VII INGEPET 2011 (EXPL-1-JR-45-N)

Quimioestratigrafa aplicada a la caracterizacin de Yacimientos Maduros, Lote I,

Cuenca de Talara, Repblica del Per
Jul Roldan
(
GMP S.A.), Alfredo Pardo (GMP S.A.), Claudio Larriestra

(Larriestra Geotecnologas
S.A) y Diego Lasalle

(DDL Consulting)
Resumen
La Quimioestratigrafa es una rama de la geologa que estudia la distribucin geoqumica de los
elementos y su asociacin con la evolucin estratigrafica y sedimentaria de una cuenca. El
presente trabajo tubo como objetivo la obtencin de perfiles geoqumicos, mediante la tcnica
de Fluorescencia de Rayos X (FRX) aplicada a todas las muestras de cutting en un pozo del
Yacimiento Lote I y un perfil de afloramiento, correspondiente al flanco sur de la Cuenca de
Talara. Los objetivos particulares fueron investigar la aplicacin de los mencionados perfiles a
la correlacin estratigrfica, caracterizacin geoqumica de los niveles reservorios y relacin
con el tipo de fluido producido. Mediante esta tcnica no destructiva se procesaron 300
muestras de cutting y afloramientos con distribucin no uniforme en profundidad, inconveniente
minimizado por el procesamiento y modelado geoestadstico de los datos.

Los reservorios con mejores condiciones petrofsicas presentan una relacin inversa con la
concentracin de Calcio (por disminucin de cemento carbontico) y una relacin directa con la
concentracin de Vanadio por el contenido de hidrocarburos. Adems se pudieron diferenciar
arenas en funcin de su proveniencia a partir del contenido de Zirconio, Rubidio y Titanio. En
efecto, en un grupo de arenas cercano al tope de la Fm. Mogolln existe un aumento de estos
tres elementos indicando que aument el nivel de energa del ambiente por los niveles de Zr y
Ti (asociado al Zircn con densidad de 4.6 gr/cc y a la Ilmenita de 7 gr/cc) y estara asociado a
una progradacin del continente por el incremento de Rb asociado al Potasio en rocas gneas.

La metodologa de simulacin Secuencial Gaussiana empleada para integrar datos de cutting
y registros de pozo, prob ser un mecanismo adecuado para modelar espacialmente elementos
qumicos asociados a ambientes sedimentarios. El muestreo irregular del cutting fue
homogeneizado a un intervalo de 3 ft, mediante la generacin de curvas sintticas a partir del
promedio de 30 simulaciones. Estas curvas sintticas respetan los puntos datos (datos duros) y
en los intervalos no muestreados siguen la correlacin espacial definida por sus variogramas.
Las curvas sintticas generadas fueron: Ca, Logaritmo de Ca, Ba, Fe, K, Mn, Rb, Sr, Th, Ti, Zr,
Zn, S, As, Mo, y V.

En el perfil de afloramiento levantado 4 km. al sur del pozo estudiado se verificaron similares
relaciones en la composicin qumica de las arenas y pelitas. De esta forma es posible
correlacionar eventos mediante sus patrones geoqumicos inorgnicos y que responden a la
evolucin geolgica de la cuenca.

Queda demostrada la utilidad de la quimioestratigrafa a partir del anlisis exhaustivo de todas
las muestras de cutting que agregan informacin adicional que nos es registrada por los
registros convencionales. Por esta razn se propuso completar el perfil geoqumico del resto de
los pozos que posean cutting y extender esta metodologa al resto de los yacimientos de la
compaa. Por ltimo, se cree conveniente contar el dato de elementos traza sobre cutting
cuando se planifiquen terminaciones y reparaciones de pozos.

Introduccin
Este tipo de investigacin se incluye en el campo de estudio conocido como
Quimioestratigrafa, donde el comportamiento geoqumico de las rocas se analiza en la
dimensin temporoespacial subdividiendo el comportamiento en sentido vertical (variacin
temporal) y horizontal (Quimiofacies).

Los objetivos de esta investigacin fueron establecer el comportamiento de los elementos
qumicos mayoritarios, minoritarios y traza, para ser utilizados como herramientas de
VII INGEPET 2011 (EXPL-1-JR-45-N) 2
correlacin regional y local. Adems se requiri investigar las posibles relaciones entre la
calidad de reservorio, los fluidos producidos y los elementos qumicos analizados.

La Cuenca de Talara es una cuenca de antearco inusual, en la medida en que muestra muchas
caractersticas que no son propias de un contexto tectnico. Estas caractersticas de la cuenca
son el resultado de la ubicacin en la interseccin del Aulacogeno del Amazonas, el cinturn
orognico andino y la zona de subduccin Fosa de Per-Chile. El campo Lote I se encuentra
ubicado en el sur de la Cuenca, al que pertenece el pozo 12217 objeto de este estudio. El perfil
de campo relevado se encuentra 4 km al sur del yacimiento ubicado en la localidad de
Negritos.

El dato principal (hard data) utilizado es la determinacin qumica por fluorescencia de rayos X
sobre muestras de recortes. Este tipo de muestra no solamente incluye elementos
pertenecientes a la roca (seal), sino que tambin en grados variables, informacin qumica
proveniente del lodo, derrumbes y de la herramienta de perforacin (ruido estadstico). Es por
esta razn, que los resultados de la fluorescencia de rayos X, deben ser analizados con un
criterio geoestadstico, a los efectos de separar la informacin proveniente de la roca de la que
proviene del ruido ambiental. Adems se utilizan registros de pozos como auxiliares (softdata)
en el proceso de modelado estadstico. Las muestras de recortes fueron tomadas a intervalo
promedio de 10 ft.

Metodologa
Registro de Elementos Qumicos mediante Fluorescencia de Rayos X
El registro de elementos mayoritarios, minoritarios y traza sobre muestras de cutting fue
realizada mediante un equipo de Fluorescencia de Rayos X porttil (fig. 1). El anlisis se
efectu sin necesidad de destruccin o cualquier tipo de modificacin de las muestras
almacenadas por la compaa.

El analizador es capaz de detectar la mayora de los elementos, pero est programado para
analizar un mximo de 32 elementos, siendo estos los ms significativos en las rocas
sedimentarias y volcnicas (Matheos, 2010). De esta forma se puede efectuar un registro
completo en profundidad a la resolucin del intervalo de extraccin de los recortes, con la
deteccin de 32 elementos. Estos elementos son:
Mayoritarios: Fe, Mn, Ca, K, S
Minoritarios: Zr, Sr, Rb, Ti, Ba
Traza: Mo, U, Th, Pb, Se, As, Hg, Zn, W, Cu, Ni, Co, Cr, V, Sc, Cs, Te, Sb, Sn, Cd, Ag, Pd

Figura 1: Equipo porttil de Fluorescencia de Rayos X

El aparato tiene una exactitud menor (capacidad de reproducir un patrn) que los equipos de
fluorescencia de mayor porte, pero posee una muy buena precisin (baja variabilidad de las
medidas sobre una misma muestra), por lo que es perfectamente apto para medir diferencias
entre muestras. De esta manera se puede investigar la heterogeneidad de la formacin con un
mtodo no destructivo, sencillo y rpido.
Durante la registracin se confecciona automticamente una planilla de clculo con el valor de
las mediciones y la varianza asociada. Luego se convierte a un archivo texto en formato LAS
VII INGEPET 2011 (EXPL-1-JR-45-N) 3
para la posterior interpretacin geoqumica. En las coronas esta operacin tambin puede
efectuarse con el nivel de resolucin que se desee (figura 2).


Figura 2: Registracin de Datos


Integracin de Registros de Pozo y Datos Geoqumicos de Cutting mediante
Geoestadstica
La geoestadstica es la estadstica de las variables regionalizadas, es decir todas aquellas
series de datos (espaciales o temporales) cuyos valores individuales estn relacionados entre
s por la distancia que los separa. Por ejemplo, el espesor de un reservorio de petrleo es una
variable regionalizada y se encuentra espacialmente autocorrelacionada, de manera que si
existen dos puntos cercanos sern probablemente ms parecidos entre s que si estuvieran
ms separados. Es decir, la similitud de los mismos vara con la distancia y en la mayora de
las veces tambin con la direccin (anisotropa). Esta hiptesis de autocorrelacin se verifica
tambin en los registros de pozos donde la similitud de los valores esta relacionada a la
distancia entre los puntos de muestreo (Deutsch, 2002, Kelkar y Perez, 2002, entre otros).

Los datos a utilizar, adems de las curvas derivadas de un anlisis geoqumico, pueden ser los
registros de pozo normalizados o el producto de su interpretacin petrofsica. La aplicacin de
la metodologa geoestadstica al tipo de datos motivo de este estudio, se divide en cinco pasos:
- Captura de Datos (Registro XRF y salida en formato LAS)
- Descripcin y Normalizacin Estadstica
- Anlisis Variogrfico de los Datos
- Modelado Geoestadstico del dato geoqumico de cutting mediante Simulacin
Estocstica
- Anlisis de los Resultados

Captura de Datos
La toma de datos de fluorescencia se efecta durante dos minutos para cada muestra,
generndose un conjunto de lecturas de concentracin para cada elemento usando distintos
ngulos de incidencia. Esto permite conocer la varianza de la deteccin asociada a cada
muestra. Esta varianza luego es comparada mediante un procedimiento estadstico
convencional (ANOVA) con la varianza de cada elemento. De esta manera se puede certificar
que la variabilidad geoqumica de la formacin es mayor que la detectada en el conjunto de
lecturas para cada muestra.
VII INGEPET 2011 (EXPL-1-JR-45-N) 4
En el caso de los registros de pozo, estos normalmente se encuentran en formato digital bajo
normas standard (formato LAS, LIS, etc.) de registro y escalas. En este caso se emplean
histogramas o grficos de probabilidad para observar la distribucin de los datos y poder
compararlos distribucin normal (campana de Gauss). Si no hubiere un buen ajuste a la
normal, se deber realizar una transformacin (aplicar logaritmos, transformacin normal, etc.)
de modo de llevarlos a una dicha distribucin, ya que los mtodos geoestadsticos estn
basados en esta hiptesis.
Asimismo debern anularse los puntos que representen errores de medicin o digitalizacin y
que se evidencian con un rasgo particular en los variogramas (efecto pepita) como se ver mas
adelante.

Anlisis estructural de los datos (Anlisis Variogrfico)
El anlisis estructural o modelado variogrfico de los datos consiste en la definicin del modelo
de semivariograma que se utilizar en la simulacin estocstica. El variograma es un grfico
que permite modelar la variabilidad espacial de los datos. Si por ejemplo, definimos z(x) como
el valor del registro de Porosidad en la profundidad x y z(x+h) como la misma propiedad en el
punto situado a h unidades de x, el Semivariograma se define como:
+
=
S
h x x
z z
n
h
2
) ( ) (
] [
2
1
) (

donde S es el soporte de definicin, es decir todos los n pares de datos separados por una
distancia h. Si los puntos de control estn equiespaciados, como es el caso de los registros, el
semivariograma se puede calcular directamente. Sin embargo con los datos de cutting esta
condicin no siempre se cumple y los puntos pueden tener una distribucin irregular a lo largo
del pozo. En estos casos para calcular un variograma es necesario definir el soporte con una
tolerancia sobre h (h ) h A .
La figura 3 muestra un semivariograma experimental (puntos) del registro de Densidad y el
correspondiente variograma terico (lnea llena) que mejor se ajusta a los datos y que ser
utilizado en la Simulacin Secuencial Estocstica.

Figura 3: Variograma de valores del registro de la Densidad del pozo 12217 en la Fm.
Mogolln.

VII INGEPET 2011 (EXPL-1-JR-45-N) 5
En trminos generales el procedimiento de ajustar un modelo de semivariograma es mediante
prueba y error. En este caso se ha elegido un modelo exponencial con una meseta 0.0025
unidades y un rango de 35 pies, sin efecto pepita. Este efecto, que se manifiesta cuando el
valor del variograma es distinto de cero para la distancia nula entre muestras ( pie), es
originado por fenmenos de regionalizacin de rango menor a la mnima distancia entre
muestras o por errores de medicin en la variable analizada. Adems un efecto pepita
importante aporta incertidumbre adicional al proceso de simulacin. Por otra parte cuando los
datos se alejan de la normalidad (distribuciones lognormales o ms complejas) el proceso de
ajuste es ms difcil.

Paso Intermedio a la Simulacin: La estimacin lineal mediante Kriging
Una vez elegido el modelo del Semivariograma, se est en condiciones de proceder a la
estimacin por Kriging que consiste en el clculo del valor esperado y la varianza de estimacin
en puntos no muestreados. El clculo del valor esperado consiste en el promedio pesado de
los puntos de control vecinos. Es decir se calcula:

=
=
1

i
i i
z z

donde
i

son los pesos que se establecen resolviendo un sistema de ecuaciones lineales que
se formula minimizando la varianza de estimacin. La magnitud de los pesos depende de la
distancia y la distribucin espacial de los puntos de control. Desde el punto de vista estadstico,
el Kriging es el mejor estimador lineal insesgado debido a que el error promedio de estimacin
es cero.

Simulacin Estocstica Condicional
Esta tcnica se aplica en los puntos de la columna estratigrfica donde no se tienen datos
geoqumicos y cuya variabilidad espacial ser representada mediante la simulacin
estocstica. Como se muestra mas arriba, el kriging permite conocer en cada punto no
muestreado en profundidad, dos valores llamados estadsticos, estos son: su valor estimado
(media) y la varianza o error de estimacin (que es cero en los puntos dato). De esta forma se
pueden generar para cada punto en el espacio un conjunto de n simulaciones derivada de la
distribucin estadstica de la propiedad en cuestin para dicho punto (figura 4). Cada
realizacin, expresada como un registro continuo del elemento qumico, tiene varias
propiedades:
- es equiprobable (ninguna realizacin predomina sobre otra)
- respeta los puntos dato (la varianza es cero es el punto dato)
- respeta la variabilidad espacial dada en el variograma (ste fue utilizado previamente en
la estimacin de las distribuciones en cada punto)

El promediado de n simulaciones dar resultados similares al Kriging pero con ms textura,
adems de disponer de la varianza (incertidumbre en la distribucin espacial del elemento
qumico) asociada al registro. Una vez finalizado el clculo se puede construir una curva para
cada elemento, con el promedio de n realizaciones, que tendr una resolucin intermedia entre
el espaciamiento del cutting y los registros de pozo. Adicionalmente, se pueden confeccionar
registros de probabilidad para valores del elemento qumico mayor o menor a un determinado
valor de corte o cut off.
VII INGEPET 2011 (EXPL-1-JR-45-N) 6

Figura 4: Diagrama de la simulacin secuencial gaussiana

Por otra parte, se pueden utilizar registros de pozo para guiar la simulacin condicional
(cosimulacin) a partir de correlaciones significativas entre estos tipos de datos (registros y
elementos qumicos). En la figura 5 se ilustra la correlacin entre el registro de Densidad y el
logaritmo de la concentracin de Calcio para profundidades equivalentes. Se observa que
existe una tendencia a la disminucin del Calcio con el aumento de la densidad y en la elipse
punteada se engloban los puntos outliers, o sea aquellos que no responden al modelo y que
constituyen el ruido estadstico en la relacin.

Este ruido estadstico proviene de la imprecisin de la profundidad asignada al recorte, la
mezcla de materiales y el promediado efectuado al registro de Densidad en el intervalo de roca
representado por los recortes.
VII INGEPET 2011 (EXPL-1-JR-45-N) 7

Figura 5: Correlacin entre valores del registro Densidad y concentracin de Calcio en
profundidades equivalentes.

Resultados
Pozo 12217
A continuacin se muestran comparaciones entre los resultados del clculo petrofsico y los
elementos traza detectados en el cutting. En la figura 6 se muestran Volumen de Arcilla (VCL),
Porosidad Efectiva (PHIE ) y Saturacin de agua (Sw) junto con los elementos Calcio (Ca),
Hierro (Fe) y Vanadio (V). En la comparacin entre PHIE y Ca se destaca la disminucin de
ste con el incremento de la primera, indicando la probable ausencia de cemento carbontico
(zonas en color verde). Adems, la disminucin de Sw est acompaada con picos de V,
siendo este un indicador adicional de la posible carga de los reservorios. El vanadio se
encuentra generalmente asociado a petrleos generados en rocas madres marinas y puede
estar presente en las pelitas (si hay algn intervalo generador) o en los reservorios con
hidrocarburos. La Mina Ragra (Repblica del Per) productora de Vanadio tiene hasta un 6%
de V en asfaltitas sulfurosas, donde ocurre como Patronita (VS
2
) asociado a Ni y Mo
(Marakushev y Marakushev 2006).

La figura 7 muestra los elementos Rb, Sr y Zr. En los reservorios sealados en la figura
ubicados en 2400 y 2700 ft aproximadamente, se pueden diferenciar arenas en funcin de su
proveniencia a partir del contenido de Zirconio y Rubidio. La diferencia entre las arenas estara
en el contenido de Zr elemento asociado al Zircn (densidad de 4.6 gr/c3) y representara un
incremento del nivel de energa del medio (Potter et al, 2005). Adems se observa un
incremento del Rubidio (asociado a feldespato potsico en rocas gneas) y que estara
relacionado a una progradacin del continente sobre las arenas subyacentes.

VII INGEPET 2011 (EXPL-1-JR-45-N) 8
En la figura 8 se muestran a los elementos S, Mn, Ti y Ba. Al igual que la figura anterior el
cambio de la concentracin de Titanio indica una variacin de energa del medio (presencia de
Ilmenita) y se correlaciona con la variacin vertical observa en el Zr.


Figura 6: Comparacin del anlisis petrofsico y elementos qumicos mayoritarios y traza.

VII INGEPET 2011 (EXPL-1-JR-45-N) 9

Figura 7: Variacin composicional de las arenas segn el contenido de Zr y Rb

VII INGEPET 2011 (EXPL-1-JR-45-N) 10

Figura 8: Perfiles geoquimicos de S, Mn, Ti y BA

Adems se remarca el aumento de Azufre que ocurre en los niveles de baja Sw y que estara
asociado a la presencia de sulfuros en el petrleo de acuerdo a lo sealado por Marakushev y
Marakushev (op. cit.).

VII INGEPET 2011 (EXPL-1-JR-45-N) 11
Perfil Geoqumico de Superficie
En la figura 9 se ilustra el perfil estratigrfico de superficie se aprecian las secuencias y
variaciones faciales de los miembros que componen la formacin Mogolln. De manera
bastante similar a lo observado en el pozo 12217, el comportamiento de Rb y Zr presenta
variaciones dentro de los paquetes arenosos (zonas delimitadas por un rectngulo punteado).
En efecto, picos de Zr indican cambios de energa en el medio sedimentario asociados a
fluctuaciones de la lnea de costa. El Rubidio asociado en estos picos sealara el mayor aporte
continental. Los incrementos de Vanadio y Cromo que exhiben estas psamitas, especialmente
en la porcin superior de la columna, es posible que se deban a contenido de bitumen o
petrleo seco (dead oil) en el espacio poral. De esta manera se demuestra la factibilidad de la
correlacin entre datos de pozos y afloramientos a partir de la asociacin de elementos traza.

Figura 9: Perfil estratigrfico de superficie y elementos traza
VII INGEPET 2011 (EXPL-1-JR-45-N) 12

Figura 10: Resultado de la cosimulacin estocstica del perfil geoqumico del Calcio con el
registro Density
VII INGEPET 2011 (EXPL-1-JR-45-N) 13
Resultados de la Cosimulacin
A partir de la correlacin establecida entre el Calcio y el registro de la Densidad (figura 5) se
efectuaron 30 realizaciones mediante cosimulacin secuencial gaussiana (Deutsch op. cit.). En
la figura 10 se ilustran tres realizaciones, (R1, R2, R0) del Calcio (color azul) y el promedio de
las realizaciones en color rojo. Todas las realizaciones respetan estrictamente los datos de
recortes pero tienen mucho mas actividad que la curva original del Calcio (figura 6). Con esta
metodologa se confeccionaron perfiles geoqumicos para los elementos Ca, Ba, Fe, K, Mn, Rb,
Sr, Th, Ti, Zr, Zn, S, As, Mo, y V.

Conclusiones
De lo expuesto queda demostrada la importancia que puede tener el estudio de los elementos
traza en un campo maduro con el Lote I, donde el registro geoqumico puede colaborar en
dilucidar las relaciones complejas de los reservorios y ayudar al pronstico de fluidos.
La Quimioestratigrafa y el anlisis de elementos traza mediante equipos de fluorescencia
porttil son dos herramientas de muy promisoria utilizacin en las reas de correlacin
geolgica, modelado de facies, petrofsica y pronstico de fluidos.
La metodologa geoestadstica utilizada es la indicada para la integracin de los tipos de datos
utilizados (registros y recortes) que de otra manera solo se puede efectuar mediante la
comparacin visual y subjetiva. Por ltimo se dispone de un conjunto de nuevas curvas
geoqumicas que aportan informacin a la confeccin del modelo geolgico y que en su
mayora no son registradas por las herramientas geoqumicas de cable.

Referencias Bibliograficas

1) Deutsch, C., 2002, Goestatistical reservoir modeling, Oxford Univ. Press, New York, 376 p.
Marakushev, A., Marakushev, S., (2006), Nature of Specific Geochemical Features of Oil.
Doklady Akademii Nauk, 2006, Vol. 411, No. 1, pp. 111117.
2) Kelkar, M. y Perez, G., 2002, Applied geostatistics for reservoir characterization, SPE, 264 p.
3) Matheos, S.D, (2010) Actualizacin de base de datos geoqumica de elementos trazas y ree
en rocas sedimentarias e gneas, INFORME PREPARADO PARA Larriestra Geotecnologias S.A.,
ABRIL DE 2010
4) Potter, P. Maynard B. y Depetris P. (2005) Mud and mudstones. Introduction and overview.
Springer Verlag 297 p.