武功山隆起区地热资源预测遥感方法研究

图1 武功山隆起地质简图

1.第四系; 2.古近纪-新近纪地层; 3.白垩纪地层; 4.侏罗纪地层; 5.三叠纪地层; 6.二叠纪地层; 7.泥盆-石炭纪地层; 8.寒武纪地层; 9.青白口-震旦纪地层; 10.燕山期花岗岩; 11.印支期花岗岩; 12.加里东期花岗岩; 13.基性、超基性岩脉; 14.地质界线; 15.岩相界线; 16.不整合接触界线; 17.断层; 18.推测断层; 19.韧性剪切带; 20.地热井; 21.温泉; 22.县名/乡镇名

Fig.1 Geological map of Wugongshan uplift

区内岩浆活动强烈,具多期活动特征,以加里东期最强,其次为燕山期。加里东期岩浆活动形成大规模花岗岩基,以武功山、洪江、张家坊、山庄等岩体为代表。武功山和洪江岩体呈不规则状或近椭圆状,整体北北东向展布。侵入震旦-寒武纪变质地层中,并被青龙山、温汤等燕山期岩体所侵入。燕山期岩浆活动多形成花岗岩株,少量形成岩基,代表性岩体有青龙山、温汤、浒坑、雅山、防里、下桐岭等。

区内广泛发育北东向断裂,其中温汤-新泉断裂和洪江-莲花断裂为已知控热断裂,控制了本区大部分已知地热。温汤-万龙山断裂呈北东东向展布,倾向南东,延长大于60 km,宽10~150 m不等,分带性明显、切割深且具多期活动的特点。洪江-莲花断裂带呈北东走向,倾向北西,倾角60°~80°,延长上百千米,宽几十米至几百米不等,断裂总体为逆断层,南西段局部为正断层,具多期次活动。

1.2 已知地热遥感构造特征

武功山地区已发现地热水8处(表1),主要分布于武功山隆起北西侧和南东侧,已知地热与花岗岩体和断裂构造关系密切,主要特征如下:

表1 研究区已知地热基本特征表

Tab.1 The basic characteristics table of known geothermal in the study area

序号	位置	水温/℃	流量/ (m³·d^-1)	地层/ 岩性	备注
1	袁州区温汤	66.0	3 700.0	ηγS	温泉/地热井
2	芦溪县万龙山	58.0	2 200.0	ηγS	地热井
3	袁州区夏家坊	42.0	1 200.0	ηγS	地热井
4	袁州区梅家桥	45.0	1 000.0	ηγS	地热井
5	芦溪县新泉	30.0	900.0	ηγJ	地热井
6	袁州区洪江	49.8	824.3	ηγS	地热井
7	安福县泰山乡高峰	77.0	1 600.0	ηγS	地热井
8	安福县钱山乡金汤	43.0	800.0	ηγS	地热井

1)已知地热分布受断裂构造控制。已知地热按其分布特征可分为2个地热带,分别为温汤-万龙山地热带和洪江-钱山地热带。温汤-万龙山地热带受温汤-新泉NE向压扭性断裂带控制,分布有5处已知地热,自北东往南西分别为梅家桥、温汤、夏家坊、万龙山和新泉,间距8~13 km。洪江-钱山的地热带受洪江-莲花NE向断裂控制,分布有3处已知地热,自北东往南西分别为洪江、高峰和赤江,间距18~19 km。

2)已知地热点的分布与花岗岩关系密切。8处已知地热点均分布于武功山复式花岗岩体中,其中分布于加里东期片麻状花岗岩中的有7处,仅新泉地热分布于燕山期花岗岩中。

2 遥感研究方法及特征

2.1 遥感数据的选择

本次研究选用卫星热红外数据源、多光谱数据源与高分辨率数据源,综合热红外数据空间分辨率和研究区面积,选用分辨率相对较高的ETM和有夜间时相的ASTER这2种数据进行地表温度反演,ETM热红外波段空间分辨率为60 m,将其重采样为30 m,Aster热红外空间分辨率为90 m。笔者认为从数据时相上考虑,Landsat7接收数据从1999年起,2000—2003年中国还未大规模进行城市扩张,且人类活动影响因素较小,选用寒冷冬天时相进行地表温度反演,有利于排除人类活动等干扰因素提取与温泉相关的温度信息,本次ETM时相为2002年1月7日; ASTER时相为2019年3月8日,共3景夜间数据。高分辨率数据源采用高分二号和Google Earth数据源,用于温泉相关遥感地质构造解译和地表温度异常信息甑别。地形数据采用91卫图助手下载的分辨率约10 m数字高程数据。

2.2 与温泉相关遥感因子

2.2.1 遥感解译构造

运用高分二号和Google Earth数据解译与武功山地区温泉相关的断裂构造,并进行实地调查,勾绘遥感温泉断裂构造素描图(图2),区内北北东-北东向深大断裂切割深度大,为地下水的深部循环及热岛提供有利条件,为控热构造,北西向或近东西向断裂为控水构造,常在“*”“入”字形构造交汇部位出露温泉,“*”构造条件更优。温泉与遥感解译控热构造距离大约在1 km内,与控水构造距离大约在250 m内。依据以上特征,解译全区断裂构造,重点解译北北东-北东西控热构造与北西向或近东西向控水构造。

图2

图2 武功山地区温泉解译构造图

Fig.2 Structural map of hot spring interpretation in Wugongshan area

2.2.2 地表温度

地下热水能通过渗流或对流的方式传递到地表并形成比当时所在地表背景温度高的真实地热异常,会被热红外传感器探测到。经前人研究验证,热红外遥感反演地表温度可为寻找地热异常点(区)提供相应的线索^{[1⇓⇓⇓⇓-6]}。采用ETM热红外数据采用辐射传输方程算法(又称大气校正法)反演武功山地区地表温度^[12⇓-14]。ASTER热红外数据采用分裂窗算法反演夜间地表温度^[15] 。

2.2.2.1 ETM地表温度反演

卫星传感器观测的热辐射总量包括大气对地表热辐射强度和地表热辐射强度,热辐射总量减去大气对地表热辐射强度得到地表热辐射强度,再将地表热辐射强度用普朗克公式反函数转化为地表温度^[12]。

卫星传感器观测的热红外辐射亮度值L_λ计算公式为:

(1)

L_{λ} = [ε B (T) + (1 - ε) L ↓] τ + L ↑

式中: ε为地表比辐射率; T为地表真实温度(K); B(T)为黑体热辐射亮度; τ为大气在热红外波段的透过率; L↓为大气向下辐射亮度; L↑为大气向上辐亮度(研究区ETM热红外波段大气透射率为0.88,大气向下辐射亮度为1.35 W/m²/sr/um,大气向上辐亮度为0.81W/m²/sr/um)。

温度为T的黑体在热红外波段的辐射亮度B(T)计算公式为:

(2)B(T) = [L_λ-L↑-τ(1-ε)L↓]/τε,

T用普朗克公式的函数获取,计算公式为:

(3)T =1 282.71/ln(666.09/ B(T)+ 1)。

2.2.2.2 ASTER地表温度反演

引用毛克彪等^[15]推导的基于 ASTER数据第13和14波段的地表温度计算公式为:

(4)

T_{s}

\frac{C_{14} (D_{13} + B_{13}) - C_{13} (D_{14} + B_{14})}{C_{14} A_{13} - C_{13} A_{14}}

(5)A₁₃=0.145 236ε₁₃τ₁₃,

(6)B₁₃ =0.145 236T₁₃+33.685τ₁₃ε₁₃ -33.685,

(7)C₁₃ =0.145 236 (1-τ₁₃)[1+(1-ε₁₃)τ₁₃],

(8)D₁₃ =33.685(1-τ₁₃)[1+(1-ε₁₃)τ₁₃],

(9)A₁₄ =0.132 66ε₁₄τ₁₄,

(10)B₁₄ =0.132 66T₁₄+30.273τ₁₄ε₁₄-30.273,

(11)C₁₄ =0.132 66(1-τ₁₄)[1+(1-ε₁₄)τ₁₄],

(12)D₁₄ =30.273(1-τ₁₄)[1+(1-ε₁₄)τ₁₄],

式中: τ₁₃和τ₁₄分别为ASTER第13和14波段的大气透过率; ε₁₃和ε₁₄分别为 ASTER第13和14波段的地表比辐射率; T₁₃和T₁₄分别为 ASTER第 13和14波段的亮度温度。

1)大气透射率计算。运用与ASTER数据同时相的MODIS数据19波段和2波段计算研究区大气水汽含量图像,计算公式^[15-16]为:

(13)w=

{(\frac{0.02 - l n (ρ (19) / ρ (2))}{0.651})}^{2}

式中: w为水汽含量; ρ为地表反射率; 通过大气水汽含量和ASTER热红外波段大气透过率之间的关系计算ASTER13,14波段大气透射率,公式为:

(14)τ13=1.02-0.104w,

(15)τ14=1.04-0.133w,

2)亮度温度计算。ASTER第 13、14波段的亮度温度可以由普朗克公式得出,公式为:

(16)T_i=

\frac{C_{1}}{λ_{i} l n (\frac{C_{2}}{I_{i} λ^{5}} + 1)}

式中: λ₁₃ =10.6 μm,λ₁₄ =11.3 μm,C₁=1.191 043 56×1 ${0^{- 16}}^{}$ W·m²,C₂=1.438 768 5×1 ${0^{4}}^{}$ μm·K; I_i为地表在第 13,14波段的辐射值^[17]。

3)地表比辐射率计算。绝大多数地物的地表比辐射率都大于0.9且变化小,在此次反演过程中,假定ASTER13,14波段地表辐射率为0.96^[18]。

2.2.3 羟基类蚀变

武功山地区已查明热水赋存断裂带裂隙中出现了与热水蚀变活动相关的碳酸盐化、绿泥石化强烈,断裂以及断裂交汇处的一些黏土也是水热蚀变的产物^[19⇓-21]。采用ETM 1,4,5,7波段运用异常主分量门限法提取羟基类蚀变^[8]。

2.2.4 土壤湿度

温泉是温度显著地高于当地年平均气温的地下水,地下水富集程度及埋深时影响土壤湿度的主要因素,地下水存在的参数因子可选取土壤湿度进行表征,在前人研究成果中,土壤湿度常作为遥感监测土壤干旱,也有学者通过反演土壤湿度预测地下水分布^{[22⇓⇓⇓⇓-27]}。运用光谱特征空间法提取土壤湿度信息。

根据ETM波段3、波段4、波段5和波段7的反射率数据建立的光谱特征空间散点图,构建土壤湿度监测模型^[27](图3)。当点E与B重合时, |OE|最小,土壤湿度最高; 当点E与C重合时,|OE|最大,土壤湿度最小。|OE|距离的大小反映了土壤湿度的大小。|OE|可以表达为:

(17)|OE|=

\sqrt[]{{r_{i}}^{2} + {r_{j}}^{2}}

图3

图3 土壤湿度监测模型

Fig.3 Soil moisture monitoring model

式中: $r_{i}$ , $r_{j}$ 分别为ETM第i波段和第j波段地表反射率; 为了使| OE |介于0~1之间,建立的ETM土壤湿度公式为:

(18)SMMI(i,j)=

\frac{| O E |}{| O D |} = \frac{\sqrt[]{{r_{i}}^{2} + {r_{j}}^{2}}}{\sqrt[]{2}}

计算SMMI(4,3),SMMI(5,3), SMMI(7,3),SMMI(5,4),SMMI(7,4)和SMMI(7,5),据文献[27]和图像之间对比分析,选择SMMI(7,4)为土壤湿度图像,将SMMI(7,4)取反,值与土壤湿度成正比,再与NDVI和NDWI进行主成分分析,将3个指数贡献率最大的主分量图像为土壤湿度图像,分析已知温泉土壤湿度特征。

2.2.5 地形地貌

从已查明的地下热水、泉可以看出,一般出露在地势低平、切割较深,有利于地表水、地下水汇集的山间盆地或山前地带。武功山温泉地形地貌、河流相似且处于不同走向的河谷交汇处。统计研究区高程和离水系距离是否存在规律性。

2.2.6 已知地热遥感特征

分析武功山地区已知温泉(钻孔)可以作为预测地热资源分布的模型特征变量的遥感因子(表2)。已知温泉热红外反演值、土壤湿度反演值和羟基异常值均处于高于背景值,温泉点也落在高程、水系一定范围之内。由表中可知,ETM平均值为15.78、ASTER平均值为6.14、羟基平均值为0.26、土壤湿度平均值为-0.016。

表2 已知地热与遥感因子的相关性

Tab.2 The correlation between known geothermal and remote sensing factors

序号	名称	ETM反演温度/℃	ASTER 反演温度/℃	羟基异常	土壤湿度	离水系距离/m	高程/m
1	温汤	19.30	8.60	1.52	0.039	195	173
2	万龙山	18.50	7.92	1.72	0.024	111	224
3	夏家坊	19.72	7.83	1.30	0.022	78	253
4	梅家桥	17.37	7.80	1.91	0.047	60	120
5	新泉	16.80	7.79	2.00	0.031	200	266
6	洪江	19.70	8.50	1.40	0.053	100	280
7	泰山	17.00	8.40	1.24	0.037	80	390
8	钱山金汤	19.60	8.20	1.85	0.049	116	211

2.3 遥感异常提取方法

2.3.1 基于统计方法的地表温度异常识别

根据研究区内地表温度概率分布提出的识别地表温度异常的统计方法。假定在研究区范围内的地表温度值呈正态分布,如图4所示,高于T_H地表温度的为高温异常区,低于T_L的地表温度为低温异常区。

图4

图4 基于统计方法的地表温度异常判别示意图

Fig.4 Land surface temperature anomaly discrimination diagram based on statistical method

结合江西地区大部分温泉点地表温度反演情况^①(①江西省地质调查勘查院, 遥感方法在地热资源调查与预测中的应用成果报告(内部资料).2021.),受环境辐射、发射率、混合像元、大气影响等影响因素,温泉并不一定落在基于统计方法确定的高温异常区域中,大部分落在中高温区域,应结合区域已知温泉的反演温度值,从已知点特征推测未知区域,来确定最终的阈值,进而圈定区域的地表温度异常区域。

2.3.2 借鉴化探编图思路的异常识别

借鉴化探编图常用的“均值+n倍方差”方法来表达蚀变遥感异常分布状态。利用直方图统计均值和方差,进行对异常信息进行阈值切割和分级^{[28⇓⇓-31]}。一般来说,n取1,2,3(图5)。武功山地区大部分温泉点的卫星遥感反演值并不落在偏高区域或均值+2倍标准差之上。本次研究以已知温泉的反演值为参照区间,套合分级异常区间确定预测因子取值范围。

图5

图5 正态分布曲线

Fig.5 Normal distribution curve

2.4 遥感异常提取

2.4.1 地表温度

ETM热红外反演温度1~23 ℃(图6),1~10 ℃温度区域主要分布在武功山岩体内高程值为1 650~1 918 m的山顶地区; 11~15 ℃温度区域主要分布在青白口-寒武纪变质岩及武功山岩体中; 16~18 ℃温度主要分布在武功山岩体、山庄岩体、泥盆-白垩纪沉积岩中; 19~23 ℃温度区域主要分布在武功山岩体以及第四系中。14~19 ℃区域成条带状,与断裂分布相似。通过与已知地热水叠加分析,确定寻找本区地热水I级温度区间和II级温度区间2个预测因子,分别为18.75~20.24 ℃和16.77~18.75 ℃。温汤温泉、夏家坊地热井、金汤、洪江温泉在I级温度区间,万龙山、新泉、梅家桥、泰山在二级温度区间。

图6

图6 ETM数据热红外反演温度图

Fig.6 Thermal infrared inversion temperature map of ETM data

ASTER数据是夜间数据,反演地表温度范围处于-1~16 ℃之间,高值区为水体温度和高程小于600 m的植被覆盖率高的地区。已知温泉与地热井在6~9 ℃之间的中温区。通过与已知地热水叠加分析,确定寻找本区地热水温度区为7.78~8.6 ℃。

2.4.2 羟基异常

异常主分量门限法提取羟基信息采用波谱角填图分类方法进行筛选,选取已知温泉异常范围内波谱均值,作为参考波谱,对提取的羟基信息进行优相似性化,进一步指明异常可能分布的区域范围^[32]。最后运用高分辨率遥感影像、地质构造叠加对假异常信息进行甄别,人工排除后形成最终羟基异常图(图7)。

图7

图7 羟基分布图

Fig.7 Anomaly distribution map of hydroxyl

羟基异常平均值为0,标准差为1.04,根据已知地热水与羟基的相关性,按“平均值+1.25标准差-平均值+2倍标准差”提取水热蚀变。

2.4.3 土壤湿度

利用遥感近红外-热红外波段采用光谱特征空间法反演土壤湿度,土壤湿度反演平均值为-0.016,标准差为0.048 9,在平均值基础上扩大标准差的0.5,0.75,1和1.5倍得,0.08,0.02,0.032 7和0.057 5,大于0.057 5区域基本上为水域、河流阶地和第四系,通过对土壤湿度与温泉点的叠加分析,确定寻找本区地热水土壤湿度预测因子范围为0.02~0.057 5。

2.4.4 高程与水系

基于ArcGIS平台,运用水文分析法^[33-34],利用10 m分辨率DEM数据提取等高线和水系,本区已知地热点最高出露海拔为340 m,因此本次高程数据提取海拔低于350 m的范围为高程有利区。本区地热点分布在已提取水系距离小于250 m范围内,表明河流分布与水系关系密切,水系因子选择对提取水系作250 m缓冲区分析。

3 地热预测

3.1 预测因子

研究武功山地区温泉(钻孔)地质、遥感、物探特征,确定武功山地区预测因子及取值(表3)。

表3 武功山隆起预测因子一览表

Tab.3 List of predictors in Wugongshan uplift

分类	预测因子		因子取值	因子提取
地质	岩浆岩	Ⅰ级	加里东期花岗岩	提取加里东期花岗岩面文件
	岩浆岩	Ⅱ级	印支期、燕山期花岗岩	提取印支期、燕山期花岗岩面文件
	地层		寒武纪变质岩	提取寒武纪变质岩面文件
	断裂	已知控热断裂	温汤-新泉断裂、洪江-莲花断裂	断裂缓冲1 000 m
		推测控热断裂	区域NE向断裂	断裂缓冲500 m
		推测控水断裂	次级NW、近EW向断裂	断裂缓冲250 m
		断裂节点	控热断裂与控水断裂节点	断裂节点缓冲250 m
遥感	ETM反演温度	Ⅰ级	$\bar{x}$ +1.5倍标准差~ $\bar{x}$ +2.5倍标准差	18.75~20.24 ℃
	ETM反演温度	Ⅱ级	$\bar{x}$ +0.5倍标准差~ $\bar{x}$ +1.5倍标准差	16.77~18.75 ℃
	ASTER反演温度		$\bar{x}$ +1.5倍标准差~ $\bar{x}$ +2倍标准差	7.78~8.6 ℃
	羟基异常		$\bar{x}$ +1.25倍标准差~ $\bar{x}$ +2倍标准差	1.3~2.08
	土壤湿度		$\bar{x}$ +0.75倍标准差~ $\bar{x}$ +1.5倍标准差	0.02~0.057 5
	DEM	高程	低于390 m	提取高程低于390 m面文件
	DEM	水系	水系	缓冲250 m
物探	航磁^①		低于0 nT	提取低于0 nT面文件
物探	重力		低于-56 m/s²	提取低于-56 m/s²面文件

①: 航磁、重力因子资料来源1∶20万航磁等值线平面图和布格重力等值线平面图。

3.2 预测方法

本次采用3种基于GIS的数学地质统计预测方法,方法广泛应用于找矿靶区或远景区圈定^{[35⇓⇓⇓⇓-40]},预测因子由地质因子、遥感因子和物探因子组成,3种预测方法并进行叠加综合分析,扬长补短,圈定最终地热预测靶区。

3.2.1 证据权预测方法

1)方法原理。证据权方法数学原理为: 研究区网格化,划分N各面积相等的单元, $P (D) = \frac{D}{N}$ 为先验概率,对任意一个证据因子,成热贡献正负权重分别为:

(19)

W^{+}

l n \{\frac{P (B / D)}{P (B / \bar{D})}\}

(20)

W^{-}

l n \{\frac{P (\bar{B} / D)}{P (\bar{B} / \bar{D})}\}

式中: $W^{+}$ 为证据因子存在的权重值; $W^{-}$ 为证据因子不存在区的权重值; D为含有地热的单元数; $\bar{D}$ 为不含地热点的单元数; B为存在证据因子地区的单元数, $\bar{B}$ 为不存在证据因子地区的单元数。对n个证据因子,后验概率的几何对数 $l n O$ 表示为:

(21)

l n \{O (D / B_{1}^{k} B_{2}^{k} \dots B_{n}^{k})\} = \overset{n}{\sum_{j = 1}} w_{j}^{k} + l n O (D)

(22)

w_{j}^{k} = \{\begin{array}{l} w^{+} \\ w^{-} \\ 0 \end{array} \begin{array}{l} 当 证 据 因 子 存 在 时 的 权 重 \\ 证 据 因 子 不 存 在 时 的 权 重 \\ 数 据 缺 失 时 的 权 重 \end{array}

式中: $B_{j}$ 为第j个证据图层; k在j个证据图层存在时是+,不存在时是-; $W_{j}$ 为第j个证据图层权重。

得后验概率为P=O/(1+O),后验概率值为地热出现的概率值,根据后验概率值制作地热预测图。

2)预测结果。证据权法预测后验概率等值线图显示,异常总体呈北东向串珠状展布,与区内已知控热断裂相关性较高(图8)。单异常呈次圆状、不规则椭圆状、哑铃状,异常分带性好,浓集中心明显。

图8

图8 武功山隆起证据权法预测后验概率图

Fig.8 The posterior probability map of evidence power method in Wugongshan uplift

结合实际成图的分级情况,确定后验概率≥单异常呈为Ⅰ级,0.55≤后验概率<0.78为Ⅱ级,后验概率<0.55不具成热条件。从预测效果来看,已知地热均分布于Ⅰ级有利单元,且大部分位于异常中心。

3.2.2 找矿信息量预测方法

1)方法原理。找矿信息量法是通过计算各种因子变量所提供的关于地热存在的信息量,用信息量评价与地热密切程度,计算各因子信息量,评价各个单元的找热有利程度,预测找热远景区的统计分析方法。

某种标志的找热信息量用条件概率计算,运算时,用样本频率值来估计总体概率值。计算公式为:

(23)IA=

l n (N_{j} / N) (S_{j} / S)

式中: IA为标志A地热的信息量; $N_{j}$ 为研究区内有标志A的含热单元数; N为研究区的含热单元总数; $S_{j}$ 为研究区具有标志A的单元数; S为研究区的单元总数。若IA=0,标志A存在与对找热无关; 若为负值,表示在标志A存在对找热不利; 若为正值,表示标志A能提供找热信息,数值大小与提供找热信息量成正比。

2)预测结果。找矿信息量等值线图显示,异常总体呈北东、北北东向串珠状展布,与区内已知控热断裂相关性较高,分布特征与证据权法基本一致(图9)。结合实际成图的分级情况,确定以10为下限圈定找矿信息量有利单元,其中找矿信息量≥下限圈定找为Ⅰ级,16.25>找矿信息量≥找矿信息量为Ⅱ级,13.75>找矿信息量≥找矿为Ⅲ级,找矿信息量<10不具成热条件。从预测效果来看,已知地热有5处分布于Ⅰ级有利单元内,3处分布于Ⅱ级有利单元内,预测效果较好。

图9

图9 武功山隆起找矿信息量等值线图

Fig.9 The isoline map of prospecting information quantity in Wugongshan uplift

各预测因子的信息量代表了其与已知地热点的相关性,找矿信息量越大,表示其与成热的相关性越高。各预测因子信息量见表4,其中信息量最高的为羟基异常,其他信息量大于1的预测因子从高到低依次为已知控热断裂、控水断裂、推测控热断裂、ETM反演温度I级,反映了断裂、遥感解译的羟基异常、热红外反演温度对地热较的控制作用。地质因子信息量之和占总信息量54.8%,遥感占37.8%,物探占7.4%,遥感因子总体贡献率较高,最高贡献率的羟基异常通过多光谱提取→遥感因异常筛选→叠加地质信息筛选后,羟基异常通过排除假异常后,对地热水有较强指示性。

表4 武功山地区预测因子信息量表

Tab.4 Wugongshan area predictor information

序号	预测因子	信息量
1	已知控热断裂	2.710 413
2	推测控热断裂	1.657 491
3	岩浆岩I级	0.932 473
4	岩浆岩Ⅱ级	0.964 211
5	地层	-0.205 117
6	控水断裂	2.689 192
7	断裂交点	3.810 619
8	ETM反演温度I级	1.259 381
9	ETM反演温度Ⅱ级	0.662 196
10	ASTER反演温度	0.330 703
11	羟基异常	4.987 396
12	湿度	0.253 339
13	高程	0.381 184
14	水系	0.705 885
15	航磁	0.795 348
16	重力	0.848 347

3.2.3 特征分析预测方法

1)方法原理。特征分析法是一种多元统计分析方法,表现为类比的数学思想。通过研究已知地热所在单元的控热变量特征,确定各个因子变量的成热和找热意义,建立成热类比模型。再将类比模型应用到已知地热以外的预测区域,进行预测单元与模型单元的各种因子特征进行类比分析,类比相似程度表示预测单元的成热相似性,以此计算预测单元成热概率,从而圈定有利成热的远景区。

2)预测结果。特征分析法预测的成热概率图显示(图10),有利单元总体呈北东、北北东向串珠状展布,与区内已知控热断裂相关性较高。大致以成热概率0.5为下限来圈定有利单元,结合实际成图的分级情况,确定以0.5为下限圈定特征分析法有利单元,其中成热概率≥下限圈为Ⅰ级,0.8>成热概率≥成热概率为Ⅱ级,0.65>成热概率≥成热概为Ⅲ级,找矿信息量<0.5不具成热条件。从预测效果来看,已知地热有5处分布于Ⅰ级有利单元内,3处分布于Ⅱ级有利单元内,预测效果较好。

图10

图10 武功山隆起特征分析法预测成热概率图

Fig.10 The characteristic analysis method predicts the thermal probability diagram in Wugongshan uplift

3.3 综合分析

根据前述3种方法预测成果,证据权法预测图划分了2类有利单元(Ⅰ,Ⅱ级)、找矿信息量法和特征分析法预测图划分了3类有利单元(Ⅰ,Ⅱ,Ⅲ级)。根据3种预测成果,采取空间叠加分析的方法,将地热有利区按成热潜力由高至低分为A,B,C这3类,并建立分类标准,见表5和图11。

表5 地热有利区划分标准

Tab.5 The division standard of geothermal favorable area

有利区分类	圈定条件			数量
有利区分类	证据权法	找矿信息量法	特征分析法	数量
A类	Ⅰ级	Ⅰ级	Ⅰ级	8
B类	Ⅱ级及以上	Ⅱ级及以上	Ⅱ级及以上	18
C类	—	Ⅲ级及以上	Ⅲ级及以上	31
合计				57

图11

图11 武功山隆起地热预测成果图

1. Ⅰ级预测单元; 2. Ⅱ级预测单元; 3. Ⅲ级预测单元; 4.A类地热有利区; 5.B类地热有利区; 6.C类地热有利区; 7.县名/乡镇名

Fig.11 Geothermal prediction result map in Wugongshan uplift

以上圈定的57处地热有利区,8个A类地热有利区中均含包已知地热点, B类地热有利区中截止目前打出一处地热水,江西省地质局第四地质大队在B10有利区内打出温泉,水温达51.6 ℃。C类地热有利区未打出地热水。证明本次预测结果可信度较高。

以“就热找热”的指导思想,武功山地热均为北东向控热断裂与北西或东西向控水构造组合,围岩是花岗岩,今后应重点对B级有利区开展大比例尺地质调查、水文调查、物探等工作。

4 结论

1)武功山穹隆深部蕴藏着巨大热能,为地热水的形成提供了热源; 区域性北东向断裂构造为沟通深部热源的通道,控制了已知地热的总体展布; 构造复合部位控制了地热的定位,温泉常出露在“*”“入”字形构造交汇部位,其中“*”字形构造条件更优。

2)在武功山地区成热地质条件和遥感技术研究基础上,提出地热遥感预测因子。地热遥感预测因子是从各类地质特征中研究提取与成热相关的特征因子。研究主要采用已知地热地质特征和原理推断以确定预测因子,共包括高程、地层、岩浆岩、控热断裂、导水断裂、断裂交汇、航磁、重力、反演地表温度、羟基蚀变、土壤湿度、水系等12项。运用3种基于GIS的数学地质统计预测方法,是一种实用的人工智能预测方法,在有利区内打出水温达51.6 ℃温泉,证明该预测方法有效性,能减少野外调查工作量,可为地热预测提供新思路。

3)虽然本方法体系采用遥感因子、地质因子和物探因子对研究区进行深入研究和预测,但各项因子未考虑因子权重,应通过专家经验进行权重打分以指导算法改进。且卫星热红外数据分辨率低,代表的是混合像元的温度,真实热异常信息微弱,导致温度取值区间范围大,图元多,导致因子贡献率偏低。

4)卫星数据满足不了大比例尺矿区或靶区成像精度要求,后续大比例尺研究中需要运用较高精度热红外数据,国外已有研究机构运用无人机热红外技术为地热勘查提供技术服务,为勘查选区提供依据。之后研究应开展卫星结合航空热红外遥感技术提供高精度的数据,重点开展航空热红外遥感技术研究与应用,提高地热调查与预测的准确性。

志谢

本文基于遥感方法在地热资源调查与预测中的应用项目成果编写而成,是项目全体人员集体成果的结晶。中国地质大学(武汉)张志教授团队在遥感专业技术方面给予了极大的帮助,江西省地质局余忠珍教授级高工、唐维新教授级高工、周雷教授级高工、江西省地质调查勘查院楼法生教授级高工在研究过程中提出了宝贵的建议,在此一并表示感谢!

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

杨俊颖, 温夏伟, 谭红兵.

西藏尼木地区遥感数据地温反演与地热异常预测

[J]. 地质论评, 2021, 67(6):1770-1779.

Yang

J Y

, Wen

X W

, Tan

H B

Land surface temperature using remote sensing data inversion and prediction of geothermal anomaly area in Nimu,Xizang(Tibet)

[J]. Geological Review, 2021, 67(6):1770-1779.

[2]

熊永柱, 陈峰, 黄少鹏.

基于遥感技术的腾冲地热异常区识别

[J]. 成都理工大学学报(自然科学版), 2016, 43(1):109-118.

Xiong

Y Z

, Chen

, Huang

S P

Application of remote sensing technique to the identification of geothermal anomaly in Tengchong area,southwest China

[J]. Journal of Chengdu University of Technology(Science &Technology Edition), 2016, 43(1):109-118.

[3]

辛磊, 刘新星, 张斌.

遥感影像地表温度反演与地热资源预测——以石家庄地区为例

[J]. 地质力学学报, 2021, 27(1):40-51.

Xin

, Liu

X X

, Zhang

Land surface temperature retrieval and geothermal resources prediction by remote sensing image:A case study in the Shijiazhuang area,Hebei Province

[J]. Journal of Geomechanics, 2021, 27(1) :40-51.

[4]

贺金鑫, 孙焕朝, 李文庆,

等.

基于热红外遥感数据辽东地热区地表温度反演

[J]. 吉林大学学报(信息科学版), 2018, 36(1):62-68.

J X

, Sun

H Z

, Li

W Q

et al.

Land surface temperature retrieval in eastern Liaoning geothermal area based on thermal infrared remote sensing data

[J]. Journal of Jilin University(Information Science Edition), 2018, 36(1):62-68.

[5]

孙焕朝.

丹东—辽阳热红外遥感地温反演与地热资源探测方法研究[D]. 长春: 吉林大学, 2018.

Sun

H Z

Land surface temperature retrieval based on thermal infrared remote sensing data and research on the exploring methodology of geothermal resources in Dandong-Liaoyang[D]. Changchun: Jilin University, 2018.

[6]

刘效才, 江泳, 刘孝阳,

等.

Landsat ETM+遥感数据在寻找临沂地热中的应用

[J]. 山东国土资源, 2015, 31(5):76-81.

Liu

X C

, Jiang

, Liu

X Y

et al.

Application of Landsat ETM+ remote sensing data in searching geothermal field Linyi City

[J]. Shangdong Land Resources, 2015, 31(5):76-81.