基于多實驗成像和機器學習的頁巖多尺度孔隙結構表征新方法

姚 軍 劉 磊 楊永飛 孫 海 張 磊

1.中國石油大學（華東）石油工程學院 2.中國石油大學（華東）油氣滲流研究中心

0 引言

頁巖油氣在國外已成功地實現了商業開采[1]。中國頁巖油氣資源分布廣泛、可采資源豐富，頁巖油氣也成為國內非常規油氣勘探和開發的重點[2-6]。相比于常規油氣儲層，頁巖獨特的沉積環境及自生自儲的特點[7]導致其儲層呈現出低孔隙度、特低滲透率，孔隙結構多類型、多尺度的特征[8-10]，頁巖的流體滲流規律受限于巖石孔隙結構特征，因此，準確、全面地認識頁巖孔隙結構是精準評估儲量和高效開采頁巖油氣的基礎和關鍵[11]。

隨著實驗技術的發展，學者對不同區塊的頁巖孔隙結構展開研究并得到相似性認識[12-13]。按照頁巖孔隙發育狀態，通常只能定性劃分為無機質粒間孔、粒內孔、有機質孔和微裂縫[14]，無法分析不同類型孔隙之間的相互關系。從孔隙的連通性的角度只能表征連通孔隙無法表征非連通孔隙[15]。基于孔隙大小分布，目前采用國際理論與應用化學聯合會（IUPAC）劃分方法[16]，將頁巖孔隙劃分為微孔（小于2 nm）、介孔（2～50 nm）、大孔（大于50 nm）。但由于頁巖孔隙多尺度特征，無法對其孔隙大小和空間分布有全面、細致的認識，對生產現場也沒有太大的指導意義。由于不同孔徑的孔隙滲流規律存在差異，當孔徑分布的分類方法被普遍應用于頁巖儲層時，如何劃分孔徑分布界限需要進一步討論。

由于頁巖氣儲層孔隙及其流體滲流規律的特殊性，應用于常規油氣藏的實驗分析技術不能滿足要求。目前，以頁巖孔隙結構分析為研究目標的實驗方法主要歸納為3類[17]：間接流體注入法、非流體注入法和直觀圖像法。流體注入法依托不同類型流體，如汞[18]、氮氣[19]和二氧化碳[20]，統計不同壓力下流體注入量，通過理論分析間接地定量獲取孔隙大小、比表面積等孔隙結構信息。該類方法實驗過程簡單，因而被廣泛應用，但只能用于研究連通孔隙，無法表征非連通孔隙。非流體注入法主要包括核磁共振技術（NMR）[21]和小/超小角度散射技術（SAXS）[22]。NMR能實現孔隙度和孔隙大小分布的表征，但水與有機質同核不容易分辨，大大增加了數據解釋的難度，影響了孔隙結構表征的準確性。SAXS應用中子射線與X射線來表征頁巖的孔隙結構信息，具有快速、無損的特點，但由于其測試樣品過小，對非均質強的頁巖微觀結構表征容易造成較大的誤差。圖像法是借用先進的光學技術，如X射線[23]、電子顯微鏡[24]、原子力顯微鏡[25]等，直接觀察頁巖中的孔隙結構，將圖像與統計學算法相結合，可以對孔隙度、孔隙大小、形狀、分布、連通及骨架進行定量表征。目前，圖像法是頁巖孔隙表征領域應用最廣泛的技術，相關研究人員對其優勢和劣勢進行總結[26-27]，但該技術受限于表征單元體與分辨率的矛盾[28]及多分辨率圖像融合算法[29-30]的發展，該技術對頁巖孔隙結構的多尺度認識和表征仍需進一步提升。

國內外學者采用不同的實驗手段對中國松遼盆地[31]、四川盆地[32]、渤海灣盆地[33]、鄂爾多斯盆地[34]及北美Fort Worth盆地[35]等頁巖展開大量研究，關于頁巖孔隙結構的認識取得了較多成果，但是由于實驗室條件所限，往往使用的實驗技術比較單一，對孔隙結構的認識和分析僅僅依賴于單一實驗方法，不能準確地揭示頁巖孔隙結構的全貌。因此，如何同時實現對非均質頁巖的多類型、多尺度微觀孔隙結構的全面認識和表征具有重要意義。為此，筆者同步綜合應用多實驗成像技術，涵蓋X射線計算斷層掃描（XCT）、大視域掃描電子顯微鏡（SEM—Maps）、掃描電子顯微鏡（SEM）和聚焦離子束掃描電子顯微鏡（FIB—SEM），建立針對頁巖的多實驗成像方法，開展頁巖多分辨率、多維度成像實驗，以獲取頁巖微觀結構圖像，結合圖像處理和機器學習方法，形成頁巖多分辨率、多維度圖像耦合算法，實現在單一尺度和多尺度下頁巖孔隙結構的同步認識和分析。

1 實驗方法

筆者研究用的頁巖實驗樣品取自渤海灣盆地濟陽坳陷樊頁1井古近系始新統沙河街組頁巖發育段，頁巖樣品深度為3 126.84 m[36-38]。依據中國標準《巖石有機質中碳、氫、氧、氮元素分析方法》（GB/T 19143—2017）開展測試。頁巖樣品的總有機質碳含量（TOC）為1.4%，礦物以長石、石英和碳酸鹽礦物為主。作者建立針對頁巖的多實驗成像方法，依次開展了XCT、SEM—Maps、SEM和FIB—SEM實驗，獲取二維和三維頁巖微觀結構圖像。

1.1 XCT實驗

XCT由于其無損、靈活、快速的優點，已被廣泛用于巖石物理實驗。該方法統計X射線通過樣品衰減后的值，進而獲取巖心的微觀結構圖像[39]。實驗中，將德國Xradia公司Micro CT 500用于頁巖樣品開展掃描實驗，獲取樣品的XCT微觀結構圖像。開展XCT實驗的過程如下：①鉆取頁巖實驗樣品，樣品為直徑25 mm、長度50 mm的柱塞樣，并對樣品端面進行打磨以便獲得頁巖XCT微觀結構的清晰圖像；②將頁巖樣品固定在樣品臺，調整射線源和探測器位置，實驗中采用的電壓為60 keV、功率為10 W、分辨率為14 μm； ③設置配套軟件相關參數；④掃描過程中，隨著樣品以0.6°/min的速度自動旋轉360°，軟件自動保存捕獲的頁巖XCT微觀結構圖像，其像素為1 700×1 700×1 200。

1.2 SEM—Maps和SEM實驗

XCT的分辨率局限在微米尺度，而頁巖中孕育著豐富的納米尺度孔隙。因此，需要借用高分辨率設備對實驗頁巖樣品開展二次掃描。SEM技術能夠滿足高分辨率成像的需求，其原理是利用高能電子與頁巖樣品的相互作用，頁巖樣品所產生的各種信息形成了頁巖掃描電子圖像，但是其視野小[40]。SEM—Maps不僅分辨率高且視野大。SEM—Maps根據XCT頁巖微觀圖像，選定感興趣區域，順序掃描出一系列連續且邊緣重疊的大量高分辨率的小圖像，將掃描完成高分辨率小圖像拼接繼而得到一張頁巖高分辨率、大視域的二維掃描電子圖像。在高分辨率、大視域二維頁巖掃描圖像基礎上，通過對感興趣區域的定位和選取，進一步開展超高分辨率SEM實驗，獲得頁巖微觀孔隙結構的精細特征。筆者在實驗中利用HELIOS Nano Lab 660設備開展SEM—Maps和SEM實驗，SEM—Maps掃描的分辨率為10 nm，像素大小為70 352×66 689；SEM掃描的分辨率為2 nm，選取27個感興趣區域進行高分辨率掃描。通過SEM—Maps和SEM實驗可以同時得到滿足分辨率和視野要求的頁巖實驗微觀結構圖像，但得到的頁巖樣品微觀結構圖像是二維的，無法揭示頁巖微觀孔隙結構之間的空間連通關系。

1.3 FIB—SEM實驗

FIB—SEM能夠獲取頁巖樣品三維高分辨率微觀結構圖像[41]。筆者采用HELIOS Nano Lab 660設備用于FIB—SEM實驗，掃描的分辨率為5 nm，像素為2 048×1 768×500。FIB—SEM是在場發射電鏡中引入與電子束呈52°夾角的鎵離子束，鎵離子束垂直于頁巖樣品，對SEM—Maps選取的感興趣表面進行連續切割，電子束與頁巖樣品感興趣表面呈38°夾角掃描成像，設置單張切片的厚度而得到一系列的連續切片，經系統配套軟件重組得到頁巖樣品三維高分辨率微觀結構圖像。FIB—SEM技術雖然能獲取高分辨率三維頁巖樣品微觀孔隙結構圖像，但受實驗設備的所限，所獲圖像視野極小，僅可滿足于研究特定區域的特征。因此，鑒于頁巖表現出的非均質性特征，選取感興趣區域直接關系到頁巖微觀孔隙結構評價。

1.4 實驗流程

為了準確、全面地獲取頁巖微觀孔隙結構的信息，應用多實驗成像聯用技術進行頁巖樣品實驗，并建立多實驗成像聯用流程圖（圖1）。

圖1 多實驗成像聯用技術流程圖

具體流程為：①頁巖樣品的獲取和保存。對于來自露頭或取心井的頁巖樣品，必須保持其原位狀態，由于頁巖易破損，需進行塑封處理，防止在移動和實驗過程中造成人為損壞形成人造孔隙而影響孔隙結構表征。②頁巖樣品預處理。應用線切割儀器對研究區域的頁巖進行裁剪和打磨，形成圓柱形頁巖樣品（柱塞樣），以便開展下一步實驗。③XCT掃描實驗。應用XCT實驗設備對頁巖樣品進行掃描成像實驗，獲取低分辨率、大視域三維頁巖樣品微觀結構圖像。④SEM—Maps掃描實驗。分析XCT掃描圖像并選取感興趣的區域，通過線切割定位相應的物理位置，并對其表面進行氦離子拋光，將SEM—Maps實驗設備用于其掃描成像實驗，獲取高分辨率、大視域二維頁巖樣品微觀結構圖像。⑤SEM掃描實驗。快速對SEM—Maps圖像進行分析，選取感興趣的區域，應用SEM設備在對應的物理位置開展高分辨率SEM掃描成像實驗，得到超高分辨率、小視域二維頁巖樣品微觀結構圖像。⑥FIB—SEM掃描實驗。結合SEM—Maps和SEM圖像的分析，選取感興趣的區域，應用FIB—SEM實驗設備對相對物理位置開展FIB—SEM掃描成像實驗，進一步獲取高分辨率、小視域三維頁巖樣品微觀結構圖像。⑦后處理。妥善處理和保存實驗后的頁巖樣品，結合圖像處理算法對多分辨率、多維度的頁巖樣品微觀圖像開展定性和定量分析。

2 單一尺度下頁巖孔隙發育特征

2.1 微裂縫

沙河街組頁巖樣品發育豐富的微裂縫。從XCT、SEM—Maps和SEM圖像下均可發現微裂縫（圖2）。微裂縫的類型豐富。XCT下觀察到1條構造微裂縫（圖2-a）。微裂縫以平行于層理的方式貫穿整個巖心視野，半充填狀態，以礦物充填為主。微裂縫因充填物的作用表面呈不規則鋸齒狀并部分封閉，開度變化較大。SEM—Maps圖像中發現6條解理微裂縫（圖2-b），上部的微裂縫較長，貫穿該巖心視野并在其中間部位分叉為2條微裂縫，與主微裂縫相比，分叉后的微裂縫開度較小；中間的微裂縫由于分辨率較低無法清晰觀察到其形態；下部的3條微裂縫較短。因解理微裂縫多發育于礦物邊緣，縫面粗糙度大，多呈現彎曲狀，全充填。SEM下觀察到5條收縮微裂縫（圖2-c）。微裂縫沿礦物或碎屑顆粒邊緣發育，多具有一定的弧度，縫長較小。微裂縫多孤立存在，表面不規則，全充填，充填物大部分為有機質。對不同設備來源的多分辨率頁巖實驗樣品圖像，利用圖像處理方法，對微裂縫開度進行定量分析，發現不同微裂縫在XCT、SEM—Maps和SEM下的開度平均值分別為 136.0 μm、23.0 μm 和 0.7 μm，呈現出典型的多尺度特征。頁巖樣品中孕育著多類型、多尺度的微裂縫，不僅僅有利于游離油氣的富集，同時也是頁巖油氣滲流運移的主要通道[42-44]，對頁巖油氣的開發起到關鍵性的作用。

圖2 不同尺度的頁巖微裂縫結構圖

2.2 無機質孔隙

沙河街組頁巖樣品中發育大量的無機質孔隙。在SEM—Maps、SEM和FIB—SEM圖像下發現了不同類型的無機質孔隙（圖3）。依據孔隙成因、發育特征、孔隙大小及充填狀態4個要素，綜合不同分辨率頁巖微觀圖像，將沙河街組頁巖的無機質孔隙劃分為3個大類：粒間孔隙、粒內孔隙和溶蝕孔隙。典型的粒間孔隙主要發育在石英、長石等脆性礦物含量較高的巖石相內，均受成巖作用的控制而形成孔隙，存在部分原生殘余粒間孔與次生孔隙構成復合孔，其形狀不規則，多為楔狀（圖3-a、b）。粒內孔主要為黏土礦物片狀晶體或黃鐵礦晶體形成的顆粒內部，基本為未充填或半充填，其形狀多為多角狀（圖3-a、c、d）。此外，頁巖還在碳酸鹽礦物內發育大量的溶蝕孔隙，多為成藏過程中酸性流體溶蝕顆粒和氣體膨脹所致，其孔隙形狀多為圓形和橢圓形（圖3-a～c）。

圖3 不同尺度的頁巖無機質孔隙結構圖

不同分辨率下的頁巖樣品的無機質孔隙半徑分布如圖4-a所示。從圖中可以看出，SEM—Maps下頁巖樣品的無機質孔隙半徑介于20～100 nm，SEM表征的頁巖樣品無機質孔隙半徑介于10～100 nm和80～110 nm，FIB—SEM下頁巖樣品的無機質孔隙半徑介于10～60 nm。不同來源圖像中，頁巖樣品的無機質孔隙半徑的特征峰值也不同。這表明基于成像技術的頁巖微觀結構表征依賴于分辨率的選取，更取決于成像區域的選取，進一步說明單一尺度下不能全面、準確捕獲頁巖的微觀孔隙結構特征。只有在FIB—SEM下能獲取頁巖無機質孔隙的連通關系，配位數分布圖如圖4-b所示。圖中曲線呈現頁巖無機質孔隙良好的連通性。無機質孔隙的形態特征、大小和連通性與巖相和礦物分布有著重要關系。無機質孔隙的類型和分布豐富，這大大增加了頁巖油藏的連通性，利于頁巖油氣的運移和開發[45-47]。

圖4 頁巖無機質孔隙半徑和配位數分布圖

2.3 有機質及有機質孔隙

沙河街組頁巖中有機質呈現出典型的多尺度特征。在SEM—Maps、SEM和FIB—SEM圖像下可觀察到有大量有機質發育（圖5）。有機質在頁巖樣品中具有兩類分布形式：①原生型有機質，沿頁巖紋層定向富集分布，呈現條帶狀分布，該類有機質分布范圍廣，通常具有較為規則的外形；②運移型有機質，發育在黏土礦物或脆性礦物晶體之間，呈散塊狀分布，形狀不規則，多與成巖過程中瀝青或液態烴的運移有關。

圖5 不同尺度的頁巖有機質及有機質孔隙結構圖

結合圖像處理算法對多分辨率、多維度頁巖樣品展開分析，發現不是所有有機質中都發育有機質孔隙。富集在巖石層理上、呈條帶狀分布的有機質（原生型有機質）內部幾乎不存在有機質孔隙，在有機質與巖石交界處，多發育有機質孔隙，有機質孔隙形狀多呈楔狀、等軸狀和多角狀，孔隙普遍較大。運移有機質中發育一系列有機質孔隙，這與有機質成熟度較高有關，單個有機質孔隙多呈現多角狀、圓孔狀和橢圓狀，部分孔隙相互連通形成串珠狀有機質孔隙，串珠狀有機孔隙多為2～5個，有機質孔隙互相連通形成大孔隙。高分辨率FIB—SEM掃描圖像顯示有機質孔隙在三維空間表現較好的連通性。

不同分辨率下頁巖樣品的有機質孔隙半徑分布如圖6-a所示。由圖可知，SEM—Maps下頁巖樣品的有機質孔隙半徑介于10～150 nm，應用SEM表征頁巖樣品的有機質孔隙半徑介于20～100 nm和3～30 nm，FIB—SEM下頁巖實驗樣品的有機質孔隙半徑區間為9～150 nm。不同來源的圖像，頁巖樣品的有機質孔隙半徑的特征峰值存在差異，表明頁巖有機質孔隙呈現出多尺度的特征。相比于頁巖無機質孔隙，盡管不同分辨率下有機質孔隙分布區間和峰值特征不同，但是不同分辨率下有機質孔隙的分布形狀類似。此外，應用SEM—Maps成像技術能較為準確地獲取頁巖有機質孔隙結構特征，但是不能揭示頁巖有機質孔隙的連通性特征。然而，借助FIB—SEM成像技術，可以獲取有機質孔隙的配位數分布特征（圖6-b），頁巖樣品的有機質孔隙連通性弱于無機質孔隙的連通性。與頁巖無機質孔隙相比較，頁巖有機質孔隙對成像區域和分辨率的選擇敏感性差，表明頁巖有機質孔隙在有機質中有較好的均質性，但是有機質在頁巖中呈現強烈的非均質性。

圖6 頁巖有機質孔隙半徑和配位數分布圖

3 多尺度下頁巖孔隙結構

通過對多分辨率、多維度頁巖樣品微觀結構圖像在單一尺度下的孔隙發育狀態的分析，發現頁巖樣品發育豐富的微裂縫、多類型無機質孔隙、有機質和有機質孔隙，且均呈現出典型的多尺度特征。為了進一步展示頁巖樣品在多尺度下表現的特征，利用圖像處理和機器學習方法對頁巖樣品微觀結構圖像開展分析。

3.1 多尺度頁巖微觀結構表征方法

任何一種成像技術在分辨率大小和視野選擇之間都存在矛盾，由于頁巖微觀孔隙結構的多尺度特征，單一成像均無法準確、全面揭示頁巖微觀孔隙結構的全貌。對于來源于不同設備的多分辨率、多維度頁巖樣品微觀結構圖像，需建立一套圖像處理和機器學習方法，要充分、全面、同時兼顧不同分辨率中頁巖微觀孔隙結構信息，實現不同分辨率頁巖圖像的融合，表征頁巖樣品的多尺度孔隙結構。

不同分辨率頁巖圖像融合的關鍵是SEM—Maps圖像，因為SEM—Maps圖像不僅分辨率高、能夠聯系SEM和FIB—SEM圖像，同時具有視野大的特點，這為建立與XCT圖像的關系提供可能。實現多分辨率、多維度圖像頁巖微觀圖像耦合的流程如圖7所示。具體步驟是：①將頁巖樣品的SEM—Maps圖像讀取到程序中，并進行歸一化處理使其灰度值介于0～255，以便后續計算和統計。②基于XCT和SEM—Maps的分辨率，選取合適的窗口像素和滑動步長，依據定義好的窗口像素和滑動步長，將SEM—Maps圖像剪裁成一系列窗口圖像，并進行編號，便于后續物理位置定位。③基于機器學習算法依次計算每一個窗口圖像的特征值[48]，并自動保存。④利用K—means算法對全部窗口圖像的特征值進行聚類分析[49]，實現窗口圖像的自動分類。⑤統計和計算每一類灰度的分布、均值和方差。⑥依據每一類的均值和方差識別XCT圖像中每一類的空間分布，結合每一類物理位置和SEM、FIB—SEM圖像，分析每一類的頁巖微觀孔隙結構和空間連通性。

圖7 多分辨率、多維度頁巖微觀圖像耦合流程圖

綜合XCT和SEM—Maps的分辨率，選取窗口尺寸的像素為256×256，滑動步長像素為256，將SEM—Maps圖像分割成260×260個窗口圖像，利用機器學習中的VGG—16網絡模型同時計算全部窗口圖像的特征值，對窗口圖像特征值集合應用K—means算法展開聚類分析，將窗口圖像自動分類成5類，其類型分布如圖8所示，不同的顏色代表不同的類型編號。結合圖5-a對比發現，頁巖的典型孔隙結構分布很好地表現其真實特征屬性。頁巖中不同典型孔隙結構類型所占比例、灰度特征，依據式（1）～（3）進行計算，計算結果見表1，類型1為溶蝕型無機質孔隙，類型2為粒間型無機質孔隙，類型3為運移有機質及有機質孔隙，類型4為粒內型無機質孔隙，類型5為原生有機質及有機質孔隙。類型1～5的占比分別為18.63%、42.05%、29.13%、6.41%、3.78%。從圖8和表1中可以發現，頁巖的微觀孔隙結構以粒間型無機質孔隙為主。

表1 頁巖典型孔隙結構占比及灰度參數表

圖8 頁巖典型孔隙結構分布圖

3.2 孔隙連通關系

結合多分辨率、多維度頁巖樣品微觀結構圖像，綜合分析結果如圖8～10所示，對沙河街組頁巖的孔隙關系進行多尺度分析結果為孔隙—微裂縫連通組合和有機質孔隙—無機質孔隙連通組合。

孔隙—微裂縫連通組合。根據連通關系可以進一步劃分為單獨無機質孔隙—微裂縫、單獨有機質孔隙—裂縫、無機質孔隙/有機質孔隙—微裂縫3小類。孔隙被長距離延伸的微裂縫溝通，進一步拓寬無機質孔隙和有機質孔隙連通長度，增加了滲流通道，有利于頁巖油氣運移和開發。

有機質孔隙—無機質孔隙連通組合。依據無機質孔隙位置及類型進一步劃分為有機質孔隙—粒內無機質孔隙連通組合、有機質孔隙—粒間無機質孔隙組合2小類。有機質孔隙—粒內無機質孔隙連通組合主要表現為有機質孔隙與黏土礦物粒內無機質孔隙相連通。單個有機質塊被黏土礦物聚合體隔開，相鄰有機質塊內的有機質孔隙網絡依靠黏土礦物粒內無機質孔隙溝通，這既利于黏土礦物粒內無機質孔隙的保存，又利于有機質孔隙的發育。有機質孔隙—粒間無機質孔隙存在于脆性礦物附近，由于運移有機質在脆性礦物中賦存較少，因此這種連通組合很少，連通路徑通常也較短。

圖9 典型的頁巖孔隙結構類型圖

圖10 頁巖SEM—Maps圖像多相分割圖

3.3 多尺度孔隙結構

基于分類后不同類型灰度的均值和方差，對XCT圖像的類型模式進行空間識別，并結合不同類型的超高分辨率SEM和FIB—SEM圖像，實現多分辨率、多維度頁巖樣品的融合，依據式（4），可以綜合、全面、準確地表征頁巖多類型、多尺度空間結構特征。

沙河街組頁巖的多尺度孔隙半徑如圖11所示。從圖4中可以看出，頁巖樣品的孔隙半徑介于幾納米到50 μm，孔隙半徑小于20 nm的占為25%，20～50 nm的占比為19%，50～100 nm的占比為29%，100～500 nm的占比為14%，500 nm～20 μm的占比為11%，20～50 μm的占比為2%。孔隙半徑小于50 nm的占比小于50%。綜合分析圖4-a、圖6-a和圖11，并結合單一尺度和多尺度下孔隙結構，孔隙半徑小于50 nm的孔隙基本以有機質孔隙為主，孔隙半徑介于50～500 nm的孔隙為有機質孔隙和無機質孔隙，孔隙半徑大于500 nm的孔隙主要貢獻者為微裂縫。盡管頁巖樣品中納米尺度孔隙發育豐富，但主要的運移通道仍以微米尺度的微裂縫為主。

圖11 頁巖多尺度孔隙半徑分布圖

4 結論

鑒于頁巖孔隙結構多尺度、多類型的特點，筆者提出了一種多實驗聯用技術與流程用于認識和表征頁巖孔隙結構特征，結合機器學習算法實現多分辨率、多維度頁巖微觀圖像的耦合，既實現了頁巖在單一尺度下的頁巖孔隙結構表征，同時也能夠滿足多尺度下頁巖孔隙結構表征。

1）單一的成像實驗不能準確、全面地揭示頁巖氣儲層的微觀孔隙結構，通過XCT、SEM—Maps、SEM和FIB—SEM成像技術聯合使用，能夠同時實現頁巖樣品孔隙結構在單一尺度和多尺度下的認識和表征，為后續頁巖油氣的高效開發提供了理論支撐。

2）單一尺度下，XCT、SEM—MAP、SEM和FIB—SEM圖像下頁巖樣品發育豐富的微裂縫、溶蝕型無機質孔隙、粒間型無機質孔隙、粒內型無機質孔隙、有機質和有機質孔隙，孔隙結構都呈現出典型的多尺度特征。單一尺度下頁巖孔隙結構的表征依賴于人為感興趣區域和分辨率的選擇，客觀性差。

3）多尺度下，應用機器學習和聚類分析算法，建立XCT、SEM—MAP、SEM和FIB—SEM圖像的聯系，實現不同分辨率圖像的融合，頁巖樣品的孔隙關系可劃分為孔隙—微裂縫連通組合和有機質孔隙—無機質孔隙連通組合，沙河街組孔隙半徑小于20 nm的占比為25%，20～50 nm的占比為19%，50～100 nm的占比為29%，100～500 nm的占比為14%，500 nm～20 μm的占比為11%，20～50 μm的占比為2%。

4）綜合對多分辨率、多維度頁巖微觀圖像開展單一尺度和多尺度分析，能夠客觀、全面、準確揭示頁巖孔隙結構特征。孔隙半徑小于50 nm的孔隙基本以有機質孔隙為主，孔隙半徑在50～500 nm為有機質孔隙和無機質孔隙，孔隙半徑大于500 nm的主要貢獻者為微裂縫。盡管頁巖樣品中納米尺度孔隙發育，但主要的運移通道仍以微米尺度微裂縫為主。