I 100 lavori meno popolari in America
Jul 09, 2023I 100 lavori meno popolari in America
Oct 23, 2023Cento milioni di dollari spesi per la mappatura sotterranea prima dei guai dei tunnel, ammette il capo di Snowy Hydro
Aug 10, 2023Cento milioni di dollari spesi per la mappatura sotterranea prima dei guai dei tunnel, ammette il capo di Snowy Hydro
Nov 07, 202310 impetuose cover metal del classico aggro degli anni '80
May 25, 2023Esplorazione della microstruttura e delle proprietà petrofisiche delle rocce vulcaniche microporose attraverso multiscala e super 3D
Rapporti scientifici volume 13, numero articolo: 6651 (2023) Citare questo articolo
720 accessi
1 Altmetrico
Dettagli sulle metriche
La fisica delle rocce digitali offre potenti prospettive per studiare i materiali della Terra in 3D e in modo non distruttivo. Tuttavia, è stato scarsamente applicato alle rocce vulcaniche microporose a causa delle loro microstrutture impegnative, sebbene siano studiate per numerose applicazioni vulcanologiche, geotermiche e ingegneristiche. La loro rapida origine, infatti, porta a tessiture complesse, dove i pori sono dispersi in matrici fini, eterogenee e litificate. Proponiamo un quadro per ottimizzare la loro indagine e affrontare le sfide innovative dell'imaging 3D/4D. È stato eseguito uno studio multiscala 3D di un tufo mediante microtomografia a raggi X e simulazioni basate su immagini, scoprendo che caratterizzazioni accurate della microstruttura e delle proprietà petrofisiche richiedono scansioni ad alta risoluzione (≤ 4 μm/px). Tuttavia, l’imaging ad alta risoluzione di campioni di grandi dimensioni potrebbe richiedere tempi lunghi e raggi X intensi, che coprano piccoli volumi di roccia. Per far fronte a queste limitazioni, abbiamo implementato una rete neurale convoluzionale 2D/3D e approcci di super-risoluzione generativi basati su reti avversarie. Possono migliorare la qualità delle scansioni a bassa risoluzione, apprendendo le funzioni di mappatura dalle immagini a bassa risoluzione a quelle ad alta risoluzione. Questo è uno dei primi sforzi per applicare la super-risoluzione basata sul deep learning a rocce digitali non sedimentarie non convenzionali e scansioni reali. I nostri risultati suggeriscono che questi approcci, e principalmente le reti 2D U-Net e pix2pix addestrate su dati accoppiati, possono facilitare fortemente l’imaging ad alta risoluzione di grandi rocce microporose (vulcaniche).
La rapida deposizione e litificazione dei prodotti vulcanici durante le grandi eruzioni esplosive dà origine a volumi significativi di rocce microporose, tipicamente sotto forma di tufi (cioè piroclasti consolidati). Sono quindi solitamente diffusi nelle aree vulcaniche sia come rocce superficiali che come rocce sotterranee, dove si sviluppano falde acquifere e possono essere collocati serbatoi geotermici, influenzando la dinamica del vulcano e i relativi segnali rilevati dalle reti di monitoraggio. Lo studio della loro microstruttura e delle proprietà petrofisiche è quindi prezioso per applicazioni di vulcanologia, energia geotermica, petrolio e gas, idrogeologica e altre applicazioni di ingegneria (ad esempio, materiali da costruzione, stoccaggio di rifiuti nucleari, adsorbimento/cattura di CO2)1,2,3,4,5 ,6,7,8. La rapida origine di queste rocce, tuttavia, porta a microstrutture complesse, dove i pori sono dispersi in una matrice molto fine, eterogenea e litificata, rendendo la loro esplorazione impegnativa. In particolare, i tufi sono definiti come l'equivalente consolidato delle ceneri vulcaniche (da caduta o da colata), cioè frammenti di diverse dimensioni (< 2 mm), natura (vetro vulcanico, cristalli e rocce erose nel sottosuolo/superficie) e forma9. I tufi più comuni nascono tipicamente dalla messa in posto di correnti di densità piroclastica calde (fino a > 600 °C), veloci (fino a > 300 m/s) e voluminose (fino a > 1000 km3, che coprono fino a > 20.000 km2), costituito da una miscela di gas e particelle vulcaniche. L'alterazione post-deposizionale del vetro vulcanico può favorire la formazione di nuovi minerali (ad esempio zeoliti, argille), litificando ulteriormente e complicandone le strutture10.
I recenti progressi tecnologici consentono di caratterizzare la struttura e le proprietà delle rocce in 3D e in modo non distruttivo nel quadro della fisica delle rocce digitali. I campioni di roccia vengono scansionati mediante microtomografia a raggi X (micro-CT) per ottenere rocce digitali 3D, che vengono poi segmentate (ovvero, le diverse fasi vengono identificate ed etichettate) e utilizzate per quantificare i parametri microstrutturali e stimare le proprietà fisiche attraverso diversi tipi di simulazioni numeriche11 ,12,13,14,15. Ciò consente di studiare meglio i processi fisici a diverse scale spaziali (dalla scala del campione/core alla scala dei pori) e temporali (ad esempio, imaging 4D durante esperimenti in situ o ex-situ), eseguire simulazioni multiple in condizioni diverse e preservare i campioni per analisi future (particolarmente utili per la perforazione di carote). Tuttavia, come qualsiasi tecnologia di imaging, la micro-CT richiede un compromesso tra risoluzioni (o dimensioni dei pixel) in grado di risolvere adeguatamente lo spazio dei pori e campi visivi (FoV; ovvero volume del campione che può essere ripreso) in grado di garantire la rappresentatività . Inoltre, la scansione di FoV più piccoli ad alta risoluzione da un campione più grande (ad esempio, carote di roccia), sebbene non coinvolga artefatti rilevanti, può richiedere tempi di scansione eccessivamente lunghi o raggi X duri15. Diversi lavori hanno dimostrato gli effetti dannosi che le basse risoluzioni possono avere sulla caratterizzazione quantitativa delle rocce digitali, soprattutto quando sono presenti tessiture fini (ad esempio, microporosità carbonatica16,17,18,19).