منابع هیدروکربنی مهم‏ترین منابع تأمین انرژی در جهان محسوب می‏شوند. منابع هیدروکربنی دارای انواع و شرایط وقوع فیزیکی و شیمیایی متنوع می‏باشند، بنابراین از فرآیند اکتشاف منابع هیدروکربنی به عنوان فرآیندی بسیار پیچیده و پرهزینه عنوان می‏شود. در این فرایند نقشه های فاکتور متعدد زمین شناسی، ژئوشیمی و ژئوفیزیک تهیه و با هم تلفیق می‏شوند. با توجه به مکانی بودن نقشه‏های فاکتور، در این تحقیق طراحی و پیاده‏سازی یک مدل gis مبنا برای پتانسیل‏یابی منابع هیدروکربنی در نظر قرار گرفت. مراحل اکتشاف منابع هیدروکربنی در محیط gis و توسعه یک مدل gis مبنا برای اکتشاف منابع هیدروکربنی، شامل بررسی سطوح اکتشاف منابع هیدروکربنی، تهیه مدل مفهومی ذخایر نفتی، بررسی روش‏های پتانسیل‏یابی در gis، تعیین فاکتورهای کنترل‏کننده‏ی تجمعات نفتی در منطقه مطالعه، آماده‏سازی نقشه‏های فاکتور، و تلفیق آن‏ها به منظور تهیه‏ی نقشه‏ی پتانسیل منابع هیدروکربنی می‏باشد. به منظور ترکیب نقشه‏های مختلف در gis، روش‏های متنوع داده‏مبنا و دانش‏مبنا وجود دارد؛ که در این تحقیق از دو روش داده‏مبنای توابع باور شهودی و نسبت فراوانی استفاده شد. در این تحقیق مدل توسعه داده شده در دو منطقه‏ی متفاوت، شامل برگه 1:250000 اهواز در ایران و جنوب شرقی سسکچوان در کانادا طراحی و پیاده‏سازی شد. فاکتورهای در نظر گرفته شده در برگه اهواز شامل کل کربن آلی، بازده پتانسیل برای تولید هیدروکربن، شاخص tmax، وجود و مجاورت به مناطق دارای آنومالی باقیمانده ثقل بوگه بالا، سازندهای زمین‏شناسی و مجاورت به محور طاقدیس‏ها بودند؛ از سوی دیگر، فاکتورهای در نظر گرفته شده در جنوب شرقی سسکچوان شامل کل کربن آلی، شاخص tmax، ضخامت سازند‏های مخزن و پوش، ناهمواری و انحنای حاصل از نقشه‏ی ساختمانی مخزن بودند. لازم به ذکر است که در مدل اول در ایران، نقشه پتانسیل به صورت کلی تهیه شد؛ اما در کانادا، با توجه به مفاهیم سیستم‏های نفتی، نقشه پتانسیل تنها برای یک سیستم نفتی در منطقه مطالعه تهیه شد. نقشه‏ی تناسب بهینه در برگه اهواز، حدود 24 درصد از منطقه مطالعه را در طبقه‏ی با تناسب بالا برای وقوع میادین طبقه‏بندی نمود، که به ترتیب بیش از 72 درصد ذخایر آموزشی و بیش از 65 درصد از ذخایر تست را پیش‏بینی نمود. از سوی دیگر، نقشه تناسب بهینه در جنوب شرقی سسکچوان، حدود 15 درصد از منطقه مطالعه را مناسب برای وقوع میادین نفتی سیستم مورد نظر طبقه‏بندی نمود، و بیش از 94 درصد ذخایر آموزشی و 88 درصد ذخایر تست را پیش‏بینی نمود. در نهایت، نتایج نشان داد که پتانسیل‏یابی برای یک سیستم نفتی به صورت جداگانه، نتایج دقیق‏تر و منطقی‏تری داشت.