减少煤炭、石油等化石能源的使用是实现“碳达峰、碳中和”国家重大战略目标最直接有效的途径之一。为了降低化石能源的使用，新的清洁能源的大力开发和利用将成为重要的突破口。地热能是新清洁能源的重要组成部分，其储量大、分布广，是我国能源供应体系的重要分支，也是极具潜力的战略性可再生能源。
广东省地处欧亚大陆东南边缘，长期受板块运动综合作用的影响，境内断裂构造发育伴随多期次强烈岩浆活动(闫晓雪等，2019)，是我国地热储量最丰富的省份之一。其内温泉密布，温泉点数量仅次于西藏和云南，全省业已调査出露的温泉达320处，可开采量约23.8万m3/d(袁建飞，2013)。位于广东省的阳江盆地在晚近时期有着强烈的新构造运动，地热资源量丰富，拥有巨大的地热能开采潜力。仅阳江的新洲地热田热功率就达到15.47 MW(王双，2013)，一年热产量约等于19000 t 标准煤(周佐民，2015)。但是目前阳江地区地热研究程度依然较低，仅对新洲地热田进行了勘探，计算了其岩体岩石密度、U、Th、K2O 含量和放射性生热率值(周毅等，2016)，以及对其附属的地下热水的地球化学特征与深部循环进行了研究(汪啸，2018)。地热潜能总体开发程度不高，新洲地热田开采面积不足1 km2(袁建飞，2013)。因此，进一步详细研究阳江盆地的地热分布，进行地热靶区的圈定和预测，对整个阳江地区乃至整个广东省地热的勘查研究都具有重要意义。
作为便捷高效的技术手段，在区域性研究中，遥感手段一直占据着重要的地位。在大面积区域上应用热红外遥感技术可以高效、低成本地圈定地热异常区并划分地热能源靶区，因其覆盖范围广、检测精度高 、数据源丰富以及受地面条件限制小的技术优势，在地热资源勘查上具有较高的实用价值(边宇等，2021)。多名研究者在多地应用热红外遥感技术勘探地热资源取得了较为理想的成果。如任正情等(2021)用热红外遥感进行了江西寻乌地区的地温反演，圈定了11个潜在地热异常区。王康(2020)用热红外遥感对辽宁丹东地区进行了地热反演发现了3处与地热存在有关的地热异常区。杨俊颖等(2021)通过热红外遥感技术对西藏尼木地区进行了地热反演，划分出了21个潜在地热异常区。辛磊等(2021)用热红外遥感进行了石家庄地区的地热反演，圈定1处山地对流型地热远景区和2处沉积盆地型地热远景区。可以看出，热红外遥感技术在地热资源勘探上有着较为普遍的应用，在地热靶区圈定中扮演着重要角色。
为了便捷高效地提取阳江盆地的地热异常信息，判断隐伏断裂位置，帮助识别圈定具有勘探意义的地热能开发靶区笔者等通过收集研究区遥感卫星影像、区域地质图以及大气剖面参数，对研究区遥感影像进行了归一化植被指数(NDVI)计算以及地表比辐射率计算，加入大气剖面参数利用大气校正法对地表温度进行反演，利用反演结果进行了阳江盆地地热靶区的圈定以及隐伏断裂预测。
1 研究区概况及地热条件
1.1 研究区概况
研究区位于广东省阳江市东部，包括那吉镇、那龙镇、合山镇、横陂镇 、北惯镇、大沟镇和新洲镇。地理坐标: 东经112°02′～112°22′，北纬 21°48′～22°09′，面积1334.27 km2。总体地势西北东北东南高中间及两边低，地形起伏明显，地表水系发育，有多个湖泊分布。在大地构造上地处华南褶皱系西南段，云开隆起区东南缘，吴川—四会断裂的东侧，地质构造复杂，新构造运动主要以周期性的垂直升降运动为主(广东省地质矿产局，1988)。
如图1所示，研究区在区域地质背景上属于海南岛五指山地层分区(中南地区区域地层编写组，1972)，地层发育，从中元古界到新生界均有地层出露，其地层、和侵入岩由老到新为云开群(Pt2-3Y)、蓟县纪晚期片麻状花岗闪长岩(Jx2γδ)、坝里组(Z1b)、牛角河组(
1n)、高滩组(2g)、桂头群(D1-2G)、帽子峰组(D3C1m)、春湾组(D3c)、大湖组(C1d)、孤峰组(P2g)、童子岩组(P2t)、金鸡组(J1j)、中侏罗世第一阶段花岗闪长岩(J21γδ)、晚侏罗世第二阶段二长花岗岩(J23ηγ)、早白垩世第三阶段二长花岗岩(K13ηγ)、百足山组(K1b)、白垩系晚白垩世第一阶段花岗斑岩(K21γπ)、黄岗组(Qphg)、桂洲组(Qhg)、大湾镇组(Qhd)。研究区出露的主要岩性为二长花岗岩和花岗闪长岩，占研究区陆地总面积70%以上(广东省地质矿产局，1988)。
1.2 研究区地热条件
地热能源有利开采区具有地质学、地球物理、地球化学以及地热学等多方面指标，具体主要包括火山岩浆活动、大地热流值、热储岩性以及低导热率盖层等(罗璐等，2019；钟振楠等，2021；吴姗姗等，2022)。广东阳江地区是我国主要的近代火山活动区，构造活动发育具有多期大规模的幕式岩浆活动(蔺文静等，2016)，其位于东南沿海又是我国最主要的花岗岩分布区(王德滋和沈渭洲，2003)。广泛存在的花岗岩基底属于较好热储岩性，且一般来说酸性岩石富集放射性元素U、Th、K(汪集暘，2014)，其放射衰变释放出来的能量也是大地热流的主要组成部分，具有较高的大地热流值。此外研究区由于位于东南沿海地带，气候湿润，岩石风化剥蚀剧烈，植被发育，在地层表面拥有一层较厚的风化堆积物，拥有较高的热惯性以及较低的热导率。因此，研究区属于地热能源有利开采区，地热异常区的识别对于进一步勘察地热资源靶区有重要意义。
图1 广东省阳江市东部区域地质图
Fig. 1 Regional geological map of eastern Yangjiang City, Guangdong Province
图2 数据处理流程图
Fig. 2 Data processing flow chart
2 数据源及研究方法
利用遥感进行地表温度反演计算其常用的有大气校正法、单通道算法和分裂窗算法。大气校正法无任何遥感数据的限制，适用于反演绿洲地表温度，但计算过程较为复杂(朱贞榕等，2016)，单通道算法适用于多种传感器，较为简便，不需要大气模拟，操作方法上简单易懂，数据易获得(武姿廷，2021)，但大气水汽含量较高时，单通道算法的反演误差较大(张舒婷，2020)。分裂窗算法是目前热红外遥感反演地表温度中发展最成熟、精度较高的地表温度反演算法(宋挺等，2014)，但由于Landsat8 遥感影像的 TIRS 11 波段存在定标参数误差，对于Landsat8 遥感影像的反演结果不稳定，精度差(杨亮彦，2019)。由于研究区位于东南沿海，大气水含量较高，且使用的数据为Landsat8 遥感数据，因此笔者等选取大气校正法对地表温度进行计算。通过收集研究区的遥感数据影像、大气剖面参数以及区域地质图，掌握研究区的基础地质信息，再对收集到的遥感数据进行辐射定标、大气校正、图像裁剪等预处理，校正因大气吸收、散射、传感器定标、地形等因素造成的误差。利用大气剖面参数以及处理后的遥感数据进行地表温度反演和TDVI指数计算，圈定地温异常区和断裂，最后对数据结果进行分析和讨论(图2)。
2.1 大气校正法基本原理
大气校正法的基本原理是通过估计大气对地表热辐射的影响，把这部分大气影响从卫星传感器所观测到的热辐射总量中减去，从而得到地表热辐射强度，再把这一热辐射强度通过普朗克公式换算为地表温度(丁凤和徐涵秋，2006)。卫星传感器接收到的热红外辐射亮度值Lλ的表达式可写为：
Lλ=[εB(TS)+(1-ε)L↓]τ+L↑
(1)
式中，ε为地表比辐射率，TS为地表真实温度(K)，B(TS)为黑体热辐射亮度，L↓为大气向下辐射亮度，τ为大气在热红外波段的透过率，L↑为大气向上辐射亮度。通过简单的公式变换即可得到黑体热辐射亮度B(TS)的表达式，再将其带入普朗克公式：
(2)
即可得：
(3)
K1、K2为常数，对于Landsat 8 TIRS Band10，K1= 774.89 W/(m2·μm·sr)，K2 = 1321.08 K(李壮等，2022)。
τ、L↑、L↓ 3个参数可直接通过NASA公布的网站查询(http://atmcorr.gsfc.nasa.gov)。地表比辐射率ε的估算较为复杂，由于其值大小主要取决于地表的物质结构和遥感器的波段区间(覃志豪，2004)，因此需要将地表结构进行分类。从卫星像元的尺度来看，可以大体视作由水体、裸土、城镇、自然表面和植被5类型构成(何好等，2020)。
其中Landsat8 热红外波段典型地物ε值已知，纯像元可直接赋值计算。水体比辐射率εw=0.99383，裸土比辐射率εs=0.96767，植被比辐射率εv=0.98672，建筑物比辐射率εm=0.964885(何好等，2020)。混合像元需要分为相应地物比例进行计算，将自然地表像元视为纯植被与纯裸土的混合，城镇像元视为建筑物与纯植被像元的混合。如此只需将地物通过NDVI指数和植被覆盖度进行分类，计算出对应区域的地表比辐射率即可根据公式(3)计算出地表温度。
2.2 地表温度反演
通过大气校正法对地表温度进行反演，并对地表温度反演结果按不同温度进行分级设色，得到地表温度分级图(图3所示)。
图3 广东省阳江市东部区域地温反演结果
Fig. 3 Inversion results of ground temperature
in eastern Yangjiang area
研究区内最高温度39℃，最低温度14℃，大部分区域温度在20℃到30℃之间，大致呈正态分布，其中高于30℃和低于18℃区域皆成零星散点分布。22℃到24℃为研究区内最普遍的温度，其区域占研究区总面积的43.72%。将反演图像中温度范围在22℃～24℃的区域视为正常地热区域，温度<22℃的区域为地温负异常区域，温度大于24℃的区域为地温正异常区域。据统计，研究区共计1490600个像素点，地热负异常区域像素个数为201828，所占比例为13.54%，正常地热区域的像素个数为651643，所占比例为43.72%，地热正异常像素个数为637129，所占比例为42.74%。
研究区内存在大量村镇以及河流湖泊等区域，对于地热异常区的划分有着较为严重的误导。24℃以上区域主要集中在西南部和东北部，都在人类居住区，地表温度30℃以上区域多出现在城镇中央。为了正确划分地温正异常需要排除由人类活动引起伪热异常。由于人类活动热影响随着距离增加而减少，其经验距离2000 m为排除人为热的最小必要距离(杨俊颖等，2021)。以城镇中心为圆心，2000 m为半径，划分研究区人为热缓冲区，再进行地热异常识别。西南部北津港—三丫港一带港口码头密布，频繁活动的船只向外散发的高热量是该区域高温异常的主要原因(汪啸，2018)，因此其地热异常也需要排除。
如图4所示，经过排除人为伪地热影响后得到9处地热正异常区。低温区在研究区西北角、东南角以及中心区域较为集中，中心区域为湖泊水域温度20℃到22℃，由于水的比热容较大，其温度比正常地温低1℃～2℃属于正常范围，因此不认为其区域为地热负异常区域。西北、东北与东南角为海拔较高的山区，温度16℃到18℃。虽然随着海拔升高，气温会下降，但是幅度平均为海拔每上升100 m，气温下降0.6℃，三边山区海拔最高不到200 m，研究区平均海拔为18 m，因此根据计算，其地表温度低于正常地热温度属于负异常，经过划分得到4处地热负异常区(图4中红色方框)。
图4 阳江市东部区域地热异常区圈定图
Fig. 4 Delineation map of geothermal anomaly area
in eastern Yangjiang area
2.3 温度植被干旱指数计算(TVDI)
活动断裂可使地表温度升高造成遥感热红外异常但如果断层规模较小并已处于不活动期，则可能并不会使地面温度升高。并且断层破裂带由于上覆第四纪松散沉积物高孔隙度的影响以及自身破碎的关系将存在高含水率并导致高于基底的热惯性。高热惯量意味着断层破碎带与基岩相比会形成低温区，在热红外影像上反映为低值线状异常区(史超等，2020)，因此地温负异常是指示隐伏断层的一种可能标志。
隐伏断裂同时还具有湿度和植被密度相对较高的特点(史超等，2020)。温度干旱植被指数是通过陆地表面温度反演结果获得的地表温度和归一化植被指数间的相关关系。这一指数同时也能反映地表干旱情况，即地表温度和土壤水分的归一化结果。TVDI的值域为[0,1]，TVDI值越大，土壤湿度越低，TVDI值越小，土壤湿度越高。TVDI负异常区即为低地温和高土壤含水率与高植被区。因此TVDI线状低值区可作为指示隐伏断层的标志(Sandholt et al.，2002)，在缺乏目视解译标志且无法直接观察的覆盖区可用于确定断层位置和走向。表达式为:
(4)
LSTmax和 LSTmin分别是最高和最低地面温度。通过预先处理得到的研究区归一化植被指数影像与地表温度影像，可得到研究区 LST 与NDVI 的相关曲线(图5所示)。
对应点的 NDVI 值以及 LSTmax，LST min投影在LST—NDVI 坐标平面上，形成干边和湿边两条边线。最终点位分布结果近似于三角形。D为干边，W为湿边。其中三角形区域的上下两边分别对应 LST max和 LST min，可分别用直线拟合:
LSTmax= a1+ b1× NDVI
(5)
LSTmin= a2+b2×NDVI
(6)
式中，未知系数a1，a2，b1，b2可用最小二乘法确定。
通过计算出的影像各像元的 TVDI 值，生成 TVDI灰度影像。根据TVDI线状负异常识别隐伏断裂如图6所示结果。
图5 LST—NDVI 特征空间散点图及拟合曲线
Fig. 5 LST—NDVI characteristic space scatter
diagram and fitting curve
图6 温度植被干旱指数反演结果
Fig. 6 Inversion results of temperature
vegetation drought index
除去研究区湖泊河流等水域引起的负异常，结合区域地质资料(图1)，对其进行解译，如图6所示，得到23条线性负异常，即推测研究区可能存在23条隐伏断裂，断裂主要位于研究区四角，中心东湖水库附近相对较少，其中深大断裂沿北东向展布绝大多数小型断裂和隐伏断裂沿东西向展布。隐伏断裂的识别对地热靶区的圈定具有重要的参考意义。
3 讨论
综合地温反演结果和温度植被干旱指数(TVDI) 反演结果，将地温异常圈定的区域和断裂构造投影到遥感影像中(图7所示)，对靶区进行预测。靶区预测的标准采用研究区内仅开采的新洲地热田的岩性与构造特征。新洲地热田区基底岩性为花岗岩，岩体放射性生热率平均值为 4.0 μW/m3，平均大地热流80 mW/m2(周毅等，2016)，其附近断裂发育且多呈北东向和东西向，这些破碎带是深部热能上涌的良好通道，可在破碎带发育处形成一定宽度的地热水储集带(汪啸，2018)。因此将基底为花岗岩、有断裂发育的地热异常区判定为1级靶区；将基底不是花岗岩、断裂发育和基底是花岗岩但断裂不发育的地热异常区判定为2级靶区；将基地既不是花岗岩、断裂也不发育的地区判定为3级靶区。1级靶区存在地热资源的可能性最大，2级次之，3级可能性最小。
图7 地热异常圈定与断裂构造在遥感中投影
Fig. 7 Delineation of geothermal anomaly and projection
of fault structure in remote sensing
① 号地热区域表层为二长花岗岩和花岗斑岩，断裂不发育；②号区域表层为桂洲组和大湾镇组和二长花岗岩，断裂发育，桂洲组和大湾镇组的岩性为淤泥质粘土、细砂；③号区域表层为坝里组，岩性为浅海相类复理石泥沙质碎屑岩，断裂发育；④号区域表层为二长花岗岩和坝里组浅海相类复理石泥沙质碎屑岩，断裂发育；⑤号区域表层为桂洲组和云开群组和二长花岗岩，断裂发育，桂洲组和云开群组的岩性为淤泥质粘土、浅海相类复理石碎屑岩；⑥号区域表层为春晚组和大湾镇组，岩性为钙质细砂岩、长石石英砂岩和淤泥质粘土，断裂发育；⑦号区域表层为百足山组、帽子峰组和大湾镇组，断裂发育，岩性为凝灰质砂砾岩、灰绿色砂泥质岩、细砂；⑧号区域表层为桂头群粗碎屑岩，断裂不发育；⑨号区域表层为牛角河组、高滩组和二长花岗岩，断裂发育，牛角河组、高滩组岩性为砂、板岩互层夹硅质岩和变余杂砂岩。
由于花岗岩为侵入岩，其出露地表即代表其基底也为花岗岩，因此将②④⑤⑨号区域判定为一级地热靶区；①③⑥⑦号区域断裂发育但基底岩性未知判定为二级靶区；⑧号区域基底岩性未知且断裂不发育判定为三级靶区。其中新洲地热田与③号区域重叠，代表③号区域基底也是花岗岩，因此一级地热靶区有②③④⑤⑨ 5个区域。
4 结论
广东阳江盆地位于东南沿海地带，拥有较高的地热潜能，并且具有较好的热储岩性和低热导率盖层，在商业上属于地热有利开采区。热红外遥感有着覆盖范围广，不受地表观测条件限制，成本低，数据源丰富等优点，不仅能够高效精确的圈定地热异常区，还能对隐伏断裂进行识别。通过热红外遥感进行地温反演提取地热异常区是一种经济高效的方法，因此本文通过大气校正法，对广东阳江盆地进行地温异常的反演计算、识别和判断，在排除人为热的影响下得到高温地热异常区9处，排除湖泊水域以及海拔的影响下得到低温地热异常区4处。通过温度植被干旱指数线状负异常推测隐伏断裂23处，结合岩性、断裂构造有效地圈定了一级靶区5处，主要分布在研究区南部区域和新洲镇附近，识别出的地热异常区对于后续进一步勘察地热资源靶区有重要意义。
(The literature whose publishing year followed by a “&” is in Chinese with English abstract; The literature whose publishing year followed by a “#” is in Chinese without English abstract)
边宇, 杨永鹏, 李萌, 贺鑫, 唐浩, 孙昂, 鞠星. 2021. 热红外遥感技术在地热资源调查中的应用. 中国矿业, 30(S2): 153～157.
丁凤, 徐涵秋. 2006. TM热波段图像的地表温度反演算法与实验分析. 地球信息科学, 8(3): 125～130, 135.
广东省地质矿产局. 1988. 广东省区域地质志. 北京: 地质出版社: 1～945.
何好, 张运, 汤志, 黄静, 丁玥. 2020. Landsat8热红外波段地表比辐射率估算方法改进. 安徽师范大学学报(自然科学版), 43(5): 475～482.
李壮, 季民, 张镯漫. 2022. 基于地理探测器的合肥市热岛效应影响因素分析. 测绘与空间地理信息, 45(3): 56～59.
蔺文静, 甘浩男, 王贵玲, 马峰. 2016. 我国东南沿海干热岩赋存前景及与靶区选址研究. 地质学报, 90(8): 2043～2058.
罗璐, 朱霞, 何春艳, 毛翔, 许振华, 汪新伟, 朱咸涛. 2019. 陕西咸阳地热田地热流体成因研究. 地质论评, 65(6): 1422～1430.
庞忠和, 罗霁, 程远志, 段忠丰, 天娇, 孔彦龙, 李义曼, 胡圣标, 汪集旸. 2020. 中国深层地热能开采的地质条件评价. 地学前缘, 27(1): 134～151.
任正情, 方泓锦, 王学平. 2021. 热红外遥感技术在江西寻乌地区地热勘查中的应用. 地质学刊, 45(3): 277～282.
史超, 黄超, 聂峰, 李书. 2020. 卫星热红外遥感地表温度反演在隐伏断层识别中的应用——以骊山山前断裂为例. 工程勘察, 48(3): 45～50.
宋挺, 段峥, 刘军志, 严飞, 黄君, 吴蔚. 2014. 基于Landsat-8数据和劈窗算法的地表温度反演及城市热岛效应研究. 环境监控与预警, 6(5): 4～14.
覃志豪, 李文娟, 徐斌, 陈仲新, 刘佳. 2004. 陆地卫星TM6波段范围内地表比辐射率的估计. 国土资源遥感, 16(3): 28～32, 36～41, 74.
汪集暘. 2014. 地热学及其应用. 2014年中国地球科学联合学术年会——专题4: 地热: 从地表到深部论文集.
汪啸. 2018. 广东沿海典型深大断裂带地热水系统形成条件及水文地球化学特征. 导师: 卢国平. 武汉: 中国地质大学博士学位论文: 1～143.
王德滋, 沈渭洲. 2003. 中国东南部花岗岩成因与地壳演化. 地学前缘, 10(3): 209～220.
王康. 2020. 基于多源多时相热红外遥感技术的丹东地热资源探测方法研究. 导师: 姜琦刚. 吉林: 吉林大学博士学位论文: 1～101.
王双. 2013. 广东阳江新洲地热田地热资源特征及其开发利用建议. 地下水, 35(1): 42～43, 78.
吴姗姗, 姚维军, 李琳, 康涛, 朱鹏. 2022. 苏北赣榆—和安湖地区地球物理特征和地热条件分析. 地质论评, 68(4): 1501～1510.
武姿廷. 2021. 基于遥感技术的长春市热岛效应研究. 导师: 韦新东. 吉林: 吉林建筑大学硕士学位论文: 1～61.
辛磊, 刘新星, 张斌. 2021. 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. 地质力学学报, 27(1): 40～51.
闫晓雪, 甘浩男, 岳高凡. 2019. 广东惠州—从化典型地热田水文地球化学特征及成因分析. 地质论评, 65(3): 743～754.
杨俊颖, 温夏伟, 谭红兵. 2021. 西藏尼木地区遥感数据地温反演与地热异常预测. 地质论评, 67(6): 1770～1779.
杨亮彦. 2019. 基于优化SEBAL模型的旱区蒸散发遥感估算. 导师: 孔金玲. 西安: 长安大学硕士学位论文: 1～70.
袁建飞. 2013. 广东沿海地热系统水文地球化学研究. 导师: 王焰新. 武汉: 中国地质大学博士学业论文: 1～133.
张舒婷. 2020. Sentinel-3A/SLSTR地表温度反演与地表亮温角度效应分析. 导师: 李召良. 保定: 中国农业科学院硕士学位论文: 1～48.
中南地区区域地层编写组. 1974. 中南地区区域地层表. 北京: 地质出版社: 1～182.
钟振楠, 康凤新, 宋明忠, 郎旭娟, 柳禄湧, 傅朋远, 李志杰. 2021. 鲁东招远地热田地热通量及地热成因研究. 地质论评, 67(3): 828～840.
周毅, 刘金辉, 孙占学, 杨立中. 2016. 阳江新洲地热田花岗岩基底放射性生热率特征. 现代矿业, 32(8): 157～158, 161.
周佐民. 2015. 华南晚中生代多旋回构造—岩浆演化及地热成因机制——来自广东省典型岩体的制约. 导师: 马昌前. 武汉: 中国地质大学博士学位论文: 1～113.
朱贞榕, 程朋根, 桂新, 腾月, 童成卓. 2016. 地表温度反演的算法综述. 测绘与空间地理信息, 39(5): 70～75.
Bian Yu, Yang Yongpeng, Li Meng, He Xin, Tang Hao, Sun Ang, Ju Xing. 2021&. Application of thermal infrared remote sensing technology in geothermal resources investigation . China Mining, 30(S2): 153～157.
Bureau of Geology and Mineral Resources of Guangdong Province. 1988#. Regional Geological Records of Guangdong Province. Beijing: Geological Publishing House: 1～945.
Ding Feng, Xu Hanqiu. 2006. Surface temperature inversion algorithm and experimental analysis of TM thermal band images. Earth Information Science, 8(3): 125～130 , 135
He Hao, Zhang Yun, Tang Zhi, Huang Jing, Ding Yue. 2020&. Improvement of Landsat 8 thermal infrared band surface specific emissivity estimation method. Journal of Anhui Normal University (Natural Science Edition), 43(5): 475～482.
Li Zhuang, Ji Min, Zhang Bangman. 2022&. Analysis of influencing factors of Hefei heat island effect based on geographic detectors. Mapping and Spatial Geographic Information, 45 (3): 56～59.
Lin Wenjing, Gan Haonan, Wang Guiling, Ma Feng. 2016&. Study on the occurrence prospect and target site selection of dry hot rocks along the southeast coast of China. Journal of Geology, 90(8): 2043～2058.
Luo Lu, Zhu Xia, He Chunyan, Mao Xiang, Xu Zhenhua, Wang Xinwei, Zhu Xiantao. 2019&. Study on the genesis of geothermal fluid in Xianyang geothermal field, Shaanxi. Geological Review, 65(6): 1422～1430
Pang Zhonghe, Luo Ji, Cheng Yuanzhi, Duan Zhongfeng, Tian Jiao, Kong Yanlong, Li Yiman, Hu shengbiao, Wang Jimin. 2020&. Evaluation of geological conditions for deep geothermal energy exploitation in China. Geoscience Frontier, 27(1): 134～151.
Qin Zhihao, Li Wenjuan, Xu Bin, Chen Zhongxin, Liu Jia. 2004&. Estimation of surface specific emissivity in Landsat TM6 band range. Remote Sensing of Land and Resources, 16(3): 28～32, 36～41, 74.
Regional Stratigraphic Compilation Group of Central South China. 1974#. Regional Stratigraphic Table of Central South China. Beijing: Geological Publishing House: 1～182.
Ren Zhengqing, Fang Hongjin, Wang Xueping. 2021&. Application of thermal infrared remote sensing technology in geothermal exploration in Xunwu area, Jiangxi Province. Journal of Geology, 45(3): 277～282.
Sandholt I, Rasmussen K, Andersen J. 2002. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status. Remote Sensing of Environment, 79(2～3): 213～224.
Shi Chao, Huang Chao, Nie Feng, Li Shu. 2020&. Application of surface temperature inversion from satellite thermal infrared remote sensing in hidden fault identification——Taking Lishan piedmont fault as an example. Engineering Investigation, 48(3): 45～50.
Song Ting, Duan Zheng, Liu Junzhi, Yan Fei, Huang Jun, Wu Wei. 2014&. Research on land surface temperature inversion and urban heat island effect based on landsat-8 data and split window algorithm. Environmental Monitoring and Early Warning, 6(5): 4～14.
Wang Dezi, Shen Weizhou. 2003&. Granite genesis and crustal evolution in southeastern China. Geoscience Front, 10(3): 209～220.
Wang Jiyang. 2014#. Geothermal science and its application. 2014 China Geosciences Joint Academic Annual Meeting——Topic 4: Geothermal: From Surface to Deep.
Wang Kang. 2020&. Research on the detection method of Dandong geothermal resources based on multi-source and multi-temporal thermal infrared remote sensing technology. Tutor: Jiang Qigang. Jilin: Jilin University Doctoral Dissertation: 1～101.
Wang Shuang. 2013&. Characteristics of geothermal resources in Xinzhou geothermal field in Yangjiang, Guangdong Province, and suggestions for their development and utilization. Groundwater, 35(1): 42～43, 78.
Wang Xiao. 2018&. Formation conditions and hydrogeochemical characteristics of geothermal water systems in typical deep and large fault zones along the coast of Guangdong. Tutor: Lu Guoping. Wuhan: China University of Geosciences Doctoral Dissertation: 1～143.
Wu Shanshan, Yao Weijun, Li Lin, Kang Tao, Zhu Peng. 2022&. Analysis of geophysical characteristics and geothermal conditions in Ganyu heanhu area of Northern Jiangsu Geological Review, 68(4): 1501～1510
Wu Ziting. 2021&. Research on the heat island effect of Changchun City based on remote sensing technology. Tutor: Wei Xindong. Jilin: Jilin University of Architecture and Construction Master's Thesis: 1～61.
Xin Lei, Liu Xinxing, Zhang Bin. 2021&. Remote sensing image surface temperature inversion and geothermal resource prediction —— A case study of Shijiazhuang area. Journal of Geomechanics, 27(1): 40～51.
Yan Xiaoxue, Gan Hao, Yue Gaofan. 2019&. Hydrogeochemical characteristics and genetic analysis of typical geothermal fields in Huizhou Conghua, Guangdong. Geological Review, 65(3): 743～754
Yang Junying, Wen Xiawei, Tan Hongbing. 2021&. Geothermal inversion and geothermal anomaly prediction of remote sensing data in Nimu area, Tibet. Geological Review, 67(6): 1770～1779.
Yang Liangyan. 2019&. Remote sensing estimation of evapotranspiration in arid regions based on optimized SEBAL model. Tutor: Kong Jinling. Xi'an: Chang'an University Master's Thesis: 1～70.
Yuan Jianfei. 2013&. Hydrogeochemistry of geothermal system in Guangdong coastal area. Tutor: Wang Yanxin. Wuhan: Doctoral Dissertation of China University of Geosciences: 1～133.
Zhang Shuting. 2020&. Sentinel-3A/SLSTR surface temperature inversion and surface brightness temperature angle effect analysis. Tutor: Li Zhaoliang. Baoding: Chinese Academy of Agricultural Sciences Master's Thesis: 1～48.
Zhong Zhennan, Kang Fengxin, Song Mingzhong, Lang Xujuan, Liu Luyong, Fu Pengyuan, Li Zhijie. 2021&. Study on geothermal flux and geothermal genesis of Zhaoyuan geothermal field in East Shandong. Geological Review, 67(3): 828～840
Zhou Yi, Liu Jinhui, Sun Zhanxue, Yang Lizhong. 2016&. Characteristics of radioactive heat generation rate of granite basement in Yangjiang Xinzhou geothermal field. Modern Mining, 32(8): 157～158, 161.
Zhou Zuomin. 2015&. Late Mesozoic multi-cycle tectonic—magmatic evolution and geothermal genetic mechanism in South China: Constraints from typical rock masses in Guangdong Province. Tutor: Ma Changqian. Wuhan: China University of Geosciences Doctoral Dissertation: 1～113.
Zhu Zhenrong, Cheng Penggen, Gui Xin, Teng Yue, Tong Chengzhuo. 2016&. Summary of algorithms for surface temperature inversion. Mapping and Spatial Geographic Information, 39(5): 70～75.