基于遥感技术的腾冲地热异常区识别

熊永柱, 陈　峰, 黄少鹏

(1.嘉应学院 资源环境信息研究所，广东 梅州 514015；

2.中山大学 大气科学学院 ，广州 510275；

3.西安交通大学 全球环境变化研究院，西安 710049；

4.密歇根大学 地球与环境科学系,美国)



基于遥感技术的腾冲地热异常区识别

熊永柱1, 陈峰2, 黄少鹏3,4

(1.嘉应学院 资源环境信息研究所，广东 梅州 514015；

2.中山大学 大气科学学院 ，广州 510275；

3.西安交通大学 全球环境变化研究院，西安 710049；

4.密歇根大学 地球与环境科学系,美国)

[摘要]重点探讨用遥感技术识别腾冲火山地热区的地表热异常。考察地表温度的概率分布，提出了基于统计方法来识别地表温度异常区的思路。同时，采用按高程信息来分区识别地表温度异常区，以减小腾冲地区高程对地表温度分布的影响，并结合遥感地质构造解译和蚀变岩体遥感填图结果，圈定腾冲地区地热异常区的空间分布情况。共发现8处地热异常区，其中3处是本次研究识别出来的。与有关地热田、热泉、火山的分布资料的对比分析，结果显示所圈定的地热异常区是较合理的。腾冲地热异常区的空间分布明显受到区内地质构造控制，并跟地表高温异常和岩体蚀变等遥感反演信息有密切的联系。

[关键词]遥感；地热资源；地质构造；岩体蚀变；腾冲

地热资源是指能够为人类所利用的地球内部的热能资源。作为一种清洁、绿色、低碳的可再生新能源，地热资源的开发利用对节能减排、缓解能源危机与气候变暖等方面有重要意义[1-4]，已引起学术界的关注。深部循环的地下水和来自极深处的岩浆侵入到地壳后，把热量从地下深处带至近表层，从而在地表显露出与地下热活动有关的地热异常信息。地热异常除直观地表现为地热异常区本身与周边环境有一定的温度差异外，地热的运移、储存等还受到地质条件的控制。因此，地热异常区圈定需要综合分析区域的温度异常、地形地貌、地质构造、地球物理、地球化学和岩体蚀变等特征信息。

遥感技术具有真实、客观、宏观反映地质体空间信息的特点，能较好地反映与地热地质体相关的区域地质构造及热储结构、热储盖层、地热异常等信息。地热异常的存在势必引起地形、土壤、植被、水体等的异常，分析遥感图像中的地表景观及环境变异，可为地热源探测提供线索。目前，遥感技术已被国内外学者应用于地热异常区的识别与提取，并取得了良好的应用效果，圈定出新的地热异常区[5-17]。杨波等通过对TM6波段热红外异常信息的提取，经构造解译与地热异常分布区的叠加分析，发现腾冲西南地区地热富集的规律性，提出了地热田的遥感影像模式，并预测出腾冲西南地区62处水热活动I级异常区[9]。张佩民等以辽宁鞍山-熊岳地区TM、航空热红外和航空彩红外图像增强处理为基础，结合已知温泉产出的地质构造条件、野外实地调查和地面测温等资料识别地热异常的控热构造和控热岩性，进行地热异常区综合遥感预测，圈定了7处存在地热异常的有利地段[12]。许军强等基于长白山火山地热区ASTER遥感数据，运用比辐射率归一化方法定量反演了该区地表温度，并结合地质构造的遥感解译、水热活动及深源气体释放特征等资料的关联分析，预测出该区存在2个地热资源有利区[15]。Qin等应用ETM+热红外数据反演了云南腾冲地区地表温度，结合地质构造和岩浆活动分析，圈定了4个温度异常区作为地热区[16]。Littlefield等以美国内华达北鱼湖谷地区AVIRIS，HyMap和ProSpecTIR三种高光谱航空遥感数据为基础，通过地热指示矿物制图，结合野外地质验证，识别出4处新的地热勘探潜力区[14]。腾冲火山地热区集地震、火山、地热活动为一处，区内深大断裂、地下岩浆活动、丰沛降水、松散沉积物等一系列因素，导致其成为中国乃至世界为数不多的地热资源宝库之一[9]。对该区内的地热异常区的准确圈定将有助于进一步提高对区内地热资源空间分布规律的认识，为地热资源的勘查评估及可持续开发利用提供依据。本文以遥感技术为主要手段，综合提取地表温度异常、地质构造活动和岩体蚀变等遥感解译信息，探讨对腾冲地区地热异常区进行快速有效识别的技术方法。

1研究区域与数据集

1.1研究区概况

1.2遥感数据

本研究主要采用美国陆地资源卫星Landsat 7 ETM+遥感影像数据(轨道号为132/043)，获取时相为2003年2月17日上午11:42，包含有6个空间分辨率为30 m的可见光/近红外波段、1个空间分辨率为60 m的热红外波段和一个空间分辨率为15 m的全色波段。高程数据SRTM (Shuttle Radar Topography Mission)采用马里兰大学GLCF(Global Land Cover Facility)的“Filled Finished-B”产品(轨道号132/043)，其空间分辨率为90 m。 同时，选择与Landsat 7 ETM+ 过境时相相近的MODIS Terra的 MOD05 大气水分含量产品(空间分辨率为1 km×1 km)，作为地表温度反演的大气参数。以上影像数据通过预处理，投影到统一地理坐标系(UTM/WGS84，N47)，并按实际需要采用最邻近法对数据进行空间重采样。

2技术与方法

2.1基于统计方法的地表温度异常识别

本文以区域内的地表温度概率分布情形提出一个识别地表温度异常的统计方法。由遥感影像的原始记录值(即DN值)得到的区域内的地表温度值是离散的，每个温度值Tk对应一个概率值Pk[式(1)]，称为地表温度的分布律。地表温度的分布函数[式(2)]为≤Tk的温度值所对应的概率之和，其物理意义是指研究区域中地表温度值≤Tk的区域所占的比例。在本文中，温度值Tk所对应的分布函数值可看作是高于该值的地表温度判别为异常高温的可能性。Tk值越高其对应的分布函数值越大， 因此地表温度值高于Tk的区域被判定为高温异常区的可能性越大；反之，Tk值越低其对应的分布函数值越小，地表温度值低于Tk的区域被判定为低温异常区的可能性也就越大。因此，为了提取地表温度异常区，需要选取合适的Tk作为阈值。

P{T=Tk}=Pk, (k=1,2,…)

(1)

(2)

假定在研究区范围内的地表温度值呈正态分布，如图1所示，选取的阈值KH表明研究区中地表温度值高于KH的为高温异常区，而选取的阈值KL表明地表温度低于KL的为低温异常区。式(3)表示确定一个阈值KH，便可得到其对应的高温异常区所占区域比例为αH；同样，式(4)表明对一个确定的阈值KL，得到其对应的低温异常区所占比例为αL。反之，若假定已知研究区域中高、低温异常区所占比例αH和αL，我们可以确定对应的阈值KH和KL。因此，可以由式(3)和式(4)分别推导得到式(5)和式(6)。若用F′(a)表示分布函数值为a时所对应的标准化温度值，通过变换式(5)和式(6)，最终得到用来确定高温异常区和低温异常区的阈值，分别为式(7)和式(8)。其中，F′(1-αH)和F′(1-αL)的具体值可以通过查找标准正态分布表获得，如当αH为0.05和0.10时，对应的F′(1-αH)分别为1.645和1.282。本文主要讨论设定αH为0.10的结果。

图1　基于统计方法的地表温度异常判别示意图Fig.1　Statistics based on the identification ofland surface temperature anomaly

(3)

P{T≤TL}=αL

(4)

(5)

(6)

TH=MT+F′(1-αH)σT

(7)

TL=MT-F′(1-αL)σT

(8)

其中:MT,σT分别为研究区域地表温度均值和标准差的统计值。

若研究区的地表起伏小，依据上述统计方法来确定初步的阈值；再比较不同阈值设定情况下的地表温度异常区，来确定最终的阈值，进而圈定区域的地表温度异常区。

2.2地表温度信息提取

目前利用Landsat 5/7的热红外单波段提取地表温度有3种方法：单通道算法[26]、单窗算法[27]和基于辐射传输方程的算法[28]。与其他2种反演算法相比，单通道算法所需要的已知参数相对较少，且反演精度也较高[28]。本文采用文献[29]中所提出的单通道算法[式(9)]从Landsat 7 ETM+热红外波段提取地表温度(Ts)。

(9)

式中:ε为地物发射率;λ为ETM+ 热红外波段的有效波长(11.269 μm);γ=1/β和δ=-α/β为反演模型的中间变量。α和β分别用式(10)和式(11)表示，且两式中T0为地表温度的近似值，可近似为热红外波段的亮温值Tb[26]；ψ1，ψ2，ψ3为3个大气参数[式(12)]，可表示为大气水分含量的二次多项式拟合[式(13)][29]。

(10)

(11)

(12)

(13)

式中: cij为多项式拟合系数; τ为大气透过率; L↑为大气上行辐射; L↓为大气下行辐射量。Jiménez-Muoz等(2009)利用不同大气廓线数据库对式(13)中的系数进行了模拟估算，本文采用标准大气条件下的模拟估算的参数结果[式(14)][29]。

(14)

由于区域大气水分含量的分布存在一定程度的空间异质性，以往假定其均质而以某点的大气状况代替整个区域的做法不可避免地会给地表温度反演带来误差[30]。本文采用与Landsat 7 ETM+ 过境时相相近的MODIS MOD05产品作为地表温度反演的大气参数，以提高反演精度[30]。具体流程如图2。

图2　利用Landsat 7 ETM+热红外单波段影像反演地表温度流程Fig.2　Retrieval procedure for land surface temperaturefrom the single thermal infrared channel ofLandsat 7 ETM+

图3　研究区内高程与地表温度关系图Fig.3　Relationship between surface elevationand land surface temperature in studied area

理论上，在地表状况均质分布、地形起伏小的区域，采用如前所述(2.1)的统计方法能对地表温度热异常区进行有效识别。然而，腾冲区内地形起伏很大，由高程差异引起的地表温度差异可能会掩盖真实的地表温度热异常。为了弄清研究区范围内高程对地表温度(本文主要是指由遥感反演得到的地物表面温度)的影响，本文将研究区按高程值等间隔(以100 m为间距)分为30个高程子区，然后分别统计各子区内的地表温度分布情况。具体的子区划分为：≤0.3 km, (0.3 km, 0.4 km], (0.4 km, 0.5 km], …, (3 km, 3.1 km]和>3.1 km。总体来看，地表温度随着海拔高度升高而呈较明显的线性下降趋势；由地表高程的差异所引起的最大地表温差， 即研究区中最低高程子区的平均地表温度与最高高程子区的平均地表温度之差，约为10 K(图3)。可见，在识别腾冲地区的地表温度异常区时，有必要考虑高程的影响。因此，我们尝试了如下2种方法：(1)对30个高程子区分别提取地表温度异常区，然后再综合由不同子区识别的结果；(2)利用高程与地表温度之间的关系式(图3)将地表温度修正到某一参考高程，然后对地表温度异常区进行识别，来减小地形起伏给识别地表温度异常区带来的不利影响。限于篇幅，本文仅列出方法(1)的结果。

2.3地质构造遥感解译

腾冲地区的地热资源与断裂和火山活动关系密切[9]，因此，我们利用遥感图像目视解译了研究区内主要的线性和环形构造。卫星遥感在反映地质构造，特别是线性和环形形迹的分析时可提供大量新的地质信息[15]。线性形迹主要指断裂构造，它控制着岩浆活动以及矿液的运移和储存，对成矿、导矿及储矿起着重要作用；环形构造多是地球内部热源活动形迹在地壳中的总体表现，受隐伏岩体控制的环形构造与热液成矿密切相关。线性构造的影像特征主要通过色调、水系及地貌等表现：色调标志为差异色调界线，呈直线或近似直线状；水系标志为河流的直角拐弯或近直角拐弯，串珠状水系重复出现；地貌标志有断层崖及错断山脊等。环形构造影像特征主要通过色调和形状来表现，除此之外，地貌、水系也是识别环形构造的重要标志[15]。要准确识别构造的解译标志，还需对遥感图像进行适当的增强处理和信息提取，以增强地质构造的影像信息标志。本研究利用Landsat 7 ETM+多光谱波段(Band 5、Band 4和Band 3)的假彩色合成图像以及方向滤波的结果影像来解译研究区内主要的构造，并分析其与地表温度异常区在空间分布上的关系。

2.4与地热异常有关的蚀变岩体识别

在假彩色合成图上，可能与地热活动有关的岩石和土壤多呈现紫色或淡紫色，这是近红外波段反映蚀变岩和土壤与蓝光波段反映地下水合成效应的结果，常被认为是地热田色调异常的影像[9]。本文拟以已知的地热田、火山、热泉作为训练样区。以训练区特征光谱作为参考光谱，采用光谱角填图的方法(ENVI: Spectral Angle Mapping)来识别研究区中与训练区具有相同或相近光谱特征的蚀变岩体分布区，作为地热异常区的可能区域。

3结果分析与讨论

3.1结果分析

对比地表温度分布(图4-B)和地表覆盖情况(图4-A)，不难发现地表高温值多出现在岩石与土壤裸露区域，而地表低温值则主要出现在植被覆盖和水体区。不同位置的植被覆盖区呈现出一定的地表温度差异，如图4(B)中的红色多边形所示。统计结果显示(表1)，3个感兴趣区的植被覆盖状况相似，区域间的平均归一化植被指数(NDVI)差异不大；但地表温度的差别较大，区1的平均地表温度比区2的高近7.92 K，比区3高6.04 K(表1)。采用地表温度与高程之间的线性关系式(图3)，估算出区1与区2间的地表温度差异为7.41 K(实际为7.92 K)，区1与区3间的地表温度差异为6.00 K(实际为6.04 K)。由此表明，3个感兴趣区的植被温度的差异除了与植被类型、植被水分含量以及土壤含水量等有关外，在很大程度上与高程差异有关。因此，在识别地表温度热异常区的过程中考虑高程的影响是很有必要的。而每一高程子区内地表温度的分布频率也基本呈正态分布(图5)，以2个高程子区(1 km, 1.1 km]和(1.5 km, 1.6 km]为例，表明前文所提出的基于概率统计的地表温度异常识别方法是合理的(见2.1)。

图4　基于单时相Landsat单波段的地表温度高温热异常区识别Fig.4　Identification of the anomalous areas withhigh land surface temperature obtained by singlethermal infrared channel of Landsat 7 ETM+(A)多光谱假彩色合成图(R: Band5，G: Band4，B: Band3); (B)地表温度分布图; (C)本文改进方法提取的虚线框内高温异常区;(D)常规方法提取的高温异常区

感兴趣区T平均/K平均NDVI平均高程/m区1291.72 0.70 675.79区2283.80 0.65 2576.24区3285.68 0.67 2215.46

对比在考虑和不考虑高程影响情况下所提取的地表温度高温异常区分布结果(图4-C、D)，几个已知的热田、火山、热泉多位于高温热异常点/区或周边区域，同时在北海湿地周边存在大范围的地表高温热异常区。白色虚线范围内的结果显示(图4-C、D)，与未考虑高程影响的结果相比，考虑高程影响后的改进方法识别出的高温热异常点/区范围更广，与已知的热田、火山、热泉所在位置更接近。可见，地下热活动能在地表呈现出一定范围的地表高温异常区。因此,可以认为，利用热红外遥感影像所反映的地表温度信息能识别出与地下热活动有关的潜在地表高温热异常区；而在地形起伏较大的区域，要识别地表温度热异常区应考虑高程的影响。

在假彩色合成图上(图4-A)，可能与地热活动有关的岩石和土壤多呈现紫色或淡紫色，该色调主要分布于山间盆地和山沟内，以及低山丘地段；几个已知的地热田、火山、热泉多在此色调区内或周围区域。因此，可认为该色调异常区域是寻找地热异常区和地热田的靶区。以已知的地热田、火山、热泉作为训练样区(图4-A)。相应地，以训练区特征光谱作为参考光谱，采用光谱角填图的方法来识别研究区中与训练区具有相同或相近光谱特征的蚀变岩体分布区，作为地热异常区的可能区域。遥感填图结果显示(图6-A白色斑块所示)，蚀变岩体主要分布在线性和环形构造周边区域。其原因可能在于，该地区构造边缘多断层发育，提供主要的热水循环通道，地下热水由于存在和地表压力差异，故而沿着裂隙上升，松散的第四系和河流沉积物成为理想的上升通道，或沿着火山管壁上升，在火山口附近集聚[9]，使得周边地下水合成效应明显，岩石易发生蚀变，并在遥感影像上呈现出明显的特征光谱。因此，有蚀变岩体分布的区域可以圈定为地热活动异常的靶区。

图5　不同高程子区范围内的地表温度分布Fig.5　Distribution frequency of land surface temperatures in different elevation ranges虚线为参考的正态分布

图6　地热异常区识别Fig.6　Identification of geothermal anomaly(A)地质构造解译与蚀变岩体填图结果; (B)识别的地热异常区(用白色显示)，为蚀变岩体与地表温度异常区叠加分析结果，虚线框为放大显示的区域

采用求与运算来综合地表高温异常区、地质构造解译和蚀变岩体分布图，我们最终圈定了该地热异常区的分布情况(图6-B)。几个明显的地热异常区分布在：瑞滇乡—固东镇—曲石乡沿西沙河一线、马站乡周边、北海湿地周边、和顺乡—中和乡沿线、腾越镇—热海沿线。其中，曲石地热异常区面积约为2.3 km2；固东镇-曲石之间的地热异常区面积约为6.9 km2，主要集中分布在团山、小团山以及城子楼山等火山口附近区域；圈定的马站乡周边地热异常区面积约为4.6 km2，且集中分布在大、小空山等火山口周边区域；约3.6 km2的地热异常区分布在和顺乡—中和乡沿线；在北海湿地周边区域也有约3.20 km2的地热异常区分布。同时，对比结果可知，几个已知的热田、火山、热泉所在位置多位于圈定的地热异常区范围内。

由于瑞滇、曲石、马站、北海湿地均为腾冲火山地热国家地质公园的主要片区，且腾冲地区的地热资源与断裂和火山活动关系密切[9]，因此，可以推测在这几个片区均有地热资源分布。资料显示，马站火山群景区位于腾冲县城北25 km的马站乡，景区面积约80 km2，包括保存完好、形象生动、气势雄伟、很有观赏特色和科考价值的9座火山，广布大面积的熔岩流台地景观；而在曲石乡有碳酸泉集中分布。另外，著名的瑞滇热泉则位于瑞滇乡与固东镇之间的鸦乌山玄武岩流末端北侧，热水从花岗岩与砂岩的接触带流出。该泉早年水温在90℃以上，因修路、盖澡堂等原因，泉口位置已有较大变化，但地热流体释放情况变化不大，现水温仍在83℃以上，且有较强烈的气体释放[23]。由此可见，我们圈定的结果与已有资料情况是相吻合的。

受植被覆盖的影响，本文所圈定的地热异常区在腾冲热海区范围内多呈零星分布状。几个相对较小的地热异常区多分布在有明显地热异常显露的周边，如平安寺—下绮罗、下绮罗—老羊河、太平村—荷花塘—弄焕—囊烟街—热水塘沿线、兴隆—王家坝、小罗绮坪—谢家营及董官村—卢家寨沿线，这与已有报道中的部分结果相似[9]。其中，兴隆—王家坝、小罗绮坪—谢家营和董官村—卢家寨沿线地热异常区是本文新识别出的。

3.2讨 论

在地表温度热异常识别中，如何选择合适的尺度值得注意，即遥感数据的空间分辨率和研究区的空间幅度范围。为了说明遥感数据的空间分辨率对识别地表温度热异常区的影响，我们采用与图4(A) 所示范围相同的MODIS白天时相的地表温度数据来识别地表高温热异常区。 所采用的数据为2003年全年的MODIS 陆地地表温度产品8天合成数据，即 Aqua(MYD11A2)白天(北京时间14:30左右)和Terra(MOD11A2)白天(北京时间10:30左右)的产品。如图7所示(图7中白色虚线框所示空间范围与图4-C中的相同)，由白天的MODIS地表温度信息提取的高温热异常区与由Landsat地表温度信息所识别出的高温热异常区的空间轮廓较为一致，且区内已知的热田、火山、热泉等反映地下热活动的点位也分布在识别的高温热异常区内；由于缺少细节信息，使得一些面积较小的热异常区在MODIS的识别结果中丢失。改变空间范围，使得尽管在不同空间幅度范围所识别出的地表热异常区大体格局相近，但热异常区的具体空间位置和范围存在较明显的差异。由此表明，在地表温度热异常区的识别过程中，应该综合考虑研究区的空间幅度范围和所选用遥感数据的空间分辨率。本文所采用的基于概率统计的地表温度热异常判定方法仅依据影像中像元自身的地表温度信息，而未考虑相邻像元间的空间相关关系，使得识别的结果中高温异常区呈零散随机状分布的可能性增大，而与实际情况不符。

图7　采用多时相MODIS Terra/Aqua识别的地表温度高温热异常区Fig.7　Anomalous areas with high land surfacetemperature based on multi-temporalobservations by MODIS Terra/Aqua

光谱角填图法被认为是一种有效的岩体识别、矿物填图、地物分类方法。本文采用该方法对研究区中与地热活动有关的蚀变岩体进行了识别。通过与文献资料中所提及的有丰富地热分布的区域作对比，表明了识别结果的精度是可以接受的。为确保结果的准确性，该方法要求蚀变岩体的参考光谱是纯净的且与其他地物的参考光谱有明显差异。受传感器波段设置的限制，使得在Landsat 7 ETM+ 的光谱范围内存在，如蚀变岩体的参考光谱与某些岩体类型的光谱曲线形状相似、光谱值差别不大以及特征波段不明显等问题，从而会在一定程度上影响对蚀变岩体的识别。解决此问题的可能途径之一是采用高光谱遥感。高光谱遥感的成像光谱仪可以收集到上百个非常窄的光谱波段信息，从而利用很多很窄的电磁波波段从感兴趣的物体获得包含丰富的空间、辐射和光谱3重信息的数据，使得原本在宽波段的多光谱遥感中(如Landsat 5/7 TM/ETM+)不可探测的岩体类型，在高光谱遥感中能被有效识别。

地表植被覆盖对地表温度异常和蚀变岩体的识别过程均有一定的影响，仅利用本文所提出的方法还无法完全准确地识别出所有的地热异常区，而本文识别的地热异常区主要分布在地表无植被覆盖的区域内。下一步有必要采用高时相分辨率的遥感影像(光学与热红外)，探索对有植被覆盖的地热异常区进行有效识别。Landsat 7 ETM+ 过境时间是当地时间上午10:30左右，此时地表温度主要受控于太阳辐射，导致真实的地下热异常信息在一定程度上被掩饰；同时，单一时相的地表温度信息中包含的随机成分也比较大。因此，通过多时相的地表温度信息应该能提取出更真实的地热异常区域。

4结 论

本文重点探讨了以遥感技术为手段，综合地表高温异常、地质构造解译和蚀变岩体分布3方面的信息来圈定腾冲地区的地热异常区空间分布情况。遥感地表温度反演结果显示，高程与地表温度之间存在明显的趋势关系。腾冲地区地形起伏很大，由高程差异引起的地表温度差异会在一定程度上影响对地表热异常区的识别。本文对地表温度热异常区按高程进行分区识别，避免了高程的影响，有效性地提高了地热异常区识别的精度。利用热红外遥感影像所反映的地表温度信息能较好地识别出与地下热活动有关的地表高温热异常区。结合地形、地貌、地质、构造、岩浆活动及岩石蚀变等遥感解译结果则能对地热异常区进行更加科学有效识别。

中国可利用地热资源储量巨大。在气候变化与节能减排的双重压力下，迫切需要进一步加强勘查评价与开发利用。除了采用常规的地表地热调查、钻探和各种物探方法外，遥感技术在地热资源勘查评价中可以发挥重要作用，具有快速和经济特性，需要进一步加强研究和利用。

[参考文献]

[1] Huang S, Liu J. Geothermal energy stuck between a rock and a hot place[J]. Nature, 2010, 463(7279): 293.

[2] Huang S. Geothermal energy in China[J]. Nature Climate Change, 2012, 2(8): 557-560.

[3] Peng F, Xiong Y, Cheng Y,etal. Towards application of remote sensing technology in geothermal prospecting in Xilingol in Eastern Inner Mongolia, NE China[J]. Advanced Materials Research, 2013, 610-613: 3628-3631.

[4] Goldstein B, Hiriart G, Bertani R,etal. Geothermal energy [C]//IPCC Special Report on Renewable Energy Sources and Climate Change Mitigation. Cambridge: Cambridge University Press, 2011: 401-436.

[5] 王飞跃，陈强华.应用多波段合成图像圈定地热异常的初步探索[J].国土资源遥感,1997(1):52-58.

Wang F Y, Chen Q H. The interpretation of geothermal anomaly on multispectral image[J]. Remote Sensing for Land Resources, 1997(1): 52-58. (In Chinese)

[6] Calvin W, Coolbaugh M, Vaughan R G. Geothermal site characterization sensing multi- and hyperspectral imagery[J]. Transactions Geothermal Resources Council, 2002, 26: 483-484.

[7] Muraoka H, Uchida T. Overview of the “Research cooperation project on the exploration of small-scale geothermal resources in the eastern part of Indonesia” by the Geological Survey of Japan[J]. Bulletin of the Geological Survey of Japan, 2002, 53(2/3): 63-78.

[8] Urai M, Muraoka H, Nasution A. Satellite remote sensing data and their interpretations for geothermal applications: A case study on the Ngada District, central Flores, Indonesia[J]. Bulletin of the Geological Survey of Japan, 2002, 53(2/3): 99-108.

[9] 杨波,吴德文,赖健清,等.遥感技术在腾冲西南地区地热资源研究预测中的应用[J].国土资源遥感,2003(2):23-26.

Yang B, Wu D W, Lai J Q,etal. The application of remote sensing technology to the study and forecast of terrestrial heat resources in southwestern Tengchong area, Yunnan Province[J]. Remote Sensing for Land Resources, 2003(2): 23-26. (In Chinese)

[10] 戴文晗.西安地区隐伏构造-热红外场遥感信息及三维建模与应用[J].遥感信息,2005(1):40-43.

Dai W H. Remote sensing information characteristics of the hiding structure and thermal infrared field 3D application in Xi’an area [J]. Remote Sensing Information, 2005(1): 40-43. (In Chinese)

[11] Kratt C, Calvin W, Coolbaugh M. Geothermal exploration with Hymap hyperspectral data at Brady-Desert Peak, Nevada[J]. Remote Sensing of Environment, 2006, 104(3): 313-324.

[12] 张佩民，张金良.地热异常区的遥感信息识别[J].遥感信息,2006(2):42-45.

Zhang P M, Zhang J L. Identification of remote sensing information in geothermal abnormal area[J]. Remote Sensing Information, 2006(2): 42-45. (In Chinese)

[13] 许军强，邢立新，王明常，等.基于ETM数据的佳木斯市地热预测研究[J].遥感信息,2007(2):55-58.

Xu J Q, Xin L X, Wang M C,etal. Study on geothermal forecast based on ETM data in Jiamusi City[J]. Remote Sensing Information, 2007(2): 55-58. (In Chinese)

[14] Littlefield E F, Calvin W M. Geothermal exploration using imaging spectrometer data over Fish Lake Valley, Nevada[J]. Remote Sensing of Environment, 2014, 140: 509-518.

[15] 许军强，白朝军，刘嘉宜.基于遥感技术的长白山火山区地热预测研究[J].国土资源遥感,2008(1):68-71.

Xu J Q, Bai C H, Liu J Y. Geothermal resource prognosis based on remote sensing technology in Changbaishan volcanic area[J]. Remote Sensing for Land Resources, 2008(1): 68-71. (In Chinese)

[16] Qin Q, Zhang N, Nan P,etal. Geothermal area detection using Landsat ETM+ thermal infrared data and its mechanistic analysis — A case study in Tengchong, China[J]. International Journal of Applied Earth Observation and Geoinformation, 2011, 13(4): 552-559.

[17] Haselwimmer C, Prakash A. Thermal infrared remote sensing of geothermal systems[C]//Thermal Infraced Remote Sensing: Sensors, Methods, Applications. Berlin: Springer Netherlands, 2013: 453-473.

[18] 阚荣举，赵晋明.腾冲火山地热区的构造演化与火山喷发[J].地震地磁观测与研究,1996,17(4):28-33.

Kan R J, Zhao J M. The tectonic evolution and volcanic eruption in Tengchong volcano-geothermic region[J]. Seismological and Geomagnetic Observation and Research, 1996, 17(4): 28-33. (In Chinese)

[19] 龙金茂.腾冲地热田的分布及形成特征[J].成都地质学院学报,1988,15(2):79-86.

Long J M. Distribution and formation of geothermal fields in Tengchong area, Yunnan Province[J]. Journal of Chengdu College of Geology, 1988, 15(2): 79-86. (In Chinese)

[20] 王海平，张天乐，王宗良.腾冲地热泄热构造系统与水热蚀变作用[J].矿床地质,2002,21(增刊1):1031-1033.

Wang H P, Zhang T L, Wang Z L. Geothermal release structures and hydrothermal alterations in geothermal district of Tengchong, Yunnan Province, China[J]. Mineral Deposits, 2002, 21(s1): 1031-1033. (In Chinese)

[21] 顾朝松.腾冲新生代火山分布特征[J].地震研究,1998,21(4):309-319.

Gu C S. Distribution characteristics of Tengchong volcano in the Cenozoic Era[J]. Journal of Seismological Research, 1998, 21(4): 309-319. (In Chinese)

[22] 姜朝松，周瑞琦，赵慈平.腾冲地区构造地貌特征与火山活动的关系[J].地震研究,2003,26(4):361-366.

Gu C S, Zhou R Q, Zhao C P. The relationship between the tectonic geomorphic feathers and volcano activity in Tengchong region[J]. Journal of Seismological Research, 2003, 26(4): 361-366. (In Chinese)

[23] 上官志冠，孙明良，李恒忠.云南腾冲地区现代地热流体活动类型[J].地震地质,1999,21(4):332-339.

Shangguan Z G, Sun M L, Li H Z. The genetic classification of modern geothermal fluid at the Tengchong area in Yunnan[J]. Seismology and Geology, 1999, 21(4): 332-339. (In Chinese)

[24] 佟伟，章铭陶.腾冲地热[M].北京:科学出版社,1989:259.

Tong W, Zhang M T. Tengchong Geothermal[M]. Beijing: Science Press, 1989: 259. (In Chinese)

[25] 刘志江，韩升良.云南腾冲地热发电预可行性研究[J].热力发电,1994(2):19-24.

Liu Z J, Han S L. Pre-feasibility study of geoelectric power generation in Tengchong area, Yunnan Province[J]. Thermal Power Generation, 1994(2): 19-24. (In Chinese)

[26] Jiménez-Muoz J C, Sobrino J A. A generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research, 2003, 108(D22): 4688.

[27] Qin Z, Karnieli A, Berliner P. A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region[J]. International Journal of Remote Sensing, 2001, 18(22): 3719-3746.

[28] Sobrino J A, Jiménez-Muoz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM 5[J]. Remote Sensing of Environment, 2004, 90(4): 434-440.

[29] Jiménez-Muoz J C, Cristobal J, Sobrino J A,etal. Revision of the single-channel algorithm for land surface temperature retrieval from landsat thermal-infrared data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(1): 339-349.

[30] 陈峰，熊永柱，黄少鹏，等.大气水分含量的空间异质性及其对遥感地表温度反演的影响[J].国土资源遥感,2010(2):35-40.

Chen F, Xiong Y Z, Huang S P,etal. Spatial heterogeneity of atmospheric water vapor and its influence on the retrieval of land surface temperature based on remote sensing data[J]. Remote Sensing for Land Resources, 2010(2): 35-40. (In Chinese)

Application of remote sensing technique to the identification of

geothermal anomaly in Tengchong area, southwest China

XIONG Yong-zhu1, CHEN Feng2, HUANG Shao-peng3,4

1.InstituteofResourceandEnvironmentalInformation,JiayingUniversity,Meizhou514015,China;

2.SchoolofAtmosphericSciences,SunYat-senUniversity,Guangzhou510275,China;

3.InstituteofGlobalEnvironmentalChange,Xi’anJiaotongUniversity,Xi’an710049,China;

4.DepartmentofEarthandEnvironmentalSciences,UniversityofMichigan,AnnArbor,MI48109,USA

Abstract:Geothermal anomaly in the Tengchong volcanic-geothermal area of southwest China is studied by means of remote sensing technique with application of probability distribution theories to the identification of land surface temperature (LST) anomaly. The LST anomaly in the areas is delineated with the help of elevation information and the spatial distribution of geothermal anomaly is determined according to the combined information of LST anomaly, geologic structure, and hydrothermally altered rocks. A total of eight geothermal anomalies are recognized, in which three of them are identified by this study. Assessments show that the final results are rational in comparison with other geothermal fields, hot springs, and volcanoes documented in references. It suggests that the spatial distribution of geothermal anomaly in Tengchong area is controlled by geological structures, and related closely to remote sensing retrieval information of the surface high temperature anomalies and the surrounding alterated rocks.

Key words:remote sensing; geothermal resources; geological structure; rock alteration; Tengchong

[文献标志码][分类号] P627; P314.3 A

DOI:10.3969/j.issn.1671-9727.2016.01.12

[文章编号]1671-9727(2016)01-0109-10

[收稿日期]2015-01-27。

[基金项目]国家自然科学基金资助项目(41374089)；广东省科技计划项目(2012B070300077)；国家重点基础研究发展计划项目(2014CB953900)；国家自然科学基金面上项目(41375081)；中山大学“985工程”第三期项目。

[第一作者] 熊永柱(1973―)，男，博士，副教授，研究方向：3S与气候变化, E-mail:xyzon@126.com。

[通信作者]陈峰(1981―)，男，博士生，研究方向：环境遥感与气候变化, E-mail:chenf45@mail2.sysu.edu.cn。