人工智能幫助研究人員挖掘舊地圖以尋找失落的石油和天然氣井

主要要點

• 專家估計，美國有數十萬口石油和天然氣井未被正式記錄或擁有。

• 未登記的石油和天然氣井可能會向水和空氣中洩漏化學物質，包括甲烷，一種強效的溫室氣體。

• 研究人員通過使用人工智能分析加州和奧克拉荷馬州45年的美國地質調查局（USGS）地圖，發現了未在各州記錄中列出的石油和天然氣井。

• 來自多個國家實驗室的專家正在利用無人機和低成本傳感器建立方法，以確認和量化石油和天然氣井的甲烷排放。

• 有了這些工具，各州和美國原住民部落的計劃將能更好地識別、優先考慮和封堵風險最高的井。

散佈在美國各地的，幾乎有170年商業鑽探歷史的遺跡，包括數十萬口被遺忘的石油和天然氣井。這些未登記的孤立井（UOWs）並未在正式記錄中列出，並且沒有已知的（或經濟上可行的）經營者。它們通常不為人知，卻又危險，屬於一種危險的組合。

如果這些井未得到妥善封堵，可能會向附近的水源泄漏石油和化學物質，或者將苯和硫化氫等毒性物質排放到空氣中。它們還可能通過排放溫室氣體甲烷來助長氣候變化，甲烷在一百年內在我們的氣氛中捕獲熱量的效能約是二氧化碳的28倍（在更短的時間內，全球變暖潛力更高）。

為了找到孤立井並測量現場的甲烷排放，研究人員正在使用現代工具，包括無人機、激光成像和一系列傳感器。但連續的美國地區面積超過300萬平方英里。為了更好地預測未登記的井可能的位置，研究人員首先將新技術與舊資料進行結合：現代人工智能（AI）和歷史地形圖。

“雖然人工智能是一種現代而迅速發展的技術，但不應只與當代數據來源聯繫在一起，”來自美國能源部洛倫斯伯克利國家實驗室（Berkeley Lab）的博士後研究員法比奧·丘拉（Fabio Ciulla）說，他是今天發表在《環境科學與技術》（Environmental Science & Technology）期刊上，關於使用人工智能尋找孤立井（UOWs）的案例研究的首席作者。“人工智能可以通過從歷史數據中提取信息來增強我們對過去的理解，而這在幾年前是無法實現的。隨著我們走入未來，回顧過去的價值也會增加。”

自2011年以來，美國地質調查局（USGS）已上傳了190,000張1884年至2006年之間製作的歷史USGS地形圖。關鍵在於，這些地圖是地理標記的，這意味著每個像素對應的坐標都可以輕鬆參考。

丘拉收集了矩形四邊形地圖，這些地圖覆蓋一定的緯度和經度，在比例尺為1英寸代表2000英尺的情況下進行製圖。在1947年至1992年期間，這些地圖還使用了一致的符號來表示石油和天然氣井：一個空心的黑色圓圈。“對於人類來說，看到這個圓圈並識別它是非常簡單的，”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——但如果我們希望將其應用於成千上萬的地圖，這一策略的擴展性並不好。這就是人工智能發揮作用的地方。”

為了使這種方法有效，伯克利實驗室的研究團隊需要教會AI如何在所有其他視覺信息中識別正確的符號。它還需要能夠在不同地形和顏色的地圖上工作，以及在不同條件下的地圖（舊的、新的、污漬的、完好的）。

“這個問題相當於在干草堆中找針，因為我們試圖找出散落在許多已記錄井中的幾口未知井，”伯克利實驗室的科學家及該研究的資深作者查魯莉卡·瓦拉達拉詹（Charuleka Varadharajan）說。

研究人員使用數位工具在來自加州的近100張地圖上手動標記石油井，並創建了一個供AI訓練的數據集。一旦教會AI識別空心圓並忽略假陽性（如死胡同或具有圓形圖案的符號，如數字9或字母“O”），該算法便可以應用於任何具有相同符號的USGS地圖。由於這些地圖是地理參考的，該算法可以獲取地圖上標記的石油井的坐標，並將其與已記錄井的坐標進行比較。

為了探測潛在的未登記孤立井，團隊選擇了距離已知井點超過100米的井符號，以考慮井座標中的潛在誤差。他們還建立了一種新工具，讓人工能夠迅速檢查算法的發現，仔細確認AI是否正確解讀地圖上的符號。

研究人員使用這一AI算法對四個早期石油產量豐富的縣進行搜查——加州的洛杉磯縣和科恩縣，以及俄克拉荷馬州的奧薩吉縣和俄克拉荷馬縣——並發現了1,301口潛在的未登記孤立井。目前為止，研究人員已經使用衛星圖像驗證了29口UOW，並在現場調查中確認了另外15口；對其他潛在井的進一步國內調查仍然是必要的。

“根據我們的方法，我們對於潛在的未登記孤立井是採取保守態度的，”瓦拉達拉詹（Varadharajan）說。“我們故意使假陰性多於假陽性，因為我們希望對通過我們的方法識別的每口井的位置保持謹慎。我們認為我們找到的潛在井的數量是低估的，通過對我們的方法進行更多的改進，我們可能會找到更多的井。”

從地圖到現場

對於未登記井的第一次驗證是通過遠程方式進行的。研究人員查閱衛星圖像和歷史航空照片，尋找油井和泵浦裝置（或其陰影）、升降設備、油墊、儲油罐或受到擾動的地面等特徵。

在許多情況下，井的封蓋位於地面或以下，這在參考圖像中不會留下明顯的跡象。因此，研究人員需要帶著設備進入現場，以確認井的存在。

在預測的井位上，研究人員尋找任何表面井結構。如果沒有，他們會以網格或螺旋的模式攜帶磁力計行走，磁力計可以測量磁場。埋藏的金屬井套會擾動磁場，使研究人員能夠鎖定井位。一旦他們完成對該區域的調查，研究人員會保存磁力計文件，記錄是否發現井，如果發現，則拍攝現場照片、記錄GPS坐標並檢查甲烷洩漏。

對於他們能夠驗證的井，伯克利實驗室的團隊發現這些UOW的實際位置平均距離算法和地圖預測的位置僅10米。他們認為這種AI方法是第一個能夠在縣級範圍內識別潛在UOW的精確位置的方法。隨著覆蓋美國的地圖資源豐富，這一技術可以擴展並應用於其他感興趣的區域。

這一AI繪圖和驗證工作是解決UOW問題的一個更大項目的一部分：促進失落油氣井評估技術的聯盟（CATALOG）。該計劃由洛斯阿拉莫斯國家實驗室牽頭，並包括來自伯克利實驗室、勞倫斯利弗莫爾國家實驗室、國家能源技術實驗室和桑迪亞國家實驗室的研究團隊。

這是一個為了應對同樣龐大問題的重大合作：根據公路間油氣協會在2021年的估算，美國境內的未登記孤立井數量介於310,000到800,000之間。

隨著第一口井的鑽探，關於鑽探和封堵的法規在不同州於不同時間出現。早期鑽探期間，許多井被留下來或填充了可疑的封堵物，這使得油、氣、鹽水或化學物質日後有可能洩漏。一旦被識別，井可以通過用水泥填充鑽孔來正確地“封堵和廢棄”，以避免油進入水源和甲烷進入大氣。

CATALOG旨在改進尋找井、檢測和測量甲烷、快速篩查井的狀況、整合來自不同來源的信息，並優先考慮需要封堵的井。其目標是創建可以在美國任何地方使用且價廉的工具（如AI井預測）。

奧薩吉國（Osage Nation）擁有近150萬英畝的土地，是CATALOG技術和方法的一個驗證場。來自奧薩吉國的合作夥伴提供了重要的反饋，評估現場使用設備的優缺點以及所產生信息的準確性。

“奧薩吉國和CATALOG之間的合作是互利而富有成效的，”奧薩吉國自然資源管理局局長克雷格·沃克（Craig Walker）說。“利用AI和尖端檢測設備填補了記錄中的數據空白，並導致發現了一些該地區的未登記孤井，同時簡化了奧薩吉國孤井計劃中的各種流程。”

伯克利實驗室科學家塞巴斯蒂安·比拉德（Sebastien Biraud）負責CATALOG項目，主導評估檢測甲烷排放的傳感器和新方法。研究孤立井的小組需要迅速評估有多少甲烷在洩漏，但高科技的甲烷傳感器成本昂貴。比拉德的團隊正在研究如何將低成本的現成傳感器組合作為替代方案。該設置包括一個風速計來測量風速、一個風扇（用於快速流量）、一個氣體分析儀、GPS，以及關鍵的計算，使使用者能夠考慮到井的距離來粗略估計洩漏的甲烷量。

“我們不需要確切知道它是否以每小時2.3克的速度洩漏，”比拉德說。“我們需要知道它是否沒有洩漏，是否以每小時10到100克的速度洩漏，或者它是否以每小時公斤量洩漏。我們需要能在五分鐘內完成。”

快速測量甲烷洩漏的方法對於對新發現的UOW進行優先排序至關重要，同時也對已知井的封堵工作有所幫助。

“現在有一項要求，在封堵石油和天然氣井之前和之後必須量化排放，”比拉德表示。“這既是因為你想確保封堵工作做得正確，也是希望量化該計劃對我們氣候減緩策略的影響——特別是對甲烷排放的影響，因為甲烷造成的全球變暖影響通常比二氧化碳更快。”

從現場到天空

CATALOG的研究人員也在探討使用配備不同傳感器的無人機來擴大未登記孤立井的檢測和驗證方法。無人機預先編程指定的飛行路徑，可以半自動地勘測比研究人員在地面上輕鬆訪問的更大區域。

團隊正在使用幾種不同類型的傳感器，每種傳感器都有其挑戰和優勢。要使用無人機上的磁力計，研究人員必須將傳感器懸掛在9英尺長的電纜上。如果將其放置得離無人機太近，電子設備會干擾捕捉井的磁性特徵。

另一架無人機配備了甲烷傳感器，能在飛行時吸取空氣，並考慮甲烷濃度、風速和風向以精確定位井的位置。還有一種技術是搭載高光譜相機，尋找與甲烷煙霧相關的波長（肉眼不可見）。此外，伯克利實驗室的研究人員正在開發一種無人機安裝技術，可以找到難以發現的油井，例如那些用木套管建造的井，或金屬被剝去以供其他用途的井。

還有其他方法可以獲取失落井的線索。配備激光系統的飛機（稱為LIDAR）可以成像地面。熱像儀可以指向隱藏的洩漏。CATALOG成員甚至正在開發一個應用程序，利用智能手機的磁力計來搜尋井。

“解決這個問題的正確方法是一種多層次的方法，”丘拉（Ciulla）說。“我們可以從所有這些不同來源的資訊進行層疊，就像蛋糕一樣。我可以提供歷史地圖的貢獻，其他人可以進行歷史石油產量的計算，還有其他人帶來圖像或衛星或傳感器數據。這是舊與新的美妙融合，我對於地圖這種看起來如此古老和靜態的東西，如果正確使用並結合當前技術，能給我們帶來如此多的有用信息感到著迷。”

CATALOG的工作正在進行中，旨在建立工具以減少來自未登記孤井的甲烷排放和危害。

“作為一個社會，我們對能源非常喜愛，”比拉德（Biraud）說。“但我們需要找到限制排放的解決方案。與當地利益相關者合作，例如美國原住民部落、美國森林服務局和美國國家公園管理局，我們看到這是我們可以產生影響的一種方式。”

該映射AI工具使用了美國能源部國家能源研究科學計算中心（NERSC）提供的資源，這是一個美國能源部科學辦公室的用戶設施。

這項工作是由美國能源部化石能源與碳管理辦公室、資源可持續性辦公室、甲烷減排技術部的未登記孤井計劃資助的，作為促進失落油氣井技術評估的聯盟的一部分。

---

洛倫斯伯克利國家實驗室（Berkeley Lab）致力於通過清潔能源、健康地球和發現科學的研究來為人類提供解決方案。該實驗室成立於1931年，基於團隊能最佳解決重大問題的信念，伯克利實驗室及其科學家已獲得16項諾貝爾獎。來自全球的研究人員依賴該實驗室的世界一流科學設施進行他們的開創性研究。伯克利實驗室是一個多計畫國家實驗室，由加利福尼亞大學管理，隸屬於美國能源部的科學辦公室。

美國能源部的科學辦公室是美國物理科學基礎研究的最大單一支持者，並致力於應對我們時代的一些最緊迫的挑戰。部分資料參考自美國能源部與美國NSO團隊。