Физикаи рақамии ҷинсҳои кӯҳӣ — Digital Rock Physics (DRP) равиши тавсифи ҷинсҳои кӯҳӣ мебошад, ки тасвирҳои сеандозаи ҷинсҳоро бо моделҳои ададии физикӣ муттаҳид карда, бузургиҳое чун сохтори ковокӣ, ҷараён ва хусусиятҳои интиқолро меомӯзад. Дар ин равиш сегментатсияи тасвир марҳилаи ченкунӣ аст, ки тасвири пайвастаи сатҳи хокистариро ба синфҳои ҷудогона, аз ҷумла ковокӣ, матритсаи сахт, минерал, шикоф, оби шӯр ва CO₂, табдил медиҳад. Баррасии сохторёфтаи интиқодии мавриди омӯзиш усулҳои сегментатсияро танҳо аз рӯи холҳои монандии тасвир не, балки аз рӯи он арзёбӣ мекунад, ки оё онҳо барои арзёбии иқтидор, қобилияти тазриқ, нигоҳдории боқимонда, тағйироти реактивӣ ва containment дар нигоҳдории геологии CO₂ маълумоти боэътимод медиҳанд ё не.

Натиҷаи асосии мақола ин аст, ки дақиқии тасвир ва эътимоднокии нигоҳдорӣ як чиз нестанд. Ду ниқоби сегментатсия метавонанд аз ҷиҳати визуалӣ хеле монанд бошанд ва қиматҳои шабеҳи Dice ё Intersection over Union (IoU) диҳанд; аммо бастани нодурусти гулӯгоҳи муҳимми ковокӣ, якҷо кардани ganglion-ҳои ҷудогонаи CO₂, ҳамчун фазаи сахт нишон додани микроковокӣ ё эҷоди пайвасти ғайривоқеии шикоф метавонад пешгӯиҳои гузаронандагӣ, ковокии пайваст, сершавии боқимондаи CO₂, масоҳати сатҳи реактивӣ ва роҳи эҳтимолии ихроҷро тағйир диҳад.

Баррасӣ аз усулҳои классикии threshold, edge ва region то кластерсозӣ, омӯзиши мошинии назоратшаванда, омӯзиши амиқи бар CNN/U-Net асосёфта, моделҳои attention/transformer ва равишҳои foundation model доираи васеи усулҳоро арзёбӣ мекунад. Хулосаи муаллифон ин аст, ки барои нигоҳдории геологии CO₂ алгоритми сегментатсияи универсалии беҳтарин вуҷуд надорад. Усули аз ҳама асоснок вобаста ба литология, сифати тасвир, контрасти фазаҳо, шумораи синфҳо, мавҷудияти нишонаҳо, захираҳои ҳисоббарорӣ ва он ки сегментатсия кадом бузургии физикии нигоҳдориро дастгирӣ мекунад, тағйир меёбад.

Таҳқиқот чаҳорчӯбаеро пешниҳод мекунад, ки сифати сегментатсияро дар ҳафт андоза арзёбӣ менамояд: дақиқии синф/voxel, вафодории сарҳад, топология, морфология, номуайянии калибршуда, ҳассосияти хусусияти физикӣ ва таъсир ба қарори муҳандисӣ. Ҳамин тавр, ба ғайр аз саволи “ниқоб то чӣ андоза ба тасвири истинодӣ монанд аст?”, саволҳои “voxel-и нодуруст дар куҷост?”, “шабакаи ковокӣ ҳанӯз пайваст аст?”, “permeability чӣ қадар тағйир ёфт?” ва “оё ин хато метавонад қарори саҳроиро тағйир диҳад?” низ қисми назорати сифат мешаванд.

Мақола ҳамчунин пешниҳод мекунад, ки сегментатсия на ҳамчун як ниқоби ягонаи детерминистӣ, балки, дар ҳолати имкон, ҳамчун маҷмӯи реализацияҳои гуногун, вале қобили қабули сегментатсия баррасӣ шавад. Бо додани ин реализацияҳо ба як ҳалкунандаи физикии якхела барои гузаронандагӣ, фишори капиллярӣ, сершавии боқимондаи CO₂ ё дигар хусусиятҳо ба ҷойи як адад тақсимот ба даст овардан мумкин аст.

Ҳудуди тафсир: таҳқиқот маҷмӯи нави таҷрибаҳои тасвиргирии ҷинс, модели нави омӯзонидашудаи сегментатсия ё тасдиқи нигоҳдории CO₂-ро дар миқёси саҳро пешниҳод намекунад. Шаш расми асосии мақола синтезҳои консептуалӣ мебошанд. Саҳми сегментатсия ба интихоби беҳтари майдон, тарҳи тазриқ ё қарорҳои мониторинг натиҷаҳои эҳтимолии сатҳи лоиҳа мебошанд; барои амалӣ шудани онҳо масштабкунии геологӣ ва тасдиқи махсуси лоиҳа лозим аст.

Чаро масъалаи ҷинси рақамӣ дар нигоҳдории геологии CO₂ муҳим аст?

Дар нигоҳдории геологии CO₂ танҳо донистани ҳаҷми умумии ковокӣ кофӣ нест. Қобилияти нигоҳдорӣ аз пайваст будан ё набудани ковокиҳо, пайвастагии роҳҳои ҷараён, гулӯгоҳҳои воридшавӣ, рафтори капиллярӣ, системаи шикофҳо, реаксияҳои минерал–моеъ, алоқаи фишор ва герметикии формация вобаста аст.

Физикаи рақамии ҷинс метавонад ин сохторҳои миқёси хурдро бо усулҳои тасвиргирӣ, аз қабили micro-computed tomography (micro-CT), synchrotron tomography, nano-CT, scanning electron microscopy (SEM), backscattered electron imaging (BSE) ва focused ion beam–SEM (FIB-SEM), мушоҳида кунад. Аммо барои кор кардани симулятсияи физикӣ бояд муайян шавад, ки ҳар voxel ё унсури тасвири сатҳи хокистарӣ ба кадом фаза тааллуқ дорад.

Аз ин рӯ, сегментатсия танҳо раванди “тоза ва ранг кардани тасвир” нест. Ниқоби сегментатсия:

• ҳаҷми умумӣ ва пайвасти ковокиро,
• геометрияи гулӯгоҳи ковокиро,
• роҳҳои ҷараёнро,
• интерфейсҳои CO₂–оби шӯрро,
• сатҳҳои минералии реактивиро,
• кушодагӣ ва пайвастагии шикофро,
• скелети сахти борбардорро

муайян мекунад ва худи геометрияи ададӣ мебошад.

Чаро интихоби усули тасвиргирӣ танҳо масъалаи тафриқапазирӣ нест?

Тафриқапазирии баланди фазоӣ метавонад ковокиҳои хурд, гулӯгоҳҳои борик ва сарҳадҳои минералҳоро беҳтар нишон диҳад; аммо тасвири дорои тафриқапазирии баланд одатан ҳаҷми хурдтари намунаеро фаро мегирад. Ҳаҷми калонтар гетерогении ҷинсро беҳтар намояндагӣ мекунад, вале метавонад тафриқапазирии ковокиҳои хурдро аз даст диҳад.

Манбаъ ин муносибатро ҳамчун resolution–representative elementary volume (REV) tradeoff баррасӣ мекунад. REV ҳадди ақали ҳаҷми намояндагӣ мебошад, ки дар он бузургии муайяни сохторӣ ё петрофизикӣ аз вобастагии аз ҳад зиёд ба зерҳаҷми интихобшуда раҳо шуда, то дараҷаи қобили қабул устувор мегардад.

Чаро пешкоркард марҳилаи бетараф нест?

Дар тасвирҳои хоми томография ва микроскопияи электронӣ detector noise, ring artifact, beam hardening, норавшанӣ, ҳаракат ва таъсирҳои partial-volume вуҷуд дошта метавонанд. Пешкоркард метавонад ин мушкилотро кам кунад; аммо филтркунӣ ҳамзамон метавонад гулӯгоҳҳои борики ковокиро нест кунад, гурӯҳҳои хурди CO₂-ро аз байн барад, кушодагии шикофро тағйир диҳад ё сарҳадҳои фазаро ҳамвор кунад.

Аз ин рӯ, параметрҳои қадамҳое чун denoising, artifact correction, contrast enhancement, registration ва intensity normalization бояд сабт шаванд; инчунин бояд санҷида шавад, ки натиҷаҳои физикии пас аз сегментатсия нисбат ба тағйироти қобили қабули параметрҳо устувор ҳастанд ё не.

Чаро Холи Баланди Dice ё IoU Ба Танҳоӣ Модели Боэътимоди Нигоҳдории CO₂-ро Ифода Намекунад?

Dice ва IoU ҳампӯшии ҳаҷмии синфҳои ниқобҳоро чен мекунанд, аммо нишон намедиҳанд, ки хато дар кадом нуқтаи шабакаи геологӣ рух додааст; аз ин рӯ, нишонагузории нодурусти гулӯгоҳи муҳимми ковокӣ, гардани snap-off-и CO₂ ё шикофи caprock, ки voxel-ҳои хеле кам доранд, метавонад холи глобалиро хеле кам тағйир диҳад, вале тафсири гузаронандагӣ, trapping ё роҳи эҳтимолии ихроҷро ҷиддан дигар кунад.

Муодила (1): Коэффисиенти Dice

\[ Dice= \frac{2TP} {2TP+FP+FN} \tag{1} \]

• \(TP\): шумораи voxel-ҳои true-positive, ки воқеан фазаи ҳадафро намояндагӣ мекунанд ва дуруст тасниф шудаанд.
• \(FP\): шумораи voxel-ҳои false-positive, ки воқеан фазаи ҳадаф нестанд, вале ҳамчун фазаи ҳадаф тасниф шудаанд.
• \(FN\): шумораи voxel-ҳои false-negative, ки ба фазаи ҳадаф тааллуқ доранд, вале ба синфи дигар гузошта шудаанд.

Dice аз 0 то 1 тағйир меёбад. Ба 1 наздик шудан нишон медиҳад, ки ҳампӯшии синфҳо байни ниқоби пешгӯишуда ва ниқоби истинодӣ зиёд мешавад.

Аммо Dice ҷойгиршавии фазоии хатогиро рамзгузорӣ намекунад. Масалан, дар байни ҳазорон voxel-и дуруст танҳо чанд voxel-и муҳими throat метавонад нодуруст тасниф шавад ва қимати глобалии Dice хеле кам тағйир ёбад.

Муодила (2): Intersection over Union — IoU

\[ IoU= \frac{TP} {TP+FP+FN} \tag{2} \]

IoU низ дар фосилаи 0–1 қарор дорад ва буриши синфи ҳадафи пешгӯишуда ва синфи ҳадафи воқеиро ба иттиҳоди онҳо нисбат медиҳад.

Dice ва IoU қисмҳои муҳими дақиқии синф мебошанд; аммо онҳо ченаки бевоситаи топология, ҷойгиршавии сарҳад, пайвастагии ковокӣ ё дақиқии хусусияти физикӣ нестанд.

Муодила (3): Хатои мутлақи нисбии фоизӣ барои хусусияти физикӣ

\[ \varepsilon_X = \frac{\left|X_{seg}-X_{ref}\right|} {\left|X_{ref}\right|} \times100\% \tag{3} \]

• \(\varepsilon_X\): хатои мутлақи нисбии фоизии хусусияти физикии X.
• \(X_{seg}\): хусусияти ҳисобшуда аз геометрияи сегментатсия.
• \(X_{ref}\): қимати истинодии ба таври таҷрибавӣ ченшуда ё қабулшуда.

\(X\) метавонад ковокӣ, гузаронандагӣ, фишори капиллярӣ, сершавии боқимондаи CO₂, масоҳати интерфейс, масоҳати сатҳи реактивӣ, кушодагии шикоф, ноқилият ё модули эластикӣ бошад.

Азбаски муодила қимати мутлақро истифода мебарад, андозаи хатогиро медиҳад; аммо намегӯяд, ки аз ҳад зиёд ё кам пешгӯӣ шудааст. Аз ин рӯ, манбаъ пешниҳод мекунад, ки агар самт дар қарори муҳандисӣ муҳим бошад, маълумоти signed bias низ алоҳида гузориш дода шавад.

Чаҳорчӯбаи арзёбии ҳафтандоза

Шаш оилаи асосии усулҳои сегментатсия

Усули Otsu threshold кай асоснок аст?

Global Otsu threshold intensity cutoff-еро интихоб мекунад, ки дисперсияро байни ду синфи гистограмма ба ҳадди аксар мерасонад. Манбаъ мегӯяд, ки Otsu дар тасвирҳои pore–solid-и тоза ва контрасти баланд бо тақсимоти хуб ҷудошудаи сатҳи хокистарӣ усули оғозии зуд ва такроршаванда аст.

Ҳангоми ҳампӯш шудани шиддати фазаҳо, фарқ кардани дисперсияҳо, афзоиши гетерогении минералӣ ё таъсири partial-volume як global threshold метавонад синфҳоро дуруст ҷудо накунад. Дар ин ҳолат adaptive/multilevel threshold, усули region ё равиши омӯзишӣ лозим шуда метавонад.

Чаро Watershed ва region growing эҳтиёт талаб мекунанд?

Watershed тасвирро ҳамчун сатҳи топографӣ дида, минтақаҳои пайвастро аз рӯи сарҳадҳои catchment basin ҷудо мекунад. Барои ҷудо кардани донаҳо, ковокиҳо ё ganglion-ҳои CO₂ муфид буда метавонад; аммо садо ва ноҳамвориҳои сатҳ метавонанд минимумҳои зиёди сохта эҷод карда, oversegmentation ба вуҷуд оранд.

Region growing аз нуқтаҳои интихобшудаи seed ба voxel-ҳои монанд рушд мекунад. Агар seed нодуруст бошад, метавонад барвақт бозистад ё ба фазаи ҳамсоя гузарад ва boundary leakage эҷод кунад.

Чаро U-Net дар сегментатсияи ҷинси рақамӣ маъмул аст?

U-Net меъмории омӯзиши амиқи encoder–decoder мебошад. Encoder бо convolution ва pooling хусусиятҳои васеи контекстиро мебарорад, decoder тафриқапазирии фазоиро барқарор мекунад. Пайвастҳои skip connection байни сатҳҳои encoder ва decoder маълумоти маҳаллии дорои тафриқапазирии баландро ба decoder интиқол медиҳанд.

Ин сохтор барои ҳифзи сарҳадҳои борики pore throat, grain contact ва microcrack арзишманд аст. Аммо global accuracy-и баланд кафолат намедиҳад, ки гил, микроковокӣ ё шикофҳои борики синфи камшумор дуруст сегментатсия шудаанд.

Дар омӯзиши дуандоза мумкин аст пайвастагии физикӣ байни буришҳои ҳамсоя пурра инъикос нашавад; дар омӯзиши сеандоза бошад, талаботи баланди хотира ва таъсирҳои patch stitching мушкилоти алоҳидаанд.

Чаро манбаъ нисбат ба Transformer ва foundation model эҳтиёткор аст?

Моделҳои бар Transformer асосёфта метавонанд робитаҳои фазоии дуртарро намояндагӣ кунанд; аммо баррасӣ мегӯяд, ки далелҳои онҳо дар соҳаи ҷинси рақамӣ нисбат ба оилаи U-Net навтар ва маҳдудтаранд.

Foundation model-ҳо, аз қабили Segment Anything Model (SAM) ва DINOv2, аз омӯзиши пешакӣ дар тасвирҳои табиӣ меоянд. Сарҳадҳои тасвирҳои табиӣ бо X-ray attenuation, partial-volume mixing ва сохторҳои topology-critical grayscale-и дохили ҷинс яксон нестанд.

Аз ин рӯ, манбаъ пешниҳод мекунад, ки foundation model-ҳо на ҳамчун “geological ground truth”-и худкор, балки ҳамчун proposal generator, feature initializer ё воситаи few-shot adaptation арзёбӣ шуда, тасдиқи мустақили геологӣ/физикӣ анҷом дода шавад.

Оё Барои Нигоҳдории Геологии CO₂ Як Алгоритми Ягонаи “Беҳтарини” Сегментатсия Вуҷуд Дорад?

Не; баррасӣ ҳеҷ усулро ҳамчун интихоби универсалии аввал ҷой намедиҳад ва асоснокии усул аз литология, контрасти тасвир, мураккабии синфҳо, дастрасии нишонаҳо, буҷети ҳисоббарорӣ ва он ки сегментатсия кадом бузургии физикии нигоҳдориро дастгирӣ мекунад, вобаста аст.

Чаро сегментатсияи CO₂–оби шӯр алоҳида душвор аст?

Дар тасвирҳои динамикии бисёрфаза ду мушкил ҳамзамон пайдо мешавад: контрасти фаза метавонад паст бошад ва сегментатсия бояд дар тӯли вақт пайваста боқӣ монад.

Қиматҳои X-ray attenuation-и оби шӯр ва CO₂ дар баъзе шароит метавонанд ба ҳам наздик шаванд. Истифодаи Contrast agent метавонад ҷудокунии фазаҳоро беҳтар кунад; аммо таъсири моддаи истифодашуда ба тасвир ва рафтори ҷараён бояд дар шароити таҷриба алоҳида арзёбӣ шавад.

Дар қаторҳои вақт бояд фарқ карда шавад, ки тағйироти frame-to-frame mask ҳаракати воқеии моеъ аст ё ноустувории сегментатсия. Зеро фарқи хурди voxel метавонад ganglion-ҳои ҷудогонаи CO₂-ро якҷо кунад ё гардани snap-off-ро аз байн барад.

Дар мисоли Chai ва ҳамкорон, ки дар манбаъ оварда шудааст, пас аз фосилаи статикии 58 соат бо аз нав оғоз шудани ҷараёни brine қимати saturation-и CO₂ аз %22,8 то %15,6 коҳиш ёфтааст. Манбаъ махсус таъкид мекунад, ки ин мушоҳидаи физикии remobilization/Ostwald ripening аст; номуайянии сегментатсия байни алгоритмҳо ё натиҷаи containment-и саҳроӣ нест.

Чаро сегментатсияи шикоф барои containment ҳассос аст?

Тафсири нодурусти шикоф ҳамчун “кушода” ё “пӯшида” танҳо хатои визуалӣ нест; он метавонад ба transmissivity-и ҳисобшуда ва роҳи эҳтимолии ҷараён таъсири мустақим расонад.

Дар таҳқиқоти Deng ва ҳамкорон, ки дар манбаъ муҳокима шудааст, қабул кардани минтақаҳои вайроншудаи caprock-и табиии карбонатӣ, ки ба CO₂-acidified brine дучор шудааст, ҳамчун шикофи кушода ё ҷинси нопроницаем, дар қиматҳои ҳисобшудаи transmissivity тақрибан 2–4 маротиба фарқ ба вуҷуд овардааст.

Аммо инҳо натиҷаҳои bounding single-phase simulations мебошанд; дар таҳқиқоти дахлдор ченаки таҷрибавии permeability вуҷуд надорад. Аз ин рӯ, ин рақамро ба шакли “ихроҷи воқеии caprock 2–4 маротиба тағйир меёбад” умумӣ кардан мумкин нест.

Се манбаи асосии номуайянии сегментатсия

Муодила (4): Predictive entropy

\[ H(x) = -\sum_{c=1}^{C} p_c(x)\ln p_c(x) \tag{4} \]

• \(H(x)\): predictive entropy-и таъини синфи voxel-и x.
• \(C\): шумораи умумии синфҳои сегментатсия.
• \(p_c(x)\): эҳтимоли пешгӯишудаи мансуб будани voxel-и x ба синфи c.
• \(\ln\): логарифми табиӣ.

\(H(x)\) бо воҳиди nats ифода мешавад. Барои \(C\geq2\):

\[ \frac{H(x)}{\ln C} \]

ифодаи мазкур entropy-и нормализатсияшуда ва беандозаро дар фосилаи 0–1 медиҳад.

Entropy-и баланд нишон медиҳад, ки таъини синф номуайянтар аст; entropy-и паст бошад, нишон медиҳад, ки модел эътимоди баландтар изҳор мекунад. Аммо манбаъ огоҳии муҳим медиҳад: entropy-и паст кафолати таснифи дуруст нест. Дар тасвири берун аз Domain шабакаи аз ҳад боэътимод метавонад ба нишонаи нодуруст entropy-и паст диҳад. Аз ин рӯ, қимати uncertainty бояд бо хатогиҳои мушоҳидашуда калибр карда шавад.

Фарқи номуайянии эпистемикӣ ва алеаторикӣ

Номуайянии эпистемикӣ аз маҳдудияти дониш ва фарогирии омӯзиши модел сар мезанад. Онро бо маълумоти омӯзишии гуногунтар, domain adaptation ё ensemble коҳиш додан мумкин аст.

Номуайянии алеаторикӣ аз номуайяниҳои дохилии худи тасвир, ба монанди тафриқапазирӣ, ҳампӯшии фазаҳо, noise ё partial-volume, сар мезанад. Омӯзиши бештари модел иттилооти дар тасвир мавҷуднабударо аз ҳеҷ эҷод карда наметавонад; acquisition-и беҳтар, multimodal imaging ё probabilistic phase assignment лозим шуда метавонад.

Номуайянии Сегментатсия Ба Қарорҳои Нигоҳдории CO₂ Чӣ Гуна Паҳн Мешавад?

Номуайянии сегментатсия аввал геометрияи ковокӣ ва фазаро тағйир медиҳад; ин тағйирот ба хусусиятҳои физикӣ, аз қабили гузаронандагӣ, фишори капиллярӣ, сершавии боқимонда, сатҳи реактивӣ ё пайвастагии механикӣ мегузарад ва ҳангоми илова шудани масштабкунии геологӣ ва маълумоти лоиҳа метавонад ба қарорҳои иқтидор, тазриқ, trapping ва containment ба таври шартӣ таъсир расонад.

Муодила (5): Паҳн кардани сегментатсияҳои алтернативӣ бо ҳамон модели физикӣ

\[ X^{(n)} = F\left(S^{(n)}\right), \qquad n=1,\ldots,N \tag{5} \]

• \(S^{(n)}\): реализацияи n-уми сегментатсияи қобили қабул.
• \(F\): оператор/ҳалкунандаи физикӣ, ки ба ҳар реализация яксон татбиқ мешавад.
• \(X^{(n)}\): хусусияти физикӣ, ки аз он геометрия ҳисоб шудааст.
• \(N\): шумораи сегментатсияҳо дар ensemble.

Нуқтаи муҳими ин равиш ҳифз кардани хусусиятҳои физикиест, ки якҷо аз ҳамон реализацияи геометрӣ ба даст меоянд, ба ҷойи омехта кардани қиматҳои мустақили min–max барои ҳар property.

Дар натиҷа, ба ҷойи як \(X\) метавон:

• миёна,
• quantile,
• threshold exceedance probability,
• асимметрӣ ё non-normal tail

барин хусусиятҳои тақсимотро омӯхт. Аммо эътимоднокии ин тақсимот аз он вобаста аст, ки ensemble-и сегментатсия чӣ гуна сохта ва калибр шудааст.

Намунаҳои таъсири хатои сегментатсия ба бузургиҳои нигоҳдорӣ

Чаро тасдиқи мустақили физикӣ ҳатмист?

Дар тасвирҳои ҷинсҳои табиӣ ground truth-и комил дар сатҳи voxel аксаран вуҷуд надорад. Ченакҳои bulk, аз қабили Helium porosity ё mercury-injection capillary pressure, метавонанд хусусияти физикии тамоми намунаро бисанҷанд; аммо нишон намедиҳанд, ки ҳар voxel дуруст тасниф шудааст.

Масалан, сегментатсия метавонад қимати умумии porosity-ро дуруст диҳад, аммо дар як минтақа ковокии зиёдатӣ ва дар минтақаи дигар ковокии кам эҷод карда, хатоҳоро дар қимати умумӣ ҷуброн кунад. Дар ин ҳолат global porosity дуруст менамояд, аммо permeability метавонад нодуруст бошад.

Аз ин рӯ, манбаъ complementary validation-ро тавсия медиҳад: якчанд бузургии физикӣ, аз ҷумла porosity, permeability ва capillary pressure, бояд то ҳадди имкон якҷоя санҷида шаванд.

Ҳамчунин calibration ва validation бояд ҷудо карда шаванд. Ченаки porosity, ки барои интихоби threshold истифода шудааст, наметавонад маълумоти мустақил барои тасдиқи ҳамон threshold ҳисобида шавад.

Auditability — ҷараёни кори тафтишшаванда чиро талаб мекунад?

Манбаъ тавсия медиҳад, ки ҳар натиҷаи физикӣ бо sample identifier-и доимӣ ва versioned processing record пайваст карда шавад.

Дар байни чизҳое, ки бояд сабт шаванд:

• тасвирҳои хом ё бе талаф аз нав сохташуда,
• voxel size, orientation ва region of interest,
• параметрҳои preprocessing,
• таърифи нишонаҳо ва қарорҳои annotator,
• sample-level train/tuning/test partition,
• версияи код ва нармафзор,
• вазнҳои шабака ва random seed,
• танзимоти postprocessing,
• танзимоти solver-и физикӣ,
• ҷой, сабаб ва нишонаҳои пеш/пас аз manual override

бояд бошанд.

Муодила (6): Property Impact Index

Манбаъ барои санҷиши оянда Property Impact Index-и transition-specific пешниҳод мекунад:

\[ I_X(x;a\rightarrow b\mid S) = \frac{H(x)}{\ln C} \, \frac{ \left| F\left(S(x:a\rightarrow b)\right)-F(S) \right| } {X_{scale}} \tag{6} \]

• \(S\): сегментатсияи ибтидоӣ.
• \(x\): voxel-и арзёбишаванда.
• \(a\): синфи ҷории voxel.
• \(b\): синфи алтернативии иҷозатшуда.
• \(S(x:a\rightarrow b)\): геометрияе, ки танҳо voxel-и x аз синфи a ба b иваз шудааст.
• \(F\): ҳамон оператори физикӣ.
• \(H(x)/\ln C\): predictive entropy-и нормализатсияшуда.
• \(X_{scale}\): миқёси истинодии мусбати хусусияти физикӣ, ки дар ҳама муқоисаҳо доимӣ нигоҳ дошта мешавад.

Зарбкунандаи аввал то чӣ андоза номуайян будани voxel-ро, зарбкунандаи дуюм бошад, то чӣ андоза ба property-и физикӣ таъсир расондани тағйири нишона чен мекунад. Ҳамин тавр, voxel-и номуайяниаш баланд, вале аз ҷиҳати физикӣ камаҳамият бо voxel-и миёна номуайян, вале дар throat-и муҳим ҷойгиршуда яксон ҳисобида намешавад.

Индекс беандоза аст, аммо failure probability нест.

Манбаъ ҳамчунин мегӯяд, ки тағйири як voxel наметавонад ҳамаи таъсирҳои топологиро фаро гирад; агар correlated boundary error ё multi-voxel bridge вуҷуд дошта бошад, бояд perturbation-и минтақавӣ истифода шавад.

Мисоли фарзии Муодила (6) дар манбаъ

Мақола танҳо барои нишон додани ҳисобкуниҳо мисоли комилан фарзии зеринро медиҳад:

• Барои ду ниқоб Dice = 0,96.
• Барои voxel-и номуайян дар throat-и муҳим \(H=0,65\) nats.
• Вазифаи Binary: \(C=2\).
• Вақте voxel pore аст, permeability = 120 mD.
• Вақте voxel solid аст, permeability = 35 mD.
• \(X_{scale}=120\) mD.

Тағйироти физикии нормализатсияшуда:

\[ \frac{|120-35|}{120} = 0.7083 \]

Entropy-и нормализатсияшуда:

\[ \frac{0.65}{\ln 2} = 0.9378 \]

Пас:

\[ I = 0.9378\times0.7083 \approx0.66 \]

Дар мисол screening threshold-и фарзии 80 mD низ гузашта мешавад. Аммо манбаъ ошкоро мегӯяд, ки ин рақамҳо ченак, тасдиқи индекс ё қарори қабул/рад барои майдони воқеии нигоҳдорӣ нестанд.

Муодила (7): Ифодаи умумии expected-loss

\[ R(d) = \sum_{j=1}^{J} P(F_j\mid d,D)\,C_j \tag{7} \]

• \(R(d)\): қимати expected risk / expected loss-и қарори d.
• \(F_j\): failure mode-и j-ум.
• \(P(F_j\mid d,D)\): эҳтимоли failure mode-и j таҳти қарори d ва далели мавҷудаи D.
• \(C_j\): натиҷа/хароҷоти ин failure mode.
• \(J\): шумораи failure mode-ҳои баррасишуда.

Манбаъ дар байни натиҷаҳои эҳтимолӣ мисолҳое чун тасвиргирии иловагӣ ё core analysis, ҳисобкунии нолозим, иқтидори нигоҳдории камистифода, фишори аз ҳад зиёди тазриқ, completion redesign, бори monitoring, regulatory delay ва containment/safety exposure меорад.

Муодила (7) модели нави иқтисодии тасдиқшуда нест. Қиматҳои failure probability ва consequence-и махсуси лоиҳа дар ин баррасӣ калибр нашудаанд ва онҳоро аз Dice ё voxel entropy танҳо ба даст овардан мумкин нест.

Физика сегментатсияро чӣ гуна месанҷад?

Манбаъ ду нақши гуногуни истифодаи муодилаҳои физикиро ҷудо мекунад:

1. Агар маҳдудияти физикӣ бевосита ба талафоти омӯзиш ворид шавад, метавонад ба модели сегментатсия таъсир кунад.
2. Агар физика баъд аз сегментатсия татбиқ шавад, он алгоритми сегментатсия нест, балки вазифаи physical validation ё property-sensitive test-ро иҷро мекунад.

Муодила (8): Талафоти мураккаби умумии физика-огоҳ

\[ L_{total} = \lambda_{data}L_{data} + \lambda_{phys}L_{phys} + \lambda_{BC}L_{BC} \tag{8} \]

• \(L_{data}\): талафоти номувофиқатӣ ба нишона ё маълумоти мушоҳида.
• \(L_{phys}\): ҷарима барои вайрон кардани governing equation ё маҳдудияти физикӣ.
• \(L_{BC}\): ҷарима барои вайрон кардани boundary condition.
• \(\lambda_{data}\), \(\lambda_{phys}\), \(\lambda_{BC}\): вазнҳои нисбии се ҷузъи талафот.

Ин муодила дар манбаъ ҳамчун generic composite objective дода шудааст; он функсияи талафоти тасдиқшудаи шабакаи нави мушаххаси сегментатсия нест.

Муодила (9) ва (10): Ҷараёни stationary Stokes дар фазои ковокии ҳалшуда

\[ -\nabla p+\mu\nabla^2\mathbf{u}=0 \tag{9} \]

\[ \nabla\cdot\mathbf{u}=0 \tag{10} \]

• \(\mathbf{u}\): вектори суръат.
• \(p\): фишор.
• \(\mu\): часпакии динамикӣ.
• \(\nabla p\): градиенти фишор.
• \(\nabla^2\mathbf{u}\): ҳади Laplacian, ки паҳншавии импулси часпакро ифода мекунад.

Муодила (10) шарти incompressible-ро дар майдони ҷараёни ҳалшуда ифода мекунад. Манбаъ ин муодилаҳои Stokes-ро ҳамчун мисоли санҷидани геометрияи pore-scale бо хусусияти физикӣ ба мисли permeability истифода мебарад.

Муодила (11): Гузаронандагии мутлақ аз ҷараён

\[ K = \frac{\mu QL} {A\Delta p} \tag{11} \]

• \(K\): permeability-и мутлақ.
• \(\mu\): часпакии динамикӣ.
• \(Q\): дебити ҳаҷмии ҷараён.
• \(L\): дарозии намуна дар самти ҷараён.
• \(A\): масоҳати буриш.
• \(\Delta p\): фарқи фишор дар тӯли намуна.

Нақши муҳими муодила чунин аст: ҳатто агар ду сегментатсия як холи Dice дошта бошанд, агар яке throat-и муҳими ҷараёнро бандад, дар ҳамон ҳудудҳои фишор \(Q\)-и дигар ва дар натиҷа \(K\)-и дигар тавлид карда метавонад.

Аз ин рӯ, ҳисобкунии permeability метавонад воситаи validation-и ҳассос ба дақиқии топологии геометрияи сегментатсия бошад.

Муодила (12): Равиши Stokes–Brinkman

\[ -\nabla p + \mu_{eff}\nabla^2\mathbf{u} - \frac{\mu}{K_m}\mathbf{u} = 0 \tag{12} \]

• \(\mu_{eff}\): часпакии самаранок.
• \(K_m\): permeability-и самаранок, ки ба фазаи microporous-и ҳалнашаванда дода мешавад.

Ин муодила байни минтақаи Stokes, ки ҳамчун ковокии комилан кушода ҳал мешавад, ва маводи microporous, ки аз тафриқапазирии тасвир поёнтар монда, танҳо бо permeability-и самаранок ифода мешавад, пули continuum месозад.

Манбаъ таъкид мекунад, ки ин усули “барқарор кардани дақиқи сохтори дар тасвир набуда” нест. Хусусиятҳои самаранок, ба монанди \(K_m\), бояд бо маълумоти мустақил маҳдуд ё калибр карда шаванд.

Усул ва Натиҷаҳои Таҳқиқот

Тарҳи баррасӣ

Мақола худро ҳамчун structured critical review муаррифӣ мекунад. Таҳқиқот 154 манбаъро ҳамчун таҳқиқоти эмпирикӣ, мақолаҳои методологӣ, баррасиҳо, гузоришҳои сиёсӣ ва манбаъҳои маълумот истифода мебарад.

Манбаъҳо ба се сатҳи асосии далели илмӣ ҷудо шудаанд:

Сатҳи Tier холи сифати методологӣ нест. Он танҳо тасниф мекунад, ки далели манбаъ то чӣ андоза мустақиман ба масъалаи нигоҳдории геологии CO₂ алоқаманд аст.

Ҳолати дастрасӣ ба манбаъ

Дар маҷмӯъ 49 вуруд дар сатҳи abstract ё metadata боқӣ мондааст. Илова бар ин, дар 64 вуруд ҳадди ақал як майдони маълумот ҳамчун “not verified” нишонагузорӣ шудааст. Манбаъ “not verified”-ро барои холигии дастрасӣ ё extraction ва “not reported”-ро барои ҳолате истифода мекунад, ки маълумот дар манбаи баррасишуда гузориш нашудааст.

Ҷараёни ҷустуҷӯ ва скрининг

574 номзади дигари эҳтимолӣ бе арзёбии матни пурра дар ҳавзи номзадҳо боқӣ мондаанд.

Дар скрининги аввали Scopus ва истихроҷи далелҳо дастгирии зеҳни сунъӣ истифода шудааст. Баъдан скрининги дуюм анҷом дода шуд, ки дар он яке аз муаллифон сабтҳои CSV-ро бо код коркард кард; натиҷаҳо дастӣ баррасӣ шуданд ва гузориш дода шуд, ки номувофиқате, ки интихоби ниҳоии таҳқиқотро ба таври назаррас тағйир диҳад, пайдо нашудааст.

Ҷустуҷӯ ба таври проспективӣ сабт нашудааст. Қисме аз retrieval log-ҳои таърихӣ нопурра мебошанд ва истилоҳи ҳатмии CO₂ дар дархости Scopus метавонад баъзе усулҳои берун аз CO₂ таҳияшуда, вале аз ҷиҳати сегментатсия интиқолпазирро аз даст диҳад.

Чаро мета-таҳлил ё рейтингбандии универсалии алгоритмҳо анҷом дода нашуд?

Манбаъҳо аз рӯи:

• литология,
• voxel size,
• phase count,
• class balance,
• annotation,
• training/test partition,
• таърифи metric,
• solver-и физикӣ

аз ҳам фарқ мекунанд.

Аз ин рӯ, гузоштани қиматҳои Dice ё permeability error аз таҳқиқоти гуногун дар як ҳавз ва хулосабарории “алгоритми X умуман аз Y %Z беҳтар аст” аз ҷиҳати илмӣ асоснок нест.

Манбаъ таъкид мекунад, ки даъвои бартарӣ танҳо дар муқоисаҳои назоратшудае қавӣ аст, ки бо тасвирҳои яксон, нишонаҳои истинодии яксон, тақсимоти якхелаи train/test ва буҷети шабеҳи tuning анҷом шудаанд.

Намунаҳои мустақими таъсири сегментатсия

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Дар нигоҳдории геологии CO₂ сегментатсия аз як қадами коркарди тасвир бештар буда, қисми модели ченкунии физикӣ мебошад.
• Метрикаи баланди ҳампӯшии тасвир ба танҳоӣ дақиқии физикиро кафолат намедиҳад.
• Хатогиҳои топологӣ метавонанд нисбат ба метрикаҳои global mask натиҷаҳои физикии номутаносиб ба вуҷуд оранд.
• Интихоби усул бояд вобаста ба вазифаи нигоҳдорӣ ва литология анҷом дода шавад.
• Усулҳои классикӣ дар баъзе вазифаҳои binary-и тоза ва контрасти баланд ҳанӯз асоснок мебошанд.
• Омӯзиши амиқ махсусан дар вазифаҳои дорои текстураи гетерогенӣ, сохтори борик ё контексти вақт муфид буда метавонад.
• Меъмории мураккабтари шабака худкор маънои тавсифи боэътимодтари нигоҳдориро надорад.
• Паҳн кардани номуайянии сегментатсия ҳамчун ensemble тавассути solver-и физикӣ метавонад нисбат ба як ниқоби афзал иттилоотноктар бошад.
• Ченакҳои мустақили лабораторӣ ва санҷишҳои topology/property бояд ба метрикаи overlap илова шаванд.
• Ҷараёни кор бояд дар сатҳи маълумот, модел, seed, нармафзор ва ислоҳи дастӣ тафтишшаванда бошад.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

• Ягон алгоритми ягонаи универсалии беҳтарини сегментатсия муайян нашудааст.
• U-Net, transformer ё foundation model дар ҳар литология аз усулҳои классикӣ беҳтар эълон намешавад.
• Dice ё IoU-и баланд кафолати нигоҳдории бехатари CO₂ нест.
• Хатои фоизии ниқоби сегментатсияро мустақиман ба ҳамон хатои фоизӣ дар иқтидори саҳро баробар кардан мумкин нест.
• Connected fracture, ки дар ҳаҷми хурди тасвир дида мешавад, мустақиман роҳи leakage дар миқёси саҳро буданашро исбот намекунад.
• Property Impact Index метрикаи хавфи аз ҷиҳати амалиётӣ тасдиқшуда нест.
• Муодилаи Expected-loss ҳамчун модели хароҷоти лоиҳа калибр нашудааст.
• Баромади Foundation model ground truth-и худкор нест.
• Ин review ягон flow simulation-и нави физикӣ, trained segmentation network ё таҷрибаи саҳроӣ тавлид накардааст.
• Дар ин таҳқиқот чен нашудааст, ки сегментатсия эътимоди танзимгар ё қабули ҷамъиятиро зиёд кардааст.

Сохтори пешниҳодшуда барои benchmark-и кушода

Манбаъ пешниҳод мекунад, ки benchmark-ҳои ояндаи нигоҳдории CO₂ унсурҳои зеринро муттаҳид кунанд:

• sandstone, carbonate, shale, caprock ва fractured rock,
• micro-CT, synchrotron, SEM ва FIB-SEM,
• чанд spatial resolution,
• expert label-и такрорӣ ё probabilistic reference map,
• porosity, permeability, capillary pressure, residual saturation, mineralogy ё mechanical property-и ченшуда,
• барои маълумоти динамикӣ registered dry, brine-saturated ва CO₂-containing volumes,
• pressure ва temperature-и ҳуҷҷатшуда,
• sample-level training, validation ва hidden test partition.

Экосистемаи пешниҳодшудаи ояндаи ҷинси рақамӣ

Ҷараёни кори ояндаи манбаъро дар шаш марҳилаи асосӣ ҷамъбаст кардан мумкин аст:

1. Гирифтани маълумоти Multiscale ва multimodal.
2. Automated preprocessing ва стандартизатсияи сифат.
3. Uncertainty-aware deep learning segmentation.
4. Physics-constrained simulation ва ensemble propagation.
5. Automated, аммо тасдиқи мустақили физикӣ.
6. Upscaling, conditional engineering decision ва дар оянда ҳамгироии digital-twin.

Муаллифон ошкоро мегӯянд, ки унсурҳои digital-twin ва автоматизатсия дар Figure 6 чаҳорчӯбаи пешниҳодшудаи таҳқиқот мебошанд; кори автономӣ ё иҷрои саҳроӣ тасдиқ нашудааст.

Хулосаи ниҳоии илмӣ

Дар нигоҳдории геологии CO₂ ҳадафи сегментатсияи боэътимод сохтани “зеботарин ниқоб” ё “баландтарин Dice” нест. Ҳадафи аслӣ ҳифзи пайгиришавандаи сохторҳои физикӣ ва номуайяниҳои муҳим барои қарори нигоҳдорӣ мебошад.

Аз ин рӯ, манбаъ занҷири зеринро ҳимоя мекунад:

дақиқии тасвир → дақиқии геометрия → дақиқии хусусияти физикӣ → паҳншавии номуайянӣ → қарори шартии муҳандисӣ.

Агар дар ягон марҳилаи занҷир тасдиқ нокифоя бошад, даъвои дақиқӣ барои марҳилаи баъдӣ худкор қавитар намешавад.

Ёддошт оид ба Манбаъ ва Усул

Таҳқиқоти аслӣ: Digital Rock Segmentation with Uncertainty Quantification for Geological CO2 Storage: From Image Accuracy to Carbon Storage Reliability

Муаллифон ва тартиб: William Apau Marfo; William Ampomah; Hamid Rahnema; Carlos Ronaldo Oliva; Godsway Akpabli; Kwamena Opoku Duartey; Elizabeth Akonobea Appiah; Sylvester Agyei; Jacqueline Margaret Adjimah.

Саҳми баробар/муаллифи якуми баробар: Дар манбаъ изҳороти муаллифи якуми баробар ё саҳми баробар вуҷуд надорад.

Муаллифи масъул: Kwamena Opoku Duartey.

Муассиса 1: Department of Petroleum and Natural Gas Engineering, New Mexico Institute of Mining and Technology (New Mexico Tech), Socorro, NM 87801, USA.

Муассиса 2: Petroleum Recovery Research Center (PRRC), New Mexico Institute of Mining and Technology (New Mexico Tech), Socorro, NM 87801, USA.

Муассиса 3: Department of Petroleum Engineering, University of Houston, Houston, TX 77204, USA.

Маҷалла: Advances in Carbon Neutrality.

Ношир: MDPI.

Сол / ҷилд / шумора / рақами мақола: 2026; 1(2); 6.

DOI: 10.3390/acn1020006.

Пайванди расмӣ: https://doi.org/10.3390/acn1020006

Санаи ирсол: 12 августи 2026.

Санаи бознигарӣ: 24 сентябри 2026.

Санаи қабул: 28 сентябри 2026.

Санаи нашр: 1 октябри 2026.

Навъи манбаъ: Review; structured critical review.

Ҳолати ҳамтоарзёбӣ: Version of record, ки дар маҷаллаи илмии ҳамтоарзёбишуда нашр шудааст.

Иҷозатнома: Creative Commons Attribution (CC BY).

Шумораи манбаъҳо: 154.

Инвентаризатсияи далелҳо: 132 evidence entry ва 22 contextual entry.

Сатҳҳои далел: 16 Tier A, 92 Tier B, 24 Tier C, 22 Context.

Асоси дастрасӣ ба манбаъ: 67 full text, 42 abstract, 16 abstract + partial excerpt, 7 metadata. Манбаъ гузориш медиҳад, ки 49 вуруд бар abstract ё metadata асос ёфтааст ва дар 64 вуруд ҳадди ақал як майдони “not verified” мавҷуд аст.

Ҳолати мета-таҳлил: Pooled meta-analysis анҷом дода нашудааст. Бо сабаби гетерогении литология, voxel size, phase count, annotation, тақсимоти маълумот, метрика ва шароити solver рейтингбандии универсалии алгоритмҳо анҷом намешавад.

Чаҳорчӯбаи марказии арзёбӣ: дақиқии voxel/синф, вафодории сарҳад, топология, морфология, номуайянии калибршуда, ҳассосияти хусусияти физикӣ ва натиҷаи қарори муҳандисӣ.

Оилаҳои асосии усулҳо: threshold, edge, region, clustering/unsupervised ML, supervised ML, deep learning; инчунин равишҳои transformer, attention ва foundation model алоҳида муҳокима мешаванд.

Маблағгузорӣ: U.S. Department of Energy, Office of Fossil Energy and Carbon Management, grant DE-FE0032363.

Кумитаи ахлоқии муассисавӣ: Татбиқ намешавад.

Розигии огоҳона: Татбиқ намешавад.

Дастрасии маълумот: Баррасӣ rock-imaging dataset-и нав, flow simulation-и физикӣ ё trained segmentation model тавлид накардааст. Evidence inventory ва сабтҳои Scopus screening дар Supplementary Materials S1 ва S2 пешниҳод шудаанд.

Саҳми муаллифон: Консептуализатсия William Apau Marfo; таҳқиқот Carlos Ronaldo Oliva; тарҳи аввал William Apau Marfo ва Carlos Ronaldo Oliva; баррасӣ/таҳрир William Apau Marfo, Carlos Ronaldo Oliva, Godsway Akpabli, Kwamena Opoku Duartey, Elizabeth Akonobea Appiah, Sylvester Agyei ва Jacqueline Margaret Adjimah; роҳбарӣ William Ampomah ва Hamid Rahnema гузориш шудааст.

Изҳороти истифодаи зеҳни сунъӣ: Муаллифон мегӯянд, ки воситаи image-generation/editing-и OpenAI дар ChatGPT барои кӯмак дар эҷод, беҳтарсозӣ ва таҳрири визуалии шаш расми консептуалии мақола истифода шудааст. Дар марҳилаҳои аввалини Scopus screening ва evidence extraction низ дастгирии AI истифода шуда, интихобҳо бо скрининги дуюми бар код асосёфта ва баррасии дастӣ санҷида шудаанд. Муаллифон масъулияти муҳтавои ниҳоиро ба уҳда гирифтаанд.

Ихтилофи манфиатҳо: Муаллифон гузориш додаанд, ки ихтилофи манфиатҳо вуҷуд надорад; инчунин гуфта шудааст, ки маблағгузор дар тарҳи баррасӣ, ҷамъоварӣ/тафсири адабиёт, навиштан ё қарори нашр нақш надоштааст.

Ёддошти Муодила (6): Property Impact Index самти таҳқиқотиест, ки ин баррасӣ пешниҳод мекунад; он метрикаи тасдиқшудаи амалиётии сегментатсия ё хавф нест. Мисоли 0,96 Dice, 120/35 mD ва тақрибан 0,66 дар манбаъ танҳо намоиши ҳисобкунии фарзӣ мебошад.

Ёддошти Муодила (7): Ифодаи Expected-loss чаҳорчӯбаи generic-и таҳқиқотӣ аст; calibration-и failure probability ё consequence-и иқтисодии махсуси лоиҳа анҷом дода нашудааст.

Ёддошти расм: Шаш расми асосии манбаъ синтезҳои консептуалӣ буда, ченаки нави таҷрибавӣ, натиҷаи benchmark ё симулятсияи тасдиқшудаи ҷараён нестанд.

Ҳудуди асосии тафсир: Номуайянии pore-scale, ки аз сегментатсия сар мезанад, наметавонад мустақиман ба иқтидори саҳро, рафтори plume ё эҳтимоли containment баробар карда шавад. Барои миқёси формация намунагирии геологӣ, upscaling, моделҳои reservoir/fluid/geomechanical ва шароити амалиётӣ алоҳида лозиманд.