Abstract None of the standard porosity‐velocity models (e.g. the time‐average equation, Raymer's equations) is satisfactory for interpreting well‐logging data over a broad depth range. Clays in the section are the usual source of the difficulty through the bias and scatter that they introduce into the relationship between porosity and P‐wave transit time. Because clays are composed of fine sheet‐like particles, they normally form pores with much smaller aspect ratios than those associated with sand grains. This difference in pore geometry provides the key to obtaining more consistent resistivity and sonic log interpretations. A velocity model for Clay–sand mixtures has been developed in terms of the Kuster and Toksöz, effective medium and Gassmann theories. In this model, the total pore space is assumed to consist of two parts: (1) pores associated with sand grains and (2) pores associated with clays (including bound water). The essential feature of the model is the assumption that the geometry of pores associated with sand grains is significantly different from that associated with clays. Because of this, porosity in shales affects elastic compliance differently from porosity in sand‐Stones. The predictive power of the model is demonstrated by the agreement between its predictions and laboratory measurements and by its ability to predict sonic logs from other logs over large depth intervals where formations vary from unconsolidated to consolidated sandstones and shales.

Carbonate (limestone and dolomite) reservoirs account for approximately 50% of oil and gas production worldwide. However, seismic responses in carbonate rocks are poorly understood. In addition, DHI ranking and AVO classification systems developed for clastic rocks are unlikely to be applicable to carbonate rocks. An accurate and physically sound carbonate rock physics model is needed to address these technical issues.

Abstract Compressed ultrafast photography (CUP) can capture irreversible or difficult‐to‐repeat dynamic scenes at the imaging speed of more than one billion frames per second, which is obtained by compressive sensing‐based image reconstruction from a compressed 2D image through the discretization of detector pixels. However, an excessively high data compression ratio in CUP severely degrades the image reconstruction quality, thereby restricting its ability to observe ultrafast dynamic scenes with complex spatial structures. To address this issue, a discrete illumination‐based CUP (DI‐CUP) with high fidelity is reported. In DI‐CUP, the dynamic scenes are loaded into an ultrashort laser pulse train with controllable sub‐pulse number and time interval, thus the data compression ratio, as well as the overlap between adjacent frames, is greatly decreased and flexibly controlled through the discretization of dynamic scenes based on laser pulse train illumination, and high‐fidelity image reconstruction can be realized within the same observation time window. Furthermore, the superior performance of DI‐CUP is verified by observing femtosecond laser‐induced ablation dynamics and plasma channel evolution, which are hardly resolved in the spatial structures using conventional CUP. It is anticipated that DI‐CUP will be widely and dependably used in the real‐time observations of various ultrafast dynamics.