基于ETM+6-γ示矿信息反演的花山花岗岩铀矿预测
关震1,2,3, 吴虹1,2,3, 曹翠4, 黄晓娟5, 郭琳1,2,3, 柳艳1,2,3, 郝敏1,2,3
1.桂林理工大学广西矿冶与环境科学实验中心,桂林 541004
2.桂林理工大学广西隐伏金属矿产勘查重点实验室,桂林 541004
3.桂林理工大学地球科学学院遥感应用研究所,桂林 541004
4.中铁十一局集团第三工程有限公司,十堰 442012
5.重庆地质矿产勘查开发局南江水文地质工程地质队,重庆 401121

第一作者简介: 关 震(1984-),男,硕士研究生,主要研究方向为遥感地质学。Email:110990051@qq.com

摘要

构成铀矿的主要元素——235U核素因衰变释放成因热,使得花岗岩侵入成因的铀矿床(体)周围具有热红外遥感异常。广西桂东花山花岗岩体具有较好的铀矿成矿地质条件,但该区地形复杂,交通不便,利用传统方法开展矿产勘查工作困难很大。为快速圈定该区成矿有利部位,采用Landsat7 ETM+6热红外波段数据,通过数字图像处理技术提取岩体遥感热异常,建立了ETM+6-γ能谱异常场反演模型; 运用该模型反演得到了桂东花山花岗岩体的γ能谱异常场分布; 在此基础上,根据断裂构造控矿条件及相关地质、矿产资料对γ能谱异常进行筛选,最后在花山花岗岩中圈定出一批铀矿找矿预测区。不仅为下一步实地铀矿勘查找矿工作提供了重要线索,而且再次证明了热红外遥感反演的地温异常信息在花岗岩型铀矿预测中的巨大潜力。

关键词: ETM+6; γ能谱; 热红外遥感; 花岗岩; 铀矿; 预测
中图分类号:TP79 文献标志码:A 文章编号:1001-070X(2014)03-0092-07 doi: 10.6046/gtzyyg.2014.03.15
Uranium ore prediction based on inversion of ETM+6-γ mineral information in Huashan granite area
GUAN Zhen1,2,3, WU Hong1,2,3, CAO Cui4, HUANG Xiaojuan5, GUO Lin1,2,3, LIU Yan1,2,3, HAO Min1,2,3
1. Guangxi Scientific Experiment Center of Mining, Metallurgy and Environment, Guilin University of Technology, Guilin 541004,China
2. Guangxi Key Laboratory of Hidden Metallic Ore Deposits Exploration, Guilin University of Technology, Guilin 541004,China
3. Institute of Remote Sensing Application, College of Earth Sciences, Guilin University of Technology, Guilin 541004,China
4. Third Engineering Corporation, No. 11 Bureau Group of China Railway, Shiyan 442012, China
5. Nanjiang Hydrogelogical and Engineering Grological Party, Bureau of Geology and Mineral Resources Exploration and Development of Chongqing, Chongqing 401121, China
Abstract

As the main element in the uranium ore deposit,the nuclides of235U decay to release the factor heat,causing the formation of thermal infrared remote sensing anomalies around the uranium deposit genetically related to granite intrusive body. The Huashan granitic pluton in eastern Guangxi has good geological conditions for generating uranium ore deposits. In the inaccessible environment of harsh terrain,it is difficult to carry out field survey work with traditional methods. Using Landsat7 ETM+ 6 thermal infrared band data,the authors extracted the remote sensing thermal anomalies of the rock through digital image processing techniques,and established the ETM+ 6-γ spectrum anomalous inversion model to delineate the γ-spectrum abnormal field distribution of the whole granitic pluton. On such a basis,the authors screened the γ-spectroscopy anomalies according to the ore-controlling fracture structures and related geological and mineral data. At last, a number of uranium ore prospecting areas were delineated in Huashan granitic pluton. The results obtained by the authors not only provide an important clue for the further field prospecting work but also demonstrate the enormous potential of the geothermal anomalies detected through the inversion of thermal infrared remote sensing in the prediction of granite-type uranium ore deposits.

Keyword: ETM+6; γ spectrum; thermal infrared remote sensing; granite; uranium ore deposit; prediction
0 引言

铀矿不仅是一种关系到国家战略安全的军工战略资源, 也是高效核电发展所必需的原材料。高效的核电发展, 有助于改善生存环境、调整能源结构, 为人类的可持续发展做出巨大贡献。我国提出到2020年核电装机容量将达到4 000万kW的发展目标[1], 据测算所需的天然铀储量要达到80多万t[1], 铀产量与中长期的需求量差距较大。而铀矿从找矿、勘探到矿山建设所用时间一般在10 a以上, 因此要提高铀资源的保障程度, 必须从现在起迅速提高铀矿的勘查效率, 不断发展寻找铀矿的先进技术。

目前, 我国铀矿的找矿新思路及方向是以花岗岩型铀矿为重点, 引进找矿新理论及地学研究新成果, 采用新技术和新方法[2]。作为新兴矿产勘查手段的遥感技术, 非常有利于矿产资源勘查效率的提高[3]。进一步挖掘铀矿地质遥感应用的潜力, 探索热红外多-高光谱遥感在铀矿勘查领域的应用, 已成为当今铀矿地质遥感应用的研究热点[4]。在新的遥感卫星不断成功发射的时代, 不断涌现的新型遥感数据得到日益广泛的应用。为此, 本文利用Landsat7 ETM+热红外遥感数据和γ 能谱数据在广西桂东花山花岗岩地区进行提取铀成矿要素的实验研究, 通过建立ETM+6-γ 能谱异常场反演模型、反演整个花岗岩体的γ 能谱异常场和筛选γ 能谱异常, 圈定出一批铀矿找矿预测区, 不仅为下一步实地勘查找矿工作提供了重要线索, 而且再次证明了热红外遥感反演的地温异常信息在花岗岩型铀矿预测中的巨大潜力。

1 热红外遥感找铀矿原理

地球内部的热能通过地热流体对流作用和岩层传导不断向地球表面散失, 使地球由深部到地表逐渐降温 。深大断裂作为深部热源的上升通道, 发生断裂活动时会产生一定的摩擦热, 张开的断裂带沿线势必在地表形成一定的热异常[5]。按地球理论热模型来估计, 地球内部的热流有4/5来自放射性产热[6]; 铀(钍)的矿化使得U, Th等放射性元素在同一岩层中大量富集, 更加对其矿化地区的大地热流产生明显的影响, 故产铀地区(尤其是铀矿床(体)周围)就会产生明显的热异常。

热液型铀矿床是在一定地质构造环境中的古水热系统活动的产物, 其形成不但需要有丰富的铀源与迁移和富集的介质(水源), 而且还要有良好的热源条件; 不仅在形成时期与地热异常有关, 而且在形成后会影响其附近的大地热流场, 即在铀矿的地表势必会产生一定程度的热异常。随着研究的不断深入, 发现一方面铀矿的富集需要地质构造活动所产生的破碎带提供储矿空间, 另一方面构造活动本身也为元素铀的活化、迁移提供了必要热源与矿化剂[7] 。热红外遥感技术是获取地表热信息的一种非常有效的手段, 用于探测地表热异常, 快速而且可靠。但热红外遥感图像能反映的深部热信息仅是很小的一部分, 若直接利用图像的辐射亮度值进行地表热异常解译, 会漏掉一些重要的异常信息或存在干扰实际有效热异常的伪信息。地表温度是地表热的一种表现方式, 在利用热红外遥感反演地表温度的过程中, 应针对研究目标, 去除干扰因素, 保留与研究目标最相关的热信息, 增强目标信息, 从而使研究目标与地热的关系分析更具可靠性。

2 研究方法
2.1 研究区概况

花山研究区位于广西壮族自治区东北部钟山、恭城与平乐3县交界部位, 地理位置在E110° 56'~111° 11', N24° 30'~24° 50'之间, 面积约570 km2。该区属中亚热带气候, 雨量丰沛, 原始森林分布面积大; 平均海拔高度在1 000 m左右, 地形复杂, 交通极为不便, 利用传统方法开展矿产勘查工作困难很大。区内主要出露地层为寒武系、泥盆系、石炭系和第四系。花山岩体内部断裂构造发育, 具有以NE和NW走向交错分布为主、派生次级构造为辅、主次级构造交错穿插的复杂网格构造样式, 主要成因为岩体侵位过程中的岩浆热动力作用。区内花山复式花岗岩体中的矿产资源相当丰富, 主要有稀土、铀、钨、锡、铌等金属矿产。

2.2 技术流程

在对研究区的区域地质背景分析基础上, 以热红外遥感为主要技术手段对已知铀矿点进行遥感地质特征研究, 用ETM+热红外图像数据反演地表温度; 根据铀矿的放射性产热对地表热产生显著影响的理论[8], 半定量地模拟铀矿化区地温与γ 能谱值的相关关系, 最终进行研究区内主断裂构造的含矿性评价。其技术流程见图1

图1 技术流程图Fig.1 Technical flowchart

2.3 热红外温度反演

2.3.1 比辐射率估计

在遥感热红外地表温度反演研究中, 地表比辐射率(land surface emissivity, LSE)是一个关键参数。在本次研究中, 采用综合方法为LSE赋值: ①用归一化植被指数(normalized difference vegetation index, NDVI)值的大小划分居民区域、水体区域、裸土区域及植被覆盖区域; ②将居民区域和水体区域分别依照其相应的常见地物LSE对所在区域赋值[9], 其中居民区域赋值为0.970, 水体区域赋值为0.995; ③对裸土及植被覆盖混合区域用植被指数混合模型算法[10]计算LSE。土壤覆盖区域因其水分含量、组成成分、颗粒大小等差异而造成其LSE的变化较大, 在ETM+6波段范围内其LSE值一般在0.960~0.980之间[11], 本次研究取其平均值0.970; 纯植被覆盖区域赋值为0.986。本次研究对LSE的估计采用ENVI软件中的波段运算模块来实现, 经过ETM+4(近红外波段)与ETM+3(红光波段)的波段复杂运算后, 得到研究区的LSE

2.3.2 辐射传输方程反演地表温度

辐射传输方程法又称大气校正法, 其基本思路是首先利用实时(与卫星过顶时间同步)的大气探空数据或者标准大气廓线数据估计大气对地表热辐射的影响, 包括热辐射传导中的大气吸收作用及大气自身的上行和下行辐射强度; 然后把上述大气影响从卫星高度上的传感器所观测到的热辐射总量中减去, 从而得到地表热辐射强度; 最后把这一热辐射强度根据LSE转化为相应的地表温度。

地表温度TS的表达式为

TS=K2/ln[K1/B(TS)+1] , (1)

式中: K1K2为Landsat7卫星热红外波段的反演常数, 使用ETM+6波段图像反演时, K1=666.09 W/(m2· sr· μ m), K2=1 252.71K; B(TS)为当温度为TS时的黑体辐射亮度, 可通过式(2)计算得到, 即

Lsensor=τ ε B(TS)+(1)τ Latm+ Latm, (2)

式中: Lsensor为传感器接收到的热红外光谱辐射亮度; τ 为大气在热红外波段的透过率; ε 为地表比辐射率; Latm, Latm分别为大气上、下行辐射值。以上参数可以在NASA官网中输入成像时间以及中心经、纬度后得到。

2.3.3 干扰因素去除

在地表温度反演过程中, 地表包含的地物类型多而复杂, 例如城镇建筑用地、村庄、道路等人为活动使得所在区域地表温度升高; 河流、湖泊、水库、湿地以及各种灌溉区使得所在区域地表温度降低; 山体阴影、地形高程增加等也会造成局部区域低温等。上述干扰因素的存在, 使得依据反演结果分析来自地壳内部热信息时受到较大的干扰。因此, 在反演温度之前, 要首先分析和去除上述干扰因素。

为此, 需要先将图像中的干扰因素所在区域提取出来, 这就需要先对遥感图像进行地物分类。图像分类方法很多, 本文选择了最大似然分类方法, 同时将植被指数NDVI、水体指数NDWI和城镇指数NDBI等3个定量指标作为辅助图像参与分类, 联合最大似然分类法进行综合分类。考虑到研究区内地物不是特别复杂, 零散信息少, 利用上述地物特征指数与研究区ETM+5(R)4(G)3(B)假彩色合成图像相结合, 在整个研究区内均匀地选取训练样本, 且尽可能地包含各类型地物的多种子类型信息, 从而提高了地物分类的精度。

本文将城镇居民用地和裸露地引起的高温异常区域剔除, 并将受水体影响的低温异常区域去除, 因为城镇居民区及裸露地的高温信息和水体的低温信息对热红外图像中的温度信息产生了明显的影响, 而这些影响又是作为整个图像的强背景信息存在的, 会对本研究期望提取的与断裂相关的微弱信息造成较大的干扰。而保留下的农田与林地在研究区内覆被类型较为均一, 代表自然地表, 能够减小对背景信息的影响程度, 从而增强、放大所包含的与断裂相关的热异常信息, 使得与断裂构造有关的热异常信息更容易被识别。

3 方法实验
3.1 数据选择

以广西桂东花山花岗岩体为研究区, 共采用了3种类型的数据: ①Landsat7 ETM+图像数据(2000年10月获取, 轨道号/行号为124/43), 主要考虑要反映1条线性构造至少需要3个连续的像元点, 花山岩体中对成矿有影响的最短线性构造的长度为50 m左右, 因而采用具有15 m分辨率的ETM+ 全色波段数据可以有效反映线性构造, ETM+的多光谱波段数据经波段合成后(图2(a))可满足研究区地物分类(图2(b))的要求, 其热红外波段ETM+6(波长10.4~12.5 μ m)则对地表局部热场分布敏感; ②地质数据, 包括地质图、矿产图、野外调查资料等; ③地球物理数据, 包括γ 能谱、物探布格重力异常数据和岩石密度数据。

图2 花山岩体ETM+图像与地物分类图Fig.2 ETM+ image and classification map of Huashan rock

3.2 温度反演

利用辐射传输方程对研究区的地表温度进行反演, 经统计分析得到研究区温度最小值为292.78 K, 最大值为323.33 K, 均值为306.15 K。对反演得到的地表温度进行增强和分级处理(图3)。

图3 用辐射传输方程反演的地表温度分级图Fig.3 Surface temperature grading chart inversed with radiative transfer equation

图3中取“ 均值+4倍方差” 值作为区分一级异常的阈值, 用红色表示; 把“ 均值+3倍方差” 值作为区分二级异常的阈值, 用浅蓝色表示。由此能鲜明地显示出几个不同分布的热异常区(带), 并有助于准确地认识这些热异常区(带)的范围、强度、展布方向和长度等基本特征。利用ENVI软件去除干扰因素后, 原分布在城镇、裸露地和水体中的高温、低温区域, 现较为均匀地分布在全区范围中(如图4密度分割图所示, 从浅黄到红色温度逐步升高)。

图4 去干扰后地表温度密度分割Fig.4 Segmentation of LST density after interference removal

4 结果分析
4.1 地表温度场与断裂构造相关分析

目前研究区内已知铀矿点主要有长冲、白石脚及糙米坪等。区内分布有一系列断裂构造, 其中NNE向和NW向2组断裂构造规模较大, 在空间上呈“ X” 型展布, 是区内主要的构造骨架。使用MapGIS地学分析软件将前文反演的地表温度图像与研究区已经探明的铀矿化点和实测断裂按照地理坐标叠置, 得到呈现铀矿点、地表断裂与地表温度热信息平面分布叠置图(图5)。图5中的图斑色调由浅到深代表地表温度逐步升高, 黑色区域为干扰信息。

图5 研究区断裂构造与反演温度异常叠置图Fig.5 Overlapping map of fracture structures andinversed temperature anomalies in study area

图5可以看出, 已探明的6个典型铀矿点都落入地表温度高值异常区, 其空间位置的分布证实了铀矿点与地温的相关性, 说明地表温度热异常是研究区内的铀成矿要素之一。断裂交叉部位的地表温度处在高值区, 同时可发现沿断裂两旁存在地温较高值条带, 说明断裂控矿与地温异常控矿相辅相成。进一步作垂直于2条大断裂方向的温度剖面图(见图5AA'剖面线), 可以看到距断裂近的位置地表温度高(峰值位置), 距断裂越远地表温度就越低, 但也存在小峰值(图6(a)); 根据断裂导通热液活动的理论, 说明这些地温小峰值位置可能是一些规模较小的次级断裂。以2条断裂交叉部位的剖面线为中心做温度剖面(见图5BB'剖面线), 可以看到一个范围较宽的温度峰值(图6(b)), 说明在断裂交叉、复合部位形成的温度场较强, 正好与研究区内铀矿床(体)赋存于不同走向断裂构造的交叉、复合地段的野外实测情况相一致。

图6 地表温度剖面图Fig.6 Profiles of surface temperature

4.2 地表温度场与γ 能谱值相关分析

研究区地温与岩石中放射性元素的衰变热[12]是地壳内热源的重要组成部分, 也是地表热流的重要来源; 而铀矿化使得铀放射性元素大量富集, 对其矿化地区的大地热流产生更加明显的影响, 故天然产铀地区尤其是铀矿(点)就会产生明显的热异常。γ 能谱值是使用传统物探的γ 能谱测量仪在野外实际测量地层岩石的放射性指数。为了对两者进行相关分析, 具体分析了γ 能谱值与地表温度热异常的关联性。利用MapGIS地学分析软件将研究区内已经测得的γ 能谱值点叠置在地表温度图像上(图7), 通过目视判识可以看出, 铀矿点所在区域的γ 能谱高值点基本都在温度高值区内。

图7 研究区实测γ 能谱值与反演温度叠置图Fig.7 Overlapping map of stacked chart of γ -energy spectrum and inversed temperature

从定量角度分析铀矿(点)产生的热异常与γ 能谱值的相关性, 具体步骤如下:

1)在图7中以4 km2的方格(图7中绿色正方形)圈定出6组γ 能谱点, 分别统计这6个方格范围内的γ 能谱点值。

2)按照地理坐标位置, 在研究区去除干扰的温度图像中分别统计6个方格内γ 能谱点对应的温度值, 其中有少数γ 能谱点落在干扰区, 则取其周围像元的温度平均值作为该γ 能谱点对应的温度值。

3)统计计算每个方格范围内γ 能谱点的能谱平均值与对应的温度平均值。

4)将以上得到的2组统计数据输入到OriginPro8数据分析软件中, 通过实验拟合两者的关系函数曲线。经整理得到两者的拟合关系式为

y=4.295 6x2-2 386.9 x+331 529 , (3)

式中: y为γ 能谱值; x为地表温度值。

由于在野外测量γ 能谱值时, 复杂环境本身就存在不稳定性, 地表温度也存在多种因素影响, 故本文在4 km2方格内取均值的目的就是为了简化模拟温度场与放射性场, 并将两者投影到平面上来计量, 这样可以排除一部分点对点统计分析的偶然性。式(3)给出的拟合函数虽不是从多方面的置信度定量描述地表温度与地表岩石γ 能谱值的关系, 但揭示了两者明显的正相关性。

4.3 断裂构造含矿性评价

铀元素有很强的放射性, 在寻找铀矿时, γ 能谱值是最重要的矿化标志之一; 加之研究区内的地表温度与γ 能谱值呈高度正相关, 故可利用上文拟合的地表温度与γ 能谱值的相关性函数(式(3)), 针对研究区内的主要断裂两侧300 m宽的缓冲带进行含矿性评价。具体步骤如下:

1)利用在MapGIS软件对研究区内的7条大规模断裂构造进行缓冲区空间分析(缓冲区半径为300 m); 并在每条断裂带上每隔1 000 m取一个点, 再对各个点进行半径为300 m的缓冲区分析, 然后将缓冲带和缓冲点的缓冲区文件转换为矢量文件。

2)将步骤1)得到的断裂缓冲区矢量文件导入ENVI软件中, 对去干扰后的花山花岗岩地表温度图像进行感兴趣区裁剪, 得到7条断裂缓冲带范围的地表温度图像, 并将断裂带上所取的点缓冲区导入图像相应地理位置。

3)以每一条断裂构造为一组, 统计各断裂构造缓冲带上所取点缓冲区的地表温度, 并求取每个点缓冲区范围内的地温均值; 然后根据式(3)给出的拟合函数反演并统计各个点缓冲区的γ 能谱值, 进而得到每条断裂缓冲带上的γ 能谱值分布趋势。

4)综合统计7条断裂缓冲带上所取点缓冲区的γ 能谱值, 求得均值为692.81, 标准方差为204.16。因为此处的γ 能谱值是反演、统计所得, 故规定的异常下限不能严格按照物探实测的异常下限, 参照γ > 600的能谱点可视为矿化点[13]的经验, 本文取γ 能谱值的均值(692.81)为二级异常下限, 均值加1.6倍方差(1 019.45)为一级异常下限。

5)根据每条断裂的缓冲带γ 能谱值分布趋势图, 按照规定的异常下限, 分段评价7条主断裂带的含矿性, 一级异常表示含矿性最大的区段, 二级异常表示含矿性稍小的区段; 并利用MapGIS地学分析软件将各段异常标定在实际地理坐标位置上, 得到研究区7条主断裂带的含矿性等级分布图(图8)。

图8 研究区主断裂构造含矿性等级分布图Fig.8 Ore-grade distribution map of main fracture structure in study area

图8显示出各断裂带的含矿性级别, 含矿性以红色区段为最大, 橘红色区段次之。通过目视观察可以看到, 在断裂交叉、复合部位(或附近)都存在含矿性异常, 这与研究区内的铀矿床(体)严格受断裂控制的野外测量情况相一致, 且白石脚、两安与长冲等铀矿点都出现在断裂异常部位, 进一步证明了利用本文方法进行的研究区各断裂带的铀矿含矿性评价结果是客观的, 可应用于下一步实地铀矿勘查找矿工作中。

5 结论

1)利用ETM+热红外图像数据反演的地温异常信息应用价值较大。本文研究区中已探明的铀矿点都落入地表温度高值异常区内, 且与控矿断裂的分布位置有一定的相伴规律, 证明本文研究区内地表温度异常是铀矿控矿的必备要素, 对铀矿矿化指示性较强。

2)本文研究区中的已知铀矿点严格受断裂控制, 且白石脚、两安与长冲等铀矿点都在断裂异常部位, 并与本文对研究区主断裂含矿性评价结果一致, 进一步证明了利用本文方法进行的研究区各断裂带的含矿性评价结果是客观的, 可以应用于下一步实地铀矿勘查找矿工作中。

3) 基于ETM+6热红外遥感数据和γ 能谱数据反演的地温异常信息在花岗岩型铀矿预测应用中有很大的应用价值与潜力。

The authors have declared that no competing interests exist.

参考文献
[1] 张金带, 李友良, 简晓飞. 我国铀资源勘查状况及发展前景[J]. 中国工程科学, 2008, 10(1): 54-60.
Zhang J D, Li Y L, Jian X F. Situation and development prospect of uranium resources exploration in China[J]. China Engineering Science, 2008, 10(1): 54-60. [本文引用:2] [CJCR: 0.2412]
[2] 黄国龙, 朱捌, 吴烈勤, . 华南花岗岩型铀矿勘查现状及找矿方向[J]. 铀矿地质, 2006, 22(6): 345-349.
Huang G L, Zhu J, Wu L Q, et al. Exploration situation and direction of granite type uranium deposits in South China[J]. Uranium Geology, 2006, 22(6): 345-349. [本文引用:1] [CJCR: 0.765]
[3] 金小平. 遥感技术应在矿产资源潜力评价中发挥突出作用[N]. 中国矿业报, 2010-07-03(05).
Jin X P. Remote sensing technology should play a prominent role in the mineral resource potential assessment[N]. China Mining Report, 2010-07-03(05). [本文引用:1]
[4] 王俊虎, 张杰林, 刘德长. 热红外遥感技术在铀矿勘查中的应用潜力探讨[J]. 世界核地质科学, 2011, 28(1): 32-41.
Wang J H, Zhang J L, Liu D C. Discussion on the application potential of thermal infrared remote sensing technology in uranium deposit exploration[J]. World Nuclear Geoscience, 2011, 28(1): 32-41. [本文引用:1] [CJCR: 0.1786]
[5] 徐世光, 郭远生. 地热学基础[M]. 北京: 科学出版社, 2009: 9-29.
Xu S G, Guo Y S. Fundamental of geothermal[M]. Beijing: Science Press, 2009: 9-29. [本文引用:1]
[6] 葛碧如, 滕吉文, 郑新江, . 诺阿卫星探察隐伏构造、地热及水分布[M]. 北京: 气象出版社, 1998: 1-2.
Ge B R, Teng J W, Zheng X J, et al. NOAA satellite explore hiddenstructure, Geothermal and water distribution[M]. Beijing: China Meteorological Press, 2009: 9-29. [本文引用:1]
[7] 涂梨平. 利用Land sat TM数据进行地表比辐射率和地表温度的反演[D]. 杭州: 浙江大学资源与环境学院, 2006: 1-3.
Tu L P. Using Land sat TM data to inverse surface emissivity and surface temperature[D]. Hangzhou: College of Environmental and Resource Sciences of Zhejiang University, 2006: 1-23. [本文引用:1]
[8] 周彦儒. 热红外遥感技术在地热资源调查中的应用与潜力[J]. 国土资源遥感, 1998, 10(4): 24-28.
Zhou Y R. The application of thermal infrared remote sensing techniques in geothermal surveying[J]. Remote Sensing for Land and Resources, 1998, 10(4): 24-28. [本文引用:1]
[9] Valor E, Caselles V. Mapping land surface emissivity from NDVI: Application to European, African, and South American areas[J]. Remote Sensing of Environment, 1996, 57(3): 167-184. [本文引用:1] [JCR: 5.103]
[10] 吴文渊. 从热红外遥感获取断裂相关信息的分析方法研究[D]. 杭州: 浙江大学, 2011: 26-27.
Wu W Y. Analyzing method of thermal information associated with faults based on thermal infrared remote sensing[D]. Hangzhou: Zhejiang University, 2011: 26-27. [本文引用:1]
[11] 覃志豪, 李文娟, 徐斌, . 陆地卫星TM6波段范围内地表比辐射率的估计[J]. 国土资源遥感, 2004, 16(3): 28-32, 36, 41.
Qin Z H, Li W J, Xu B, et al. The estimation of land surface emissivity for Land sat TM6[J]. Remote Sensing for Land and Resources, 2004, 16(3): 28-32, 36, 41. [本文引用:1]
[12] Water L S, Salisbury J W. Spectral characterization of igneous rocks in the 8-to 12-μm region[J]. Journal of Geophysical Research, 1989, 94(B7): 9203-9213. [本文引用:1]
[13] 黄晓娟. 基于RS与GIS的广西花山岩体铀矿找矿预测研究[D]. 桂林: 桂林理工大学, 2011.
Huang X J. Study on prospecting uranium deposits in Huashan granite body, Guangxi based on GIS and RS[D]. Guilin: Guilin University of Technology, 2011. [本文引用:1] [CJCR: 0.3908]