SlideShare a Scribd company logo

3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.

•
•
F
Fernanda M.L. Veloso

This PhD thesis examines heterogeneity in two Cretaceous sandstone deposits exposed at the Aliaga outcrop in Spain and models CO2 injection into reservoirs based on these deposits. Sedimentological analysis of the outcrop identified two sandstone deposits - a tsunami deposit and a barrier island-tidal inlet deposit. Petrophysical properties were measured and geological and petrophysical models were constructed. Reservoir simulations then modeled CO2 injection and migration in reservoirs based on the two deposits to examine how heterogeneity may impact injection behavior near the well. The research provides insight into modeling CO2 storage in heterogeneous reservoirs at the outcrop scale.

Science
1 of 204
Download to read offline
      3D‐dynamic modelling of Cretaceous sandstones  at the outcrop scale (Galve Sub‐basin, Iberian Basin).  Application to the studies of CO2 injection.  Ph.D. thesis   December 2015    Fernanda de Mesquita L. Veloso   Universidad de Zaragoza   Departamento de Ciencias de la Tierra ‐ Area de Estratigrafía 
                                                    3D‐dynamic modelling of Cretaceous sandstones at the  outcrop scale (Galve Sub‐basin, Iberian Basin). Application  to the studies of CO2 injection.  Ph.D. thesis, December 2015   Fernanda de Mesquita L. Veloso    Supervisors:   Ana Rosa Soria de Miguel (Universidad de Zaragoza)  Maria Nieves Melendez Hevia (Universidad Complutense de Madrid) 
                                            Cover Picture:  CO2  gas  saturation  in  the  study  case  TsunV2  (constant  rate  regime)  at  the  beginning of the injection simulation and three years later.       https://es.linkedin.com/pub/fernanda‐de‐mesquita‐lobo‐veloso/9b/727/5a4  To access my LinkedIn profile: 
This thesis is dedicated to my parents and my grandmother.   Essa tese é dedicada aos meus pais e a minha avó.  Esa tesis es dedicada a mis padres y mi abuela.                                    “Agir,  eis  a  inteligência  verdadeira.  Serei  o  que  quiser.  Mas  tenho que querer o que for. O êxito está em ter êxito, e não em  ter condições de êxito. Condições de palácio tem qualquer terra  larga, mas onde estará o palácio se o não ficarem ali.”  Fernando Pessoa (1888‐1935)  Livro do desassossego (1982) 
   
ACKNOWLEDGEMENTS  This  Ph.D.  project  was  constructed  and  achieved  with  the  assistance  and advice of wonderful and competent persons, as well as with the support  of  University  of  Zaragoza,  Ciencias  de  la  Tierra  department,  laboratories  as  such the “Servicio de Preparación de Rocas y Materiales Duros” and members  of Stratigraphy section.   I offer my sincerest gratitude to my supervisors, Ana Rosa and Nieves  Melendez who believed in this project and made me turn it in a Ph.D. They set  excellent examples as successful and accomplished geologist scientist women  (and mothers). I also thank Peter Frykman (from GEUS) who has supported me  when it was still a project, then throughout its 4‐years’ development, and until  now.   I would like to thank the CNPq (Conselho Nacional de Pesquisa for the  fellowship that I was awarded to conduct this Ph.D., and the Spain government  (proyectos  I+D,  CGL2011‐23717)  for  the  financial  support  to  realize  this  research. Many thanks to Carlos Liesa, Antonio Casas and Luis Arlegui from the  Geotransfer  Research  Group,  and  Enrique  Arranz  from  petrography  section,  for  their  technical  support  to  collect,  prepare  and  analyze  samples.  Special  thanks  to  Lope,  Rocio  and  Roy  of  the  stratigraphy  section  for  the  nice  moments together (when I was there...).   The international collaborations contributed immensely to my personal  and professional competences. Thanks to Laboratoire de Fluides Complexes et  ses Réservoirs of the UPPA (Université de Pau et de Pays de l’Adour), specially  to  Patrice  Creux,  Charles  Aubourg  and  Jean  Paul  Caillot  for  the  outstanding  scientific  stay  and  enlightening  professional  discussions.  Thanks  to  GEUS  (Geological  Survey  of  Denmark),  in  particular  to  Carsten,  Lars,  Neils  and  everyone  from  the  Reservoir  department,  for  the  short  but  intense  and  efficient  stay  during  the  final  steps  of  the  Ph.D.  Also  I  would  like  to  thank  Schlumberger  for  making  the  modelling  and  simulation  steps  of  this  thesis  possible  using  one  of  the  best  available  commercial  software  (Petrel  and  Eclipse).  I  acknowledge  the  IEAGHG  for  the  opportunity  to  join  the  6th   international interdisciplinary CCS (CO2  Capture and Storage) summer school 
which permitted me to create and expand my network in the CCS, as well as to  understand the CCS chain and deployment.   I take this opportunity to express my gratitude to my climber friends  (from  Sagunto,  Benidorm,  Zaragoza  and  France)  who  helped  me  maintain  a  clear  brain.  Above  all,  I  also  thank  my  parents  for  the  unceasing  encouragement,  support  and  attention.  I  am  also  grateful  to  Jean  (my  husband), who endured me through this venture and stayed on my side in all  happy  and  painful  moments.  Thanks  also  to  Françoise  and  Fabio  for  their  understanding when reading my “English” version.  Obrigada!  Gracias!  Merci!  Thanks!  Tak!     
CONTENTS ABSTRACT ........................................................................................................................... 3  RESUMEN ............................................................................................................................ 5  RESUMO .............................................................................................................................. 7  1.  INTRODUCTION ........................................................................................................ 11  1.1.  THE STUDY AREA AND THE SELECTED OUTCROP: THE ALIAGA OUTCROP .................................... 13  1.2.  GOALS ........................................................................................................................ 14  1.2.1.  Framework .......................................................................................................... 14  1.3.  STATE OF THE ART ......................................................................................................... 16  1.3.1.  CO2 geological storage ........................................................................................ 16  1.3.2.  Reservoir and outcrop heterogeneities ............................................................... 19  1.3.3.  The numerical simulator: Eclipse300 .................................................................. 20  2.  ALIAGA OUTCROP: SEDIMENTOLOGY AND PETROPHYSICS ........................................ 23  2.1.  GEOLOGY AT THE BASIN SCALE ......................................................................................... 23  2.2.  GEOLOGY AT THE OUTCROP SCALE .................................................................................... 29  2.2.1.  Materials and methods ....................................................................................... 34  2.2.2.  Sandstone deposits at the macroscale ................................................................ 37  2.2.2.1.  Tsunami deposit .......................................................................................... 37  2.2.2.2.  Barrier island ‐ tidal inlet deposit ................................................................ 39  2.2.3.  Sandstone deposits at the microscale ................................................................. 43  2.2.3.1.  Microfacies of the tsunami deposit ............................................................ 43  2.2.3.2.  Microfacies of the barrier island ‐ tidal inlet deposit .................................. 50  2.3.  PETROPHYSICS ............................................................................................................. 55  2.3.1.  Petrophysics of the tsunami deposit ................................................................... 55  2.3.2.  Petrophysics of the barrier island ‐ tidal inlet samples ....................................... 59  2.4.  DISCUSSION ................................................................................................................. 63  2.5.  CONCLUSION ............................................................................................................... 70  3.  GEOLOGICAL AND PETROPHYSICAL MODELLING OF THE ALIAGA OUTCROP ............... 75  3.1.  MATERIALS AND METHODS ............................................................................................. 76  3.1.1.  Geostatistical analyses ........................................................................................ 76  3.1.1.1.  Spatial data description .............................................................................. 77  3.1.1.2.  Stochastic simulation algorithms ................................................................ 79  3.2.  GRID CONSTRUCTION .................................................................................................... 81  3.2.1.  Input surface/horizon construction ..................................................................... 83  3.2.2.  Layering .............................................................................................................. 86  3.3.  FACIES MODELLING ....................................................................................................... 87  3.3.1.  Facies modeling of the tsunami deposit ............................................................. 87  3.3.1.1.  Results of facies modelling of the tsunami deposit .................................... 92  3.3.2.  Facies modelling of the barrier island‐tidal inlet deposit .................................... 96 
2  3.3.2.1.  Results of facies modelling of the barrier island‐tidal inlet deposit ............ 99  3.3.3.  Discussion on facies modelling .......................................................................... 103  3.3.3.1.  Discussion on tsunami facies modelling .................................................... 104  3.3.3.2.  Discussion on barrier island – tidal inlet deposit ...................................... 110  3.4.  PETROPHYSICAL MODELLING ........................................................................................ 114  3.4.1.  Petrophysical modelling of the tsunami deposit ............................................... 114  3.4.1.1.  Porosity modelling of the tsunami deposit ............................................... 114  3.4.1.1.1.  Results of porosity modelling of the tsunami deposit ...................... 117  3.4.1.2.  Permeability modelling of the tsunami deposit ........................................ 121  3.4.1.2.1.  Results of permeability modelling of the tsunami deposit ............... 122  3.4.2.  Petrophysical modelling of the barrier island – tidal inlet deposit .................... 123  3.4.2.1.  Porosity modelling of the barrier island – tidal inlet deposit .................... 123  3.4.2.1.1.  Results of porosity modelling ........................................................... 126  3.4.2.2.  Permeability modelling of the barrier island – tidal inlet deposit ............. 131  3.4.2.2.1.  Results of permeability modelling .................................................... 131  3.4.3.  Discussion on Petrophysical Modelling ............................................................. 134  3.5.  MODELLING CONCLUSION ............................................................................................ 136  4.  CO2 INJECTION IN THE TSUNAMI AND BARRIER ISLAND – TIDAL INLET RESERVOIRS AT  THE OUTCROP SCALE ........................................................................................................141  4.1.  RESERVOIR MODEL ..................................................................................................... 141  4.2.  FLUID MODEL ............................................................................................................ 142  4.3.  FLUID PROPERTIES ....................................................................................................... 145  4.3.1.  Density .............................................................................................................. 145  4.3.2.  Viscosity ............................................................................................................ 146  4.3.3.  pH calculation ................................................................................................... 146  4.3.4.  Saturation functions .......................................................................................... 146  4.3.5.  Diffusion ............................................................................................................ 147  4.4.  RESULTS OF RESERVOIR SIMULATION ............................................................................... 148  4.4.1.  Simulation on the Tsunami reservoir ................................................................ 148  4.4.2.  Simulation on the barrier island – tidal inlet deposit reservoir ......................... 152  4.4.3.  Flow at the boundary grid blocks of reservoirs ................................................. 157  4.5.  DISCUSSION ............................................................................................................... 158  4.6.  CONCLUSION ............................................................................................................. 162  5.  CONCLUSIONS AND PERSPECTIVE ............................................................................165  CONCLUSIONES Y PERSPECTIVA ........................................................................................173  REFERENCES .....................................................................................................................183       
3    ABSTRACT  Geological and reservoir modelling are mandatory in studies that regard  the  geological  storage  of  CO2.  The  aim  of  this  study  was  to  investigate  the  intra‐unit heterogeneity of the two sandstone deposits observed in the Aliaga  outcrop at metre scales, and to examine how heterogeneity can impact the  behaviour of CO2 in the zone close to the injector well during injection and  post‐injection processes in a deep saline aquifer scenario.   The Aliaga outcrop, is an 8400‐m² 2D vertical face in the upper part of  the Camarillas Fm. (Early Cretaceous, Galve sub‐basin). The studied sandstone  deposits correspond to a tsunami and a barrier island – tidal inlet, which were  described  in  macroscale  (centimetre  to  metric)  and  microscale  (micron);  further cores were drilled along outcrop to collect samples for porosity and  permeability measurements. The two sandstone deposits were generated by  distinct  sedimentary  processes  under  the  same  sedimentary  system,  and  showed distinct petrophysical characteristics.   The  modelling  process  was  different  for  each  deposit,  and  honoured  the petrophysical characteristics that were used to build the reservoir model  post‐hoc. The petrophysics models reflected the sandy variability, which was  represented by the facies distribution. The facies were defined as a function of  the  sand  sorting  at  the  petrographic  scale.  The  tsunami  facies  and  porosity  distributions  are  homogeneous,  whereas  the  barrier  island‐tidal  inlet  facies  and  porosity  distributions  are  heterogeneous.  Porosity  and  permeability  are  strongly  correlated  in  both  deposits;  thus,  the  permeability  modelling  was  carried  out  as  a  function  of  the  porosity  model  by  applying  a  regression  equation.   Although the permeability is usually low (tens of mD), the two deposits  behaved as a reservoir. At a short‐time scale (7 years), both reservoirs stored  at least of 60% injected CO2, with the 20‐40% dissolved in the brine. At the  sub‐metric  scale,  under  the  same  reservoir  conditions  and  fluid  model  parameters, the thickness of reservoir has the major impact in the amount of  CO2 dissolution rather than the permeability contrast.     
4       
5    RESUMEN  La  modelización  geológica  y  de  reservorios  es  obligatoria  en  los  estudios  sobre  el  almacenamiento  geológico  de  CO2.  El  objetivo  de  este  estudio  ha  sido  investigar  las  heterogeneidades  intra‐capa  en  dos  cuerpos  arenosos  a  escala  de  afloramiento  (escala  métrica)  observados  en  el  afloramiento  de  Aliaga,  y  examinar  cómo  estas  heterogeneidades  pueden  afectar  al  comportamiento  del  CO2  en  la  zona  próxima  al  pozo  inyector,  durante  los  procesos  de  inyección  y  post‐inyección,  en  un  escenario  correspondiente a un acuífero salino profundo.  El  afloramiento  de  Aliaga,  situado  en  la  parte  superior  de  la  Fm.  Camarillas  (Cretácico  Inferior,  Subcuenca  de  Galve),  tiene  una  superficie  de  afloramiento  2D  de  8.400  m².  Los  dos  cuerpos  arenosos  estudiados  corresponden al depósito de  un episodio de tsunami y de un complejo isla de  barrera/inlet. Estos depósitos fueron cartografiados a escala de afloramiento y  descritos a todas las escalas (desde la macroescala a la microescala) y además,  en  ellos,  se  extrajeron  núcleos  de  sondeos    sobre  los  que  se  realizaron  las  medidas  de  porosidad  y  permeabilidad.  Ambos  depósitos  se  generaron  por  procesos  sedimentarios  distintos  dentro  de  un  mismo  sistema  sedimentario  (ambientes de back barrier)  y muestran características petrofísicas distintas.   El proceso de modelización fue diferente para cada depósito, y respetó  las  características  petrofísicas  que  se  emplearon  para  construir  posteriormente  el  modelo  de  yacimiento.  Los  modelos  petrofísicos  reflejan  principalmente  la  variabilidad  de  las  areniscas,  representada  por  la  distribución  de  las  distintas  facies arenosas  definidas.    Estas  facies  arenosas  han  sido  definidas  a  partir  de  la  selección  de  las  areniscas  a  escala  petrográfica.  La  distribución  de  las  facies  del  depósito  de  tsunami  es  homogénea,  así  como  la  distribución  de  su  porosidad,  mientras  que  en  el  depósito de isla de barrera/inlet, tanto la distribución de las facies como la de  la  porosidad  son  heterogéneas.  La  porosidad  y  permeabilidad  están  fuertemente correlacionados en ambos depósitos; por lo tanto, el modelo de  permeabilidad  se  llevó  a  cabo  como  una  función  del  modelo  de  porosidad  mediante la aplicación de una ecuación de regresión.  
6  A  pesar  de  que  la  permeabilidad  es  generalmente  baja  en  ambos  depósitos (decenas de mD), ambos se comportaron como reservorios. A una  escala de tiempo corto (7 años), ambos reservorios almacenan al menos un  60% de todo el CO2 inyectado, con un 20‐40% de él disuelto en la salmuera.  A  escala submétrica, para las mismas condiciones de yacimiento y los mismos  parámetros del modelo de fluido, la potencia del reservorio tiene un mayor  impacto en la cantidad de disolución del CO2 que el contrate de permeabilidad  del yacimiento.     
7    RESUMO  A  modelagem  geológica  torna‐se  necessária  em  estudos  para  caracterização  de  um  reservatório  para  armazenamento  geológico  de  CO2.  Com  este  propósito,  o  presente  estudo  teve  como  objetivo  investigar  as  heterogeneidades  intra‐layer  (intracamadas)  em  dois  corpos  aflorantes  de  rochas  areníticas,  em  escala  métrica,  do  afloramento  denominado  Aliaga  e  analisar como essas heterogeneidades podem afetar o comportamento do CO2  na área próxima ao poço de injeção durante os processos de injeção e pós‐ injeção em um cenário de armazenamento em aqüífero salino profundo.  O  afloramento  de  Aliaga  situa‐se  na  parte  superior  da  Formação  Camarillas,  pertencente  à  sub‐bacia  de  Galve,  considerada  de  idade  do  Cretáceo  Inferior.  Em  superfície  aflora  abrangendo  uma  área  de  8.400  m²  (afloramento  em  2D).  Os  dois  corpos  de  arenito  estudados  para  serem  utilizados com reservatórios geológicos de CO2 correspondem a um episódio  sedimentar relacionado a eventos proporcionados por tsunami e ilha barreira /  canal  inlet.  Ambas  as  unidades  foram  gerados  por  diferentes  processos  deposicionais dentro do mesmo sistema sedimentar (parte continental da ilha  barriera)  e  mostram  diferentes  características  petrofísicas.  Estas  duas  unidades  foram  mapeadas  na  escala  de  afloramento  e  descritas  em  escalas  microscópica  a  macroscópica  e,  ainda,  foram  efetuadas  sondagens  e  os  testemunhos  foram  utilizados  para  obtenção das  medições  de  porosidade e  permeabilidade.   O  processo  de  modelagem  aplicado  foi  distinto  para  cada  unidade  estudada,  e  assim,  respeitadas  suas  características  petrofísicas  que  foram  utilizadas  posteriormente  para  construir  os  modelos  geológico  dos  reservatórios.  Modelos  petrofisicos  refletem,  principalmente,  a  variabilidade  dos  arenitos,  representada  pela  distribuição  dos  vários  fácies  arenosos  definidos. Estes fácies arenosos foram classificados a partir da seleção de grãos  descritos em escala petrográfica. Os fácies do depósito de tsunami apresentam  uma  distribuição  homogênea,  assim  como  a  porosidade,  enquanto  que  os  facies do depósito de ilha barreira/ canal inlet tanto a distribuição de fácies e a  porosidade são heterogêneos. Porosidade e permeabilidade estão fortemente  correlacionados  em  ambos  os  depósitos,  por  conseguinte,  o  modelo  de 
8  permeabilidade foi realizado como uma função do modelo de porosidade por  meio de uma equação de regressão .  Embora a permeabilidade seja geralmente baixa em ambas as unidades  (dezenas de mD), as mesmas podem se comportar como reservatórios. Numa  escala de tempo curto, de aproximadamente 7 anos, ambos os reservatórios  apresentam  capacidade  de  armazenamento  de,  pelo  menos,  60  %  do  CO2  injectado e entre 20 e 40 % desse CO2 de se dissolver na solução salina. Na  escala  submétrica,  para  as  mesmas  condições  de  reservatório  e  os  mesmos  parâmetros do modelo de fluido, a espessura do reservatório tem um impacto  maior  sobre  a  quantidade  de  CO2  dissolvido  do  que  o  contraste  de  permeabilidade do reservatório.     
9    CHAPTER 1 INTRODUCTION 1.1  The  study  area  and  the  selected  outcrop:  The  Aliaga  outcrop_________________________________________13  1.2  Goals______________________________________14  1.3  State of the art______________________________16       
10     
11    1. Introduction  The  ‘greenhouse  effect’  refers  to  processes  that  trap  heat  in  the  atmosphere and thus prevent heat loss to space. The effect is primarily the  result of enhanced concentrations of carbon dioxide (CO2) and other gases in  the atmosphere, that absorb and re‐radiate energy. Human activity related to  the  burning  of  fossil  fuels  is  largely  responsible  for  recent  changes  in  the  natural CO2 balance of the Earth–atmosphere system, and is thus responsible  for  the  recent  intensification  of  the  greenhouse  effect  on  Earth  (IEAGHG,  2013). In Europe alone, the total emission of CO2 from the 28 member states  (EU28)  caused  by  human  activity  (excluding  land  use  activities,  land‐use  changes  and  forestry;  LULUCF)  was  2.99  billion  tonnes  in  2012.  The  main  source  of  CO2  emissions  was  public  electricity  and  heat  production  (PEHP),  which correspond to 27% of the total CO2 emission. Spain was responsible for  7.5% of the European CO2 emission, occupying 7th place in terms of emissions  after  Poland  (EEA,  2015).  In  2013,  Spain  produced  only  28%  of  its  PEHP,  showing  a  strong  dependency  on  imported  energy  (SEE,  2013),  despite  estimated carbon reserves in Spain which, in 1992, were ~3463.4 Mt (IGME,  2012);  however,  Spain’s  carbon  energy  production  in  2012  was  only  21  Mt  (IGME, 2012), or 1% of its estimated carbon reserves.  Carbon  dioxide  capture  and  geological  storage  (CCS)  is  a  bridging  technology  that  will  contribute  to  the  mitigation  of  climate  change,  as  it  reduces the amount of carbon in the atmosphere and provides a sustainable  supply  of  raw  materials.  The  CCS  strategy  consists  of  capturing  CO2  from  industrial  emissions  and  transporting  it  to  storage  sites  for  injection  into  suitable underground geological formations for permanent storage. However,  the  characterization  and  selection  of  appropriate  CCS  sites  is  a  lengthy  and  costly  process,  and  so  must  begin  early  in  the  project  planning  process.  Geological  storage  of  CO2  requires  satisfactory  characterization  of  reservoir  and  caprock  geology  at  both  local  and  regional  scales,  to  elucidate  CO2  migration  patterns  and  overall  storage  potential.  The  characterization  and  assessment  of  potential  storage  sites  is  based  on  dynamic  modelling  comprising a variety of time‐step simulations of CO2 injection into the storage  site,  using  three‐dimensional  static  geological  Earth  models  and  a  complex  computerized storage simulator (EU, 2009). 
12  Geological  models  for  the  dynamic  study  of  CO2  behaviour  in  deep  saline  aquifers  should  represent  the  properties  of  rock  heterogeneity,  as  heterogeneity  maximizes  the  long‐term  storage  of  CO2  in  cases  where  buoyancy forces drive CO2 movement by density differences (Frykman, 2009).  The complexity of geological models is a function of the purpose(s) that the  model  addresses;  also,  geological  models  need  to  be  easily  updated  with  monitoring data, so as to predict safe storage and reduce storage uncertainties  (Norden  and  Frykman,  2013).  Rock  heterogeneity  depends  on  the  scale  of  observations,  and  on  the  phenomenon  being  investigated  (Cushman,  1997;  Bachu  et  al.,  2007;  Frykman,  2009).  Heterogeneity  at  reservoir  scales  (kilometres) has been studied in an attempt to understand how it impacts fluid  flow  (Hornung  and  Aigner,  1999;  Eaton  and  Bradbury,  2003;  Felletti,  2004;  Eaton, 2006; Issautier et al., 2013; Norden and Frykman, 2013; Asharf, 2014).  Studies  of  heterogeneity  at  outcrop  scales  (metres  to  hundreds  of  metres)  have  shown  the  impact  of  sedimentary  heterogeneity  on  fluid  flow  and  on  aquifer groundwater flow (Robinson and McCabe, 1997; Bersezio et al., 1999;  Klingbeil et al., 1999; Dalrymple, 2001; Heinz et al., 2003; Tye, 2004; Wood,  2004; Huysmans et al., 2008; Frykman et al., 2013). Studies of heterogeneity at  microscopic scales (microns to millimetres) have demonstrated the impact and  sensitivity  of  capillary  pressure  and  relative  permeability  on  CO2  trapping  mechanisms as a function of CO2 saturation (Juanes et al., 2006; Spiteri and  Juanes, 2006; Plug and Bruining, 2007; Pini et al., 2012; Boxiao et al., 2013;  Frykman et al., 2013).  The  challenge  in  building  a  geological  model  is  the  integration  at  different  scales  of  heterogeneity  and  relevant  petrophysical  characteristics  that  impact  fluid  flow  in  reservoirs  (Corbett  and  Potter,  2004).  The  incorporation of high‐resolution sedimentary heterogeneity into reservoir and  groundwater flow models improves the accuracy of predictions regarding fluid  flow behaviour. Reservoir models are often constructed at field scales (tens to  hundreds  of  square  kilometres),  and  practical  limits  on  the  size  of  reservoir  simulation  models  are  often  imposed  (AAPG,  2015).  The  grid  block  size  in  reservoir models is a function of reservoir heterogeneity, well distances, and  computational expense or capabilities; the grid block size or cell dimension is  usually 40–150 m on horizontal scales and 1–15 m at vertical scales (Asharf,  2014;  Issautier  et  al.,  2014;  AAPG,  2015).  The  outcrop  scale  is  a  bridge 
13    between  seismic  and  core  scales,  as  the  outcrop  represents  the  scale  of  individual bedforms (metres to hundreds of metres) and laminae (millimetres  to metres) (Yoshida et al., 2001).  1.1. The study area and the selected outcrop: The Aliaga outcrop   Site selection for geological storage of CO2 is a complex issue involving a  variety of geological and non‐geological variables. The quality of the reservoir  rocks and the seal system are of particular importance in site selection, as is  the  proximity  of  the  site  to  CO2  emission  sources.  The  Lower  Cretaceous  Camarillas Fm. is a potentially good candidate for CO2 storage because of its  sedimentological characteristics and its geographical location. In this study, we  examined the Camarillas Fm. in the province of Cuencas Mineras, which has  been  one  of  the  most  important  regions  in  Spain  for  the  supply  of  raw  materials and for the generation of electricity from coal‐fired power stations  through the centuries. Today, the Andorra power plant, located 60 km from  the study area, is one of the most important heat and electricity generation  facilities  in  the  Spain.  However,  a  large‐scale  study  of  the  potential  of  the  Camarillas Fm. for CO2 storage would be costly and prolonged; consequently,  this study does not examine or appraise the storage capacity of the Camarillas  Fm.  per  se,  but  rather  presents  a  low‐cost  approach  for  investigating  the  dynamic  behaviours  of  two  sandstone  units  within  the  Camarillas  Fm.,  determined at outcrop scales.  Previous stratigraphic and sedimentological studies of the Iberian Basin  by Soria (1997), Navarrete et al. (2013, 2014) and Navarrete (2015) identified a  fault‐bounded  sub‐basin,  the  Galve  Sub‐basin,  within  the  Maestrazgo  basin.  The Camarillas Fm., which was deposited during the Barremian synrift phase, is  one  of  the  most  important  sedimentary  units in  the  Galve  Sub‐basin  (Soria,  1997);  the  formation  consists  of  red  clays  and  sandstones,  and  reaches  a  thickness of up to 800 m (Navarrete, 2015). The Aliaga outcrop, located in the  upper  part  of  the  Camarillas  Fm.,  exposes  two  sandstone  bodies  that  were  generated  by  distinctive  sedimentary  process;  one  of  the  sandstones  is  a  tsunami deposit, and the other is a barrier island ‐ tidal inlet deposit. Despite  their limited thicknesses (1–7 m in each case), both are recognized over vast  areas  (35  km²).  The  Aliaga  outcrop  reveals  important  information  about 
14  variations  in  the  sandstone,  in  terms  of  the  size,  sorting  and  nature  of  component sedimentary grains, over a distance of 200 m, allowing for a study  of the distribution of sand in the deposits at different scales of observation.  1.2. Goals  The aim of this study was to investigate the intra‐unit heterogeneity of  the two sandstone deposits observed in the Aliaga outcrop at metre scales,  and  to  examine  how  heterogeneity  can  impact  the  behaviour  of  CO2  in  the  zone close to the injector well during injection and post‐injection processes in  a  deep  saline  aquifer  scenario.  Dynamic  3D  models  were  constructed  from  outcrop  data  obtained  at  the  Aliaga  outcrop;  the  outcrop  provides  direct  access  to  geological  information  and  sedimentary  samples  for  sedimentary  and petrophysical analyses.  1.2.1. Framework  Constructing a geological model for flow simulation requires a step by  step validation approach. The framework of this study, presented in Fig. 1.1, is  organized into three connected parts, referred to as panels, corresponding to  Chapters  2,  3  and  4  of  the  text.  Although  the  parts  (panels)  are  inter‐ dependent, each part has an independent methodology used to accomplish its  objective.  Panel 1 is discussed in Chapter 2, Sedimentology and Petrophysics of  Sandstone Deposits (Fig. 1.1).  The objective of this study was to establish a  correlation between sandy facies and petrophysical characteristics at outcrop  scales. The stratigraphic and sedimentological studies of Navarrete et al. (2013  and 2014), conducted at basin‐wide scales, identified the Camarillas Fm. as a  good candidate for geological CO2 storage purposes. The Camarillas Fm. crops  out  for  many  kilometres  in  the  study  area,  and  is  composed  of  sandstones  interbedded with shales and marls. The Aliaga outcrop exposes the upper part  of  the  Camarillas  Fm.,  which  consists  of  a  transitional  sedimentary  interval  from  sandy‐dominant  to  carbonate‐dominant  deposits.  Tsunami  and  barrier  island ‐ tidal inlet deposits, recognized at basin‐wide scales, were described in  macroscale  (centimetre  to  metre)  and  microscale  (microns)  over  the  200‐m  length of the outcrop. In addition, cores were drilled along the outcrop to  
15      Fig. 1.1: Framework of undertaken actions in this study.  collect  samples  for  porosity  and  permeability  measurements.  Then,  a  facies  coding  scheme  was  developed,  taking  into  consideration  the  sedimentary  characteristics  that  are  most  relevant  to,  and  most  highly  correlated  with,  hydrodynamic parameters.  Panel  2  is  discussed  in  Chapter  3,  Geological  and  Petrophysical  Modelling  of  the  Aliaga  Outcrop  (Fig.  1.1).  This  section  describes  the  construction  of  3D  models  of  tsunami  and  barrier  island/inlet  deposits  for  reservoir  simulation  studies.  The  modelling  process  uses  a  combination  of  geostatistical  methods  based  on  the  original  data  distribution,  and  is  conditioned  by  the  quality  and  quantity  of  input  data.  The  vertical  and  horizontal  resolution  of  the  3D  grid  was  constructed  as  a  function  of  sedimentary heterogeneity. The facies code defined in Panel 2 was used in the 
16  facies  modelling  process,  and  the  facies  model  was  conditioned  by  the  petrophysical modelling.   Panel  3  is  discussed  in  Chapter  4,  CO2  injection  in  the  tsunami  and  barrier island – tidal inlet reservoirs at the outcrop scale (Fig. 1.1). The panel  describes the dynamic analyses of the two sandstone deposits during and after  CO2  injection.  Each  deposit  was  investigated  as  an  individual  reservoir  at  conditions that allowed CO2 to behave as a critical fluid. The CO2, injected into  the reservoir as a dry gas, interacted with brine from the first days of injection,  until the end of simulation, after the injection was stopped. The physical and  chemical processes of injected CO2 into the reservoir are complex, with the  calculation time depending on: number of grid cells, complexity of the model  and complexity of the fluid behaviour. Because the fluid model is simple, the  major complexity is related to model resolution (size and number of grid cells)  and  the  distribution  of  petrophysical  characteristics.  The  sensibility  of  the  injection regime and the injector well location were tested for four study cases  in each deposit.   Finally, the chapter 5 presents the general conclusions and perspectives  of this Ph.D. thesis.  1.3. State of the art  1.3.1. CO2 geological storage  Geological CO2 storage is achieved through a combination of physical  and  chemical  trapping  mechanisms  that  are  effective  over  different  timeframes and spatial scales (IPCC, 2005; Bachu et al., 2007). Key geological  characteristics  used  to  evaluate  the  practicability  of  geological  CO2  storage  include:  reservoir  depth,  reservoir  thickness,  porosity,  permeability,  seal  integrity  and  aquifer  salinity  (Chadwick  et  al.,  2008).  Thus,  the  geological  storage  capacity  of  CO2  depends  on  properties  of  the  reservoir  rock  and  boundary rocks/faults, as these play a role in physical and chemical trapping  mechanisms.  Four main trapping mechanisms (Fig. 1.2) are required for permanent  and safe CO2 storage in reservoir rocks (IPCC, 2005; Chadwick et al., 2008). (1)  Structural  and  stratigraphic  trapping:  CO2  is  physically  trapped  by  low‐
17    permeability  and  low‐diffusivity  top‐seal  rocks  or  faults;  structural  traps  include  those  formed  by  folded  or  fractured  rocks.  (2)  Residual  saturation  trapping: capillary forces and adsorption onto surfaces of mineral grains in the  rock matrix immobilise a proportion of the injected CO2 as residual CO2 phase.  (3)  Dissolution  trapping:  dissolution  and  trapping  of  injected  CO2  within  reservoir  brine.  (4)  Geochemical  trapping:  reaction  of  dissolved  CO2  with  native pore fluids and/or minerals constituting the rock matrix or reservoir.  Geological  CO2  storage  can  be  undertaken  in  a  variety  of  geological  settings in sedimentary basins: oil fields, depleted gas fields, deep coal seams  and saline formations are all possible storage formations (IPCC, 2005). Some  studies  have  shown  that  storage  in  saline  formations  has  the  greatest  potential, with an estimated storage capacity of 1,000–10,000 Gt (IPCC, 2005;  IEAGHG, 2013).      Fig. 1.2: Evolution of CO2 storage mechanisms through time. The horizontal axis shows the time  since the start of injection; the right vertical axis shows the trapping contribution percentage of  the four main storage mechanisms; the left vertical axis shows the qualitative evolution of CO2  storage mechanisms. Modified from IPCC (2005).     
18  Predicting the sequestration potential and long‐term behaviour of CO2  in deep saline reservoirs requires calculations of the pressure (P), temperature  (T) and composition (X) of CO2–H2O mixtures at depths where temperatures  are <100°C, at pressures of up to several hundred bars. The P–T diagram of  pure CO2 phases is presented in Fig. 1.3. At the critical point, CO2 behaves as a  gas (IPCC, 2005), and the amount of H2O in the CO2‐rich phase is small, such  that CO2 properties can be approximated by those of pure CO2 (Spycher et al.,  2003).  The  dissolution  of  CO2  in  water  (brine  or  saline  formation  water)  involves a number of chemical reactions between gaseous and dissolved CO2,  carbonic  acid  (H2CO3),  bicarbonate  ions  (HCO3 − )  and  carbonate  ions  (CO3 2– ),  which can be represented as (IPCC, 2005):  CO2 (gas) ↔ CO2 (aqueous)           CO2 (aqueous) + H2O ↔ H2CO3 (aqueous)       H2CO3 (aqueous) ↔ H+  (aqueous) + HCO3 ‐  (aqueous)     HCO3 –  (aqueous) ↔ H+  (aq) + CO3 2−  (aqueous).    Fig. 1.3: Pressure–temperature phase diagram of pure CO2. The arrow indicates the average  initial  pressure  and  temperature  conditions  of  the  two  reservoirs  examined  in  this  study.  Modified from IPCC, 2005 (from ChemicaLogic Corporation, 1999).     
19    1.3.2. Reservoir and outcrop heterogeneities  Sedimentary heterogeneity in reservoir models is usually expressed by  the distribution of low‐permeability structural or diagenetic features, such as  faults, breccia or deformation bands (Eaton, 2006), or by the distribution of  low‐permeability  facies,  such  as  mud  drapes  or  shale  layers  (Ashraf,  2014;  Issautier et al., 2014). Detailed outcrop models have shown the impact of sand  heterogeneity  (such  as  heterogeneities  in  grain  size,  sorting  indices,  net  to  gross  (ratio of  sand  and  clay  content)  and  rock  texture)  on  the  local spatial  distribution  of  petrophysical  properties  (such  as  porosity,  permeability  and  capillarity  entry  pressure)  (Hornung  and  Aigner,  1999;  Klingbeil  et  al.,  1999;  Heinz  et  al.,  2003;  Sun  et  al.,  2007;  Ambrose  et  al.,  2008;  Huysmans  et  al.,  2008;  Frykman  et  al.,  2013).  Studies  of  groundwater  flow  or  contaminant  movement  in  aquifers  have  also  demonstrated  that  sand  heterogeneity  determines local groundwater flow patterns and plume dispersion in aquifers  (Koltermann and Gorelick, 1996; Zheng and Gorelick, 2003).  Sedimentary heterogeneity at outcrop scales can be directly observed  and sampled, from the fine‐scale to large‐scale features. The geomodel built  from  outcrop  data  incorporates  reservoir  and  top‐seal  heterogeneity  and  architecture to investigate the dynamic influence of intra‐body heterogeneities  on reservoir flow simulations (Robinson and McCabe, 1997; Dalrymple, 2001;  Tye, 2004; Wood, 2004; Ekeland et al., 2008). Outcrop models are useful when  the main focus of geomodels is to study injectivity and estimate the capacity of  structural and dissolution trapping as dominant mechanisms, as the location of  the  injection  well  can  induce  significant  changes  in  migration  and  trapping  efficiency (Le Gallo et al., 2010). The major impacts of injection occur close to  the  wellbore  region,  and  a  detailed  modelling  approach  in  these  regions  contributes to better estimates of the injectivity (Le Gallo, 2009). Therefore,  analogous  outcrop  studies  can  supply  detailed  geological  information  which  can elucidate geological gaps in local zones on the reservoir model.  Some significant limitations of the study exist with regard to outcrop‐ based studies. First, the data are typically 2D (Lantuéjoul et al., 2005) and thus  present observational biases. Consolidated rock is often preserved in outcrops  while weaker rocks (e.g., shales) are often eroded; the dominance of weaker  rocks can prevent the formation of outcrops altogether. Also, weathering and 
20  unloading of rocks may change the nature of outcrop exposures and obscure  features that are relevant in the in situ state (Pyrcz and Deutsch, 2014).  1.3.3. The numerical simulator: Eclipse300  The chemical reactivity of CO2 supercritical fluid with brine in reservoirs  is an important determinant of its flow behaviour in reservoirs. The simulator  Eclipse300  (E300)  is  a  commercial  (Schlumberger  Company)  compositional  simulator  based  on  a  cubic  equation  of  state  and  a  pressure‐dependent  permeability  value.  Technical  descriptions  reported  here  are  found  in  the  Eclipse Technical Descriptions, Version 2013.1 (Schlumberger, 2013a).   Several  E300  functions  are  available  depending  on  the  site  and  operational conditions that need to be modelled. Four equations of state are  available,  implemented  through  Martin's  generalized  equation  (e.g.,  Martin,  1979):  Redlich–Kwong,  Soave–Redlich–Kwong,  Peng–Robinson  and  Zudkevitch–Joffe.  The  program  is  written  in  FORTRAN  and  operates  on  any  computer  with  an  ANSI‐standard  FORTRAN90  compiler  and  with  sufficient  memory.  To  model  geological  conditions  in  saline  storage  aquifers,  the  CO2STORE option of E300 offers the possibility of modelling three additional  phases:  a  CO2‐rich  phase  (labelled  ‘gas’),  an  H2O‐rich  phase  (labelled  liquid)  and  a  solid  phase.  This  option  gives  accurate  mutual  solubilities  of  CO2  in  water, and water in the CO2‐rich phase. Solids (salts) can also be included and  described as components of the liquid and/or solid phase.     
21    CHAPTER 2 ALIAGA OUTCROP: SEDIMENTOLOGY AND PETROPHYSICS       2.1  Geology at the basin scale_____________________23  2.2  Geology at the outcrop scale___________________29  2.3  Petrophysics________________________________54  2.4  Discussion__________________________________63  2.5  Conclusion__________________________________70       
22     
23    2. Aliaga Outcrop: sedimentology and petrophysics  This  section  attempts  to  investigate  the  correlation  between  the  characteristics  of  sandy  facies  and  their  petrophysical  parameters  such  as  porosity  and  permeability  at  the  outcrop  scale.  The  Camarillas  Fm.  is  a  relatively thick unit (100‐800 m) consisting of interbedded sandstones, shales,  and marls. The Aliaga outcrop is an 8400‐m² 2D vertical face in the upper part  of the Camarillas Fm.; this outcrop was included in the sedimentological and  stratigraphic  studies  of  Navarrete  et  al.  (2013,  2014)  and  Navarrete  (2015).  The  description  of  the  Aliaga  outcrop  provided  here  consists  of  lithological  descriptions  of  two  sandstone  deposits  at  both  macroscopic  (outcrop)  and  microscopic scales. Regionally, the two sandstone deposits are recognized over  vast  areas  at  the  basin  scale  (<7  km),  although  their  individual  thickness  is  limited  to  1–7  m.  Macroscale  descriptions  of  the  sandstone  deposits  were  based  on  the  lithofacies  descriptions  of  Navarrete  et  al.  (2013,  2014).  Macrofacies were also sampled for petrographic and petrophysical analyses to  establish a new sandy facies code. This new code describes the variability of  the sandy facies, taking into account the petrophysical parameters that may  have the greatest effect on fluid flow.  2.1. Geology at the basin scale  The  study  area  is  located  in  the  Cretaceous  Galve  sub‐basin  in  the  Iberian Chain of central–eastern Iberia (Fig. 2.1A). The Galve sub‐basin (40 km  long  and  20  km  wide,  elongate  NNW–SSE)  developed  during  Late  Jurassic– Early Cretaceous rifting (e.g., Salas and Casas, 1993; Capote et al., 2002) at an  expansion  centre  (RRR  triple  junction  type)  in  the  western  Tethys  (Antolín‐ Tomas  et  al.,  2007).  The  sub‐basin  represents  a  western  marginal  sedimentation area of  the coastal Maestrazgo Basin that  formed during the  Early Cretaceous. The activity of two main fault sets, one trending NNW–SSE  (e.g. the Alpeñés, Ababuj, Cañada Vellida, and Miravete faults) and the other  trending  ENE–WSW  (the  Campos,  Santa  Bárbara,  Aliaga,  Camarillas  and  Remenderuelas  faults)  (Fig.  2.1B  and  C)  determined  the  Early  Cretaceous  extensional  structure  of  the  Galve  sub‐basin  (Soria  1997;  Liesa  et  al.,  2000;  Soria et al., 2001; Navarrete et al., 2013, 2014). The Tertiary structure of  
24    Fig. 2.1: Geological setting of the study area in the Galve sub‐basin, modified from Navarrete  et al. (2013). (A) Location of the Maestrazgo Basin and the Galve sub‐basin; the area shown in  Fig. 2.2 is highlighted by the red square (modified from Capote et al., 2002). (B) Block diagram  showing  the  tectonic  setting  of  the  Galve  sub‐basin  during  deposition  of  the  El  Castellar,  Camarillas and Artoles formations. (C) Close‐up of the area highlighted in B, and location of the  outcrop between the Aliaga–Miravete Anticline and the Camarillas–Jorcas Syncline; point “8”  shows the location of the transitional interval on the far side of the Camarillas–Jorcas Syncline  (Fig. 3.3B in Chapter 3). (D) Chronostratigraphic diagram and sedimentary record of the Galve  sub‐basin and the studied interval (s.u., synrift unconformity; RT, rift transition). (B) and (D) are  modified from Liesa et al. (2006) and Rodríguez‐López et al. (2009).     
25    the  sub‐basin  shows  the  superimposition  of  two  orthogonal  fold‐and‐thrust  structural trends, one striking NNW–SSE and the other WSW–ENE (Guimerà,  1988)  (Fig.  2.1B).  Both  structural  trends  represent  the  rejuvenation  and  inversion  of  normal  faults,  basically  inherited  from  Mesozoic  extensional  and/or post‐Variscan fracturing (Guimerà et al., 1996; Soria, 1997; Liesa et al.,  2004). Present‐day morphotectonics are the result of extensional deformation  that  began  on  the  eastern  margin  of  the  Iberian  Peninsula  during  the  mid‐ Miocene (Simón, 1982, 1989), related to rifting in the Valencia Trough (Álvaro  et al., 1979; Simón, 1982).  Outcrops  in  the  study  area  exposing  Palaeogene–Neogene  fold  structures  provide  excellent  material  for  observations  and  sampling.  Moreover, geological mapping of the steeply dipping (>75°) western limb of  the NNW–SSE‐trending Aliaga–Miravete anticline (Fig. 2.1C) provides a cross‐ sectional  view  of  Cretaceous  Galve  sub‐basin  infill  across  WSW–ENE‐striking  listric normal faults (Fig. 2.2).  Synrift sedimentation in the Galve sub‐basin spans the late Hauterivian  to the early Albian (Soria, 1997; Soria et al., 2000; Salas et al., 2001; Liesa et  al.,  2004,  2006;  Peropadre,  2012),  and  comprises  the  following  units  (Fig.  2.1D): (1) an alluvial and lacustrine series (El Castellar Fm.; Soria, 1997) that  records  the  transition  from  initial  rifting  to  rift  climax  (Liesa  et  al.,  2006;  Meléndez  et  al.,  2009);  (2)  red  clays  and  sandstones  (Camarillas  Fm.)  previously interpreted as a low‐sinuosity fluvial system with broad flood plains  (Salas,  1987;  Soria,  1997);  (3)  marls  and  limestones  (Artoles  Fm)  rich  in  calcareous algae, planktic foraminifera and molluscs, interpreted as a shallow  marine to transitional carbonate system (Salas, 1987; Soria, 1997) that evolved  northwards (towards the Las Parras sub‐basin) to a coastal lacustrine system  (Soria,  1997);  (4)  a  series  of  siliciclastic  and/or  carbonate  marine  platforms  (Morella,  Chert,  Forcall,  Villarroya  de  los  Pinares  and  Benasal  Fm.)  characteristic  of  Aptian  sedimentation  (e.g.,  Vennin  and  Aurell,  2001;  Peropadre et al., 2008; Peropadre, 2012); and (5) a late Aptian–early Albian  transitional siliciclastic series with coal beds (Escucha Fm.; Rodríguez‐López et  al., 2009).  The studied outcrop is stratigraphically located in the upper part of the  Camarillas Fm. in a synrift sequence of the Galve sub‐basin (Fig. 2.1D). The  
26           
27    Camarillas Fm. constitutes one of the most important sedimentary units to be  deposited  in  the  Galve  sub‐basin  during  the  synrift  phase  of  the  Barremian  (Soria, 1997). The unit exhibits large thickness variations (150–800 m) that are  related  to  extensional  faulting  (Soria,  1997;  Navarrete  et  al.,  2013)  that  occurred at the climax of Cretaceous rifting (Liesa et al., 2004, 2006; Navarrete  et al., 2013). A recent sedimentological study by Navarrete (2015) indicated  that  the  Camarillas  Fm.  is  a  transitional  continental‐to‐marine  sedimentary  system  composed  of  tidal  mud  flat  with  tidal  channel  deposits  at  the  base,  changing upward into barrier island and lagoon deposits.  The contact between Camarillas Fm. and Artoles Fm. is  a transitional  interval  characterized  by  two  stages  of  back‐barrier  sedimentation,  represented by mudstone and sandstone beds that have 45 m thick, at least 5  km long, and 7 km wide (Navarrete et al., 2013) (Fig. 2.1D and 2.2). Stage 1  (Fig. 2.3A) is characterised by deposits in extensive back‐barrier mud flats with  tidal creeks and minor washover fans, interbedded with lagoonal carbonates  and  influenced  by  local  syn‐sedimentary  tectonics  and  showing  thickness  variations, rotated blocks and angular unconformities (Fig. 2.3A). Back‐barrier  stage 2 (Fig. 2.3A) comprises washover fan deposits interbedded with lagoonal  carbonates,  the  complete  absence  of  back‐barrier  tidal  mud  flats  and  associated channels, and well‐developed ebb‐ and flood‐tidal deposits. Local  tectonics  did  not  affect  the  stratigraphic  architecture,  thus  resulting  in  flat‐ lying units. Below the back‐barrier system, an exceptional tsunami deposit (up  to 3 m thick) was identified by Navarrete et al. (2014); a remarkable dinosaur  megatracksite of track casts is preserved at the base of the deposit.      ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐  Fig. 2.2 (previous page): The Aliaga–Miravete anticline and the Galve sub‐basin sedimentary  infill. (A) High‐resolution satellite image at a scale of 1:5000 (available on the SITAR web page  of the Aragón Government). (B) Geological map of Galve sub‐basin units across WSW–ENE‐ striking listric faults; the transitional interval and the outcrop locations are marked, as are the  locations of stratigraphic profiles. Modified from Navarrete et al. (2013).     
28           
29    The  development  of  extensive  back‐barrier  tidal  mud  flats  with  tidal  channels during stage 1, and their absence during stage 2, probably indicates  that  stage  1  developed  under  a  mesotidal  regime  while  stage  2  developed  under a microtidal regime. This change in the tidal regime coincided with the  retreat of the barrier island system to the east, likely associated with a change  in  basin  configuration,  ultimately  controlled  by  the  development  of  an  extensional basin (Navarrete et al., 2013).  2.2. Geology at the outcrop scale  The Aliaga outcrop is located on the steeply dipping (>75°) western limb  of the NNW–SSE‐trending Aliaga–Miravete anticline, between the ENE–WSW‐ striking Remenderuelas and Camarillas listric faults (Figs. 2.1B, 2.1C and 2.2), in  the transitional interval at the top of Camarillas Fm. (Fig. 2.2). The sedimentary  history  recorded  at  the  outcrop  corresponds  to  the  stage  1  of  back‐barrier  system  including  the  sedimentary  datum  (Fig.  2.3B),  as  well  as  the  tsunami  deposit at the base of  the interval (Fig. 2.4).  The outcrop is included in the  sedimentological  and  stratigraphic  studies  of  Navarrete  et  al.  (2013,  2014).  Five sedimentary sections were logged in the outcrop (sections 2–8, except 5  and  6  in  Fig.  2.3B)  and  facies  associations  were  described  through  an  integrated study of sedimentology, stratigraphy and ichnology.  The Aliaga outcrop is a 2D vertical face, 210 m wide and 40 m high (Fig.  2.4), located on road TEV 8008, 5 km from Aliaga village. The road divides the  outcrop into a North sector (on the north side of the road) and a South sector  (on the south side of the road) (Fig. 2.4). Sedimentary sections 2–4, 7 and 8 of  Fig. 2.3B were renamed sections 1–5 (Fig. 2.4) in this study. The Aliaga outcrop    ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐  Fig. 2.3 (previous page): (A) Sedimentary correlation panel of the transitional interval between  the  Camarillas  Fm.  and  Artoles  Fm.  (Fig.  2.2)  with  descriptions  of  facies  associations.  The  sedimentary datum is the barrier island and tidal inlet deposit facies association (FA4) with the  basal wave ravinement surface (wRs). (B) Detail of sedimentary sections representing outcrop  face; mfs is the maximum flooding surface. Source: Navarrete et al. (2013).     
30                    Fig. 2.4: Aerial photograph of Aliaga outcrop, supplied by the Aragon Visor 2D  (http://sitar.aragon.es/). The Aliaga outcrop is outlined  by blue rectangle; the sedimentary sections 1‐5 correspond to sedimentary sections 2‐8, except 4 and 5 of Fig. 2.3. 
31    is delimited at the base by the bottom surface of the tsunami deposit and at  the top by top surface of the barrier island/tidal inlet deposit. These deposits  (Fig. 2.4) were examined in detail to investigate the correlation between sandy  facies  and  petrophysical  characteristics  of  the  relatively  homogenous  sandstone deposits at the scale of the sedimentary formation.  Schematic sedimentary section of the studied interval is presented in  Fig. 2.5. The facies descriptions, taken from Navarrete et al. (2013, 2014), take  into account large (km)‐scale sedimentary characteristics; however, many of  the sedimentary structures described can be observed at the Aliaga outcrop.  Brief  descriptions  of  the  facies  associations  observed  at  the  Aliaga  outcrop  section are given below.  (A)  Tsunami  deposit  (Fig.  2.4  and  2.5).  This  facies  consists  of  a  sandstone  body  of  1  to  5  m  thick;  the  sediments  were  deposited  on  a  clay  layer  bearing  dinosaur  trackways  (including  a  7‐km‐long  dinosaur  megatracksite). At least five sedimentary facies successions can be recognized  in the sandstone deposit, as related to inflows and back flows of the tsunami  wave  train  (Fig.  2.6).  Each  sedimentary  succession  is  composed  of  three  lithofacies  (from  base  to  top):  a  conglomerate  facies  (LF1),  a  ripple  and  megaripple facies (LF2) and an oscillation ripple facies (LF3).  (B) Tidal mud flat (FA1 in Fig. 2.5). This facies association is composed of  red  and  green  mudstones,  red  fine‐grained  sandstones  and  decimetre‐thick  tabular  sandstones.  The  mudstones  are  generally  massive  and  arranged  in  metre‐thick tabular strata, occasionally showing slickensides and mottling. The  red  fine‐grained  sandstones  are  centimetre‐  to  decimetre‐thick  lenticular  layers, occasionally with irregular bioturbated bases and vertical burrows. The  sandstones  pinch  out  towards  the  north  and  south;  they  exhibit  cross‐ lamination, asymmetric ripple laminations, bivalve fragments and Arenicolites  and Skolithos ichnofossils. This facies association is interpreted as a tidal flat  environment in which the background sedimentation of fine‐grained particles  settled  from  suspension  under  low‐energy  conditions.  The  centimetre‐  to  decimetre‐thick  sandstones  containing  Arenicolites  are  interpreted  as  distal  washover fan deposits interbedded with mudflat mudstones.   
32    Fig. 2.5: Schematic sedimentary section of the studied outcrop; the facies associatios, which  are the object of this study,are red colored (modified from Navarrete et al., 2013).  (C)  Carbonate  lagoon  (FA2  in  Fig.  2.5).  This  facies  association  is  composed  of  carbonates  and  interbedded  ochre‐  and  white‐coloured  sandstones.  The  carbonates  are  limestones  and  marls  containing  bivalves,  gastropods  and  charophytes,  which  are  interpreted  as  representing  sedimentation in a carbonate lagoon. The sandstones, which are fine‐grained  centimetre‐  to  decimetre‐thick  tabular  strata  thinning  northwards  and  southwards,  pinch  out  in  lagoonal  sediments;  they  exhibit  sub‐parallel  and  undulating  lamination,  cross‐lamination,  asymmetric  ripple  lamination  and  local  deformation  as  slump  and  flame  structures.  The  sandstones  are 
33    interpreted as distal washover fan deposits that interrupted the background  low‐energy conditions conducive to carbonate sedimentation in the lagoon.  (D) Flood‐tidal delta (FA3 in Fig. 2.5). This facies association appears as  a fining‐upwards sandy body 6 m thick and 4 km long. In the study area, the  facies pinches out in the southern sector of the profile within the carbonate  lagoon  facies.  The  sand  body  shows  a  generally  lenticular  geometry  with  a  sharp  and  flat  horizontal  base  (with  tool  casts  and  locally  horizontal  bioturbation) and a convex top. The facies association is interpreted as a flood‐ tidal delta comprising facies of flood ramp and flood delta origin. The facies  FA2  and  FA3  are  vertically  related,  suggesting  a  flood‐tidal  delta  encased  in  mixed carbonate lagoonal deposits.  (E)  Barrier  island–tidal  inlet  (b.i./inlet)  (FA4  in  Fig.  2.4  and  2.5).  This  facies association consists of a 6‐m‐thick lenticular body of very coarse‐ to fine‐ grained  sandstone  containing  scattered  oysters  shells,  fish  teeth,  clay  and  quartzite  pebble  lags,  vertebrate  bones  and  metre‐long  tree  trunks  at  the  base.  Internally,  the  sand  body  is  divided  by  large‐scale  planar  to  slightly  concave‐up  lateral  accretion  surfaces,  inclined  to  the  northeast  and  with  aligned  basal  lags  (clay,  quartzite  and  minor  bioclasts).  The  deposit  is  interpreted  as  a  multistory  body  representing  a  barrier  island  system;  furthermore, the occurrence of a channel body showing large‐scale accretion  surfaces is interpreted as a tidal inlet encased in a barrier spit.  The tsunami and b.i./inlet deposits are relatively homogeneous at the  scale of the sedimentary formation; they were recognized by Navarrete (2015)  in a 35‐km² area on both sides of the Camarillas–Jorcas syncline (Fig. 2.1C),  despite their limited thicknesses (1–7 m). The sandy homogeneity into both  deposits  is  dependent  on  the  scale  of  observation.  At  the  basin  scale,  the  deposits  are  homogenous  sands  with  horizontal  continuity,  whereas  at  the  metre and even micron scales, the deposits show variability within the sandy  facies in terms of grain size distribution, lithic and fossil content, sedimentary  structures, etc. The lithologies of both deposits are here described at macro  (metre) and micro (micron) scales. In addition, hydrodynamic measurements  of  porosity  and  permeability  on  the  outcrop  samples  were  performed  to  complement the lithological descriptions.  
34    Fig. 2.6: Vertical sedimentary architecture of Tsunami deposit (Navarrete et al. 2014).  Other  facies  associations  between  the  tsunami and  b.i./inlet  deposits  (Fig. 2.5) consist of clay, marl and micritic carbonate lithofacies; these facies  associations were not included in this study, which focused on high‐resolution  characterization of heterogeneities in the sandstone, and the relationship of  these heterogeneities to porosity and permeability structures. The sandstone  deposits of the FA1 (Tidal mud flat with channels) and FA3 (Flood‐tidal delta)  facies associations were also excluded from this study because the facies are  laterally discontinuous and pinch out in the study area at the Aliaga outcrop.  2.2.1. Materials and methods  The  logged  sedimentary  sections  (see  the  outcrop  panel  in  Fig.  2.3B)  were plotted on aerial photograph of Villarluengo 543‐12 (scale, 1:5000) (Fig.  2.4).  Using  the  sedimentary  sections  and  the  aerial  photo  as  geographic  references, a low aerial photograph of the outcrop, obtained by a camera fixed  to a drone (unmanned aerial vehicle), was georeferenced to the ED‐50 UTM‐30  geographic coordinate projection. Based on sedimentary interpretations of the  drone photographs and the sedimentary descriptions of Navarrete et al. (2013 
35    and 2014), a sampling schema was developed to systematically collect samples  for  petrographic  analyses  and  petrophysical  measurements  according  to  lithological variations, and to provide upcoming geostatistically analysis.   The Aliaga outcrop was divided into two sectors, the North sector and  the South sector, separated by the Aliaga–Miravete road (Fig. 2.4). From the  North  to  the  South  sectors,  fifty‐three  samples  were  collected  at  regularly  spaced intervals along the tsunami and b.i./inlet deposits using a portable rock  core  drill  (Pomeroy  D026‐GT10  Gear‐Reduced  Core  Drill  with  a  48  cm3   Stihl  motor) and a 4” (10 cm) outer‐diameter drill bit (BS‐4Pro). In areas where the  thicknesses of deposits were >1 m, samples were collected at the base, middle  and top of each bed. Orientations of the extracted cores were measured; their  dimensions varied from 10 to 20 cm in length and 8 to 9.5 cm in diameter. The  cores  were  obtained  parallel  to  the  dip  direction,  and  were  taken  on  the  outcrop  face  due  to  constraints  imposed  by  the  orientation  of  the  outcrop;  therefore core lengths correspond to bed width (Veloso et al., 2013). Samples  were taken from each core for petrographic and petrophysical analyses.  Lithofacies described in the field, based on the studies of Navarrete et  al. (2013 and 2014), were refined by petrographic descriptions so as to analyse  the  grain  size  distribution,  sorting,  shape  and  nature  of  grains,  matrix  components,  sedimentary  structures  and  the  presence  of  fossils  or  cement.  Many  samples  could  not  be  dissolved  or  disaggregated  by  conventional  methods  used  for  sedigraph  grain  size  distribution  analyses  due  to  the  high  concentrations  of  carbonate  clasts  and  fractured  quartz  grains;  therefore,  grain  size  distributions,  estimates  of  sand  sorting  and  sand  nature  were  obtained  by  quick  petrographic  observations  according  to  a  reference  chart  (U.S.  GeoSupply  Inc.,  2015).  In  both  sandstones,  sixty‐five  thin  sections  for  petrographic  study  were  made  from  samples  collected  from  the  cores  and  hand  specimens.  The  thin  sections  were  oriented  perpendicular  to  bedding,  and were chemically stained to identify carbonate.   The  petrophysical  measurements  included  estimations  of  sample  porosity  and  permeability  by  direct  measurements  on  plugs.  Fifty‐six  plugs  were taken from the cores for measurements of porosity (Phi) and horizontal  permeability (Kh); a further 23 plugs were used for measurements of vertical  permeability  (Kv).  The  petrophysical  measurements  were  conducted  at  the 
36  Petrophysics Institute Foundation (IPF), Madrid, Spain, on plugs 60 mm long  and 40 mm in diameter. The plugs were cut from the cores as shown in Fig.  2.7, where the vertical plugs were taken perpendicular to the strike direction  or in the North direction, and the horizontal plugs were taken parallel to the  strike  direction  or  the  North  direction.  Porosity  was  estimated  by  a  helium  pycnometer at atmospheric conditions and ambient temperatures through gas  displacement  inside  a  known  cell  volume;  the  pore  volume  was  obtained  according  to  Boley’s  law  (IPF,  2012).  The  horizontal  (Kh)  and  vertical  (Kv)  permeabilities  were  estimated  using  a  gas  permeameter  at  steady‐state  conditions; the gas permeability was calculated according to Darcy’s law and  was then corrected to the equivalent liquid permeability using the Klikenberg  correction factor (IPF, 2012).    Fig. 2.7: Schema for obtaining plugs for petrophysical measurements. The core length is equal  to  the  width  of  deposit;  “V”  plugs  were  used  to  measure  the  vertical  permeability  and  “H”  plugs were used to measure the horizontal permeability; “T” and “B” correspont to the top and  base of bedding; respectively.     
37    2.2.2. Sandstone deposits at the macroscale  Macroscale (decimetres to tens of meters) descriptions of the geometry  of internal lithofacies and their distributions were obtained in 2D perspectives:  horizontal in N‐S direction and vertical (thickness). The lithofacies descriptions  of Navarrete et al. (2013, 2014) were used for macroscale facies mapping; the  mapping  was  based  on  interpretations  of  drone  photographs  and  field  observations.  2.2.2.1. Tsunami deposit  The tsunami deposit, located at the base of the Aliaga outcrop (Fig. 2.4  and 2.5), consists of a multiple‐bed deposit of sandstone and conglomerate of  variable thickness (30–50 cm to 3–4 m). The base is eroded in many areas, and  the deposit rests on an important dinosaur trackway site. The tsunami deposit  represents  a  catastrophic  sedimentary  event  with  at  least  five  episodes  of  inflow and backflow of wave trains (Fig. 2.6), related to sediment deposition  and  reworking,  respectively  (Navarrete  et  al.,  2014).  The  lithofacies  of  the  tsunami deposit is described in Navarrete et al. (2014). The sedimentology and  architecture  of  the  track‐bearing  sandstone  are  based  mainly  on  field  observations  made  from  20  stratigraphic  sections  logged  in  detail,  and  interpretations  from  drone  photographs.  Sedimentological  features,  such  as  grain  size  and  sedimentary  structures,  allowed  the  discrimination  of  four  lithofacies  (Navarrete  et  al.,  2014),  with  three  being  present  at  the  Aliaga  outcrop (Fig. 2.6): a conglomerate facies (LF1), a ripple and megaripple facies  (LF2) and an oscillation ripple facies (LF3).  Lithofacies LF1 is a conglomeratic facies with matrix‐supported clasts of  greenish  carbonate  pebbles,  and  plant  and  dinosaur  bone  fragments  in  a  whitish coarse‐grained sandy matrix of feldspar and quartz grains along with  minor zircon, rutile, tourmaline, glauconite and apatite grains (Fig. 2.8A, B and  C). The LF1 lithofacies is recognized mainly at the base of deposit, as dinosaur  track  cast  infill  (Fig.  2.8A),  where  tracks  are  present.  In  other  zones  of  the  North sector, this facies is locally preserved in the middle of the bed at the  base of an intermediate sedimentary succession, as in Fig. 2.8B, Fig. 2.9.    
38      Fig. 2.8: Field view of Tsunami lithofacies. (A) The lithofacies LF1 occurs as dinosaur cast infill  (Section  2,  Fig.  2.3B).  (B)  Field  view  of  the  sedimentary  succession  in  section  2  (Fig.  2.3B)  showing the lithofacies arrangements  in the sedimentary successions. Palaeocurrent indicators  in lithofacies LF2 indicate flow towards the SSE. (C) Lithofacies LF1, showing cross‐stratification  and a palaeocurrent direction towards the NNE (Section 2, Fig. 2.3B). (D) Detail of Fig. 2.9D,  showing lithofacies LF1 and LF2. (E) Detail of lithofacies LF2 in Section 2 (Fig. 2.3B), showing a  fining  upward  sequence  with  centimetre‐scale  planar  cross‐stratification;  the  palaeocurrent  direction is towards the SSE.     
39    The LF1 lithofacies is generally massive, although locally it shows faint cross‐ laminations,  horizontal  laminations  and  fining  upward  (Fig.  2.8C).  Cross‐ stratification  planes  measured  in  sedimentary  sections  3  and  4  (Fig.  2.4)  indicate a N–NNE palaeo‐flow direction (Fig. 2.8C). The geometry of the LF1  lithofacies is usually lenticular, with a length of 1–10 m and thickness of 2–15  cm  (Fig.  2.8B  and  D  and  Fig.  2.9).  The  drone  photographs  show  that  the  lithofacies occurs in zones where the thickness of the lithofacies is >5 cm and  the length is >1–2 m.  The ripple and megaripple lithofacies (LF2) is the most abundant facies  in the both sectors of outcrop (Fig. 2.6, 2.8 and 2.9). It is composed of fine to  coarse feldspar and quartz sand with fining‐upward grain‐size sequences and  centimetre‐ to decimetre‐scale sets of cross‐bedding and planar cross‐bedding  (Fig. 2.8E); its geometry is wedge‐shaped, with a thickness of 15–160 cm (Fig.  2.8D and 2.9).  Lithofacies LF3 is scarce and is composed of fine to medium feldspar  and  quartz  sand  with  an  upward  decrease  in  grain  size;  its  thickness  at  the  Aliaga  outcrop  is  5–28  cm  and  its  contact  with  LF2  is  gradual  (Fig.  2.6  and  2.8B). This facies shows asymmetrical climbing ripples and cross‐laminations  and parallel laminations.   The  tsunami  sandstone  bed  has  the  geometry  of  pseudo‐sand  sheet  deposit, with an irregular basal surface. A preliminary map of the macro facies  was drawn on a drone photograph to delimit the geometry of the lithofacies  deposit.  Macrofacies  LF2  and  LF3  are  similar  in  colour  and  were  difficult  to  distinguish on the drone photographs (Fig. 2.9).  2.2.2.2. Barrier island ‐ tidal inlet deposit   The barrier island ‐ tidal inlet (b.i./inlet) deposit is located at the top of  outcrop  profile  (Figs.  2.3,  2.4  and  2.5).  This  deposit  comprises  a  6‐m‐thick  lenticular body of ochre‐coloured very coarse‐ to fine‐grained sandstone with  scattered oysters shells, fish teeth, pebbles, and clay and quartzite pebble lags.  In the study area, Navarrete et al. (2013) interpreted the deposit as a tidal inlet  sandstone encased in a barrier spit that recorded changes in flow energy and      
40        Fig. 2.9: Tsunami deposit in a drone photograph and a map of the lithofacies as identified in  the sedimentary sections and described in Navarrete et al. (2014). Drillcores are indicated by a  star.  (A)  Excerpt  of  the  South  sector.  (B) Excerpt  of  the  North  sector; the  square  labelled D  indicates the area shown in Fig.2.8D.     
41    interruptions in water flow; these conditions give the deposit different scales  of  heterogeneity  that  can  be  observed  by  comparing  the  North  and  South  sectors of the outcrop.  In  the  South  sector,  this  deposit  is  characterised  by  a  3  to  7  m‐thick  lenticular body of lihofacies LF4 (Fig. 2.10A and B); this lithofacies is an ochre‐ coloured  medium‐  to  fine‐grained  sandstone  with  decimetre‐thick  trough  cross‐bedding  sets  (maximum  thickness,  35  cm)  and  centimetre‐thick  planar  cross‐bedding  sets  (maximum  thickness,  8  cm).  The  basal  surface  is  slightly  concave and includes metre‐long tree trunks and vertebrate bone fragments;  the top surface is flat (Fig. 2.11A).   In  the  North  sector,  two  main  lithofacies  (1  to  3  m  thick)  are  distinguished (Fig. 2.11B). Lithofacies LF4 is an ochre‐coloured coarse‐ to fine‐ grained  sandstone  with  decimetre‐thick  trough  cross‐bedding  sets  and  clay  and quartzite pebble lags (Fig. 2.11B and 2.10). Lihofacies LF5 is a grey very‐ fine‐grained  cemented  sandstone  with  centimetre‐thick  trough  cross‐ lamination sets, drapes, locally interfering ripple crests and asymmetric wave,  ripples on top of the cross‐bed sets (Fig. 2.10C), scattered oysters, fishes teeth  and  centimetre‐thick  accumulations  of  bioclast  or  carbonaceous  plant  fragments (Fig. 2.10D).  Navarrete  et  al.  (2013)  measured  the  palaeocurrent  directions  throughout  the  Miravete  anticline,  and  reported  unidirectional  flow  representing  a  flood  into  the  barrier  island  system.  The  authors  interpreted  major  bedding  surfaces  inclined  towards  the  NE  as  tidal  inlet  accretion  surfaces developed by primary longshore drift currents.  At  the  outcrop  scale,  the  b.i./inlet  deposit  shows  heterogeneous  lithofacies distributions and deposit geometries between the North and South  sectors.  In  the  South  sector  (Fig.  2.11A),  the  deposit  is  thicker  (3–7  m)  and  lithofacies LF4 is dominant. This lithofacies was generated by the migration of  minor megaripples that were moved by flood and ebb water fluxes under low‐ energy  flow  regimes  in  the  shoreface  zone  of  a  tidal  inlet/barrier  spit  (Navarrete et al., 2013). In the North sector (Fig. 2.11B), the thickness of the     
42          Fig. 2.10: Field view of the barrier island ‐ inlet facies. (A) and (B) Lithofacies LF4 in the South  sector  showing  decimetre‐thick  trough  cross‐bedding  and  planar  cross‐bedding  sets.  (C)  Lithofacies  LF4  and  LF5  in  the  North  sector  showing  centimetre‐thick  trough  cross‐bedding  laminations and asymmetric wave structures (arrow). (D) Plant fragments in sample 59 (see in  Fig.2.12B).     
43    deposit is 1–3 m and two facies are dominant: lithofacies LF4 with bioclasts  and pebbles, and lithofacies LF5, a grey cemented sandstone with drapes and  accumulations  of  bioclasts  or  plant  fragments,  and  asymmetric  wave  and  interference ripples structures. These structures in LF5 indicate variations in  the flow regime, probably associated with tidal flows from brackish to marine  conditions (Navarrete et al., 2013).  2.2.3. Sandstone deposits at the microscale  The  petrological  characterization  of  the  lithofacies  was  based  on  analyses  of  65  thin  sections  of  samples  obtained  from  cores  and  hand  specimens. The classification used for the mineralogical analyses was based on  that of Pettijohn et al. (1973). The estimates of grain size distribution and sand  sorting,  as  well  as  of  bulk  composition,  were  made  by  quick  petrographic  observations, according to the reference chart of U.S. GeoSupply Inc. (2015).  A  preliminary  analysis  of  samples  of  tsunami  and  b.i./inlet  deposits  showed that nearly every sample was an arkosic or subarkosic sandstone, with  an average composition of 10% clay matrix, 60% quartz (monocrystalline and a  few  polycrystalline  samples),  20%  feldspar  (plagioclase  and  K‐feldspar)  and  10% lithic fragments. This mineralogical homogeneity excluded a mineralogical  classification  of  the  lithofacies,  and  thus  the  lithofacies  were  classified  as  a  function of grain size distribution, sand sorting, and cement content.  2.2.3.1. Microfacies of the tsunami deposit  The petrological characterization of the tsunami lithofacies was based  on  analyses  of  36  thin  sections  (Table  2.1).  The  locations  of  these  samples  along the outcrop are shown in Fig. 2.12. All samples are subarkosic–arkosic  sandstones, containing 10% clay matrix, 50%–70% quartz, 10%–20% feldspar  and  5%–15%  lithic  fragments  with  mud  clasts  and  micas  as  the  main  lithic  grains. Kaolin and calcite are the most common cements (Caja, 2004); their      
44    Fig. 2.11: Drone photographs of the b.i./inlet deposit. A: South sector. B: North sector.  
45    contents vary from trace amounts to 10% (Fig. 2.13A); a few samples contain  trace amounts of dolomite cement (Fig. 2.13D). The main accessory minerals  are  tourmaline  and  trace  amounts  of  phosphate  and  organic  matter.  Sedimentary structures, where present, consist of trough cross bedding with  an apparent direction to North. The upward decrease in grain size is apparent  at  the  microscale  (Fig.  2.13A).  Fractured  quartz  and  feldspar  grains  are  abundant in many samples (Fig. 2.13A and B). The red colour of the sandstone  in  the  southernmost  part  of  the  South  sector  profile  (Fig.  2.9A  and  2.12)  is  probably related to the relatively high K‐feldspar content (sample 83, Fig 2.9A  and Fig. 2.13B).  The samples were first classified as a function of sorting (Table 2.2 and  Fig. 2.12); four sorting facies were defined: (0) poorly sorted sandstone (PSs  facies), (1) moderately sorted sandstone (MSs facies), (2) cemented sandstone  (CSs facies) and (3) well‐sorted sandstone (WSs facies). Samples with bimodal  grain‐size distribution were classified as MSs facies, and those with a cement  content > 10% as CSs facies. Table 2.2 summarizes the number of samples by  sorting  class  and  the  equivalent  lithofacies  at  the  macroscale.  Half  of  the  samples  were  classified  as  WSs  facies;  in  the  South  sector,  almost  every  sample was WSs facies, whereas all facies were present in the North sector  (Fig.  2.12).  The  cemented  samples  were  found  in  both  sectors  at  the  base,  middle and top of the profile, and comprised the WSs and PSs facies (Fig. 2.12,  Table  2.1).  The  dinosaur  footprints  were  sampled  infrequently,  and  are  generally filled with PSs facies.   Samples  were  also  classified  as  a  function  of  grain  size  distribution  following  Folk  (1980).  They  were  grouped  into  five  grain‐size  facies  classes:  coarse  grained,  medium–coarse  grained,  medium  grained,  fine–medium  grained and fine grained (Table 2.3). The equivalent grain‐size facies classes  and  macroscale  lithofacies  are  listed  in  Table  2.3.  Half  of  the  samples  were  classified  as  fine‐  and  fine‐  to  medium‐grained  sand,  three  samples  were  classified  as  coarse‐grained  sand,  and  the  others  were  classified  as  fine‐  to  coarse‐grained  sand.  Generally,  the  fine‐grained  sands  are  well  (WSs)  or  moderately  sorted  (MSs)  sands,  and  the  coarse‐grained  sands  are  poorly  sorted (Pss; Table 2.3); coarser samples are located in the North sector (Fig.  2.12).   
46    Fig. 2.12: Drone photographs showing the spatial distribution of collection localities of tsunami samples, classified according degree of sorting  (see legend).The photographs extend from the South (upper photograph) to the North (lower photograph) sector. 
47    The tsunami facies are relatively homogeneous when classified in terms  of sorting, with 70% of the facies classified as WSs and MSs facies. In terms of  grain size, almost half the tsunami samples are classified as fine‐ to medium‐ grained,  and  the  other  half  are  classified  as  coarse‐grained,  medium‐  to  coarse‐grained  or  medium‐grained.  Generally,  the  lithofacies  at  the  macroscale  are  more  correlated  with  grain  size  facies  classes  than  sorting  facies  classes;  however,  the  sorting  facies  classes  allow  identification  of  heterogeneities  between  sector:  in  the  South  sector,  the  WSs  facies  is  dominant  (Table  2.1),  while  in  the  North  sector,  all  facies  are  present  (Fig.  2.12).  Table  2.1:  Tsunami  samples  and  their  petrographic  and  petrophysical  characteristics.  Table  headings:  Phi  is  measured  porosity;  Kh  and  Kv  is  measured  horizontal  and  vertical  permeabilities respectively; %Clast is the sum of quartz, feldspar and lithics grains; %Cement is  the amount of cement content which can be calcite, kaolin and dolomite; Sorting is the sand  sorting at microscopic scale; Grain Size is the average sand size at the microscopic scale; Facies  is the code to distinguish sorting facies class; and Sector is the location of sample in the outcrop  face.   Sample  Phi  (m³/m³)  Kh (mD)  Kv (mD)  % Clast  (Qtz+F+L)  % cement  Sorting  Grain Size  Facies  Sector  1        80    well  medium  3  North  2        80  3  Moderate  (bi‐modal) fine‐coarse  3  3        80  3  well  fine‐medium  3  5        50  50  moderate medium‐coarse  2  41  0.197  13.9  14  65  7  well  fine‐medium  3  42  0.0663  0.17    65  7  moderate medium‐coarse  1  43  0.076  2.1    70  5  moderate medium‐coarse  1  44  0.1676  7.91    85    well  medium  3  45  0.1859  10.3    85    well  fine‐medium  3  46  0.1272      85  3  poor  coarse‐very  coarse  0  47  0.1795  7.84    85  3  well  medium  3  48  0.1685  10.45    70  7  poor  fine‐medium  0  49  0.184  14.24  10.89  85  3  moderate fine‐medium  1  50  0.171  5.15  4.57  70  10  well  fine‐medium  2  51  0.164  4.83    80  3  moderate medium‐coarse  1 
48  Sample  Phi  (m³/m³)  Kh (mD)  Kv (mD)  % Clast  (Qtz+F+L)  % cement  Sorting  Grain Size  Facies  Sector  52  0.176  6.55    80  3  well  fine‐medium  3  53  0.173  7.77  7.73  65  10  poor  fine‐coarse  2  54  0.143  5.17    65  10  poor  medium‐coarse  2  55  0.189  8.09  7.7  70  7  moderate medium‐coarse  1  56  0.184  7.47    75  3  well  fine‐medium  3  57  0.179  6.5    75  3  poor  fine‐coarse  0  23        70  10  moderate medium‐coarse  2  South  27        80  5  well  fine  3  28  0.111  1.57  1.96  65  10  well  fine  2  83  0.187  14.96    80  5  well  medium  3  84  0.204  26.65  20.89  70  5  moderate medium  1  85  0.166  5.91  7.02  85  5  well  medium  3  86  0.213  28.76  24.09  75  7  well  medium‐coarse  3  87  0.196  11.04    75  10  well  fine‐medium  3  88  0.187  10.19  11.14  75  7  well  fine‐medium  3  89  0.163  8.29  21.21  70  10  well  fine‐medium  2  90  0.171  9.25  9.06  70  10  well  fine‐medium  2  91  0.156  5.48    80  7  well  fine‐medium  3  92  0.168  8.14    75  10  well  fine  3  93  0.176  6.99    75  7  well  fine  3  94  0.143  2.99    75  7  well  fine‐medium  3        ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐  Fig. 2.13: Thin sections of tsunami samples (next page). (A) Sample no. 2: WSs facies showing  upward‐decreasing sand size from medium to fine sand. Cross polarized light. (B) Sample no.  83: WSs facies showing a medium sand size, with the K‐feldspar content increasing towards the  top of the sample. Plane polarized light. (C) Sample no. 28: Css facies showing a fine sand size  and  good  sorting.  Plane  polarized  light.  (D)  Sample  no.  46:  Pss  facies  showing  traces  of  dolomite cement and fractured quartz. Plane polarized light.Location of samples is given in Fig.  2.12.     
49         
50  Table 2.2: Tsunami facies classes based on degree of sorting and equivalent lithofacies. Table  variables: Name is the abbreviation of facies classification by sorting; Lithofacies macroscale is  the equivalent facies described by Navarrete et al. (2014); North and South are the quantity of  samples in each sector; and Total is the sum of samples by facies.        Tsunami  Code  Name Lithofacies  macroscale North  South  Total  0  PSs  LF1 3 0 3 1  MSs  LF2  6 2 8 2  CSs  LF1 or LF2 4 3 7 3  WSs  LF2 or LF3  8  10  18  total      21  15 36   Table 2.3: Tsunami classification based on grain size and equivalent sorting facies class and  macroscale lithofacies. ‘Sorting class’ for a given class are listed in order of abundance.    Number of samples   Class  North South  Total Sorting class  Lithofacies  macroscale  Coarse  4 0 4 PSs LF1 Medium‐coarse 6 2 8 MSs,WSs, PSs LF2 Medium  3 3 6 Wss, MSs LF2 Fine‐medium  8 6 14  WSs,MSs,PSs LF2 Fine  0 4 4 WSs LF3 Total  21 15 36        2.2.3.2. Microfacies of the barrier island ‐ tidal inlet deposit  The  petrological  characterization  of  the  barrier  island  ‐  tidal  inlet  (b.i./inlet) lithofacies was based on observations of 30 thin sections (Table 2.4)  obtained from cores and hand specimens. The locations of the samples in the  outcrop are shown in Fig. 2.11. All samples are subarkosic–arkosic sandstones  consisting of 5%–15% clay matrix, 50%–70% quartz, 10%–20% feldspars, and  10%–25% lithic fragments dominated by mud clasts and bioclasts. Tourmaline  is  the  most  abundant  accessory  mineral,  followed  by  opaque  minerals  and  phosphate. Sedimentary structures, when present, are trough cross bedding  with  apparent  N–S  orientations.  Some  samples  have  a  bimodal  grain‐size 
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.
3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.

Recommended

Reservoir simulation study
Reservoir simulation study Reservoir simulation study
Reservoir simulation study Sigve Hamilton Aspelund
 
Solving Geophysics Problems with Python
Solving Geophysics Problems with PythonSolving Geophysics Problems with Python
Solving Geophysics Problems with PythonPaige Bailey
 
Abu Dhabi Dec 2014 EOR workshop Julio Herbas
Abu Dhabi Dec 2014 EOR workshop Julio HerbasAbu Dhabi Dec 2014 EOR workshop Julio Herbas
Abu Dhabi Dec 2014 EOR workshop Julio HerbasJulio Herbas
 
2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by HubspotMarius Sescu
 
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTExpeed Software
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsPixeldarts
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthThinkNow
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfmarketingartwork
 

Recommended

Reservoir simulation study
Reservoir simulation study Reservoir simulation study
Reservoir simulation study Sigve Hamilton Aspelund
 
Solving Geophysics Problems with Python
Solving Geophysics Problems with PythonSolving Geophysics Problems with Python
Solving Geophysics Problems with PythonPaige Bailey
 
Abu Dhabi Dec 2014 EOR workshop Julio Herbas
Abu Dhabi Dec 2014 EOR workshop Julio HerbasAbu Dhabi Dec 2014 EOR workshop Julio Herbas
Abu Dhabi Dec 2014 EOR workshop Julio HerbasJulio Herbas
 
2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by HubspotMarius Sescu
 
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTExpeed Software
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsPixeldarts
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthThinkNow
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfmarketingartwork
 
NuGOweek 2024 programme final FLYER short.pdf
NuGOweek 2024 programme final FLYER short.pdfNuGOweek 2024 programme final FLYER short.pdf
NuGOweek 2024 programme final FLYER short.pdfpablovgd
 
Plasmapheresis - Dr. E. Muralinath - Kalyan . C.pptx
Plasmapheresis - Dr. E. Muralinath - Kalyan . C.pptxPlasmapheresis - Dr. E. Muralinath - Kalyan . C.pptx
Plasmapheresis - Dr. E. Muralinath - Kalyan . C.pptxmuralinath2
 
Biochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptx
Biochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptxBiochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptx
Biochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptxjayabahari688
 
TEST BANK for Organic Chemistry 6th Edition.pdf
TEST BANK for Organic Chemistry 6th Edition.pdfTEST BANK for Organic Chemistry 6th Edition.pdf
TEST BANK for Organic Chemistry 6th Edition.pdfmarcuskenyatta275
 
In-pond Race way systems for Aquaculture (IPRS).pptx
In-pond Race way systems for Aquaculture (IPRS).pptxIn-pond Race way systems for Aquaculture (IPRS).pptx
In-pond Race way systems for Aquaculture (IPRS).pptxMAGOTI ERNEST
 
MSC IV_Forensic medicine -sexual offence.pdf
MSC IV_Forensic medicine -sexual offence.pdfMSC IV_Forensic medicine -sexual offence.pdf
MSC IV_Forensic medicine -sexual offence.pdfSuchita Rawat
 
dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...
dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...
dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...dkNET
 
VILLAGE ATTACHMENT For rural agriculture PPT.pptx
VILLAGE ATTACHMENT For rural agriculture PPT.pptxVILLAGE ATTACHMENT For rural agriculture PPT.pptx
VILLAGE ATTACHMENT For rural agriculture PPT.pptxAQIBRASOOL4
 
Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...
Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...
Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...Sahil Suleman
 
Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...
Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...
Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...Sérgio Sacani
 
SaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptx
SaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptxSaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptx
SaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptxPat (JS) Heslop-Harrison
 
Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...
Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...
Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...Sérgio Sacani
 
EU START PROJECT. START-Newsletter_Issue_4.pdf
EU START PROJECT. START-Newsletter_Issue_4.pdfEU START PROJECT. START-Newsletter_Issue_4.pdf
EU START PROJECT. START-Newsletter_Issue_4.pdfStart Project
 
Lubrication System in forced feed system
Lubrication System in forced feed systemLubrication System in forced feed system
Lubrication System in forced feed systemADB online India
 
PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)
PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)
PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)kushbuR
 
Isolation of AMF by wet sieving and decantation method pptx
Isolation of AMF by wet sieving and decantation method pptxIsolation of AMF by wet sieving and decantation method pptx
Isolation of AMF by wet sieving and decantation method pptxGOWTHAMIM22
 
POST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptx
POST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptxPOST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptx
POST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptxArpitaMishra69
 
Developing Distributed High-performance Computing Capabilities of an Open Sci...
Developing Distributed High-performance Computing Capabilities of an Open Sci...Developing Distributed High-performance Computing Capabilities of an Open Sci...
Developing Distributed High-performance Computing Capabilities of an Open Sci...Globus
 
Continuum emission from within the plunging region of black hole discs
Continuum emission from within the plunging region of black hole discsContinuum emission from within the plunging region of black hole discs
Continuum emission from within the plunging region of black hole discsSérgio Sacani
 
Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...
Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...
Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...mikehavy0
 
Skeleton Culture Code
Skeleton Culture CodeSkeleton Culture Code
Skeleton Culture CodeSkeleton Technologies
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024Neil Kimberley
 

More Related Content

Recently uploaded

NuGOweek 2024 programme final FLYER short.pdf
NuGOweek 2024 programme final FLYER short.pdfNuGOweek 2024 programme final FLYER short.pdf
NuGOweek 2024 programme final FLYER short.pdfpablovgd
 
Plasmapheresis - Dr. E. Muralinath - Kalyan . C.pptx
Plasmapheresis - Dr. E. Muralinath - Kalyan . C.pptxPlasmapheresis - Dr. E. Muralinath - Kalyan . C.pptx
Plasmapheresis - Dr. E. Muralinath - Kalyan . C.pptxmuralinath2
 
Biochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptx
Biochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptxBiochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptx
Biochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptxjayabahari688
 
TEST BANK for Organic Chemistry 6th Edition.pdf
TEST BANK for Organic Chemistry 6th Edition.pdfTEST BANK for Organic Chemistry 6th Edition.pdf
TEST BANK for Organic Chemistry 6th Edition.pdfmarcuskenyatta275
 
In-pond Race way systems for Aquaculture (IPRS).pptx
In-pond Race way systems for Aquaculture (IPRS).pptxIn-pond Race way systems for Aquaculture (IPRS).pptx
In-pond Race way systems for Aquaculture (IPRS).pptxMAGOTI ERNEST
 
MSC IV_Forensic medicine -sexual offence.pdf
MSC IV_Forensic medicine -sexual offence.pdfMSC IV_Forensic medicine -sexual offence.pdf
MSC IV_Forensic medicine -sexual offence.pdfSuchita Rawat
 
dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...
dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...
dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...dkNET
 
VILLAGE ATTACHMENT For rural agriculture PPT.pptx
VILLAGE ATTACHMENT For rural agriculture PPT.pptxVILLAGE ATTACHMENT For rural agriculture PPT.pptx
VILLAGE ATTACHMENT For rural agriculture PPT.pptxAQIBRASOOL4
 
Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...
Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...
Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...Sahil Suleman
 
Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...
Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...
Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...Sérgio Sacani
 
SaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptx
SaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptxSaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptx
SaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptxPat (JS) Heslop-Harrison
 
Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...
Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...
Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...Sérgio Sacani
 
EU START PROJECT. START-Newsletter_Issue_4.pdf
EU START PROJECT. START-Newsletter_Issue_4.pdfEU START PROJECT. START-Newsletter_Issue_4.pdf
EU START PROJECT. START-Newsletter_Issue_4.pdfStart Project
 
Lubrication System in forced feed system
Lubrication System in forced feed systemLubrication System in forced feed system
Lubrication System in forced feed systemADB online India
 
PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)
PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)
PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)kushbuR
 
Isolation of AMF by wet sieving and decantation method pptx
Isolation of AMF by wet sieving and decantation method pptxIsolation of AMF by wet sieving and decantation method pptx
Isolation of AMF by wet sieving and decantation method pptxGOWTHAMIM22
 
POST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptx
POST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptxPOST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptx
POST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptxArpitaMishra69
 
Developing Distributed High-performance Computing Capabilities of an Open Sci...
Developing Distributed High-performance Computing Capabilities of an Open Sci...Developing Distributed High-performance Computing Capabilities of an Open Sci...
Developing Distributed High-performance Computing Capabilities of an Open Sci...Globus
 
Continuum emission from within the plunging region of black hole discs
Continuum emission from within the plunging region of black hole discsContinuum emission from within the plunging region of black hole discs
Continuum emission from within the plunging region of black hole discsSérgio Sacani
 
Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...
Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...
Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...mikehavy0
 

Recently uploaded (20)

NuGOweek 2024 programme final FLYER short.pdf
NuGOweek 2024 programme final FLYER short.pdfNuGOweek 2024 programme final FLYER short.pdf
NuGOweek 2024 programme final FLYER short.pdf
 
Plasmapheresis - Dr. E. Muralinath - Kalyan . C.pptx
Plasmapheresis - Dr. E. Muralinath - Kalyan . C.pptxPlasmapheresis - Dr. E. Muralinath - Kalyan . C.pptx
Plasmapheresis - Dr. E. Muralinath - Kalyan . C.pptx
 
Biochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptx
Biochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptxBiochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptx
Biochemistry and Biomolecules - Science - 9th Grade by Slidesgo.pptx
 
TEST BANK for Organic Chemistry 6th Edition.pdf
TEST BANK for Organic Chemistry 6th Edition.pdfTEST BANK for Organic Chemistry 6th Edition.pdf
TEST BANK for Organic Chemistry 6th Edition.pdf
 
In-pond Race way systems for Aquaculture (IPRS).pptx
In-pond Race way systems for Aquaculture (IPRS).pptxIn-pond Race way systems for Aquaculture (IPRS).pptx
In-pond Race way systems for Aquaculture (IPRS).pptx
 
MSC IV_Forensic medicine -sexual offence.pdf
MSC IV_Forensic medicine -sexual offence.pdfMSC IV_Forensic medicine -sexual offence.pdf
MSC IV_Forensic medicine -sexual offence.pdf
 
dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...
dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...
dkNET Webinar: The 4DN Data Portal - Data, Resources and Tools to Help Elucid...
 
VILLAGE ATTACHMENT For rural agriculture PPT.pptx
VILLAGE ATTACHMENT For rural agriculture PPT.pptxVILLAGE ATTACHMENT For rural agriculture PPT.pptx
VILLAGE ATTACHMENT For rural agriculture PPT.pptx
 
Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...
Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...
Alternative method of dissolution in-vitro in-vivo correlation and dissolutio...
 
Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...
Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...
Extensive Pollution of Uranus and Neptune’s Atmospheres by Upsweep of Icy Mat...
 
SaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptx
SaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptxSaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptx
SaffronCrocusGenomicsThessalonikiOnlineMay2024TalkOnline.pptx
 
Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...
Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...
Exomoons & Exorings with the Habitable Worlds Observatory I: On the Detection...
 
EU START PROJECT. START-Newsletter_Issue_4.pdf
EU START PROJECT. START-Newsletter_Issue_4.pdfEU START PROJECT. START-Newsletter_Issue_4.pdf
EU START PROJECT. START-Newsletter_Issue_4.pdf
 
Lubrication System in forced feed system
Lubrication System in forced feed systemLubrication System in forced feed system
Lubrication System in forced feed system
 
PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)
PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)
PHOTOSYNTHETIC BACTERIA (OXYGENIC AND ANOXYGENIC)
 
Isolation of AMF by wet sieving and decantation method pptx
Isolation of AMF by wet sieving and decantation method pptxIsolation of AMF by wet sieving and decantation method pptx
Isolation of AMF by wet sieving and decantation method pptx
 
POST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptx
POST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptxPOST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptx
POST TRANSCRIPTIONAL GENE SILENCING-AN INTRODUCTION.pptx
 
Developing Distributed High-performance Computing Capabilities of an Open Sci...
Developing Distributed High-performance Computing Capabilities of an Open Sci...Developing Distributed High-performance Computing Capabilities of an Open Sci...
Developing Distributed High-performance Computing Capabilities of an Open Sci...
 
Continuum emission from within the plunging region of black hole discs
Continuum emission from within the plunging region of black hole discsContinuum emission from within the plunging region of black hole discs
Continuum emission from within the plunging region of black hole discs
 
Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...
Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...
Abortion uae unmarried price +27791653574 Contact Us Dubai Abu Dhabi Sharjah ...
 

Featured

PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024Neil Kimberley
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)contently
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024Albert Qian
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsKurio // The Social Media Age(ncy)
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Search Engine Journal
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summarySpeakerHub
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next Tessa Mero
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentLily Ray
 
Time Management & Productivity - Best Practices
Time Management & Productivity - Best PracticesTime Management & Productivity - Best Practices
Time Management & Productivity - Best PracticesVit Horky
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project managementMindGenius
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...RachelPearson36
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Applitools
 
12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at WorkGetSmarter
 
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...DevGAMM Conference
 

Featured (20)

Skeleton Culture Code
Skeleton Culture CodeSkeleton Culture Code
Skeleton Culture Code
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity - Best PracticesTime Management & Productivity - Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
 
12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work
 
ChatGPT webinar slides
ChatGPT webinar slidesChatGPT webinar slides
ChatGPT webinar slides
 
More than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike RoutesMore than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike Routes
 
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
 

3D‐dynamic modelling of Cretaceous sandstones at the outcrop scale (Galve Sub‐basin, Iberian Basin). Application to the studies of CO2 injection.

  • 3.                                             Cover Picture:  CO2  gas  saturation  in  the  study  case  TsunV2  (constant  rate  regime)  at  the  beginning of the injection simulation and three years later.       https://es.linkedin.com/pub/fernanda‐de‐mesquita‐lobo‐veloso/9b/727/5a4  To access my LinkedIn profile: 
  • 4. This thesis is dedicated to my parents and my grandmother.   Essa tese é dedicada aos meus pais e a minha avó.  Esa tesis es dedicada a mis padres y mi abuela.                                    “Agir,  eis  a  inteligência  verdadeira.  Serei  o  que  quiser.  Mas  tenho que querer o que for. O êxito está em ter êxito, e não em  ter condições de êxito. Condições de palácio tem qualquer terra  larga, mas onde estará o palácio se o não ficarem ali.”  Fernando Pessoa (1888‐1935)  Livro do desassossego (1982) 
  • 6. ACKNOWLEDGEMENTS  This  Ph.D.  project  was  constructed  and  achieved  with  the  assistance  and advice of wonderful and competent persons, as well as with the support  of  University  of  Zaragoza,  Ciencias  de  la  Tierra  department,  laboratories  as  such the “Servicio de Preparación de Rocas y Materiales Duros” and members  of Stratigraphy section.   I offer my sincerest gratitude to my supervisors, Ana Rosa and Nieves  Melendez who believed in this project and made me turn it in a Ph.D. They set  excellent examples as successful and accomplished geologist scientist women  (and mothers). I also thank Peter Frykman (from GEUS) who has supported me  when it was still a project, then throughout its 4‐years’ development, and until  now.   I would like to thank the CNPq (Conselho Nacional de Pesquisa for the  fellowship that I was awarded to conduct this Ph.D., and the Spain government  (proyectos  I+D,  CGL2011‐23717)  for  the  financial  support  to  realize  this  research. Many thanks to Carlos Liesa, Antonio Casas and Luis Arlegui from the  Geotransfer  Research  Group,  and  Enrique  Arranz  from  petrography  section,  for  their  technical  support  to  collect,  prepare  and  analyze  samples.  Special  thanks  to  Lope,  Rocio  and  Roy  of  the  stratigraphy  section  for  the  nice  moments together (when I was there...).   The international collaborations contributed immensely to my personal  and professional competences. Thanks to Laboratoire de Fluides Complexes et  ses Réservoirs of the UPPA (Université de Pau et de Pays de l’Adour), specially  to  Patrice  Creux,  Charles  Aubourg  and  Jean  Paul  Caillot  for  the  outstanding  scientific  stay  and  enlightening  professional  discussions.  Thanks  to  GEUS  (Geological  Survey  of  Denmark),  in  particular  to  Carsten,  Lars,  Neils  and  everyone  from  the  Reservoir  department,  for  the  short  but  intense  and  efficient  stay  during  the  final  steps  of  the  Ph.D.  Also  I  would  like  to  thank  Schlumberger  for  making  the  modelling  and  simulation  steps  of  this  thesis  possible  using  one  of  the  best  available  commercial  software  (Petrel  and  Eclipse).  I  acknowledge  the  IEAGHG  for  the  opportunity  to  join  the  6th   international interdisciplinary CCS (CO2  Capture and Storage) summer school 
  • 7. which permitted me to create and expand my network in the CCS, as well as to  understand the CCS chain and deployment.   I take this opportunity to express my gratitude to my climber friends  (from  Sagunto,  Benidorm,  Zaragoza  and  France)  who  helped  me  maintain  a  clear  brain.  Above  all,  I  also  thank  my  parents  for  the  unceasing  encouragement,  support  and  attention.  I  am  also  grateful  to  Jean  (my  husband), who endured me through this venture and stayed on my side in all  happy  and  painful  moments.  Thanks  also  to  Françoise  and  Fabio  for  their  understanding when reading my “English” version.  Obrigada!  Gracias!  Merci!  Thanks!  Tak!     
  • 8. CONTENTS ABSTRACT ........................................................................................................................... 3  RESUMEN ............................................................................................................................ 5  RESUMO .............................................................................................................................. 7  1.  INTRODUCTION ........................................................................................................ 11  1.1.  THE STUDY AREA AND THE SELECTED OUTCROP: THE ALIAGA OUTCROP .................................... 13  1.2.  GOALS ........................................................................................................................ 14  1.2.1.  Framework .......................................................................................................... 14  1.3.  STATE OF THE ART ......................................................................................................... 16  1.3.1.  CO2 geological storage ........................................................................................ 16  1.3.2.  Reservoir and outcrop heterogeneities ............................................................... 19  1.3.3.  The numerical simulator: Eclipse300 .................................................................. 20  2.  ALIAGA OUTCROP: SEDIMENTOLOGY AND PETROPHYSICS ........................................ 23  2.1.  GEOLOGY AT THE BASIN SCALE ......................................................................................... 23  2.2.  GEOLOGY AT THE OUTCROP SCALE .................................................................................... 29  2.2.1.  Materials and methods ....................................................................................... 34  2.2.2.  Sandstone deposits at the macroscale ................................................................ 37  2.2.2.1.  Tsunami deposit .......................................................................................... 37  2.2.2.2.  Barrier island ‐ tidal inlet deposit ................................................................ 39  2.2.3.  Sandstone deposits at the microscale ................................................................. 43  2.2.3.1.  Microfacies of the tsunami deposit ............................................................ 43  2.2.3.2.  Microfacies of the barrier island ‐ tidal inlet deposit .................................. 50  2.3.  PETROPHYSICS ............................................................................................................. 55  2.3.1.  Petrophysics of the tsunami deposit ................................................................... 55  2.3.2.  Petrophysics of the barrier island ‐ tidal inlet samples ....................................... 59  2.4.  DISCUSSION ................................................................................................................. 63  2.5.  CONCLUSION ............................................................................................................... 70  3.  GEOLOGICAL AND PETROPHYSICAL MODELLING OF THE ALIAGA OUTCROP ............... 75  3.1.  MATERIALS AND METHODS ............................................................................................. 76  3.1.1.  Geostatistical analyses ........................................................................................ 76  3.1.1.1.  Spatial data description .............................................................................. 77  3.1.1.2.  Stochastic simulation algorithms ................................................................ 79  3.2.  GRID CONSTRUCTION .................................................................................................... 81  3.2.1.  Input surface/horizon construction ..................................................................... 83  3.2.2.  Layering .............................................................................................................. 86  3.3.  FACIES MODELLING ....................................................................................................... 87  3.3.1.  Facies modeling of the tsunami deposit ............................................................. 87  3.3.1.1.  Results of facies modelling of the tsunami deposit .................................... 92  3.3.2.  Facies modelling of the barrier island‐tidal inlet deposit .................................... 96 
  • 9. 2  3.3.2.1.  Results of facies modelling of the barrier island‐tidal inlet deposit ............ 99  3.3.3.  Discussion on facies modelling .......................................................................... 103  3.3.3.1.  Discussion on tsunami facies modelling .................................................... 104  3.3.3.2.  Discussion on barrier island – tidal inlet deposit ...................................... 110  3.4.  PETROPHYSICAL MODELLING ........................................................................................ 114  3.4.1.  Petrophysical modelling of the tsunami deposit ............................................... 114  3.4.1.1.  Porosity modelling of the tsunami deposit ............................................... 114  3.4.1.1.1.  Results of porosity modelling of the tsunami deposit ...................... 117  3.4.1.2.  Permeability modelling of the tsunami deposit ........................................ 121  3.4.1.2.1.  Results of permeability modelling of the tsunami deposit ............... 122  3.4.2.  Petrophysical modelling of the barrier island – tidal inlet deposit .................... 123  3.4.2.1.  Porosity modelling of the barrier island – tidal inlet deposit .................... 123  3.4.2.1.1.  Results of porosity modelling ........................................................... 126  3.4.2.2.  Permeability modelling of the barrier island – tidal inlet deposit ............. 131  3.4.2.2.1.  Results of permeability modelling .................................................... 131  3.4.3.  Discussion on Petrophysical Modelling ............................................................. 134  3.5.  MODELLING CONCLUSION ............................................................................................ 136  4.  CO2 INJECTION IN THE TSUNAMI AND BARRIER ISLAND – TIDAL INLET RESERVOIRS AT  THE OUTCROP SCALE ........................................................................................................141  4.1.  RESERVOIR MODEL ..................................................................................................... 141  4.2.  FLUID MODEL ............................................................................................................ 142  4.3.  FLUID PROPERTIES ....................................................................................................... 145  4.3.1.  Density .............................................................................................................. 145  4.3.2.  Viscosity ............................................................................................................ 146  4.3.3.  pH calculation ................................................................................................... 146  4.3.4.  Saturation functions .......................................................................................... 146  4.3.5.  Diffusion ............................................................................................................ 147  4.4.  RESULTS OF RESERVOIR SIMULATION ............................................................................... 148  4.4.1.  Simulation on the Tsunami reservoir ................................................................ 148  4.4.2.  Simulation on the barrier island – tidal inlet deposit reservoir ......................... 152  4.4.3.  Flow at the boundary grid blocks of reservoirs ................................................. 157  4.5.  DISCUSSION ............................................................................................................... 158  4.6.  CONCLUSION ............................................................................................................. 162  5.  CONCLUSIONS AND PERSPECTIVE ............................................................................165  CONCLUSIONES Y PERSPECTIVA ........................................................................................173  REFERENCES .....................................................................................................................183       
  • 10. 3    ABSTRACT  Geological and reservoir modelling are mandatory in studies that regard  the  geological  storage  of  CO2.  The  aim  of  this  study  was  to  investigate  the  intra‐unit heterogeneity of the two sandstone deposits observed in the Aliaga  outcrop at metre scales, and to examine how heterogeneity can impact the  behaviour of CO2 in the zone close to the injector well during injection and  post‐injection processes in a deep saline aquifer scenario.   The Aliaga outcrop, is an 8400‐m² 2D vertical face in the upper part of  the Camarillas Fm. (Early Cretaceous, Galve sub‐basin). The studied sandstone  deposits correspond to a tsunami and a barrier island – tidal inlet, which were  described  in  macroscale  (centimetre  to  metric)  and  microscale  (micron);  further cores were drilled along outcrop to collect samples for porosity and  permeability measurements. The two sandstone deposits were generated by  distinct  sedimentary  processes  under  the  same  sedimentary  system,  and  showed distinct petrophysical characteristics.   The  modelling  process  was  different  for  each  deposit,  and  honoured  the petrophysical characteristics that were used to build the reservoir model  post‐hoc. The petrophysics models reflected the sandy variability, which was  represented by the facies distribution. The facies were defined as a function of  the  sand  sorting  at  the  petrographic  scale.  The  tsunami  facies  and  porosity  distributions  are  homogeneous,  whereas  the  barrier  island‐tidal  inlet  facies  and  porosity  distributions  are  heterogeneous.  Porosity  and  permeability  are  strongly  correlated  in  both  deposits;  thus,  the  permeability  modelling  was  carried  out  as  a  function  of  the  porosity  model  by  applying  a  regression  equation.   Although the permeability is usually low (tens of mD), the two deposits  behaved as a reservoir. At a short‐time scale (7 years), both reservoirs stored  at least of 60% injected CO2, with the 20‐40% dissolved in the brine. At the  sub‐metric  scale,  under  the  same  reservoir  conditions  and  fluid  model  parameters, the thickness of reservoir has the major impact in the amount of  CO2 dissolution rather than the permeability contrast.     
  • 12. 5    RESUMEN  La  modelización  geológica  y  de  reservorios  es  obligatoria  en  los  estudios  sobre  el  almacenamiento  geológico  de  CO2.  El  objetivo  de  este  estudio  ha  sido  investigar  las  heterogeneidades  intra‐capa  en  dos  cuerpos  arenosos  a  escala  de  afloramiento  (escala  métrica)  observados  en  el  afloramiento  de  Aliaga,  y  examinar  cómo  estas  heterogeneidades  pueden  afectar  al  comportamiento  del  CO2  en  la  zona  próxima  al  pozo  inyector,  durante  los  procesos  de  inyección  y  post‐inyección,  en  un  escenario  correspondiente a un acuífero salino profundo.  El  afloramiento  de  Aliaga,  situado  en  la  parte  superior  de  la  Fm.  Camarillas  (Cretácico  Inferior,  Subcuenca  de  Galve),  tiene  una  superficie  de  afloramiento  2D  de  8.400  m².  Los  dos  cuerpos  arenosos  estudiados  corresponden al depósito de  un episodio de tsunami y de un complejo isla de  barrera/inlet. Estos depósitos fueron cartografiados a escala de afloramiento y  descritos a todas las escalas (desde la macroescala a la microescala) y además,  en  ellos,  se  extrajeron  núcleos  de  sondeos    sobre  los  que  se  realizaron  las  medidas  de  porosidad  y  permeabilidad.  Ambos  depósitos  se  generaron  por  procesos  sedimentarios  distintos  dentro  de  un  mismo  sistema  sedimentario  (ambientes de back barrier)  y muestran características petrofísicas distintas.   El proceso de modelización fue diferente para cada depósito, y respetó  las  características  petrofísicas  que  se  emplearon  para  construir  posteriormente  el  modelo  de  yacimiento.  Los  modelos  petrofísicos  reflejan  principalmente  la  variabilidad  de  las  areniscas,  representada  por  la  distribución  de  las  distintas  facies arenosas  definidas.    Estas  facies  arenosas  han  sido  definidas  a  partir  de  la  selección  de  las  areniscas  a  escala  petrográfica.  La  distribución  de  las  facies  del  depósito  de  tsunami  es  homogénea,  así  como  la  distribución  de  su  porosidad,  mientras  que  en  el  depósito de isla de barrera/inlet, tanto la distribución de las facies como la de  la  porosidad  son  heterogéneas.  La  porosidad  y  permeabilidad  están  fuertemente correlacionados en ambos depósitos; por lo tanto, el modelo de  permeabilidad  se  llevó  a  cabo  como  una  función  del  modelo  de  porosidad  mediante la aplicación de una ecuación de regresión.  
  • 13. 6  A  pesar  de  que  la  permeabilidad  es  generalmente  baja  en  ambos  depósitos (decenas de mD), ambos se comportaron como reservorios. A una  escala de tiempo corto (7 años), ambos reservorios almacenan al menos un  60% de todo el CO2 inyectado, con un 20‐40% de él disuelto en la salmuera.  A  escala submétrica, para las mismas condiciones de yacimiento y los mismos  parámetros del modelo de fluido, la potencia del reservorio tiene un mayor  impacto en la cantidad de disolución del CO2 que el contrate de permeabilidad  del yacimiento.     
  • 14. 7    RESUMO  A  modelagem  geológica  torna‐se  necessária  em  estudos  para  caracterização  de  um  reservatório  para  armazenamento  geológico  de  CO2.  Com  este  propósito,  o  presente  estudo  teve  como  objetivo  investigar  as  heterogeneidades  intra‐layer  (intracamadas)  em  dois  corpos  aflorantes  de  rochas  areníticas,  em  escala  métrica,  do  afloramento  denominado  Aliaga  e  analisar como essas heterogeneidades podem afetar o comportamento do CO2  na área próxima ao poço de injeção durante os processos de injeção e pós‐ injeção em um cenário de armazenamento em aqüífero salino profundo.  O  afloramento  de  Aliaga  situa‐se  na  parte  superior  da  Formação  Camarillas,  pertencente  à  sub‐bacia  de  Galve,  considerada  de  idade  do  Cretáceo  Inferior.  Em  superfície  aflora  abrangendo  uma  área  de  8.400  m²  (afloramento  em  2D).  Os  dois  corpos  de  arenito  estudados  para  serem  utilizados com reservatórios geológicos de CO2 correspondem a um episódio  sedimentar relacionado a eventos proporcionados por tsunami e ilha barreira /  canal  inlet.  Ambas  as  unidades  foram  gerados  por  diferentes  processos  deposicionais dentro do mesmo sistema sedimentar (parte continental da ilha  barriera)  e  mostram  diferentes  características  petrofísicas.  Estas  duas  unidades  foram  mapeadas  na  escala  de  afloramento  e  descritas  em  escalas  microscópica  a  macroscópica  e,  ainda,  foram  efetuadas  sondagens  e  os  testemunhos  foram  utilizados  para  obtenção das  medições  de  porosidade e  permeabilidade.   O  processo  de  modelagem  aplicado  foi  distinto  para  cada  unidade  estudada,  e  assim,  respeitadas  suas  características  petrofísicas  que  foram  utilizadas  posteriormente  para  construir  os  modelos  geológico  dos  reservatórios.  Modelos  petrofisicos  refletem,  principalmente,  a  variabilidade  dos  arenitos,  representada  pela  distribuição  dos  vários  fácies  arenosos  definidos. Estes fácies arenosos foram classificados a partir da seleção de grãos  descritos em escala petrográfica. Os fácies do depósito de tsunami apresentam  uma  distribuição  homogênea,  assim  como  a  porosidade,  enquanto  que  os  facies do depósito de ilha barreira/ canal inlet tanto a distribuição de fácies e a  porosidade são heterogêneos. Porosidade e permeabilidade estão fortemente  correlacionados  em  ambos  os  depósitos,  por  conseguinte,  o  modelo  de 
  • 15. 8  permeabilidade foi realizado como uma função do modelo de porosidade por  meio de uma equação de regressão .  Embora a permeabilidade seja geralmente baixa em ambas as unidades  (dezenas de mD), as mesmas podem se comportar como reservatórios. Numa  escala de tempo curto, de aproximadamente 7 anos, ambos os reservatórios  apresentam  capacidade  de  armazenamento  de,  pelo  menos,  60  %  do  CO2  injectado e entre 20 e 40 % desse CO2 de se dissolver na solução salina. Na  escala  submétrica,  para  as  mesmas  condições  de  reservatório  e  os  mesmos  parâmetros do modelo de fluido, a espessura do reservatório tem um impacto  maior  sobre  a  quantidade  de  CO2  dissolvido  do  que  o  contraste  de  permeabilidade do reservatório.     
  • 16. 9    CHAPTER 1 INTRODUCTION 1.1  The  study  area  and  the  selected  outcrop:  The  Aliaga  outcrop_________________________________________13  1.2  Goals______________________________________14  1.3  State of the art______________________________16       
  • 18. 11    1. Introduction  The  ‘greenhouse  effect’  refers  to  processes  that  trap  heat  in  the  atmosphere and thus prevent heat loss to space. The effect is primarily the  result of enhanced concentrations of carbon dioxide (CO2) and other gases in  the atmosphere, that absorb and re‐radiate energy. Human activity related to  the  burning  of  fossil  fuels  is  largely  responsible  for  recent  changes  in  the  natural CO2 balance of the Earth–atmosphere system, and is thus responsible  for  the  recent  intensification  of  the  greenhouse  effect  on  Earth  (IEAGHG,  2013). In Europe alone, the total emission of CO2 from the 28 member states  (EU28)  caused  by  human  activity  (excluding  land  use  activities,  land‐use  changes  and  forestry;  LULUCF)  was  2.99  billion  tonnes  in  2012.  The  main  source  of  CO2  emissions  was  public  electricity  and  heat  production  (PEHP),  which correspond to 27% of the total CO2 emission. Spain was responsible for  7.5% of the European CO2 emission, occupying 7th place in terms of emissions  after  Poland  (EEA,  2015).  In  2013,  Spain  produced  only  28%  of  its  PEHP,  showing  a  strong  dependency  on  imported  energy  (SEE,  2013),  despite  estimated carbon reserves in Spain which, in 1992, were ~3463.4 Mt (IGME,  2012);  however,  Spain’s  carbon  energy  production  in  2012  was  only  21  Mt  (IGME, 2012), or 1% of its estimated carbon reserves.  Carbon  dioxide  capture  and  geological  storage  (CCS)  is  a  bridging  technology  that  will  contribute  to  the  mitigation  of  climate  change,  as  it  reduces the amount of carbon in the atmosphere and provides a sustainable  supply  of  raw  materials.  The  CCS  strategy  consists  of  capturing  CO2  from  industrial  emissions  and  transporting  it  to  storage  sites  for  injection  into  suitable underground geological formations for permanent storage. However,  the  characterization  and  selection  of  appropriate  CCS  sites  is  a  lengthy  and  costly  process,  and  so  must  begin  early  in  the  project  planning  process.  Geological  storage  of  CO2  requires  satisfactory  characterization  of  reservoir  and  caprock  geology  at  both  local  and  regional  scales,  to  elucidate  CO2  migration  patterns  and  overall  storage  potential.  The  characterization  and  assessment  of  potential  storage  sites  is  based  on  dynamic  modelling  comprising a variety of time‐step simulations of CO2 injection into the storage  site,  using  three‐dimensional  static  geological  Earth  models  and  a  complex  computerized storage simulator (EU, 2009). 
  • 19. 12  Geological  models  for  the  dynamic  study  of  CO2  behaviour  in  deep  saline  aquifers  should  represent  the  properties  of  rock  heterogeneity,  as  heterogeneity  maximizes  the  long‐term  storage  of  CO2  in  cases  where  buoyancy forces drive CO2 movement by density differences (Frykman, 2009).  The complexity of geological models is a function of the purpose(s) that the  model  addresses;  also,  geological  models  need  to  be  easily  updated  with  monitoring data, so as to predict safe storage and reduce storage uncertainties  (Norden  and  Frykman,  2013).  Rock  heterogeneity  depends  on  the  scale  of  observations,  and  on  the  phenomenon  being  investigated  (Cushman,  1997;  Bachu  et  al.,  2007;  Frykman,  2009).  Heterogeneity  at  reservoir  scales  (kilometres) has been studied in an attempt to understand how it impacts fluid  flow  (Hornung  and  Aigner,  1999;  Eaton  and  Bradbury,  2003;  Felletti,  2004;  Eaton, 2006; Issautier et al., 2013; Norden and Frykman, 2013; Asharf, 2014).  Studies  of  heterogeneity  at  outcrop  scales  (metres  to  hundreds  of  metres)  have  shown  the  impact  of  sedimentary  heterogeneity  on  fluid  flow  and  on  aquifer groundwater flow (Robinson and McCabe, 1997; Bersezio et al., 1999;  Klingbeil et al., 1999; Dalrymple, 2001; Heinz et al., 2003; Tye, 2004; Wood,  2004; Huysmans et al., 2008; Frykman et al., 2013). Studies of heterogeneity at  microscopic scales (microns to millimetres) have demonstrated the impact and  sensitivity  of  capillary  pressure  and  relative  permeability  on  CO2  trapping  mechanisms as a function of CO2 saturation (Juanes et al., 2006; Spiteri and  Juanes, 2006; Plug and Bruining, 2007; Pini et al., 2012; Boxiao et al., 2013;  Frykman et al., 2013).  The  challenge  in  building  a  geological  model  is  the  integration  at  different  scales  of  heterogeneity  and  relevant  petrophysical  characteristics  that  impact  fluid  flow  in  reservoirs  (Corbett  and  Potter,  2004).  The  incorporation of high‐resolution sedimentary heterogeneity into reservoir and  groundwater flow models improves the accuracy of predictions regarding fluid  flow behaviour. Reservoir models are often constructed at field scales (tens to  hundreds  of  square  kilometres),  and  practical  limits  on  the  size  of  reservoir  simulation  models  are  often  imposed  (AAPG,  2015).  The  grid  block  size  in  reservoir models is a function of reservoir heterogeneity, well distances, and  computational expense or capabilities; the grid block size or cell dimension is  usually 40–150 m on horizontal scales and 1–15 m at vertical scales (Asharf,  2014;  Issautier  et  al.,  2014;  AAPG,  2015).  The  outcrop  scale  is  a  bridge 
  • 20. 13    between  seismic  and  core  scales,  as  the  outcrop  represents  the  scale  of  individual bedforms (metres to hundreds of metres) and laminae (millimetres  to metres) (Yoshida et al., 2001).  1.1. The study area and the selected outcrop: The Aliaga outcrop   Site selection for geological storage of CO2 is a complex issue involving a  variety of geological and non‐geological variables. The quality of the reservoir  rocks and the seal system are of particular importance in site selection, as is  the  proximity  of  the  site  to  CO2  emission  sources.  The  Lower  Cretaceous  Camarillas Fm. is a potentially good candidate for CO2 storage because of its  sedimentological characteristics and its geographical location. In this study, we  examined the Camarillas Fm. in the province of Cuencas Mineras, which has  been  one  of  the  most  important  regions  in  Spain  for  the  supply  of  raw  materials and for the generation of electricity from coal‐fired power stations  through the centuries. Today, the Andorra power plant, located 60 km from  the study area, is one of the most important heat and electricity generation  facilities  in  the  Spain.  However,  a  large‐scale  study  of  the  potential  of  the  Camarillas Fm. for CO2 storage would be costly and prolonged; consequently,  this study does not examine or appraise the storage capacity of the Camarillas  Fm.  per  se,  but  rather  presents  a  low‐cost  approach  for  investigating  the  dynamic  behaviours  of  two  sandstone  units  within  the  Camarillas  Fm.,  determined at outcrop scales.  Previous stratigraphic and sedimentological studies of the Iberian Basin  by Soria (1997), Navarrete et al. (2013, 2014) and Navarrete (2015) identified a  fault‐bounded  sub‐basin,  the  Galve  Sub‐basin,  within  the  Maestrazgo  basin.  The Camarillas Fm., which was deposited during the Barremian synrift phase, is  one  of  the  most  important  sedimentary  units in  the  Galve  Sub‐basin  (Soria,  1997);  the  formation  consists  of  red  clays  and  sandstones,  and  reaches  a  thickness of up to 800 m (Navarrete, 2015). The Aliaga outcrop, located in the  upper  part  of  the  Camarillas  Fm.,  exposes  two  sandstone  bodies  that  were  generated  by  distinctive  sedimentary  process;  one  of  the  sandstones  is  a  tsunami deposit, and the other is a barrier island ‐ tidal inlet deposit. Despite  their limited thicknesses (1–7 m in each case), both are recognized over vast  areas  (35  km²).  The  Aliaga  outcrop  reveals  important  information  about 
  • 21. 14  variations  in  the  sandstone,  in  terms  of  the  size,  sorting  and  nature  of  component sedimentary grains, over a distance of 200 m, allowing for a study  of the distribution of sand in the deposits at different scales of observation.  1.2. Goals  The aim of this study was to investigate the intra‐unit heterogeneity of  the two sandstone deposits observed in the Aliaga outcrop at metre scales,  and  to  examine  how  heterogeneity  can  impact  the  behaviour  of  CO2  in  the  zone close to the injector well during injection and post‐injection processes in  a  deep  saline  aquifer  scenario.  Dynamic  3D  models  were  constructed  from  outcrop  data  obtained  at  the  Aliaga  outcrop;  the  outcrop  provides  direct  access  to  geological  information  and  sedimentary  samples  for  sedimentary  and petrophysical analyses.  1.2.1. Framework  Constructing a geological model for flow simulation requires a step by  step validation approach. The framework of this study, presented in Fig. 1.1, is  organized into three connected parts, referred to as panels, corresponding to  Chapters  2,  3  and  4  of  the  text.  Although  the  parts  (panels)  are  inter‐ dependent, each part has an independent methodology used to accomplish its  objective.  Panel 1 is discussed in Chapter 2, Sedimentology and Petrophysics of  Sandstone Deposits (Fig. 1.1).  The objective of this study was to establish a  correlation between sandy facies and petrophysical characteristics at outcrop  scales. The stratigraphic and sedimentological studies of Navarrete et al. (2013  and 2014), conducted at basin‐wide scales, identified the Camarillas Fm. as a  good candidate for geological CO2 storage purposes. The Camarillas Fm. crops  out  for  many  kilometres  in  the  study  area,  and  is  composed  of  sandstones  interbedded with shales and marls. The Aliaga outcrop exposes the upper part  of  the  Camarillas  Fm.,  which  consists  of  a  transitional  sedimentary  interval  from  sandy‐dominant  to  carbonate‐dominant  deposits.  Tsunami  and  barrier  island ‐ tidal inlet deposits, recognized at basin‐wide scales, were described in  macroscale  (centimetre  to  metre)  and  microscale  (microns)  over  the  200‐m  length of the outcrop. In addition, cores were drilled along the outcrop to  
  • 22. 15      Fig. 1.1: Framework of undertaken actions in this study.  collect  samples  for  porosity  and  permeability  measurements.  Then,  a  facies  coding  scheme  was  developed,  taking  into  consideration  the  sedimentary  characteristics  that  are  most  relevant  to,  and  most  highly  correlated  with,  hydrodynamic parameters.  Panel  2  is  discussed  in  Chapter  3,  Geological  and  Petrophysical  Modelling  of  the  Aliaga  Outcrop  (Fig.  1.1).  This  section  describes  the  construction  of  3D  models  of  tsunami  and  barrier  island/inlet  deposits  for  reservoir  simulation  studies.  The  modelling  process  uses  a  combination  of  geostatistical  methods  based  on  the  original  data  distribution,  and  is  conditioned  by  the  quality  and  quantity  of  input  data.  The  vertical  and  horizontal  resolution  of  the  3D  grid  was  constructed  as  a  function  of  sedimentary heterogeneity. The facies code defined in Panel 2 was used in the 
  • 23. 16  facies  modelling  process,  and  the  facies  model  was  conditioned  by  the  petrophysical modelling.   Panel  3  is  discussed  in  Chapter  4,  CO2  injection  in  the  tsunami  and  barrier island – tidal inlet reservoirs at the outcrop scale (Fig. 1.1). The panel  describes the dynamic analyses of the two sandstone deposits during and after  CO2  injection.  Each  deposit  was  investigated  as  an  individual  reservoir  at  conditions that allowed CO2 to behave as a critical fluid. The CO2, injected into  the reservoir as a dry gas, interacted with brine from the first days of injection,  until the end of simulation, after the injection was stopped. The physical and  chemical processes of injected CO2 into the reservoir are complex, with the  calculation time depending on: number of grid cells, complexity of the model  and complexity of the fluid behaviour. Because the fluid model is simple, the  major complexity is related to model resolution (size and number of grid cells)  and  the  distribution  of  petrophysical  characteristics.  The  sensibility  of  the  injection regime and the injector well location were tested for four study cases  in each deposit.   Finally, the chapter 5 presents the general conclusions and perspectives  of this Ph.D. thesis.  1.3. State of the art  1.3.1. CO2 geological storage  Geological CO2 storage is achieved through a combination of physical  and  chemical  trapping  mechanisms  that  are  effective  over  different  timeframes and spatial scales (IPCC, 2005; Bachu et al., 2007). Key geological  characteristics  used  to  evaluate  the  practicability  of  geological  CO2  storage  include:  reservoir  depth,  reservoir  thickness,  porosity,  permeability,  seal  integrity  and  aquifer  salinity  (Chadwick  et  al.,  2008).  Thus,  the  geological  storage  capacity  of  CO2  depends  on  properties  of  the  reservoir  rock  and  boundary rocks/faults, as these play a role in physical and chemical trapping  mechanisms.  Four main trapping mechanisms (Fig. 1.2) are required for permanent  and safe CO2 storage in reservoir rocks (IPCC, 2005; Chadwick et al., 2008). (1)  Structural  and  stratigraphic  trapping:  CO2  is  physically  trapped  by  low‐
  • 24. 17    permeability  and  low‐diffusivity  top‐seal  rocks  or  faults;  structural  traps  include  those  formed  by  folded  or  fractured  rocks.  (2)  Residual  saturation  trapping: capillary forces and adsorption onto surfaces of mineral grains in the  rock matrix immobilise a proportion of the injected CO2 as residual CO2 phase.  (3)  Dissolution  trapping:  dissolution  and  trapping  of  injected  CO2  within  reservoir  brine.  (4)  Geochemical  trapping:  reaction  of  dissolved  CO2  with  native pore fluids and/or minerals constituting the rock matrix or reservoir.  Geological  CO2  storage  can  be  undertaken  in  a  variety  of  geological  settings in sedimentary basins: oil fields, depleted gas fields, deep coal seams  and saline formations are all possible storage formations (IPCC, 2005). Some  studies  have  shown  that  storage  in  saline  formations  has  the  greatest  potential, with an estimated storage capacity of 1,000–10,000 Gt (IPCC, 2005;  IEAGHG, 2013).      Fig. 1.2: Evolution of CO2 storage mechanisms through time. The horizontal axis shows the time  since the start of injection; the right vertical axis shows the trapping contribution percentage of  the four main storage mechanisms; the left vertical axis shows the qualitative evolution of CO2  storage mechanisms. Modified from IPCC (2005).     
  • 25. 18  Predicting the sequestration potential and long‐term behaviour of CO2  in deep saline reservoirs requires calculations of the pressure (P), temperature  (T) and composition (X) of CO2–H2O mixtures at depths where temperatures  are <100°C, at pressures of up to several hundred bars. The P–T diagram of  pure CO2 phases is presented in Fig. 1.3. At the critical point, CO2 behaves as a  gas (IPCC, 2005), and the amount of H2O in the CO2‐rich phase is small, such  that CO2 properties can be approximated by those of pure CO2 (Spycher et al.,  2003).  The  dissolution  of  CO2  in  water  (brine  or  saline  formation  water)  involves a number of chemical reactions between gaseous and dissolved CO2,  carbonic  acid  (H2CO3),  bicarbonate  ions  (HCO3 − )  and  carbonate  ions  (CO3 2– ),  which can be represented as (IPCC, 2005):  CO2 (gas) ↔ CO2 (aqueous)           CO2 (aqueous) + H2O ↔ H2CO3 (aqueous)       H2CO3 (aqueous) ↔ H+  (aqueous) + HCO3 ‐  (aqueous)     HCO3 –  (aqueous) ↔ H+  (aq) + CO3 2−  (aqueous).    Fig. 1.3: Pressure–temperature phase diagram of pure CO2. The arrow indicates the average  initial  pressure  and  temperature  conditions  of  the  two  reservoirs  examined  in  this  study.  Modified from IPCC, 2005 (from ChemicaLogic Corporation, 1999).     
  • 26. 19    1.3.2. Reservoir and outcrop heterogeneities  Sedimentary heterogeneity in reservoir models is usually expressed by  the distribution of low‐permeability structural or diagenetic features, such as  faults, breccia or deformation bands (Eaton, 2006), or by the distribution of  low‐permeability  facies,  such  as  mud  drapes  or  shale  layers  (Ashraf,  2014;  Issautier et al., 2014). Detailed outcrop models have shown the impact of sand  heterogeneity  (such  as  heterogeneities  in  grain  size,  sorting  indices,  net  to  gross  (ratio of  sand  and  clay  content)  and  rock  texture)  on  the  local spatial  distribution  of  petrophysical  properties  (such  as  porosity,  permeability  and  capillarity  entry  pressure)  (Hornung  and  Aigner,  1999;  Klingbeil  et  al.,  1999;  Heinz  et  al.,  2003;  Sun  et  al.,  2007;  Ambrose  et  al.,  2008;  Huysmans  et  al.,  2008;  Frykman  et  al.,  2013).  Studies  of  groundwater  flow  or  contaminant  movement  in  aquifers  have  also  demonstrated  that  sand  heterogeneity  determines local groundwater flow patterns and plume dispersion in aquifers  (Koltermann and Gorelick, 1996; Zheng and Gorelick, 2003).  Sedimentary heterogeneity at outcrop scales can be directly observed  and sampled, from the fine‐scale to large‐scale features. The geomodel built  from  outcrop  data  incorporates  reservoir  and  top‐seal  heterogeneity  and  architecture to investigate the dynamic influence of intra‐body heterogeneities  on reservoir flow simulations (Robinson and McCabe, 1997; Dalrymple, 2001;  Tye, 2004; Wood, 2004; Ekeland et al., 2008). Outcrop models are useful when  the main focus of geomodels is to study injectivity and estimate the capacity of  structural and dissolution trapping as dominant mechanisms, as the location of  the  injection  well  can  induce  significant  changes  in  migration  and  trapping  efficiency (Le Gallo et al., 2010). The major impacts of injection occur close to  the  wellbore  region,  and  a  detailed  modelling  approach  in  these  regions  contributes to better estimates of the injectivity (Le Gallo, 2009). Therefore,  analogous  outcrop  studies  can  supply  detailed  geological  information  which  can elucidate geological gaps in local zones on the reservoir model.  Some significant limitations of the study exist with regard to outcrop‐ based studies. First, the data are typically 2D (Lantuéjoul et al., 2005) and thus  present observational biases. Consolidated rock is often preserved in outcrops  while weaker rocks (e.g., shales) are often eroded; the dominance of weaker  rocks can prevent the formation of outcrops altogether. Also, weathering and 
  • 27. 20  unloading of rocks may change the nature of outcrop exposures and obscure  features that are relevant in the in situ state (Pyrcz and Deutsch, 2014).  1.3.3. The numerical simulator: Eclipse300  The chemical reactivity of CO2 supercritical fluid with brine in reservoirs  is an important determinant of its flow behaviour in reservoirs. The simulator  Eclipse300  (E300)  is  a  commercial  (Schlumberger  Company)  compositional  simulator  based  on  a  cubic  equation  of  state  and  a  pressure‐dependent  permeability  value.  Technical  descriptions  reported  here  are  found  in  the  Eclipse Technical Descriptions, Version 2013.1 (Schlumberger, 2013a).   Several  E300  functions  are  available  depending  on  the  site  and  operational conditions that need to be modelled. Four equations of state are  available,  implemented  through  Martin's  generalized  equation  (e.g.,  Martin,  1979):  Redlich–Kwong,  Soave–Redlich–Kwong,  Peng–Robinson  and  Zudkevitch–Joffe.  The  program  is  written  in  FORTRAN  and  operates  on  any  computer  with  an  ANSI‐standard  FORTRAN90  compiler  and  with  sufficient  memory.  To  model  geological  conditions  in  saline  storage  aquifers,  the  CO2STORE option of E300 offers the possibility of modelling three additional  phases:  a  CO2‐rich  phase  (labelled  ‘gas’),  an  H2O‐rich  phase  (labelled  liquid)  and  a  solid  phase.  This  option  gives  accurate  mutual  solubilities  of  CO2  in  water, and water in the CO2‐rich phase. Solids (salts) can also be included and  described as components of the liquid and/or solid phase.     
  • 28. 21    CHAPTER 2 ALIAGA OUTCROP: SEDIMENTOLOGY AND PETROPHYSICS       2.1  Geology at the basin scale_____________________23  2.2  Geology at the outcrop scale___________________29  2.3  Petrophysics________________________________54  2.4  Discussion__________________________________63  2.5  Conclusion__________________________________70       
  • 30. 23    2. Aliaga Outcrop: sedimentology and petrophysics  This  section  attempts  to  investigate  the  correlation  between  the  characteristics  of  sandy  facies  and  their  petrophysical  parameters  such  as  porosity  and  permeability  at  the  outcrop  scale.  The  Camarillas  Fm.  is  a  relatively thick unit (100‐800 m) consisting of interbedded sandstones, shales,  and marls. The Aliaga outcrop is an 8400‐m² 2D vertical face in the upper part  of the Camarillas Fm.; this outcrop was included in the sedimentological and  stratigraphic  studies  of  Navarrete  et  al.  (2013,  2014)  and  Navarrete  (2015).  The  description  of  the  Aliaga  outcrop  provided  here  consists  of  lithological  descriptions  of  two  sandstone  deposits  at  both  macroscopic  (outcrop)  and  microscopic scales. Regionally, the two sandstone deposits are recognized over  vast  areas  at  the  basin  scale  (<7  km),  although  their  individual  thickness  is  limited  to  1–7  m.  Macroscale  descriptions  of  the  sandstone  deposits  were  based  on  the  lithofacies  descriptions  of  Navarrete  et  al.  (2013,  2014).  Macrofacies were also sampled for petrographic and petrophysical analyses to  establish a new sandy facies code. This new code describes the variability of  the sandy facies, taking into account the petrophysical parameters that may  have the greatest effect on fluid flow.  2.1. Geology at the basin scale  The  study  area  is  located  in  the  Cretaceous  Galve  sub‐basin  in  the  Iberian Chain of central–eastern Iberia (Fig. 2.1A). The Galve sub‐basin (40 km  long  and  20  km  wide,  elongate  NNW–SSE)  developed  during  Late  Jurassic– Early Cretaceous rifting (e.g., Salas and Casas, 1993; Capote et al., 2002) at an  expansion  centre  (RRR  triple  junction  type)  in  the  western  Tethys  (Antolín‐ Tomas  et  al.,  2007).  The  sub‐basin  represents  a  western  marginal  sedimentation area of  the coastal Maestrazgo Basin that  formed during the  Early Cretaceous. The activity of two main fault sets, one trending NNW–SSE  (e.g. the Alpeñés, Ababuj, Cañada Vellida, and Miravete faults) and the other  trending  ENE–WSW  (the  Campos,  Santa  Bárbara,  Aliaga,  Camarillas  and  Remenderuelas  faults)  (Fig.  2.1B  and  C)  determined  the  Early  Cretaceous  extensional  structure  of  the  Galve  sub‐basin  (Soria  1997;  Liesa  et  al.,  2000;  Soria et al., 2001; Navarrete et al., 2013, 2014). The Tertiary structure of  
  • 31. 24    Fig. 2.1: Geological setting of the study area in the Galve sub‐basin, modified from Navarrete  et al. (2013). (A) Location of the Maestrazgo Basin and the Galve sub‐basin; the area shown in  Fig. 2.2 is highlighted by the red square (modified from Capote et al., 2002). (B) Block diagram  showing  the  tectonic  setting  of  the  Galve  sub‐basin  during  deposition  of  the  El  Castellar,  Camarillas and Artoles formations. (C) Close‐up of the area highlighted in B, and location of the  outcrop between the Aliaga–Miravete Anticline and the Camarillas–Jorcas Syncline; point “8”  shows the location of the transitional interval on the far side of the Camarillas–Jorcas Syncline  (Fig. 3.3B in Chapter 3). (D) Chronostratigraphic diagram and sedimentary record of the Galve  sub‐basin and the studied interval (s.u., synrift unconformity; RT, rift transition). (B) and (D) are  modified from Liesa et al. (2006) and Rodríguez‐López et al. (2009).     
  • 32. 25    the  sub‐basin  shows  the  superimposition  of  two  orthogonal  fold‐and‐thrust  structural trends, one striking NNW–SSE and the other WSW–ENE (Guimerà,  1988)  (Fig.  2.1B).  Both  structural  trends  represent  the  rejuvenation  and  inversion  of  normal  faults,  basically  inherited  from  Mesozoic  extensional  and/or post‐Variscan fracturing (Guimerà et al., 1996; Soria, 1997; Liesa et al.,  2004). Present‐day morphotectonics are the result of extensional deformation  that  began  on  the  eastern  margin  of  the  Iberian  Peninsula  during  the  mid‐ Miocene (Simón, 1982, 1989), related to rifting in the Valencia Trough (Álvaro  et al., 1979; Simón, 1982).  Outcrops  in  the  study  area  exposing  Palaeogene–Neogene  fold  structures  provide  excellent  material  for  observations  and  sampling.  Moreover, geological mapping of the steeply dipping (>75°) western limb of  the NNW–SSE‐trending Aliaga–Miravete anticline (Fig. 2.1C) provides a cross‐ sectional  view  of  Cretaceous  Galve  sub‐basin  infill  across  WSW–ENE‐striking  listric normal faults (Fig. 2.2).  Synrift sedimentation in the Galve sub‐basin spans the late Hauterivian  to the early Albian (Soria, 1997; Soria et al., 2000; Salas et al., 2001; Liesa et  al.,  2004,  2006;  Peropadre,  2012),  and  comprises  the  following  units  (Fig.  2.1D): (1) an alluvial and lacustrine series (El Castellar Fm.; Soria, 1997) that  records  the  transition  from  initial  rifting  to  rift  climax  (Liesa  et  al.,  2006;  Meléndez  et  al.,  2009);  (2)  red  clays  and  sandstones  (Camarillas  Fm.)  previously interpreted as a low‐sinuosity fluvial system with broad flood plains  (Salas,  1987;  Soria,  1997);  (3)  marls  and  limestones  (Artoles  Fm)  rich  in  calcareous algae, planktic foraminifera and molluscs, interpreted as a shallow  marine to transitional carbonate system (Salas, 1987; Soria, 1997) that evolved  northwards (towards the Las Parras sub‐basin) to a coastal lacustrine system  (Soria,  1997);  (4)  a  series  of  siliciclastic  and/or  carbonate  marine  platforms  (Morella,  Chert,  Forcall,  Villarroya  de  los  Pinares  and  Benasal  Fm.)  characteristic  of  Aptian  sedimentation  (e.g.,  Vennin  and  Aurell,  2001;  Peropadre et al., 2008; Peropadre, 2012); and (5) a late Aptian–early Albian  transitional siliciclastic series with coal beds (Escucha Fm.; Rodríguez‐López et  al., 2009).  The studied outcrop is stratigraphically located in the upper part of the  Camarillas Fm. in a synrift sequence of the Galve sub‐basin (Fig. 2.1D). The  
  • 34. 27    Camarillas Fm. constitutes one of the most important sedimentary units to be  deposited  in  the  Galve  sub‐basin  during  the  synrift  phase  of  the  Barremian  (Soria, 1997). The unit exhibits large thickness variations (150–800 m) that are  related  to  extensional  faulting  (Soria,  1997;  Navarrete  et  al.,  2013)  that  occurred at the climax of Cretaceous rifting (Liesa et al., 2004, 2006; Navarrete  et al., 2013). A recent sedimentological study by Navarrete (2015) indicated  that  the  Camarillas  Fm.  is  a  transitional  continental‐to‐marine  sedimentary  system  composed  of  tidal  mud  flat  with  tidal  channel  deposits  at  the  base,  changing upward into barrier island and lagoon deposits.  The contact between Camarillas Fm. and Artoles Fm. is  a transitional  interval  characterized  by  two  stages  of  back‐barrier  sedimentation,  represented by mudstone and sandstone beds that have 45 m thick, at least 5  km long, and 7 km wide (Navarrete et al., 2013) (Fig. 2.1D and 2.2). Stage 1  (Fig. 2.3A) is characterised by deposits in extensive back‐barrier mud flats with  tidal creeks and minor washover fans, interbedded with lagoonal carbonates  and  influenced  by  local  syn‐sedimentary  tectonics  and  showing  thickness  variations, rotated blocks and angular unconformities (Fig. 2.3A). Back‐barrier  stage 2 (Fig. 2.3A) comprises washover fan deposits interbedded with lagoonal  carbonates,  the  complete  absence  of  back‐barrier  tidal  mud  flats  and  associated channels, and well‐developed ebb‐ and flood‐tidal deposits. Local  tectonics  did  not  affect  the  stratigraphic  architecture,  thus  resulting  in  flat‐ lying units. Below the back‐barrier system, an exceptional tsunami deposit (up  to 3 m thick) was identified by Navarrete et al. (2014); a remarkable dinosaur  megatracksite of track casts is preserved at the base of the deposit.      ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐  Fig. 2.2 (previous page): The Aliaga–Miravete anticline and the Galve sub‐basin sedimentary  infill. (A) High‐resolution satellite image at a scale of 1:5000 (available on the SITAR web page  of the Aragón Government). (B) Geological map of Galve sub‐basin units across WSW–ENE‐ striking listric faults; the transitional interval and the outcrop locations are marked, as are the  locations of stratigraphic profiles. Modified from Navarrete et al. (2013).     
  • 36. 29    The  development  of  extensive  back‐barrier  tidal  mud  flats  with  tidal  channels during stage 1, and their absence during stage 2, probably indicates  that  stage  1  developed  under  a  mesotidal  regime  while  stage  2  developed  under a microtidal regime. This change in the tidal regime coincided with the  retreat of the barrier island system to the east, likely associated with a change  in  basin  configuration,  ultimately  controlled  by  the  development  of  an  extensional basin (Navarrete et al., 2013).  2.2. Geology at the outcrop scale  The Aliaga outcrop is located on the steeply dipping (>75°) western limb  of the NNW–SSE‐trending Aliaga–Miravete anticline, between the ENE–WSW‐ striking Remenderuelas and Camarillas listric faults (Figs. 2.1B, 2.1C and 2.2), in  the transitional interval at the top of Camarillas Fm. (Fig. 2.2). The sedimentary  history  recorded  at  the  outcrop  corresponds  to  the  stage  1  of  back‐barrier  system  including  the  sedimentary  datum  (Fig.  2.3B),  as  well  as  the  tsunami  deposit at the base of  the interval (Fig. 2.4).  The outcrop is included in the  sedimentological  and  stratigraphic  studies  of  Navarrete  et  al.  (2013,  2014).  Five sedimentary sections were logged in the outcrop (sections 2–8, except 5  and  6  in  Fig.  2.3B)  and  facies  associations  were  described  through  an  integrated study of sedimentology, stratigraphy and ichnology.  The Aliaga outcrop is a 2D vertical face, 210 m wide and 40 m high (Fig.  2.4), located on road TEV 8008, 5 km from Aliaga village. The road divides the  outcrop into a North sector (on the north side of the road) and a South sector  (on the south side of the road) (Fig. 2.4). Sedimentary sections 2–4, 7 and 8 of  Fig. 2.3B were renamed sections 1–5 (Fig. 2.4) in this study. The Aliaga outcrop    ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐  Fig. 2.3 (previous page): (A) Sedimentary correlation panel of the transitional interval between  the  Camarillas  Fm.  and  Artoles  Fm.  (Fig.  2.2)  with  descriptions  of  facies  associations.  The  sedimentary datum is the barrier island and tidal inlet deposit facies association (FA4) with the  basal wave ravinement surface (wRs). (B) Detail of sedimentary sections representing outcrop  face; mfs is the maximum flooding surface. Source: Navarrete et al. (2013).     
  • 38. 31    is delimited at the base by the bottom surface of the tsunami deposit and at  the top by top surface of the barrier island/tidal inlet deposit. These deposits  (Fig. 2.4) were examined in detail to investigate the correlation between sandy  facies  and  petrophysical  characteristics  of  the  relatively  homogenous  sandstone deposits at the scale of the sedimentary formation.  Schematic sedimentary section of the studied interval is presented in  Fig. 2.5. The facies descriptions, taken from Navarrete et al. (2013, 2014), take  into account large (km)‐scale sedimentary characteristics; however, many of  the sedimentary structures described can be observed at the Aliaga outcrop.  Brief  descriptions  of  the  facies  associations  observed  at  the  Aliaga  outcrop  section are given below.  (A)  Tsunami  deposit  (Fig.  2.4  and  2.5).  This  facies  consists  of  a  sandstone  body  of  1  to  5  m  thick;  the  sediments  were  deposited  on  a  clay  layer  bearing  dinosaur  trackways  (including  a  7‐km‐long  dinosaur  megatracksite). At least five sedimentary facies successions can be recognized  in the sandstone deposit, as related to inflows and back flows of the tsunami  wave  train  (Fig.  2.6).  Each  sedimentary  succession  is  composed  of  three  lithofacies  (from  base  to  top):  a  conglomerate  facies  (LF1),  a  ripple  and  megaripple facies (LF2) and an oscillation ripple facies (LF3).  (B) Tidal mud flat (FA1 in Fig. 2.5). This facies association is composed of  red  and  green  mudstones,  red  fine‐grained  sandstones  and  decimetre‐thick  tabular  sandstones.  The  mudstones  are  generally  massive  and  arranged  in  metre‐thick tabular strata, occasionally showing slickensides and mottling. The  red  fine‐grained  sandstones  are  centimetre‐  to  decimetre‐thick  lenticular  layers, occasionally with irregular bioturbated bases and vertical burrows. The  sandstones  pinch  out  towards  the  north  and  south;  they  exhibit  cross‐ lamination, asymmetric ripple laminations, bivalve fragments and Arenicolites  and Skolithos ichnofossils. This facies association is interpreted as a tidal flat  environment in which the background sedimentation of fine‐grained particles  settled  from  suspension  under  low‐energy  conditions.  The  centimetre‐  to  decimetre‐thick  sandstones  containing  Arenicolites  are  interpreted  as  distal  washover fan deposits interbedded with mudflat mudstones.   
  • 39. 32    Fig. 2.5: Schematic sedimentary section of the studied outcrop; the facies associatios, which  are the object of this study,are red colored (modified from Navarrete et al., 2013).  (C)  Carbonate  lagoon  (FA2  in  Fig.  2.5).  This  facies  association  is  composed  of  carbonates  and  interbedded  ochre‐  and  white‐coloured  sandstones.  The  carbonates  are  limestones  and  marls  containing  bivalves,  gastropods  and  charophytes,  which  are  interpreted  as  representing  sedimentation in a carbonate lagoon. The sandstones, which are fine‐grained  centimetre‐  to  decimetre‐thick  tabular  strata  thinning  northwards  and  southwards,  pinch  out  in  lagoonal  sediments;  they  exhibit  sub‐parallel  and  undulating  lamination,  cross‐lamination,  asymmetric  ripple  lamination  and  local  deformation  as  slump  and  flame  structures.  The  sandstones  are 
  • 40. 33    interpreted as distal washover fan deposits that interrupted the background  low‐energy conditions conducive to carbonate sedimentation in the lagoon.  (D) Flood‐tidal delta (FA3 in Fig. 2.5). This facies association appears as  a fining‐upwards sandy body 6 m thick and 4 km long. In the study area, the  facies pinches out in the southern sector of the profile within the carbonate  lagoon  facies.  The  sand  body  shows  a  generally  lenticular  geometry  with  a  sharp  and  flat  horizontal  base  (with  tool  casts  and  locally  horizontal  bioturbation) and a convex top. The facies association is interpreted as a flood‐ tidal delta comprising facies of flood ramp and flood delta origin. The facies  FA2  and  FA3  are  vertically  related,  suggesting  a  flood‐tidal  delta  encased  in  mixed carbonate lagoonal deposits.  (E)  Barrier  island–tidal  inlet  (b.i./inlet)  (FA4  in  Fig.  2.4  and  2.5).  This  facies association consists of a 6‐m‐thick lenticular body of very coarse‐ to fine‐ grained  sandstone  containing  scattered  oysters  shells,  fish  teeth,  clay  and  quartzite  pebble  lags,  vertebrate  bones  and  metre‐long  tree  trunks  at  the  base.  Internally,  the  sand  body  is  divided  by  large‐scale  planar  to  slightly  concave‐up  lateral  accretion  surfaces,  inclined  to  the  northeast  and  with  aligned  basal  lags  (clay,  quartzite  and  minor  bioclasts).  The  deposit  is  interpreted  as  a  multistory  body  representing  a  barrier  island  system;  furthermore, the occurrence of a channel body showing large‐scale accretion  surfaces is interpreted as a tidal inlet encased in a barrier spit.  The tsunami and b.i./inlet deposits are relatively homogeneous at the  scale of the sedimentary formation; they were recognized by Navarrete (2015)  in a 35‐km² area on both sides of the Camarillas–Jorcas syncline (Fig. 2.1C),  despite their limited thicknesses (1–7 m). The sandy homogeneity into both  deposits  is  dependent  on  the  scale  of  observation.  At  the  basin  scale,  the  deposits  are  homogenous  sands  with  horizontal  continuity,  whereas  at  the  metre and even micron scales, the deposits show variability within the sandy  facies in terms of grain size distribution, lithic and fossil content, sedimentary  structures, etc. The lithologies of both deposits are here described at macro  (metre) and micro (micron) scales. In addition, hydrodynamic measurements  of  porosity  and  permeability  on  the  outcrop  samples  were  performed  to  complement the lithological descriptions.  
  • 41. 34    Fig. 2.6: Vertical sedimentary architecture of Tsunami deposit (Navarrete et al. 2014).  Other  facies  associations  between  the  tsunami and  b.i./inlet  deposits  (Fig. 2.5) consist of clay, marl and micritic carbonate lithofacies; these facies  associations were not included in this study, which focused on high‐resolution  characterization of heterogeneities in the sandstone, and the relationship of  these heterogeneities to porosity and permeability structures. The sandstone  deposits of the FA1 (Tidal mud flat with channels) and FA3 (Flood‐tidal delta)  facies associations were also excluded from this study because the facies are  laterally discontinuous and pinch out in the study area at the Aliaga outcrop.  2.2.1. Materials and methods  The  logged  sedimentary  sections  (see  the  outcrop  panel  in  Fig.  2.3B)  were plotted on aerial photograph of Villarluengo 543‐12 (scale, 1:5000) (Fig.  2.4).  Using  the  sedimentary  sections  and  the  aerial  photo  as  geographic  references, a low aerial photograph of the outcrop, obtained by a camera fixed  to a drone (unmanned aerial vehicle), was georeferenced to the ED‐50 UTM‐30  geographic coordinate projection. Based on sedimentary interpretations of the  drone photographs and the sedimentary descriptions of Navarrete et al. (2013 
  • 42. 35    and 2014), a sampling schema was developed to systematically collect samples  for  petrographic  analyses  and  petrophysical  measurements  according  to  lithological variations, and to provide upcoming geostatistically analysis.   The Aliaga outcrop was divided into two sectors, the North sector and  the South sector, separated by the Aliaga–Miravete road (Fig. 2.4). From the  North  to  the  South  sectors,  fifty‐three  samples  were  collected  at  regularly  spaced intervals along the tsunami and b.i./inlet deposits using a portable rock  core  drill  (Pomeroy  D026‐GT10  Gear‐Reduced  Core  Drill  with  a  48  cm3   Stihl  motor) and a 4” (10 cm) outer‐diameter drill bit (BS‐4Pro). In areas where the  thicknesses of deposits were >1 m, samples were collected at the base, middle  and top of each bed. Orientations of the extracted cores were measured; their  dimensions varied from 10 to 20 cm in length and 8 to 9.5 cm in diameter. The  cores  were  obtained  parallel  to  the  dip  direction,  and  were  taken  on  the  outcrop  face  due  to  constraints  imposed  by  the  orientation  of  the  outcrop;  therefore core lengths correspond to bed width (Veloso et al., 2013). Samples  were taken from each core for petrographic and petrophysical analyses.  Lithofacies described in the field, based on the studies of Navarrete et  al. (2013 and 2014), were refined by petrographic descriptions so as to analyse  the  grain  size  distribution,  sorting,  shape  and  nature  of  grains,  matrix  components,  sedimentary  structures  and  the  presence  of  fossils  or  cement.  Many  samples  could  not  be  dissolved  or  disaggregated  by  conventional  methods  used  for  sedigraph  grain  size  distribution  analyses  due  to  the  high  concentrations  of  carbonate  clasts  and  fractured  quartz  grains;  therefore,  grain  size  distributions,  estimates  of  sand  sorting  and  sand  nature  were  obtained  by  quick  petrographic  observations  according  to  a  reference  chart  (U.S.  GeoSupply  Inc.,  2015).  In  both  sandstones,  sixty‐five  thin  sections  for  petrographic  study  were  made  from  samples  collected  from  the  cores  and  hand  specimens.  The  thin  sections  were  oriented  perpendicular  to  bedding,  and were chemically stained to identify carbonate.   The  petrophysical  measurements  included  estimations  of  sample  porosity  and  permeability  by  direct  measurements  on  plugs.  Fifty‐six  plugs  were taken from the cores for measurements of porosity (Phi) and horizontal  permeability (Kh); a further 23 plugs were used for measurements of vertical  permeability  (Kv).  The  petrophysical  measurements  were  conducted  at  the 
  • 43. 36  Petrophysics Institute Foundation (IPF), Madrid, Spain, on plugs 60 mm long  and 40 mm in diameter. The plugs were cut from the cores as shown in Fig.  2.7, where the vertical plugs were taken perpendicular to the strike direction  or in the North direction, and the horizontal plugs were taken parallel to the  strike  direction  or  the  North  direction.  Porosity  was  estimated  by  a  helium  pycnometer at atmospheric conditions and ambient temperatures through gas  displacement  inside  a  known  cell  volume;  the  pore  volume  was  obtained  according  to  Boley’s  law  (IPF,  2012).  The  horizontal  (Kh)  and  vertical  (Kv)  permeabilities  were  estimated  using  a  gas  permeameter  at  steady‐state  conditions; the gas permeability was calculated according to Darcy’s law and  was then corrected to the equivalent liquid permeability using the Klikenberg  correction factor (IPF, 2012).    Fig. 2.7: Schema for obtaining plugs for petrophysical measurements. The core length is equal  to  the  width  of  deposit;  “V”  plugs  were  used  to  measure  the  vertical  permeability  and  “H”  plugs were used to measure the horizontal permeability; “T” and “B” correspont to the top and  base of bedding; respectively.     
  • 44. 37    2.2.2. Sandstone deposits at the macroscale  Macroscale (decimetres to tens of meters) descriptions of the geometry  of internal lithofacies and their distributions were obtained in 2D perspectives:  horizontal in N‐S direction and vertical (thickness). The lithofacies descriptions  of Navarrete et al. (2013, 2014) were used for macroscale facies mapping; the  mapping  was  based  on  interpretations  of  drone  photographs  and  field  observations.  2.2.2.1. Tsunami deposit  The tsunami deposit, located at the base of the Aliaga outcrop (Fig. 2.4  and 2.5), consists of a multiple‐bed deposit of sandstone and conglomerate of  variable thickness (30–50 cm to 3–4 m). The base is eroded in many areas, and  the deposit rests on an important dinosaur trackway site. The tsunami deposit  represents  a  catastrophic  sedimentary  event  with  at  least  five  episodes  of  inflow and backflow of wave trains (Fig. 2.6), related to sediment deposition  and  reworking,  respectively  (Navarrete  et  al.,  2014).  The  lithofacies  of  the  tsunami deposit is described in Navarrete et al. (2014). The sedimentology and  architecture  of  the  track‐bearing  sandstone  are  based  mainly  on  field  observations  made  from  20  stratigraphic  sections  logged  in  detail,  and  interpretations  from  drone  photographs.  Sedimentological  features,  such  as  grain  size  and  sedimentary  structures,  allowed  the  discrimination  of  four  lithofacies  (Navarrete  et  al.,  2014),  with  three  being  present  at  the  Aliaga  outcrop (Fig. 2.6): a conglomerate facies (LF1), a ripple and megaripple facies  (LF2) and an oscillation ripple facies (LF3).  Lithofacies LF1 is a conglomeratic facies with matrix‐supported clasts of  greenish  carbonate  pebbles,  and  plant  and  dinosaur  bone  fragments  in  a  whitish coarse‐grained sandy matrix of feldspar and quartz grains along with  minor zircon, rutile, tourmaline, glauconite and apatite grains (Fig. 2.8A, B and  C). The LF1 lithofacies is recognized mainly at the base of deposit, as dinosaur  track  cast  infill  (Fig.  2.8A),  where  tracks  are  present.  In  other  zones  of  the  North sector, this facies is locally preserved in the middle of the bed at the  base of an intermediate sedimentary succession, as in Fig. 2.8B, Fig. 2.9.    
  • 45. 38      Fig. 2.8: Field view of Tsunami lithofacies. (A) The lithofacies LF1 occurs as dinosaur cast infill  (Section  2,  Fig.  2.3B).  (B)  Field  view  of  the  sedimentary  succession  in  section  2  (Fig.  2.3B)  showing the lithofacies arrangements  in the sedimentary successions. Palaeocurrent indicators  in lithofacies LF2 indicate flow towards the SSE. (C) Lithofacies LF1, showing cross‐stratification  and a palaeocurrent direction towards the NNE (Section 2, Fig. 2.3B). (D) Detail of Fig. 2.9D,  showing lithofacies LF1 and LF2. (E) Detail of lithofacies LF2 in Section 2 (Fig. 2.3B), showing a  fining  upward  sequence  with  centimetre‐scale  planar  cross‐stratification;  the  palaeocurrent  direction is towards the SSE.     
  • 46. 39    The LF1 lithofacies is generally massive, although locally it shows faint cross‐ laminations,  horizontal  laminations  and  fining  upward  (Fig.  2.8C).  Cross‐ stratification  planes  measured  in  sedimentary  sections  3  and  4  (Fig.  2.4)  indicate a N–NNE palaeo‐flow direction (Fig. 2.8C). The geometry of the LF1  lithofacies is usually lenticular, with a length of 1–10 m and thickness of 2–15  cm  (Fig.  2.8B  and  D  and  Fig.  2.9).  The  drone  photographs  show  that  the  lithofacies occurs in zones where the thickness of the lithofacies is >5 cm and  the length is >1–2 m.  The ripple and megaripple lithofacies (LF2) is the most abundant facies  in the both sectors of outcrop (Fig. 2.6, 2.8 and 2.9). It is composed of fine to  coarse feldspar and quartz sand with fining‐upward grain‐size sequences and  centimetre‐ to decimetre‐scale sets of cross‐bedding and planar cross‐bedding  (Fig. 2.8E); its geometry is wedge‐shaped, with a thickness of 15–160 cm (Fig.  2.8D and 2.9).  Lithofacies LF3 is scarce and is composed of fine to medium feldspar  and  quartz  sand  with  an  upward  decrease  in  grain  size;  its  thickness  at  the  Aliaga  outcrop  is  5–28  cm  and  its  contact  with  LF2  is  gradual  (Fig.  2.6  and  2.8B). This facies shows asymmetrical climbing ripples and cross‐laminations  and parallel laminations.   The  tsunami  sandstone  bed  has  the  geometry  of  pseudo‐sand  sheet  deposit, with an irregular basal surface. A preliminary map of the macro facies  was drawn on a drone photograph to delimit the geometry of the lithofacies  deposit.  Macrofacies  LF2  and  LF3  are  similar  in  colour  and  were  difficult  to  distinguish on the drone photographs (Fig. 2.9).  2.2.2.2. Barrier island ‐ tidal inlet deposit   The barrier island ‐ tidal inlet (b.i./inlet) deposit is located at the top of  outcrop  profile  (Figs.  2.3,  2.4  and  2.5).  This  deposit  comprises  a  6‐m‐thick  lenticular body of ochre‐coloured very coarse‐ to fine‐grained sandstone with  scattered oysters shells, fish teeth, pebbles, and clay and quartzite pebble lags.  In the study area, Navarrete et al. (2013) interpreted the deposit as a tidal inlet  sandstone encased in a barrier spit that recorded changes in flow energy and      
  • 48. 41    interruptions in water flow; these conditions give the deposit different scales  of  heterogeneity  that  can  be  observed  by  comparing  the  North  and  South  sectors of the outcrop.  In  the  South  sector,  this  deposit  is  characterised  by  a  3  to  7  m‐thick  lenticular body of lihofacies LF4 (Fig. 2.10A and B); this lithofacies is an ochre‐ coloured  medium‐  to  fine‐grained  sandstone  with  decimetre‐thick  trough  cross‐bedding  sets  (maximum  thickness,  35  cm)  and  centimetre‐thick  planar  cross‐bedding  sets  (maximum  thickness,  8  cm).  The  basal  surface  is  slightly  concave and includes metre‐long tree trunks and vertebrate bone fragments;  the top surface is flat (Fig. 2.11A).   In  the  North  sector,  two  main  lithofacies  (1  to  3  m  thick)  are  distinguished (Fig. 2.11B). Lithofacies LF4 is an ochre‐coloured coarse‐ to fine‐ grained  sandstone  with  decimetre‐thick  trough  cross‐bedding  sets  and  clay  and quartzite pebble lags (Fig. 2.11B and 2.10). Lihofacies LF5 is a grey very‐ fine‐grained  cemented  sandstone  with  centimetre‐thick  trough  cross‐ lamination sets, drapes, locally interfering ripple crests and asymmetric wave,  ripples on top of the cross‐bed sets (Fig. 2.10C), scattered oysters, fishes teeth  and  centimetre‐thick  accumulations  of  bioclast  or  carbonaceous  plant  fragments (Fig. 2.10D).  Navarrete  et  al.  (2013)  measured  the  palaeocurrent  directions  throughout  the  Miravete  anticline,  and  reported  unidirectional  flow  representing  a  flood  into  the  barrier  island  system.  The  authors  interpreted  major  bedding  surfaces  inclined  towards  the  NE  as  tidal  inlet  accretion  surfaces developed by primary longshore drift currents.  At  the  outcrop  scale,  the  b.i./inlet  deposit  shows  heterogeneous  lithofacies distributions and deposit geometries between the North and South  sectors.  In  the  South  sector  (Fig.  2.11A),  the  deposit  is  thicker  (3–7  m)  and  lithofacies LF4 is dominant. This lithofacies was generated by the migration of  minor megaripples that were moved by flood and ebb water fluxes under low‐ energy  flow  regimes  in  the  shoreface  zone  of  a  tidal  inlet/barrier  spit  (Navarrete et al., 2013). In the North sector (Fig. 2.11B), the thickness of the     
  • 49. 42          Fig. 2.10: Field view of the barrier island ‐ inlet facies. (A) and (B) Lithofacies LF4 in the South  sector  showing  decimetre‐thick  trough  cross‐bedding  and  planar  cross‐bedding  sets.  (C)  Lithofacies  LF4  and  LF5  in  the  North  sector  showing  centimetre‐thick  trough  cross‐bedding  laminations and asymmetric wave structures (arrow). (D) Plant fragments in sample 59 (see in  Fig.2.12B).     
  • 50. 43    deposit is 1–3 m and two facies are dominant: lithofacies LF4 with bioclasts  and pebbles, and lithofacies LF5, a grey cemented sandstone with drapes and  accumulations  of  bioclasts  or  plant  fragments,  and  asymmetric  wave  and  interference ripples structures. These structures in LF5 indicate variations in  the flow regime, probably associated with tidal flows from brackish to marine  conditions (Navarrete et al., 2013).  2.2.3. Sandstone deposits at the microscale  The  petrological  characterization  of  the  lithofacies  was  based  on  analyses  of  65  thin  sections  of  samples  obtained  from  cores  and  hand  specimens. The classification used for the mineralogical analyses was based on  that of Pettijohn et al. (1973). The estimates of grain size distribution and sand  sorting,  as  well  as  of  bulk  composition,  were  made  by  quick  petrographic  observations, according to the reference chart of U.S. GeoSupply Inc. (2015).  A  preliminary  analysis  of  samples  of  tsunami  and  b.i./inlet  deposits  showed that nearly every sample was an arkosic or subarkosic sandstone, with  an average composition of 10% clay matrix, 60% quartz (monocrystalline and a  few  polycrystalline  samples),  20%  feldspar  (plagioclase  and  K‐feldspar)  and  10% lithic fragments. This mineralogical homogeneity excluded a mineralogical  classification  of  the  lithofacies,  and  thus  the  lithofacies  were  classified  as  a  function of grain size distribution, sand sorting, and cement content.  2.2.3.1. Microfacies of the tsunami deposit  The petrological characterization of the tsunami lithofacies was based  on  analyses  of  36  thin  sections  (Table  2.1).  The  locations  of  these  samples  along the outcrop are shown in Fig. 2.12. All samples are subarkosic–arkosic  sandstones, containing 10% clay matrix, 50%–70% quartz, 10%–20% feldspar  and  5%–15%  lithic  fragments  with  mud  clasts  and  micas  as  the  main  lithic  grains. Kaolin and calcite are the most common cements (Caja, 2004); their      
  • 52. 45    contents vary from trace amounts to 10% (Fig. 2.13A); a few samples contain  trace amounts of dolomite cement (Fig. 2.13D). The main accessory minerals  are  tourmaline  and  trace  amounts  of  phosphate  and  organic  matter.  Sedimentary structures, where present, consist of trough cross bedding with  an apparent direction to North. The upward decrease in grain size is apparent  at  the  microscale  (Fig.  2.13A).  Fractured  quartz  and  feldspar  grains  are  abundant in many samples (Fig. 2.13A and B). The red colour of the sandstone  in  the  southernmost  part  of  the  South  sector  profile  (Fig.  2.9A  and  2.12)  is  probably related to the relatively high K‐feldspar content (sample 83, Fig 2.9A  and Fig. 2.13B).  The samples were first classified as a function of sorting (Table 2.2 and  Fig. 2.12); four sorting facies were defined: (0) poorly sorted sandstone (PSs  facies), (1) moderately sorted sandstone (MSs facies), (2) cemented sandstone  (CSs facies) and (3) well‐sorted sandstone (WSs facies). Samples with bimodal  grain‐size distribution were classified as MSs facies, and those with a cement  content > 10% as CSs facies. Table 2.2 summarizes the number of samples by  sorting  class  and  the  equivalent  lithofacies  at  the  macroscale.  Half  of  the  samples  were  classified  as  WSs  facies;  in  the  South  sector,  almost  every  sample was WSs facies, whereas all facies were present in the North sector  (Fig.  2.12).  The  cemented  samples  were  found  in  both  sectors  at  the  base,  middle and top of the profile, and comprised the WSs and PSs facies (Fig. 2.12,  Table  2.1).  The  dinosaur  footprints  were  sampled  infrequently,  and  are  generally filled with PSs facies.   Samples  were  also  classified  as  a  function  of  grain  size  distribution  following  Folk  (1980).  They  were  grouped  into  five  grain‐size  facies  classes:  coarse  grained,  medium–coarse  grained,  medium  grained,  fine–medium  grained and fine grained (Table 2.3). The equivalent grain‐size facies classes  and  macroscale  lithofacies  are  listed  in  Table  2.3.  Half  of  the  samples  were  classified  as  fine‐  and  fine‐  to  medium‐grained  sand,  three  samples  were  classified  as  coarse‐grained  sand,  and  the  others  were  classified  as  fine‐  to  coarse‐grained  sand.  Generally,  the  fine‐grained  sands  are  well  (WSs)  or  moderately  sorted  (MSs)  sands,  and  the  coarse‐grained  sands  are  poorly  sorted (Pss; Table 2.3); coarser samples are located in the North sector (Fig.  2.12).   
  • 54. 47    The tsunami facies are relatively homogeneous when classified in terms  of sorting, with 70% of the facies classified as WSs and MSs facies. In terms of  grain size, almost half the tsunami samples are classified as fine‐ to medium‐ grained,  and  the  other  half  are  classified  as  coarse‐grained,  medium‐  to  coarse‐grained  or  medium‐grained.  Generally,  the  lithofacies  at  the  macroscale  are  more  correlated  with  grain  size  facies  classes  than  sorting  facies  classes;  however,  the  sorting  facies  classes  allow  identification  of  heterogeneities  between  sector:  in  the  South  sector,  the  WSs  facies  is  dominant  (Table  2.1),  while  in  the  North  sector,  all  facies  are  present  (Fig.  2.12).  Table  2.1:  Tsunami  samples  and  their  petrographic  and  petrophysical  characteristics.  Table  headings:  Phi  is  measured  porosity;  Kh  and  Kv  is  measured  horizontal  and  vertical  permeabilities respectively; %Clast is the sum of quartz, feldspar and lithics grains; %Cement is  the amount of cement content which can be calcite, kaolin and dolomite; Sorting is the sand  sorting at microscopic scale; Grain Size is the average sand size at the microscopic scale; Facies  is the code to distinguish sorting facies class; and Sector is the location of sample in the outcrop  face.   Sample  Phi  (m³/m³)  Kh (mD)  Kv (mD)  % Clast  (Qtz+F+L)  % cement  Sorting  Grain Size  Facies  Sector  1        80    well  medium  3  North  2        80  3  Moderate  (bi‐modal) fine‐coarse  3  3        80  3  well  fine‐medium  3  5        50  50  moderate medium‐coarse  2  41  0.197  13.9  14  65  7  well  fine‐medium  3  42  0.0663  0.17    65  7  moderate medium‐coarse  1  43  0.076  2.1    70  5  moderate medium‐coarse  1  44  0.1676  7.91    85    well  medium  3  45  0.1859  10.3    85    well  fine‐medium  3  46  0.1272      85  3  poor  coarse‐very  coarse  0  47  0.1795  7.84    85  3  well  medium  3  48  0.1685  10.45    70  7  poor  fine‐medium  0  49  0.184  14.24  10.89  85  3  moderate fine‐medium  1  50  0.171  5.15  4.57  70  10  well  fine‐medium  2  51  0.164  4.83    80  3  moderate medium‐coarse  1 
  • 55. 48  Sample  Phi  (m³/m³)  Kh (mD)  Kv (mD)  % Clast  (Qtz+F+L)  % cement  Sorting  Grain Size  Facies  Sector  52  0.176  6.55    80  3  well  fine‐medium  3  53  0.173  7.77  7.73  65  10  poor  fine‐coarse  2  54  0.143  5.17    65  10  poor  medium‐coarse  2  55  0.189  8.09  7.7  70  7  moderate medium‐coarse  1  56  0.184  7.47    75  3  well  fine‐medium  3  57  0.179  6.5    75  3  poor  fine‐coarse  0  23        70  10  moderate medium‐coarse  2  South  27        80  5  well  fine  3  28  0.111  1.57  1.96  65  10  well  fine  2  83  0.187  14.96    80  5  well  medium  3  84  0.204  26.65  20.89  70  5  moderate medium  1  85  0.166  5.91  7.02  85  5  well  medium  3  86  0.213  28.76  24.09  75  7  well  medium‐coarse  3  87  0.196  11.04    75  10  well  fine‐medium  3  88  0.187  10.19  11.14  75  7  well  fine‐medium  3  89  0.163  8.29  21.21  70  10  well  fine‐medium  2  90  0.171  9.25  9.06  70  10  well  fine‐medium  2  91  0.156  5.48    80  7  well  fine‐medium  3  92  0.168  8.14    75  10  well  fine  3  93  0.176  6.99    75  7  well  fine  3  94  0.143  2.99    75  7  well  fine‐medium  3        ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐  Fig. 2.13: Thin sections of tsunami samples (next page). (A) Sample no. 2: WSs facies showing  upward‐decreasing sand size from medium to fine sand. Cross polarized light. (B) Sample no.  83: WSs facies showing a medium sand size, with the K‐feldspar content increasing towards the  top of the sample. Plane polarized light. (C) Sample no. 28: Css facies showing a fine sand size  and  good  sorting.  Plane  polarized  light.  (D)  Sample  no.  46:  Pss  facies  showing  traces  of  dolomite cement and fractured quartz. Plane polarized light.Location of samples is given in Fig.  2.12.     
  • 57. 50  Table 2.2: Tsunami facies classes based on degree of sorting and equivalent lithofacies. Table  variables: Name is the abbreviation of facies classification by sorting; Lithofacies macroscale is  the equivalent facies described by Navarrete et al. (2014); North and South are the quantity of  samples in each sector; and Total is the sum of samples by facies.        Tsunami  Code  Name Lithofacies  macroscale North  South  Total  0  PSs  LF1 3 0 3 1  MSs  LF2  6 2 8 2  CSs  LF1 or LF2 4 3 7 3  WSs  LF2 or LF3  8  10  18  total      21  15 36   Table 2.3: Tsunami classification based on grain size and equivalent sorting facies class and  macroscale lithofacies. ‘Sorting class’ for a given class are listed in order of abundance.    Number of samples   Class  North South  Total Sorting class  Lithofacies  macroscale  Coarse  4 0 4 PSs LF1 Medium‐coarse 6 2 8 MSs,WSs, PSs LF2 Medium  3 3 6 Wss, MSs LF2 Fine‐medium  8 6 14  WSs,MSs,PSs LF2 Fine  0 4 4 WSs LF3 Total  21 15 36        2.2.3.2. Microfacies of the barrier island ‐ tidal inlet deposit  The  petrological  characterization  of  the  barrier  island  ‐  tidal  inlet  (b.i./inlet) lithofacies was based on observations of 30 thin sections (Table 2.4)  obtained from cores and hand specimens. The locations of the samples in the  outcrop are shown in Fig. 2.11. All samples are subarkosic–arkosic sandstones  consisting of 5%–15% clay matrix, 50%–70% quartz, 10%–20% feldspars, and  10%–25% lithic fragments dominated by mud clasts and bioclasts. Tourmaline  is  the  most  abundant  accessory  mineral,  followed  by  opaque  minerals  and  phosphate. Sedimentary structures, when present, are trough cross bedding  with  apparent  N–S  orientations.  Some  samples  have  a  bimodal  grain‐size