Rendimiento del CSEM a la luz de los resultados del pozo

JONNY HESTHAMMER, ARIS STEFATOS, and MIKHAIL BOULAENKO, Rocksource STEIN FANAVOLL
and JENS DANIELSEN, EMGS

Durante los últimos años, hemos visto un enfoque creciente en el uso de la tecnología CSEM para
la exploración de hidrocarburos en ambientes marinos y, recientemente, se han publicado varias
historias de éxito. Se ha demostrado que la tecnología ayuda tanto a la detección como a la
delimitación de depósitos llenos de hidrocarburos.

El impacto de cualquier tecnología nueva en el éxito de la

exploración puede ser muy difícil de evaluar, ya que la
mayoría de los datos son propietarios. Los datos de CSEM
marino para su uso en la exploración de hidrocarburos se
han adquirido durante casi 10 años, y ahora hay más datos
disponibles para intentar comprender el impacto de esta
tecnología en las tasas de éxito de perforación. Este estudio
pretende ser una observación objetiva de los resultados
estadísticos de 86 pozos perforados en prospectos y campos
que contienen datos CSEM marinos. Como los autores
desconocen numerosos parámetros, el estudio limita el
enfoque para proporcionar información sobre los resultados
observados.

Lo esencial

El concepto de encuestas remotas de resistividad se basa en

el conocimiento de que la propagación de un campo
electromagnético (EM) en un subsuelo conductivo se ve
afectada principalmente por la distribución espacial de
resistividad (suponiendo materiales no magnéticos y no
polarizables). En ambientes marinos, los sedimentos llenos
de agua salada representan buenos conductores, mientras
que los sedimentos llenos de hidrocarburos representan
ejemplos de inclusiones resistivas que dispersan el campo
EM. El campo EM está disperso por las inhomogeneidades
subsuperficiales que los receptores registran en el fondo
marino (Figura 1a). La información obtenida se puede
utilizar para estimar la verdadera distribución de
resistividad del subsuelo aplicando técnicas de inversión y
migración, así como muchos otros tipos de análisis (Figura
1b).
Figura 1. (a) Durante una encuesta típica de CSEM, una
fuente dipolar es remolcada por encima de los receptores
EM en el fondo marino. La fuente emite un campo
electromagnético que se propaga en el subsuelo (por
simplicidad, la propagación de energía se muestra como
trayectorias de rayos en la figura, aunque la energía en las
frecuencias bajas utilizadas se propaga principalmente por
difusión). La presencia de sedimentos llenos de
hidrocarburos dispersará el campo EM, y parte del campo
disperso se propaga de regreso al fondo marino donde la
señal es registrada por receptores equipados con sensores
eléctricos y magnéticos. (b) Para averiguar si hay petróleo o
gas, los datos EM adquiridos deben procesarse e
interpretarse. Este proceso extenso e iterativo requiere
acceso a herramientas avanzadas de procesamiento y
análisis.
Durante una encuesta típica CSEM marina, los receptores EM se implementan en el fondo
marino. Una fuente dipolo eléctrica horizontal móvil, remolcada a 20–40 m sobre el fondo marino
(Figura 1a), emite continuamente un campo EM en el subsuelo. Los receptores EM registran
continuamente los campos eléctricos y magnéticos. La atenuación del campo EM en el subsuelo
depende principalmente de la frecuencia de la señal fuente y la resistividad del subsuelo. Para
mapear objetivos profundos, la fuerza del campo disperso en el fondo marino debe estar por
encima del nivel de ruido. Esto requiere contenido de frecuencia de fuente adecuado, forma de
onda y intensidad de corriente. Las amplitudes de la corriente de la fuente son típicamente de
hasta 1300 A, y las longitudes de los dipolos de la fuente son de 150-350 m.

La forma de onda fuente determina la distribución de frecuencia resultante y la magnitud relativa

de los armónicos que pueden estudiarse. La experiencia muestra que se necesita un rango de
frecuencia de 0.1-3 Hz para mapear objetivos hasta 3000 m debajo de la línea de lodo (lecho
marino). Es importante cubrir un rango de frecuencia suficientemente amplio para mejorar la
resolución de profundidad. La resolución espacial de los datos EM está limitada principalmente
por la intensidad de la señal, la frecuencia, la separación entre el receptor y el origen y, en la
práctica, el nivel de ruido.

La base de datos
A mediados de 2009, EMGS, un proveedor de servicios CSEM, había recolectado más de 400
encuestas CSEM marinas. Al mismo tiempo, Rocksource, una compañía petrolera noruega había
analizado datos marinos de CSEM en más de 70 prospectos relacionados con sus propias
actividades comerciales y probó la tecnología en 6 áreas de calibración. Del conjunto de datos
combinado, 86 pozos están actualmente disponibles para análisis estadísticos. La base de datos
contiene 36 encuestas de calibración en pozos existentes; 50 pozos son pozos de exploración que
se perforaron después de la adquisición de datos CSEM marinos.

Figura 2. Un método objetivo y simple para analizar datos

CSEM es generar gráficos de fase y magnitud normalizados.
Esto se hace identificando un receptor fuera de la región
objetivo. Este receptor se conoce como receptor de
referencia. Para el receptor de referencia, se elige un
desplazamiento entre la fuente y el receptor. A
continuación, todos los demás receptores se normalizan
contra el receptor de referencia para el desplazamiento y la
frecuencia elegidos. Esto permite la identificación de áreas
con respuestas anómalas en comparación con la tendencia
general de fondo, de las cuales la variación máxima se
conoce como la respuesta de amplitud anómala normalizada
(NAR).

En una publicación anterior de Johansen et al. (2008), se evaluó una base de datos de 52 pozos
con datos CSEM marinos asociados. Mientras que ese documento se centra en lo que se considera
un éxito técnico con respecto a si las observaciones de resistividad de los pozos son consistentes
con las observaciones de los datos de CSEM, el documento actual se centra en lo que demuestran
los resultados de perforación en términos de tasas de descubrimiento desde un punto de vista
objetivo como posible .

La base de datos CSEM marina contiene pozos del Mar de Barents (9, de los cuales 2 son encuestas
de calibración), Brasil (1 encuesta de calibración), Ghana (1), Golfo de México (7 encuestas de
calibración), India (12, de las cuales 2 son encuestas de calibración), Malasia (3), Mediterráneo (5,
de las cuales 2 son encuestas de calibración), Mar del Norte (5, de las cuales 4 son encuestas de
calibración), Mar de Noruega (15, de las cuales 7 son encuestas de calibración), en alta mar
Sarawak ( 1 encuesta de calibración), Mar de China Meridional (11, de las cuales 4 son encuestas
de calibración), Mar de Sulu (1) y África Occidental (15, de las cuales 6 son encuestas de
calibración). Una encuesta de calibración se define como una encuesta CSEM adquirida a través de
un descubrimiento existente o pozo seco. Estos datos son valiosos en términos de evaluar si se
puede observar una respuesta anómala normalizada en un descubrimiento comprobado o en un
pozo seco, pero deben descartarse para la evaluación estadística de las tasas de descubrimiento.
La distribución global de encuestas dentro de diferentes cuencas y entornos geológicos fortalece
la validez del análisis estadístico.

En la base de datos utilizada para este estudio, el prospecto de exploración más superficial estaba
a 500 m debajo de la línea de barro, mientras que el prospecto más profundo estaba a 2500 m; las
profundidades del agua oscilaron entre 150 y 2500 m para las perspectivas de exploración. Para
los estudios de calibración, el objetivo menos profundo estaba a 200 m debajo de la línea de lodo,
mientras que el más profundo era 2100 m. Las profundidades del agua para los estudios de
calibración varían de 90 a 2500 m. El descubrimiento de exploración más superficial fue de 500 m
debajo de la línea de barro, mientras que el descubrimiento más profundo fue de 2200 m.

Los analisis
No ha habido ningún esfuerzo por interpretar ningún dato aparte de identificar una respuesta de
amplitud anómala simple, observable y normalizada del campo eléctrico a la frecuencia
fundamental. Esto es para garantizar la coherencia al comparar los diferentes conjuntos de datos y
tener un sesgo mínimo en los análisis. Una respuesta anómala normalizada considera la respuesta
de resistividad de algo anómalamente resistivo en el subsuelo con respecto a la resistividad de
fondo (Figura 2). Esto se realiza mediante la identificación de un receptor fuera de la región
objetivo que se supone que representa la resistividad de fondo general. Este receptor se conoce
como receptor de referencia. Durante la adquisición, la fuente será remolcada por encima de los
receptores, emitiendo energía electromagnética alternando la corriente entre dos electrodos. La
frecuencia alterna y la firma actuales se pueden variar para proporcionar una frecuencia
fundamental, así como numerosos armónicos a la frecuencia fundamental de las diferentes
fuerzas. En este estudio, solo se consideran las variaciones de amplitud del campo eléctrico para la
frecuencia fundamental. Aunque este es un enfoque altamente simplista, el objetivo es ser lo más
objetivo posible al comparar resultados. Análisis más detallados son posibles y preferidos, pero
serán el tema de futuras publicaciones.
Para cada línea CSEM, se elige un receptor de referencia y un desplazamiento entre la fuente y el
receptor de referencia. A continuación, todos los demás receptores se normalizan contra el
receptor de referencia para el desplazamiento y la frecuencia elegidos y se muestran en una
gráfica de respuesta de amplitud normalizada (también llamada "magnitud normalizada versus
compensación" o gráfica NMVO). Esto permite la identificación de áreas con una respuesta
anómala en comparación con la tendencia general de fondo, de las cuales la variación máxima se
conoce como la respuesta de amplitud anómala normalizada (NAR). (El término NAR se usa con
relativa soltura en este documento con el propósito de establecer una media simple para analizar
los datos. La forma correcta de abordar la anomalía en la respuesta subsuperficial, NAR, es
considerar la amplitud del campo anómalo de valor complejo dividido por la amplitud del campo
de fondo de valores complejos. Teniendo en cuenta las posibles discrepancias, aún procedemos
con la definición adoptada anteriormente, ya que la simplificación no causará cambios
importantes en los resultados discutidos, aparte de la escalada limitada de los valores de umbral
NAR.

Un valor de respuesta normalizado de 1 indica que el receptor elegido tiene exactamente la misma
magnitud de campo eléctrico para el desplazamiento elegido que el receptor de referencia. Un
valor de 1.5 indica que el receptor observado tiene una respuesta normalizada 50% más alta que
el receptor de referencia. Esto indica que algo en el subsuelo tiene una resistividad más alta que la
observada en el receptor de referencia. Potencialmente, esto podría ser un depósito de
hidrocarburos o algo más resistente (arenisca cementada, volcánica, lutita rica en materia
orgánica, carbonatos, sal, etc.). También puede estar relacionado con aspectos como efectos de
geometría topográfica, efectos de ondas aéreas, efectos de batimetría, etc.

La Figura 3 muestra un diagrama NAR de un prospecto en el Mar de Barents. El NAR para la

amplitud con respecto a la tendencia de fondo estimada alcanza un valor de alrededor del 20% en
la ubicación de una perspectiva mapeada. Tal respuesta se considera significativa.

La experiencia muestra que cuando el NAR llega a ser inferior al 15%, comúnmente es difícil
diferenciar una anomalía clara del subsuelo debido a variaciones laterales y verticales en la
resistividad de las formaciones del subsuelo que no contienen hidrocarburos. En este estudio, se
ha utilizado un valor de corte NAR del 15% para separar a los prospectos con una anomalía CSEM
significativa de aquellos sin una anomalía significativa. Aunque este es nuevamente un enfoque
simplificado, sirve para este estudio en particular al mantener los análisis en un nivel objetivo.

La base de datos disponible contiene resultados de pozos perforados por varias compañías
petroleras. Un pozo se considera un descubrimiento si se encuentran hidrocarburos móviles (con
la excepción de tres pozos que solo encontraron cantidades muy pequeñas de hidrocarburos y que
se denominan secos en este estudio). No hay información disponible sobre la posibilidad inicial de
éxito (Pg inicial) basada en análisis geológicos y geofísicos estándar. Tampoco hay información
disponible sobre el razonamiento de la decisión de perforación o la ubicación en relación con las
observaciones de los datos CSEM. Como tal, es bastante posible, y probable, que las observaciones
de los datos de CSEM no hayan cambiado la decisión de perforación o la ubicación de algunos
 pozos debido a los compromisos de perforación existentes y otros factores. Cualquier decisión de
perforación que incorporara datos CSEM probablemente se habría basado en informes de
interpretación proporcionados por proveedores de servicios, así como en el conocimiento de la
tecnología CSEM dentro de las diferentes compañías petroleras. Se desconoce el alcance de este
conocimiento. Como resultado, solo se presentan las observaciones más básicas y conservadoras.

Los resultados
De los 86 pozos con datos CSEM asociados, 36 son encuestas de calibración recopiladas para
probar la tecnología. De las 22 encuestas de calibración adquiridas sobre descubrimientos
existentes, 19 (86%) muestran un valor NAR superior al 15%. De las 14 encuestas de calibración
adquiridas sobre perspectivas probadas secas, 13 (93%) muestran un valor NAR menor al 15%.

Quizás de mayor interés es la evaluación de las tasas de éxito de los pozos perforados después de
la adquisición de datos CSEM. Las Figuras 4–5 y la Tabla 1 muestran los principales resultados
encontrados a través de la evaluación de la base de datos actual.

De los 86 pozos perforados, 50 se enumeran como descubrimientos. Cuando se ignoran todas las
encuestas de calibración, 28 de 50 pozos son descubrimientos. Cuando se consideran pozos
perforados en prospectos con un NAR superior al 15% (referidos como prospectos con una
anomalía CSEM significativa en este estudio), 21 de 30 pozos son descubrimientos. Para los pozos
perforados en prospectos con un NAR inferior al 15% (prospectos sin una anomalía CSEM
significativa), 7 de 20 pozos son descubrimientos.

Tabla 1. Estadísticas principales para el estudio actual. Se ha utilizado un valor de corte NAR del 15% para la
frecuencia fundamental para distinguir las perspectivas con una anomalía CSEM significativa de las perspectivas
con una anomalía CSEM débil o nula

Al ignorar todos los pozos de calibración, esto proporciona una tasa de descubrimiento general del
56%. Para los pozos en prospectos con una anomalía CSEM significativa, la tasa de descubrimiento
aumenta al 70%, mientras que cae al 35% para los pozos en prospectos sin una anomalía CSEM
significativa. Algunos prospectos con un NAR observado por debajo del 15% aún pueden tener
anomalías CSEM claras y localizadas por encima de los prospectos mapeados, mientras que otros
claramente no tienen tantos pozos perforados en prospectos sin NAR observables.

La Tabla 1 resume los hallazgos para todas las áreas y para las áreas donde hay más de un pozo
disponible. La Figura 5 muestra la tasa de descubrimiento para todos los datos disponibles, así
como para las áreas con al menos 8 pozos de exploración (excluyendo encuestas de calibración)
perforadas en prospectos con datos CSEM. El número de pozos disponibles de las diferentes áreas
es limitado y claramente se necesitan más datos para llegar a conclusiones regionales firmes. Al
excluir todos los pozos de calibración del estudio y solo considerar las áreas con al menos 8 pozos
disponibles para análisis, India (10 pozos) muestra una tasa de descubrimiento del 50% cuando
todas las perspectivas se incluyen en los análisis. Si solo se incluyen prospectos con un NAR
superior al 15%, la tasa de descubrimiento es del 63% (5 descubrimientos). Los datos de África
occidental (9 pozos) muestran una tasa de descubrimiento promedio del 44% cuando se incluyen
todas las perspectivas, pero la tasa de descubrimiento aumenta al 100% cuando solo se incluyen
las perspectivas con NAR por encima del 15% (3 descubrimientos). En el Mar de Noruega (8
pozos), la tasa de descubrimiento general para todos los pozos es del 25% con una tasa de
descubrimiento del 40% para los pozos perforados en prospectos con NAR superior al 15% (2
descubrimientos).

Hasta 20 de los 50 pozos de exploración fueron perforados en prospectos que muestran un NAR
en los datos de CSEM igual o inferior al 10%. La mitad (10) de estos 20 pozos se perforaron donde
no se observaron respuestas anómalas normalizadas negativas o incluso negativas para la
frecuencia fundamental. Cuatro de estos 10 pozos fueron descubrimientos, y los cuatro fueron
clasificados por Johansen et al. como "subdetección modelada de descubrimientos de
hidrocarburos", lo que significa que los datos del pozo revelaron depósitos llenos de hidrocarburos
con propiedades que el modelado muestra que son desfavorables (demasiado pequeño,
demasiado profundo o con muy poco contraste de resistividad) para la detección por CSEM.

Discusión
A lo largo de la historia de la exploración petrolera, el promedio de la industria para el éxito
comercial de gatos monteses se ha mantenido notablemente constante a lo largo del tiempo:
aproximadamente el 25%. Esto resulta de un equilibrio entre varios factores competidores. En
primer lugar, los entornos geológicos más simples y accesibles se perforan temprano y las cuencas
más difíciles se perforan más tarde, después de que las más simples se hayan agotado. En segundo
lugar, las grandes perspectivas fáciles de ver se perforan primero en una obra de teatro; los más
pequeños y complejos se encuentran más tarde. Uno esperaría que estos factores den como
resultado una disminución general en la tasa de éxito con el tiempo. La fuerza de contrapeso ha
sido la mejora continua de la tecnología. El uso generalizado de levantamientos sísmicos 3D en
exploración, la comprensión en física de rocas y el reconocimiento de DHI sísmicos (puntos
brillantes, AVO, etc.) han ayudado a mantener el promedio general de éxito de la industria en un
 25%. Las áreas en las que las nuevas tecnologías funcionan bien ven mejores tasas de éxito, que
compensan los éxitos decrecientes en aquellos entornos geológicos en los que las nuevas
tecnologías no son efectivas.

Los datos sísmicos proporcionan información sobre los cambios del subsuelo en la densidad y la
velocidad (comúnmente descrito por el producto de los dos, impedancia acústica o IA). Los datos
EM proporcionan información sobre los contrastes de resistividad en el subsuelo. La relación entre
la impedancia acústica, la resistividad y la saturación de hidrocarburos es compleja (Figura 6). En
pocas palabras, la integración de la comprensión a escala prospectiva de la densidad, la velocidad
y la resistividad puede mejorar la comprensión de si es probable que haya estratos porosos que
contengan hidrocarburos en un lugar determinado. La aplicación de esta integración en una
amplia cartera puede ofrecer mayores grados de éxito de exploración.

Aunque argumentamos sobre la necesidad de

Figura 4. Los datos empíricos utilizados en el estudio actual.
El NAR observado se traza contra la profundidad a la
perspectiva (debajo de la línea de barro). (a) Gráfico de los
86 pozos, incluidos los 36 pozos de calibración. (b) Gráfico
de los 36 pocillos de calibración. (c) Gráfico de los 50 pozos,
excluyendo los pozos de calibración.
un enfoque integrado cuando se manejan
datos CSEM, no se sabe en qué medida esto
se ha implementado antes de perforar los
pozos en este estudio. Se perforaron hasta 10
pozos en prospectos que no muestran NAR
observables para la frecuencia fundamental.
Parece improbable que las observaciones de
los análisis CSEM fueran los impulsores clave
para la perforación de estos pozos (o
probablemente no se habrían perforado
todos). Otro aspecto importante es el hecho
de que 4 de los 10 pozos en realidad fueron
descubrimientos, incluso si la encuesta CSEM
no mostró una anomalía CSEM utilizando el
enfoque simplista aplicado para este estudio.
Es posible que análisis más avanzados revelen
información que no está presente en las
parcelas NAR (por ejemplo, Boulaenko et al.,
2007). Sin embargo, una explicación
alternativa es que estos pozos se perforaron
en un entorno no adecuado para la
tecnología CSEM, en cuyo caso los datos de
CSEM no serán capaces de descifrar
efectivamente un prospecto (prospectos
demasiado profundos, prospectos demasiado
pequeños, insuficiente contraste de
resistividad al entorno, etc.). Esta es la
explicación proporcionada por Johansen et al.
después de estudios de modelado posteriores a los pozos de los descubrimientos. Del mismo
modo, la comprensión de los pozos secos perforados en prospectos con valore NAR superiores al
15% requiere análisis en profundidad posteriores a los pozos de los datos de CSEM junto con otros
tipos de datos disponibles.

Otras incógnitas importantes incluyen la posibilidad inicial de éxito anterior al CSEM para las
diferentes perspectivas definidas por las compañías petroleras responsables de la perforación de
los pozos, así como la tasa de éxito real de los pozos perforados en las diferentes áreas de este
estudio. Si bien la tasa de éxito global para los pozos salvajes es del orden del 25%, la tasa de éxito
real para los pozos de exploración perforados en Las áreas discutidas en este estudio pueden ser
muy diferentes. Se puede argumentar que la tasa de éxito de exploración promedio general para
pozos en prospectos sin datos CSEM en las áreas en este estudio es tan alta como 56% (igual que
la tasa de descubrimiento promedio para todos los pozos de exploración en la base de datos
específica utilizada), o se puede argumentar a favor de una tasa de éxito real más cercana a la tasa
de éxito global del 25%. La verdad es muy probable que se encuentre entre estos dos valores y
sería beneficioso para futuros estudios identificar las verdaderas tasas de éxito para las diferentes
áreas. Sin embargo, incluso si la tasa de éxito promedio general para las áreas en este estudio es
tan alta como 56%, todavía hay una elevación promedio de 14% (a 70%) para los pozos en
prospectos con un NAR significativo (> 15%) en comparación a la tasa de descubrimiento promedio
para todos los pozos de exploración en este estudio.

Una observación interesante de las encuestas de calibración es que 19 (86%) de los 22

descubrimientos muestran un NAR superior al 15%, mientras que 13 (93%) de las 14 encuestas de
calibración adquiridas en prospectos comprobados en seco muestran un valor NAR menor al 15%.
Si los datos son representativos, esta es una fuerte indicación de que la tecnología CSEM mostrará
una anomalía significativa si los hidrocarburos están presentes en profundidades y bajo
condiciones adecuadas para la tecnología. También parece haber una correlación clara entre la
falta de hidrocarburos y la falta de una anomalía CSEM significativa.

Una observación interesante de las encuestas de calibración es que 19 (86%) de los 22

descubrimientos presentados en un NAR superior al 15%, mientras que 13 (93%) de las 14
encuestas de calibración adquiridas en prospectos comprobados en seco muestran un valor NAR
menor al 15%. Si los datos son representativos, esta es una fuerte indicación de que la tecnología
CSEM afecta una anomalía significativa si los hidrocarburos están presentes en profundidades y
bajo condiciones adecuadas para la tecnología. También parece haber una correlación clara entre
la falta de hidrocarburos y la falta de una anomalía CSEM significativa.

Resumen y conclusiones
El estudio actual ha evaluado una base de datos empírica que contiene 50 pozos de exploración
perforados en prospectos con datos CSEM marinos adquiridos y analizados antes de la
perforación. Otros 36 pozos estaban disponibles para estudios de calibración. La tasa de
descubrimiento promedio para los 50 pozos de exploración es del 56%. Cuando se consideran las
 perspectivas de exploración con una
anomalía CSEM significativa como se
observa en los gráficos de respuesta
normalizados (NAR> 15%) a la frecuencia
fundamental, la tasa de descubrimiento
promedio aumenta al 70% (en base a los
resultados de 30 pozos).

Se perforaron hasta 20 pozos en

prospectos sin una anomalía CSEM
significativa (NAR <15% para la
Figura 5. Tasa de descubrimiento de pozos de exploración
frecuencia fundamental). La tasa de
perforados en prospectos con datos CSEM adquiridos
descubrimiento promedio para estos
antes de perforar los pozos.
pozos es del 35%. Como tal, la tasa de
éxito observada para los pozos de
exploración perforados en prospectos
con una anomalía CSEM significativa es
el doble que la de los pozos de
exploración perforados en prospectos
sin una anomalía CSEM significativa. Se
observa la misma tendencia para las
áreas con 8 o más pozos disponibles
para el análisis, la diferencia oscila entre
40 y 83%.

Se perforaron hasta 10 pozos en

prospectos que no mostraban ninguno o
Figura 6. Ejemplo de cambio porcentual en la impedancia acústica versus cambio incluso un NAR negativo, y sería
porcentual en la saturación de hidrocarburos. Mientras que la energía acústica tiende
a reaccionar rápidamente a pequeños niveles de saturación de hidrocarburos, la interesante comprender mejor la razón
cantidad de cambio disminuye con niveles más altos de saturación de HC. En para perforar estos pozos (pozos de
contraste, la energía electromagnética muestra pequeños cambios en la resistividad
compromiso, etc.). Tres descubrimientos
para niveles bajos de saturación de HC, pero la cantidad de cambio aumenta
rápidamente a niveles más altos de saturación de HC. de exploración en la base de datos se
encontraban en prospectos que
mostraban un valor NAR de solo 5-10%
para la frecuencia fundamental. Aunque esta es una respuesta muy baja, Boulaenko et al
presentaron un ejemplo de cómo los análisis integrados avanzados pueden ayudar a comprender
incluso un NAR del 10%. (2007) relacionado con el descubrimiento de Luva en el mar de Noruega.

Este estudio relaciona las tasas de descubrimiento con las observaciones más básicas de los datos
CSEM (respuestas de amplitud anómala normalizadas para la frecuencia fundamental) y, por lo
tanto, debe ser relativamente objetivo. También es la documentación más extensa de resultados
factuales de pozos (86 pozos) relacionados con la tecnología CSEM documentada hasta la fecha.
Los resultados sugieren que existe una correlación entre el NAR observado y la tasa de éxito de
exploración para los pozos en la base de datos. Esta es una fuerte evidencia positiva del potencial
de la tecnología. Los autores reconocen plenamente que la aplicación de la tecnología y el
seguimiento de su impacto no es una simple evaluación y se necesitan más evaluaciones y otros
datos para comprender completamente el caso presentado aquí, particularmente en base a un
pozo individual. También es importante ver los resultados a la luz de lo que se considera un éxito
técnico según lo descrito por Johansen et al. Finalmente, este estudio ilustra claramente que la
tecnología CSEM no elimina el riesgo, pero tiene el potencial de reducir significativamente el
riesgo si se aplica correctamente. Como tal, los datos de CSEM no deben usarse en una sola base.
La tecnología sirve como una importante herramienta de reducción de riesgos en un entorno de
cartera donde cada cliente potencial se analiza lo más ampliamente posible utilizando un enfoque
integrado donde se utilizan todos los datos disponibles.

Referencias

Boulaenko, M., J. Hesthammer, A. Vereshagin, P. Gelting, R. Davies, and T. Wedberg, 2007, Marine
CSEM technology—The Luva

case. Houston Geological Society Bulletin, December, 23–43.

Chave, A. D., S. Constable, and R. N. Edwards, 1991, Electrical exploration methods for the
seafloor, in Electromagnetic Methods in

Applied Geophysics, Society of Exploration Geophysicists, 931–966.

Chave, A. D. and C. S. Cox, 1982, Controlled electromagnetic sources

for measuring electrical conductivity beneath the oceans, 1. Forward problem and model study.
Journal of Geophysical Research, 87,

5327–5338.

Choo, C. K., M. Rosenquist, E. Rollett, K. Ghaffar, J. Voon, and H.F.

Wong, 2006, Detecting hydrocarbon reservoir with sea bed logging in deepwater Sabah, Malaysia.
SEG 2006 Expanded Abstracts,

714–718.

Constable, S. and C. Cox, 1996, Marine controlled source electromagnetic sounding II: The
PEGASUS experiment. Journal of Geophysical Research, 97, 5519–5530.

Eidesmo, T., S. Ellingsrud, L. MacGregor, S. Constable, M. C. Sinha,

S. Johansen, F. N. Kong, and H. Westerdahl, 2002, Sea Bed Logging (SBL), a new method for remote
and direct identification

of hydrocarbon-filled layers in deepwater areas. First Break, 20,

144–152.

Ellingsrud, S., M. C. Sinha, S. Constable, T. Eidesmo, L. MacGregor,

and S. Johansen, 2002. Remote sensing of hydrocarbon layers by

sea bed logging (SBL): Results from a cruise offshore West Africa.

The Leading Edge, 21, 972–982.

Evans, R. L., M. C. Sinha, S. Constable, and M. J. Unsworth, M. J.,

1994, On the electrical nature of the axial melt zone at 13N on

the East Pacific Rise. Journal of Geophysical Research, 99, 577–588.

Hesthammer, J., and M. Boulaenko, 2005, The offshore EM challenge. First Break, 23, 59–66.

Hoversten, M. G., T. Røsten, K. Hokstad, D. Alumbaugh, S. Horne,

and G. A. Newman, 2006. Integration of multiple electromagnetic imaging and inversion

techniques for prospect evaluation.SEG

2006 Expanded Abstracts, 719–723.

Johansen, S., K. Brauti, S. Fanavoll, H. E. F. Amundsen, T. A. Wicklund, J. Danielsen, P. Gabrielsen, L.

Lorentz, M. Frenkel, B. Dubois, O. Christensen, K. Elshaug, and S. A. Karlsen, 2008. How

EM survey analysis validates current technology, processing and

interpretation methodology. First Break, 26, 83–88.

MacGregor, L., S. C. Constable, and M. C. Sinha, 1998. The RAMESSES experiment III: Controlled
source electromagnetic

sounding of the Reykjanes Ridge at 57 45N. Geophysical Journal

International, 135, 773–789.

MacGregor, L., M. C. Sinha, and S. C. Constable, 2001, Electrical

resistivity structures of the Valu Fa Ridge, Lau basin, from marine

controlled source electromagnetic sounding. Geophysical Journal

International, 146, 217–236.

Røsten, T., S. E. Johnstad, S. Ellingsrud, H. E. F. Amundsen, S. Johansen, and I. Brevik, 2003, A Sea
Bed Logging (SBL) calibration
survey over the Ormen Lange gas field. EAGE 65th Conference

and Exhibition, Stavanger, Norway, P058.

Sinha, M. C., P. D. Patel, M. J. Unsworth, T. R. E. Owen, and M. G.

R. MacCormack, 1990, An active source electromagnetic sounding system for marine use. Marine
Geophysical Research, 12, 29–68.

Smit, D., S. Saleh, J. Voon, M. Costello, and J. Moser, 2006, Recent

controlled source EM results show positive impact on exploration

at Shell: SEG 2006 Expanded Abstracts.

Stefatos, A., M. Boulaenko, and J. Hesthammer, 2009. Marine CSEM

technology performance in hydrocarbon exploration—limitations

or opportunities? First Break, 27, 65–71.

Agradecimientos: Agradecemos a las compañías petroleras que proporcionaron la información

necesaria para establecer esta extensa base de datos y permitieron que los resultados se
publicaran en beneficio de la industria general del petróleo y el gas. Agradecemos las
contribuciones y los debates estimulantes con varios empleados de EMGS A y Rocksource. En
particular, agradecemos a Gregor Maxwell, Stig Arne Karlsen, Vidar Furuholt, Peter Gelting, Jon
Ivar Rykkelid y Alexander Vereshagin por sus contribuciones.

Autor para correspondencia: jonny.hesthammer@rocksource.com