تحليل حساسيت وزن‏هاي چندمعياره در ارزيابي تناسب پتانسيل منابع هيدروكربني با استفاده از سامانه اطلاعات مكاني

Sensitivity Analysis of Multi-criteria Weights in Hydrocarbon Resource’s Potential Suitability Evaluation Using GIS

در فرايند اكتشاف منابع هيدروكربني، نقشه‌هاي متعدد زمين‌شناسي، ژيوشيمي و ژيوفيزيك مورد نياز هستند. علاوه‌بر اين، با توجه به قابليت‏هاي سيستم اطلاعات مكاني و با فراگير شدن كاربردهاي روش‏هاي تصميم‏گيري چندمعياره در GIS، اين روش براي تهيه نقشه تناسب پتانسيل منابع هيدروكربني مناسب به‌نظر مي‏رسد. همچنين به‌منظور فهم رفتار مدل، تصميم‏گيري چندمعياره GISمبنا با فرايند تحليل حساسيت ضروري مي‌نمايد. بنابراين در اين مقاله، يك روش تحليل حساسيت براي سنجش وابستگي خروجي مدل به وزن‏هاي معيارهاي ورودي و شناسايي معيارهاي حساس به تغييرات وزن معرفي مي‏شود. براي اجراي اين مدل، برگه 1:25000 اهواز كه حاوي ميادين نفتي عظيمي است، انتخاب شد. براي اين منظور، لايه‏هاي GIS شامل شاخص كل كربن آلي، شاخص بازده پتانسيل براي توليد هيدروكربن، شاخص Tmax، مجاورت به محور طاقديس‏ها و وجود مناطق داراي آنومالي باقي‌مانده ثقل بوگه بالا يا مجاورت به آن‌ها استفاده شدند. نتايج پژوهش نشان مي‌دهد وجود مناطق داراي آنومالي ثقل بوگه بالا يا مجاورت به آن‌ها داراي بالاترين حساسيت و شاخص Tmax داراي كمترين حساسيت در ميان تمام معيارها هستند. نقشه تناسب نهايي درمجموع حدود 82 درصد از ذخاير شناخته‌شده را در طبقات بسيار مناسب و مناسب تقسيم‏بندي كرده است.

In hydrocarbon resource’s exploration process, several geological, geochemical, and geophysical maps are required. Furthermore, according to the capabilities of geographic Information System (GIS), and with the widespread use of multi-criteria decision making methods in GIS, this method seems a proper method for hydrocarbon resource’s potential suitability mapping. Also, in order to understand the behavior of the model, a GIS-based multi-criteria decision making with sensitivity analysis process seems to be necessary. Therefore, in this paper, a sensitivity analysis approach is presented for measuring the dependency of the model output to input criteria weights, and identifying sensitive criteria to weight changes. The 1:25000 sheet of Ahvaz, which contains great oil fields, was selected to implement the model. For this purpose, GIS data layers including total organic carbon indicator, potential yield for hydrocarbon generation indicator, Tmax indicator, proximity to anticline axes, and presence of or proximity to high residual Bouguer Gravity anomaly areas were used. The results demonstrated that presence of or proximity to high residual Bouguer Gravity anomaly areas has the highest sensitivity, and Tmax indicator has the lowest among all criteria. The final suitability map classified about 82 percent of the known reserves in very suitable and suitable classes in total.