UNIVERSIDADE DE SO PAULO

INSTITUTO DE GEOCINCIAS

MTODOS GEOESTATSTICOS DE CO-ESTIMATIVAS: APLICAES AOS

DADOS DO CAMPO ESCOLA DE NAMORADO

Priscilla Pinto da Fonseca

Orientador: Prof. Dr. Jorge Kazuo Yamamoto

DISSERTAO DE MESTRADO

Programa de Ps-Graduao em Recursos Minerais e Hidrogeologia

So Paulo

2011

Ficha catalogrfica preparada pelo Servio de Biblioteca e Documentao do

Instituto de Geocincias da Universidade de So Paulo

Fonseca, Priscilla Pinto da

Mtodos
geoestatsticos
de
co-estimativas:
aplicaes aos dados do Campo Escola de Namorado /
Priscilla Pinto da Fonseca So Paulo, 2011.
128 p. : il.
Dissertao (Mestrado) : IGc/USP
Orient.: Yamamoto, Jorge Kazuo
1.Geoestatstica 2.Petrleo I. Ttulo

AGRADECIMENTOS

Ao Prof. Dr. Jorge Kazuo Yamamoto pela orientao, ateno e apoio dados durante
o desenvolvimento deste mestrado.
FAPESP, processo nmero 2008/55882-0, pelo auxlio financeiro concedido na
forma de bolsa de estudos.
Ao Departamento de Geologia Sedimentar e Ambiental e ao Programa de PsGraduao em Recursos Minerais e Hidrogeologia pela acolhida e, em especial, ao
Prof. Dr. Teodoro Isnard Ribeiro de Almeida pelo apoio.
Ao Instituto de Geocincias da Universidade de So Paulo por fornecer toda infraestrutura necessria ao desenvolvimento desta dissertao.
Ana Paula Cabanal e Magali Poli Fernandes Rizzo pela gentileza com que
sempre me trataram e presteza em atender minhas solicitaes.
Aos colegas do Laboratrio de Informtica Geolgica e da Sala 105 pelos momentos
compartilhados.
toda minha famlia pelo apoio e compreenso dados ao longo de todo o mestrado.

RESUMO

FONSECA, P. P. da. Mtodos Geoestatsticos de Co-estimativas: aplicaes aos

dados do Campo Escola de Namorado. 2011. 126 f. Dissertao (Mestrado)
Instituto de Geocincias, Universidade de So Paulo, So Paulo.

Os dados utilizados no estudo de reservatrios de petrleo so obtidos a partir

de testemunhos de sonda, perfis de poos e registros ssmicos e como tais
apresentam diferentes escalas de amostragem. A geoestatstica multivariada
proporciona uma maneira de integrar esses dados permitindo estimar uma varivel
escassamente amostrada com base nas suas prprias informaes e naquelas de
uma varivel densamente amostrada. Nesse estudo, utilizou-se a cokrigagem
ordinria, a cokrigagem colocalizada e a krigagem com deriva externa para coestimar a porosidade no Campo de Namorado a partir da impedncia acstica. As
co-estimativas obtidas por cada mtodo foram comparadas quanto correlao com
a porosidade amostral, reproduo das estatsticas descritivas amostrais e
correlao com a impedncia acstica.
A correlao entre os valores co-estimados e amostrais de porosidade de
aproximadamente 0.7, diminuindo apenas ao se utilizar a cokrigagem ordinria
aplicada a dados heterotpicos. Quanto reproduo das estatsticas amostrais, a
mdia, mediana e o desvio padro das co-estimativas so sempre menores que os
respectivos amostrais. Os valores de mximo e mnimo das co-estimativas revelam
ocorrncia do efeito de suavizao, exceto ao se utilizar cokrigagem colocalizada
com Modelo de Markov. As co-estimativas obtidas por esse mtodo correlacionaram-

se melhor com as medidas de impedncia acstica, mas essa correlao muito

baixa e inferior obtida a partir dos dados amostrais.
Adicionalmente, foi feita a caracterizao petrofsica das fcies litolgicas
descritas para esse campo, elaborado o modelo tridimensional de fcies e calculado
o volume poroso do reservatrio. A fcies 1 constitui o reservatrio de melhor
qualidade, pois apresenta maiores valores de porosidade e permeabilidade. A fcies
2 representa um reservatrio de qualidade inferior por ser porosa e menos
permevel que a primeira. As fcies 3 e 4 so rochas capeadoras devido aos seus
baixos valores de porosidade e permeabilidade. No modelo faciolgico, as fcies 1,
2 e 4 ocorrem intercaladas, enquanto a fcies 3 apresenta distribuio mais ampla e
contnua. Quanto aos volumes porosos, os maiores valores foram obtidos para os
reservatrios definidos com base nos modelos de porosidade estimados pela
cokrigagem colocalizada com utilizao do Modelo de Markov e pela cokrigagem
ordinria a partir dos dados heterotpicos.

Palavras-chave: Geoestatstica, Cokrigagem, Campo de Namorado

ABSTRACT

FONSECA, P. P. da. Mtodos Geoestatsticos de Co-estimativas: aplicaes aos

dados do Campo Escola de Namorado. 2011. 126 f. Dissertao (Mestrado)
Instituto de Geocincias, Universidade de So Paulo, So Paulo.

Data used for studying petroleum reservoirs are obtained through drill core, well
logs, seismic records and, as a consequence, they present different sampling scales.
Multivariate geostatistics is a manner of integrating these data in order to co-estimate
a poorly sampled variable based not only on its own information but also on a
densely sampled variable. In this study, ordinary cokriging, collocated cokriging and
kriging with external drift were applied to co-estimate porosity in the Namorado Oil
Field based on measures of acoustic impedance. Correlation coefficients between
co-estimates and sample porosity values, sample statistics and correlation
coefficients between co-estimates and acoustic impedance measures have been
examined.
Correlation between co-estimated and sample values of porosity is about 0.7.
Lower correlation was obtained by ordinary cokriging applied to heterotopic data. Coestimates statistics such as mean, median and standard deviation are always lower
than their equivalent sample statistics. Values of maximum and minimum indicate
that co-estimates were smoothed except for collocated cokriging with Markov Chain
results. Co-estimates obtained by this last method also presented the best correlation
to acoustic impedance measures, though this correlation is very low and lower than
that calculated through sample data.

In addition to that, it was done petrophysical characterization of lithologic facies

described for this oil field, elaborated 3D facies model and calculated the porous
volume of the reservoir. Facies 1 constitutes a high quality reservoir rock since it
presents the highest values of porosity and permeability. Facies 2 represents a
inferior quality reservoir rock because it is porous but less permeable than the first.
Facies 3 and 4 are seal rock for their low porosity and permeability values. In 3D
model, facies 1, 2 and 4 are intercalated to each other while facies 3 presents a
wider and more continuous distribution. Finally, the porous volumes were higher for
the reservoirs defined based on porosity models estimated by collocated cokriging
with Markov Chain and ordinary cokriging applied to heterotopic data.

Keywords: Geostatistics, Cokriging, Namorado Oil Field

NDICE DE FIGURAS
Figura 1. Mapa de localizao da Bacia de Campos, onde se encontra o Campo
Escola de Namorado (alterado de Dias et al.,1990). ................................................. 16
Figura 2. Carta estratigrfica da Bacia de Campos (modificado de Rangel et al.
(1994). In: http://www.anp.gov.br). ............................................................................ 18
Figura 3. Arranjos de dados multivariados: isotopia (esquerda), heterotopia parcial
(centro) e heterotopia total (direita). Crculos azuis, vermelhos e asteriscos
representam respectivamente pontos de amostragem da varivel primria, da
varivel secundria e das duas variveis. Extrada de Watanabe (2008). ................ 42
Figura 4. Arranjo de dados multivariados. Os asteriscos representam os locais onde
a varivel primria ser estimada e h apenas informao da varivel secundria.
Os crculos pretos representam os locais onde apenas a varivel primria foi
amostrada em arranjos colocalizados ou os locais onde as variveis primria e
secundria foram analisadas em arranjos multi-colocalizados. Extrado de Rocha et
al. (2011). .................................................................................................................. 44
Figura 5. Ilustrao da operao de perfilagem a poo aberto. esquerda encontrase o perfil resultante da realizao da perfilagem. .................................................... 49
Figura 6. Bloco-diagrama mostrando a distribuio dos poos de petrleo
disponveis no Campo Escola de Namorado............................................................. 50
Figura 7. Ilustrao da aquisio ssmica em fundo ocenico. ................................. 51
Figura 8. Ilustrao do cubo ssmico. ........................................................................ 52
Figura 9. Histograma dos dados no regularizados (A, B, C), regularizados
isotpicos (A, B, C) e regularizados heterotpicos (A, B). ................................... 62
Figura 10. Variogramas experimentais e modelos tericos de ajuste: porosidade (AA-A), cruzado / dados isotpicos (B-B-B), direto / porosidade / dados isotpicos
(C-C-C), direto / impedncia acstica / dados isotpicos (D-D-D), cruzado / dados
heterotpicos (E-E-E), direto / porosidade / dados heterotpicos (F-F-F), direto /
impedncia acstica / dados heterotpicos (G-G-G), resduos (H-H-H). .............. 65

Figura 11. Diagrama de disperso entre valores amostrais de porosidade e

estimados por cko (A, B, C, D, E, F, G, H), ckohetero (I, J, K, L, M, N, O, P), coc (Q)
e kde (R).................................................................................................................... 76
Figura 12. Diagrama Q-Q entre valores amostrais de porosidade e estimados por cko
(A a H), ckohetero (I a P), coc (Q), cocmm1 (R) e por kde (S). ................................. 84
Figura 13. Estimativas de porosidade por cko, ckohetero, coc, cocmm1 e kde em
todo o Campo de Namorado. .................................................................................... 91
Figura 14. Variogramas experimentais calculados para as fcies 1 (A, A), 2 (B, B), 3
(C, C) e 4 (D, D). esquerda so apresentadas as duas direes de clculo e
direita apenas a vertical para melhor visualizao. ................................................... 94
Figura 15. Variogramas experimentais calculados para os dados de porosidade
separados conforme as fcies 1 (A-A), 2 (B-B), 3 (C-C) e 4 (D-D). esquerda so
apresentadas as duas direes de clculo e direita apenas a vertical para melhor
visualizao. .............................................................................................................. 98
Figura 16. Variogramas experimentais calculados para os dados de permeabilidade
separados conforme as fcies 1 (A-A), 2 (B-B), 3 (C-C) e 4 (D-D). esquerda so
apresentadas as duas direes de clculo e direita apenas a vertical para melhor
visualizao. .............................................................................................................. 99
Figura 17. Distribuio espacial de cada fcies no Campo de Namorado. ............. 106
Figura 18. Distribuio espacial conjunta das fcies no Campo de Namorado. Para
melhor visualizao, exibe-se, abaixo, o modelo de blocos com as estimativas das
fcies 1, 2 e 4. ......................................................................................................... 107
Figura 19. Proporo de ocorrncia das fcies 1, 2, 3 e 4 no Campo de Namorado.
................................................................................................................................ 108
Figura 20. Histogramas das estimativas de porosidade (A, B, C, D) e de
permeabilidade (A, B, C, D) associadas s fcies 1, 2, 3 e 4............................... 109

NDICE DE TABELAS
Tabela 1. Parmetros para clculo dos variogramas experimentais em 5 direes.. 56
Tabela 2. Parmetros para clculo dos variogramas experimentais em 3 direes.. 56
Tabela 3. Estatsticas descritivas das variveis de interesse. ................................... 59
Tabela 4. Parmetros dos modelos ajustados aos variogramas experimentais da
Figura 10. .................................................................................................................. 70
Tabela 5. Parmetros de vizinhana. ........................................................................ 73
Tabela 6. Estatsticas descritivas das estimativas feitas por cko, coc, cocmm1 e kde.
.................................................................................................................................. 80
Tabela 7. Estatsticas descritivas das estimativas feitas por ckohetero. ................... 82
Tabela 8. Coeficientes de correlao entre dados estimados de porosidade e
impedncia acstica amostral. .................................................................................. 89
Tabela 9. Parmetros utilizados para clculo dos variogramas experimentais das
fcies 1, 2, 3 e 4. ....................................................................................................... 95
Tabela 10. Parmetros dos modelos ajustados aos variogramas experimentais das
fcies 1, 2, 3 e 4. ....................................................................................................... 96
Tabela 11. Parmetros para clculo dos variogramas experimentais de porosidade e
permeabilidade para as fcies 1, 2, 3 e 4. ............................................................... 100
Tabela 12. Parmetros dos modelos ajustados aos variogramas experimentais de
porosidade e permeabilidade para as fcies 1, 2, 3 e 4. ......................................... 101
Tabela 13. Parmetros de vizinhana para estimativa das fcies, porosidade e
permeabilidade. ....................................................................................................... 105
Tabela 14. Estatsticas descritivas da porosidade das fcies 1, 2, 3 e 4 medida nos
poos. ...................................................................................................................... 111

Tabela 15. Estatsticas descritivas da permeabilidade das fcies 1, 2, 3 e 4 medida

nos poos. ............................................................................................................... 112
Tabela 16. Volume poroso do reservatrio obtido a partir das estimativas feitas por
cko, ckohetero, coc, cocmm1 e kde e com base em um dos trs critrios de seleo
de blocos reservatrio. ............................................................................................ 113

SUMRIO
CAPTULO I .............................................................................................................. 13
INTRODUO .......................................................................................................... 13
1.1. OBJETIVOS ............................................................................................................. 14
1.2. JUSTIFICATIVAS .................................................................................................... 15
CAPTULO II ............................................................................................................. 16
REA DE ESTUDO ................................................................................................... 16
2. 1. BACIA DE CAMPOS .............................................................................................. 16
2.1.1. SEQUNCIA CONTINENTAL ......................................................................... 19
2.1.1.1. FORMAO CABINAS .......................................................................... 19
2.1.2. SEQUNCIA TRANSICIONAL ........................................................................ 19
2.1.2.1. FORMAO LAGOA FEIA....................................................................... 20
2.1.3. MEGA-SEQUNCIA MARINHA ..................................................................... 21
2.1.3.1. FORMAO MACA ................................................................................ 21
2.1.3.2. GRUPO CAMPOS ...................................................................................... 22
2.1.3.2.1. FORMAO UBATUBA .................................................................... 23
2.1.3.2.2. FORMAO CARAPEBUS ................................................................ 23
2.1.3.2.3. FORMAO EMBOR ....................................................................... 24
2.2. CAMPO DE NAMORADO ...................................................................................... 24
CAPTULO III ............................................................................................................ 26
MTODOS GEOESTATSTICOS ............................................................................. 26
3.1. VARIOGRAMA ....................................................................................................... 26
3.2. VARIOGRAMA CRUZADO .................................................................................... 27
3.3. VARIOGRAMA RESIDUAL ................................................................................... 28
3.4. KRIGAGEM ............................................................................................................. 29
3.5. COKRIGAGEM ORDINRIA ................................................................................. 31
3.6. COKRIGAGEM COLOCALIZADA......................................................................... 36
3.7. KRIGAGEM COM DERIVA EXTERNA ................................................................. 39
3.8. ARRANJOS DE DADOS MULTIVARIADOS......................................................... 42
3.9. KRIGAGEM DE INDICADORAS ........................................................................... 44
CAPTULO IV ............................................................................................................ 48
MATERIAIS E MTODOS......................................................................................... 48
4.1. BASES DE DADOS ................................................................................................. 48

4.1.1. DADOS DE POOS .......................................................................................... 48

4.1.2. DADOS SSMICOS ........................................................................................... 50
4.2. ETAPAS ................................................................................................................... 52
4.2.1. ADEQUAO DA BASE DE DADOS ............................................................. 52
4.2.2. REGULARIZAO DAS AMOSTRAS ............................................................ 54
4.2.3. ANLISES ESTATSTICA E GEOESTATSTICA........................................... 54
4.2.4. VALIDAO CRUZADA................................................................................. 57
4.2.5. CO-ESTIMATIVAS ........................................................................................... 57
CAPTULO V ............................................................................................................. 58
RESULTADOS E DISCUSSO ................................................................................. 58
5.1. ANLISE ESTATSTICA DOS DADOS ................................................................. 58
5.2. ANLISE GEOESTATSTICA DOS DADOS ......................................................... 64
5.3. VALIDAO CRUZADA ....................................................................................... 72
5.4. ANLISE DAS CO-ESTIMATIVAS ....................................................................... 79
5.5. INTEGRAO ENTRE DADOS FACIOLGICOS E PETROFSICOS ................. 93
5.6. VOLUME POROSO ............................................................................................... 110
CAPTULO VI .......................................................................................................... 115
CONCLUSES ....................................................................................................... 115
REFERNCIAS BIBLIOGRFICAS ........................................................................ 118
ANEXO .................................................................................................................... 125

13

CAPTULO I

INTRODUO

O estudo da porosidade tem grande importncia no processo de caracterizao

de reservatrios de petrleo e comumente se baseia em medidas feitas em poucos
testemunhos de sonda, haja vista os elevados custos envolvidos na perfurao dos
poos de petrleo. Dessa maneira, o conjunto de medidas de porosidade no
suficiente para caracterizar todo o reservatrio, sendo necessria uma avaliao
adicional nos pontos no amostrados. Mtodos de estimativa (i.e. inverso da
distncia, krigagem ordinria) poderiam ser utilizados para este fim, mas a escassez
de informaes de porosidade novamente constituiria um obstculo.
Uma alternativa para lidar com esse inconveniente a utilizao de mtodos
geoestatsticos de co-estimativas tais como cokrigagem simples, cokrigagem
ordinria (Wackernagel, 1998) e cokrigagem co-localizada (Xu et al., 1992), os quais
estimam a varivel de interesse ou primria com base nas informaes no apenas
dessa varivel, mas tambm de variveis correlacionadas e abundantes,
denominadas secundrias. Outro mtodo alternativo a krigagem com deriva
externa muito utilizada na indstria do petrleo (Wackernagel, 1998).
Dessa forma, cokrigagem ordinria, cokrigagem co-localizada e krigagem com
deriva externa foram aplicadas a fim de estimar a porosidade (varivel primria) no
Campo Escola de Namorado, considerando as medidas de impedncia acstica
como informao auxiliar (varivel secundria). A base de dados foi fornecida pela
Agncia Nacional de Petrleo (ANP) e composta por informaes obtidas em
poos e por cubo ssmico.

14

A abordagem do tema proposto inicia-se no Captulo II com a caracterizao

das seqncias deposicionais, da estratigrafia e da petrografia da rea de estudo.
No Captulo III so descritas as bases matemticas dos modelos de correlao
espacial (variograma, variograma cruzado, variograma residual) e dos mtodos de
estimativa (krigagem) e de co-estimativa (cokrigagem ordinria, cokrigagem
colocalizada e krigagem com deriva externa). As caractersticas dos dados e a
seqncia dos procedimentos a serem executados so mostradas no Captulo IV,
seguindo-se a apresentao e discusso dos resultados no Captulo V. Por fim, no
Captulo VI, faz-se as concluses e recomendaes.

1.1. OBJETIVOS

Esta dissertao teve por objetivo investigar a aplicao da cokrigagem

ordinria, da cokrigagem colocalizada com e sem adoo do Modelo de Markov e da
krigagem com deriva externa na estimativa da porosidade. Pretendeu-se comparar
os resultados dos mtodos quanto preciso local e reproduo das estatsticas
descritivas dos dados amostrais, alm de verificar a contribuio dos dados ssmicos
na estimativa de porosidade.
Especificamente, com relao cokrigagem ordinria, objetivou-se estudar
arranjos de dados e parmetros de pesquisa dos vizinhos prximos que
diminussem a grande quantidade de pesos negativos usualmente resultantes da
resoluo de seu sistema j que os mesmos acabam por deteriorar as estimativas.

15

1.2. JUSTIFICATIVAS

A aplicao de mtodos geoestatsticos de co-estimativas a dados de petrleo

justifica-se primeiramente pelas caractersticas da amostragem da porosidade que,
por ser medida em testemunhos de sonda, escassamente amostrada dado o
elevado custo envolvido na perfurao de poos de petrleo. Em contrapartida, os
dados ssmicos obtidos durante a fase exploratria constituem informao
correlacionada e abundante.
Embora a utilizao dos mtodos geoestatsticos de co-estimativas seja pouco
difundida no estudo de reservatrios de petrleo, importante conhecer as
limitaes intrnsecas a cada mtodo de co-estimativa, tanto para melhor utilizao
dos dados disponveis quanto para obteno de resultados consistentes com a
realidade.

16

CAPTULO II

REA DE ESTUDO

2. 1. BACIA DE CAMPOS

A Bacia de Campos localiza-se na poro sudeste do Brasil, na costa norte do

Estado do Rio de Janeiro e sul do Esprito Santo, com uma rea de
aproximadamente 100.000 km2 (Figura 1).

BACIA DO
ESPRITO
SANTO

DE

CA
M

PO
S

ALTO DE VITRIA

CAMPOS

FALHA

CABO
S. TOM

MACA

CABO
FRIO

ALTO DE
CABO FRIO

RIO DE JANEIRO

70 km

BACIA DE
SANTOS

Figura 1. Mapa de localizao da Bacia de Campos, onde se encontra o Campo Escola de

Namorado (alterado de Dias et al.,1990).

17

Assim como as demais bacias marginais do Brasil, a Bacia de Campos possui

sua gnese associada quebra do supercontinente Gondwana (140 Ma) nas placas
Africana e Sul Americana, dando origem ao Oceano Atlntico. A norte, a bacia
limitada pelo Alto de Vitria, um bloco elevado do embasamento pr-Cambriano
(Milani &Thomaz Filho, 2000), separando-a da Bacia de Vitria. Ao sul, o limite com
a Bacia de Santos se faz a partir do Arco de Cabo Frio (Gama Jr., 1977), uma rea
de magmatismo ativo no perodo de evoluo ps-abertura da margem.
Apesar da grande semelhana com outras bacias marginais brasileiras, a Bacia
de Campos possui caractersticas mpares na sua evoluo tectono-sedimentar, que
proporcionaram grande potencialidade para a produo de petrleo tais como baixo
grau de afinamento crustal, reativao das fontes de sedimentos, intensa tectnica
adiastrfica e variaes globais do nvel ocenico no Neocretceo e Tercirio (Dias
et al., 1990).
Dias et al. (1990) subdividem a Bacia de Campos em trs grandes unidades
com base nas caractersticas tectono-sedimentares: uma seqncia inferior,
composta por derrames baslticos e sedimentos continentais, uma seqncia
transicional formada por evaporitos e uma mega seqncia marinha, com
sedimentos francamente marinhos. Na Figura 2, pode-se observar as relaes
estratigrficas entre as seqncias acima mencionadas.

18

Figura 2. Carta estratigrfica da Bacia de Campos (modificado de Rangel et al. (1994). In:
http://www.anp.gov.br).

19

2.1.1. SEQUNCIA CONTINENTAL

As rochas desta seqncia se relacionam com a abertura atlntica, no
Eocretceo, e se depositaram em um sistema de Rift valleys, com desenvolvimento
de horsts, grbens e meio grbens com orientao preferencialmente SW-NE
limitados por falhamentos sintticos e antitticos com mesma orientao e com
orientaes menos expressivas segundo NNW-SSE ou E-W (Dias et al., 1990).

2.1.1.1. FORMAO CABINAS

constituda por um grande volume de rochas baslticas extrudidas no
Eocretceo, constituindo toda a base das seqncias sedimentares da Bacia de
Campos. Formada por basaltos amigdaloidais cinza e castanho intercalados a nveis
piroclsticos e a conglomerados esverdeados (Rangel et al., 1994).

2.1.2. SEQUNCIA TRANSICIONAL

Segundo Dias et al. (1990), a deposio desta seqncia foi antecedida por um
importante evento erosivo, que nivelou o relevo da seqncia rift e formou
falhamentos por reativaes locais. Segundo estes autores, as rochas depositadas
nesta fase marcam a passagem da deposio de sedimentos de origem continental
para os de origem marinha.

20

2.1.2.1. FORMAO LAGOA FEIA

A Formao Lagoa Feia composta por conglomerados polimticos, arenitos
grossos conglomerticos, arenitos finos, siltitos e folhelhos (Rangel et al., 1994). O
contato com a Formao Cabinas discordante. Segundo esses autores, dois
membros podem ser individualizados: Membro Coqueiros e Membro Retiro.
O Membro Coqueiro constitudo por coquinas de pelecpodes de colorao
cinza a creme, distribui-se em camadas com espessuras variando de 15 a 50 metros
(Rangel et al., 1994). Segundo Marroquim et al. (1984), as coquinas deste membro
servem como reservatrio nas acumulaes de Badejo, Linguado, Pampo e 1-RSJ236.
O Membro Retiro compreende uma sute evaportica em que halita e anidrita
predominam. No topo da formao, este membro marca as primeiras incurses
marinhas da bacia (Marroquim et al. 1984). Segundo Rangel et al. (1994), as
camadas de halita podem estar remobilizadas em domos que freqentemente
perfuram as rochas adjacentes.
Segundo Dias et al. (1988), esta formao pode ser subdividida em quatro
seqncias deposicionais: seqncia Clstica Basal; seqncia Stevensitica,
seqncia Coquinas e finalmente uma seqncia Clstico-evaportica superior. A
primeira seqncia teria se depositado em ambiente de leque aluvial e fcies
lacustrina distal e marginal; a segunda em ambiente lacustre marginal; a seqncia
Coquinas apresenta vrias fcies na seo carbonatos e a principal caracterstica
a quantidade expressiva de calcrio depositado na bacia; a ltima seqncia
marcada na sua parte inferior por intensa propagao de fcies de leque aluvial e na
poro superior predominam rochas de origem qumica (fcies evaporito). Os
folhelhos desta formao so considerados o principal formador de leo da bacia.

21

2.1.3. MEGA-SEQUNCIA MARINHA

De acordo com Dias et al. (1990), esta mega-seqncia pode ser subdivida em
trs seqncias: Seqncia Carbontica Nertica Rasa; Seqncia Ocenica
Hemipelgica

Seqncia

Ocenica

Progradante.

primeira

seqncia

corresponde base da Formao Maca, cujo topo corresponde base da

Seqncia Ocenica Hemipelgica. Os sedimentos do Grupo Campos marcam a
fase francamente ocenica da bacia.

2.1.3.1. FORMAO MACA

Depositada no Albiano inferior e Santoniano, a base desta formao
composta por sedimentos clsticos, na poro proximal e carbonatos plataformais
na poro distal. A poro superior desta formao uma seqncia transgressiva
composta por calcilutitos, margas, folhelhos e arenitos turbidticos (Arenito
Namorado), que so as rochas reservatrio dos campos de Bagre, Cherne e
Namorado e das acumulaes 1-RSJ-46 e 1-RSJ-211 (Marroquim et al., 1984).
Rangel et al. (1994) individualizaram trs membros litologicamente distintos: o
Membro Quissam (informalmente conhecido como Maca Inferior), composto por
espessos leitos de calcarenito e calcirrudito ooltico e detrtico de cor creme claro.
Segundo Spadini et al. (1988), a presena de carbonatos nestas rochas indica
deposio em ambiente restrito. O Membro Outeiro (informalmente Maca Superior)
composto por material peltico, constitudo de calcilutito creme, marga cinza clara e
folhelhos cinza, com camadas isoladas de arenitos turbidticos, informalmente

22

denominado Arenito Namorado. Finalmente, o Membro Goitacs (informalmente

Maca Proximal) composto por conglomerado polimtico, arenito mal selecionado,
com ocorrncia subordinada de marga cinza e calcilutito branco.
Spadini et al. (1988) interpretam o Membro Quissam como resultado de
deposio em ambiente de mar epicontinental, semelhante ao atual Golfo Persa,
porm em condies regionais mais restritas, ambiente supersalino em guas de
alta temperatura. Conforme estes mesmos autores, o Membro Outeiro representa
uma elevao progressiva do nvel do mar, com reduo da salinidade devido
mistura entre as guas dos Oceanos Atlntico Sul e Norte.
As rochas da Formao Maca foram depositadas em leques aluviais,
plataforma carbontica, talude e correntes de turbidez, sendo os primeiros registros
sedimentares essencialmente ocenicos da Bacia de Campos (Rangel et al., 1994).

2.1.3.2. GRUPO CAMPOS

Schaller (1973) definiu a Formao Campos como sendo a seo sedimentar
com maiores variaes faciolgicas da Bacia de Campos. Estas variaes
representam a influncia de vrios ambientes deposicionais, reconhecendo-se uma
fcies deltica, uma prodeltica a marinha, uma parlica e um banco algceo.
Rangel et al. (1994) elevaram estas rochas categoria de Grupo Campos,
subdividido nas formaes Ubatuba, Carapebus e Embor.

23

2.1.3.2.1. FORMAO UBATUBA

Originalmente definida como Membro Ubatuba por Schaller (1973), esta

formao composta por sedimentos pelticos sobrepostos em discordncia aos
carbonatos da Formao Maca. Lateralmente, encontra-se interdigitada com
psamitos e carbonatos da Formao Embor (Rangel et al., 1994).
As rochas que compem os milhares de metros desta formao so
principalmente: folhelhos cinza escuro e esverdeado, argilas, margas acinzentadas,
calcilutitos cinza e creme e diamictito acinzentado. A base desta formao, com
maior litificao, foi individualizada como Membro Tamoios. As dataes
bioestratigrficas deste membro relacionam sua deposio a idades Turoniana e
Maastrichtiana e o restante da formao sedimentou-se do Cenozico ao Holoceno.
A Formao Ubatuba depositou-se em ambiente francamente marinho, batial e
abissal (Rangel et al., 1994).

2.1.3.2.2. FORMAO CARAPEBUS

Assim como a formao anterior, esta unidade foi inicialmente definida por
Schaller (1973) como Membro Carapebus. Rangel et al. (1994) descrevem-na como
Formao Carapebus, composta por arenito fino a conglomertico intercalado com
pelitos da Formao Ubatuba. A origem destes arenitos est associada a correntes
de turbidez em taludes da bacia, depositados do Turoniano ao Holoceno.

24

2.1.3.2.3. FORMAO EMBOR

Constituda basicamente por arenitos e carbonatos impuros (Schaller, 1973), os

sedimentos desta formao esto sobrepostos e lateralmente interdigitados com os
pelitos Ubatuba. Individualiza-se trs membros nesta formao: o Membro So
Tom, que composto por sedimentos clsticos grossos de cor vermelha que
ocorrem ao longo da borda oeste da bacia; o Membro Siri, caracterizado por
calcarenito bioclstico creme-claro; e o Membro Grussa composto por calcarenito
bioclstico e detrital com cor creme esbranquiado (Rangel et al., 1994). Segundo
estes autores, as rochas desta formao se depositaram em leques costeiros e
plataforma carbontica do Maastrichtiano ao Holoceno.

2.2. CAMPO DE NAMORADO

O Campo de Namorado localiza-se na poro centro-oeste da Bacia de

Campos a 80 km da costa, em cotas batimtricas que variam de 110 a 250 m
(Rangel & Martins, 1998). O campo possui uma rea de aproximadamente 200 km2
(Lima, 2004) e, segundo Meneses & Adams (1990), est na poro centro-norte do
trend de acumulaes petrolferas da Bacia de Campos.
O reservatrio constitudo pelos arenitos turbidticos Namorado e, segundo
Meneses & Adams (1990), localiza-se na seo conhecida informalmente por Bota.
Estes arenitos tm idade Albiana-Cenomaniana e estratigraficamente pertencem ao
Membro Outeiro da Formao Maca em profundidades variando entre 2900 e 3400
metros (Meneses & Adams, op cit.). O campo dividido em quatro blocos

25

delimitados por falhas normais e o leo provm da parte central do bloco principal
(Guardado et al., 1990).
As acumulaes de hidrocarbonetos ocorrem em armadilhas que podem ser
estruturais ou estratigrficas e apresentam estrutura ao longo da direo NW-SE. Os
hidrocarbonetos acumulam-se na direo NE-SW. A porosidade mdia destes
arenitos oscila entre 20 e 30% e sua permeabilidade alta, podendo ser maior do
que 1 Darcy.
Segundo Meneses & Adams (1990), a geometria externa dos arenitos
lenticular/tabular. Esses arenitos so limitados por carbonatos na base, por folhelhos
e margas no topo, a norte e a sul por pinchouts (acunhamento/adelgaamento) e a
sudeste, noroeste e sudoeste por falhas. Segundo Lima (2004), a migrao e
acumulao dos hidrocarbonetos foram fortemente influenciadas por tectnica
halocintica.
Cruz (2003) caracterizou a faciologia do reservatrio de Namorado com base
nas eletrofcies identificadas em perfis eltricos e nos dados geolgicos de
testemunhos. Foram definidas seis eletrofcies, trs correspondentes a rochas
reservatrio (arenitos mdios arcoseanos finamente interestratificados, arenitos finos
a mdios cimentados e conglomerados matriz suportados) e trs correspondentes a
rochas no reservatrio (folhelhos, siltitos e argilitos; margas; diamictitos).
Lima (2004) fez um estudo estratigrfico do Complexo Turbidtico do Campo de
Namorado utilizando informaes de perfis e de testemunhos, correlao de poos e
sees estratigrficas. Esse autor reconheceu trs grandes ciclos de deposio para
o Arenito Namorado e definiu o eixo deposicional principal do complexo de lobos
turbidticos canalizados ao longo da direo NW-SE.

26

CAPTULO III

MTODOS GEOESTATSTICOS

A geoestatstica uma rea de interface entre a geologia e a estatstica e se

refere anlise estatstica e interpretao de dados geolgicos. A principal diferena
entre a estatstica e a geoestatstica reside na definio inicial das variveis, onde na
estatstica elas so chamadas de variveis aleatrias, cujos valores dependem da
realizao de experimentos, enquanto que na geoestatstica elas so chamadas de
funes aleatrias (Journel & Huijbregts, 1978). Essas funes aleatrias
apresentam caractersticas qualitativas nicas, tais como: localizao, suporte,
continuidade e anisotropias. Com base nessas caractersticas, a geoestatstica tem
como ponto de partida o clculo e modelagem do variograma experimental, que
descreve a correlao espacial dos dados. Com esse modelo de correlao espacial
em mos, possvel estimar, co-estimar, simular ou co-simular modelos de
distribuio espacial das variveis de interesse. Nesse captulo, pretende-se fazer
uma descrio sucinta dos conceitos matemticos e estatsticos envolvidos na
metodologia geoestatstica.

3.1. VARIOGRAMA

O variograma experimental (h ) dado por (Journel & Huijbregts, 1978):

1
2

(h ) = ( ( x + h ) ( x ))2 .

27

sendo ( x ) e ( x + h ) o valor da varivel de interesse nos pontos x e x + h

respectivamente. Essa definio baseia-se na hiptese intrnseca segundo a qual
(Wackernagel, 1998):

1. [( ( x + h ) ( x ))] = m (h ) = 0 , ou seja, a mdia dos incrementos ( x + h ) ( x )

invariante a qualquer translao de um dado vetor h dentro do domnio e
igual a zero independentemente da posio de h ;

2. var [ ( x + h ) ( x )]= 2 (h ) , isto , a varincia dos incrementos tem um valor

finito 2 (h ) dependendo apenas do comprimento e da orientao do vetor h
no domnio.

O variograma mostra como a dissimilaridade entre ( x ) e ( x + h ) se comporta

relativamente distncia h . Trata-se de uma funo par ( ( h ) = (h ) ), no
negativa ( (h ) 0 ) e que, por definio, assume o valor zero para

h=0

(Wackernagel, 1998).

3.2. VARIOGRAMA CRUZADO

A definio dos variogramas direto e cruzado feita com base em uma

hiptese intrnseca conjunta para funes aleatrias em que (Wackernagel, 1998)

28

[ i ( x + h ) i ( x )] = 0 e

cov ( i ( x + h ) i ( x )), ( j ( x + h )

(x ))]= 2 ij (h )

para qualquer x, x + h D e todos os pares i, j = 1, ..., . O variograma cruzado

ento definido como metade da esperana do produto dos incrementos das duas
variveis

1
2

ij (h ) = [( i ( x + h ) i ( x )) ( j ( x + h ) j ( x ))]. .

e satisfaz a seguinte inequao

ii (h ) jj (h ) ij (h ) ,

sendo, portanto, uma funo par (Wackernagel, 1998).

3.3. VARIOGRAMA RESIDUAL

Algumas variveis regionalizadas ( x ) so formadas por uma componente

determinstica m( x ) , denominada deriva, alm da componente estacionria Y ( x ) . O
variograma dessas variveis comumente exibe claro comportamento parablico, at
mesmo em distncias maiores, decorrente da presena de deriva. Segundo Chils &
Delfiner (1999), a deriva mascara a estrutura do variograma de ( x ) impossibilitando
a utilizao do mesmo.

29

A soluo para esse inconveniente subtrair a deriva dos dados para que se
possa trabalhar apenas com a componente estacionria. Como a verdadeira deriva
m( x ) desconhecida, ento a mesma previamente calculada mediante uma
funo polinomial. Finalmente, se obtm os resduos R( x ) para os pontos
)
amostrais, subtraindo de ( x ) a deriva estimada m( x ) . O variograma experimental

destes resduos calculado como segue (Chils & Delfiner,1999)

)
1
Re s (h ) =
2 Nh

[R (x ) R(x )]

x x h

sendo o variograma de todos os resduos dado por

Re s (h ) = [Re s (h ) ].

3.4. KRIGAGEM

A krigagem compreende um conjunto de estimadores baseados em regresso

linear pioneiramente estudados por Daniel Krige (Goovaerts, 1997). Na krigagem
ordinria, considerada um melhor estimador linear no enviesado de uma varivel
regionalizada intrnseca (Huijbregts, 1975), o valor estimado z ( 0 ) provm da
combinao linear de n dados da varivel de interesse z ( i ) multiplicados pelo
ponderador i (Yamamoto, 2001)

z ( 0 ) = i z ( i ) .
i =1

30

No caso da krigagem ordinria, a condio de restrio

=1

i =1

estabelecida de modo a garantir que o erro de estimativa em cada ponto seja zero
para que o estimador no seja enviesado. Essa condio imposta para
minimizao da varincia do erro da krigagem (Isaaks & Srivastava, 1989), por meio
da tcnica do multiplicador de Lagrange.
Os pesos atribudos a cada amostra esto relacionados com a distncia de
cada uma em relao ao ponto estimado, bem como com a dependncia espacial
entre as amostras dada pelo variograma. Esses pesos provm da resoluo de um
sistema linear de equaes denominado sistema de equaes de krigagem
(Yamamoto, 2001)

j C (x i x
j

j =1
j

) = C (x

x i ) para i = 1, n

que pode ser representado sob a forma matricial como (Yamamoto, 2001)

C ( x1 x1 ) C ( x1 x 2 )
C ( x x ) C ( x x )
2
1
2
2

M
M

C ( x n x1 ) C ( x n x 2 )

1
1

L C ( x1 x n ) 1 1 C ( x0 x1 )
L C ( x 2 x n ) 1 2 C ( x 0 x 2 )
M =
.
L
M
M

L C ( x n x n ) 1 n C ( x 0 x n )

L
1
0
1

31

Esse sistema de equaes deve ser resolvido para cada ponto estimado a
menos que o arranjo espacial das amostras seja regular e a distncia entre os
pontos permanea a mesma (Davis, 1986).

3.5. COKRIGAGEM ORDINRIA

A cokrigagem a extenso natural da krigagem quando h dados multivariados

e variogramas multivariados ou modelos de covarincia podem ser calculados
(Wackernagel, 1995). Na cokrigagem, estima-se uma varivel de interesse em um
ponto especfico a partir das informaes vizinhas da prpria varivel e das variveis
auxiliares ou secundrias.
De acordo com Olea (1999), a cokrigagem pode ser descrita como um
procedimento de estimativa verdadeiramente multivariado, j que trabalha com dois
ou mais atributos (variveis) em um mesmo domnio. O termo corregionalizao
utilizado em geoestatstica, quando duas ou mais variveis regionalizadas so
definidas em um campo aleatrio. A ausncia de anlise de uma varivel em um
determinado ponto de amostragem no interfere ou enviesa os resultados obtidos
por cokrigagem a qual, por sua vez, apresenta melhor performance nesta situao.
Na cokrigagem ordinria, a estimativa Z *p0 resulta de uma combinao linear de
pesos ip , a partir de dados de diferentes variveis localizados em pontos de
amostragem xi na vizinhana do ponto x0 . O estimador definido como:

*
p0

np

(x0 ) = ip Z p (xi ) ,
p =1 i =1

32

em que os ndices p 0 e p referem-se a variveis especficas de um conjunto de N

variveis. O nmero de amostras n p

depende do ndice p das variveis

(Wackernagel, 1995).
Doyen (1988) utilizou a cokrigagem e comparou seus resultados com os da
krigagem simples por meio dos mnimos quadrados em um reservatrio simulado.
Este autor utilizou medidas de porosidade e ssmica para realizar a cokrigagem. Os
resultados obtidos mostraram que a cokrigagem foi superior destacando-se a
deteco de variaes laterais sutis impossveis de serem detectadas apenas a
partir de dados esparsos. A cokrigagem forneceu no apenas estimativas de
porosidades mais acuradas e consistentes com os dados de poos como tambm
melhores margens de confidncia.
Segundo Wackernagel (1995), de acordo com a hiptese intrnseca, uma
varivel especfica em um conjunto de N variveis deve ser estimada com base no
erro de estimativa que, em mdia, deve ser nulo. Para tanto, determinam-se pesos
cuja soma seja um para a varivel de interesse (primria) e zero para a varivel
auxiliar (secundria), conforme:

np

i =1

p
i

1 se p = p0
.
= pp0 =
0 se p p 0

A expresso do erro mdio de estimativa, desenvolvida conforme Wackernagel

(1995), :

33

E Z *p0 ( x 0 ) Z p0 ( x 0 )

np
N np
N np p

= E i Z p ( xi ) ip0 Z p0 ( x0 ) ip Z p ( x 0 ) =
i =1
p = 0 i =1
p =1 i =1

1
23
p p0 123

1
0

np

= ip E Z p ( x i ) Z p ( x0 ) = 0 .
144
42444
3
p =1 i =1
0

A varincia do erro de estimativa E2 derivada desse desenvolvimento fica

(Wackernagel, 1995):

2
N n p

p
= E i Z p ( xi ) Z p0 ( x0 ) ,
p =1 i =1

2
E

podendo ser reduzida para:

2
N n p

p
= E i Z p ( x i )
p =1 i =0

2
E

1 se p = p0
a partir da introduo dos pesos 0p = pp0 =
que esto includos nos
0 se p p0

somatrios.
A insero de variveis aleatrias fictcias Z p (0) arbitrariamente posicionadas
na origem permite formar incrementos conforme (Wackernagel, 1995):

34

2

2

N n p
np
N n p

E2 = E ip Z p ( xi ) Z p (0 ) ip = E ip (Z p ( xi ) Z p (0))
p =1 i =0
1442443
p =1 i = 0
i =1
1
23

incrementos

Segundo Wackernagel (1995), pode-se definir a covarincia cruzada dos

P
(xi , x j ), a qual no invariante translao, tem-se:
incrementos C pq

np

nq

P
(xi , x j ) .
E2 = ip qj C pq
p =1 q =1 i = 0 j = 0

Deve-se assumir que as covarincias cruzadas dos incrementos so simtricas

a fim de converter as covarincias dos incrementos em variogramas obtendo-se o
valor da translao invariante, como (Wackernagel, 1995):

np

= 2 pp ( xi x0 ) p
2
E

p
i

p =1 i =1

0 p0

np

nq

(x0 x0 ) ip qj pq (xi x j ) .
p =1 q =1 i =1 j =1

Aps a minimizao da varincia do erro, na qual as restries dos pesos

geraram N multiplicadores de Lagrange p , tem-se o sistema de cokrigagem
ordinria (Wackernagel, 1995):

N nq q
j pq (xi x j ) + p = pp0 ( xi x0 ) para p =1, L, N ; i = 1, L, n p
q =1 j =1
.
np
p

j = pp0
para p = 1, L, N

j =1

35

Observe-se que para escrever o sistema de equaes de cokrigagem em

termos de variogramas, deve-se apenas inverter o sinal dos multiplicadores de
Lagrange.
Considerando-se uma varivel primria e uma secundria, o sistema de
cokrigagem ordinria tambm pode ser escrito em termos matriciais, na forma
reduzida, como:

1
0

1 0 11

C11
C12
1 0 12 C 01
1 0 13
0 1 12
= ,
C 21
C 22
0 1 22 C 02

0 1 32

1 1 0 0 0 0 0 1 1
0 0 1 1 1 0 0 2 0

sendo C pq uma matriz covarincia 3x3. A varincia de cokrigagem ser:

2
CKO

np

= ip pp0 ( xi x0 ) + p0 p0 p0 ( x 0 x0 ) .
p =1 i =1

Para aplicao do procedimento de cokrigagem, necessrio calcular e

modelar os variogramas diretos das variveis primria e secundria e o variograma
cruzado entre essas mesmas variveis de modo a satisfazer o modelo linear de
corregionalizao.
Outros problemas associados cokrigagem ordinria so o tamanho do
sistema linear de equaes e as condies que geram pesos negativos, os quais
deterioram a estimativa. Na realidade, a instabilidade da matriz dos coeficientes

36

conseqncia da grande proximidade da informao secundria em relao

informao primria esparsamente distribuda, e da pobre auto-correlao entre os
dados primrios (Xu et al. 1992).
Diante desses obstculos, a co-localizao da informao secundria em todos
os ns da malha regular a ser estimada constitui uma alternativa cokrigagem
ordinria.

3.6. COKRIGAGEM COLOCALIZADA

De acordo com Xu et al. (1992), o problema de instabilidade, decorrente da

grande quantidade de informao secundria, pode ser solucionado mediante a
reteno para cada ponto a ser estimado do valor da varivel secundria. Segundo
estes autores, h uma tendncia da informao secundria co-localizada com a
informao primria filtrar a influncia dos dados secundrios mais distantes. A
estimativa por cokrigagem co-localizada torna-se (Xu et al., 1992):

*
1

n1

(xo ) m1 = i(1)[z1 (xi ) m1 ] + (2 )[z 2 (xo ) m2 ] ,

i =1

onde m1 = E[Z 1 ( x )] e m2 = E [Z 2 ( x )] so as mdias das variveis primria e

secundria, respectivamente.
O sistema de equaes de cokrigagem co-localizada fica bastante simplificado,
como segue (Xu et al., 1992):

37

n1 (1)
(2 )
j C1 (x j xi ) + C 21 ( xo xi ) = C1 ( xo xi ) para i = 1, n1
j =1
,
n1
(1)C (x x ) + (2 )C (0) = C (0 )
j
12
j
o
2
12

j =1

onde C1 (h ) , C 2 (h ) so as covarincias diretas e C12 (h ) = C 21 (h ) , a cruzada. A grande

vantagem desse sistema sua dimenso reduzida, embora ainda haja a
necessidade de se modelar o variograma cruzado para clculo da covarincia
cruzada C12 (h ) . A proposta de Xu et al. (1992) reter para C12 (h ) um modelo
Markoviano, considerando-se a seguinte hiptese:

E{Z 2 ( x ) z1 ( x ), z1 ( x + h )} = E{Z 2 ( x ) z1 ( x )}, z1 ( x + h) ,

ou seja, o valor da varivel primria z1 ( x ) filtra a influncia de qualquer outro valor

z1 ( x + h ) sobre a varivel secundria co-localizada Z 2 ( x ) .

A covarincia cruzada C12 (h ) = C 21 (h ) assume a forma apropriada (Xu et al.,
1992):

C12 (h ) =

C12 (0 )
C1 (h ), h
C1 (0)

ou de forma equivalente:

12 (h ) = 12 (0)1 (h ), h ,

38

onde 1 (h ) =

C12 (h )
C1 (h )
o correlograma da varivel primria Z1; 12 (h ) =

C1 (0)
C1 (0 )C 2 (0 )

o correlograma cruzado e 12 (0 ) , o coeficiente de correlao entre Z1 e Z2. Dessa

maneira, o correlograma cruzado pode ser estimado diretamente a partir do
correlograma da varivel primria. Em termos de correlogramas, o estimador da
cokrigagem co-localizada torna-se (Xu et al., 1992):

z1* ( xo ) m1

n1

z1 ( xi ) m1

i =1

= (i1)

+ (2 )

z 2 ( x o ) m2

e o sistema de equaes de cokrigagem co-localizada (Xu et al., 1992):

n1

j =1
n1

j =1

(1)
j

1 (x j xi ) +

(2 )

12 (0)1 ( x o x i ) = 1 ( x o xi ) para i = 1, n1
,

(1)
j

12 (0 )1 (x j xo ) +

(2 )

= 12 (0 )

onde 12 = Var [Z 1 ( x )] e 22 = Var [Z 2 ( x )] so as varincias das variveis primria e

secundria, respectivamente.
Alm de solucionar o problema de instabilidade da matriz, o sistema da
cokrigagem co-localizada dispensa o clculo de variogramas cruzados, o que
significa que no h necessidade de satisfazer o modelo linear de corregionalizao.
Clawson & Meng (2000) utilizaram a tcnica de cokrigagem colocalizada para
estimar as estruturas profundas do carbonato Caddo (campo petrolfero de
Boonsville, Texas) a partir do tempo de trnsito ssmico e dos marcadores de
profundidade dos poos, obtendo um resultado preciso. interessante notar que os

39

dados utilizados neste trabalho possuem coeficiente de correlao igual a 0,72

enquanto a correlao dos resultados para as mesmas variveis ficou reduzida a
0,5, porm sem prejuzo na qualidade dos resultados finais do trabalho que apenas
utilizou a co-estimativa como etapa intermediria na obteno do modelo de
porosidade.

3.7. KRIGAGEM COM DERIVA EXTERNA

A krigagem com deriva externa outra tcnica de co-estimativas que possibilita

estimar uma varivel aleatria com amostragem escassa a partir da informao de
uma varivel aleatria secundria ricamente amostrada no domnio de estudo.
Essa tcnica foi desenvolvida para a indstria do petrleo, j que a informao
primria, derivada de poos de petrleo, geralmente escassa, havendo ento a
necessidade de se fazer a estimativa em pontos no amostrados com suporte em
alguma outra informao. Essa outra informao, a impedncia acstica, obtida
mediante ssmica de reflexo, apresenta boa correlao com a porosidade obtida
em poos de explorao. Assim, a estimativa de uma varivel aleatria primria em
um ponto no amostrado feita considerando o padro espacial descrito pela
varivel secundria.
Considerando Z(x) como varivel primria e Y(x) como varivel secundria, a
relao linear existente entre Z(x) e Y(x) (Wackernagel, 1995, p.190):

E[Z ( x )] = ao + b1 y ( x ) .

40

Segundo Wackernagel (1995, p. 191), o estimador da krigagem com deriva

externa :

*
( xo ) = i z ( xi ) .
z KDE
i =1

O erro esperado deve ser igualado a zero:

*
E Z ( x o ) Z KDE
(xo ) = 0 ,

determinando a primeira condio de no enviesamento, segundo a qual os pesos

devem somar um:

= 1.

i =1

A segunda condio de no enviesamento restringe os pesos conforme:

y ( xo ) = i y ( xi )
i =1

provm

do

desenvolvimento

(Wackernagel, 1995, p. 191):

da

esperana

matemtica

do

estimador

41

*
E Z KDE
(xo ) = i E [Z (xi )]
i =1
n

= a o + b1 i y ( x i )
i =1

= a o + b1 y ( xo )

Essa ltima condio faz com que os pesos { i , i = 1, n} descrevam a forma

mdia dada pela varivel secundria. O sistema de equaes de krigagem com
deriva externa do qual resultam os pesos que minimizam a varincia do erro sob as
duas condies de restrio (Wackernagel, 1995, p. 191):

n
j C r (x i x j ) 1 2 s ( xi ) = C r ( xi xo ) para i = 1, n
j =1
n
,
j = 1
j
=
1

n
j y (x j ) = y ( xo )
j =1

sendo 1 e 2 os multiplicadores de Lagrange e C r (xi x j ) , a covarincia dos

resduos entre os pontos de dados x i e x j .
Watanabe et al. (2009) analisaram o desempenho da cokrigagem ordinria, da
cokrigagem colocalizada e da krigagem com deriva externa aplicadas a cinco
conjuntos de dados apresentando diferentes correlaes entre a varivel primria e
a secundria. Todos os mtodos tornaram-se menos eficientes medida que o
coeficiente de correlao entre as variveis diminuiu. Em todos os casos, a
cokrigagem colocalizada apresentou resultados com melhor preciso local e
preservao da correlao inicial entre as variveis. A utilizao da cokrigagem

42

ordinria e da krigagem com deriva externa, por sua vez, deve se restringir aos
casos em que as variveis so altamente correlacionadas.

3.8. ARRANJOS DE DADOS MULTIVARIADOS

Quando se trabalha com dados multivariados, a localizao relativa das

amostras da varivel primria e da secundria pode resultar em diferentes arranjos
de dados, quais sejam: isotopia, heterotopia parcial, heterotopia total, colocalizao
e multicolocalizao (Figura 3 e 4).

30

30

30

25

25

25

20

20

20

15

15

15

10

10

10

0
0

10

15

20

0
0

10

15

20

0
0

10

15

20

Figura 3. Arranjos de dados multivariados: isotopia (esquerda), heterotopia parcial (centro) e

heterotopia total (direita). Crculos azuis, vermelhos e asteriscos representam respectivamente pontos
de amostragem da varivel primria, da varivel secundria e das duas variveis. Extrada de
Watanabe (2008).

A isotopia ocorre quando os dados das variveis primria e secundria esto

disponveis em todos os pontos amostrais. Este tipo de arranjo de dados no
favorece a aplicao da cokrigagem quando as variveis forem intrinsecamente

43

correlacionadas j que nesse caso seus resultados so equivalentes queles obtidos

pela krigagem (Wackernagel, 1998).
A heterotopia parcial ocorre nos casos em que as variveis primria e
secundria apresentam amostras localizadas em pontos diferentes e em pontos
iguais. Em relao ao arranjo de dados anterior, a heterotopia parcial pode ser mais
vantajosa para a aplicao da cokrigagem dado que a informao primria no
sobrepe completamente a informao da varivel secundria, cuja contribuio,
portanto, passa a ser maior (Olea, 1999).
A heterotopia total constitui uma situao extrema em que as variveis no
apresentam ponto amostral em comum sendo seus dados provenientes de
amostragens completamente distintas. Esse arranjo de dados impossibilita o clculo
do variograma cruzado e, conseqentemente, a estimativa por cokrigagem. Ainda
assim, esse mtodo pode ser aplicado utilizando-se pseudo variogramas cruzados
conforme sugere Myers (1991). Entretanto, deve-se estar ciente dos inconvenientes
e limitaes associados ao pseudo variograma cruzado.
A colocalizao corresponde ao arranjo de dados em que a varivel primria
possui pontos amostrais esparsos e restritos enquanto a varivel secundria
apresenta, pelo menos, uma amostra em cada ponto a ser estimado (dados quasiexaustivos). Embora esse arranjo possibilite a aplicao da cokrigagem, o excesso
de informao secundria pode ocasionar instabilidades em seu sistema de
equaes lineares (Goovaerts, 1997).
Por fim, a multicolocalizao um tipo de colocalizao em que a varivel
secundria tambm est presente nos pontos amostrais da varivel primria. Esse
arranjo de dados indispensvel para a aplicao dos mtodos de cokrigagem
colocalizada e krigagem com deriva externa.

44

115
92
69
46
23
0

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

37

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

74

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

111

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

148

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*

185

Figura 4. Arranjo de dados multivariados. Os asteriscos representam os locais onde a varivel

primria ser estimada e h apenas informao da varivel secundria. Os crculos pretos
representam os locais onde apenas a varivel primria foi amostrada em arranjos colocalizados ou os
locais onde as variveis primria e secundria foram analisadas em arranjos multi-colocalizados.
Extrado de Rocha et al. (2011).

3.9. KRIGAGEM DE INDICADORAS

A krigagem de indicadoras (KI) um mtodo que estima variveis obtidas a

partir da transformao binria dos dados de Z ( x ) . No caso de variveis contnuas,
determinam-se K valores limiares zk e, em cada ponto x , definem-se os dados
indicadores i( x ; z k ) , de acordo com Goovaerts (1997), da seguinte forma

1 se z ( x ) z k
i( x ; z k ) =
0 se z ( x ) > z k

Os variogramas experimentais so calculados a partir dos dados transformados

como (Goovaerts, 1997)

45

I (h; z k ) =

1 N (h )
[i(x ; z k ) i(x + h; z k )]2

2 N (h ) =1

A krigagem simples adicionada de um termo para a mdia pode ser utilizada

para se estimar a indicadora I ( z ) se Z ( x ) for uma funo aleatria estacionria
com funo marginal conhecida F (dz ) e se F ( z ) for a mdia da funo aleatria
I Z ( x )< z (Chils & Delfiner, 1999)

I * ( z ) = 1 i F ( z ) + i I Z ( xi )< z
i =1

A krigagem ordinria pode ser utilizada quando no se conhece a funo

marginal F (dz ) conforme (Chils & Delfiner, 1999)

I ( z ) = i I Z ( xi )< z
i =1

sob a condio

=1

i =1

De acordo com Chils & Delfiner (1999), um problema clssico da krigagem

simples ressurge na KI levando a duas simplificaes sucessivas. A primeira
consiste na troca do valor do dado original Z ( xi ) por um dado transformado em
indicadora I Z ( x )< z resultando em perda de informao quando se trabalha com

46

variveis contnuas. A segunda a substituio da esperana condicional pela

krigagem o que pode ser considerado como uma aproximao inevitvel na
resoluo do problema utilizando o enfoque da estatstica de dois pontos.
Na KI, os K valores de limiar z k usualmente so escolhidos de modo a
diferenciar as covarincias indicadoras correspondentes C I (h; z k ) . No entanto, h
casos em que as covarincias so proporcionais umas s outras, isto , apresentam
formas muito similares. O modelo correspondente da funo aleatria Z ( x ) ,
denominado modelo mosaico,

sendo

(h)

(h) = I (h; z k ) = I (h; z k , z k ' ), z k , z k '

(h; z k , z k ' )

os correlogramas e correlogramas cruzados de Z ( x ) e

de seus dados transformados. A KI sob o modelo acima, denominada krigagem de

indicadora da mediana constitui um procedimento simples e rpido, pois requer
apenas o variograma da indicadora da mediana o qual utilizado para todos os K
limiares. Alm disso, se a configurao dos dados for a mesma para todos os
limiares, apenas um nico sistema de krigagem de indicadoras deve ser resolvido
(Deutsch & Journel,1992).
Um inconveniente que surge da utilizao da KI refere-se a problemas de
relao de ordem j que as probabilidades condicionais derivadas desse mtodo
podem no respeitar as relaes de ordem para probabilidades legtimas. Para a
funo de distribuio acumulada condicional (ccdf) de variveis contnuas z ( x )
(Deutsch & Journel,1992)

47

Pr ob{Z (x ) z (n )} = F (x; z (n )) [0,1] e F (x; z k ' (n )) F (x; z k (n )), z k ' > z k

Para probabilidades condicionais de um conjunto completo de variveis

categricas mutuamente exclusivas I k ( x ), k = 1, ..., K

Pr ob{I k ( x ) = 1 (n )} = F (x; k (n )) [0,1] e

F (x; k (n )) = 1

Segundo esses mesmos autores, os problemas de relaes de ordem podem

ser causados pelos pesos negativos resultantes do sistema de equaes da KI e, na
maioria dos casos, pela falta de dados em algumas classes, sobretudo quando a KI
feita para um valor limiar correspondente ao limite superior de uma classe.
Deutsch & Journel (1992) fornecem ainda uma srie de implementaes que podem
ser feitas visando corrigir problemas de relao de ordem.
De acordo com Chils & Delfiner (1999), a KI apresenta uma srie de
vantagens, pois considera a estrutura de cada indicadora, produz uma varincia de
estimativa, requer apenas estacionariedade local e no exige modelagem prvia da
distribuio terica

F . Por outro lado, alguns inconvenientes surgem da

necessidade de se modelar tantos variogramas quantos forem os limiares definidos,

o que por extenso aumenta o nmero de sistemas de krigagem a ser resolvidos.
Outra desvantagem associada KI a possibilidade de se obter estimativas I ( z )
negativas ou maiores do que 1 uma vez que a krigagem no garante que os pesos
no sejam negativos.

48

CAPTULO IV

MATERIAIS E MTODOS

Nesse captulo, inicialmente so descritas resumidamente as caractersticas

das bases de dados e, posteriormente, a sequncia de etapas: adequao dos
dados, regularizao das amostras, anlises estatstica e geoestatstica, validao
cruzada e co-estimativas.

4.1. BASES DE DADOS

A base de dados utilizada foi fornecida pela ANP e composta por dois
conjuntos de dados diferenciados pelas variveis amostradas e pelo tipo de
amostragem.

4.1.1. DADOS DE POOS

Os dados de poos utilizados nessa dissertao resultaram da interpretao
dos dados de perfilagem pelo corpo tcnico da Petrobrs. A perfilagem uma
operao realizada logo aps a perfurao do poo e se caracteriza pelo
deslocamento de um sensor de perfilagem (sonda) no interior do mesmo (Figura 5),
resultando no registro contnuo de diversas propriedades das rochas perfuradas a
depender do processo fsico (eltrico, acstico, radioativo) de medio utilizado
(Thomas, 2001).

49

Figura 5. Ilustrao da operao de perfilagem a poo aberto. esquerda encontra-se o perfil

resultante da realizao da perfilagem. In: http://fisicainserida.blogspot.com/ (consultado em
05/04/2011).

Os dados utilizados nessa dissertao so medidas de porosidade (em

porcentagem), de permeabilidade (em miliDarcy) e informaes de fcies
(designadas por 1, 2, 3 e 4) de 51 poos de petrleo. Em cada furo, o intervalo de
amostragem constante, sendo de 20 cm ao longo dos furos verticais e em torno
desse valor ao longo dos inclinados. Os poos distribuem-se irregularmente por uma
rea aproximada de 16 km2 e apresentam comprimento mximo analisado de 196,13
m (Figura 6).

50

0
00
-3

Porosidade (%)

5
07
-3

valor ausente

0
15
-3
-3

0.07 a 4.25
4.26 a 8.43

5
22

0
30
-3
E
00
10
E
35
00
16
E
35
00
22
E
35
00
28
E
35
00
34
E
35
00
40
E
35
00
46
E
35
00
52
E
35
00
58
1:50000
E
35
00
500 1000 1500 2000
64
E
35
00
70
35

8.44 a 12.61
12.62 a 16.80
16.81 a 20.98
20.99 a 25.16
25.17 a 29.34
75
20
75
40
19
0N
75
95
19
0N
75
50
19
0N
75
05
18
0N
75
60
18
0N
75
15
17
0N
70
0N

29.35 a 33.63

Figura 6. Bloco-diagrama mostrando a distribuio dos poos de petrleo disponveis no Campo

Escola de Namorado.

4.1.2. DADOS SSMICOS

Esse conjunto de dados contm medidas padronizadas de impedncia acstica
obtidas por ssmica de reflexo, que um mtodo de prospeco baseado nas
reflexes das ondas ssmicas geradas artificialmente na superfcie do terreno que
est sendo estudado (Duarte, 2003). No caso de ssmica em fundo ocenico as
ondas de choque so criadas a partir de disparos de air-guns instalados em navios.
Estas ondas so ento captadas em hidrofones acoplados ao navio. A Figura 7
ilustra este procedimento. Ainda segundo Duarte (2003), a impedncia acstica o
produto da velocidade de propagao da onda P pela densidade do material onde a
onda propaga. Com base nessa definio, nas densidades da gua, leo e gs e
nas velocidades de propagao do som nesses meios, conclui-se que a impedncia

51

acstica ser maior se a rocha estiver saturada em gua, intermediria se estiver

saturada em leo e menor caso a saturao seja em gs.

Figura 7. Ilustrao da aquisio ssmica em fundo ocenico (Extrado de Feij, 2004).

A impedncia acstica relaciona-se inversamente porosidade (Vaughan et al.,

2003; Huuse & Feary, 2005; Avadhani et al., 2006). Segundo Doyen (1988), a
impedncia acstica relaciona-se apenas indiretamente porosidade das rochas
porque as variaes nas propriedades acsticas ao longo de um intervalo
reservatrio resultam do efeito conjunto de diversas variveis geolgicas tais como
litologia, saturao em determinado fluido, presso medida nos poros e temperatura
e, por isso, a contribuio da porosidade resposta acstica deve ser separada dos
efeitos das demais variveis.
A amostragem da impedncia acstica no Campo de Namorado foi feita a cada
25 m, 33,43 m e 3 m ao longo dos eixos x, y e z, tendo sido obtidas 319, 136 e 135
medidas, respectivamente (Figura 8).

52

Figura 8. Ilustrao do cubo ssmico.

4.2. ETAPAS

4.2.1. ADEQUAO DA BASE DE DADOS

Aps anlise dos dois conjuntos de dados, verificou-se que ambos apresentam
praticamente mesmo domnio, mas no possuem pontos amostrais em comum,
inviabilizando a aplicao dos mtodos propostos. Por isso, foi elaborado algoritmo
em Delphi (em anexo) a partir do qual foi feita interpolao tri-linear dos dados de
impedncia acstica nos locais onde a varivel porosidade foi amostrada. Dessa
maneira, criou-se arranjo isotpico de dados, com medidas de porosidade e de
impedncia acstica em todos os pontos amostrais ao longo dos furos, permitindo o
clculo do variograma cruzado e, por extenso, a aplicao da cokrigagem ordinria.
O arranjo obtido tambm possibilitou aplicar a cokrigagem colocalizada e a krigagem

53

com deriva externa, nesses casos considerando a impedncia acstica obtida por
ssmica de reflexo como varivel quasi-exaustiva.
A opo pela interpolao tri-linear foi feita supondo-se variao gradual e
linear nos dados de impedncia acstica do segundo conjunto. A interpolao trilinear uma tcnica que considera os valores de uma determinada varivel,
distribudos nos vrtices de um cubo ou paraleleppedo, para interpolar linearmente
um ponto contido no interior desse cubo ou paraleleppedo. Segundo Bourke (1997),
a aplicao mais comum desta tcnica est na interpolao do interior de clulas de
uma base de dados volumtrica. Mais informaes podem ser obtidas em
http://www.grc.nasa.gov/WWW/winddocs/utilities/b4wind_guide/trilinear.html
(consultado em 1/11/2009).
Tendo em vista o objetivo de estudar os resultados da cokrigagem ordinria
aplicada a diferentes arranjos de dados, tambm foi obtido arranjo com heterotopia
parcial mediante excluso aleatria de informao primria ou secundria de
algumas das amostras do arranjo isotpico. Todos os procedimentos descritos a
seguir foram realizados para os dados de porosidade e de impedncia acstica dos
dois arranjos criados e para os resduos calculados a partir dos dados de
impedncia acstica do arranjo isotpico, considerando funo polinomial de
primeiro grau. As medidas de impedncia acstica, pertencentes ao segundo
conjunto, no foram utilizadas nas etapas seguintes, constituindo apenas a
informao colocalizada necessria aplicao da cokrigagem colocalizada e da
krigagem com deriva externa. O programa utilizado nas prximas etapas foi ISATIS
6.0 (Bleins et al., 2006).

54

4.2.2. REGULARIZAO DAS AMOSTRAS

O primeiro procedimento consistiu em regularizar as amostras dos furos de
sonda j que a escala de amostragem ao longo dos mesmos (centimtrica) muito
maior que a escala de trabalho (mtrica) na rea em estudo. Os parmetros
utilizados foram iguais para todos os furos. Assim, considerou-se intervalo de
regularizao de 15 m e 25 intervalos, resultando em comprimento mximo
regularizado de 370 m. Os dados regularizados foram obtidos a partir da mdia
ponderada:

t
tc=

ei

i =1
n

i =1

em que t i o valor da varivel de interesse em uma determinada amostra, e i a

espessura dessa mesma amostra e n o nmero de amostras consideradas na
ponderao, o qual depende do tamanho do intervalo de regularizao escolhido
(Yamamoto & Rocha, 2001).

4.2.3. ANLISES ESTATSTICA E GEOESTATSTICA

Aps esse procedimento, foi realizada a anlise estatstica que consistiu em
obter o histograma e as estatsticas descritivas para os dados regularizados e no
regularizados de porosidade, impedncia acstica e dos resduos a fim de averiguar

55

o comportamento da distribuio de freqncias dessas variveis antes e aps

regularizao das amostras.
A anlise geoestatstica subseqente foi realizada conforme proposto por
Yamamoto (2001) e somente para os dados regularizados. Assim, inicialmente os
variogramas foram calculados para cinco direes, quatro horizontais (0, 45, 90 e
135) e uma vertical, conforme os parmetros da Tabela 1. A partir desses
variogramas, foi feita anlise do comportamento da varincia espacial mediante
comparao entre pares de direes ortogonais (0/90 e 45/135) quanto
estruturao do variograma e aos valores de amplitude, patamar e efeito pepita. Os
variogramas experimentais foram ento recalculados considerando os pares de
direes escolhidos, alm da direo vertical, de acordo com os parmetros da
Tabela 2. Finalmente, foi feito o ajuste do modelo terico aos mesmos.

56

Tabela 1. Parmetros para clculo dos variogramas experimentais em 5 direes.

Porosidade

Cruzado / Dados Isotpicos

Cruzado / Dados Heterotpicos

Resduos

Direo

0/0

45/0

90/0

135/0

0/90

0/0

45/0

90/0

135/0

0/90

0/0

45/0

90/0

135/0

0/90

0/0

45/0

90/0

135/0

0/90

Tol. Ang.

22,5

22,5

22,5

22,5

30

22,5

22,5

22,5

22,5

30

22,5

22,5

22,5

22,5

30

22,5

22,5

22,5

22,5

30

Npassos

Passo(m)

700

700

700

700

15

700

700

700

700

15

700

700

700

700

15

700

700

700

700

15

Tabela 2. Parmetros para clculo dos variogramas experimentais em 3 direes.

Porosidade
Direo
Tolerncia angular
N de passos
Passo (m)

Cruzado / Dados Isotpicos

Cruzado/Dados Heterotpicos

Resduos

45/0

135/0

0/90

45/0

135/0

0/90

45/0

135/0

0/90

0o/0

90/0

0/90

45

45

30

45

45

30

45

45

30

45

45

30

500 m

500 m

15 m

500 m

500 m

15 m

500 m

500 m

15 m

700 m

700 m

15 m

57

4.2.4. VALIDAO CRUZADA

Em seguida, foram determinados alguns parmetros de busca por amostras
vizinhas (raio de busca, nmero de setores e de amostras por setor) e feita a
validao cruzada com base nos mesmos e nos modelos tericos ajustados aos
variogramas experimentais.

4.2.5. CO-ESTIMATIVAS
Na ltima etapa foram realizadas as estimativas por cokrigagem ordinria a
partir do arranjo isotpico (cko) e heterotpico (ckohetero), cokrigagem ordinria
colocalizada (coc), cokrigagem colocalizada com modelo de Markov 1 (cocmm1) e
krigagem com deriva externa (kde). Os blocos onde se estimaram os valores de
porosidade foram definidos com base na malha de amostragem das medidas de
impedncia acstica obtidas por ssmica de reflexo. Foram estabelecidas
dimenses duas vezes maiores que as clulas daquela malha da seguinte forma: 50
m em x, 66,86 m em y e 6 m em z, totalizando 159, 68 e 67 blocos respectivamente
ao longo desses eixos. Com isso, o valor mximo de blocos estimados foi 724404
blocos nos casos de vizinhanas favorveis, 12,36% do total de clulas da referida
malha de amostragem (5856840 clulas).
Destaca-se que, doravante, as abreviaes definidas no pargrafo anterior
sero utilizadas para se referir aos mtodos utilizados nessa dissertao.

58

CAPTULO V

RESULTADOS E DISCUSSO

Nesse captulo, inicialmente so analisados estatstica e geoestatisticamente os

dados disponveis e, posteriormente, as estimativas feitas por cko, ckohetero, coc,
cocmm1 e kde.

5.1. ANLISE ESTATSTICA DOS DADOS

A anlise estatstica das variveis porosidade e impedncia acstica foi

realizada visando estudar a distribuio de freqncias das mesmas. A anlise foi
feita mediante comparao entre as estatsticas descritivas (Tabela 3) obtidas para
os dados no regularizados e regularizados a fim de averiguar principalmente o
comportamento da mdia e do desvio padro.
Espera-se que a mdia se mantenha constante aps regularizao dos dados,
pois se considera a amostra representativa da populao. No entanto, para os dados
isotpicos regularizados a mdia diminuiu tanto para porosidade quanto para
impedncia acstica, sendo essa diminuio maior para a ltima. No caso dos dados
heterotpicos regularizados, a mdia se manteve para porosidade e diminuiu para
impedncia acstica. A reduo do valor mdio de impedncia acstica para ambos
os dados muito provavelmente est relacionada ao fato dos mesmos no serem
medidos nos poos, tendo sido integrados por interpolao tri-linear.

59

Tabela 3. Estatsticas descritivas das variveis de interesse.

Dados regularizados
Dados no regularizados
Amostra isotpica

Amostra heterotpica

Porosidade
(%)

Impedncia

Resduos

Porosidade
(%)

Impedncia

Resduos

Porosidade
(%)

Impedncia

N de dados

28923

28923

28923

482

482

482

348

401

Mdia

18.95

-59.13

0.00

18.83

-54.77

0.00

18.95

-54.72

Desv. Padro

7.06

35.46

6.95

5.26

38.03

4.75

5.10

37.21

Coef. Var.

0.37

-0.60

0.28

-0.69

0.269

-0.680

Mediana

19.82

-62.88

0.54

19.82

-58.43

0.83

19.89

-59.62

Mnimo

0.07

-128

-20.59

3.35

-127

-18.20

3.35

-127

Mximo

33.53

104.73

14.50

28.15

97.15

9.07

27.87

65.55

60

O desvio padro dos dados regularizados deve ser menor que aquele dos
dados no regularizados para que se mantenha constante a relao volume X
varincia, j que o volume das amostras aumenta com a regularizao. O resultado
foi compatvel com o esperado apenas para a varivel porosidade de ambos os
dados, isotpico e heterotpico. No caso da impedncia acstica, atribui-se o
aumento dessa estatstica aos erros oriundos da interpolao tri-linear.
Embora as estatsticas descritivas dos dados regularizados de impedncia
acstica no sejam condizentes com o esperado, optou-se por mant-los como
dados dessa dissertao, principalmente porque seus variogramas mostraram-se
estruturados conforme pode ser observado na seo 5.2.
Os histogramas obtidos para porosidade a partir dos dados isotpicos (Figura 9
A) e heterotpicos (Figura 9 A) so muito semelhantes entre si e exibem assimetria
negativa mais pronunciada em relao ao histograma dos dados no regularizados
(Figura 9 A). No caso da impedncia acstica praticamente no houve alterao em
seu histograma aps regularizao das amostras (Figura 9 B, B, B). Destaca-se,
entretanto, que o histograma obtido a partir dos dados regularizados isotpicos
(Figura 9 B) aproximou-se mais do original, enquanto o obtido a partir dos dados
heterotpicos (Figura 9 B) ressaltou a presena de diferentes populaes indicando
certa heterogeneidade no reservatrio. Apesar da mistura de populaes, optou-se
por analis-las conjuntamente.
Alm da porosidade e da impedncia acstica, tambm foram analisados os
resduos necessrios a aplicao da kde. Nesse caso, apenas o desvio padro foi
analisado, visto que a mdia igual a zero. Dessa maneira, observa-se reduo do
desvio padro com a regularizao das amostras (Tabela 3), o que est de acordo
com o aumento do volume das mesmas. O histograma aps regularizao das

61

amostras (Figura 9 C) adquiriu assimetria negativa mais marcante do que aquela

exibida pelo histograma dos dados no regularizados (Figura 9 C). Por fim, observase mistura de populaes em ambos os histogramas.

62

0.125

0.100

0.100

0.050

0.050

0.025

0.025

10

20

0.000

30

Porosidade (%)
Impedncia

-100

0.05

-100

25

30

0.05

0.00

0.00

0
Impedncia

B
-100

0.00

15

20

25

Porosidade (%)
Impedncia

100

100

10

-50

30

0.00

B
50

0.15

0.15

0.10

0.10

0.05

0.05

0.00

-100

-50

Impedncia

Figura 9. Histograma dos dados no regularizados (A, B, C), regularizados isotpicos (A, B, C) e regularizados heterotpicos (A, B).

50

0.00

Frequncias

-100

30

0.05

Frequncias

0.00

A
25

0.05

0.05

0.00

20

0.10

0.10

0.05

100

20

15

0.10

0.10

0.05

15

10

0.15

0.15

0.05

Impedncia

10

5
0.15

0.15

0.10

-100

Frequncias

Frequncias

0.10

Porosidade (%)
Impedncia

0.15

0.10

0.10

0.00

30

0.15

100

0.15

25

0.15

0.00

Frequncias

0.000

20

Frequncias

0.075

15

Frequncias

0.075

10

Frequncias

0.125

Porosidade (%)

Porosidade (%)

30

Frequncias

20

Frequncias

Frequncias

10

Frequncias

Porosidade (%)
0

63

Resduos
-20

-10

0.125

-10

C
0

10

0.15

0.15

0.10

0.10

0.05

0.05

Figura 9 (continuao). Histograma dos dados

0.075

0.050

0.050

0.025

0.025

-20

-10

0
Resduos

10

0.000

0.00

-20

-10

0
Resduos

10

0.00

Frequncias

0.075

Frequncias

0.100
Freqncias

Freqncias

-20

0.125

0.100

0.000

Resduos

10

no

regularizados

isotpicos

(A,

(A,
B,

heterotpicos (A, B).

B,

C),

regularizados

C)

regularizados

64

5.2. ANLISE GEOESTATSTICA DOS DADOS

Nesta seo, discute-se inicialmente a estruturao apresentada pelos

variogramas experimentais nas quatro direes horizontais (Figura 10 esquerda) e
na direo vertical (Figura 10 direita). Posteriormente, discorre-se sobre os modelos
tericos ajustados (Figura 10 centro) procurando-se sempre que possvel relacionar
os resultados obtidos s caractersticas do modelo deposicional definido para o
Campo de Namorado.
No variograma experimental calculado para porosidade (Figura 10 A), os pares
de direes 0 / 90 e 45 / 135 apresentam amplitudes e patamares muito
semelhantes. Como as direes do ltimo par so mais estruturadas, o mesmo foi
escolhido para ajuste do modelo terico (Figura 10 A) juntamente com a direo
vertical que tambm se mostrou bem estruturada (Figura 10 A).
No variograma experimental cruzado calculado a partir dos dados isotpicos
(Figura 10 B) e nos variogramas diretos calculados para porosidade (Figura 10 C) e
para impedncia acstica (Figura 10 D), a estruturao pouco se diferencia nas
direes de 0 e 135, o mesmo ocorrendo quando so comparadas as direes de
45 e 90. A escolha do par de direes 45 / 135 para ajuste do modelo terico
(Figura 10 B, C e D) foi devida ao comportamento no estacionrio sugerido pela
direo de 0 no variograma cruzado. A direo vertical estruturada no variograma
cruzado (Figura 10 B) e no direto de porosidade (Figura 10 C), mas no se
estabiliza em um patamar no variograma da impedncia acstica (Figura 10 D).

65

1000

2000

3000

Distncia (m)

Distncia (m)
0

4000

1000

2000

3000

Distncia (m)

4000

25

50

75

100

30

1000

2000

3000

4000

Varincia Espacial

Varincia Espacial

10

20

N45

20

10

D-90

10

1000

Distncia (m)

1000

2000

3000

3000

4000

10

B
4000

25

1000

2000

3000

75

100

Distncia (m)

4000

0
-1

50

Distncia (m)

Distncia (m)
0

20

10

Distncia (m)

Distncia (m)
0

2000

D-90

20

Varincia Espacial

10

30
Varincia Espacial

20

Varincia Espacial

20

N135

30

Varincia Espacial

30
30

30

25

50

75

100

-1

N45

-5

-4

-5

N135
-6

Varincia Cruzada

N90

-2

D-90

-3

N0

-7

-2

-2

-3

-3

-4

-4

N135

-7

-4
-8

-2

-3

-6

-1

Varincia Cruzada

-4

-3

-1
-1
Varincia Cruzada

-3

N45

-1

Varincia Cruzada

-2

D-90

Varincia Cruzada

Varincia Cruzada

-2

-4

-8
0

1000

2000

3000

Distncia (m)

4000

1000

2000

3000

4000

Distncia (m)

25

50

75

100

Distncia (m)

Figura 10. Variogramas experimentais e modelos tericos de ajuste: porosidade (A-A-A), cruzado / dados isotpicos (B-B-B), direto / porosidade / dados
isotpicos (C-C-C), direto / impedncia acstica / dados isotpicos (D-D-D), cruzado / dados heterotpicos (E-E-E), direto / porosidade / dados
heterotpicos (F-F-F), direto / impedncia acstica / dados heterotpicos (G-G-G), resduos (H-H-H).

66

Distncia (m)
0

1000

2000

3000

Distncia (m)

4000

1000

2000

3000

50

75

D-90

N45
10

N135

20

10

10

20

N45

Varincia espacial

20

Varincia Espacial

N90

20

15

15

10

10

Varincia espacial

N135

100

30
Varincia Espacial

Varincia Espacial

Varincia Espacial

30

30

20

25

20

N0
30

Distncia (m)

4000

10

D-90

D-90

1000

2000

3000

4000

1000

Distncia (m)

Distncia (m)
0

1000

2000

3000

2000

3000

0
2000

1000

2000

3000

D
4000

50

75

100

Distncia (m)
0

2000

N135

25

50

75

100

1000

Varincia Espacial

1000

1000

1000

500
500

500

1500

1500

1000

1000

500

Varincia espacial

1500

1500
Varincia Espacial

1500

Varincia Espacial

Varincia Espacial

25

2000
1500

Distncia (m)

Distncia (m)

4000

2000

4000

Distncia (m)

Varincia espacial

500

500

1000

2000

3000

Distncia (m)

4000

1000

2000

3000

4000

0
0

25

Distncia (m)

50

75

100

Distncia (m)

Figura 10 (continuao). Variogramas experimentais e modelos tericos de ajuste: porosidade (A-A-A), cruzado / dados isotpicos (B-B-B), direto /
porosidade / dados isotpicos (C-C-C), direto / impedncia acstica / dados isotpicos (D-D-D), cruzado / dados heterotpicos (E-E-E), direto /
porosidade / dados heterotpicos (F-F-F), direto / impedncia acstica / dados heterotpicos (G-G-G), resduos (H-H-H).

67

Distncia (m)
1000

2000

3000

0.00

3000

0.02

0.02

0.01

0.01

0.00

0.00

-0.01

-0.01

-0.02

-0.02

-0.03

-0.03

-0.04

-0.04

-0.05

-0.05

-0.06

-0.06

Distncia (m)

4000

25

50

75

100

-0.04

-0.04

-0.05

-0.05

-0.06

-0.06

-0.07

-0.07

-0.08

-0.08
1000

2000

3000

-0.07
0

4000

3000

-0.02

-0.02

-0.03

-0.03

-0.04

-0.04

-0.05

-0.05

2000

3000

4000

25

Distncia (m)

Distncia (m)
2000

-0.01

-0.07
1000

Distncia (m)

1000

Varincia Cruzada

-0.03

-0.01

1000

2000

3000

50

75

100

Distncia (m)

Distncia (m)

4000

Distncia (m)

4000

25

50

75

100

15

N0

30

Varincia Cruzada

-0.02

-0.03

Varincia Cruzada

-0.02

2000

-0.01

Varincia Cruzada

Varincia Cruzada

1000

0.00

-0.01

Distncia (m)
0

4000

Varincia Cruzada

15

D-90
30

30

30

N45
10

10

20

N45

10

D-90

20

Varincia Espacial

N135

Varincia Espacial

20

10

10

Varincia Espacial

20

Varincia Espacial

N90

Varincia Espacial

Varincia Espacial

N135

10

D-90
0

1000

2000

3000

Distncia (m)

4000

1000

2000

3000

4000

25

Distncia (m)

50

75

100

Distncia (m)

Figura 10 (continuao). Variogramas experimentais e modelos tericos de ajuste: porosidade (A-A-A), cruzado / dados isotpicos (B-B-B), direto /
porosidade / dados isotpicos (C-C-C), direto / impedncia acstica / dados isotpicos (D-D-D), cruzado / dados heterotpicos (E-E-E), direto /
porosidade / dados heterotpicos (F-F-F), direto / impedncia acstica / dados heterotpicos (G-G-G), resduos (H-H-H).

68

3000

1500

1500

1000

1000

2000

3000

1500

1500

1000

1000

500
500

0
0

500

1000

2000

3000

4000

0
0

50

75

100

1500

1500

1000

1000

500

500

1000

1 000

2000

3000

2000

3000

4000

0
0

H
1000

2000

3000

H
0

50

75

10

N0

10

Varincia Espacial

Varincia Espacial

15

D-90

10

H
100

D-90

20

15

15

10

10

Varincia Es pacial

15

D-90

20
Va rinc ia Espacial

10

15

Varincia Es pacial

N45
N135

25

20

N90

20

20

100

25

N90
20

75

Distncia (m)

4000

25

25

50

Distncia (m)

Distncia (m)
0

4000

25

15

25

Distncia (m)

Distncia (m)

Varincia Espacial

25

500

Distncia (m)

Distncia (m)
0

4000

Varincia Espacial

2000

1000

Varincia Espacial

2000

Distncia (m)

4000

Varincia Espacial

2000

Varincia Espacial

Varincia Espacial

1000

Varincia Espacial

Distncia (m)
0

N0
5

1 000

2000

3000

Distncia (m)

4000

1000

2000

3000

4000

25

Distncia (m)

50

75

100

Distncia (m)

Figura 10 (continuao). Variogramas experimentais e modelos tericos de ajuste: porosidade (A-A-A), cruzado / dados isotpicos (B-B-B), direto /
porosidade / dados isotpicos (C-C-C), direto / impedncia acstica / dados isotpicos (D-D-D), cruzado / dados heterotpicos (E-E-E), direto /
porosidade / dados heterotpicos (F-F-F), direto / impedncia acstica / dados heterotpicos (G-G-G), resduos (H-H-H).

69

No variograma experimental cruzado obtido a partir dos dados heterotpicos

(Figura 10 E), verifica-se que as diferenas de valores de amplitude e de patamar
so maiores entre as direes de 0 e 90 do que entre as de 45 e 135. Contudo,
essas ltimas foram escolhidas como as principais direes de anisotropia devido a
pouca estruturao exibida pela direo de 0. Nos variogramas diretos obtidos a
partir desses mesmos dados (Figura 10 F, G), os pares de direes apresentam
comportamento muito semelhante e, por isso, o par 45 / 135 foi mantido para
ajuste do modelo terico (Figura 10 E, F e G). Verifica-se que a direo vertical
pouco estruturada no variograma cruzado (Figura 10 E) e no direto de porosidade
(Figura 10 F) e sugere comportamento no estacionrio no variograma da
impedncia acstica (Figura 10 G).
No variograma dos resduos (Figura 10 H), as direes de 0 e 135 exibem
pouca estruturao e as de 45 e 90 apresentam comportamento muito similar.
Comparando-se os pares 0 / 90 e 45 / 135, verifica-se que a discrepncia na
anisotropia maior no primeiro que, por isso, foi escolhido para ajuste do modelo
terico (Figura 10 H). Na direo vertical (Figura 10 H), o variograma mostra-se
estruturado.
Os parmetros dos modelos ajustados aos variogramas experimentais
calculados em trs direes esto na Tabela 4. Uma caracterstica comum a todos
os modelos a presena de efeito pepita, indicando a existncia de mudanas
abruptas na varincia espacial entre pontos muito prximos. O principal motivo de se
ter considerado efeito pepita nos modelos o fato das medidas de porosidade e
impedncia acstica serem frequentemente obtidas por mtodos geofsicos, o que
se

reflete

na

preciso

dos

resultados.

Alm

microvariabilidades foi considerada para cada varivel.

disso,

ocorrncia

de

70

Tabela 4. Parmetros dos modelos ajustados aos variogramas experimentais da Figura 10.
Direo/Mergulho
Porosidade

135/0

Cruzado / Dados
Isotpicos

135/0

Direto / Porosidade /
Dados Isotpicos

135/0

Direto / Impedncia
Acstica / Dados
Isotpicos

135/0

Cruzado / Dados
Heterotpicos

45/0

Direto / Porosidade /
Dados Heterotpicos

45/0

Direto / Impedncia
Acstica / Dados
Heterotpicos

45/0

Resduos

0o/0o

Estrutura
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
5

Modelo
Efeito Pepita
Esfrico
Esfrico
Esfrico
Efeito Pepita
Esfrico
Esfrico
Esfrico
Efeito Pepita
Esfrico
Esfrico
Esfrico
Efeito Pepita
Esfrico
Esfrico
Esfrico
Efeito Pepita
Esfrico
Esfrico
Esfrico
Efeito Pepita
Esfrico
Esfrico
Esfrico
Efeito Pepita
Esfrico
Esfrico
Esfrico
Efeito Pepita
Esfrico
Esfrico
Esfrico
Esfrico

Amplitude u (m)
800
900
2000
2011
2011
2011
2011
2011
2011
2011
2011
2011
1000
1250
1000
1250
1000
1250
350
650
2500
-

Amplitude v (m)
860
860
1459
1459
1459
1459
1459
1459
1400
1600
1700
1400
1600
1700
1400
1600
1700
800
1000
1300
1500

Amplitude w (m)
34
47
47
47
29
29
29
32
-

Patamar
4
13
26
31.5
-1
-2.7
-2.701
-3.501
1
14
26
33
106
1195
1425
1791
-0.01
-0.05
-0.0518
-0.0609
9
12
24.5
29
400
1294
1379
1579
5
11.5
19
22.52
24.22

71

No caso da porosidade, microvariabilidades so passveis de existir em virtude

da maior ou menor presena de argilominerais, de variaes granulomtricas e de
diferenas na cimentao ou dissoluo de minerais em pontos suficientemente
prximos. J a impedncia acstica reflete o empilhamento das camadas que, por
sua vez, resultou da rpida deposio do material suspenso nas correntes
turbidticas. Ainda nesse caso, os erros de estimativa oriundos da interpolao trilinear devem ser considerados. Os resduos, por fim, so influenciados por todos
esses fatores j que o clculo dos mesmos foi feito com base nas medidas de
ambas as variveis.
Quanto s varincias espaciais, os maiores valores esto freqentemente
associados direo de 135, indicando maior heterogeneidade das propriedades
analisadas ao longo da mesma, o que muito provavelmente indica preenchimento de
uma calha com direo NW-SE por depsitos turbidticos (Menezes, 1986). Por outro
lado, os patamares mais baixos so apresentados pela direo vertical. Esse
resultado mostra que as heterogeneidades devem-se mais a variaes faciolgicas
do que quelas provenientes do empilhamento vertical. A descrio de 23 fcies
litolgicas para o Campo de Namorado (Vidal et al., 2007) corrobora o resultado
obtido.
Com relao s amplitudes, aquelas exibidas pelas direes horizontais so
prximas entre si e sempre maiores do que a apresentada pela direo vertical. Os
valores de amplitude relacionados a essa ltima direo podem ser melhor
observados nos variogramas da Figura 10 A, B, C, D, E, F, G e H. Dessa
maneira, os dados das variveis de interesse apresentam maior continuidade
espacial, podendo ser correlacionados a maiores distncias, no plano horizontal.
Diversas hipteses podem ser aventadas para explicar a menor dependncia

72

espacial apresentada pelos dados na direo vertical. Em primeiro lugar, deve-se

considerar que a deposio do material sedimentar presente nas correntes
turbidticas ocorre em nveis que constituem a seqncia de Bouma. Em segundo
lugar, a presena desses nveis condicionada zona de deposio (proximal ou
distal) e, finalmente, em terceiro lugar, comum ocorrer sobreposio de vrias
seqncias de Bouma cada qual relacionada a um episdio turbidtico diferente.
Finalmente, convm destacar que o ajuste simultneo de modelos tericos aos
variogramas calculados a partir dos dados isotpicos (Figura 10 B, C e D) foi feito
em detrimento dos variogramas diretos de modo a honrar o ajuste do modelo ao
variograma cruzado. Situao anloga ocorreu com os modelos ajustados aos
variogramas obtidos a partir dos dados heterotpicos (Figura 10 E, F e G). A
principal limitao associada ao ajuste feito segundo o Modelo Linear de
Corregionalizao (MLC) est justamente no fato dos modelos no poderem ser
construdos independentemente um do outro (Goovaerts, 1997; Journel, 1999),
tornando menos fidedigno o ajuste de modelos tericos, tal como ocorre, por
exemplo, com o ajuste feito ao variograma da porosidade da Figura 10 C
relativamente ao da Figura 10 A.

5.3. VALIDAO CRUZADA

Nessa etapa, a correlao entre os valores reais e estimados de porosidade foi

analisada conforme modificaes feitas nos seguintes parmetros de busca por
amostras: raio de busca, nmero de setores e de amostras por setor. Estabeleceuse ainda o nmero mnimo de duas amostras vizinhas para que uma estimativa
fosse realizada (Tabela 5).

73

Tabela 5. Parmetros de vizinhana.

Raio em u (m)

Raio em v (m)

Raio em w (m)

N de setores

N timo amostras / setor

1
2011
1459
47
4
2
1340
972
30
4
Estimativa por cko
3
2011
1459
47
4
4
1340
972
30
4
Variograma Cruzado
obtido a partir da amostra 5
2011
1459
47
8
6
1340
972
30
8
isotpica
7
2011
1459
47
8
8
1340
972
30
8
1
2011
1459
47
4
2
1340
972
30
4
Estimativa por coc
3
2011
1459
47
4
Variograma Cruzado
4
1340
972
30
4
obtido a partir da amostra 5
2011
1459
47
8
isotpica
6
1340
972
30
8
7
2011
1459
47
8
8
1340
972
30
8
1
1250
1700
29
4
2
830
1130
19
4
Estimativa por cko
3
1250
1700
29
4
Variograma Cruzado
4
830
1130
19
4
obtido a partir da amostra 5
1250
1700
29
8
heterotpica
6
830
1130
19
8
7
1250
1700
29
8
8
830
1130
19
8
1
2500
1300
32
4
2
1700
870
21
4
3
2500
1300
32
4
Estimativa por kde
4
1700
870
21
4
Variograma dos
5
2500
1300
32
8
Resduos
6
1700
870
21
8
7
2500
1300
32
8
8
1700
870
21
8
Legenda: cokrigagem ordinria (cko), cokrigagem colocalizada (coc), krigagem com deriva externa (kde)

1
1
2
2
1
1
2
2
1
1
2
2
1
1
2
2
1
1
2
2
1
1
2
2
1
1
2
2
1
1
2
2

Correlao

N estimativas

0.682
0.686
0.694
0.700
0.686
0.690
0.699
0.709
0.685
0.687
0.697
0.701
0.689
0.691
0.702
0.709
0.546
0.575
0.614
0.575
0.542
0.579
0.614
0.579
0.677
0.692
0.681
0.701
0.684
0.699
0.684
0.702

482
478
482
478
482
478
482
478
482
481
482
481
482
481
482
481
340
335
346
340
344
337
346
340
481
473
481
473
481
473
481
473

74

Com relao aos raios de busca, foi averiguado o efeito de dois tipos de
vizinhana, uma mais ampla, com raios iguais s amplitudes dos variogramas, e
outra mais restrita, com raios iguais a dois teros daquelas amplitudes.
As buscas foram realizadas por quadrante ou por octante e considerando uma
ou duas amostras por setor de modo a evitar agrupamento de pontos decorrente da
super amostragem de determinado poo em relao aos demais. Esses parmetros
tambm

foram

definidos

visando

determinar

subconjuntos

com

diferentes

distribuies espaciais de amostras em torno do ponto a ser interpolado para assim

verificar seus efeitos sobre as correlaes finais.
As estimativas foram feitas mediante cko, ckohetero, coc e kde. No foi
possvel proceder a validao mediante cocmm1 devido a limitaes impostas pelo
programa utilizado.
Verifica-se pequenas diferenas entre as correlaes obtidas pela cko, coc e
kde (Tabela 5). Nesses casos, variando-se apenas um dos parmetros de busca por
amostras, observa-se que a reduo do raio de busca ou o aumento do nmero de
setores ou do nmero de amostras por setor ocasionaram aumento dos coeficientes
de correlao. Assim, os maiores valores resultaram da utilizao de vizinhanas
com menores raios de busca e maior nmero de setores e de amostras por setor.
Esperava-se obter menores coeficientes de correlao a partir dessas vizinhanas j
que as estimativas obtidas com base em maior nmero de amostras vizinhas tendem
a ser mais suavizadas. Nesses casos, no entanto, os maiores valores obtidos podem
ser decorrentes da maior influncia dos raios de busca relativamente quela
exercida pela quantidade de setores e de amostras por setor.
As correlaes apresentadas pelas estimativas obtidas pela ckohetero so
menores que aquelas obtidas pelos demais mtodos (Tabela 5). O maior valor foi

75

obtido ao se utilizar as vizinhanas 3 ou 7 diferenciadas apenas pelo nmero de

setores de busca, o que mostra que o aumento do nmero de setores de quatro para
oito no influenciou os resultados nesse caso. As menores correlaes, por sua vez,
resultaram da utilizao das vizinhanas 5 e 1 que se diferenciam pelo nmero de
setores de busca. Essas vizinhanas diferenciam-se daquelas que obtiveram as
maiores correlaes (3 e 7) pelo menor nmero de amostras por setor. Assim, em
primeiro lugar, a opo por maiores raios de busca deve ser feita com cautela, pois
tanto os melhores quanto os piores resultados decorreram da adoo de vizinhanas
caracterizadas por maiores raios de busca. Em segundo lugar, o nmero de setores
de busca influencia negativamente os resultados somente quando o nmero de
amostras por setor e, portanto, o nmero de amostras vizinhas, menor, refletindo
de algum modo uma pior distribuio das amostras em torno do ponto a ser
estimado.
O nmero de estimativas (Tabela 5) tambm variou pouco com a aplicao da
cko, coc e kde e com a utilizao das diferentes vizinhanas. Entretanto,
relativamente a esses mtodos, nmero muito menor de estimativas foi obtido pela
ckohetero.
Na Figura 11, so apresentados os resultados obtidos pela cko e ckohetero a
partir de cada vizinhana enquanto para os demais mtodos apenas o resultado que
exibe melhor relao entre correlao e nmero de pontos estimados. Nesses
casos, a vizinhana utilizada encontra-se em destaque na Tabela 5. Observa-se que
as diferenas na disperso dos pontos so mnimas quando se compara os
diagramas obtidos pela cokrigagem ordinria a partir das diferentes vizinhanas
tanto no caso de isotopia (Figura 11 A a H) quanto de heterotopia (Figura 11 I a P).

76

Z*(x) por cko1

5

10

15

20

Z*(x) por cko2

A
25

30

30

5
30

20

Z*(x) por cko3

B
25

30

10

15

20

C
25

30

30

30

30

rho = 0.686

rho = 0.694
25

20

20

20

20

20

20

15

15

15

15

15

15

10

10

10

10

10

10

10

15

20

25

30

10

Z*(x) por cko1

10

15

20

5
30

20

15

15

10

10

20

10

25

30

15

20

25

30

25

30

Z*(x) por cko3

Z*(x) por cko6

10

15

20

25

30

30

rho = 0.686

10

15

20

30

30

rho = 0.690

25

25

25

25

20

20

20

20

15

15

15

15

10

10

10

10

10

15

20

Z*(x) por cko5

25

30

Z(x)

20

15

30

Z(x)

25

Z(x)

25

Z(x)

rho = 0.700

Z*(x) por cko4

25

30
30

10

20

Z*(x) por cko5

D
25

30

15

Z*(x) por cko2

Z*(x) por cko4

5

Z(x)

Z(x)

25

Z(x)

25

Z(x)

25

Z(x)

25

Z(x)

25

Z(x)

15

30

rho = 0.682

Z(x)

10

10

15

20

25

30

Z*(x) por cko6

Figura 11. Diagrama de disperso entre valores amostrais de porosidade e estimados por cko (A, B, C, D, E, F, G, H), ckohetero (I, J, K, L, M, N, O, P), coc
(Q) e kde (R).

77

Z*(x) por cko7

Z*(x) por cko8

Z*(x) por ckohetero1

G
10

15

20

25

30

30

30

20

25

20

20

15

15

15

15

10

10

10

10

Z(x)

20

15

20

25

30

10

15

20

30

25

25

25

20

20

15

15

10

10

30

10

15

20

25

30

25

30

Z*(x) por cko8

Z*(x) por ckohetero2

10

20

30

Z*(x) por ckohetero1

Z*(x) por cko7

15

I
25

20

Z*(x) por ckohetero3

J
25

30

30

5
30

10

15

20

Z*(x) por ckohetero4

K
25

30

30

10

15

20

30

30

rho = 0.575

30

rho = 0.614

rho = 0.575
25

20

20

20

20

20

20

15

15

15

15

15

15

10

10

10

10

10

10

10

15

20

Z*(x) por ckohetero2

25

30

10

15

20

Z*(x) por ckohetero3

25

30

Z(x)

25

Z(x)

25

Z(x)

25

Z(x)

25

Z(x)

25

Z(x)

20

Z(x)

25

Z(x)

25

10

15

rho = 0.546

25

10

30

30

25

30

rho = 0.709

Z(x)

15

30

rho = 0.699

Z(x)

10

Z(x)

10

15

20

25

30

Z*(x) por ckohetero4

Figura 11 (continuao). Diagrama de disperso entre valores amostrais de porosidade e estimados por cko (A, B, C, D, E, F, G, H), ckohetero (I, J, K, L, M,
N, O, P), coc (Q) e kde (R).

78

Z*(x) por ckohetero5

5

10

15

20

Z*(x) por ckohetero6

M
25

30

30

5
30

20

Z*(x) por ckohetero7

N
25

30

10

15

20

O
25

30

30

30

30

rho = 0.579

rho = 0.614
25

25

20

20

20

20

20

20

15

15

15

15

15

15

10

10

10

10

10

10

10

15

20

25

30

15

20

10

15

20

25

30

Z*(x) por ckohetero6

Z*(x) por ckohetero8

10

Z*(x) por ckohetero5

Z(x)

25

Z(x)

25

30

30

30

10

15

20

15

20

25

30

25

30

Z*(x) por kde8

Q
25

30

30

5
30

rho = 0.579

10

Z*(x) por ckohetero7

Z*(x) por coc

P
25

10

15

20

30

30

rho = 0.702

rho = 0.709

25

20

20

20

20

20

20

15

15

15

15

15

15

10

10

10

10

10

10

10

15

20

Z*(x) por ckohetero8

25

30

10

15

20

Z*(x) por coc

25

30

Z(x)

25

Z(x)

25

Z(x)

25

Z(x)

25

Z(x)

25

Z(x)

25

Z(x)

25

Z(x)

Z(x)

15

30

rho = 0.542

Z(x)

10

10

15

20

25

30

Z*(x) por kde8

Figura 11 (continuao). Diagrama de disperso entre valores amostrais de porosidade e estimados por cko (A, B, C, D, E, F, G, H), ckohetero (I, J, K, L, M,
N, O, P), coc (Q) e kde (R).

79

Em todos os diagramas, a maior densidade de pontos na poro superior

direita indica que a assimetria negativa da distribuio de freqncias da porosidade
foi mantida. A disperso dos pontos mostra que valores foram subestimados ou
superestimados pela cko (Figura 11 A a H), coc (Figura 11 Q) e kde (Figura 11 R).
Por outro lado, os pontos esto mais dispersos nos diagramas referentes s
estimativas obtidas por ckohetero (Figura 11 I a P).
Convm mencionar que os resultados da validao cruzada foram utilizados
para avaliar a preciso local das estimativas, porque a avaliao desta caracterstica
por meio de diagramas de disperso entre todos os valores reais e estimados de
porosidade no pde ser realizada, uma vez que no se dispe das medidas
daqueles nos pontos da malha estimada. Os resultados obtidos podem ser
considerados satisfatrios, sobretudo para a amostragem isotpica, uma vez que os
poos so escassos em ambas amostragens e tm distribuio espacial esparsa.

5.4. ANLISE DAS CO-ESTIMATIVAS

Em relao s estatsticas dos dados isotpicos regularizados de porosidade

(Tabela 3), os valores de mdia, desvio padro e mediana, obtidos pela cko, coc,
cocmm1 e pela kde (Tabela 6), so sempre menores. Os valores de mdia e de
mediana que mais se aproximam dos respectivos valores amostrais foram obtidos
pela kde, enquanto que o desvio padro mais prximo foi obtido pela cocmm1.

80

Tabela 6. Estatsticas descritivas das estimativas feitas por cko, coc, cocmm1 e kde.

cko1

cko2

cko3

cko4

cko5

cko6

cko7

cko8

coc

cocmm1

kde

107665

56048

107665

56048

107665

56048

107665

56048

56048

73494

52608

Mdia (%)

15.49

16.20

15.60

16.20

15.48

16.24

15.59

16.21

16.25

15.81

16.60

Desvio Padro (%)

4.37

4.61

4.24

4.53

4.14

4.42

4.01

4.40

4.37

4.94

4.21

Coeficiente de Variao

0.282

0.284

0.272

0.280

0.267

0.272

0.257

0.271

0.269

0.312

0.253

Mediana (%)

15.63

16.62

15.84

16.81

15.54

16.58

15.78

16.77

16.80

16.24

17.70

Mnimo (%)

4.85

5.09

4.85

5.09

4.85

5.10

4.85

5.10

5.09

1.25

5.64

Mximo (%)

25.18

25.18

25.59

25.70

25.14

25.14

25.68

25.76

25.76

29.79

24.31

N de dados

81

Ainda com relao mdia, desvio padro e mediana, observa-se que os

resultados obtidos pelos quatro mtodos no apresentam discrepncias entre si,
sendo pequenas as variaes entre os mesmos. Algumas tendncias, entretanto,
podem ser observadas para os resultados da cko. O exemplo mais notvel a
influncia dos raios de busca sobre os resultados j que os maiores valores das
estatsticas em questo esto sempre associados s vizinhanas com menores raios
de busca. A diminuio do desvio padro e o aumento da mediana ao se utilizar
vizinhanas com duas amostras por setor e a reduo dessas mesmas estatsticas
ao aumentar o nmero de setores de busca constituem outras tendncias
observadas nos resultados.
exceo dos resultados obtidos pela cocmm1, os valores de mnimo e
mximo obtidos pelos demais mtodos so respectivamente maiores e menores que
os apresentados pelos dados isotpicos. Esse resultado reflete o problema da
suavizao das estimativas comum aos mtodos baseados na frmula da mdia
ponderada. No caso da cocmm1, os valores de mnimo e mximo dos dados
amostrais foram extrapolados devido influncia da impedncia acstica cuja
varincia estatstica maior do que a da porosidade.
Comparando-se os resultados obtidos pela ckohetero (Tabela 7) com as
estatsticas descritivas dos dados heterotpicos regularizados (Tabela 3), verifica-se
novamente que os valores de mdia, desvio padro e mediana so sempre
menores. Contudo, no caso da mdia e da mediana, esses valores so mais
prximos dos respectivos valores amostrais quando comparados com os resultados
obtidos pela cko.

82

Tabela 7. Estatsticas descritivas das estimativas feitas por ckohetero.

ckohetero1 ckohetero2 ckohetero3 ckohetero4 ckohetero5 ckohetero6 ckohetero7 ckohetero8

N de dados

72017

38707

75086

39834

73604

39204

75146

39848

Mdia (%)

17.56

17.89

17.60

17.87

17.74

17.98

17.72

17.91

Desvio Padro (%)

4.22

4.65

4.00

4.37

3.87

4.43

3.69

4.22

Coeficiente de Variao

0.241

0.260

0.227

0.245

0.218

0.246

0.208

0.236

Mediana (%)

18.35

19.37

18.42

19.02

18.26

19.18

18.33

18.99

Mnimo (%)

4.54

5.64

4.94

5.64

5.00

5.64

5.25

5.64

Mximo (%)

24.88

24.89

24.76

24.76

24.76

24.76

24.76

24.76

83

Os valores de mdia, desvio padro e mediana tambm variam pouco com a

utilizao das diferentes vizinhanas. No entanto, observando-se o efeito isolado de
cada parmetro de busca por amostras, algumas tendncias podem ser descritas.
Dessa maneira, nota-se primeiramente que os maiores valores de mdia, mediana e
desvio padro resultaram da utilizao de vizinhanas caracterizadas por menores
raios de busca. Verifica-se tambm que os valores de desvio padro so maiores
quando se considera uma amostra por setor e que o efeito do nmero de amostras
por setor sobre os valores de mediana depende do raio de busca utilizado. Assim,
comparando-se vizinhanas com mesmo raio de busca e nmero de setores, ocorre
aumento ou diminuio da mediana se os raios de busca forem maiores ou
menores, respectivamente.
Os valores de mximo e mnimo (Tabela 7) so respectivamente menores e
maiores que aqueles apresentados pelos dados heterotpicos regularizados,
novamente indicando subestimativa dos valores mais altos e superestimativa dos
valores mais baixos.
A ausncia de estimativas negativas na cokrigagem ordinria (Tabelas 6 e 7)
deve-se aos parmetros de vizinhana utilizados cuja definio foi feita de modo a
restringir o nmero de amostras secundrias. Dessa forma, conseguiu-se reduzir a
grande quantidade de pesos negativos que usualmente resultam da resoluo do
sistema de cokrigagem ordinria.
As estimativas obtidas pela cko e ckohetero a partir das diferentes vizinhanas
apresentam comportamento geral muito semelhante que se traduz por estimativas
mais exatas da cauda inferior das distribuies amostrais e pela predominncia de
subestimativas (Figura 12 A P).

84

15

20

25

10

25

20

20

20

20

15

15

15

15

10

10

10

10

Porosidade

25

5
10

15

20

25

5
5

10

cko1

10

15

15

20

25

20

25

cko2

cko3
5

cko4

C
20

25

10

15

25

20

20

20

20

15

15

15

15

10

10

10

10

Porosidade

25

5
10

15

20

5
5

25

10

cko3

10

15

15

20

25

20

25

cko4

cko5
5

cko6

E
20

25

10

15

25

20

20

20

20

15

15

15

15

10

10

10

10

5
10

15

20

25

cko5

Porosidade

25

Porosidade

25

Porosidade

25

Porosidade

25

Porosidade

25

Porosidade

25

Porosidade

B
20

25

Porosidade

15

25

Porosidade

Porosidade

10

cko2

cko1
5

5
5

10

15

20

25

cko6

Figura 12. Diagrama Q-Q entre valores amostrais de porosidade e estimados por cko (A a H),
ckohetero (I a P), coc (Q), cocmm1 (R) e por kde (S).

85

cko7
10

15

cko8

G
20

25

10

25

20

20

20

20

15

15

15

15

10

10

10

10

Porosidade

25

5
10

15

20

25

5
5

10

cko7

10

15

15

20

25

20

25

cko8

ckoheter2

ckoheter1
5

20

25

10

15

25

20

20

20

20

15

15

15

15

10

10

10

10

Porosidade

25

5
10

15

20

25

5
5

10

ckoheter1

10

15

15

20

25

20

25

ckoheter2

ckoheter3
5

ckoheter4

K
20

25

10

15

25

20

20

20

20

15

15

15

15

10

10

10

10

5
10

15

20

Porosidade

25

25

ckoheter3

Porosidade

25

Porosidade

25

Porosidade

25

Porosidade

25

Porosidade

25

Porosidade

H
20

25

Porosidade

15

25

Porosidade

Porosidade

5
5

10

15

20

25

ckoheter4

Figura 12 (continuao). Diagrama Q-Q entre valores amostrais de porosidade e estimados por cko
(A a H), ckohetero (I a P), coc (Q), cocmm1 (R) e por kde (S).

86

ckoheter5
10

15

ckoheter6

M
20

25

10

25

20

20

20

20

15

15

15

15

10

10

10

10

Porosidade

25

5
10

15

20

5
5

25

10

ckoheter7
10

15

15

20

25

ckoheter6

ckoheter5

ckoheter8

O
20

25

10

15

P
20

25

25

20

20

20

20

15

15

15

15

10

10

10

10

Porosidade

25

5
10

15

20

25

5
5

10

ckoheter7

10

15

15

20

25

20

25

ckoheter8

coc8
5

cocmm1

Q
20

25

10

15

25

20

20

20

20

15

15

15

15

10

10

10

10

5
10

15

20

Porosidade

25

Porosidade

25

Porosidade

25

Porosidade

25

Porosidade

25

Porosidade

25

Porosidade

N
20

25

Porosidade

15

25

Porosidade

Porosidade

25

coc8

5
5

10

15

20

25

cocmm1

Figura 12 (continuao). Diagrama Q-Q entre valores amostrais de porosidade e estimados por cko
(A a H), ckohetero (I a P), coc (Q), cocmm1 (R) e por kde (S).

87

kde
5

10

15

S
20

25

25

25

20

20

Figura 12 (continuao). Diagrama Q-Q entre

Porosidade

Porosidade

valores amostrais de porosidade e estimados por

15

15

10

10

cko (A a H), ckohetero (I a P), coc (Q), cocmm1

(R) e por kde (S).

5
5

10

15

20

25

kde

No caso da cko, os resultados podem ser divididos em dois grupos. O primeiro

constitudo pelas estimativas obtidas considerando vizinhanas com maiores raios
de busca (Figura 12 A, C, E, G), as quais se encontram mais distantes dos valores
amostrais relativamente s estimativas que foram obtidas mediante utilizao de
vizinhanas com menores raios de busca e que constituem o segundo grupo (Figura
12 B, D, F, H). Comparando-se os resultados em cada grupo, verifica-se ainda que a
principal diferena ocorre quando se estima valores mais baixos. No primeiro grupo,
essa diferena mais perceptvel j que valores baixos so subestimados em
alguns casos (Figura 12 A, C) e superestimados em outros (Figura 12 E, G).
Os resultados obtidos pela ckohetero (Figura 12 I P) encontram-se mais
prximos dos amostrais do que os anteriores (Figura 12 A H). Observa-se que
ocorre melhor ajuste das estimativas reta quando as mesmas so obtidas a partir
da utilizao de vizinhanas com menores raios de busca (Figura 12 J, L, N, P), pois
nesses casos apenas a poro superior dos valores estimados encontra-se distante
da reta de referncia. No caso das estimativas obtidas considerando vizinhanas
mais abrangentes (Figura 12 I, K, M, O), a poro inferior e a intermediria no se
ajustam reta, havendo inclusive superestimativa de valores amostrais mais baixos.

88

As estimativas da coc e cocmm1 (Figura 12 Q e R respectivamente) e da kde

(Figura 12 S) apresentam comportamento semelhante queles exibidos pelas
estimativas da cko. Um maior nmero de estimativas da cauda inferior da
distribuio amostral aproximou-se da reta de referncia com a aplicao da kde,
mas esse resultado praticamente inexpressivo quando se analisa todas as
estimativas. A cocmm1 obteve, por sua vez, melhor aderncia das estimativas da
cauda superior da distribuio reta de referncia comparativamente aos outros
mtodos citados nesse pargrafo.
Os coeficientes de correlao entre as estimativas de porosidade e as medidas
de impedncia acstica do cubo ssmico so muito baixos (Tabela 8) e inferiores
quele calculado a partir dos dados no regularizados dos poos. Esse ltimo, no
entanto, foi obtido considerando os dados de impedncia acstica resultantes da
interpolao tri-linear e, portanto, no reflete uma situao real.
Dentre todos os mtodos, a cocmm1 apresentou coeficiente de correlao mais
elevado e prximo ao amostral conforme se esperava, pois esse mtodo no
considerou os dados interpolados de impedncia. O coeficiente obtido pela coc, por
sua vez, muito prximo daqueles obtidos pela cko e ckohetero certamente em
decorrncia da utilizao dos dados interpolados de impedncia no clculo dos
variogramas cruzados. Esperava-se obter melhor resultado com a aplicao da coc,
pois segundo Watanabe et al. (2009) esse mtodo preserva a correlao inicial entre
as variveis primria e secundria at mesmo quando essa correlao baixa.
As correlaes obtidas pela cko e ckohetero variam pouco com a utilizao das
diferentes vizinhanas, mas pode-se observar tendncia quase geral de aumento
das correlaes quando se utiliza vizinhanas com maiores raios de busca, nmero
de setores ou de amostras por setor. Alm disso, ao se comparar os resultados para

89

uma mesma vizinhana, o coeficiente tende a ser maior quando se aplica a

ckohetero.

Tabela 8. Coeficientes de correlao entre dados estimados de porosidade e impedncia acstica

amostral.

Mtodo

Vizinhana

Coeficiente de Correlao

cko

1
2
3
4
5
6
7
8

-0.129
-0.112
-0.139
-0.125
-0.143
-0.113
-0.141
-0.125

ckohetero

1
2
3
4
5
6
7
8

-0.135
-0.144
-0.181
-0.163
-0.140
-0.136
-0.193
-0.165

coc

-0.130

cocmm1

-1

-0.374

kde

-0.049

Finalmente, o menor valor de correlao foi obtido pela kde, pois nesse caso as
estimativas so calculadas apenas a partir das medidas da varivel primria,
enquanto as da secundria apenas influenciam os pesos provenientes da resoluo
de seu sistema de equaes. O desempenho da kde est de acordo com o resultado
obtido por Watanabe et al. (2009).

Co-estimativas realizadas utilizando raios de busca iguais a 2000 m (em u), 860 m (em v) e 34 m
(em w), 4 setores de busca e 1 amostra por setor.

90

Os modelos de blocos das co-estimativas de porosidade por cko, ckohetero,

coc, cocmm1 e kde encontram-se na Figura 13. No caso da cko e ckohetero so
apresentados apenas os modelos gerados com base, respectivamente, nas
vizinhanas 8 e 7 visto que as maiores correlaes entre co-estimativas e
porosidade amostral resultaram da utilizao das mesmas.
Observa-se, em todos os casos, que h predominncia de valores de
porosidade baixos a intermedirios e que as porosidades mais elevadas no
afloram, exceto nos mtodos da ckohetero e cocmm1 onde porosidades elevadas
podem ser observadas a norte no primeiro caso e a sul e a oeste no segundo.
Destaca-se tambm que as porosidades estimadas por cocmm1 so aquelas que
apresentam maior heterogeneidade espacial, caracterizada pela mistura de valores
de porosidades a pequenas distncias. As formas ovaladas das distribuies
espaciais de valores semelhantes de porosidade podem ser explicadas pela
escassez de informaes que acaba por gerar efeito de propagao de valores nas
estimativas, independentemente do mtodo utilizado.

91

Estimativa por cokrigagem ordinria a partir dos dados isotpicos

Porosidade (%)

0.07 a 4.25
4.26 a 8.43
8.44 a 12.61
12.62
16.81
20.99
25.17

a
a
a
a

16.80
20.98
25.16
29.34

29.35 a 33.63

-300
0
3575
00

-3000

3550
00

00
5200

3525
00

500
7517

1:35000
500
1000

1500

Estimativa por cokrigagem ordinria a partir dos dados heterotpicos

Porosidade (%)

0.07 a 4.25
4.26 a 8.43
8.44 a 12.61
12.62
16.81
20.99
25.17

a
a
a
a

16.80
20.98
25.16
29.34

29.35 a 33.63

-300
0
3575
00

-3000

3550
00

7520

000

3525
00

500
7517

1:35000
500
1000

1500

Estimativa por cokrigagem colocalizada

Porosidade (%)

0.07 a 4.25
4.26 a 8.43
8.44 a 12.61
12.62
16.81
20.99
25.17

a
a
a
a

16.80
20.98
25.16
29.34

29.35 a 33.63

-300
0
3575
00

-3000

3550
00

000
7520

3525
00

500
7517

1:35000
500
1000

1500

Figura 13. Estimativas de porosidade por cko, ckohetero, coc, cocmm1 e kde em todo o Campo de
Namorado.

92

Estimativa por cokrigagem colocalizada com Modelo de Markov 1

Porosi dade (%)

0.07 a 4.25
4.26 a 8.43
8.44 a 12.61
12.62
16.81
20.99
25.17

a
a
a
a

16.80
20.98
25.16
29.34

29.35 a 33.63

-300
0
3575
00

-3000

3550
00

000
7520

3525
00

500
7517

1:35000
500
1000

1500

Estimativa por krigagem com deriva externa

Porosi dade (%)

0.07 a 4.25
4.26 a 8.43
8.44 a 12.61
12.62
16.81
20.99
25.17

a
a
a
a

16.80
20.98
25.16
29.34

29.35 a 33.63

-300
0
3575
00

-3000

3550
00

0
7520

00

3525
00

500
7517

1:35000
500
1000

1500

Figura 13 (continuao). Estimativas de porosidade por cko, ckohetero, coc, cocmm1 e kde em todo
o Campo de Namorado.

O contedo apresentado na prxima seo corresponde a um estudo adicional

proposto para os dados do Campo de Namorado tendo em vista as limitaes
encontradas na base de dados que restringiram bastante a anlise dos resultados.

93

5.5. INTEGRAO ENTRE DADOS FACIOLGICOS E

PETROFSICOS

Ao longo dos poos esto presentes quatro fcies designadas por 1, 2, 3 e 4.

Monteiro (2005) descreve as fcies 1 e 2 como rochas reservatrio, a primeira sendo
caracterizada por rochas porosas e permeveis e a segunda, por rochas menos
porosas e permeveis. Ainda segundo este autor, as fcies 3 e 4 constituem rochas
selantes, diferenciadas pela continuidade, menor na segunda.
Como os dados de fcies so discretos, os mesmos no foram regularizados,
pois valores no inteiros tambm resultariam da regularizao, o que no condiz
com a realidade j que no possvel uma amostra apresentar fcies intermediria
s mencionadas. A transformao binria dos dados das fcies consistiu em atribuir
valor 1 para ocorrncia e 0 para ausncia de determinada fcies. Dessa
transformao

resultaram

quatro

variveis

indicadoras

cujos

variogramas

experimentais (Figura 14) foram calculados segundo os parmetros especificados na

Tabela 9. Aos variogramas obtidos foram ajustados os modelos tericos da Tabela
10.

94

Distncia (m)
0

1000

2000

3000

Distncia (m)
0

4000

0.25

10

20

A
30

0.25

0.25

0.25

0.15

0.15

0.10

0.10

0.05

0.05

1000

2000

3000

4000

2000

3000

0.10

0.10

0.05

0.05

10

20

0.00

30

Distncia (m)
0

10

20

30

D-90

0.15

2000

3000

4000

1000

2000

3000

0.10

0.05

0.05

0.00

0.00

Distncia (m)
Distncia (m)

0.10

10

20

0.00

30

Distncia (m)
Distncia (m)

C
4000

10

20

C
30

0.25

0.25

0.20

N0
0.15

D-90

0.05

1000

2000

3000

4000

Distncia (m)
Distncia (m)
0

1000

2000

3000

0.20

D-90
0.15

0.15

0.10

0.10

0.05

0.05

0.05

0.00

0.00

0.15

0.10

0.20

0.10

10

20

0.00

30

Distncia (m)
Distncia (m)

D
0

4000

10

20

D
30

0.04

0.04

0.03

0.03

0.02

0.02

0.01

0.01

0.01

0.00

0.00

0.03

0.02

D-90

0.01

0.00

1000

2000

3000

Distncia (m)

4000

D-90
0.04

N0
0.03

Varincia espacial (facies4)

0.04

0.05

0.02

10

20

30

Varincia espacial (facies4)

0.05

Varincia espacial (facies4)

Varincia espacial (facies4)

0.05
0.05

Varincia espacial (facies3)

0.20

Varincia espacial (facies3)

0.25

Varincia espacial (facies3)

Varincia espacial (facies3)

0.25

Varincia espacial (facies2)

1000

Varincia espacial (facies2)

0.05

0.00

0.15

0.15

0.05

0.15

0.10

0.15

4000

0.10

0.00

0.20

Distncia (m)

N0

D-90

0.15
Varincia espacial (facies2)

1000

0.20

0.00

0.00

Distncia (m)
Distncia (m)

Varincia espacial (facies2)

0.00

Varincia espacial (facies1)

0.20

Varincia espacial (facies1)

0.20

Varincia espacial (facies1)

Varincia espacial (facies1)

D-90

0.00

Distncia (m)

Figura 14. Variogramas experimentais calculados para as fcies 1 (A, A), 2 (B, B), 3 (C, C) e 4 (D,
D). esquerda so apresentadas as duas direes de clculo e direita apenas a vertical para
melhor visualizao.

95

Tabela 9. Parmetros utilizados para clculo dos variogramas experimentais das fcies 1, 2, 3 e 4.

Fcies 1
Direo
Tolerncia angular
N de passos
Passo (m)

Fcies 2

Fcies 3

Fcies 4

0/0

0/90

0/0

0/90

0/0

0/90

0/0

0/90

90

30

90

30

90

30

90

30

30

30

30

30

500

500

500

500

96

Tabela 10. Parmetros dos modelos ajustados aos variogramas experimentais das fcies 1, 2, 3 e 4.

Estrutura

Modelo

Amplitude u (m)

Amplitude v (m)

Amplitude w (m)

Patamar

Fcies 1

1
2
3
4

Efeito Pepita
Esfrico
Esfrico
Esfrico

650
1300
1700

650
1300
1700

22
30
-

0.11
0.21
0.232
0.2385

Fcies 2

1
2
3
4

Efeito Pepita
Exponencial
Exponencial
Exponencial

600
700
1700

600
700
1700

7.5
29
-

0.075
0.135
0.155
0.16

Fcies 3

1
2
3

Efeito Pepita
Exponencial
Exponencial

700
1750

700
1750

26
-

0.05
0.19
0.239

Fcies 4

1
2
3
4

Efeito Pepita
Exponencial
Exponencial
Exponencial

750
800
1100

750
800
1100

4
16
-

0.026
0.042
0.0436
0.0473

97

Em todos os variogramas, no foi observada anisotropia no plano horizontal,

tendo sido calculado variograma omnidirecional. Porm, o domnio apresenta
anisotropia quando se compara o variograma horizontal com o vertical conforme
pode ser observado na Figura 14 A, B, C e D. Os valores de amplitude e patamar
so sempre menores para a direo vertical (Figura 14 A, B, C, D), o que indica
dependncia espacial a menores distncias e maior homogeneidade dos dados
nessa direo.
As medidas de porosidade e permeabilidade foram agrupadas de acordo com
as informaes de fcies. O agrupamento consistiu em selecionar as medidas de
porosidade e permeabilidade pertencentes s amostras em que determinada fcies
ocorre. Apenas para exemplificar, se a fcies 1 ocorre na primeira, vigsima e
centsima amostras, ento as medidas de porosidade e permeabilidade dessas
mesmas amostras so selecionadas, pois so consideradas como pertencentes
fcies 1. Esse procedimento foi realizado para as quatro fcies, resultando em oito
variveis, quatro com seleo dos dados de porosidade e quatro com os de
permeabilidade.
Em seguida, foram calculados os variogramas experimentais para as oito
variveis (Figuras 15 e 16) de acordo com os parmetros da Tabela 11. As
caractersticas dos modelos tericos ajustados a esses variogramas experimentais
encontram-se na Tabela 12. Novamente, os variogramas experimentais so
omnidirecionais no plano horizontal, mas exibem anisotropia considerando-se a
direo vertical. Essa apresenta menores amplitudes em todos os variogramas,
indicando que, independente da fcies, tanto as medidas de porosidade quanto as
de permeabilidade so correlacionveis a menores distncias nessa direo.

98

Distncia (m)
1000

2000

3000

0
9

D-90

10

20

30

40

50

60

70
9
8

D-90

1000

2000

3000

4000

10

20

Distncia (m)

1000

2000

3000

30

40

50

60

70

60

70

4000

10

20

30

40

50

15

D-90
5

1000

2000

3000

4000

1000

2000

3000

20

20

D-90
10

Varincia espacial

30

3000

1000

2000

3000

4000

10

20

60

70

30

40

50

C
10
9
8

7
6

D-90

10

20

30

40

50

60

70

60

70

10

10

4000

Varincia espacial

20

D-90

10

20

30

40

50

40

40

30

30

20

D-90

10

Distncia (m)

20

Varincia espacial

20

Varincia espacial

30

Distncia (m)
0

N0

3000

70

4000

30

2000

60

40

1000

50

Distncia (m)

40

40

Distncia (m)
Distncia (m)
0

30

10

2000

20

Varincia espacial

N0
30

1000

10

Distncia (m)
10

40

C
4000

Varincia espacial

Varincia espacial

10

Distncia (m)

40

10

Distncia (m)
Distncia (m)

Varincia espacial

10

Varincia espacial

N0
10

15

D-90

15

Varincia espacial

Varincia espacial

15

Distncia (m)
Distncia (m)

Distncia (m)
0

Varincia espacial

Varincia espacial

N0

Varincia espacial

Distncia (m)

4000

Varincia espacial

Varincia espacial

10

10

20

30

40

50

60

70

Distncia (m)

Figura 15. Variogramas experimentais calculados para os dados de porosidade separados conforme
as fcies 1 (A-A), 2 (B-B), 3 (C-C) e 4 (D-D). esquerda so apresentadas as duas direes de
clculo e direita apenas a vertical para melhor visualizao.

99

Distncia (m)
0

1000

2000

3000

200000

Distncia (m)
0

4000

200000

10

20

30

40

50

60

70

200000

200000

100000

100000

N0
50000

Varincia espacial

150000

50000

1000

2000

3000

4000

150000

150000

100000

100000

50000

50000

10

20

Distncia (m)

1000

2000

3000

50

60

70

60

70

4000

3000

D-90

2000

Varincia espacial

3000

10

20

30

40

50

4000

4000

3000

3000

2000

2000

D-90

1000
1000

1000

2000

3000

4000

1000

2000

3000

0
6000

5000

5000

5000

3000

4000

3000

N0

1000

2000

1000

1000

2000

3000

4000

Distncia (m)
Distncia (m)
0

1000

2000

3000

10

15

20

D-90

5000

3000

3000

2000

2000

1000

1000

10

15

20

10

20

30

40

50

D
60

70

60

50

50

50

40

40

30

30

20

20

Varincia espacial

60

30

N0

70

60

40

30

60

Distncia (m)
Distncia (m)

Varincia espacial

40

50

6000

D-90

20

50

40

4000

4000

60

30

4000

Varincia espacial

20

Varincia espacial

D-90

Varincia espacial

6000

2000

10

C
4000

6000

4000

Distncia (m)
Distncia (m)

Varincia espacial

Varincia espacial

Varincia espacial

1000

1000

Distncia (m)
Distncia (m)

Varincia espacial

N0

Varincia espacial

Varincia espacial

5000

2000

40

Distncia (m)

4000

5000

4000

30

Distncia (m)

Distncia (m)
0

Varincia espacial

D-90
150000

Varincia espacial

Varincia espacial

D-90

20

D-90
10

10

1000

2000

3000

Distncia (m)

4000

10

10

10

20

30

40

50

60

70

Distncia (m)

Figura 16. Variogramas experimentais calculados para os dados de permeabilidade separados

conforme as fcies 1 (A-A), 2 (B-B), 3 (C-C) e 4 (D-D). esquerda so apresentadas as duas
direes de clculo e direita apenas a vertical para melhor visualizao.

100

Tabela 11. Parmetros para clculo dos variogramas experimentais de porosidade e permeabilidade para as fcies 1, 2, 3 e 4.
Porosidade
Fcies 1

Fcies 2

Permeabilidade
Fcies 3

Fcies 4

Fcies 1

Fcies 2

Fcies 3

Fcies 4

Direo

0/0

0/90

0/0

0/90

0/0

0/90

0/0

0/90

0/0

0/90

0/0

0/90

0/0

0/90

0/0

0/90

Tol. Ang.

90

30

90

30

90

30

90

30

90

30

90

30

90

30

90

30

N passos

60

60

60

60

60

60

10

60

Passo (m)

500

500

500

500

500

500

500

500

101

Tabela 12. Parmetros dos modelos ajustados aos variogramas experimentais de porosidade e permeabilidade para as fcies 1, 2, 3 e 4.
Estrutura

Modelo

Amplitude u (m)

Amplitude v (m)

Amplitude w (m)

Patamar

Fcies 1

1
2

Efeito Pepita
Esfrico

1000

1000

28

4.8
7.86

Fcies 2

1
2
3

Efeito Pepita
Esfrico
Esfrico

1000
1350

1000
1350

18
-

7.9
12.5
15.8

Fcies 3

1
2
3
4

Efeito Pepita
Esfrico
Esfrico
Esfrico

600
750
1300

600
750
1300

13
-

2
4
30
36.1

Fcies 4

1
2
3

Efeito Pepita
Esfrico
Esfrico

450
-

450
-

10
25

5
23.8
28

Fcies 1

1
2
3

Efeito Pepita
Esfrico
Esfrico

1300
-

1300
-

31
33

55000
175600
205600

Fcies 2

1
2
3

Efeito Pepita
Esfrico
Esfrico

1000
1640

1000
1640

6
-

390
1040
4140

Fcies 3

1
2
3

Efeito Pepita
Esfrico
Esfrico

750
-

750
-

1
4

1407
2407
4307

Fcies 4

1
2
3

Efeito Pepita
Esfrico
Esfrico

744.21
-

744.21
-

6
9

8
13
23

Porosidade

Permeabilidade

102

Com relao aos valores de patamar, observa-se que no h comportamento

nico tal como ocorre com os valores de amplitude. No caso da porosidade, as
diferenas entre os patamares das direes horizontal e vertical so pequenas,
exceto para a porosidade da fcies 3. O patamar da direo vertical coincide com o
da horizontal no variograma da porosidade da fcies 1 (Figura 15 A), mostrando que
a homogeneidade dessa varivel nessa fcies independe da direo. Por outro lado,
a porosidade da fcies 2 (Figura 15 B) e a da fcies 3 (Figura 15 C) mostram-se
mais homogneas na direo vertical (menor patamar), enquanto a da fcies 4
(Figura 15 D) apresenta-se mais heterognea nessa mesma direo (maior
patamar).
No caso da permeabilidade, os patamares das direes horizontal e vertical so
bastante discrepantes apenas para as fcies 2 (Figura 16 B) e 3 (Figura 16 C).
exceo do variograma da permeabilidade da fcies 2, o patamar da direo vertical
superior ao da horizontal nos variogramas das permeabilidades das demais fcies
(Figura 16 A, C e D), mostrando que para essas fcies a varivel em questo mais
heterognea naquela direo.
Aps anlise geoestatstica dos dados, as estimativas das fcies foram obtidas
por krigagem de indicadoras e as de porosidade e permeabilidade por krigagem
ordinria. As vizinhanas utilizadas em cada caso encontram-se especificadas na
Tabela 13. Observa-se que uma mesma vizinhana foi utilizada para todas as fcies
e que a mesma se caracteriza por raios de busca muito maiores do que as
amplitudes dos variogramas, pois o objetivo foi estimar o maior nmero possvel de
blocos. J para porosidade e permeabilidade foram utilizadas vizinhanas baseadas
em raios de busca iguais s amplitudes dos variogramas de modo a garantir
correlao espacial entre as amostras selecionadas e o ponto estimado e para obter

103

um nmero maior de estimativas. O modelo de blocos estimado foi determinado a

partir das caractersticas do cubo ssmico e igual ao descrito no captulo IV.
A distribuio espacial das fcies no Campo de Namorado (Figuras 17 e 18) foi
finalmente obtida aps atribuir o valor da fcies com maior probabilidade de
ocorrncia a cada bloco estimado. No programa utilizado esse procedimento foi
realizado por meio da seguinte funo interna

v5 = if else (v1 > v2 & v1 > v3 & v1 > v4, 1, if else (v2 > v1 & v2 > v3 & v2 > v4, 2, if
else (v3 > v1 & v3 > v2 & v3 > v4, 3, if else (v4 > v1 & v4 > v2 & v4 > v3, 4, ffff)))).

em que v1, v2, v3, v4 correspondem s probabilidades de ocorrncia das fcies 1, 2,

3, 4 e v5 a fcies atribuda a cada bloco.
Verifica-se que as fcies 1 e 2 (Figura 17) distribuem-se preferencialmente na
direo NE-SW, o que est de acordo com Souza Jr. (19972 apud Cruz, 2003)
segundo o qual as trapas de leo no Campo de Namorado apresentam estrutura ao
longo da direo NW-SE e os hidrocarbonetos acumulam-se na direo NE-SW.
Outra caracterstica observada na distribuio dessas duas fcies, sobretudo da
fcies 1, o aspecto bastante fragmentado configurando diversos nveis de
ocorrncia que se intercalam entre si e com nveis, tambm descontnuos, da fcies
4 (Figura 18). A intercalao entre fcies reservatrio e fcies selante est de acordo
com o padro descrito por alguns autores (Meneses & Adams, 1990; Lima, 2004)
para o Campo de Namorado, caracterizado por intercalao do arenito reservatrio
com margas e folhelhos. A fcies 3 foi suprimida da Figura 18 j que sua distribuio

SOUZA JR O. G. 1997. Stratigraphie Squentielle et Modlisation Probabiliste des Rservoirs dun

Cne Sous-marin Profond (Champ de Namorado, Brsil). Intgration ds Donnes Gologiques.
Thse de Doctorat. Universit Paris. 128 pp.

104

ampla e contnua em todo o campo (Figura 17) dificultaria a visualizao das

relaes entre as demais fcies.

105

Tabela 13. Parmetros de vizinhana para estimativa das fcies, porosidade e permeabilidade.

Fcies

Raio em u

Raio em v

Raio em w

Setores

Amostras / setor

Mnimo de amostras

5000 m

5000 m

500 m

Porosidade

iguais s amplitudes dos variogramas

Permeabilidade

iguais s amplitudes dos variogramas

106

Facies

Facies

AUSENT E

AUSENTE

Facies 1

Facies 1

Facies 2

Facies 2

Facies 3

Facies 3

Facies 4

-300

Facies 4

-300
0
3575
00

0
-300

3550
00

000
7520

3525

3550
00

000
7520

00

500
7517

-300
0
3575
00

1:35000
500
1000

3525

00

500
7517

1500

1:35000
500
1000

1500

Facies

AUSENT E

Facies

Facies 1

AUSENTE

Facies 2

Facies 1

Facies 3

Facies 2

Facies 4

Facies 3
Facies 4

-300
0
3575
00

-3000

3550
00

000
7520

3525

500
7517

00
0

-300
0
3575
00

-3000
1:35000
500
1000

3550
00

000
7520

3525
00

1500

Figura 17. Distribuio espacial de cada fcies no Campo de Namorado.

500
7517

1:35000
5 00
100 0

1500

107

Facies
AUSENT E
Facies 1
Facies 2
Facies 3
Facies 4

-300
0
357 5
00

-3000

355 0
00

7520

00 0

352 5
00

1:35000
500
1000

1500

500
751 7

Figura 18. Distribuio espacial conjunta das fcies no Campo de Namorado. Para melhor
visualizao, exibe-se, abaixo, o modelo de blocos em 3D com as estimativas das fcies 1, 2 e 4.

A proporo de ocorrncia de cada fcies pode ser obtida no histograma da

Figura 19, segundo o qual mais da metade dos blocos estimados corresponde
apenas fcies 3. Os blocos estimados como fcies 1, 2 e 4 representam em torno
de 6%, 13% e 17% de todo o modelo respectivamente.

108

Fcies
2

0.6

0.6

0.5

0.5

0.4

0.4

0.3

0.3

0.2

0.2

0.1

0.1

0.0

Freqncias

Freqncias

0.0

Fcies

Figura 19. Proporo de ocorrncia das fcies 1, 2, 3 e 4 no Campo de Namorado.

Com relao s caractersticas petrofsicas das fcies, observa-se que os

maiores valores de porosidade (17,5% a 28%) e permeabilidade (0 a 2300 mD) so
apresentados pela fcies 1 (Figura 20 A e A respectivamente). A fcies 2 (Figura 20
B, B) apresenta valores de porosidade um pouco mais baixos (8% a 21%) que os da
fcies 1, mas seus valores de permeabilidade so bastante inferiores (0 a 90 mD).
As fcies 3 (Figura 20 C, C) e 4 (Figura 20 D, D), por sua vez, apresentam os
menores valores de porosidade e permeabilidade.
Dessa maneira, no campo de Namorado, predominam as fcies com os piores
valores de porosidade e permeabilidade. A fcies 1 apresenta as melhores
caractersticas petrofsicas e constitui a rocha reservatrio. Por outro lado, as fcies
3 e 4, diferenciadas fundamentalmente pela maior distribuio espacial da primeira,
possuem as piores caractersticas petrofsicas, sendo consideradas rochas
capeadoras com maior e menor continuidade respectivamente. Por fim, a fcies 2
no apresenta todas as caractersticas de rochas reservatrio, pois apesar de ser
relativamente porosa, muito pouco permevel. Os resultados obtidos esto de
acordo com as informaes descritas em Monteiro (2005).

109

Porosidade-facies1
17.5

20.0

22.5

25.0

27.5

30.0

20.0

22.5

25.0

27.5

30.0

32.5

Freqncias

0.4

0.3

0.3

0.2

0.2

0.1

0.1

0
0.25

0.20

0.20

0.15

0.10

0.10

0.05

0.05

10

20

0.2

0.1

0.1

0.0

0.0

10

15

Porosidade-facies3
Porosidade-facies4
0

10

Freqncias

0.2

B
80

90

0.05

0.05

10

20

30

40

50

60

70

80

0.00

90

C
8

10

0.9

0.9

0.8

0.8

0.7

0.7

0.6

0.6

0.5

0.5

0.4

0.4

0.3

0.3

0.2

0.2

0.1

0.1

0.0

10

Permeabilidade-facies3
Permeabilidade-facies4
10

20

0.0

D
30

0.8

0.8

0.7

0.7

0.6

0.6

0.5

0.5

0.4

0.4

0.3

0.3

0.2

0.2

0.1

0.1

Freqncias

Freqncias

Freqncias

0.3

0.1

70

0.10

0.2

60

0.10

0.2

50

0.15

15

0.3

40

Freqncias

0.3

Freqncias

0.3

30

Permeabilidade-facies2
Permeabilidade-facies3

0.5

20

0.0

0.15

0.4

3000

0.20

15

0.4

2000

0.20

0.00

0.00

10

10

0.5

1000

Freqncias

0.15

Permeabilidade-facies1
Permeabilidade-facies2

20

0.25

0.0

Freqncias

Freqncias

0.4

10

Porosidade-facies2
Porosidade-facies3

Freqncias

0.0

Freqncias

17.5

Freqncias

3000

0.1

Porosidade-facies1
Porosidade-fcies2

0.0

2000

Freqncias

0.2

0.1

0.00

1000

0.3

0.2

0.0

Freqncias

Freqncias

0.3

Permeabilidade-facies1

32.5

0.1

10

15

Porosidade-facies4

0.0

0.0

10

20

30

0.0

Permeabilidade-facies4

Figura 20. Histogramas das estimativas de porosidade (A, B, C, D) e de permeabilidade (A, B, C,

D) associadas s fcies 1, 2, 3 e 4.

110

5.6. VOLUME POROSO

O clculo do volume poroso do reservatrio foi realizado em trs etapas. Na
primeira, definiu-se o reservatrio e na segunda e terceira etapas procedeu-se o
clculo do volume do reservatrio e do volume poroso respectivamente.
A definio da rocha reservatrio foi feita segundo dois critrios distintos. O
primeiro critrio consistiu em utilizar os blocos do modelo de fcies (Figura 18)
correspondentes fcies 1 justamente por esta constituir o reservatrio no campo
estudado. O segundo critrio correspondeu seleo de blocos dos modelos da
Figura 13 com base nas estatsticas descritivas das medidas de porosidade e
permeabilidade dos poos.
De acordo com essas estatsticas descritivas (Tabela 14), observa-se que o
quartil inferior apresentado pela porosidade da fcies 1 maior que o mximo da
distribuio da porosidade da fcies 4 e pouco inferior ao da distribuio da fcies 3.
Por outro lado, observa-se que esse mesmo quartil situa-se entre o quartil superior e
o valor mximo da distribuio da porosidade da fcies 2, estando mais prximo
daquele. Dessa forma, a utilizao do quartil inferior da porosidade da fcies 1 como
critrio para selecionar blocos reservatrio nos modelos da Figura 13 assegura que
a maioria dos blocos pertence a essa fcies.

111

Tabela 14. Estatsticas descritivas da porosidade das fcies 1, 2, 3 e 4 medida nos poos.

Fcies 1

Fcies 2

Fcies 3

Fcies 4

N dados

14190

7892

15391

1984

Mdia (%)

24.96

15.53

4.15

3.81

Desv. Pad. (%)

2.80

3.84

5.79

4.88

Mnimo (%)

Mximo (%)

33.53

29.71

23.58

20.42

Q25 (%)

22.76

13.61

Q50 (%)

25.06

16.34

Q75 (%)

27.07

18.30

8.63

7.71

No caso da permeabilidade (Tabela 15), o quartil inferior da fcies 1 superior

apenas ao valor de mximo da fcies 4. Contudo, observa-se pelas baixas
permeabilidades mdias das fcies 2 e 3, que poucos blocos das mesmas so
selecionados com a adoo do quartil inferior da permeabilidade da fcies 1 como
critrio para seleo de blocos reservatrio. Nesse caso, convm destacar, foram
selecionados blocos com as permeabilidades estimadas no item 5.5.
Assim, o volume do reservatrio segundo o critrio 2 foi definido como sendo o
volume dos blocos estimados com valores de porosidade e de permeabilidade
maiores que o quartil inferior da porosidade e da permeabilidade da fcies 1.
O clculo do volume dos reservatrios assim obtidos consistiu na soma do
volume de cada bloco selecionado. O volume poroso foi calculado mediante
multiplicao da dimenso de cada bloco (50m por 66,86m por 6m) pelo valor de
porosidade associado ao mesmo.

112

Tabela 15. Estatsticas descritivas da permeabilidade das fcies 1, 2, 3 e 4 medida nos poos.

Fcies 1

Fcies 2

Fcies 3

Fcies 4

N dados

14190

7892

15391

1984

Mdia (mD)

562.40

22.74

3.58

1.39

Desv. Pad. (mD)

418.98

65.60

49.05

3.61

Mnimo (mD)

0.10

0.10

0.10

0.10

Mximo (mD)

3000

2673.12

3000

58.98

Q25 (mD)

320.88

7.05

0.10

0.10

Q50 (mD)

450.31

16.54

0.10

0.10

Q75 (mD)

638.58

30.28

1.52

1.13

Verifica-se, ao se utilizar um mesmo critrio, que os volumes porosos obtidos

com base nos modelos de porosidade estimados pelos cinco mtodos apresentam
diferenas significativas de valor (Tabela 16). No caso da utilizao do critrio 1, o
volume poroso dos reservatrios decresce conforme os mesmos resultem da
seleo de blocos dos modelos de porosidade estimados pela ckohetero, cocmm1,
coc, cko e kde. Os valores de porosidade associados a cada bloco e o nmero de
blocos que satisfazem o critrio 1 so os dois fatores que podem influenciar o valor
final dos volumes porosos. O primeiro fator foi descartado, pois as distribuies de
freqncias das co-estimativas dos blocos selecionados em cada modelo de
porosidade apresentaram poucas diferenas entre si. Considera-se que a maior
influncia tenha ocorrido devido ao segundo fator, pois o nmero de blocos que
satisfez o critrio 1 selecionados nos modelos estimados pela ckohetero (54472),
pela cocmm1 (53500), pela coc e cko (50402) e pela kde (49041) decresceu
exatamente na mesma ordem em que diminuiu o volume poroso.

113

No caso da adoo do critrio 2, as variaes nos volumes porosos tambm

resultaram da quantidade de blocos selecionados nos modelos de porosidade. O
maior volume poroso resultou da seleo de blocos do modelo estimado pela
cocmm1 (41935), seguido pela ckohetero (32880), coc (27417), cko (27357) e kde
(20352). Como h apenas um modelo de permeabilidade, estimado por krigagem
ordinria na seo 5.5, o nmero de blocos selecionados nesse modelo no serve
para diferenciar os volumes porosos obtidos.

Tabela 16. Volume poroso do reservatrio obtido a partir das estimativas feitas por cko, ckohetero,
coc, cocmm1 e kde e com base em um dos dois critrios de seleo de blocos reservatrio.

Volume (m3)
Mtodo

Critrio 1

Critrio 2

cko

54.824.432,38

29.211.030,35

ckohetero

72.325.861,91

40.497.490,43

coc

54.928.044,38

29.575.522,36

cocmm1

64.836.415,72

49.426.542,84

kde

33.152.629,63

22.755.423,34

Comparando os volumes porosos obtidos mediante adoo dos diferentes

critrios de seleo de blocos, verifica-se que os maiores valores foram obtidos ao
se utilizar o critrio 1. Esse resultado era esperado, pois esse critrio, por ser menos
rigoroso, resulta em um maior nmero de blocos selecionados. Entretanto, convm
mencionar que, apesar do menor rigor desse critrio, os volumes porosos obtidos

114

no so incorretos porque a fcies 1 composta pelas rochas reservatrio segundo

Monteiro (2005).
No caso dos volumes porosos obtidos a partir da seleo dos blocos pelo
critrio 2, alm de blocos correspondentes fcies 1, tambm foram selecionados
blocos representativos das fcies 2 e 3. A seleo de blocos da fcies 2 no
problemtica para o clculo do volume poroso visto que a mesma tambm constitui
reservatrio no Campo de Namorado, embora de qualidade inferior (Monteiro, 2005).
Por outro lado, a seleo de blocos da fcies 3, mesmo que em nmero reduzido (o
valor mximo da distribuio da fcies 3 pouco maior que o quartil inferior da
fcies 1), indesejvel justamente por constituir rocha selante (Monteiro, 2005). Por
esse motivo, os volumes porosos obtidos com base nesse critrio so menos
confiveis que os volumes calculados a partir dos blocos selecionados pelo critrio
1.
Guimares (2002) calculou o volume de hidrocarboneto in place para cada uma
das 100 imagens equiprovveis resultantes da simulao da porosidade preenchida
por hidrocarboneto em uma poro do reservatrio do Campo de Namorado. A
distribuio de freqncias dos volumes obtidos apresentou valor mdio igual a
26,98 milhes de m3 com baixa disperso dos valores (desvio padro igual a 0,93
milho de m3).
A maioria dos volumes porosos da Tabela 16 maior do que o valor mdio
obtido por Guimares (2002), pois ao contrrio desse autor, nesse estudo foi
considerada a porosidade saturada tanto por hidrocarbonetos quanto por gua.

115

CAPTULO VI

CONCLUSES
Os resultados obtidos nessa dissertao refletem sobremaneira a baixa
correlao entre a porosidade amostral e os valores de impedncia acstica obtidos
por interpolao tri-linear. Como alternativa interpolao, recomenda-se que em
estudos futuros sejam utilizados dados de perfis snicos e de densidade para
clculo da impedncia acstica visando, assim, integrar os dados ssmicos aos de
poos.
Com relao preciso local, cokrigagem ordinria aplicada aos dados
isotpicos, cokrigagem colocalizada e krigagem com deriva externa resultaram nas
melhores correlaes entre valores reais e co-estimados de porosidade, mas
praticamente no houve diferenas de desempenho entre esses mtodos. Em
contrapartida, a cokrigagem ordinria apresentou resultados inferiores quando foram
utilizados os dados heterotpicos.
Quanto reproduo das estatsticas amostrais, os mtodos tambm
apresentaram desempenho muito similar caracterizado pela obteno de estatsticas
menores que as amostrais, por melhor aderncia das co-estimativas cauda inferior
da distribuio amostral e por suavizao das co-estimativas. A cokrigagem ordinria
aplicada aos dados heterotpicos apresentou pequeno ganho ao ajustar-se
ligeiramente melhor reta de referncia nos diagramas Q-Q.
No que tange preservao da correlao amostral entre porosidade e
impedncia acstica, a cokrigagem colocalizada com utilizao do modelo
markoviano mostrou-se mais eficiente ao obter correlao mais prxima da amostral

116

relativamente aos outros mtodos. As correlaes obtidas pela cokrigagem

colocalizada e pela cokrigagem ordinria a partir dos dados isotpicos e
heterotpicos praticamente no se diferenciam. O pior desempenho foi obtido pela
krigagem com deriva externa que obteve a correlao mais baixa.
O efeito da utilizao das diferentes vizinhanas nos resultados da cokrigagem
ordinria foi mnimo, tanto ao se utilizar os dados isotpicos quanto heterotpicos,
porque a seleo de amostras vizinhas em um mesmo nvel ficou mais restrita
distncia entre os poos e quantidade dos mesmos, a despeito das modificaes
promovidas nos trs parmetros de busca. As vizinhanas definidas nesse estudo
foram suficientes para restringir o nmero de amostras secundrias selecionadas, o
que se refletiu na ausncia de co-estimativas negativas.
Todos os parmetros de busca por amostras tiveram influncia sobre a
preciso local quando a cokrigagem foi aplicada a partir dos dados isotpicos visto
que foram obtidas maiores correlaes entre porosidade amostral e co-estimada ao
serem utilizadas vizinhanas com maiores raios de busca, nmero de setores ou de
amostras por setor. Por outro lado, o efeito desses mesmos parmetros na preciso
local obtida mediante aplicao da cokrigagem ordinria aos dados heterotpicos
permanece indefinido, pois as variaes foram pontuais.
O raio de busca foi o parmetro que mais influenciou na reproduo das
estatsticas amostrais, enquanto o nmero de setores e o nmero de amostras por
setor foram responsveis apenas por variaes mais isoladas independente da base
de dados utilizada (isotpica ou heterotpica). Nesse caso, as co-estimativas
realizadas com base nas vizinhanas com menores raios de busca apresentaram
estatsticas descritivas mais prximas das amostrais e se ajustaram melhor reta de
referncia.

117

Os trs parmetros influenciaram na preservao da correlao inicial entre

porosidade e impedncia acstica j que a correlao das co-estimativas com a
impedncia acstica foi maior ao utilizar as vizinhanas com maior raio de busca,
nmero de amostras ou nmero de setores.
Pelos resultados obtidos, conclui-se que no houve vantagem na utilizao de
um mtodo em relao aos demais e tampouco das diferentes vizinhanas. Uma
alternativa para aumentar a aplicabilidade dos mtodos aos dados desse estudo
talvez fosse realizar co-estimativas para cada fcies separadamente, muito embora
haja o risco de se ter nmero de dados muito reduzido para realizar as coestimativas. Paralelamente, sugere-se tambm que os dados de impedncia
acstica do cubo ssmico sejam previamente classificados, ao invs de serem
utilizados como um nico conjunto de dados porque dessa forma pode-se conseguir
melhor correlao entre porosidade e impedncia acstica.
Por fim, a krigagem da indicadora mostrou-se com grande potencial para o
mapeamento faciolgico do reservatrio, bem como para sua caracterizao
petrofsica.

118

REFERNCIAS BIBLIOGRFICAS

Avadhani V. L. N., Anandan M., Thattacherry B. J., Murthy K. S., Gariya B. C. &
Dwivedi A. K. 2006. Acoustic impedance as a lithological and hydrocarbon indicator
a case study from Cauvery Basin. The Leading Edge: 854 858.

Bleins C., Deraisme J., Geffroy F., Jeanne N., Perseval S., Rambert F., Renard D.,
Torres O., Touffait Y. 2006. ISATIS 6.0. Beginners Guide. Frana,
GEOVARIANCES.

Bourke

P.

1997.

Interpolao

Trilinear.

In:

http://local.wasp.uwa.edu.au/

~pbourke/miscellaneous/interpolation/ (consultado em 1/11/2009).

Chils J-P. & Delfiner P. 1999. Geostatistics: Modeling Spatial Uncertainty: John
Wiley & Sons, Inc. New York, 1st. Ed., 695p.

Clawson S. & Meng H. 2000. Seismic Acoustic Impedance Inversion in Reservoir

Characterization Utilizing gOcad. In: gOcad Users Meeting.

Cruz M. M. 2003. Aplicao de perfilagem geofsica e ssmica na caracterizao da

faciologia

do

reservatrio

de

Namorado.

Dissertao

de

Mestrado,

Universidade Federal Fluminense, 121p.

Davis J. C. 1986. Statistics and data analysis in geology. John Wiley & Sons. 646 p.

119

Deutsch C. V. & Journel A. G.1992. GSLIB: Geostatistical Software Library and

Users Guide. Oxford University Press, New York, 340p.

Dias J. L., Oliveira J. Q., Viveira J. C. 1988. Sedimentological and Stratigraphic

Analysis of the Lagoa Feia Formation, Rift Phase of Campos Basin, Offshore
Brazil. Revista Brasileira de Geocincias, 18 (3): 252-260.

Dias J. L., Scarton J. C., Esteves F. R., Carnimatti M., Guardado L. R. 1990.
Aspectos da Evoluo Tectono-sedimentar e a Ocorrncia de Hidrocarbonetos
na Bacia de Campos. In: De Raja Gabaglia G. P. & Milani E. J. (coords.) 1991.
Origem e Evoluo de Bacias Sedimentares. PETROBRAS. Rio de Janeiro,
Brasil. p. 333-360.

Doyen P. M. 1988. Porosity from seismic data: A geostatistical approach. Geophisics,

53 (10): 1263 1275.

Duarte O. O. 2003. Dicionrio enciclopdico ingls-portugus de geofsica e

geologia. Rio de Janeiro, Sociedade Brasileira de Geofsica, 379 p.

Feij F. J. 2004. Geologia do Petrleo. Rio de Janeiro, PETROBRS. Apostila de

curso, 180 p.

Gama Jr. E. G. 1977. Sistemas Deposicionais e Modelo de Sedimentao das

Formaes Campos e Embor, Bacia de Campos, Rio de Janeiro, Brasil. Tese
de Doutorado, Universidade de So Paulo, v. 1, 104 p.

120

Goovaerts, P. 1997. Geostatistics for natural resources evaluation: Oxford University

Press, New York, 483p.

Guardado L. R., Gamboa L. A. P., Lucchesi C. F. 1990. Petroleum geology of the

Campos Basin, Brazil: a model for a producing Atlantic-type basin. In: Edwards
J. D. & Santogrossi P. A. eds. Divergent passive margin basins. The American
Association of Petroleum Geologists Memoir, 48: 3 79.

Guimares A. O. 2002. Modelagem geolgica e geoestatstica de reservatrio da

Bacia de Campos, RJ. Dissertao de Mestrado, Universidade Federal do Rio
de Janeiro.

Huijbregts C. J. 1975. Regionalized Variables and Quantitative Analysis of Spacial

Data. In: Davis J. C. & McCullagh M. J. orgs. Display and Analysis of Spatial
Data. New York: John Wiley. p. 38 - 53.

Huuse M. & Feary D. A. 2005. Seismic inversion for acoustic impedance and porosity
of Cenozoic cool-water carbonates on the upper continental slope of the Great
Australian Bight. Marine Geology, 215: 123 - 134.

Isaacs E. H. & Srivastava R. M. 1989. Applied Geostatistics. New York: Oxford

University Press. 561 p.

121

Journel A. G. 1999. Markov Models for Cross-Covariances. Mathematical Geology,

31 (8): 955 - 964.

Journel, A.G. & Huijbregts, C.J, 1978. Mining geostatistics: Academic Press. 600p.

Lima F. M. 2004. Anlise estratigrfica dos reservatrios turbidticos do Campo de

Namorado. Dissertao de Mestrado, Instituto de Geocincias e Cincias
Exatas, UNESP, Rio Claro, 64 p.

Marroquim M., Tigre C. A., Lucchesi C. F. 1984. Bacia de Campos: Resultados e

Perspectivas. In: Congresso Brasileiro de Geologia, 32. Rio de Janeiro,
Sociedade Brasileira de Geologia. Anais, v. 3, p 1366-1379.

Menezes S. X. 1986. Geometria de reservatrio do Campo de Namorado, Bacia de

Campos. In: 2 Seminrio de Geologia de Desenvolvimento e Reservatrio.
PETROBRS, Rio de Janeiro.

Menezes S. X. & Adams T. 1990. Ocorrncia de resistividades anmalas no Campo

de Namorado, Bacia de Campos. Boletim de Geocincias da Petrobrs, 4: 183
188.

Milani E. J. & Thomaz Filho A. 2000. Sedimentary Basins of South America. In:
Cordani U. G., Milani E. J., Thomaz Filho A., Campos D. A. 2000. Tectonic
Evolution of South America. Rio de Janeiro: 31st. International Geological
Congress. Rio de Janeiro, Brasil. p. 389-449.

122

Monteiro M. C. 2005. Procedimentos geoestatsticos para quantificar a incerteza em

modelos estticos numricos de reservatrios petrolferos. Tese de Doutorado,
Universidade Federal do Rio de Janeiro, UFRJ.

Myers, D. E. 1991. Pseudo Cross-Variograms, Positive Definiteness and Cokriging,

Mathemathical Geology, 23: 805 - 816.

Olea R. 1999. Geostatistics for engineers and earth scientists. Boston, Kluwer
Academic. 303p.

Rangel H. D., Martins F. A. L., Esteves F. R., Feij F. J. 1994. Bacia de Campos.
Boletim de Geocincias da Petrobrs, 8: 203 - 217.

Rangel H. D. & Martins C. C. 1998. Principais compartimentos exploratrios, Bacia

de Campos. In: (ed.) Searching for oil and gas in the Land of Giants. Rio de
Janeiro, Schlumberger, p. 32-40.

Rocha M. M., Yamamoto J. K., Watanabe J., Fonseca P. P. 2011. Collocated

Cokriging: studying the influence of secondary variable in the estimates. Anais
da Academia Brasileira de Cincias (no prelo).

Schaller H. 1973. Estratigrafia da Bacia de Campos. In: Congresso Brasileiro de

Geologia, 27. Aracaju, v. 3, p. 247-258.

123

Spadini A. R., Esteves F. R., Dias-Brito D., Azevedo R. L. M., Rodrigues R. 1988.
The Maca Formation, Campos Basin, Brazil: Its Evolution in the Context of the
Initial History of the South Atlantic. Revista Brasileira de Geocincias, 18 (3):
261-272.

Thomas J. E. org. 2001. Fundamentos de Engenharia do Petrleo. Rio de Janeiro,

Editora Intercincia Ltda, PETROBRAS, 272 p.

Vaughan R. D., Atef A. & El-Outefi N. 2003. Use of seismic attributes and acoustic
impedance in 3D reservoir modeling: an example from a mature Gulf of Suez
Carbonate Field (Ras Fanar, Egypt). In: AAPG International Conference.
Barcelona, p. 1 5.

Vidal A. C., Sancevero S. S., Remacre A. Z., Costanzo C. P. 2007. Modelagem

Geoestatstica 3D da Impedncia Acstica para a Caracterizao do Campo de
Namorado. Revista Brasileira de Geofsica, 25 (3): 295-305.

Wackernagel H. 1995. Multivariate geostatistics: an introduction with applications.

Berlin, Springer-Verlag. 256 p.

Wackernagel, H. 1998. Multivariate Geostatistics: Springer-Verlag, Berlin, 2nd. Ed.

291p.

124

Watanabe J. 2008. Mtodos geoestatsticos de co-estimativas: estudo do efeito da

correlao entre variveis na preciso dos resultados. Dissertao de
Mestrado, Instituto de Geocincias, Universidade de So Paulo.

Watanabe J., Yamamoto J. K., Rocha M. M., Fonseca P. P. 2009. Estudo da

influncia da correlao inicial entre variveis nos resultados de co-estimativas.
Geocincias, 28 (4): 467 484.

Xu W., Tran T. T., Srivastava R. M. & Journel A. G. 1992. Integrating Seismic Data in
Reservoir Modelling: The Collocated Cokriging alternative. In: Proceedings
Annual Technical Conference of the Society of Petroleum Engineers, 67.
Washington, paper SPE 24741, p. 833 842.

Yamamoto J. K. 2001. Anlise Geoestatstica. In: Yamamoto J. K. ed. Avaliao e

classificao de reservas minerais. So Paulo, Editora da Universidade de So
Paulo. p. 69-91.

Yamamoto J. K. & Rocha M. M. 2001. Inventrio e Avaliao dos Parmetros

Geolgicos e Geomtricos para o Clculo de Reservas. In: Yamamoto J. K. ed.
Avaliao e Classificao de Reservas Minerais. So Paulo, Editora da
Universidade de So Paulo, p. 41 42.

125

ANEXO
unit Unit1;
interface
uses
Windows, Messages, SysUtils, Classes, Graphics, Controls, Forms, Dialogs,
StdCtrls;
type
TForm1 = class(TForm)
Button1: TButton;
Button2: TButton;
Button3: TButton;
OpenDialog1: TOpenDialog;
SaveDialog1: TSaveDialog;
OpenDialog2: TOpenDialog;
OpenDialog3: TOpenDialog;
OpenDialog4: TOpenDialog;
SaveDialog2: TSaveDialog;
procedure Button1Click(Sender: TObject);
procedure Button2Click(Sender: TObject);
procedure Button3Click(Sender: TObject);
private
{ Private declarations }
public
{ Public declarations }
end;
var
Form1: TForm1;
implementation
{$R *.DFM}
procedure TForm1.Button1Click(Sender: TObject);
var
entrada,saida,batch:textFile;
nomeArquivo,arquivosaida:string;
i,j,k,kz1,kz2,ix1,ix2,iy1,iy2:integer;
cota,cotaMin,x,y,z,m,impedancia,xp,yp:real;
begin
if savedialog1.Execute then
assignfile(saida,SaveDialog1.FileName);
rewrite(saida);
cotaMin:=-2850;
if opendialog1.Execute then

126

assignFile(batch,OpenDialog1.FileName);
reset(batch);
if opendialog2.Execute then
assignFile(entrada,OpenDialog2.FileName);
while not(eof(batch)) do
begin
readln(batch,xp,yp,cota);
kz1:=trunc(abs(cota-cotaMin)/3.0);
m:=(abs(cota-cotaMin)/3)-kz1;
if (m>0)then
kz2:=kz1+1 else
kz2:=kz1;
reset(entrada);
readln(entrada);
readln(entrada);
readln(entrada);
for i:=1 to (kz1-1)*319*136 do readln(entrada);
ix1:=trunc((xp-350079.00)/25.00);
ix2:=ix1+1;
iy1:=trunc((yp-7517054.00)/33.43);
iy2:=iy1+1;
for k:=1 to 2 do
for i:=1 to 136 do
begin
y:=7517054.00+(i)*33.43;
for j:=1 to 319 do
begin
case k of
1:z:=-kz1*3-2850.00;
2:z:=-kz2*3-2850.00;
end;
x:=350079.00+(j)*25.00;
readln(entrada,impedancia);
if ((ix1=j) and (iy1=i)) then writeln(saida,x,'
if ((ix2=j) and (iy1=i)) then writeln(saida,x,'
if ((ix2=j) and (iy2=i)) then writeln(saida,x,'
if ((ix1=j) and (iy2=i)) then writeln(saida,x,'
end;
end;
closeFile(entrada);
end;
closeFile(saida);
closeFile(batch);
showmessage(' fim');
end;

',y,'
',y,'
',y,'
',y,'

',z,'
',z,'
',z,'
',z,'

',impedancia);
',impedancia);
',impedancia);
',impedancia);

127

procedure TForm1.Button2Click(Sender: TObject);

var
saida,batch,final:textFile;
nomearquivo,nomearquivo1:string;
i:integer;
xp,yp,zp,cota,x,y,z,impedancia,xi,xf,yi,yf,zi,zf,imp111,imp211,imp221,imp121,imp112,imp2
12,imp222,imp122,r1,r2,r3,r4,s1,s2,p:real;
begin
assignfile(batch,OpenDialog1.FileName);
reset(batch);
if savedialog2.execute then
assignfile(final,SaveDialog2.FileName);
rewrite(final);
if OpenDialog4.execute then
assignfile(saida,OpenDialog4.FileName);
reset(saida);
while not(eof(batch)) do
begin
readln(batch,xp,yp,zp);
while not (eof(saida)) do
begin
readln(saida,x,y,z, impedancia);
showmessage(floattostr(x)+' '+floattostr(y)+' '+floattostr(z)+' '+floattostr(impedancia));
xi:=x;
yi:=y;
zi:=z;
imp111:=impedancia;
readln(saida,x,y,z, impedancia);
xf:=x;
imp211:=impedancia;
r1:=((xf-xp)/(xf-xi)*imp111)+((xp-xi)/(xf-xi)*imp211);
readln(saida,x,y,z, impedancia);
yf:=y;
imp121:=impedancia;
readln(saida,x,y,z, impedancia);
imp221:=impedancia;
r3:=((xf-xp)/(xf-xi)*imp121)+((xp-xi)/(xf-xi)*imp221);
s1:=((yf-yp)/(yf-yi)*r1)+((yp-yi)/(yf-yi)*r3);
readln(saida,x,y,z, impedancia);
zf:=z;
imp112:=impedancia;
readln(saida,x,y,z, impedancia);
imp212:=impedancia;
r2:=((xf-xp)/(xf-xi)*imp112)+((xp-xi)/(xf-xi)*imp212);
readln(saida,x,y,z, impedancia);
imp122:=impedancia;
readln(saida,x,y,z, impedancia);

128

imp222:=impedancia;
r4:=((xf-xp)/(xf-xi)*imp122)+((xp-xi)/(xf-xi)*imp222);
s2:=((yf-yp)/(yf-yi)*r2)+((yp-yi)/(yf-yi)*r4);
if (zf=zp) or (zi=zp) then
p:=s1 else
p:=((zf-zp)/(zf-zi)*s1)+((zp-zi)/(zf-zi)*s2);
writeln(final,r1,' ',r2,' ',r3,' ',r4,' ',s1,' ',s2,' ',p);
end;
end;
closefile(saida);
closefile(batch);
closefile(final);
showmessage(' fim');
end;
procedure TForm1.Button3Click(Sender: TObject);
begin
close;
end;
end.