چاه‌های نفت رها شده در آمریکا: هوش مصنوعی و نقشه‌های قدیمی، ناجی محیط زیست؟

معضل چاه‌های نفت و گازِ رها شده در آمریکا

در سراسر ایالات متحده، نشانه‌هایی از تقریباً یکصد و هفتاد سال حفاری تجاری به چشم می‌خورد: صدها هزار چاه نفت و گاز فراموش شده. این چاه‌های بی‌صاحب یا UOWs در اسناد رسمی ثبت نشده‌اند و هیچ شرکت شناخته شده‌ای برای مدیریت و یا سرمایه‌ی مالی‌شان وجود ندارد. اغلب، این چاه‌ها از نظرها پنهان‌اند، که وضعیتی بسیار خطرناک ایجاد می‌کند. اگر چاه‌ها به درستی مسدود نشده باشند، ممکن است نفت و مواد شیمیایی را به منابع آبی نزدیک نشت دهند یا مواد سمی مانند بنزن و هیدروژن سولفید را در هوا پخش کنند. همچنین، این چاه‌ها با انتشار گاز متان، که حدود ۲۸ برابر بیشتر از دی‌اکسید کربن در به دام انداختن گرما در جو مؤثر است، به تغییرات اقلیمی دامن می‌زنند (با پتانسیل گرمایش جهانی حتی بالاتر در بازه‌های زمانی کوتاه‌تر).

به کارگیری فناوری‌های نوین برای شناسایی چاه‌های رها شده

برای یافتن UOWs و اندازه‌گیری انتشار متان در یک منطقه، پژوهشگران از ابزارهای پیشرفته‌ای استفاده می‌کنند، از جمله پهپادها، تصویربرداری لیزری و مجموعه‌ای از حسگرها. با این حال، مساحت ایالات متحده بیش از ۳ میلیون مایل مربع است. برای پیش‌بینی بهتر مکان چاه‌های ثبت نشده، دانشمندان اکنون داده‌های جدید را با داده‌های قدیمی ترکیب می‌کنند: هوش مصنوعی(AI) مدرن و نقشه‌های توپوگرافی تاریخی. فابیو سیولا، پژوهشگر فوق دکتری در آزمایشگاه ملی لاورنس برکلی و نویسنده اصلی یک مطالعه موردی در مورد استفاده از هوش مصنوعی برای شناسایی UOWs، می‌گوید: «در حالی که هوش مصنوعی یک فناوری امروزی است و با سرعت زیادی در حال پیشرفت است، نباید فقط به منابع اطلاعاتی جدید محدود شود. هوش مصنوعی می‌تواند درک ما از گذشته را با استخراج اطلاعات از داده‌های تاریخی، در مقیاسی که تا چند سال قبل امکان‌پذیر نبود، ارتقا دهد. هر چه به آینده می‌رویم، می‌توانیم از گذشته هم بهره ببریم.»

ترکیب داده‌های تاریخی و هوش مصنوعی

از سال ۲۰۱۱، سازمان زمین‌شناسی آمریکا اسکن‌هایی از ۱۹۰,۰۰۰ نقشه توپوگرافی تاریخی USGS که بین سال‌های ۱۸۸۴ تا ۲۰۰۶ تهیه شده‌اند، منتشر کرده است. این نقشه‌ها به طور دقیق موقعیت جغرافیایی را نشان می‌دهند، به این معنی که هر نقطه (پیکسل) به یک مختصات خاص مربوط می‌شود که به راحتی می‌توان به آن دسترسی داشت. سیولا نقشه‌های چهارگوش را که نقشه‌های مستطیلی‌ شکل هستند و مقدار مشخصی از عرض و طول جغرافیایی را پوشش می‌دهند، جمع‌آوری کرد. مقیاس این نقشه‌ها طوری است که هر یک اینچ روی نقشه، معادل ۲۰۰۰ فوت روی زمین است. بین سال‌های ۱۹۴۷ تا ۱۹۹۲، این نقشه‌ها از نمادهای ثابتی (دایره‌های سیاه توخالی) برای نمایش چاه‌های نفت و گاز استفاده می‌کردند. سیولا می‌گوید: «برای یک انسان، دیدن این دایره‌ها و تشخیص آن‌ها بسیار آسان است. تا به حال، این تنها راه برای استخراج اطلاعات از این نقشه‌ها بود — ولی این روش، اگر بخواهیم آن را برای هزاران نقشه به کار ببریم، کارآمد نیست. اینجاست که هوش مصنوعی وارد عمل می‌شود.»

آموزش هوش مصنوعی برای شناسایی چاه‌ها

برای این‌که این روش کار کند، تیم تحقیقاتی آزمایشگاه برکلی باید به هوش مصنوعی آموزش می‌دادند که چگونه نمادهای درست را در میان سایر اطلاعات بصری شناسایی کند. همچنین باید روی نقشه‌هایی با زمین و رنگ‌های مختلف و نیز نقشه‌هایی در شرایط متفاوت (قدیمی، جدید، لکه‌دار، بی‌نقص) کار می‌کرد. چارولکا واراداراجان، دانشمند آزمایشگاه برکلی و نویسنده ارشد این مطالعه، می‌گوید: «این مسئله مثل پیدا کردن سوزن در انبار کاه بود، چون ما سعی داشتیم چند چاه ناشناس را در میان چاه‌های مستند زیادی پیدا کنیم.» محققان از یک ابزار دیجیتالی برای علامت‌گذاری دستی چاه‌های نفت در نزدیک به ۱۰۰ نقشه از کالیفرنیا استفاده کردند و یک مجموعه آموزشی برای هوش مصنوعی ایجاد کردند. پس از آموزش هوش مصنوعی برای تشخیص دایره‌های توخالی و نادیده گرفتن موارد اشتباه (مانند کوچه‌های بن‌بست یا نمادهایی با الگوهای دایره‌ای، مثل عدد ۹ یا حرف “o”)، الگوریتم می‌توانست بر روی هر یک از نقشه‌های USGS که از همان نمادها استفاده می‌کرد، اعمال شود. و چون نقشه‌ها دارای مختصات جغرافیایی بودند، الگوریتم می‌توانست مختصات چاه‌های نفت علامت‌گذاری شده در نقشه را بگیرد و با مختصات چاه‌های ثبت شده مقایسه کند. برای شناسایی یک چاه رها شده احتمالی، تیم نمادهای چاه را که بیش از ۱۰۰ متر از یک چاه شناخته‌شده دور بودند، انتخاب کردند تا خطاهای احتمالی در مختصات چاه در نظر گرفته شود. آن‌ها همچنین ابزاری نوآورانه ساختند که به یک انسان اجازه می‌دهد به سرعت آنچه را که الگوریتم پیدا کرده است، بررسی کند و مطمئن شود که هوش مصنوعی نمادهای روی نقشه را درست تفسیر کرده است.

یافتن چاه‌های رها شده در میدان‌ها

پژوهشگران از الگوریتم هوش مصنوعی برای جست‌وجو در چهار شهرستان (کالیفرنیا و اوکلاهاما) که قبلاً تولید نفت قابل توجهی داشتند—شهرستان‌های لس آنجلس و کرن در کالیفرنیا و شهرستان‌های اوسیج و اوکلاهما—استفاده کردند و ۱,۳۰۱ چاه رها شده احتمالی را شناسایی کردند. تا امروز، محققان ۲۹ مورد از UOWs را با استفاده از تصاویر ماهواره‌ای و ۱۵ مورد دیگر را از طریق بررسی‌های میدانی شناسایی کرده‌اند؛ بررسی‌های بیشتری در منطقه برای اطمینان از وجود چاه‌های دیگر مورد نیاز است. واراداراجان می‌گوید: «با روش ما، ما در مورد این‌که چه چیزی را به‌عنوان یک چاه رها شده احتمالی در نظر بگیریم، جانب احتیاط را رعایت کردیم. ما عمداً انتخاب کردیم که موارد اشتباه بیشتری را نسبت به موارد درست شناسایی کنیم، زیرا می‌خواستیم در مورد مکان‌های چاه‌های مشخص‌شده از طریق روش‌مان محتاط باشیم. ما فکر می‌کنیم که تعداد چاه‌های احتمالی که پیدا کرده‌ایم، کمتر از تعداد واقعی آن‌هاست و ممکن است با بهبود روش‌هایمان، چاه‌های بیشتری پیدا کنیم.»

از نقشه تا میدان

اولین مرحله برای تأیید یک چاه رها شده، از راه دور انجام می‌شود. محققان به بررسی تصاویر ماهواره‌ای و عکس‌های هوایی قدیمی می‌پردازند و به دنبال علائمی مثل دکل‌های نفتی و جک‌های پمپاژ (یا سایه آن‌ها)، تجهیزات بالابرنده، پدهای نفتی، مخازن ذخیره‌سازی یا زمین‌های تغییر یافته می‌گردند. در بسیاری از موارد، چاه‌ها در سطح زمین یا در زیر سطح مسدود شده‌اند و هیچ نشانه‌ی مشخصی در تصاویر وجود ندارد. در عوض، محققان باید با وسایل و تجهیزات به میدان بروند تا از وجود چاه اطمینان حاصل کنند. در یک نقطه که پیش‌بینی می‌شود چاه وجود داشته باشد، محققان به دنبال هر نوع ساختار سطحی چاه می‌گردند. اگر هیچ‌کدام وجود نداشت، آن‌ها در یک الگوی شبکه‌ای یا حلزونی با یک مغناطیس‌سنج که میدان‌های مغناطیسی را اندازه‌گیری می‌کند، ناحیه را بررسی می‌کنند. لوله‌های فلزی مدفون در چاه‌ها باعث اختلال در میدان مغناطیسی می‌شوند و به محققان اجازه می‌دهند به چاه نزدیک شوند. بعد از اتمام بررسی منطقه، محققان فایل مغناطیس‌سنج را ذخیره می‌کنند و ثبت می‌کنند که آیا (و کجا) چاه پیدا شده است و اگر پیدا شده، از محل عکس می‌گیرند، مختصات GPS را ثبت می‌کنند و نشت متان را بررسی می‌کنند. تیم آزمایشگاه برکلی دریافت که برای چاه‌هایی که توانستند تأیید کنند، میانگین فاصله‌ی UOWs با جایی که الگوریتم و نقشه پیش‌بینی کرده بودند، ۱۰ متر بود. آن‌ها معتقدند که این رویکرد هوش مصنوعی اولین روشی است که می‌تواند مکان دقیق چاه‌های رها شده احتمالی را در مقیاس شهرستان مشخص کند.

توسعه فناوری نقشه‌برداری برای شناسایی چاه‌های رها شده

با وجود نقشه‌های زیادی که ایالات متحده را پوشش می‌دهند، این روش را می‌توان به‌راحتی گسترش داد و به مناطق دیگری که مورد نظر هستند نیز منتقل کرد. تلاش‌ها برای نقشه‌برداری و تأیید با کمک هوش مصنوعی بخشی از یک پروژه بزرگ‌تر برای رسیدگی به چاه‌های رها شده (UOW) است: کنسرسیوم پیشبرد فناوری برای ارزیابی چاه‌های نفت و گاز گمشده (CATALOG). این برنامه تحت رهبری آزمایشگاه ملی لوس آلاموس و شامل تیم‌های تحقیقاتی از آزمایشگاه برکلی، آزمایشگاه ملی لاورنس لیورمور، آزمایشگاه ملی فناوری انرژی و آزمایشگاه‌های ملی ساندیا است. این یک همکاری بزرگ برای حل یک مشکل به همان اندازه پیچیده است: کمیسیون توافق‌نامه نفت و گاز بین ایالتی در سال 2021 تخمین زد که بین 310,000 تا 800,000 چاه رها شده (بدون سند) در ایالات متحده وجود دارد.

قوانین مربوط به حفاری و مسدود کردن چاه‌ها در زمان‌های مختلف و در ایالت‌های مختلف تصویب شد، مدت‌ها پس از این‌که اولین چاه‌ها حفاری شدند. در سال‌های ابتدایی حفاری، بسیاری از چاه‌ها رها شدند یا با مواد بی‌کیفیت پر شدند که این امر باعث می‌شد نفت، گاز، آب شور یا مواد شیمیایی در آینده نشت کنند. پس از شناسایی، چاه‌ها می‌توانند به‌طور صحیح «مسدود و رها» شوند که در این فرآیند، حفره چاه با سیمان پر می‌شود تا از نشت نفت به آب و متان به جو جلوگیری شود.

اهداف پروژه CATALOG

هدف CATALOG بهبود روش‌های شناسایی چاه‌ها، تشخیص و اندازه‌گیری متان، غربالگری سریع چاه‌ها برای بررسی وضعیت آن‌ها، یکپارچه‌سازی اطلاعات از منابع مختلف و اولویت‌بندی چاه‌ها برای مسدود کردن است. هدف نهایی ایجاد ابزارهایی (مثل پیش‌بینی چاه با هوش مصنوعی)است که بتوان در هر نقطه‌ای از ایالات متحده از آن‌ها استفاده کرد و هزینه تهیه و استفاده از آن‌ها منطقی باشد.

ملت اوسیج، با مساحتی نزدیک به ۱.۵ میلیون هکتار، به‌عنوان یکی از آزمایشگاه‌های فناوری و تکنیک‌های CATALOG عمل می‌کند. همکاران ملت اوسیج بازخوردهای اساسی ارائه می‌دهند و مزایا و معایب تجهیزات به‌کار رفته در منطقه و دقت داده‌های تولید شده را ارزیابی می‌کنند. کریگ واکر، مدیر منابع طبیعی ملت اوسیج می‌گوید: «همکاری بین ملت اوسیج و CATALOG برای هر دو طرف مفید و سازنده بوده است. استفاده از هوش مصنوعی و تجهیزات تشخیص پیشرفته، شکاف‌های اطلاعاتی در سوابق را پر کرده و به کشف بعضی از چاه‌های بدون سند در منطقه منجر شده و فرآیندهای مختلف در برنامه چاه‌های رها شده ملت اوسیج را تسهیل کرده است.»

تلاش‌های علمی برای اندازه‌گیری نشت متان

سباستین بیراود، دانشمند آزمایشگاه برکلی که رهبری پروژه CATALOG را در آزمایشگاه برکلی بر عهده دارد، در تلاش است تا حسگرها و روش‌های جدیدی را برای تشخیص و اندازه‌گیری انتشار متان ارزیابی کند. گروه‌هایی که چاه‌های رها شده را بررسی می‌کنند نیاز دارند که به‌سرعت تخمین بزنند چه مقدار متان در حال نشت است، ولی سنسورهای متان پیشرفته هزینه بالایی دارند. تیم بیراود در حال کار روی این است که چگونه می‌توان از حسگرهای ارزان‌تر و قابل حمل به‌عنوان جایگزین استفاده کرد. این دستگاه شامل یک بادسنج برای اندازه‌گیری سرعت باد، یک فن (برای نرخ جریان سریع)، یک آنالایزر گاز، GPS و محاسبات ضروری است که به کاربر امکان می‌دهد فاصله تا چاه را در نظر بگیرد تا به‌طور تقریبی مقدار متان خروجی را تعیین کند.

بیراود می‌گوید: «ما لازم نیست بدانیم دقیقاً ۲.۳ گرم در ساعت نشت می‌کند. ما باید بدانیم که آیا نشتی وجود ندارد، آیا بین ۱۰ تا ۱۰۰ گرم در ساعت نشت وجود دارد، یا این‌که کیلوگرم در ساعت نشت می‌کند. و ما باید بتوانیم این کار را در پنج دقیقه انجام دهیم.»

به کارگیری فناوری‌های نوین برای شناسایی چاه‌ها

یک روش سریع برای اندازه‌گیری نشت متان، برای اولویت‌بندی چاه‌های تازه یافته‌شده و همچنین برای تلاش‌ها برای مسدود کردن چاه‌های شناخته شده ضروری است. بیراود می‌گوید: «در حال حاضر یک الزام برای تعیین مقدار انتشار قبل و بعد از مسدود کردن یک چاه نفت و گاز وجود دارد.
این به‌این دلیل است که هم می‌خواهید مطمئن شوید که مسدود کردن به‌درستی انجام شده، و هم می‌خواهید تأثیر برنامه را بر استراتژی‌های کاهش تغییرات اقلیمی خود مشخص کنید—به ویژه برای انتشار متان که می‌تواند اثرات گرمایش جهانی را سریع‌تر از دی‌اکسید کربن ایجاد کند.»

از زمین تا آسمان

پژوهشگران در CATALOG همچنین در حال بررسی روش‌هایی برای گسترش شناسایی و تأیید چاه‌های رها شده با استفاده از پهپادهایی هستند که مجهز به حسگرهای مختلف شده‌اند. پهپادها که دارای مسیرهای پروازی از پیش تعیین‌شده هستند، می‌توانند به‌طور نیمه خودکار ناحیه‌ای گسترده‌تر از آنچه محققان به‌راحتی می‌توانند از سطح زمین بررسی کنند را پوشش دهند. تیم‌ها چندین نوع حسگر مختلف را دنبال می‌کنند که هر کدام مشکلات و مزایای خاص خود را دارند. برای استفاده از یک مغناطیس‌سنج از یک پهپاد، محققان باید حسگر را با یک کابل ۹ فوتی آویزان کنند. اگر حسگر به پهپاد نزدیک‌تر باشد، سیستم‌های الکترونیکی در ثبت اثر مغناطیسی چاه تداخل ایجاد می‌کنند. یک پهپاد دیگر حسگر متان را حمل می‌کند که در هنگام پرواز هوا را می‌کشد و می‌تواند غلظت متان، سرعت و جهت باد را برای تعیین محل چاه در نظر بگیرد. یک تکنیک دیگر پرواز با دوربین‌های هایپرطیفی است که به‌دنبال طول موجی (که برای چشم انسان قابل مشاهده نیست) مرتبط با ابرهای متان می‌گردند. و محققان آزمایشگاه برکلی در حال توسعه فناوری نصب شده بر روی پهپاد هستند که می‌تواند چاه‌های نفتی که به‌سختی می‌توان به آن‌ها دسترسی داشت را شناسایی کند، مثل چاه‌هایی که پوشش چوبی دارند یا چاه‌هایی که فلزات آن‌ها برای استفاده‌های دیگر جدا شده است.

راه‌های دیگری نیز برای شناسایی چاه‌های گمشده هست. هواپیماهایی که به سیستم‌های لیزری به‌نام LIDAR مجهز هستند، می‌توانند از زمین نقشه‌برداری کنند. دوربین‌های حرارتی می‌توانند نشت‌های پنهان را نشان دهند. اعضای CATALOG حتی در حال توسعه یک اپلیکیشن هستند که از مغناطیس‌سنج گوشی‌های هوشمند برای جستجوی چاه‌ها استفاده می‌کند. سیولا می‌گوید: «روش درست برای مقابله با این مشکل، یک رویکرد چند لایه (چند بعدی) است.
ما می‌توانیم اطلاعات را از تمام این منابع مختلف به‌گونه‌ای ترکیب کنیم که انگار یک کیک است. من می‌توانم سهم خود را با ارائه‌ی نقشه‌های تاریخی انجام دهم، فرد دیگری می‌تواند محاسباتی را برای تولید نفت در گذشته انجام دهد، دیگران تصاویر ماهواره‌ای یا اطلاعات حسگری را ارائه می‌دهند. این یک ترکیب زیبا از قدیمی و جدید است و من شگفت‌زده هستم که چگونه نقشه‌ها، چیزی که به نظر می‌رسد قدیمی و ثابت باشد، می‌توانند اطلاعات مفیدی را در صورت استفاده درست، و با کمک فناوری‌های روز، به ما بدهند.»

کار CATALOG برای ساخت ابزارهایی به‌منظور کاهش انتشار متان و خطرات ناشی از چاه‌های رها شده بدون سند، همچنان ادامه دارد. بیراود می‌گوید: «ما به‌عنوان یک جامعه واقعاً به انرژی علاقه‌مندیم.
اما باید راه‌حل‌هایی پیدا کنیم که انتشار گازها را محدود کند. و با همکاری با ذی‌نفعان بومی مثل قبایل بومی آمریکا، سرویس جنگل‌های ایالات متحده و سرویس پارک‌های ملی ایالات متحده، می‌بینیم که این یکی از راه‌هایی است که می‌توانیم تأثیرگذار باشیم.»

ابزار هوش مصنوعی نقشه‌برداری از منابع ارائه‌شده توسط مرکز محاسبات علمی تحقیقاتی انرژی ملی (MERSC) وزارت انرژی، که یک مرکز کاربردی دفتر علوم وزارت انرژی است، استفاده کرده است. این کار به عنوان بخشی از کنسرسیوم پیشبرد فناوری برای ارزیابی چاه‌های نفت و گاز گمشده، که با حمایت مالی وزارت انرژی ایالات متحده، دفتر انرژی فسیلی و مدیریت کربن، دفتر پایداری منابع و برنامه چاه‌های رها شده بدون سند فناوری‌های کاهش متان انجام شده است.