利用机器学习与热红外遥感技术提升鹰山地热田的地热勘探精度

《Geothermics》：Enhancing identification of geothermal prospection in Yingshan geothermal field using machine learning and thermal infrared remote sensing

　　

• •
  XGBoost显著提升了地表温度的精度以及空间细节表现。
• •
  土壤气体中的氡、汞元素以及地热梯度能够为热红外遥感提供验证依据。
• •
  热红外遥感可有效识别隐藏的地热断层。

引言

地表温度异常是地下地热储层的重要指示指标（van der Meer等人，2014；Sun等人，2022）。借助卫星平台，热红外遥感技术能够有效识别地表温度异常的区域（Qin等人，2011；Pandarinath等人，2019；Chen等人，2021；Pandarinath等人，2023；García-Soto等人，2024）。与磁法、电法等传统勘探方法相比，热红外遥感在检测地表温度异常方面更具精度、效率且成本更低（Wang等人，2019；Cigna和Tapete，2021）。该技术应用范围广泛，可用于监测城市热岛效应、探测火山活动、估算二氧化碳排放量以及获取地质结构信息（Chen等人，2021；Blackett，2017；Li等人，2019；Zhang和Meng，2019；Ramsey和Flynn，2020）。近年来，图像处理技术的进步使得热红外遥感在地热勘探中的应用更加深入，不仅可用于识别细微的地表温度异常，还能识别经过热作用改变的矿物，从而帮助我们更深入地了解地热系统。这些研究成果为地热资源的合理开发与利用提供了重要依据（Rodriguez-Gomez等人，2021；Reath和Ramsey，2013）。

尽管先进的传感器和卫星不断涌现，但卫星平台在空间分辨率和光谱分辨率方面的限制，依然阻碍着在更大规模的地热场获取信噪比更高的热红外数据。为提升卫星数据的解析精度，人们提出了多种方法，这些方法主要体现在所选解释变量以及分辨率提升模型的不同选择上。最初人们使用单因素和双因素模型，通过建立地表温度与植被覆盖指数之间的关联，将分辨率从公里级提升到米级（Kustas等人，2003；Agam等人，2007；Essa等人，2012；Weng等人，2014）。然而，在复杂的地形条件下，地表温度还会受到土地利用类型、地形特征以及海拔高度等多种因素的影响（Li等人，2019；Hutengs和Vohland，2016；Yang等人，2017；Ebrahimy和Azadbakht，2019；Xu等人，2020）。通过多参数归一化处理以及多元线性回归模型，整合湿度、水体、植被、建筑物等参数，能够进一步提升模型的性能和泛化能力（Hutengs和Vohland，2016；Govil等人，2019）。得益于人工智能的快速发展，机器学习越来越多地被用于解决热红外遥感中的复杂多参数问题，取得了更为理想的成果（Santamaría-Bonfil等人，2022；AlGaiar等人，2024；Al-Fakih等人，2024；Mejía-Fragoso等人，2024）。不过，如何进一步提升地表温度反演的精度与分辨率，以便与其他勘探方法相结合，依然是当前研究面临的重要挑战。

地热异常还可以通过热液作用形成的蚀变矿物来识别，这类矿物是热流体与周围岩石相互作用产生的（Littlefield和Calvin，2014；Y?ld?z等人，2018；Haggag等人，2026）。这类矿物包括明矾石、高岭石、蛋白石、方解石、白云母、蒙脱石、绿泥石、石膏以及辉锑矿。不同蚀变矿物的组合能够间接反映地热流体的性质、反应过程、储层的温度压力条件、热传导路径以及储层活动的强度（Benson，1994；Pentecost，1995）。对热液蚀变现象的研究已在多个地热田得到应用，比如羊八井地热田、腾冲热海地热田、洪堡-赖帕奇地热区、黄石国家公园以及加利福尼亚州的长谷破火山口，这些研究在地热勘探和资源评估中发挥了重要作用（Kruse，1999；Hellman和Ramsey，2004；Pickles等人，2004；Huenges，2010；Silver等人，2011；Vaughan等人，2012；Porwal和González-álvarez，2019）。

氡和汞也被用作示踪剂，用于检测与断层、裂隙以及地壳不连续面相关的土壤气体异常（Van Kooten，1987；Lescinsky等人，1987；Xiang等人，2020）。由于²²²Rn的半衰期仅为3.8232 ± 0.0004天，除非存在便于气体向地表扩散的通道，否则它很难在较长时间内向上迁移（Künze等人，2012；Yang等人，2018）。在断层上方、活火山附近以及地热区域，土壤中的氡浓度通常较高（Fu等人，2017）。在地下环境中，汞主要以气态形式上升，并以元素状态输送到地表。这些气态汞会吸附在浅层低温土壤中的有机物以及黏土矿物上，从而导致这些区域的汞浓度超过10 ppm（Oppenheimer，1995）。与周边地区相比，这些区域的土壤汞浓度明显偏高（Van Kooten，1987；Lescinsky等人，1987）。土壤中检测到的汞含量是积累过程和流失过程共同作用的结果。因此，土壤气体中的汞含量是判断地下是否存在地热流体的可靠指标（Wang等人，2006）。

因此，本研究的主要目标如下：（1）选取多时相卫星遥感数据，用于对鹰山地热田群的地表温度进行观测；（2）运用机器学习算法获取高空间分辨率的地表温度数据，并将其与DisTrad模型以及双线性插值方法的计算结果进行对比；（3）提取研究区域内蚀变矿物的分布信息；（4）结合地表温度异常与蚀变矿物的分布特征，再与研究区域内的地质构造、水文地质、地球化学以及地热数据相互对比，分析它们在指示深层地热异常方面的意义，进而确定潜在的地热资源分布区。本研究旨在明确鹰山地热田典型地热异常的地表特征，为该地区地热资源的进一步勘探和开发提供有效指导。

章节要点

地质背景

大别造山复合体位于中韩克拉通与扬子克拉通之间广阔的秦岭-大别缝合带的东端，被公认为是全球最重要的超高压变质岩区之一（Zheng等人，2019；Wu和Zheng，2013；Wang等人，2021）。大别造山带由多个主要的岩石构造单元组成（图1a）：（1）南大别高压变质单元；（2）中央大别超高压

卫星数据的选择与预处理

考虑到卫星过境时的气温、云层覆盖情况以及积雪等因素的影响，本研究采用了2021年3月24日获取的兩幅Landsat 8 OLI/TIRS Collection 2 Level-1 Precision and Terrain-corrected（L1TP）级别的第一级影像，以及与之时间匹配的MODIS影像，作为独立地表温度反演的主要输入数据。同时，还使用了与Landsat 8数据时间一致的Sentinel-2数据以及SRTM数据，并结合eXtreme

基准地表温度的一致性及空间降尺度效果

通过大气透射率、大气平均有效温度、亮温以及表面发射率等参数，我们获得了2021年3月24日研究区域的30米分辨率地表温度数据（LST30 m）。统计分析显示，该区域的地表温度范围在10.8℃到32.8℃之间，平均温度为19.9℃，标准差为2.14℃。在进行空间降尺度处理之前，我们将独立反演得到的LST_30m数据与美国地质调查局提供的对应数据进行了对比

结论

在本研究中，我们提出了一种多源遥感技术框架，用于大别造山带鹰山地热田的地热资源勘探，该框架整合了Landsat 8、MODIS、Sentinel-2、SRTM以及ASTER等多平台卫星数据，同时还结合了基于机器学习的空间降尺度技术以及热液蚀变识别技术。

我们的核心研究结果表明，基于XGBoost的降尺度方法能够有效克服传统方法的精度限制

CRediT作者贡献说明

张欣：论文撰写——审稿与编辑、论文撰写——初稿撰写、项目管理、数据采集、正式分析。 洪振涛：结果验证、软件应用、方法设计、数据采集、正式分析、数据整理。 谢贤军：论文撰写——审稿与编辑、资源协调、项目管理、资金筹集。 王彦鑫：项目监督、资源协调。 刘强：结果验证、资源协调。 徐海金：结果验证。 王晓：数据采集、数据整理。 任天宇：数据采集。 董培松：

张欣|洪振涛|谢贤军|王彦鑫|刘强|徐海金|王晓|任天宇|董培松