多光谱遥感和辐射测量数据在埃及东南部沙漠的Um Domi地区用于划定富集放射性元素的区域及其健康危害

《Journal of Radiation Research and Applied Sciences》：Multispectral remote sensing and radiometric data for delineating radioelement-enriched zones and their health hazards in Um Domi area, South Eastern Desert, Egypt

本研究综合实地调查、遥感技术和放射性检测，分析埃及Um Domi地区流纹岩体的放射性特征及其对健康的影响。结果显示，钾、铀、钍放射性浓度（平均1897.53±577.03 Bq/kg）显著超过国际标准，并受构造控制与黏土、铁矿物富集区相关，长期接触可能导致健康风险。

　　在这项研究中，科学家们通过对埃及南部东沙漠地区的Um Domi岩体进行了详细的实地调查、遥感技术应用、岩石薄片分析以及放射性检测，旨在提高岩石的岩石学特征，并评估其对人类健康的潜在危害。研究团队结合多种方法，从岩石学和放射性角度对Um Domi地区的地质特征进行了深入探讨，同时利用先进的技术手段，如Python编程和多光谱遥感数据，以实现对岩石类型和矿物化的精确识别。

Um Domi地区的岩体主要由一种称为trachyte的火山岩组成，其放射性元素含量显著高于国际公认的标准。具体来说，Um Domi trachyte中的钾-40（⁴⁰K）浓度达到了1142.45 ± 181.46 Bqkg^?1，铀-238（²³⁸U）浓度为1196.60 ± 323.52 Bqkg^?1，钍-232（²³²Th）浓度为755.08–444.32 Bqkg^?1，总体放射性浓度平均为1897.53 ± 577.03 Bqkg^?1。这些数据表明，Um Domi地区的放射性水平远高于全球范围内的平均水平，显示出该地区可能存在显著的放射性风险。

研究团队通过多种方法评估了这些岩石的放射性影响。首先，使用了多光谱遥感数据，包括ASTER、Landsat-8和Sentinel-2卫星图像，以增强岩石的岩石学特征识别。这些数据不仅提供了广阔的地理覆盖，还使得研究人员能够通过先进的技术手段快速、高效地分析地表特征，特别是关于放射性矿物的分布和地质结构的变化。通过使用Python编程语言，研究团队能够实现数据处理的自动化，从而提高研究的可重复性和灵活性。遥感数据的分析结果表明，黏土矿物和含羟基矿物在该地区的分布集中于花岗岩、trachyte以及Um Domi周围，而铁矿物的次生产物则分布在Um Domi的环状区域。此外，研究发现，高放射性样本往往位于黏土和铁矿物中等至高浓度的区域，这表明岩石的放射性与矿物的富集密切相关。

除了遥感分析，研究还涉及了对岩石样品的实验室分析。通过对Um Domi地区的十多个岩石样本进行检测，研究团队确定了其中放射性元素的含量，并计算了多种放射性风险指标，如外部和内部辐射指数（H_ex和H_in）、伽马指数（Iγ）、镭当量（R_aeq）、过量寿命癌症风险（ELCR）以及吸收剂量率（D）。这些指标的计算结果表明，Um Domi地区的岩石具有较高的放射性，其辐射水平超过了全球公认的安全标准，意味着这些岩石可能对人类健康构成潜在威胁。例如，外部和内部辐射指数均超过了全球建议的安全水平，表明长期接触这些岩石可能增加癌症和其他健康问题的风险。

此外，研究还探讨了放射性矿物在该地区的分布与地质结构之间的关系。通过分析岩石的矿物组成，研究人员发现，Um Domi地区的放射性矿物包括锆石、铀钍石、钾铀石和钛铁矿等，这些矿物含有放射性核素，是导致岩石高放射性水平的主要原因。这些矿物的存在与区域内的地质活动密切相关，尤其是与断裂带和岩浆活动有关。研究进一步指出，放射性矿物的分布受到地质构造的影响，尤其是在高断裂密度区域和高矿物化带中，放射性水平显著增加。

为了更好地理解这些放射性矿物的分布和其对人类健康的潜在影响，研究团队还结合了遥感数据分析和实验室检测结果，构建了一个综合模型。该模型考虑了潜在的放射性源岩、高矿物化区、断裂密度、主要断层以及含有放射性矿物的岩石样本，从而揭示了放射性潜力的结构控制特征。这种综合方法不仅提高了研究的准确性，还为未来的矿产勘探和地质灾害评估提供了重要的参考。

研究团队在方法论上采用了多种技术手段，包括数字高程模型（DEM）、最优指数因子（OIF）计算、主成分分析（PCA）、最小噪声分数（MNF）和聚类分析等。这些方法的综合应用使得研究人员能够有效地识别岩石类型和矿物化特征。例如，通过OIF计算，研究团队确定了Sentinel-2卫星图像中最佳的RGB波段组合，以增强岩石的岩石学对比度。此外，利用不同的波段比值（如B7/B5、B6/B7和B4/B2）进一步突出了不同矿物和岩石的特征，从而提高了岩石类型识别的准确性。

研究还通过遥感图像分类技术，如K-Means聚类和最大似然分类（MLC）以及支持向量机（SVM）算法，对Um Domi地区的岩石类型进行了分类。这些算法在该地区的应用结果显示，分类精度较高，能够有效地识别不同岩石单元，包括 metavolcanics、trachyte和沉积物等。此外，研究还对分类结果进行了精度评估，发现MLC和SVM算法在该地区的应用效果良好，能够准确地反映岩石的分布情况。

研究的结论指出，Um Domi地区的放射性水平显著高于国际标准，这可能对人类健康构成威胁。岩石的放射性与矿物化、地质结构以及区域内的断裂活动密切相关，因此在该地区的矿产勘探和地质调查中，需要特别关注这些因素。同时，研究还强调了遥感技术在地质调查中的重要性，特别是其在快速获取和分析大范围地质数据方面的优势。通过结合遥感技术和实验室分析，研究人员能够更全面地理解岩石的放射性特征及其对环境和人类健康的影响。

总的来说，这项研究通过多种方法对Um Domi地区的放射性矿物进行了详细分析，揭示了其与地质结构之间的关系，并评估了其对人类健康的潜在风险。研究结果不仅为该地区的矿产勘探提供了科学依据，也为未来的地质调查和环境评估提供了重要的参考。此外，研究还展示了Python编程语言在遥感数据处理和地质分析中的强大功能，使得数据分析更加高效和准确。