人工智能幫助研究人員挖掘舊地圖尋找丟失的石油和天然氣井
時間:2025-02-26 16:59
來源:2025年2月
作者:周頡 / 編譯

分散在美國各地的是近170年商業(yè)鉆探的殘余:成千上萬被遺忘的石油和天然氣井。這些無文件記錄的孤井(uow)沒有列入正式記錄,也沒有已知的(或財務(wù)上有償付能力的)作業(yè)者。他們經(jīng)常眼不見心不煩——這是一個危險的組合。如果油井堵塞不當(dāng),它們可能會將石油和化學(xué)物質(zhì)泄漏到附近的水源中,或者將苯和硫化氫等有毒物質(zhì)排放到空氣中。它們還可以通過排放溫室氣體甲烷來促進氣候變化,在一百年的時間尺度上,甲烷在大氣中吸收熱量的能力大約是二氧化碳的28倍(在更短的時間內(nèi),全球變暖的潛力甚至更高)。
為了找到uow并測量該領(lǐng)域的甲烷排放,研究人員正在使用現(xiàn)代工具,包括無人機、激光成像和傳感器套件。但是毗連的美國占地超過300萬平方英里。為了更好地預(yù)測未記錄的井可能在哪里,研究人員首先將新舊兩者結(jié)合起來:現(xiàn)代人工智能(AI)和歷史地形圖,如圖1所示。

美國能源部勞倫斯伯克利國家實驗室博士后法比奧·丘拉(FabioCiulla)說:“雖然人工智能是一項當(dāng)代快速發(fā)展的技術(shù),但它不應(yīng)該只與現(xiàn)代數(shù)據(jù)源聯(lián)系在一起。”法比奧·丘拉在《環(huán)境科學(xué)與技術(shù)》雜志上發(fā)表了一篇關(guān)于使用人工智能尋找uow的案例研究。“人工智能可以通過從歷史數(shù)據(jù)中提取信息來增強我們對過去的理解,這在幾年前是無法實現(xiàn)的。我們越走向未來,你就越能利用過去。”自2011年以來,美國地質(zhì)調(diào)查局已經(jīng)上傳了19萬張歷史USGS地形圖制作于1884年至2006年間。至關(guān)重要的是,這些地圖都有地理標(biāo)記,這意味著每個像素對應(yīng)的坐標(biāo)都很容易被引用。丘拉將四邊形地圖整合在一起,這些矩形地圖覆蓋了一定數(shù)量的緯度和經(jīng)度,并以1:1的比例繪制。代表2000英尺。在1947年到1992年間,這些地圖也對石油和天然氣井使用了一致的符號:一個空心的黑色圓圈,如圖2所示。

“對一個人來說,看著這個圓圈并認(rèn)出它是極其容易的,”丘拉說。“直到最近,這是從這些地圖中提取信息的唯一可用方法。但是如果我們想把它應(yīng)用到成千上萬的地圖上,這種策略就不能很好地擴展。這就是人工智能發(fā)揮作用的地方。”為了讓這種方法發(fā)揮作用,伯克利實驗室的研究團隊需要教會人工智能如何在所有其他視覺信息中識別正確的符號。它還需要處理不同地形和顏色的地圖,以及不同條件下的地圖(舊的、新的、染色的、原始的)。“這個問題相當(dāng)于大海撈針,因為我們試圖在許多記錄在案的井中找到一些未知的井。”伯克利實驗室的科學(xué)家兼該研究的高級作者CharulekaVaradharajan說。研究人員使用一種數(shù)字工具在加州的近100張地圖上手動標(biāo)記油井,并為人工智能創(chuàng)建了一個訓(xùn)練集。一旦學(xué)會找到空心圓并忽略假陽性(如死胡同或圓形圖案的符號,如數(shù)字9或字母“o”),該算法可以應(yīng)用于任何具有相同符號的美國地質(zhì)調(diào)查局地圖。
因為地圖是地理參考的,算法可以得到地圖上標(biāo)記的油井的坐標(biāo),并將它們與記錄的油井坐標(biāo)進行比較。他們還建立了一個新穎的工具,讓人類快速檢查算法發(fā)現(xiàn)的內(nèi)容,雙重檢查人工智能是否正確解釋了地圖上的符號。研究人員使用人工智能算法搜索了四個有大量早期石油生產(chǎn)的感興趣的縣——加利福尼亞州的洛杉磯和克恩縣,以及俄克拉荷馬州的奧塞奇和俄克拉荷馬縣——并發(fā)現(xiàn)了1301口潛在的未登記孤井。到目前為止,研究人員已經(jīng)使用衛(wèi)星圖像驗證了29個uws,另外15個來自實地調(diào)查;為了確認(rèn)其他潛在的井,還需要對地面進行進一步的調(diào)查。Varadharajan說:“通過我們的方法,我們對被認(rèn)為是潛在的無證孤兒井持保守態(tài)度。”“我們故意選擇假陰性多于假陽性,因為我們想要小心通過我們的方法確定的單個井位。我們認(rèn)為我們發(fā)現(xiàn)的潛在井的數(shù)量被低估了,通過改進我們的方法,我們可能會發(fā)現(xiàn)更多的井。”

從地圖到田野
驗證未記錄油井的第一步是遠(yuǎn)程進行的。研究人員查閱衛(wèi)星圖像和歷史航空照片,尋找石油井架和泵千斤頂(或它們的影子)、起重設(shè)備、油墊、儲油罐或擾動地面等特征。在許多情況下,井被覆蓋在地表或地表以下,在參考圖像中沒有留下明顯的標(biāo)志。相反,研究人員需要帶著設(shè)備進入現(xiàn)場,以確認(rèn)是否有井存在。在預(yù)測的井位,研究人員尋找任何地面井結(jié)構(gòu)。如果沒有磁場,他們會帶著磁力計以網(wǎng)格或螺旋模式行走,磁力計測量磁場。埋在地下的金屬井套管會擾亂磁場,讓研究人員可以鎖定油井。一旦他們完成對該地區(qū)的勘測,研究人員就保存磁力計文件,記錄是否發(fā)現(xiàn)了井,如果發(fā)現(xiàn)了井,就拍攝現(xiàn)場照片,記錄GPS坐標(biāo),并檢查甲烷泄漏。對于他們可以驗證的油井,伯克利實驗室團隊發(fā)現(xiàn)uow平均距離算法和地圖預(yù)測的位置10米。他們認(rèn)為人工智能方法是第一個可以在縣尺度上確定潛在uow的精確位置的方法。隨著覆蓋美國的地圖越來越豐富,這項技術(shù)可以擴大規(guī)模,并推廣到其他感興趣的地區(qū),如圖3所示。