7. Analyse de données

Au cours de ce travail, beaucoup de mesures ont été effectuées et ainsi à chaque échantillon correspond une multitude d’informations. Des statistiques multivariées sous la forme d’analyse en composante principale et d’analyse de grappe ont été notamment exécutées sur ces données. C’était dans l’ordre de réaliser, d’observer et de comprendre les corrélations entre les paramètres pétrophysiques. Cette analyse s’est faite à l’aide du logiciel « Statistica 6.0 », à partir du tableau récapitulatif comprenant l’ensemble des données (Annexes : Tableau 3 : Tableau récapitulatif des différentes analyses).

7.1. Matrice de corrélation

La matrice de corrélation fournit une vue de toutes les relations bivariées et coefficients de corrélations entre les paramètres étudiés (Fig. 31 et tableau 1).

Fig. 31 : Matrice de corrélation

Les droites rouges dans les mini-graphiques ci-dessus représentent les régressions linéaires des points de chaque graphique. Au sommet de chaque colonne se trouve l’histogramme de la population pour la variable donnée.

Le tableau 1 montre les coefficients de corrélation entre les différents paramètres mesurés.

Les valeurs indiquées en vert diffèrent significativement de zéro.

Tableau 1 : Coefficients de corrélation

La porosité mesurée en laboratoire et en analyse d’image ainsi que la perméabilité possèdent entre eux des coefficients de corrélation proche de 0,75.
L’orientation moyenne des pores ne montre en revanche aucune corrélation valide avec un autre paramètre. Le diamètre équivalent est corrélé avec tous les autres paramètres à l’exception du facteur de forme et la porosité mesurée en laboratoire, mais le coefficient de corrélation est à la limite de la validité par rapport aux porosités mesurées et n’est pas très élevé avec l’excentricité. Par contre, la corrélation avec l’aire et le périmètre moyen des pores est très bonne (0,9). Ceci s’explique par le fait que ces deux derniers paramètres sont liés mathématiquement avec le diamètre équivalent. En effet, l’aire d’un pore subcirculaire dépend de son périmètre (et réciproquement) et le diamètre équivalent d’un pore dépend de son aire.
Enfin, l’excentricité possède une corrélation valide avec quatre autres paramètres, cependant ces corrélations ne dépassent pas 0,7. Ces liens demandent donc à être vérifiés par d’autres analyses.

Le diagramme Φ- K (Fig. 32) obtenu sur 119 échantillons donne un coefficient de corrélation de 0.776. Cette valeur est comparable à celle mesurée par Basan et al. (1997) sur des roches d’âges, de lithologies et de diagenèses différentes.

Fig. 32 : Phi-K laboratoire

7.2. Histogrammes

Fig. 33 : Histogrammes principaux

Seuls les histogrammes les plus importants et les plus intéressants sont présentés sur la figure 32. Les autres sont visibles dans le graphique matrice de corrélation.

L’histogramme de la porosité mesurée au laboratoire, montre une distribution se rapprochant de la distribution gaussienne avec des porosités allant 0 % à 25,2 %. La majorité de la porosité étant comprise entre 10 et 20 %. Ceci correspond assez bien à ce qu’à décrit Monicard (1965) pour les calcaires et dolomies, où il donne une fourchette de valeurs réelles des porosités mesurées allant de 5 à 25 %.

L’histogramme de la porosité mesurée à l’analyse d’image est sensiblement le même que le précédent. Les différences proviennent sans doute des volumes de roche investigués qui ne sont pas les mêmes.

L’histogramme de la perméabilité met en évidence que la plupart des échantillons possèdent de très faibles valeurs de perméabilité. En effet, seul 15 échantillons sur les 119 de cette étude ont une perméabilité supérieure à 10 mDarcy. Le fait que durant cette étude seules des perméabilités horizontales aient été mesurées n’est sans doute pas étranger à cela. En effet, d’après Chilingarian et Fu Yen (1987), la plupart des roches ont des perméabilités assez nettement différentes suivant les directions de mesures. Et spécialement dans le cas des récifs, la perméabilité verticale excède communément la porosité horizontale (cf. 3.3.2 Anisotropie). La mauvaise connectivité entre les pores peut également être à l’origine de ces faibles perméabilités.

L’histogramme de l’aire moyen des pores nous informe quant à lui que la moyenne de l’aire d’un pore est d’environ 20'000 µm2 pour l’ensemble des échantillons.

7.3. Analyse factorielle

L’analyse factorielle permet de réduire la complexité du tableau de données et d’en dégager la structure. L’analyse factorielle remplace les variables dans la base de données par un nombre réduit de composantes principales (facteurs) indépendantes les unes des autres (Swan et Sandilands, 1995).

L’analyse factorielle (Tableau 2) définit dans ce cas trois facteurs de variance maximale dont le cumul donne environ 84% de l’information sur la population des échantillons, observable dans le tableau ci-dessous en vert :

Tableau 2 : Valeurs propres (analyse factorielle)

Les valeurs propres observables ci-dessus représentent la quantité d’information exprimée par chaque facteur. La variance représente les valeurs propres mais en pourcentage. Le premier facteur représente, à lui seul, plus de 49 % d’information. Les valeurs des facteurs suivants chutent de manière exponentielle. Il est communément considéré que l’information est bien exprimée par les facteurs, lorsque 80% des informations sont exprimées par le cumul des différents facteurs. Dans notre cas, les trois premiers facteurs remplissent cette condition.

Le tableau suivant (Tableau 3) montre la quantité d’information originellement contenue dans une variable exprimée par un facteur. Les totaux sont identiques à la colonne de la variance cumulative du tableau des valeurs propres.

Tableau 3 : Communalities (analyse factorielle)

En observant attentivement ces valeurs, des groupes se forment. En effet, les variables ne sont pas représentées uniformément par le même facteur. Les valeurs colorées en rouge indiquent le ou les facteurs qui les représentent le mieux.

Les « factor loadings » (Tableau 4) représentent le poids des variables pour chaque facteur. Ce dernier fournit une estimation de la contribution de chaque facteur sur les variables originales (Nussbaumer, 1999), avec les contributions (en valeurs absolues) les plus importantes au-dessus de 0,70 (Swan et Sandilands, 1995). Sur la base des poids calculés des facteurs, une base de données réduite est construite dans laquelle chaque échantillon a de nouvelles coordonnées (ou « scores » des facteurs) (Nussbaumer, 1999). Ces trois premiers facteurs permettent le regroupement des variables dans le nouvel espace tridimensionnel (Fig 34).

Tableau n° 4 : Factor loadings (analyse factorielle)

Fig. 34 : 3D factor loadings (analyse factorielle)

Le périmètre de Crofton, l’aire et le diamètre équivalent se retrouvent groupés sur ce graphique, du fait qu’ils dérivent mathématiquement les uns des autres. Le facteur de forme et l’excentricité sont également très proches. Puisque ces deux paramètres dépendent directement de la morphologie des pores. Les deux mesures de porosité ainsi que la perméabilité sont également regroupées. Quant à l’orientation des pores, elle est la seule variable qui est quasiment intégralement exprimée par le troisième facteur. Elle ne possède visiblement aucun lien avec les autres variables.

7.4. Analyse de grappe

Une analyse de grappe a été effectuée. Après avoir ramené les paramètres à la même gamme de variation (standardisation).
Cette analyse hiérarchique permet de rassembler les échantillons qui ont des caractéristiques similaires (mode Q) et de regrouper les paramètres covariants positivement (mode R).

L’analyse en mode R (Fig. 35) met en évidence les corrélations positives entre les variables. La distance entre deux variables est estimée par la fonction 1-r, où r est le coefficient de corrélation. Dans ce genre de diagramme, deux variables qui sont corrélées négativement ou indépendantes vont apparaître éloignées l’une de l’autre dans deux différentes branches.

Fig. 35 : Analyse de grappe en mode (R) par variables

Cette figure confirme les observations faites à l’analyse factorielle. Les différentes mesures de porosité ainsi que la perméabilité forment un groupe. L’aire, le diamètre équivalent et le périmètre de Crofton en forment un autre, proche de celui composé de l’excentricité et du facteur de forme. De plus, l’analyse de grappe confirme que l’orientation ne possède aucun lien avec les autres paramètres étudiés.

Le graphique de l’analyse de grappe en mode Q (Fig. 36). Tous les échantillons qui sont dans la même grappe du dendogramme ont statistiquement les mêmes caractéristiques pétrophysiques.

Cliquez surl'image pour agrandir

Fig. 36 : Analyse de grappe en mode (Q) par échantillons

Dans cette figure, les échantillons sont classés en quatre groupes délimités par les traits rouges. Cependant, quelques échantillons n’appartiennent à aucun de ces groupes, de part leurs valeurs extrêmes.

- Le groupe 1 est constitué essentiellement de packstones et de pétrotextures mixtes (packstones-boundstones).
- Le groupe 2 possède les mêmes pétrotextures que le groupe 1 à cela près qu’il possède une part non négligeable de wackestones.
- Le groupe 3 se différencie des autres groupes par le fait qu’il n’est formé que par des grainstones et boundstones. Au niveau des faciès, seul les coraux, dépôts de plage et sables inter-récifaux appartiennent à ce groupe.
- Le groupe 4 est un groupe comprenant peu d’échantillon, pour l’essentiel des pétrotextures mixtes (packstones-boundstone), qui correspondent à des faciès de récif et de flancs de récif.

Fig 37 : Graphique du facteur de forme en fonction de l’aire moyenne des pores
sur les échantillons des 4 groupes déterminés à l’aide de l’analyse de grappe

La figure 37 met en évidence que l’aire ainsi que le facteur de forme ont été les paramètres déterminants pour former les quatre groupes observés précédemment.

Cliquez surl'image pour agrandir

Fig. 38 : Distrubution spatiale des échantillons sur l’affleurement de Prapont
et classification en fonction de leur appartenance à un groupe déterminé par l’analyse de grappe

La localisation de l’échantillon n’est visiblement pas d’après la figure 37 un caractère déterminant en ce qui concerne l’appartenance à un groupe. Toutefois, il est intéressant de remarquer que les échantillons provenant du dépôt de tempête appartiennent tous à un groupe. Ils ont donc des caractéristiques pétrophysiques très proches.

7.5. Influence des faciès et des pétrotextures sur la porosité et la perméabilité

Les relations entre la porosité mesurée en laboratoire (ou calculée à l’aide de l’analyse d’image) et la perméabilité sont des paramètres clés pour décrire les hétérogénéités pétrophysiques. Pour examiner s’il existe relation entre les faciès lithologiques et les propriétés pétrophysiques, nous avons « labellé » sur les diagrammes Φlabo-Φanalyse d’image et Φ-k, les échantillons en fonction de leur faciès et de leur pétrotexture (Fig. 39, 42, 44, 45).

Analyse d’image vs porosité laboratoire (faciès)

Cliquez surl'image pour agrandir

Fig. 39 : Porosité analyse d’image vs porosité laboratoire (faciès)

Dans l’ensemble, les deux porosités sont bien corrélées avec un coefficient de corrélation élevé : r = 0.83. Malgré cela, certains échantillons sont relativement éloignés de la droite de corrélation.

- Les coraux (Fig. 41) révèlent une très faible porosité due à une cimentation passée. Du fait de cette faible porosité, la marge d’erreur due à l’analyse d’image peut être relativement grande et peut rapidement faire varier les résultats. En effet, les lames ne représentent qu’une infime partie du volume investigué et par conséquent si les lames ne se situent pas à l’endroit où se trouvent les macropores du plug, il y a un léger décalage entre les deux résultats. Ce qui pourrait expliquer la sous-estimation de la porosité en analyse d’image par rapport à la porosité mesurée en laboratoire sur certains échantillons. Il est vrai que dans ce type de faciès, la porosité se trouve essentiellement dans les tubes des coraux dissous puis remplit (ou partiellement remplit) par de la calcite :

Fig. 41 : Exemple de diagenèse subie par les coraux de Prapont

- Les échantillons de la tempestite sont dans l’ensemble bien homogènes et présentent une porosité moyenne autour des 15 %. De plus, la corrélation entre les deux variables dans ce graphique est bonne pour ce faciès.

- Les sables inter-récifaux sont très dispersés et deux groupes distincts semblent se différencier sur le graphique, avec d’un côté, ceux qui présentent une porosité inférieure à 10 % et d’un autre ceux qui ont plus de 15 % de porosité. En fait, ces deux groupes au sein du même faciès se différencient par leur pétrotexture. En effet, les échantillons de sables inter-récifaux avec de grandes porosités sont tous des packstones, alors que ceux qui n’ont pas plus de 10 % de porosité sont des grainstones.

- 7 des 9 échantillons de dolomie sont peu dispersés et présentent une porosité autour de 10-15 %. Les deux autres échantillons (111 et 112) possèdent des valeurs plus faibles.

- De manière générale, la porosité est plus élevée dans les flancs de récifs que dans le récif lui-même. Ce qui correspond à ce que Perrondon (1985) avait énoncé. La porosité est maximale sur les flancs des édifices récifaux, là où s’accumulent les débris d’organismes.

- Les autres faciès sont généralement dispersés.

Porosité analyse d’image vs porosité laboratoire (Dunham)

Cliquez surl'image pour agrandir
Fig. 42 : Porosité analyse d’image vs porosité laboratoire (Dunham)

Ce graphique basé sur la classification de Dunham (1962) fait apparaître 5 groupes bien distincts qui montrent que les pétrotextures influencent grandement les comportements pétrophysiques et plus précisément dans ce cas la porosité.

- Les wackestones présentent des porosités moyennes de l’ordre d’environ 15 % et ne sont pas réellement bien corrélés et sont très dispersés. Ils sont essentiellement constitués de microporosité.

- Les packstones, dans l’ensemble bien corrélés, sont les plus abondants et les plus poreux. Ceci est dû au fait qu’ils allient une bonne macroporosité à une bonne microporosité.

- Les grainstones sont tous surestimés à l’analyse d’image. Sur le graphique de la porosité à l’analyse d’image non corrigée en fonction de la porosité laboratoire, ils sont alors sous-estimés, donc cette surestimation provient de la correction due à l’ajout de la microporosité. Les grainstones possèdent une grande abondance de particules micritiques (péloïdes).

- Les boundstones correspondent aux coraux signalés dans le graphique précédent (Fig. 39). Ils forment toujours le même groupe homogène du point de vue pétrophysique. Leur faible porosité provient de l’importante cimentation que les bioconstructions ont connue.

Perméabilité laboratoire vs porosité laboratoire (faciès)

Cliquez surl'image pour agrandir
Fig. 44: Perméabilité laboratoire vs porosité laboratoire (faciès)

Il est préférable de représenter la perméabilité en fonction de la porosité mesurée en laboratoire plutôt qu’en analyse d’image du fait que cette mesure prend en compte les 3 dimensions de l’espace et que le volume de roche investigué est identique à celui utilisé pour mesurer la perméabilité.

La figure 44 montre qu’à l’exception des coraux, il n’y a pas de faciès qui forme un groupe se distinguant nettement des autres, cette dispersion indique la diagenèse a rendu la perméabilité et la porosité moins dépendante des faciès.

- Les flancs de récif sont dispersés, mais présentent majoritairement les porosités et perméabilités les plus élevées.

- Les coraux se démarquent des autres faciès par leur faible porosité et perméabilité. Ces faibles valeurs s’expliquent par cimentation passée qui a détruit ainsi toute la porosité primaire qui s’y trouvait. Dans bon nombre d’échantillons, les tubes de coraux ont été dissous puis remplis par de la calcite. Quelques échantillons échappent à cette règle : l’échantillon 69, notamment, qui présente après vérification sur le plug, une fissure sur un côté qui justifie la perméabilité trouvée ; les échantillons 48 et 82 dans lesquels, on trouve un wackestone qui induit une forte microporosité et une perméabilité plus élevée que dans les autres échantillons attribués à cette classe. De plus sur l’échantillon 48, les tubes coralliens ne sont pas toujours bien cimentés.

- Les sables inter-récifaux sont à nouveau séparés en deux groupes, comme dans les deux graphiques précédents : les packstones (porosité élevée) et les autres (porosité plus faible). Du point de vue de la perméabilité, aucun échantillon de ce faciès ne dépasse les 6 mD. Cette faible perméabilité peut s’expliquer par le fait que les péloïdes qui dominent dans ces sables et présentent souvent une bonne microporosité sont séparés les uns des autres par du ciment.

- La tempestite semble constituer une bonne roche réservoir. Les échantillons de ce faciès sont très proches les uns des autres attestant de la faible variabilité latérale de porosité et de perméabilité, au sein du dépôt de tempête.

- Le dépôt de plage est caractérisé par une perméabilité et une porosité faible. Ces valeurs s’expliquent par le fait que la roche est fortement cimentée.

- Les faciès de lagon présentent une porosité supérieure à 13 %. La perméabilité est plus variable, avec de faibles valeurs comme l’atteste l’échantillon 119 avec 0,7 mD mais aussi avec des valeurs supérieures à 28 mD pour l’échantillon 117.

- Les échantillons de récif, de faciès subtidal et de dolomie sont très dispersés et il est bien difficile d’en tirer des informations valables.

Perméabilité laboratoire vs porosité laboratoire (Dunham)

Cliquez surl'image pour agrandir
Fig. 45 : Perméabilité laboratoire vs porosité laboratoire (Dunham)

Dans ce dernier exemple, la perméabilité est encore exprimée en fonction de la porosité mesurée en laboratoire, mais les échantillons sont classés suivant leur pétrotexture. Comme dans la figure 44, les différentes pétrotextures forment des groupes bien distincts. Il semble donc que les pétrotextures telles que définies par Dunham (1962) soient un facteur déterminant pour le comportement pétrophysique des roches.

- Les packstones possèdent une perméabilité dans l’ensemble similaire aux pétrotextures mixtes (boundstone-packstone), mais la porosité est logiquement plus élevée dans les packstones. La pétrotexture packstone est clairement celle qui présente les meilleures qualités en terme de roche réservoir pour la région étudiée du fait de son importante microporosité et macroporosité.

- Paradoxalement les boundstones et les grainstones restent les faciès les moins poreux et perméables. Ceci est dû au fait que ces deux pétrotextures, ne possèdent pas de matrice microporeuse. En effet, la matrice constituée de micrite susceptible de contenir une microporosité importante est peu ou pas présente dans les grainstones (seuls quelques particules comme les péloïdes possèdent de la micrite) et inexistante dans les boundstones. L’oblitération presque totale de la porosité primaire par la cimentation explique les faibles mesures obtenues.

- Enfin, les wackestones, très dispersés, restent toutefois corrélés. Leur dispersion est telle qu’il est difficile d’en tirer des conclusions. Toutefois, l’observation en lame mince laisse à penser que l’essentiel de la porosité de cette texture provient de la microporosité.

7.6. Analyse de la distance entre les pores

Cette analyse effectuée à l’aide du logiciel « Visilog 5.4 », permet de mettre en évidence si les pores de la roche sont proches ou au contraire éloignés. En partant du principe que plus les pores sont proches les uns des autres (dans les 2 dimensions de la lame mince), plus la probabilité d’avoir de nombreuses connexions entre les pores (dans les 3 dimensions du plug) est élevée comme la perméabilité dépend directement du degré de connectivité entre les pores, il devrait exister une relation entre la perméabilité et la distance entre les pores. Cette analyse vise à vérifier cette hypothèse qui pourrait fournir ainsi un paramètre morphologique permettant de prédire la perméabilité.

Le script utilisé développé par le Prof. Eric Davaud et le doctorant Benjamin Sallier suit la boucle suivante : calcul du nombre des pores, dilatation des pores d’un pixel (Annexes : Planche 2 : Explication et diagramme des étapes du script Visilog) et comptage à nouveau du nombre de pores. Pour chaque échantillon, cette boucle est effectuée 24 fois. Du fait qu’un certain nombre de pores fusionnent entre eux lors de chaque dilatation, le nombre de pores va progressivement diminuer et cela donne une série de chiffres décroissants (Annexes : Tableau 4 : Valeurs décroissantes du nombre en pores en fonction de la dilatation ).

Un graphique pour chaque échantillon exprimant la décroissance du nombre de pores en fonction de la dilatation est créé. En ajustant à ces valeurs une courbe exponentielle par la méthode des moindres carrés nous obtenons son équation mathématique. (Fig. 46).

Fig. 46 : Décroissance du nombre de pores en fonction de la dilatation et leur porosité issue de l’analyse d’image

En observant les deux images de la porosité, on remarque que la courbe dessinée en rouge dépend de l’espacement. Etant donné que la courbure de la régression est exprimée par l’exposant de l’exponentielle (que l’on nommera : « coefficient »), cette valeur peut être utilisée comme référence pour l’espacement entre les pores de l’échantillon. Comme les exemples l’indiquent, plus les pores sont proches, plus la valeur absolue du coefficient est grande et plus les pores sont éloignés, plus la valeur absolue du coefficient est petite.

7.6.1. En fonction de la porosité

Fig. 47 : Porosité à l’analyse d’image vs coefficient

La figure 47 montre qu’il existe une relation entre la porosité et la distance entre les pores. Lorsque la porosité est grande, deux cas de figure peuvent se présenter : les pores sont rares mais de grandes tailles ou les pores sont nombreux mais de petite taille.

Dans le premier cas, la distance entre les pores est amoindrie et la valeur absolue du coefficient sera grande. Dans le deuxième cas, du fait du grand nombre de pore, il y a de forte chance qu’ils soient proches les uns des autres d’où une valeur absolue du coefficient élevée.

7.6.2. En fonction de la perméabilité

La figure 48 montre que le coefficient qui décrit la proximité des pores est lié à la perméabilité mais la dispersion des points est plus importante. Le caractère curviligne de la régression provient de l’échelle logarithmique utilisée pour la perméabilité.

Fig. 48 : Perméabilité à l’analyse d’image vs coefficient

7.6.3. En fonction du rapport de la porosité sur la perméabilité

Ce graphique présenté sur la figure 49 est sans doute le plus important des trois car il permet de montrer qu’il existe une relation entre trois paramètres représentant une grande quantité d’information concernant le milieu poreux : la porosité, la perméabilité, ainsi que la distance entre les pores.

Fig. 49 : Rapport de la porosité sur la perméabilité vs coefficient

Ce graphique peut être partagé en quatre, chaque quart présente des particularités propres :

	Le coefficient en valeur absolue est grand, ce qui signifie que les pores sont dans l’ensemble proches les uns des autres. Le rapport Phi/K est faible, signifiant que la porosité est faible ou que la perméabilité est élevée. Sur les 119 échantillons étudiés, il existe beaucoup plus souvent une porosité faible qu’une perméabilité élevée. Donc, dans la majorité des cas, un faible rapport Phi/K signifie une porosité faible.
	Comme dans l’exemple précédent, le rapport Phi/K est faible, par contre les pores sont cette fois-ci, distants. C’est dans ce quart que se trouve le plus d’échantillons, ils correspondent le plus souvent à des porosités faibles avec des pores éloignés les uns des autres.
	Le rapport Phi/K est élevé, ce qui signifie que la porosité est relativement plus grande que la perméabilité indiquant une roche plus poreuse mais peu perméable. Seul des échantillons montrant des pores éloignés représentent ce cas.
	Aucun échantillon ne se trouve dans ce quart. Aucun ne présente un rapport Phi/K élevé avec des pores proches. Il n’y a donc pas de faible perméabilité avec des pores proches sur les échantillons de cette étude.

Il serait intéressant de compléter ce graphique avec des analyses effectuées avec d’autres roches afin de savoir si ce dernier quart (jaune) se trouve être universellement non représenté ou s’il s’agit d’un cas isolé.

7.7. Conclusions

Le but de ce chapitre était d’extraire du tableau de données (Annexes : Tableau 2 : Tableau récapitulatif des différentes analyses) des informations sur les liens que pouvaient avoir les différents paramètres pétrophysiques entre eux, et d’examiner l’influence des faciès et des pétrotextures sur la porosité et la perméabilité.

L’analyse factorielle nous fournit une représentation en trois dimensions des variables pétrophysiques et permet d’individualiser trois groupes :

- la porosité et la perméabilité qui possèdent toujours, aux vues d’études antérieures, une bonne corrélation,
- l’aire, le périmètre ainsi que le diamètre équivalent moyen des pores, qui possède un lien mathématique,
- la forme et l’excentricité, qui contrôle les deux la morphologie des pores.

Finalement, seule l’orientation se retrouve isolée et éloignée des autres paramètres, et paraît avoir un comportement aléatoire dans les échantillons étudiés. L’analyse de grappe effectuée par la suite a donné sensiblement les mêmes résultats.

Pour ce qui est de l’influence des faciès et des pétrotextures sur la porosité et la perméabilité, à la vue des différents graphiques, il est clair que les pétrotextures sont un facteur déterminant pour le comportement pétrophysique des roches. Pour les faciès, ce constat est moins évident. Les faciès présentant les plus fortes porosités primaires sont paradoxalement ceux qui ont les moins bonnes qualités réservoir, probablement parce qu’ils ont subi une diagenèse précoce importante.

Enfin, l’analyse d’image a montré qu’il existe une dépendance entre la perméabilité et la distance qui sépare les pores sur une lame mince. Ce nouveau paramètre pourrait être utilisé pour caractériser le réseau poreux.