Raqamli togʻ jinsi fizikasi — Digital Rock Physics (DRP) togʻ jinslarining uch oʻlchamli tasvirlarini sonli fizika modellari bilan birlashtirib, gʻovak tuzilishi, oqim va tashilish xususiyatlari kabi kattaliklarni oʻrganadigan togʻ jinsini tavsiflash yondashuvidir. Ushbu yondashuvda tasvir segmentatsiyasi uzluksiz kulrang-darajali tasvirni gʻovak, qattiq matritsa, mineral, yoriq, shoʻr suv va CO₂ kabi alohida sinflarga aylantiradigan oʻlchash bosqichidir. Koʻrib chiqilgan tuzilmali tanqidiy sharh segmentatsiya usullarini faqat tasvir oʻxshashligi ballari boʻyicha emas, balki geologik CO₂ saqlashda sigʻim, inyeksiya qilinuvchanlik, qoldiq tutib qolish, reaktiv oʻzgarish va containment baholashiga ishonchli kirish maʼlumoti bera olishiga qarab tahlil qiladi.

Maqolaning asosiy xulosasi shuki, tasvir aniqligi bilan saqlash ishonchliligi bir xil narsa emas. Ikki segmentatsiya niqobi vizual jihatdan bir-biriga juda oʻxshashi va oʻxshash Dice yoki Intersection over Union (IoU) qiymatlarini berishi mumkin; biroq muhim gʻovak boʻgʻizining notoʻgʻri yopilishi, alohida CO₂ ganglionlarining birlashtirilishi, mikrogʻovaklikning qattiq faza sifatida belgilanishi yoki haqiqiy boʻlmagan yoriq bogʻlanishining yaratilishi oʻtkazuvchanlik, bogʻlangan gʻovaklik, qoldiq CO₂ toʻyinganligi, reaktiv sirt maydoni va ehtimoliy sizib chiqish yoʻli bashoratlarini oʻzgartirishi mumkin.

Sharh klassik threshold, edge va region usullaridan klasterlash, nazoratli mashinaviy oʻrganish, CNN/U-Net asosidagi chuqur oʻrganish, attention/transformer modellari va foundation model yondashuvlarigacha boʻlgan keng usullar oilasini baholaydi. Mualliflarning xulosasi shuki, geologik CO₂ saqlash uchun universal eng yaxshi segmentatsiya algoritmi mavjud emas. Eng asosli usul litologiya, tasvir sifati, faza kontrasti, sinflar soni, mavjud belgilangan maʼlumotlar, hisoblash resurslari va segmentatsiya qaysi fizik saqlash kattaligini qoʻllab-quvvatlashiga qarab oʻzgaradi.

Tadqiqot segmentatsiya sifatini yetti oʻlchamda baholaydigan doirani taklif qiladi: sinf/voxel aniqligi, chegara sodiqligi, topologiya, morfologiya, kalibrlangan noaniqlik, fizik xususiyat sezgirligi va muhandislik qaroriga taʼsir. Shunday qilib, “niqob referens tasvirga qanchalik oʻxshaydi?” savoliga qoʻshimcha ravishda “notoʻgʻri voxel qayerda?”, “gʻovak tarmogʻi hali ham bogʻlanganmi?”, “permeabilite qancha oʻzgardi?” va “bu xato maydon qarorini oʻzgartirishi mumkinmi?” savollari ham sifat nazoratining bir qismiga aylanadi.

Maqola shuningdek segmentatsiyani bitta deterministik niqob sifatida emas, imkon qadar bir-biridan farqli, ammo maqbul segmentatsiya realizatsiyalari toʻplami sifatida koʻrib chiqishni taklif qiladi. Ushbu realizatsiyalar bir xil fizik yechuvchiga berilganda oʻtkazuvchanlik, kapillyar bosim, qoldiq CO₂ toʻyinganligi yoki boshqa xususiyatlar uchun bitta son oʻrniga taqsimotlar olinishi mumkin.

Talqin chegarasi: tadqiqot yangi togʻ jinsi tasvirlash tajriba toʻplami, yangi oʻqitilgan segmentatsiya modeli yoki maydon miqyosida CO₂ saqlash tasdiqlashini taqdim etmaydi. Maqolaning oltita asosiy rasmi konseptual sintezlardir. Segmentatsiyaning yaxshiroq maydon tanlash, inyeksiya dizayni yoki monitoring qarorlariga hissasi mumkin boʻlgan loyiha darajasidagi natijalardir; ularning roʻyobga chiqishi uchun geologik miqyoslashtirish va loyihaga xos tasdiqlash talab qilinadi.

Geologik CO₂ saqlashda raqamli togʻ jinsi muammosi nega muhim?

Geologik CO₂ saqlashda faqat umumiy gʻovak hajmini bilish yetarli emas. Saqlanuvchanlik gʻovaklarning bir-biriga bogʻlangan yoki bogʻlanmaganligiga, oqim yoʻllarining uzluksizligiga, kirish boʻgʻizlariga, kapillyar xatti-harakatga, yoriqlar tizimiga, mineral–suyuqlik reaksiyalariga, bosim aloqasiga va formatsiyaning zichligiga bogʻliq.

Raqamli togʻ jinsi fizikasi bu kichik miqyosdagi tuzilmalarni micro-computed tomography (micro-CT), synchrotron tomography, nano-CT, scanning electron microscopy (SEM), backscattered electron imaging (BSE) va focused ion beam–SEM (FIB-SEM) kabi tasvirlash usullari bilan kuzata oladi. Biroq fizika simulyatsiyasi ishlashi uchun kulrang-darajali tasvirdagi har bir voxel yoki tasvir elementi qaysi fazaga tegishli ekanini aniqlash kerak.

Shu sababli segmentatsiya faqat “tasvirni tozalab ranglash” jarayoni emas. Segmentatsiya niqobi:

• umumiy va bogʻlangan gʻovak hajmini,
• gʻovak boʻgʻizi geometriyasini,
• oqim yoʻllarini,
• CO₂–shoʻr suv interfeyslarini,
• reaktiv mineral sirtlarini,
• yoriq ochiqligi va uzluksizligini,
• yuk koʻtaruvchi qattiq skeletni

belgilaydigan sonli geometriyaning oʻzidir.

Tasvirlash usulini tanlash nega faqat aniqlik darajasidan iborat emas?

Yuqori fazoviy aniqlik kichik gʻovaklar, ingichka boʻgʻizlar va mineral chegaralarini yaxshiroq koʻrsatishi mumkin; biroq yuqori aniqlikdagi tasvir odatda kichikroq namuna hajmini qamrab oladi. Kattaroq tasvir hajmi esa togʻ jinsi geterogenligini yaxshiroq ifodalar ekan, kichik gʻovaklarning aniqligini yoʻqotishi mumkin.

Manba bu munosabatni resolution–representative elementary volume (REV) tradeoff sifatida muhokama qiladi. REV maʼlum bir tuzilmaviy yoki petrofizik kattalik tanlangan kichik hajmga haddan tashqari bogʻliq boʻlishdan chiqib, qabul qilinadigan darajada barqarorlashadigan minimal vakillik hajmidir.

Oldindan ishlov berish nega betaraf bosqich emas?

Xom tomografiya va elektron mikroskopiya tasvirlarida detector noise, ring artifact, beam hardening, xiralik, harakat va partial-volume taʼsirlari boʻlishi mumkin. Oldindan ishlov bu muammolarni kamaytirishi mumkin; biroq filtrlash bir vaqtning oʻzida ingichka gʻovak boʻgʻizlarini yoʻqotishi, kichik CO₂ klasterlarini yoʻq qilishi, yoriq ochiqligini oʻzgartirishi yoki faza chegaralarini yumshatishi mumkin.

Shuning uchun denoising, artifact correction, contrast enhancement, registration va intensity normalization kabi bosqichlarning parametrlari qayd etilishi; segmentatsiyadan keyingi fizik natijalar maqbul parametr oʻzgarishlariga nisbatan barqarormi yoki yoʻqmi, tekshirilishi kerak.

Nega Yuqori Dice yoki IoU Bali Yolgʻiz Oʻzi Ishonchli CO₂ Saqlash Modelini Anglatmaydi?

Dice va IoU niqoblarning hajmiy sinf ustma-ust tushishini oʻlchaydi, biroq xato geologik tarmoqning qaysi nuqtasida yuz berganini koʻrsatmaydi; shuning uchun juda oz voxel tutgan muhim gʻovak boʻgʻizi, CO₂ snap-off boʻyni yoki caprock yorigʻining notoʻgʻri belgilanishi global ballni juda kam oʻzgartirgan holda oʻtkazuvchanlik, trapping yoki ehtimoliy sizib chiqish yoʻli talqinini jiddiy oʻzgartirishi mumkin.

Tenglama (1): Dice koeffitsiyenti

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

• \(TP\): maqsad fazani haqiqatan ifodalaydigan va toʻgʻri tasniflangan true-positive voxel soni.
• \(FP\): aslida maqsad faza boʻlmagan, biroq maqsad faza sifatida tasniflangan false-positive voxel soni.
• \(FN\): maqsad fazaga tegishli boʻlsa-da, boshqa sinfga ajratilgan false-negative voxel soni.

Dice 0 bilan 1 oraligʻida oʻzgaradi. 1 ga yaqinlashishi bashorat qilingan niqob bilan referens niqob oʻrtasidagi sinf ustma-ust tushishi ortganini koʻrsatadi.

Biroq Dice xatoning fazoviy joylashuvini kodlamaydi. Masalan, minglab toʻgʻri voxel orasida faqat bir necha muhim throat voxelining notoʻgʻri tasniflanishi global Dice qiymatini juda kam oʻzgartirishi mumkin.

Tenglama (2): Intersection over Union — IoU

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

IoU ham 0–1 oraligʻida boʻlib, bashorat qilingan maqsad sinf bilan haqiqiy maqsad sinfning kesishmasini ularning birlashmasiga nisbatan oʻlchaydi.

Dice va IoU sinf aniqligining muhim qismlaridir; biroq topologiya, chegara joylashuvi, gʻovak bogʻlanishi yoki fizik xususiyat aniqligining bevosita oʻlchovi emas.

Tenglama (3): Fizik xususiyat uchun mutlaq nisbiy foiz xatosi

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

• \(\varepsilon_X\): X fizik xususiyatining mutlaq nisbiy foiz xatosi.
• \(X_{seg}\): segmentatsiya geometriyasidan hisoblangan xususiyat.
• \(X_{ref}\): tajribada oʻlchangan yoki qabul qilingan referens qiymat.

\(X\); gʻovaklik, oʻtkazuvchanlik, kapillyar bosim, qoldiq CO₂ toʻyinganligi, interfeys maydoni, reaktiv sirt maydoni, yoriq ochiqligi, oʻtkazuvchanlik yoki elastik modul boʻlishi mumkin.

Tenglama mutlaq qiymatdan foydalangani uchun xatoning kattaligini beradi; ortiqcha yoki kam baholanganini aytmaydi. Shu sababli manba muhandislik qarorida yoʻnalish muhim boʻlsa, signed bias maʼlumoti ham alohida xabar qilinishini tavsiya etadi.

Yetti oʻlchamli baholash doirasi

Segmentatsiya usullarining oltita asosiy oilasi

Otsu threshold usuli qachon asosli boʻlishi mumkin?

Global Otsu threshold histogramdagi ikki sinf oʻrtasidagi dispersiyani maksimal qiladigan intensity cutoff ni tanlaydi. Manba yaxshi ajralgan kulrang-darajali taqsimotlarga ega toza va yuqori kontrastli pore–solid tasvirlarda Otsu tez va takrorlanuvchi boshlangʻich usul ekanini taʼkidlaydi.

Faza intensivliklari ustma-ust tushishi, dispersiyalar farqlanishi, mineral geterogenligi yoki partial-volume taʼsiri ortganda bitta global threshold sinflarni toʻgʻri ajratmasligi mumkin. Bunday holatda adaptive/multilevel threshold, region asosidagi usul yoki oʻrganishga asoslangan yondashuv talab etilishi mumkin.

Watershed va region growing nega ehtiyotkorlikni talab qiladi?

Watershed tasvirni topografik sirt sifatida koʻrib, catchment basin chegaralari orqali bogʻlangan hududlarni ajratadi. Tegib turgan don, gʻovak yoki CO₂ ganglionlarini ajratishda foydali boʻlishi mumkin; biroq shovqin va sirt notekisliklari koʻp sonli soxta minimumlar yaratib oversegmentation keltirib chiqarishi mumkin.

Region growing esa tanlangan seed nuqtalaridan oʻxshash voxellarga tomon oʻsadi. Seed notoʻgʻri boʻlsa erta toʻxtashi yoki qoʻshni fazaga oʻtib boundary leakage hosil qilishi mumkin.

U-Net nega raqamli togʻ jinsi segmentatsiyasida keng tarqalgan?

U-Net encoder–decoder chuqur oʻrganish arxitekturasidir. Encoder convolution va pooling orqali keng kontekstual xususiyatlarni chiqarar ekan, decoder fazoviy aniqlikni qayta tiklaydi. Encoder va decoder darajalari oʻrtasidagi skip connection ulanishlari yuqori aniqlikdagi lokal maʼlumotni decoder ga olib oʻtadi.

Bu tuzilma ingichka pore throat, grain contact va microcrack chegaralarini saqlash nuqtai nazaridan qimmatli. Biroq yuqori global accuracy; ozchilik sinfidagi gil, mikrogʻovak yoki ingichka yoriqlar toʻgʻri segmentatsiya qilinganini kafolatlamaydi.

Ikki oʻlchamli oʻqitishda qoʻshni kesimlar oʻrtasidagi fizik bogʻlanish toʻliq ifodalanmasligi, uch oʻlchamli oʻqitishda esa yuqori xotira talabi va patch stitching taʼsirlari alohida muammolardir.

Transformer va foundation modellar uchun manba nega ehtiyotkor?

Transformer asosidagi modellar uzoqroq masofadagi fazoviy munosabatlarni ifodalashi mumkin; biroq sharh ularning raqamli togʻ jinsi sohasidagi dalillari U-Net oilasiga qaraganda yangiroq va cheklanganroq ekanini bildiradi.

Segment Anything Model (SAM) va DINOv2 kabi foundation modellar tabiiy tasvirlarda oldindan oʻqitilgan. Tabiiy tasvir chegaralari bilan X-ray attenuation, partial-volume mixing va togʻ jinsi ichidagi topology-critical grayscale tuzilmalar bir xil emas.

Shuning uchun manba foundation modellarni avtomatik “geologik ground truth” sifatida emas, balki proposal generator, feature initializer yoki few-shot adaptation vositasi sifatida baholash va mustaqil geologik/fizik tasdiqlash oʻtkazishni tavsiya qiladi.

Geologik CO₂ Saqlash Uchun Bitta “Eng Yaxshi” Segmentatsiya Algoritmi Bormi?

Yoʻq; sharh hech bir usulni universal birinchi oʻringa qoʻymaydi va usulning asosli ekanligi litologiya, tasvir kontrasti, sinf murakkabligi, belgilarga kirish imkoniyati, hisoblash byudjeti va segmentatsiya qaysi fizik saqlash kattaligini qoʻllab-quvvatlashiga bogʻliq.

CO₂–shoʻr suv segmentatsiyasi nega alohida qiyin?

Dinamik koʻp fazali tasvirlarda ikki muammo bir vaqtning oʻzida yuzaga keladi: faza kontrasti past boʻlishi mumkin va segmentatsiya vaqt davomida izchil qolishi kerak.

Shoʻr suv va CO₂ ning X-ray attenuation qiymatlari ayrim sharoitlarda bir-biriga yaqinlashishi mumkin. Contrast agent ishlatish fazalarni ajratishni kuchaytirishi mumkin; biroq ishlatilgan moddaning tasvir va oqim xatti-harakatiga taʼsiri tajriba sharoitida alohida baholanishi kerak.

Vaqt qatorlarida frame-to-frame mask oʻzgarishi haqiqiy suyuqlik harakatimi yoki segmentatsiya beqarorligimi, ajratilishi kerak. Chunki kichik voxel farqi alohida CO₂ ganglionlarini birlashtirishi yoki snap-off boʻynini yoʻq qilishi mumkin.

Manbada keltirilgan Chai va hamkasblari misolida 58 soatlik statik intervaldan keyin qayta boshlangan brine oqimi bilan CO₂ saturation qiymati %22,8 dan %15,6 gacha tushgan. Manba bu fizik remobilization/Ostwald ripening kuzatuvi ekanini; algoritmlararo segmentatsiya noaniqligi yoki maydon containment natijasi emasligini alohida taʼkidlaydi.

Yoriq segmentatsiyasi nega containment uchun sezgir?

Yoriqni notoʻgʻri “ochiq” yoki “yopiq” deb talqin qilish faqat vizual xato emas; hisoblangan transmissivity va ehtimoliy oqim yoʻliga bevosita taʼsir qilishi mumkin.

Manbada muhokama qilingan Deng va hamkasblari tadqiqotida CO₂-acidified brine taʼsiriga uchragan tabiiy karbonat caprock dagi buzilgan zonalarni ochiq yoriq yoki oʻtkazmaydigan togʻ jinsi deb qabul qilish hisoblangan transmissivity qiymatlarida taxminan 2–4 baravar farq hosil qilgan.

Biroq bular bounding single-phase simulations natijalaridir; tegishli tadqiqotda tajribaviy permeability oʻlchovi mavjud emas. Shuning uchun bu sonni “haqiqiy caprock sizishi 2–4 baravar oʻzgaradi” tarzida umumlashtirib boʻlmaydi.

Segmentatsiya noaniqligining uchta asosiy manbai

Tenglama (4): Predictive entropy

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

• \(H(x)\): x voxelining sinf tayinlashidagi predictive entropy.
• \(C\): segmentatsiya sinflarining umumiy soni.
• \(p_c(x)\): x voxelining c sinfiga tegishli boʻlish bashorat ehtimoli.
• \(\ln\): tabiiy logarifm.

\(H(x)\) nats birligida ifodalanadi. \(C\geq2\) uchun:

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

ifodasi 0–1 oraligʻida oʻlchamsiz normallashtirilgan entropy beradi.

Yuqori entropy sinf tayinlanishi koʻproq noaniq ekanini, past entropy esa model yuqoriroq ishonch bildirayotganini koʻrsatadi. Biroq manba muhim ogohlantirish beradi: past entropy toʻgʻri tasniflash kafolati emas. Domain tashqarisidagi tasvirda haddan tashqari ishonchli tarmoq notoʻgʻri belgiga past entropy berishi mumkin. Shu sababli uncertainty qiymati kuzatilgan xatolar bilan kalibrlanishi kerak.

Epistemik va aleatorik noaniqlik oʻrtasidagi farq

Epistemik noaniqlik modelning cheklangan bilim va oʻqitish qamrovidan kelib chiqadi. Koʻproq xilma-xil oʻquv maʼlumotlari, domain adaptation yoki ensemble kabi usullar bilan kamaytirilishi mumkin.

Aleatorik noaniqlik tasvirning oʻzidagi aniqlik, fazalar ustma-ust tushishi, noise yoki partial-volume kabi ichki noaniqliklardan kelib chiqadi. Modelni koʻproq oʻqitish tasvirda mavjud boʻlmagan axborotni yoʻqdan yaratmaydi; yaxshiroq acquisition, multimodal imaging yoki probabilistic phase assignment talab qilinishi mumkin.

Segmentatsiya Noaniqligi CO₂ Saqlash Qarorlariga Qanday Tarqaladi?

Segmentatsiya noaniqligi avval gʻovak va faza geometriyasini oʻzgartiradi; bu oʻzgarish oʻtkazuvchanlik, kapillyar bosim, qoldiq toʻyinganlik, reaktiv sirt yoki mexanik uzluksizlik kabi fizik xususiyatlarga oʻtadi va geologik miqyoslashtirish hamda loyiha maʼlumotlari qoʻshilganda sigʻim, inyeksiya, trapping va containment qarorlariga shartli ravishda taʼsir qilishi mumkin.

Tenglama (5): Muqobil segmentatsiyalarning bir xil fizika modeli bilan tarqalishi

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

• \(S^{(n)}\): n-chi maqbul segmentatsiya realizatsiyasi.
• \(F\): har bir realizatsiyaga bir xil qoʻllanadigan fizik operator/yechuvchi.
• \(X^{(n)}\): shu geometriyadan hisoblangan fizik xususiyat.
• \(N\): ensemble ichidagi segmentatsiyalar soni.

Bu yondashuvning muhim jihati har bir property uchun mustaqil min–max qiymatlarni aralashtirish oʻrniga bir xil geometriya realizatsiyasidan birgalikda chiqadigan fizik xususiyatlarni saqlashdir.

Natijada bitta \(X\) oʻrniga:

• oʻrtacha,
• quantile,
• threshold exceedance probability,
• asimmetrik yoki non-normal tail

kabi taqsimot xususiyatlari oʻrganilishi mumkin. Biroq bu taqsimotning ishonchliligi segmentatsiya ensemble qanday yaratilgani va kalibrlanganiga bogʻliq.

Segmentatsiya xatosining saqlash kattaliklariga namunaviy taʼsirlari

Mustaqil fizik tasdiqlash nega majburiy?

Tabiiy togʻ jinsi tasvirlarida voxel darajasida mukammal ground truth koʻpincha mavjud emas. Helium porosity yoki mercury-injection capillary pressure kabi bulk oʻlchovlar butun namunaning fizik xususiyatini tekshirishi mumkin; biroq alohida voxellar toʻgʻri tasniflanganini koʻrsatmaydi.

Masalan, segmentatsiya umumiy porosity qiymatini toʻgʻri berishi, ammo bir hududda ortiqcha gʻovak, boshqa hududda kam gʻovak yaratib, umumiy qiymatda xatolarni bir-birini qoplashiga olib kelishi mumkin. Bunday holatda global porosity toʻgʻri koʻrinar ekan, permeability notoʻgʻri boʻlishi mumkin.

Shuning uchun manba complementary validation ni tavsiya qiladi: porosity, permeability va capillary pressure kabi bir nechta fizik kattalik imkon qadar birgalikda tekshirilishi kerak.

Shuningdek calibration bilan validation ajratilishi kerak. Threshold tanlash uchun ishlatilgan porosity oʻlchovi oʻsha threshold ni mustaqil tasdiqlaydigan maʼlumot hisoblanmaydi.

Auditability — tekshiriladigan ish oqimi nimani talab qiladi?

Manba har bir fizik natija doimiy sample identifier va versioned processing record bilan bogʻlanishini tavsiya qiladi.

Qayd etilishi kerak boʻlganlar qatoriga:

• xom yoki yoʻqotishsiz qayta tiklangan tasvirlar,
• voxel size, orientation va region of interest,
• preprocessing parametrlari,
• belgi taʼriflari va annotator qarorlari,
• sample-level train/tuning/test partition,
• kod va dasturiy taʼminot versiyasi,
• tarmoq vaznlari va random seed,
• postprocessing sozlamalari,
• fizik solver sozlamalari,
• manual override joyi, sababi va oldin/keyin belgilari

kirishi kerak.

Tenglama (6): Property Impact Index

Manba kelajakda sinash uchun transition-specific Property Impact Index ni taklif qiladi:

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

• \(S\): boshlangʻich segmentatsiya.
• \(x\): baholanayotgan voxel.
• \(a\): voxelning joriy sinfi.
• \(b\): ruxsat etilgan muqobil sinf.
• \(S(x:a\rightarrow b)\): faqat x voxeli a sinfdan b sinfga oʻzgartirilgan geometriya.
• \(F\): bir xil fizik operator.
• \(H(x)/\ln C\): normallashtirilgan predictive entropy.
• \(X_{scale}\): barcha taqqoslashlarda doimiy saqlanadigan musbat fizik xususiyat referens miqyosi.

Birinchi koʻpaytuvchi voxel qanchalik noaniq ekanini, ikkinchi koʻpaytuvchi esa shu belgi oʻzgarishi fizik property ga qanchalik taʼsir qilishini oʻlchaydi. Shunday qilib, noaniqligi yuqori, ammo fizik jihatdan ahamiyatsiz voxel bilan oʻrtacha noaniq, ammo muhim throat ustida joylashgan voxel bir xil deb olinmaydi.

Indeks oʻlchamsiz, ammo failure probability emas.

Manba shuningdek bitta voxel oʻzgarishi barcha topologik oʻzaro taʼsirlarni ushlay olmasligini; correlated boundary error yoki multi-voxel bridge muammosi boʻlsa, hududiy perturbation ishlatilishi kerakligini taʼkidlaydi.

Tenglama (6) ning manbadagi faraziy misoli

Maqola faqat hisoblashni koʻrsatish uchun quyidagi mutlaqo faraziy misolni beradi:

• Ikki niqob uchun Dice = 0,96.
• Muhim throat dagi noaniq voxel uchun \(H=0,65\) nats.
• Binary vazifa: \(C=2\).
• Voxel pore boʻlganda permeability = 120 mD.
• Voxel solid boʻlganda permeability = 35 mD.
• \(X_{scale}=120\) mD.

Normallashtirilgan fizik oʻzgarish:

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

Normallashtirilgan entropy:

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

Shuning uchun:

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

Misolda faraziy 80 mD screening threshold ham oshib ketadi. Biroq manba bu sonlar oʻlchov, indeks tasdiqlashi yoki haqiqiy saqlash maydonini qabul/rad etish qarori emasligini aniq taʼkidlaydi.

Tenglama (7): Umumiy expected-loss ifodasi

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

• \(R(d)\): d qarorining expected risk / expected loss qiymati.
• \(F_j\): j-chi failure mode.
• \(P(F_j\mid d,D)\): d qarori va D mavjud dalili ostida j failure mode ehtimoli.
• \(C_j\): ushbu failure mode natijasi/xarajati.
• \(J\): koʻrib chiqilgan failure mode lar soni.

Manba ehtimoliy oqibatlar orasida qoʻshimcha tasvirlash yoki core analysis, keraksiz hisoblash, kam ishlatilgan saqlash sigʻimi, haddan tashqari inyeksiya bosimi, completion redesign, monitoring yuklamasi, regulatory delay va containment/safety exposure kabi misollarni beradi.

Tenglama (7) tasdiqlangan yangi iqtisodiy model emas. Loyihaga xos failure probability va consequence qiymatlari ushbu sharhda kalibrlanmagan va ularni faqat Dice yoki voxel entropy dan chiqarib boʻlmaydi.

Fizika segmentatsiyani qanday sinashi mumkin?

Manba fizik tenglamalarning ikki xil rolda ishlatilishini ajratadi:

1. Fizik cheklov bevosita oʻqitish yoʻqotishiga kirsa, segmentatsiya modeliga taʼsir qilishi mumkin.
2. Fizika segmentatsiyadan keyin qoʻllansa, segmentatsiya algoritmi emas, physical validation yoki property-sensitive test vazifasini bajaradi.

Tenglama (8): Umumiy fizika-axborotli kompozit yoʻqotish

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

• \(L_{data}\): belgi yoki kuzatuv maʼlumotiga nomoslik yoʻqotishi.
• \(L_{phys}\): governing equation yoki fizik cheklov buzilishi jazosi.
• \(L_{BC}\): boundary condition buzilishi jazosi.
• \(\lambda_{data}\), \(\lambda_{phys}\), \(\lambda_{BC}\): uchta yoʻqotish komponentining nisbiy vaznlari.

Bu tenglama manbada generic composite objective sifatida berilgan; muayyan yangi segmentatsiya tarmogʻining tasdiqlangan yoʻqotish funksiyasi emas.

Tenglama (9) va (10): Yechilgan gʻovak fazosida stationary Stokes oqimi

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

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

• \(\mathbf{u}\): tezlik vektori.
• \(p\): bosim.
• \(\mu\): dinamik qovushoqlik.
• \(\nabla p\): bosim gradienti.
• \(\nabla^2\mathbf{u}\): qovushqoq impuls tarqalishini ifodalovchi Laplacian hadi.

Tenglama (10) yechilgan oqim maydonida incompressible shartini ifodalaydi. Manba ushbu Stokes tenglamalarini pore-scale geometriyani permeability kabi fizik xususiyat bilan sinash uchun misol sifatida ishlatadi.

Tenglama (11): Oqimdan mutlaq oʻtkazuvchanlik

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

• \(K\): mutlaq permeability.
• \(\mu\): dinamik qovushoqlik.
• \(Q\): hajmiy oqim sarfi.
• \(L\): namunaning oqim yoʻnalishidagi uzunligi.
• \(A\): kesim maydoni.
• \(\Delta p\): namuna boʻylab bosim farqi.

Tenglamaning muhim roli shuki: ikki segmentatsiya bir xil Dice baliga ega boʻlsa ham, ulardan biri oqim uchun muhim throat ni yopsa, bir xil bosim chegaralarida turli \(Q\) va natijada turli \(K\) hosil qilishi mumkin.

Shu sababli permeability hisobi segmentatsiya geometriyasining topologik aniqligiga sezgir validation vositasi boʻlishi mumkin.

Tenglama (12): Stokes–Brinkman yondashuvi

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

• \(\mu_{eff}\): samarali qovushoqlik.
• \(K_m\): yechilmaydigan microporous fazaga berilgan samarali permeability.

Bu tenglama toʻliq ochiq gʻovak sifatida yechiladigan Stokes hududi bilan tasvir aniqligi chegarasidan pastda qoladigan va faqat samarali permeability bilan ifodalanadigan microporous material oʻrtasida continuum koʻprigini yaratadi.

Manba bu “tasvirda yoʻq tuzilmani aniq qayta tiklash” usuli emasligini taʼkidlaydi. \(K_m\) kabi samarali xususiyatlar mustaqil maʼlumot bilan cheklanishi yoki kalibrlanishi kerak.

Tadqiqot Usuli va Natijalari

Sharh dizayni

Maqola oʻzini structured critical review deb taʼriflaydi. Tadqiqot 154 ta manbadan empirik tadqiqotlar, metodologiya maqolalari, sharhlar, siyosat hisobotlari va maʼlumot manbalari sifatida foydalanadi.

Manbalar uchta asosiy ilmiy dalil darajasiga ajratilgan:

Tier darajasi metodologik sifat bali emas. U faqat manba dalili geologik CO₂ saqlash muammosiga qanchalik bevosita bogʻliqligini tasniflaydi.

Manbaga kirish holati

Jami 49 ta yozuv abstract yoki metadata darajasida qolgan. Bundan tashqari, 64 ta yozuvda kamida bitta maʼlumot maydoni “not verified” deb belgilangan. Manba “not verified” iborasini kirish yoki extraction boʻshligʻi; “not reported” iborasini esa koʻrib chiqilgan manbada maʼlumot berilmagan holat uchun ishlatadi.

Qidiruv va skrining oqimi

Boshqa 574 ta potensial nomzod toʻliq matn baholashiga olinmasdan nomzodlar hovuzida qoldirilgan.

Dastlabki Scopus skriningi va dalillarni chiqarishda sunʼiy intellekt yordami ishlatilgan. Keyin mualliflardan biri CSV yozuvlarini kod bilan qayta ishlagan ikkinchi skrining oʻtkazilgan, natijalar qoʻlda tekshirilgan va yakuniy tadqiqot tanlovlarini mazmunan oʻzgartiradigan nomuvofiqlik topilmagani xabar qilingan.

Qidiruv prospektiv roʻyxatdan oʻtkazilmagan. Tarixiy retrieval loglarining bir qismi yetishmaydi va Scopus soʻrovidagi majburiy CO₂ termini CO₂ dan tashqarida ishlab chiqilgan, ammo segmentatsiya jihatidan koʻchirilishi mumkin boʻlgan ayrim usullarni oʻtkazib yuborishi mumkin.

Nega meta-tahlil yoki universal algoritm reytingi qilinmadi?

Manbalar:

• litologiya,
• voxel size,
• phase count,
• class balance,
• annotation,
• training/test partition,
• metric taʼrifi,
• fizik solver

jihatidan bir-biridan farq qiladi.

Shuning uchun turli tadqiqotlardagi Dice yoki permeability error qiymatlarini bitta hovuzga qoʻyib, “X algoritmi umuman olganda Y dan %Z yaxshiroq” degan xulosaga kelish ilmiy jihatdan asosli emas.

Manba ustunlik daʼvosi faqat bir xil tasvirlar, bir xil referens belgilar, bir xil train/test boʻlinishi va oʻxshash tuning byudjeti ostida bajarilgan nazoratli taqqoslashlarda kuchli ekanini taʼkidlaydi.

Segmentatsiya taʼsiriga oid bevosita misollar

Tadqiqot qoʻllab-quvvatlaydigan xulosalar

• Geologik CO₂ saqlashda segmentatsiya tasvirni qayta ishlash bosqichidan tashqari fizik oʻlchash modelining bir qismidir.
• Yuqori tasvir ustma-ust tushish metriği fizik aniqlikni yolgʻiz oʻzi kafolatlamaydi.
• Topologik xatolar global mask metriklariga nisbatan nomutanosib fizik natijalar keltirib chiqarishi mumkin.
• Usul tanlovi saqlash vazifasi va litologiyaga qarab qilinishi kerak.
• Klassik usullar ayrim toza, yuqori kontrastli binary vazifalarda asosli boʻlib qolmoqda.
• Chuqur oʻrganish ayniqsa geterogen tekstura, nozik tuzilma yoki vaqt konteksti talab qiladigan vazifalarda foydali boʻlishi mumkin.
• Murakkabroq tarmoq arxitekturasi avtomatik ravishda ishonchliroq saqlash tavsifini anglatmaydi.
• Segmentatsiya noaniqligini fizik solver orqali ensemble sifatida tarqatish bitta afzal niqobga qaraganda koʻproq axborot berishi mumkin.
• Mustaqil laboratoriya oʻlchovlari va topologiya/property tekshiruvlari overlap metriğine qoʻshilishi kerak.
• Ish oqimi maʼlumot, model, seed, dasturiy taʼminot va manual tuzatish darajasida tekshiriladigan boʻlishi kerak.

Tadqiqot qoʻllab-quvvatlamaydigan xulosalar

• Bitta universal eng yaxshi segmentatsiya algoritmi aniqlanmagan.
• U-Net, transformer yoki foundation model har bir litologiyada klassik usullardan ustun deb eʼlon qilinmaydi.
• Yuqori Dice yoki IoU xavfsiz CO₂ saqlash kafolati emas.
• Segmentatsiya niqobidagi foiz xatosini maydon sigʻimidagi aynan shu foiz xatosiga bevosita tenglashtirib boʻlmaydi.
• Kichik tasvir hajmida koʻrilgan connected fracture bevosita maydon miqyosidagi leakage yoʻli ekanini isbotlamaydi.
• Property Impact Index operatsion tarzda tasdiqlangan risk metriği emas.
• Expected-loss tenglamasi loyiha xarajat modeli sifatida kalibrlanmagan.
• Foundation model chiqishi avtomatik ground truth emas.
• Ushbu review yangi fizik flow simulation, trained segmentation network yoki maydon tajribasini yaratmagan.
• Segmentatsiya tartibga soluvchi ishonchni yoki jamoatchilik qabulini oshirgani ushbu tadqiqotda oʻlchanmagan.

Ochiq benchmark uchun tavsiya etilgan tuzilma

Manba kelajakdagi CO₂ saqlash benchmarklari quyidagi unsurlarni birlashtirishini tavsiya qiladi:

• sandstone, carbonate, shale, caprock va fractured rock,
• micro-CT, synchrotron, SEM va FIB-SEM,
• bir nechta spatial resolution,
• takroriy expert label yoki probabilistic reference map,
• oʻlchangan porosity, permeability, capillary pressure, residual saturation, mineralogy yoki mechanical property,
• dinamik maʼlumot uchun registered dry, brine-saturated va CO₂-containing volumes,
• hujjatlashtirilgan pressure va temperature,
• sample-level training, validation va hidden test partition.

Tavsiya etilgan kelajak raqamli togʻ jinsi ekotizimi

Manbaning kelajak ish oqimini oltita asosiy bosqichda umumlashtirish mumkin:

1. Multiscale va multimodal maʼlumot olish.
2. Automated preprocessing va sifatni standartlashtirish.
3. Uncertainty-aware deep learning segmentation.
4. Physics-constrained simulation va ensemble propagation.
5. Automated, ammo mustaqil fizik validation.
6. Upscaling, conditional engineering decision va kelajakda digital-twin integratsiyasi.

Mualliflar Figure 6 dagi digital-twin va avtomatlashtirish unsurlari taklif etilgan tadqiqot doirasi ekanini; avtonom ishlash yoki maydon samaradorligi tasdiqlanmaganini ochiq bildiradi.

Yakuniy ilmiy xulosa

Geologik CO₂ saqlashda ishonchli segmentatsiyaning maqsadi “eng chiroyli niqob” yoki “eng yuqori Dice” ni yaratish emas. Asosiy maqsad saqlash qarorida muhim fizik tuzilmalar va noaniqliklarni kuzatiladigan tarzda saqlashdir.

Shu sababli manba quyidagi zanjirni himoya qiladi:

tasvir aniqligi → geometriya aniqligi → fizik xususiyat aniqligi → noaniqlik tarqalishi → shartli muhandislik qarori.

Zanjirning biror bosqichida tasdiqlash yetishmasa, keyingi bosqichga oid aniqlik daʼvosi avtomatik ravishda kuchaymaydi.

Manba va Usul Haqida Izoh

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

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

Teng hissa/teng birinchi muallif: Manbada teng birinchi muallif yoki teng hissa bayonoti yoʻq.

Masʼul muallif: Kwamena Opoku Duartey.

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

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

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

Jurnal: Advances in Carbon Neutrality.

Nashriyot: MDPI.

Yil / jild / son / maqola raqami: 2026; 1(2); 6.

DOI: 10.3390/acn1020006.

Rasmiy havola: https://doi.org/10.3390/acn1020006

Yuborilgan sana: 12 avgust 2026.

Tahrir sanasi: 24 sentyabr 2026.

Qabul sanasi: 28 sentyabr 2026.

Nashr sanasi: 1 oktyabr 2026.

Manba turi: Review; structured critical review.

Taqriz holati: Taqrizli ilmiy jurnalda chop etilgan version of record.

Litsenziya: Creative Commons Attribution (CC BY).

Manbalar soni: 154.

Dalillar inventari: 132 evidence entry va 22 contextual entry.

Dalil darajalari: 16 Tier A, 92 Tier B, 24 Tier C, 22 Context.

Manbaga kirish asosi: 67 full text, 42 abstract, 16 abstract + partial excerpt, 7 metadata. Manba 49 ta yozuv abstract yoki metadata asosida ekanini va 64 ta yozuvda kamida bitta “not verified” maydon borligini xabar qiladi.

Meta-tahlil holati: Pooled meta-analysis oʻtkazilmagan. Geterogen litologiya, voxel size, phase count, annotation, maʼlumot boʻlinishi, metrik va solver sharoitlari sabab universal algoritm reytingi qilinmaydi.

Markaziy baholash doirasi: voxel/sinf aniqligi, chegara sodiqligi, topologiya, morfologiya, kalibrlangan noaniqlik, fizik xususiyat sezgirligi va muhandislik qarori natijasi.

Asosiy usul oilalari: threshold, edge, region, clustering/unsupervised ML, supervised ML, deep learning; bundan tashqari transformer, attention va foundation model yondashuvlari alohida muhokama qilinadi.

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

Institutsional etika kengashi: Qoʻllanilmaydi.

Axborotli rozilik: Qoʻllanilmaydi.

Maʼlumotlar mavjudligi: Sharh yangi rock-imaging dataset, fizik flow simulation yoki trained segmentation model yaratmagan. Evidence inventory va Scopus screening yozuvlari Supplementary Materials S1 va S2 da taqdim etilgan.

Mualliflar hissasi: Konseptuallashtirish William Apau Marfo; tadqiqot Carlos Ronaldo Oliva; dastlabki qoralama William Apau Marfo va Carlos Ronaldo Oliva; koʻrib chiqish/tahrirlash William Apau Marfo, Carlos Ronaldo Oliva, Godsway Akpabli, Kwamena Opoku Duartey, Elizabeth Akonobea Appiah, Sylvester Agyei va Jacqueline Margaret Adjimah; superviziya William Ampomah va Hamid Rahnema tomonidan bildirilgan.

Sunʼiy intellektdan foydalanish bayonoti: Mualliflar OpenAI ning ChatGPT ichidagi image-generation/editing vositasi maqoladagi oltita konseptual rasmni yaratish, yaxshilash va vizual tahrirlashga yordam berish uchun ishlatilganini bildiradi. Dastlabki Scopus screening va evidence extraction bosqichlarida ham AI yordami ishlatilgan; tanlovlar ikkinchi kodga asoslangan skrining va manual tekshiruv bilan nazorat qilingan. Mualliflar yakuniy mazmun uchun javobgarlikni oʻz zimmalariga olgan.

Manfaatlar toʻqnashuvi: Mualliflar manfaatlar toʻqnashuvi yoʻqligini bildirgan; moliyalashtiruvchining sharh dizayni, adabiyotni toʻplash/talqin qilish, yozish yoki nashr qarorida roli boʻlmagani qayd etilgan.

Tenglama (6) izohi: Property Impact Index ushbu sharh tomonidan taklif qilingan tadqiqot yoʻnalishidir; tasdiqlangan operatsion segmentatsiya yoki risk metriği emas. Manbadagi 0,96 Dice, 120/35 mD va taxminan 0,66 misoli faraziy hisoblash namoyishidir.

Tenglama (7) izohi: Expected-loss ifodasi generic tadqiqot doirasidir; loyihaga xos failure probability yoki iqtisodiy consequence kalibratsiyasi bajarilmagan.

Rasm izohi: Manbadagi oltita asosiy rasm konseptual sintezlardir va yangi tajribaviy oʻlchov, benchmark natijasi yoki tasdiqlangan oqim simulyatsiyasi emas.

Asosiy talqin chegarasi: Segmentatsiyadan kelib chiqadigan pore-scale noaniqlikni bevosita maydon sigʻimi, plume xatti-harakati yoki containment ehtimoliga tenglashtirish mumkin emas. Formatsiya miqyosi uchun geologik namunalash, upscaling, reservoir/fluid/geomechanical modellar va operatsion sharoitlar alohida talab qilinadi.