Abstract Physical properties of MICP-treated sands are controlled by CaCO3 distributions in pore space, which remain relatively unexplored. CaCO3 can deposit at the particles’ contact area (contact-cementing), coat sand particles (grain-coating), or create a cementation bridge between soil grains (matrix-supporting). The objectives of this paper are to determine the dominant CaCO3 distributions in pore space and investigate the effects of CaCO3 distributions on the small-strain stiffness (measured by S-and P-wave velocities) and permeability of MICP-treated sands. To achieve these objectives, cemented-sand and uncemented-sand models combined with three ideal CaCO3 distributions (contact-cementing, grain-coating, and matrix-supporting) were used to estimate the S-and P-wave velocities. In order to determine the dominant CaCO3 distributions in pore space, the calculated values from the models were then compared with experimental data. It was concluded that the dominant CaCO3 distributions were a combination of grain-coating and matrix-supporting. The effects of CaCO3 distributions at pore space on the variation of permeability were estimated using Kozeny-Carman and Panda-Lake models with three pore-scale cement distributions (pore-lining, pore-filling, and pore-bridging). The comparison between laboratory-measured and calculated permeability from the pore-filling Panda-Lake model for seven types of sands demonstrated a relatively good match with a maximum difference of one order of magnitude. The comparison suggests the pore-filling Panda-Lake model can be used for estimating the permeability of the MICP-treated sands.

中文翻译：

---

研究孔隙尺度 CaCO3 分布及其对微生物诱导碳酸盐沉淀 (MICP) 处理砂的刚度和渗透率的影响

摘要 MICP 处理砂的物理性质受孔隙空间中 CaCO3 分布的控制，而这一点仍然相对未开发。CaCO3 可以沉积在颗粒的接触区域（接触胶结），覆盖沙粒（颗粒涂层），或在土壤颗粒之间形成胶结桥（基质支撑）。本文的目的是确定孔隙空间中主要的 CaCO3 分布，并研究 CaCO3 分布对 MICP 处理砂的小应变刚度（通过 S 波和 P 波速度测量）和渗透率的影响。为了实现这些目标，使用胶结砂和未胶结砂模型结合三种理想的 CaCO3 分布（接触胶结、颗粒涂层和基质支撑）来估计 S 波和 P 波速度。为了确定孔隙空间中主要的 CaCO3 分布，然后将模型的计算值与实验数据进行比较。得出的结论是，主要的 CaCO3 分布是颗粒涂层和基质支撑的组合。使用具有三种孔隙尺度水泥分布（孔隙衬里、孔隙填充和孔隙桥接）的 Kozeny-Carman 和 Panda-Lake 模型估计了孔隙空间中 CaCO3 分布对渗透率变化的影响。七种砂岩的实验室测量和计算的孔隙填充熊猫湖模型的渗透率之间的比较表明，匹配相对较好，最大差异为一个数量级。比较表明，填孔熊猫湖模型可用于估算MICP处理砂层的渗透率。然后将模型的计算值与实验数据进行比较。得出的结论是，主要的 CaCO3 分布是颗粒涂层和基质支撑的组合。使用具有三种孔隙尺度水泥分布（孔隙衬里、孔隙填充和孔隙桥接）的 Kozeny-Carman 和 Panda-Lake 模型估计了孔隙空间中 CaCO3 分布对渗透率变化的影响。七种砂岩的实验室测量和计算的孔隙填充熊猫湖模型的渗透率之间的比较表明，匹配相对较好，最大差异为一个数量级。比较表明，填孔熊猫湖模型可用于估算MICP处理砂层的渗透率。然后将模型的计算值与实验数据进行比较。得出的结论是，主要的 CaCO3 分布是颗粒涂层和基质支撑的组合。使用具有三种孔隙尺度水泥分布（孔隙衬里、孔隙填充和孔隙桥接）的 Kozeny-Carman 和 Panda-Lake 模型估计了孔隙空间中 CaCO3 分布对渗透率变化的影响。七种砂岩的实验室测量和计算的孔隙填充熊猫湖模型的渗透率之间的比较表明，匹配相对较好，最大差异为一个数量级。比较表明，填孔熊猫湖模型可用于估算MICP处理砂层的渗透率。得出的结论是，主要的 CaCO3 分布是颗粒涂层和基质支撑的组合。使用具有三种孔隙尺度水泥分布（孔隙衬里、孔隙填充和孔隙桥接）的 Kozeny-Carman 和 Panda-Lake 模型估计了孔隙空间中 CaCO3 分布对渗透率变化的影响。七种砂岩的实验室测量和计算的孔隙填充熊猫湖模型的渗透率之间的比较表明，匹配相对较好，最大差异为一个数量级。比较表明，填孔熊猫湖模型可用于估算MICP处理砂层的渗透率。得出的结论是，主要的 CaCO3 分布是颗粒涂层和基质支撑的组合。使用具有三种孔隙尺度水泥分布（孔隙衬里、孔隙填充和孔隙桥接）的 Kozeny-Carman 和 Panda-Lake 模型估计了孔隙空间中 CaCO3 分布对渗透率变化的影响。七种砂岩的实验室测量和计算的孔隙填充熊猫湖模型的渗透率之间的比较表明，匹配相对较好，最大差异为一个数量级。比较表明，填孔熊猫湖模型可用于估算MICP处理砂层的渗透率。使用具有三种孔隙尺度水泥分布（孔隙衬里、孔隙填充和孔隙桥接）的 Kozeny-Carman 和 Panda-Lake 模型估计了孔隙空间中 CaCO3 分布对渗透率变化的影响。七种砂岩的实验室测量和计算的孔隙填充熊猫湖模型的渗透率之间的比较表明，匹配相对较好，最大差异为一个数量级。比较表明，填孔熊猫湖模型可用于估算MICP处理砂层的渗透率。使用具有三种孔隙尺度水泥分布（孔隙衬里、孔隙填充和孔隙桥接）的 Kozeny-Carman 和 Panda-Lake 模型估计了孔隙空间中 CaCO3 分布对渗透率变化的影响。七种砂岩的实验室测量和计算的孔隙填充熊猫湖模型的渗透率之间的比较表明，匹配相对较好，最大差异为一个数量级。比较表明，填孔熊猫湖模型可用于估算MICP处理砂层的渗透率。七种砂岩的实验室测量和计算的孔隙填充熊猫湖模型的渗透率之间的比较表明，匹配相对较好，最大差异为一个数量级。比较表明，填孔熊猫湖模型可用于估算MICP处理砂层的渗透率。七种砂岩的实验室测量和计算的孔隙填充熊猫湖模型的渗透率之间的比较表明，匹配相对较好，最大差异为一个数量级。比较表明，填孔熊猫湖模型可用于估算MICP处理砂层的渗透率。