《Sustainability》:A Reliability-Aware Landsat Framework for Sustainable Geothermal Resource Potential Assessment: A Case Study from Quzhou, Eastern China
编辑推荐:
摘要:地表温度(Land-Surface Temperature, LST)热红外异常可辅助早期地热普查,但在湿润、植被覆盖度高且城市化的低温地热区,LST易受下垫面、地形及人类活动的干扰。本研究针对中国东部衢州建立了一种可靠性感知(reliability-a
摘要:地表温度(Land-Surface Temperature, LST)热红外异常可辅助早期地热普查,但在湿润、植被覆盖度高且城市化的低温地热区,LST易受下垫面、地形及人类活动的干扰。本研究针对中国东部衢州建立了一种可靠性感知(reliability-aware)的Landsat 8筛查框架。研究人员选取2016—2025年Landsat 8 Collection 2冬季影像进行去云处理并反演为LST(地表温度),采用逐像元中位数合成;利用归一化植被指数(NDVI)、归一化建筑指数(NDBI)和归一化水体指数(NDWI)掩膜削减植被、不透水面及水体的热干扰;将标准化LST异常与3 km局部起伏(local relief)约束相结合,进行候选异常斑块矢量化,并基于热持续性(thermal persistence)、地形背景、下垫面可靠性(land-cover reliability)、构造邻近性和岩性/接触带有利度进行斑块评分。一般冬季LST异常与强LST异常分别约占64.4 km2和22.3 km2,可靠性筛选前不透水面占比分别为55.97%和67.65%;经地形约束工作流将候选区缩减至约22.2 km2,对267个斑块排序后得到27个极高风险 reconnaissance 优先级斑块。最高分斑块普遍具热持续性好、下垫面干扰低、距断裂近及岩性/接触带有利等特征,代表相对普查优先级而非已证实资源。因此,利用Landsat LST异常进行地热靶区优选前须进行综合可靠性筛查。
论文解读:考虑可靠性感知的Landsat框架用于可持续地热资源潜力评估——以中国东部衢州为例
该文发表于《Sustainability》,研究对象为中国浙江省西部衢州地区,旨在解决湿润、植被发育且城市化进程中低温水热地热系统中,仅靠 Landsat 反演的地表温度(Land-Surface Temperature, LST)热红外异常识别地热远景区时,受城市热岛、植被物候、水体及地形辐射效应干扰而产生大量假阳性的问题。现有研究多直接叠加断层、岩性等图层做地热有利度制图,较少在异常提取前系统剔除下垫面热干扰,也少对最终靶区给出各评价因子贡献度及不确定性说明。由于已知地热显示点稀少且精度有限,无法进行常规有监督验证。因此研究人员提出一套"可靠性感知(reliability-aware)"的工作流:先在 LST 异常提取前用光谱指数掩膜常见非地热热源,再用多年冬季中位数合成抑制天气噪声,叠加3 km局部地形起伏(local relief)约束排除平原人为热异常,将候选像元转为对象级斑块(patch),并从热异常、地形、下垫面可靠性(land-cover reliability)、构造控制和岩性/接触带有利度五方面进行多准则打分(MCDA),最终输出相对普查优先级供野外跟进,而非标定绝对成藏概率。
主要关键技术方法:
研究人员获取2016—2025年衢州地区 Landsat 8 Collection 2 Level-2 Tier 1 冬季(12月—次年2月)影像99景(云量<50%),在 Google Earth Engine 中利用 QA_PIXEL 波段去除云、云影、雪和卷云,按 Collection 2 定标系数将 ST_B10 波段转为摄氏度单位 LST;计算 NDVI、NDBI、NDWI,以 NDVI≥0.55、NDBI≥0.20、NDWI≥0.10 掩膜高密度植被、强不透水面及水体后,逐像元取多年冬季 LST 中位数合成,计算标准化 Z 得分异常(Z=(LSTi?mean)/std)。从 SRTM DEM 求算坡度及3 km移动窗口内最大与最小高程差即3 km局部起伏(Relief3km),提取 Z>1.5 且 Relief3km>150 m 的候选像元,八连通栅格转矢量得候选斑块。对每个斑块统计平均Z值、最大Z值、像元数(热持续性)、平均 Relief 与坡度、不透水面/水体/裸地占比、至主要断层距离及断层密度、岩性组成及有利接触带距离,各变量以5%~95%百分位截断归一化后,按热异常(权重0.20)、地形(0.12)、下垫面可靠性(0.10)、构造控制(0.30)、岩性/接触带有利度(0.28)加权求和得地热潜力评分(Geothermal Potential Score, GPS),按评分百分位划分潜力等级。岩性有利度依据简化岩类面积加权赋值(侏罗系火山—沉积岩0.85,古生界碳酸盐岩0.80,志留—泥盆系碎屑岩0.70,白垩—古近系红层0.65,前寒武—震旦系基底0.60,第四系0.35)。已知地热点(衢江DR2井、龙游千秋探采井、江山长台ZK1)不参与打分,仅作独立空间一致性检验。
研究结果:
4.1. Winter LST Anomaly Pattern and Candidate Pixels(冬季LST异常格局与候选像元)
研究人员经 NDVI/NDBI/NDWI 掩膜后的冬季 LST 中位数合成显示,一般热异常(Z>1.5)面积约64.4 km2,强异常(Z>2.0)约22.3 km2,沿盆地边缘、河谷边缘及西南山前零星分布。施加 Relief3km>150 m 约束后候选像元面积约22.23 km2,矢量化得267个候选斑块,实现孤立单像元与空间连续簇的区分。
4.2. Land-Cover Interference and Threshold Sensitivity(下垫面干扰与阈值敏感性)
基于 CLCD 2020 土地覆被数据,原始一般与强异常中不透水面分别占55.97%和67.65%;经150 m Relief 约束后降至33.86%,森林与耕地占比上升。阈值敏感性分析表明,Relief 阈值由100 m升至250 m时候选区由26.42 km2缩至13.76 km2,不透水面污染由37.85%降至17.42%,但同时损失部分可能有意义的盆地边缘异常,故150 m被视为本区早期普查的平衡折衷值。
4.3. Terrain and Structural Context(地形与构造背景)
地形与断层叠合分析确认3 km局部起伏约束能有效保留盆地—山地过渡带中断裂发育、地质可解释性强的区域;统计显示大部分候选像元距主要测绘断层在数千米内,符合山前断裂控热概念模型预期。
4.4. Geological Favorability and Patch-Based Ranking(地质有利度与斑块级排序)
简化岩类分组及有利接触带(红层盆地边缘接触、第四系—基岩接触、火山岩—古生界基岩接触)参与评分后,267个斑块按 GPS 分四级:极低—低(<P50)、中等(P50~P75)、高(P75~P90)、极高(≥P90),其中极高级27个。各因子分项得分可供判断某靶区主要受构造、热异常或岩性驱动。
4.5. Follow-Up Target Zones(后续普查靶区)
排名前五靶区(T001–T005)均表现出热持续性较好、下垫面干扰低及构造—岩性有利的组合特征,其中T001热异常与地质得分最高(T=0.95,G=0.93),T005构造得分最强(S=0.99),T004为单像元斑块列为低置信度检查点。三个已知地热显示点不在最终前五斑块内但与一般LST异常带相距数百米至约2 km(衢江DR2距最近一般异常317 m,龙游千秋530 m,江山长台约2.0 km),说明热异常层具区域相关性,而地形约束排序是偏保守的野外优先化产品。
讨论与结论翻译总结:
讨论指出单纯 LST 异常不足以在湿润城市化低温区圈定地热靶区,本研究通过显式下垫面可靠性筛查、地形约束及斑块因子分解降低了假阳性并提升排序可追溯性;局部 Relief 约束旨在提高地质可解释性而非假定高起伏等于地热活动,150 m 阈值为侦察性折衷;多指标(持续LST异常、低不透水面占比、山前高 Relief、断层邻近、有利岩性/接触)聚合时可靠性最高,分项得分使靶区驱动因素透明化;结果应视为普查排序产品,随更多验证样本出现可再校准。主要不确定源含 Landsat LST 反演误差、残余云与大气影响、地形辐射效应、季节水文变化、土地覆被分类误差、阈值选取、权重主观性及简化岩性分组等。
结论:(1)多年冬季 Landsat 8 LST 合成识别出一般与强相对热异常分别约64.4 km2和22.3 km2,但不透水面占一般异常的55.97%、强异常的67.65%,证明下垫面干扰是该区主导不确定因素;(2)Z 得分异常联合3 km局部起伏约束提取约22.2 km2候选像元并将不透水面占比压至33.86%,更严 Relief 阈值进一步降干扰但缩减候选区;(3)基于热持续性、地形、下垫面可靠性、构造及岩性/接触带有利度的斑块排序,在267个候选中识别27个极高风险普查优先级斑块,前五靶区因子构成各异,说明应报告分项得分;(4)该框架为可持续地热普查提供透明低成本初筛基础,最终靶区代表野外跟进相对优先级而非已证实资源,需经野外核查、重复热分析、水化学采样、地球物理勘探及适当钻探验证。