênico e nomeada segundo a mesma nomenclatura
utilizada por Guo e Rinding (1998) como Travertino Arbustivo (Shrub Travertine).

Buscando o entendimento da porosidade do T-block, foi aplicada a técnica

análise de imagens para a binarização de imagens fotográficas e segmentação dos
poros. A amostra apresentou uma porosidade média de 5,7%, apontando diferenças
significativas entre as diferentes faces estudadas. A porosidade se mostrou maior
nos planos de perfil vertical graças à ocorrência de porosidades fenestrais e
vugulares, contrastando com a maior abundância de poros interpartículas nos planos
de seção basal e de topo. Nos perfis verticais a porosidade apresenta clara redução
em sentido ao topo

A análise de permeabilidade se deu por meio do uso de um permeâmetro

portátil, as 744 medidas realizadas apontam uma permeabilidade media de 464 mD,
se mostrando relativamente constante nas direções paralelas e perpendiculares ao
acamamento. A aplicação da técnica redes neurais para a predição da distribuição
permo-porosa para uma das faces de perfil vertical indicou decréscimo desta
propriedade em direção ao topo.

Por fim, a utilização da espectrometria de raios gama para a análise

composicional segundo a distribuição dos elementos K, U e Th resultou em
concentrações medias de 0,3%, 1,1 ppm e 4,5ppm respectivamente. A distribuição
destes elementos entre as faces do bloco demonstram uma mesma tendência com
maiores valores na seção basal, redução destes valores em direção ao topo nos
perfis verticais e concentrações baixas na seção de topo.

Desta forma, uma mesma tendência foi obtida para permeabilidade,

porosidade e concentração dos elementos K, U e Th, que indica um gradiente de
decréscimo da base para o topo da amostra. Esta possível correlação entre as
mudanças de concentração e propriedades petrofísicas coincidem com as variações
identificadas na morfologia e fábrica do bloco associando valores de maior
45
porosidade, permeabilidade e concentração de K, U e Th com estruturas arbustivas
bem desenvolvidas e acamamento sedimentar espeço e irregular.

4.8. Agradecimentos

Os Autores agradecem ao CEPETRO (Centro de Estudos de Petróleo) pela

disponibilidade dos recursos e instrumentos utilizados. Bem como aos seus
pesquisadores pela boa vontade e auxílio prestado.

4.9. Referências Bibliográficas

ANSELMETTI et al.. Quantitative Characterization of Carbonate Pore Systems

by Digital Image Analysis: AAPG Bulletin, v. 82, n. 10, p. 1815–1836, 1998.

ARAÚJO, A.M.M. ; Soares, J.A. ; Dias, C.H.; Ribeiro, G.A.V.; Medeiros, L.C..
Petrofísica de tufas carbonáticas da Formação Jandaíra, Bacia de Potiguar. XIII
Congresso Internacional da Sociedade Brasileira de Geofísica, Rio de Janeiro, 2013.

BELILA, A. M. P. Caracterização Petrofísica dos Carbonatos da Formação Morro

do Chaves, Bacia de Sergipe-Alagoas. Dissertação de Mestrado - Universidade
Estadual de Campinas, Campinas, 2014.

BARILARO, F.; DELLA PROTA, G.; RIPAMONTI, M. CAPEZZUOLI, E.

Petrographic and Facies Analysis of Pleistocene Travertines in Southern
Tuscany, Central Italy. AAPG Anuual Convention, Houston, Texas, USA, Abril 10 -
13. 2011

CASTRO, L. et al, Medidas de Propriedades Petrofísicas e Identificação

Mineralógica de Afloramentos Carbonáticos. XIII Congresso Internacional da
Sociedade Brasileira de Geofísica, 2013. Rio de Janeiro, Brasil.

CHAFETZ, H. S. Travertine Macro – Micro- Porosity .Microbial Carbonate

Reservoir Characterization. AAPG Hedberg Conference, Houston, Texas, 2012.

CHAFETZ, H. S.; FOLK, R. L.. Travertine: Depositional morphology and the

bacterially constructed constituents. Journal of Sedimentary Petrology, 54, p.
289 – 316. 1984.

CHOQUETTE, P. W.; . PRAY, L. C.. Geological nomenclature and classification

of porosity in sedimentary carbonates: AAPG Bulletin, v. 54, p. 207– 250, 1970.

46
CORBETT, P.,ANGGRAENI , S; BOWEN, D. The Use of the Probe Permeameter
in Carbonates- Addressing the Problems of Permeability Support and
Stationarity. The Log Analyst. v. 40, n. 5, p. 316-326, 1999.

DOMINGUES, D. L. P..Caracterização Geológica e Geomecânica de Travertinos.

Rio de Janeiro. Dissertação de Mestrado. Pontífica Universidade Católica do Rio de
Janeiro 315 p. 2011.

EHRLICH, R.; KENNEDY, S.,K.; CRABTREE, J.,S.; CANNON, R., L.. Petrographic
image analysis; I, Analysis of reservoir pore complexes. Journal of Sedimentary
Research, v. 54, p. 1365-1378, 1984.

ESTRELLA, G. O.; AZEVEDO, R. L. M.; FORMIGLI FILHO, J. M. “Pré-sal:

Conhecimento, Estratégia e Oportunidades”, in J. P. R. Veloso (coord.). Teatro
Mágico da Cultura, Crise Global e Oportunidades do Brasil. Rio de Janeiro, José
Olympio, pp. 67-78, 2009.

FILOMENA C. M.; HORNUNG J.; STOLLHOFEN H. Assessing accuracy of gas-

driven permeability measurements: a comparative study of diverse Hassler-cell
and probe permeameter devices. Solid Earth Discuss, 2014.

GUO, L.; RIDING, R. Hot-spring travertine facies and sequences, Late

Pleistocene, Raponalo Terme, Italy. Sedimentology, v. 45, p. 163 – 180. 1998.

HAYKIN, S. Redes neurais: princípios e práticas. 2. Ed. Bookman, 2001.

HUYSMANS, M.; PEETERSA, L.; MOERMANSA, G.; DASSARGUESA, A. Relating

small-scale sedimentar structures and permeability in a cross-bedded aquifer.
L. Hydrol., 361, 41 – 51. 2008

KILLEEN, P.G.. Gamma-ray spectro-metric methods in uranium exploration–

application and interpretation, in P.J. Hood, ed., Geophysics and Geo-
chemistry in Search for Metallic Ores: Geological Survey of Canada, Economic
Geology Report 31, p. 163-230, 1979.

LANDIM, P. M. B. Análise estatística de dados geológicos. São Paulo: Editora

UNESP, 2003. 2. ed. Rev. E ampl. 253 p.

MARQUES, E. Caracterização de Reservatórios Petrolíferos: Análise

comparativa de dois métodos para a caracterização de propriedades de um
reservatório petrolífero. 2011. 99f. Dissertação - Universidade Técnica de Lisboa.
Lisboa, 2011.

MENESES, R. M. X.; ABREU, C. J.; MENDES, J. C.; ROCHA, P.L.F.. Petrophysic

and Petrologic Characterization of Carbonate Rocks of the São José do
Itaboraí Basin - RJ. XIII Congresso Internacional da Sociedade Brasileira de
Geofísica, Rio de Janeiro, 2013.

47
MOORE, C. H.. Carbonate reservoirs porosity evolution and diagenesis in a
sequence stratigraphic framework: Amsterdam, Elsevier, 444 p, 2001.

PENTECOST, A. Travertine. Netherlands: Springer, 455p, 2005.

PENTECOST, A.; VILES, H. A review and reassessment of travertine

classification. Géographie physique et Quaternaire, v. 48, n 3, p. 305-314. 1994

RICCOMINI, C.; SANT’ANNA, L. G.; TASSINARI, C. C. G..Pré Sal: Geologia e

Exploração. Revista Usp, São Paulo, n. 95, p. 33-42, 2012.

RIDER, M. H. The Geological Interpretation of Well Logs. Whittles Publishing

Services, Dunbeath. 1999

SILVA, V. A.; CASTRO, D. L., SOUZA, A. M.. Imageamento Digital e Modelagem

Virtual 3D de um Bloco de Rocha Travertina. Revista de Geociencias da Usp, v.
14, n.3, p. 75-96, 2014

SIMICEK, D.; BÁBEK, O.; LAICHMANN, J.. Outrcrop gamma-ray logging of

siliciclastic turbidites: Separating the detrital proveanance signal from facies in
the foreland- basin turbidites of the Moravo – Silesian basin, Czech Republic.
Sedimentary Geology 261- 262 , p. 50 - 64, 2012.

SOARES, P. L. B.; SILVA, J. P.. Aplicação de Redes Neurais Artificiais em

Conjunto com o Método Vetorial da Propagação de Feixes na Análise de um
Acoplador Direcional Baseado em Fibra Ótica. Revista Brasileira de Computação
Aplicada. Passo Fundo, v.3, n.2, p.58-72, 2011.

TIAB, D.; DONALDSON, E. C.Petrophysics. Terceira Edição: Gulf Professional

Publishing. 976p, 2011.

TORABI, A.; FOSSEN, H.. Spatial variation of microstructure and petrophysical

properties along deformation bands in reservoir sandstone, AAPG Bullet, 93,
919 – 918. 2009.

TRIGGIA, A., A.. Fundamentos de engenharia do petróleo. 2 ed. Interciência,

2001.

48
5. CONCLUSÃO

O presente trabalho abordou a análise petrofísica de rochas carbonáticas por

meio de duas pesquisas com objetivos distintos, uma com enfoque metodológico no
modelamento da permo-porosidade em duas e três dimensões de amostras de
rochas carbonáticas e outra na caracterização petrofísica, geológica e geofísica de
um bloco de travertino. Desta forma dois conjuntos de conclusões puderam ser
obtidos.
A proposta metodológica para o modelamento da permo-porosidade em duas
e três dimensões de amostras de rochas carbonáticas se mostrou eficiente na
determinação quantitativa da distribuição espacial da permo-porosidade para a
amostra de coquina. A heterogeneidade textural constata pela descrição geológica
da amostra foi caracterizada pelo método em detalhe.
A utilização do método redes neurais de múltiplas camadas apresentou
eficácia, ao ser aplicado para realizar a correlação entre atributos de distintas
imagens e valores resultantes de ensaios de permeabilidade. O método apresenta
como diferencial a capacidade de realizar o aprendizado de máquina, simulando o
sistema nervoso central através de “neurônios” ou nós computacionais, garantindo
assim elevada capacidade para o reconhecimento de padrões.
Os modelos em duas dimensões gerados a partir do escaneamento da face
da amostra e da seleção do “slice” da tomografia equivalente apresentaram
diferenças com relação a maior resolução da imagem escaneada e a problemas
relacionados a efeitos de borda na imagem de tomografia. Contudo ao selecionar
um volume interno do modelo tomográfico, pode se constatar em três dimensões o
comportamento da permo-porosidade.
. Por sua vez pesquisa relacionada à caracterização geológica, petrofísica e
geofísica do bloco de travertino constatou a heterogeneidade da amostra segundo
os parâmetros da permeabilidade, porosidade, composição química (K, U e Th) e
grau de desenvolvimento da fabrica.
O travertino classificado como Travertino Arbustivo (Shrub Travertine) possui
acamamento sedimentar bem desenvolvido com forma irregular e maior espessura
próximo a base gradando a acamamento pouco espesso e plano paralelo no topo. A
fábrica composta por estruturas microbiais arbustivas segue o padrão apresentado

49
pelo acamamento, com o grau de desenvolvimento do arbusto diminuindo em
direção ao topo.
A porosidade do bloco se mostrou maior nas faces correspondentes aos
perfis verticais por conta da presença de poros fenestrais e vugulares principalmente
na interface das camadas. A porosidade encontrada para as seções de base e topo
por sua vez são inferiores por conta da maior presença de poros intergranulares de
menor volume.
Em contraste a permeabilidade encontrada para as quatro faces foi
semelhante, porém com uma distribuição de valores mais homogênea para as
seções de base topo e maior variação para os planos de perfil vertical, graças à
sucessão de camadas de alta e baixa permeabilidade. O modelo de distribuição
permo-poroso obtido através da utilização da rede neural de múltiplas camadas
indicou ainda um decréscimo da permeabilidade em direção ao topo.
Por fim os modelos gerados pela krigagem dos dados relacionados a
espectrometria de raios gama, indicaram maiores concentrações de K, U e Th na
seção de base reduzindo em gradiente em direção ao topo com baixas
concentrações na seção de topo.
Portanto foi possível concluir que em todos os parâmetros segundo os quais o
bloco de travertino foi analisado um mesmo padrão de heterogeneidade pode ser
constado sendo possível correlacionar maiores valores de permeabilidade,
porosidade e concentrações de K, U e Th as seções de base representadas pelas
camadas mais espessas, cuja fábrica se mostra mais desenvolvida.

50
6. REFERÊNCIAS BIBLIOGRÁFICAS

ANSELMETTI ET AL.. Quantitative Characterization of Carbonate Pore Systems

by Digital Image Analysis: AAPG Bulletin, v. 82, n. 10, p. 1815–1836, 1998.

ARAÚJO, A.M.M. ; Soares, J.A. ; Dias, C.H.; Ribeiro, G.A.V.; Medeiros, L.C..
Petrofísica de tufas carbonáticas da Formação Jandaíra, Bacia de Potiguar. XIII
Congresso Internacional da Sociedade Brasileira de Geofísica, Rio de Janeiro, 2013.

BARILARO, F.; DELLA PROTA, G.; RIPAMONTI, M. CAPEZZUOLI, E.

Petrographic and Facies Analysis of Pleistocene Travertines in Southern
Tuscany, Central Italy. AAPG Anuual Convention, Houston, Texas, USA, Abril 10 -
13. 2011

BELILA, A. M. P. Caracterização Petrofísica dos Carbonatos da Formação Morro

do Chaves, Bacia de Sergipe-Alagoas. Dissertação de Mestrado - Universidade
Estadual de Campinas, Campinas, 2014.

BERRYMAN, J. G., BLAIR., S. Use of digital image analysis to estimate fluid

permeability of porous material: Application of two-point correlation functions.
J.Appl.Phys, v.60, p.1930-1938, 1986.

BLAIR.,S. BERGE, A.P., BERRYMAN, J.G. Using two-point correlation functions

to characterize microgeometry and estimate permabilities of sandstones and
porous glass. Journal of Geophysical Research, v.101, p. 20359-20375. 1996.

BUENO, A. D., PHILIPPI, P. C. Modelo do grafo de conexão serial para

determinação da permeabilidade de rochas reservatório de petróleo. IX
Congresso Brasileiro de Engenharia e Ciências Térmicas, Caxambú - MG, 2002.

CASTRO, L. S.. Estudo Petrográfico Comparativo entre a Formação Morro do

Chaves da bacia (SE/AL) e o Grupo Lagoa Feia da Bacia de Campos e o seu
potencial como reservatório de hidrocarbonetos. Monografia, Universidade
Federal da Bahia, Instituto de Geociências, Salvador, 2011.

CASTRO, L. et al, Medidas de Propriedades Petrofísicas e Identificação

Mineralógica de Afloramentos Carbonáticos. XIII Congresso Internacional da
Sociedade Brasileira de Geofísica, 2013. Rio de Janeiro, Brasil.

CHAFETZ, H. Travertine Macro – Micro- Porosity .Microbial Carbonate

Reservoir Characterization. AAPG Hedberg Conference, Houston, Texas, 2012.

CHAFETZ, H. S.; FOLK, R. L.. Travertine: Depositional morphology and the

bacterially constructed constituents. Journal of Sedimentary Petrology, 54, p.
289 – 316. 1984.

CHEN, A; PAGAN, R.. Discover a Career: Petrophysics Discover a Career.

Canada, v. 9, n.2, 2013.

51
CHOQUETTE, P. W.; . PRAY, L. C.. Geological nomenclature and classification
of porosity in sedimentary carbonates: AAPG Bulletin, v. 54, p. 207– 250, 1970.

CORBETT, P.,ANGGRAENI , S; BOWEN, D. The Use of the Probe Permeameter

in Carbonates- Addressing the Problems of Permeability Support and
Stationarity. The Log Analyst. v. 40, n. 5, p. 316-326, 1999.

DOMINGUES, D. L. P..Caracterização Geológica e Geomecânica de Travertinos.

Rio de Janeiro. Dissertação de Mestrado. Pontífica Universidade Católica do Rio de
Janeiro 315 p. 2011.

EHRLICH, R.; KENNEDY, S.,K.; CRABTREE, J.,S.; CANNON, R., L.. Petrographic
image analysis; I, Analysis of reservoir pore complexes. Journal of Sedimentary
Research, v. 54, p. 1365-1378, 1984.

EHRLICH et al.. Petrographic image analysis, I. analysis of reservoir pore

complexes. Journal of Sedimentary Petrology, v. 54, n. 4, p. 1365-1378, 1984.

EMBRY, A. F.;KLOVAN, J.E. A Late Devonian reeftract on northeastern Bank

Islands, Northwest Territories. Bulletin of Canadian Petroleun Geology, v.19, p.
730-781,1971.

ESTRELLA, G. O.; AZEVEDO, R. L. M.; FORMIGLI FILHO, J. M. “Pré-sal:

Conhecimento, Estratégia e Oportunidades”, in J. P. R. Veloso (coord.). Teatro
Mágico da Cultura, Crise Global e Oportunidades do Brasil. Rio de Janeiro, José
Olympio, pp. 67-78, 2009.

FRAIHA. D. Prominp acessado em 24/04/2015 www.prominp.com.br

FILOMENA C. M.; HORNUNG J.; STOLLHOFEN H. Assessing accuracy of gas-
driven permeability measurements: a comparative study of diverse Hassler-cell
and probe permeameter devices. Solid Earth Discuss, 2014.

GUO, L.; RIDING, R. Hot-spring travertine facies and sequences, Late

Pleistocene, Raponalo Terme, Italy. Sedimentology, v. 45, p. 163 – 180. 1998.

HAYKIN, S. Redes neurais: princípios e práticas. 2. Ed. Bookman, 2001.

HUYSMANS, M.; PEETERSA, L.; MOERMANSA, G.; DASSARGUESA, A. Relating

small-scale sedimentar structures and permeability in a cross-bedded aquifer.
L. Hydrol., 361, 41 – 51. 2008

IMBT, W., C.; ELLISON, S. P.. Porosity In limestone and dolomite petroleum
reservoir drilling and production practice. American Petroleum Institute. New
York, 1946.

KANTSAS, A. CAT Scanner Characterization of Core from the Provost Area.

PanCanadian Petroleum 8B-21-38 1W4M", NHRC. v. 545, 1990.

52
KILLEEN, P.G.. Gamma-ray spectro-metric methods in uranium exploration–
application and interpretation, in P.J. Hood, ed., Geophysics and Geo-
chemistry in Search for Metallic Ores: Geological Survey of Canada, Economic
Geology Report 31, p. 163-230, 1979.

LANDIM, P. M. B. Análise estatística de dados geológicos. São Paulo: Editora

UNESP, 2003. 2. ed. Rev. E ampl. 253 p.

LOPES, A., P. et al. Análise tridimensional de rochas por meio de

microtomografia computadorizada de raio x integrada à petrografia. UNESP,
Geociências v. 31, n. 1, p. 129-142, 2012.

MARQUES, E. Caracterização de Reservatórios Petrolíferos: Análise

comparativa de dois métodos para a caracterização de propriedades de um
reservatório petrolífero. 2011. 99f. Dissertação - Universidade Técnica de Lisboa.
Lisboa, 2011.

MENESES, R. M. X.; ABREU, C. J.; MENDES, J. C.; ROCHA, P.L.F.. Petrophysic

and Petrologic Characterization of Carbonate Rocks of the São José do
Itaboraí Basin - RJ. XIII Congresso Internacional da Sociedade Brasileira de
Geofísica, Rio de Janeiro, 2013.

MOORE, C. H.. Carbonate reservoirs porosity evolution and diagenesis in a

sequence stratigraphic framework: Amsterdam, Elsevier, 444 p, 2001.

NOGUEIRA, M.S; LEMOS, V.B; TERRA, G. J. S. As “Coquinas” do Membro

Morro do Chaves, Cretáceo Inferior da Bacia de Alagoas e seu Potencial Para
Reservatório de Petróleo. II Congresso Brasileiro de P&D em Petróleo e Gás. Rio
de Janeiro, 2003.

PENTECOST, A. Travertine. Netherlands: Springer, 455p, 2005.

PENTECOST, A.; VILES, H. A review and reassessment of travertine

classification. Géographie physique et Quaternaire, v. 48, n 3, p. 305-314. 1994

RICCOMINI, C.; SANT’ANNA, L. G.; TASSINARI, C. C. G..Pré Sal: Geologia e

Exploração. Revista Usp, São Paulo, n. 95, p. 33-42, 2012.

RIDER, M. H. The Geological Interpretation of Well Logs. Whittles Publishing

Services, Dunbeath. 1999.

SINGH, P., MOHANTY, K. Permeability of Spatially Correlated Porous Media.

Chemical Engineering Science. v. 55, 2000.

SILVA, V. A.; CASTRO, D. L., SOUZA, A. M.. Imageamento Digital e Modelagem

Virtual 3D de um Bloco de Rocha Travertina. Revista de Geociencias da Usp, v.
14, n.3, p. 75-96, 2014

53
SIMICEK, D.; BÁBEK, O.; LAICHMANN, J.. Outrcrop gamma-ray logging of
siliciclastic turbidites: Separating the detrital proveanance signal from facies in
the foreland- basin turbidites of the Moravo – Silesian basin, Czech Republic.
Sedimentary Geology 261- 262 , p. 50 - 64, 2012.

SOARES, P. L. B.; SILVA, J. P.. Aplicação de Redes Neurais Artificiais em

Conjunto com o Método Vetorial da Propagação de Feixes na Análise de um
Acoplador Direcional Baseado em Fibra Ótica. Revista Brasileira de Computação
Aplicada. Passo Fundo, v.3, n.2, p.58-72, 2011.

TEIXEIRA, B. F. L., Coquinas da Formação Morro do Chaves (cretáceo inferior),

seção rifte da Bacia de Sergipe–Alagoas, Dissertação, Geologia, Universidade
Federal do Rio de Janeiro, Rio de Janeiro, 2012.

TORABI, A.; FOSSEN, H.. Spatial variation of microstructure and petrophysical

properties along deformation bands in reservoir sandstone, AAPG Bullet, 93,
919 – 918. 2009.

TIAB, D.; DONALDSON, E. C.Petrophysics. Terceira Edição: Gulf Professional

Publishing. 976p, 2011.
TRIGGIA, A., A.. Fundamentos de engenharia do petróleo. 2 ed. Interciência,
2001.

ZHIRONG, L., PHILIPPI, P. C., FERNANDES, C. P., MAGNANI, F. S. Prediction of

permeability from the skeleton of 3D pore structure. SPE Reservoir Eval. v 2,
1999.

54