Lihat diskusi, statistik, dan profil penulis untuk publikasi ini di: https://www.researchgate.

net/publication/284578928

PEMANTAUAN DAN PENGUANTIFIKASI KEHILANGAN PANAS DARI AREA GEOTERMAL YANG

SIGNIFIKAN MELALUI SENSASI JAUH

Kertas konferensi · November 2015

KUTIPAN BACA

3 293

4 penulis , termasuk:

Christopher Bromley Salman Ashraf

Ilmu GNS Ilmu GNS

154 PUBLIKASI 1.046 KUTIPAN 20 PUBLIKASI 222 KUTIPAN

LIHAT PROFIL LIHAT PROFIL

Anya Seward

Ilmu GNS

31 PUBLIKASI 153 KUTIPAN

LIHAT PROFIL

Beberapa penulis publikasi ini juga mengerjakan proyek terkait berikut:

Pembaruan Negara WGC NZ Lihat proyek

Menilai indikator lingkungan dan mineral Selandia Baru (MBIE - Ide Cerdas) Lihat proyek

Semua konten setelah halaman ini diunggah oleh Christopher Bromley pada 25 November 2015.

Pengguna telah meminta peningkatan dari file yang diunduh.

 MEMANTAU DAN MENGUANTIFIKASI KEHILANGAN PANAS DARI SIGNIFIKAN
AREA GEOTERMAL MELALUI PENGinderaan Jauh

Chris Bromley 1, Salman Ashraf 2, Anya Seward 1, Rob Reeves 1

1 GNS Science, Wairakei Research Center, Private Bag 2000, Taupo, Selandia Baru

2 GNS Science, Box 30-368, Lower Hutt, Selandia Baru

c.bromley@gns.cri.nz

Kata kunci: pemantauan, kehilangan panas, penginderaan jauh satelit, infra merah didemonstrasikan di Lapangan Panas Bumi Ohaaki terdekat (Reeves et al., 2015).
termal, kalorimeter, Karapiti. Makalah ini menjelaskan pekerjaan penelitian yang sedang berlangsung untuk
meningkatkan penghitungan penilaian kehilangan panas tersebut menggunakan
ABSTRAK data inframerah termal satelit (TIRS), yang dikombinasikan dengan survei TIR di

Penilaian akurat kehilangan panas alami dari area panas bumi yang udara dan pengukuran suhu dan kalorimetri di darat.

signifikan sangat penting untuk menyediakan data guna

meningkatkan simulasi reservoir dan kalibrasi model. Ketidakpastian
dalam parameter ini dapat menyebabkan ketidakpastian yang besar Daerah termal Karapiti (juga dikenal sebagai 'Craters of the Moon') terletak

dalam penilaian sumber daya dan dalam prediksi tingkat di dalam Wairakei Geothermal Field, dan bisa dibilang salah satu daerah

pemanfaatan yang berkelanjutan. Pemantauan perubahan yang paling banyak dipelajari dari tanah beruap di dunia (Mongillo & Allis,

kehilangan panas permukaan selama produksi sama pentingnya 1988, Bromley & Hochstein, 2001 2005, Hochstein & Bromley, 2001, 2005,

untuk pencocokan sejarah model reservoir dan untuk penilaian efek

lingkungan. Metode baru sedang dikembangkan untuk 2007, Mia et al., 2012). Panas dibuang langsung oleh banyak fumarol dan

memanfaatkan citra inframerah termal dengan lebih baik dari satelit ventilasi uap, kawah, dan kolam lumpur panas. Panas juga dibuang secara

Landsat-8 yang baru diluncurkan, yang kualitas dan frekuensinya konvektif difus dan dengan transfer konduktif melalui tanah panas dan

telah meningkat (bersama-sama dengan Landsat-7). Bersama hangat, di atas area seluas ~ 0,35 km 2 ( Gambar 1). Daerah termal Karapiti

dengan pengukuran ground-truth, dan survei infra merah melalui berisi daerah yang luas dari endapan lempung hidrotermal ('tanah kosong')

udara resolusi tinggi, dan semak belukar 'bersujud' yang tahan panas (hijau muda pada Gambar
1). Dikelilingi oleh hutan pinus radiata (hijau tua pada Gambar 1), yang
kadang-kadang ditebang (sisi timur Gambar 1), memperlihatkan tanah
yang berasal dari batu apung.
Masalah yang saat ini sedang ditangani untuk membantu perkiraan fluks panas
yang lebih baik dengan menggunakan teknik penginderaan jauh meliputi:
perhitungan variasi emisivitas permukaan dan radiasi matahari ambien (latar
belakang); kalibrasi terhadap suhu permukaan badan air; dan menggunakan
algoritma yang dioptimalkan untuk koreksi atmosfer (jendela terpisah atau
mono). Sehubungan dengan penilaian kehilangan panas, masalah-masalah
meliputi: akuntansi untuk kehilangan uap konvektif; dan menangani masalah
resolusi spasial. Integrasi citra dengan pengukuran titik fluks panas total dari
area tanah yang beruap lemah merupakan tantangan. Makalah ini merangkum
upaya hingga saat ini dalam menyelesaikan masalah ini, dan memberikan
beberapa contoh penilaian kehilangan panas dari daerah termal Karapiti
(Craters of the Moon), Wairakei, Selandia Baru.

1. PERKENALAN
Areal steam ground berasal dari pembuangan uap panas bumi melalui
permukaan. Uap memanaskan air tanah, berinteraksi dengan curah hujan,
dan dapat mentransfer sejumlah besar energi panas, yang jumlahnya, di
beberapa tempat, hingga beberapa ratus megawatt. Mengukur dan
memantau kehilangan panas secara akurat sangat sulit, dan bisa memakan
waktu serta mahal. Namun, data kehilangan panas menjadi semakin penting
untuk mengkalibrasi (yaitu, pencocokan riwayat) model simulasi reservoir,
untuk tujuan memprediksi dengan lebih baik efek jangka panjang pada fitur
geotermal permukaan yang signifikan dari skenario pengembangan masa
Gambar 1: Foto satelit daerah termal Karapiti,
depan (Newson & O'Sullivan). , 2004, Newson, 2010, Yeh et al.,
(Sindikat Foto Udara Wilayah Waikato, 10 Nov 2012); daerah
cocok dengan angka 2-7.

2014). Alat geofisika yang ditingkatkan untuk membantu mengukur perubahan Makalah ini memberikan perbandingan perkiraan baru kehilangan panas
seperti itu selalu disambut baik. Sebuah contoh kegunaan survei airborne dari daerah termal Karapiti menggunakan citra satelit (bagian 2), citra
thermal infrared (TIR) berulang untuk memantau perubahan di tanah yang inframerah termal udara (bagian 3) dan suhu berbasis tanah dengan
menguap baru-baru ini kalorimetri (bagian 4).
Prosiding 37 Lokakarya Panas Bumi Selandia Baru
18 - 20 November 2015
Taupo, Selandia Baru
2. INFRA-MERAH TERMAL SATELIT NDVI = (SR 1- SR 2) / ( SR 1+ SR 2)

Data Thermal Infra-Red Sensor (TIRS) Landsat-8

dimana SR 1 & SR 2 adalah reflektansi permukaan pita inframerah dekat dan
( http://landsat.usgs.gov/landsat8.php ) baru-baru ini tersedia untuk
pita merah.
tujuan pemantauan dan karakterisasi termal (menggantikan
pendahulunya Landsat-7 dan Landsat-
Nilai NDVI berkisar dari -1 hingga +1. Vegetasi hijau bernilai tinggi, air
5). Data tersebut berpotensi dapat digunakan untuk menghitung Radiative
bernilai negatif, dan tanah gundul bernilai sekitar nol. Sebagai indeks
Heat Flux (RHF) dari area tanah yang dipanaskan secara geothermal.
yang dinormalisasi, NDVI tidak terpengaruh oleh perubahan apa pun
Analisis melibatkan pemrosesan data multispektral (OLI - Optical Land
dalam kondisi iluminasi, permukaan, atau aspek. Citra NDVI dari data SR
Imager) dan termal (TIRS) secara bersamaan. Prosedur tersebut dirangkum
terkoreksi atmosfer Karapiti pada Gambar 3 mengilustrasikan perbedaan
dalam delapan langkah berikut (2.1 hingga 2.8), menggunakan citra satelit
antara tanah gundul (ungu), vegetasi bertekanan termal (hijau muda
dari Karapiti. Citra (pada ukuran piksel 30m x 30m) diperoleh pada 17 Jan
hingga kuning) dan hutan dewasa (gelap
2014 pukul 22:01 UTC (11:01 waktu setempat).

hijau).

2.1 Angka Digital ke Reflektansi Permukaan

Data Landsat-8 tersedia secara gratis dari USGS dalam format 16-bit
unsigned integer. Gambar (atau 'adegan') menggunakan koordinat UTM
(zona 1-60N) dan data belahan bumi Selatan diwakili dengan arah utara
negatif. Data "Surface Reflectance" -nya diperoleh dari situs web USGS
EarthExplorer (EE). Produk Landsat 8 Surface Reflectance dihitung
menggunakan perangkat lunak khusus yang disebut L8SR. Ini adalah
perangkat lunak sementara dan hasilnya belum sepenuhnya divalidasi;
namun, metode ini berpotensi lebih kuat dalam menghilangkan efek
atmosfer lokal karena adanya awan, bayangan awan, dan salju dalam data
(Zhu dan Woodcock, 2012). Metode sementara ini saat ini menggunakan
puncak matahari dan sudut pandang puncak di pusat pemandangan untuk
perhitungan sebagai bagian dari atmosfer.

koreksi.

Gambar 2 mengilustrasikan data pancaran spektral menggunakan citra daerah

Karapiti, yang menunjukkan saluran multispektral inframerah dekat (NIR), Hijau
dan Biru, masing-masing ditampilkan sebagai merah-hijau-biru, untuk data
reflektansi permukaan (SR).

Gambar 3: Citra NDVI di Karapiti (0,2 - 0,95)

Gambar 2: Tiga pita (NIR, Hijau, Biru) dari koreksi

Nilai SR di Karapiti (30m x 30m piksel)
Gambar 4: Peta vegetasi pecahan berbasis NDVI. Ungu
2.2 Perhitungan Indeks Vegetasi piksel mewakili hingga 40% tanah kosong

Kesehatan vegetasi terkait dengan biomassa, konsentrasi klorofil Area ungu tengah pada Gambar 3 bertepatan dengan kawah yang dipanaskan
dan cekaman air, dan dapat dinilai dalam citra satelit melalui dengan uap (Gambar 1), sedangkan area di sepanjang tepi timur gambar
penghitungan Indeks Vegetasi Perbedaan Normalisasi (NDVI) (Mia baru-baru ini ditebang. NDVI juga digunakan untuk memperkirakan Fractional
et al., 2012): Vegetation (FV) yang merupakan

Prosiding 37 Lokakarya Panas Bumi Selandia Baru

18 - 20 November 2015
Taupo, Selandia Baru
persentase vegetasi yang tersebar dalam satu piksel (Brunsell dan Glllies, mengasumsikan bahwa atenuasi proporsional dengan perbedaan
2002): pancaran pengukuran simultan pada dua panjang gelombang yang
berbeda (Jimenez-Munoz et al., 2014, McMillin, 1975). Oleh karena
FV = [(N piksel- N min) / ( N maks- N min)] 2 itu, metode ini dianggap lebih unggul karena tidak bergantung pada
asumsi redaman atmosfer lokal.
Dimana N = NDVI; nilai minimum atau maksimum adalah khusus
pemandangan dan mengacu pada area tanah kosong dan vegetasi lebat yang
diketahui. Gambar 4 memberikan contoh peta Fractional Vegetation untuk
Penerapan pengambilan LST menggunakan algoritma mono-window
Karapiti.
dibahas pada 2.6, sedangkan algoritma split-window dibahas pada 2.7.

2.3 Perhitungan Emisivitas

Metode fraksional vegetasi diterapkan untuk memperkirakan 2.6 Algoritma Mono-window
emisivitas permukaan citra (Brunsell and Glllies
Kalkulator Parameter Koreksi Atmosfer NASA
2002). Batas bawah dan atas untuk emisivitas pita lebar dari tanah
( http://atmcorr.gsfc.nasa.gov/ ) menggunakan kode MODTRAN (MODrate
kosong dan vegetasi hutan di Karapiti dipilih menjadi 0,96 dan 0,98
resolusi atmosfer TRANsmission) untuk memodelkan propagasi atmosfer
(dari Mia et al., 2012). Distribusi spasial emisivitas di Karapiti identik
dari radiasi elektromagnetik dan mengembalikan pancaran atmosfer,
dengan Gambar 4, tetapi pada kisaran 0,96 hingga 0,98.
pancaran aliran naik dan turun di lokasi tertentu sesuai kebutuhan.

2.4 Konversi Gambar Thermal menjadi Temperatur

Setelah pancaran spektral (reflektansi permukaan, SR) dan nilai emisivitas
permukaan untuk pemandangan telah ditentukan, langkah pemrosesan
selanjutnya mengubah data Thermal Infra-Red Sensor (TIRS) menjadi Suhu
Permukaan Tanah (LST).
Data pita TIRS diubah menjadi nilai Radiance Spektral Top of
Atmosphere (TOA) menggunakan faktor penskalaan radiance yang
disediakan dalam file metadata. Ini kemudian diubah menjadi suhu
kecerahan TOA dalam Kelvin
(T s) menggunakan (dari Barsi et al., 2003):
Dalam contoh Karapiti, input opsional ke kalkulator (seperti tekanan
permukaan dan kelembaban relatif) diperoleh dengan menggunakan
database iklim CliFlo NIWA.
( http://cliflo.niwa.co.nz/ ) untuk stasiun iklim terdekat (Taupo AWS)
sedangkan suhu permukaan diperoleh dari data kantor GNS Science
Wairakei. Nilai kondisi permukaan yang digunakan dalam kalkulator dan
parameter atmosfer yang dikembalikan tercantum dalam Tabel 1.
Tabel 1. Kondisi permukaan input pengguna dan parameter koreksi
atmosfer yang dikembalikan.

T s = K 2 / ( ln (K 1 / + 1) Kondisi Permukaan Input

Ketinggian permukaan 0.385 km

dimana, K 1 dan K 2 adalah konstanta konversi termal yang bergantung pada pita
dari metadata, dan adalah pancaran spektral untuk Tekanan permukaan 970,5 mb
setiap band di Wm- 2 sr- 1 µ m- 1.
Suhu permukaan 17.3 Hai C

2.5 Perhitungan Suhu Permukaan Tanah Kelembaban relatif permukaan 40,6%

Suhu Permukaan Tanah (LST) adalah variabel kunci yang diambil Parameter Koreksi Atmosfer
dari data TIRS (Jimenez-Munoz et al., 2009). Koreksi atenuasi
Transmisi atmosfer rata-rata 0.94
atmosfer dan efek emisivitas permukaan dari data TIRS merupakan
langkah penting. Mengabaikan koreksi atmosfer akan mengakibatkan Sinar upwelling bandpass 0,47 Wm- 2 sr- 1 µ m- 1

kesalahan sistematis pada suhu permukaan yang diprediksi. Tanpa Sinar downwelling bandpass 0,85 Wm- 2 sr- 1 µ m- 1
koreksi atmosfer, suhu yang diprediksi biasanya 5-10 Hai K terlalu
rendah (Barsi et al., 2003).
Tiga metode berbeda untuk koreksi atmosfer mono-window yang
menggabungkan variasi emisivitas permukaan tanah telah dipertimbangkan.
Untuk contoh Karapiti yang dibahas di sini, berbagai metode pemrosesan
Mereka termasuk formulasi yang diterbitkan oleh Barsi et al. (2003) (Metode
diterapkan pada data sehingga dapat dibandingkan (Tabel 1). Sebagai
2), Qin et al. (2001) (Metode
referensi, Metode 1 dalam tabel ini menggunakan "Suhu Kecerahan"
3) dan Jiménez-Muñoz & Sobrino (2003) (Metode 4).
mentah tanpa koreksi untuk redaman atmosfer atau efek emisivitas
permukaan.
Metode 2 membutuhkan in-situ, data radio-sounding untuk direkam secara
bersamaan dengan satelit untuk mengoreksi parameter transmisi atmosfer
Ada dua opsi pemrosesan LST paralel untuk data termal Landsat8
lokal. Data tersebut tidak tersedia di Karapiti. Metode 3 dikembangkan
untuk memperhitungkan efek penyerapan atmosfer.
untuk data Landsat-5 untuk menghindari kebutuhan radiosounding. Itu
digunakan oleh Mia et al. (2012) untuk memproses data Landsat-5 dan
Landsat-7 untuk menunjukkan kegunaan potensial data inframerah satelit
a) Algoritma mono-window: metode ini memproses data dari satu
untuk pemantauan fluks panas permukaan jangka panjang. Variabel yang
saluran. Karena TIRS-1 (Band 10) terletak di daerah spektrum
diperlukan untuk menghitung LST yang dikoreksi meliputi emisivitas
serapan atmosfer yang relatif rendah (nilai transmissivitas
permukaan tanah,
atmosfer tinggi), lebih disukai menggunakan saluran ini untuk
pemrosesan saluran tunggal (Jimenez-Munoz et al., 2014) .
total atmosfer transmisi, dekat permukaan udara

suhu, dan suhu kecerahan sensor.

b) Algoritma jendela terbagi: metode ini menggunakan kedua band termal
Metode 4 membutuhkan data masukan yang serupa, dan telah diadaptasi oleh
(10 & 11) dari data Landsat-8 untuk menentukan LST. Penyerapan
Jiménez-Muñoz et al. (2014) untuk digunakan dengan Landsat-8 TIRS. Hasil LST untuk
atmosfer melemahkan pancaran yang masuk ke sensor, dan teknik
Karapiti diilustrasikan pada Gambar 5.
jendela terbelah

Prosiding 37 Lokakarya Panas Bumi Selandia Baru

18 - 20 November 2015
Taupo, Selandia Baru
 Data Uap Air (Gao, 2015). Hal tersebut menyebabkan naiknya nilai LST sekitar 0.82
menjadi 1.65 Hai K untuk emisivitas yang berbeda
nilai-nilai. ε berkisar antara 0,96 dan 0,98, tetapi di antara pita yang berbeda ∆ε
= 0. Hasilnya diplot pada Gambar 6.

2.8 Perhitungan Fluks Panas Radiatif

Fluks Panas Radiatif Teoretis (RHF), dihitung menggunakan persamaan
Stefan –Boltzmann,

4- T4
Q r = τ σ ε A (T s Sebuah )

dimana; Q r = RHF (W / m 2), τ = transmisivitas atmosfer, σ

= Konstanta Stefan – Boltzmann, ε = emisivitas, A = luas
(m 2), T s = LST ( Hai K), dan T a = suhu lingkungan ( Hai K).

Distribusi spasial RHF di Karapiti dengan menggunakan metode

pemrosesan yang berbeda telah dibandingkan; contoh algoritma split
window disajikan pada Gambar 7.

Gambar 5: Suhu Permukaan Tanah ( Hai K) menggunakan algoritma

monowindow, Metode 4 (14.5 - 30.9 Hai C).

Gambar 7: Fluks Panas Radiatif (W / m2) menggunakan split-

algoritma jendela (dihitung dari Gambar 6)

Untuk keperluan perbandingan ini, Tabel 2 merangkum hasil perhitungan

dengan menggunakan lima metode berbeda, seperti yang dijelaskan di
atas, untuk citra Karapiti. Nilai piksel terhitung minimum dan maksimum
Gambar 6: Suhu Permukaan Tanah ( Hai K) menggunakan algoritma untuk suhu permukaan tanah, dan fluks panas radiatif, dicantumkan
splitwindow, Metode 5 (15.2 - 34.4 Hai C) bersama dengan nilai RHF (positif) yang dijumlahkan di seluruh area

2.7 Algoritma Jendela Terbagi (Metode 5) adegan, di MW.

LST (T s) algoritma split-window, seperti yang diterapkan pada data Landsat-8
TIRS, dan dijelaskan dalam Sobrino & Raissouni Tabel 2. Perbandingan metode penghitungan LST dan hasil RHF
(2000) adalah sebagai berikut: (lihat teks untuk deskripsi metode).

T s = T i + c 0+ c 1 ( T saya- T j) + c 2 ( T saya- T j) 2+ ( c 3+ c 4 w) (1- ε) + ( c 5+ c 6 w) ∆ε

LST LST RHF RHF RHF
Proses
Min. Max. Min. Max. Total
dimana, c 0 ke c 6 adalah koefisien, T saya & T j adalah sensor metode
Hai K Hai K
suhu kecerahan ( Hai K) pada pita jendela terbagi i & j, E W / m2 W / m2 MW
adalah emisivitas yang berarti, ∆ε adalah perbedaan emisivitas (ij), dan w adalah 1 286.5 300.7 - 19.6 54.8 20.3
total kandungan uap air atmosfer (g / cm2 2). Nilai
2 287.6 304.0 - 14.1 72.9 32.8
untuk c 0- c 6 ditentukan oleh Jimenez-Munoz et al. (2014) dari data
simulasi, dan untuk kenyamanan tercantum di sini 3 288.1 304.6 - 11.7 76.7 36.6
urutan numerik (c 0 ke c 6): 4 287.7 304.1 - 14.1 73.3 33.1

- 0,268, 1,378, 0,183, 54.3, -2.238, -129.2, 16.4. 5 288.3 307.5 - 10.78 94.1 42.8

Perhatikan, metode ini tidak membedakan antara panas matahari yang diradiasi ulang
Untuk Karapiti, w adalah 5,6 g / cm3 2 seperti yang diperkirakan pada hari yang sama
dan panas dangkal yang berasal dari panas bumi untuk fluks panas total yang
gambar AQUA MODIS diproses ke Level-2 Atmosphere
diradiasikan. Misalnya anomali yang kuat

Prosiding 37 Lokakarya Panas Bumi Selandia Baru

18 - 20 November 2015
Taupo, Selandia Baru
sepanjang perbatasan timur Gambar 7 jelas tidak disebabkan oleh fluks
panas bumi, melainkan efek pemanasan radiasi matahari yang dipantulkan
dan sisa (untuk gambar di pagi hari) di tanah kosong yang baru saja
ditebang. Oleh karena itu, groundtruthing dari sumber anomali termal yang
tampak masih merupakan bagian penting dari interpretasi.
Metode 1 (tanpa koreksi apa pun) menghasilkan suhu dan fluks panas
yang sangat rendah. Metode 5 lebih disukai karena paling tidak
bergantung pada faktor eksternal. Namun, penentuan transmissivitas
atmosfer lokal (kadar air) pada saat pengambilan data tetap menjadi
digunakan; satu dengan data TIR dibagi menjadi 2 derajat bins (a), dan yang lainnya
menggunakan semua piksel individu (b).
Metode terakhir (Metode 4 dalam Bromley et al. (2011) menghitung
fluks panas teoritis dari panas anomali.
tanah ( ≥ 18 Hai C), langsung dari suhu dasar TIR yang disimpulkan.
Komponen radiasi menggunakan persamaan Stefan-Boltzmann, dan
komponen perpindahan panas konvektif udara diam menggunakan
koefisien 11 Wm- 2 K- 1). Ini
dihitung untuk setiap piksel yang valid dan dijumlahkan untuk memberikan total
fluks panas.

salah satu sumber ketidakpastian terbesar di LST dan RHF.

Meskipun wilayah Karapiti didominasi oleh tanah yang dipanaskan, tanpa
pelepasan air, diakui juga terdapat banyak fumarol dan pembuangan uap
3. INFRA-MERAH TERMAL AIR-BORNE yang menyebar, yang fluks konvektifnya tidak diperhitungkan dalam

Data Aerial Thermal Inframerah (TIR) dalam format digital dikumpulkan di perhitungan fluks panas radiatif dan konduktif ini. Pelepasan seperti itu

atas area termal Karapiti pada malam 26/2/2014 menggunakan kamera FLIR secara signifikan meningkatkan fluks panas total. Sebagai contoh, Bromley

A615 TIR yang dipasang di pesawat sayap tetap. Ini adalah bagian dari & Hochstein (2005) menilai kehilangan panas konvektif pada tahun 2004

survei yang lebih besar dari Lapangan Panas Bumi Wairakei-Tauhara yang menjadi sekitar 107 MW dari fumarol dan 69 MW dari pembuangan uap

dilakukan untuk Contact Energy Ltd. Gambar TIR terdiri dari file gambar 'tif' yang menyebar, menyisakan 69 MW (atau 28% dari total Karapiti 245 +/- 20

16-bit. Ini adalah mosaicked dan geo-register ke foto udara menghasilkan MW) berasal dari kehilangan panas konduktif dan kemudian radiasi.

ukuran piksel tanah c. 0.7m. Gambar komposit yang dihasilkan Karapiti

ditunjukkan pada Gambar 8.

Suhu permukaan yang disimpulkan berasal dari data mentah dengan

mengembangkan persamaan kalibrasi antara data TIR dan suhu air
yang diukur di 19 lokasi selama survei. Diakui bahwa perbedaan
tutupan tanah (tanah apung atau vegetasi) menghasilkan emisivitas
yang sedikit berbeda dari air dan ini akan menghasilkan perbedaan
kecil antara
disimpulkan dan permukaan sebenarnya
suhu.

Tiga metode dimodifikasi dari Bromley et al. (2011) digunakan untuk

memperkirakan fluks panas dari data TIR. Metode pertama (Metode 2 dalam
Bromley et al., 2011) menggunakan hubungan empiris antara suhu permukaan
yang disimpulkan TIR dan kedalaman titik didih pada setiap piksel yang diperoleh
dari data yang dikumpulkan di lokasi pemantauan Karapiti dan Tauhara (Hochstein
& Bromley, 2005). Metode empiris yang menghubungkan kedalaman titik didih
dengan fluks panas kemudian digunakan untuk memperkirakan kehilangan panas.

Dua variasi sub-metode adalah

diujicobakan di sini (2a dan 2b):

a) Piksel di wilayah studi dibagi menjadi 2 Hai C

pita suhu dengan titik tengah setiap pita diambil sebagai representatif.
Luas total untuk setiap pita dihitung menggunakan luas piksel 0,49 m 2,
dan hasilnya dirangkum. Hanya fluks panas untuk perkiraan suhu
tanah ≥ 18 Hai C (yaitu ~ 6 Hai C di atas ambien) dilaporkan karena suhu
yang lebih rendah cenderung berisik dan terkena efek seperti
penyaringan vegetasi dan sisa pemanas matahari. Suhu udara / tanah
ambien diasumsikan 12.6 Hai C, yang

adalah suhu udara rata-rata selama survei TIR.
b) Persamaan diterapkan langsung ke setiap piksel untuk semua
piksel ≥ 18 Hai C, tanpa binning. Piksel terpilih yang jelas-jelas bukan karena
pengaruh panas bumi akan dibuang.
Metode selanjutnya (Metode 3 dalam Bromley et al., 2011), menggunakan
hubungan empiris langsung antara suhu TIR yang disimpulkan dan fluks panas:
T = 50,3 * (T ( disimpulkan) - T ( Sekelilingnya)) - 148 W / m 2
Ini dikalikan dengan luas piksel dan dijumlahkan untuk menentukan fluks panas total.
Sedangkan untuk metode sebelumnya, ada dua variasi
Gambar 8: Citra inframerah termal Karapiti yang terbawa udara.
Area kuning ke merah lebih panas. Label “+” adalah situs
kalorimeter (bagian 4). Jalan segel tar sisi timur menunjukkan sisa
pemanas matahari.
Tabel 3 merangkum kehilangan panas konduktif / radiasi dari area termal
Karapiti menggunakan setiap metode yang diterapkan pada data TIR 2014
untuk suhu permukaan ≥ 18 Hai C. Kisaran
diperkirakan 20 sampai 51MW. Metode 2 dan 3 menggunakan hubungan empiris yang
diturunkan dari kumpulan data yang serupa sehingga diharapkan besarnya serupa.
Metode 4 didasarkan pada kehilangan panas radiasi teoritis dan konveksi udara diam,
jadi mungkin tidak cukup memperhitungkan pendinginan permukaan tanah (dan
karena itu kehilangan panas) yang disebabkan oleh angin. Juga, semua ini

Prosiding 37 Lokakarya Panas Bumi Selandia Baru

18 - 20 November 2015
Taupo, Selandia Baru
Metode akan di bawah perkiraan karena mengabaikan kehilangan panas
yang timbul dari area luas tanah hangat antara ambien dan 18 Hai C
(kebanyakan di bawah ~ 0,5-2m tutupan vegetasi tebal yang terdiri dari
kanuka bersujud).

Tabel 3. Total fluks panas konduktif-radiatif pada

Karapiti untuk suhu tanah ≥ 18 ° C menggunakan TIR.

Metode: 2a 2b 3a 3b 4

Konduktif 51.4 51.0 48.5 48.1 20.6

fluks panas (MW)

4. TEMPERATUR TANAH & KALORIMETRI

Sehubungan dengan survei TIR yang terbawa udara yang dijelaskan di
bagian 3, lima belas pengukuran fluks panas permukaan dilakukan di
Karapiti (Gambar 9) selama Februari 2014, menggunakan kalorimeter air
untuk menentukan fluks panas permukaan total dan konvektif. Pengukuran
ini disertai dengan suhu tanah yang diambil pada kedalaman 0,05, 0,1, 0,15,

0,2, 0,25, 0,5 dan 1,0 m, menggunakan termistor tipe-K, untuk menentukan
gradien suhu dan kedalaman titik didih. Suhu permukaan diambil menggunakan
termometer inframerah genggam. Upaya untuk menentukan jumlah uap yang
dikeluarkan dari permukaan tanah dilakukan dengan dua teknik: (1) pengumpulan
cairan kental di dasar kalorimeter menggunakan tisu yang dikeringkan dan
ditimbang sebelumnya; dan (2) absorpsi kelembapan dengan pengering yang
Gambar 9: Lokasi fluks panas permukaan tanah
dikeringkan dan ditimbang sebelumnya. Tidak ada metode yang memberikan hasil
pengukuran di Karapiti pada tahun 2014.
yang memuaskan, karena sampel 'kontrol' ditemukan mendapatkan kelembaban
sepanjang hari, meskipun disimpan dalam wadah kering yang didinginkan.

Kalorimeter mencatat peningkatan linear suhu air, dimulai dari

kondisi lingkungan dekat, yang disebabkan oleh perpindahan panas
tanah yang stabil, misalnya, periode 5 menit. Hal ini memungkinkan
fluks panas total dari permukaan ditentukan. Kenaikan suhu air saat
kalorimeter dinaikkan sedikit (pada cincin 2 cm) selama periode
waktu yang sama (5 menit) memungkinkan fluks panas nonkonduktif
(radiasi dan konveksi) dari permukaan ditentukan. Sebelum,
sesudah, dan di antara pengukuran tanah dan ketinggian,
kalorimeter dibiarkan di atas balok kayu tebal untuk mengukur
pengaruh latar belakang atmosfer sekitarnya (pada suhu Gambar 10. Log suhu kalorimeter di situs k70.
lingkungan). Suhu pada tutup kalorimeter juga dicatat secara
kontinu untuk memungkinkan koreksi, jika perlu, untuk perubahan
suhu sekitar. Fluks panas konvektif diperkirakan dengan mengumpulkan uap air yang
terkumpul di dasar kalorimeter (atau dalam wadah pengering) saat dinaikkan
pada cincin 2 cm. (Ada kesalahan besar yang terkait dengan perkiraan ini
karena penangkapan kelembaban yang tidak lengkap dan penguapan
selanjutnya).
menit.
Δ
Fluks panas total dari groun ∆ d ditentukan dari Δ
!
gradien suhu dengan waktu ( ∆) diukur saat peralatan ditempatkan
langsung di permukaan, dan mengalikan "#
Dimana " adalah perubahan massa jaringan, adalah
dengan massa air dalam kalorimeter ( m), dan
kapasitas panas spesifik air ( c), dibagi total entalpi uap tertentu, adalah entalpi dari
tetesan, dan L adalah komponen kehilangan cairan.
daerah ( SEBUAH) dari tanah yang ditutupi oleh kalorimeter.

∆ ∆
Fluks panas konduktif ditentukan dengan mengalikan gradien
∆ ∆ kedalaman suhu dengan konduktivitas termal.

∆
∆ ∆ $% & $ '
dimana ∆, adalah perubahan suhu yang direkam oleh sensor penutup dari waktu ke waktu,

dan digunakan sebagai proxy untuk pemanasan / Konduktivitas termal rata-rata (%) tanah di Karapiti diasumsikan 0,7 W /
pengaruh pendinginan dari suhu udara sekitar. mK. Nilai ini dapat ditingkatkan dengan mengumpulkan sampel tanah
dangkal dan melakukan pengujian sifat termal (Seward & Prieto, 2015,
Van Manen &

Prosiding 37 Lokakarya Panas Bumi Selandia Baru

18 - 20 November 2015
Taupo, Selandia Baru
Wallin, 2012). Berdasarkan penelitian sebelumnya, variabel kuncinya adalah 5. KESIMPULAN
kelembaban tanah (Bromley & Hochstein, 2001).
Metode pemrosesan yang lebih baik sedang diselidiki untuk memungkinkan
penggunaan teknik penginderaan jauh yang lebih baik untuk memantau perubahan
Panas radiasi juga dapat ditentukan dengan
fitur panas bumi permukaan, terutama area luas tanah yang dipanaskan dengan

, ,
uap. Data satelit, bersama dengan survei infra merah yang ditularkan melalui udara
() *+ - . +&/ '
resolusi tinggi dan pengukuran berulang di permukaan tanah dari suhu dangkal dan
fluks kalorimeter panas, diharapkan dapat mencapai peningkatan jangka panjang
Dimana * adalah emisivitas tanah, -. adalah absorptsi pelat dasar
dalam penghitungan perubahan alami dan perubahan yang disebabkan pada
kalorimeter, + adalah Stefan- kehilangan panas permukaan. Ini akan membantu dalam mengkalibrasi model
Konstanta Boltzman dan Tw dan Tg adalah suhu air dalam simulasi reservoir yang menjadi semakin canggih dalam mencocokkan dan
kalorimeter dan suhu tanah. memprediksi efek pada fitur termal permukaan dari skenario pengembangan
Ini adalah perpindahan panas
reservoir yang berbeda.
komponen yang dideteksi dengan metode penginderaan jauh. Pekerjaan lebih
lanjut untuk menentukan emisivitas tanah dari tanah gundul dan tanah yang
tertutup vegetasi perlu dilakukan agar dapat menghubungkan pengamatan di
lapangan dengan pengukuran jarak jauh. Masalah pemrosesan data inframerah satelit saat ini sedang ditangani.
Ini termasuk: perhitungan variasi emisivitas permukaan; kalibrasi
menggunakan suhu permukaan yang diketahui; koreksi ambient (latar
Kedalaman hingga titik didih di setiap lokasi juga dihitung dengan:
belakang), efek radiasi matahari yang dipantulkan dan sisa; dan
mengoptimalkan algoritma koreksi atmosfer (split atau mono window).
$ exp4 5 & 67 8' 9 Untuk

interpretasi gabungan TIRS satelit, TIR udara dan penilaian fluks

dimana c 1 adalah konstanta yang diturunkan secara empiris (-0,025 di Karapiti,
panas berbasis darat, isu-isu termasuk penghitungan kehilangan
Hochstein & Bromley, 2005).
panas konvektif dan resolusi spasial
Gambar 11 menunjukkan bagaimana kedalaman titik didih di lokasi berulang telah berubah
masalah.

dari waktu ke waktu (memperbarui Mia et al., 2012) Tabel 4 mencantumkan fluks panas
Penilaian kehilangan panas dilakukan dengan menggunakan data satelit dan TIR yang
Karapiti yang diproses dan kedalaman titik didih yang dikumpulkan pada Februari 2014.
terbawa udara dari daerah termal Karapiti di Wairakei. Masalah yang akan diselidiki
lebih lanjut di sini termasuk pemahaman yang lebih baik tentang alasan perbedaan fluks
panas total menggunakan metode penghitungan yang berbeda (seperti yang tercantum
dalam Tabel 2 dan 3).

Pengukuran gradien kalorimeter dan suhu tanah berulang dilakukan (Tabel

4) dan dibandingkan dengan pengukuran sebelumnya di Karapiti (Gambar
11). Perbaikan diupayakan untuk mengukur dengan lebih baik komponen
konvektif dari kehilangan panas (pelepasan uap menyebar) dan untuk lebih
mengurangi ketidakpastian.

UCAPAN TERIMA KASIH

Gambar 11: Perubahan Kedalaman Titik Didih sejak 2001
Tabel 4: Data Fluks Panas Kalorimeter (17-19 / 2/14)
Fluks panas tanah W / m 2
Para penulis berterima kasih atas dukungan Contact Energy Ltd dalam
mengizinkan penggunaan data survei inframerah udara untuk penelitian ini.
Pengawas dan sukarelawan dari Craters of the Moon Charitable Trust juga
berterima kasih karena telah memfasilitasi akses untuk melakukan
pengukuran di darat selama 14 tahun terakhir. Karya ini merupakan bagian
dari program Penelitian Panas Bumi (GRN) GNS Science yang didanai oleh
Pemerintah Selandia Baru.
Fluks cincin (2 cm) W / m 2

situs Tot Cond- Radia Tot- Konv- Radi Z-

- Al uktif - ted Al efektif - ated bp
REFERENSI
K64 270 236 50 126 5.5 38 0,53
Barsi, JA, Barker, JL, Schott, JR: An Atmospheric
K15 613 318 63 204 13 55 0.94
Kalkulator Parameter Koreksi untuk Instrumen Penginderaan Bumi
K10 404 472 74 145 0 66 0.16
Pita Termal Tunggal. IGARSS03, Pusat
K58 139 198 11 33 0 12 0.8
de Congres Pierre Baudis, Toulouse, Prancis, (2003).
K69 158 305 47 94 1.8 41 0.3

K70 187 270 23 96 - 1.8 22 0.34 Bromley, CJ dan Hochstein, MP: Sifat termal dari
K99 310 295 31 203 - 1.8 36 0.24 mengukus tanah (Wairakei Field, NZ). Proc. Lokakarya Panas Bumi
K3 - 18 - 13 1.0 - 13 - 1.8 -1 10 Selandia Baru ke-23, Auckland, Selandia Baru, hlm. 69-74, (2001).
K5 143 149 38 85 3.6 34 1.14

K6 54 151 9.5 51 0 10 1.19

Bromley, CJ dan Hochstein, MP: Pelepasan panas
K8 175 181 35 112 0 34 1.01
mengukus tanah di Karapiti (Wairakei), Baru
K14 403 398 82 138 5.5 69 0.16
Selandia. Proc. dari Kongres Panas Bumi Dunia
K17 50 37 1.09
135 142 72 1.8
2005, Antalya, Turki, (2005).
K201 - 21 - 5.3 - 2.8 - 28 0 - 3.4 10

K202 61 134 23 25 - 1.8 17 1.2

Prosiding 37 Lokakarya Panas Bumi Selandia Baru

18 - 20 November 2015
Taupo, Selandia Baru
 Bromley, CJ, van Manen, SM, Mannington, W .: Panas
fluks dari tanah yang mengepul: mengurangi ketidakpastian. Proc.
Lokakarya Stanford ke-36 tentang Panas Bumi
Waduk Teknik, Stanford
California, hlm. 925-931, (2011).
Brunsell, NA, dan Gillies, RR: Incorporating Surface
Emisivitas ke dalam Koreksi Atmosfer Termal. Fotografer
Teknik & Penginderaan Jauh, 68 (12), pp.1263-1269, (2002).
Gao, BC: MODIS Atmosphere L2 Produk Uap Air.
Sistem Pemrosesan Adaptif NASA MODIS,
Goddard Ruang Penerbangan Pusat,
http://dx.doi.org/10.5067/MODIS/MYD05_L2.006
(Aqua), ( 2015)
Hochstein, MP dan Bromley, CJ: awan uap
karakteristik dan keluaran panas fumarol.
Geothermics, 30 (5): hlm. 547-559, (2001).
Hochstein, MP dan Bromley, CJ: Pengukuran panas
fluks dari tanah yang mengepul. Geothermics, 34 (2):
hlm. 133-160, (2005).
sebuah studi kasus di daerah termal Karapiti ('Craters of the
Moon'), Selandia Baru. Jurnal Penelitian Vulkanologi dan Panas
Bumi, 235/236: hlm. 1-10, (2012).
Universitas,
Mongillo, MA dan Allis, RG: Melanjutkan perubahan di
aktivitas permukaan di daerah termal Kawah Bulan, Wairakei.
Proc. 10 th Panas Bumi Selandia Baru
Workshop, hlm. 345-349, (1988).
Newson, JA dan O'Sullivan MJO: Pemodelan komputer
panas dan aliran massa di tanah yang mengepul di daerah termal
Karapiti, Selandia Baru. Proc. 29 th Workshop Panas Bumi
Waduk Teknik, Stanford
AMERIKA SERIKAT: University, California, (2004).
Newson, JA: Model fitur permukaan panas bumi di
Wairakei. Tesis PhD, Ilmu Teknik, Univ. dari
Auckland, http://researchspace.auckland.ac.nz , (2010).
Qin, Z., Karnieli, A., Berliner, P .: Sebuah jendela tunggal
algoritma untuk mengambil suhu permukaan tanah dari data
Landsat TM dan aplikasinya di wilayah perbatasan Israel-Mesir. Jurnal
Internasional Penginderaan Jauh, 22 (18), hlm. 3719-3746,
(2001)

Hochstein, MP dan Bromley, CJ: Pengukuran
kerugian radiasi di atas tanah termal menggunakan kalorimeter,
Proc. Lokakarya Panas Bumi Selandia Baru ke-29, (2007).
Jiménez-Muñoz, JC, Cristobal, J., Sobrino, JA, Soria,
G., Ninyerola, M., Pons, X .: Revisi Algoritma Saluran
Tunggal untuk Pengambilan Suhu Permukaan Tanah dari
Data Inframerah Termal Landsat.
Ilmu Geosains dan Penginderaan Jauh, Transaksi IEEE,
47 (1), hlm. 339-349, (2009).
Jiménez-Muñoz, JC dan Sobrino, J .: Sebuah single-
metode saluran untuk mengambil suhu permukaan tanah dari
data penginderaan jauh. Jurnal dari
Penelitian Geofisika: Atmosfer, 108, D22 (2003).
Jiménez-Muñoz, JC, Sobrino, JA, Skokovic, D., Mattar,
C., Cristobal, J .: Metode Pengambilan Suhu Permukaan Darat
dari Sensor Inframerah Termal Landsat-8
Data. Geosains dan Surat Penginderaan Jauh, IEEE,
11 (10), hlm. 1840-1843, (2014).
McMillin, LM: Estimasi suhu permukaan laut
dari dua pengukuran jendela inframerah dengan daya serap
berbeda. Jurnal Geofisika
Penelitian, 80 (36), hlm. 5113-5117, (1975).
Mia, MB, Bromley, CJ, Fujimitsu, Y .: Memantau panas
fluks menggunakan data inframerah termal Landsat TM / ETM +:
Reeves, RR, Bromley, CJ, Milloy, SF: Menggunakan deret waktu
survei inframerah termal udara untuk menentukan proses termal
dekat permukaan di Lapangan Panas Bumi Ohaaki, Selandia
Baru. Kertas 02009, Proc. Dunia
Kongres Panas Bumi 2015, Melbourne, ( 2015).
Seward, AM dan Prieto, AM: Rock Selandia Baru
properti: menentukan sifat termal tanah dangkal. Kertas
29013, Proc. Panas Bumi Dunia
Kongres 2015, Melbourne, (2015).
Sobrino, JA dan Raissouni, N .: Menuju penginderaan jauh
metode untuk pemantauan dinamis tutupan lahan: Aplikasi di
Maroko. Jurnal Internasional Penginderaan Jauh, 21 (2),
pp353-366, (2000).
Van Manen, SM dan Wallin, E .: Suhu tanah
profil dan properti batuan termal di Wairakei, Selandia Baru.
Energi terbarukan. 34, hlm. 313-321, (2012).
Yeh, A., O'Sullivan, MJ, Newson JA, Mannington WI:
Update Pemodelan Numerik Sistem Panas Bumi
WairakeiTauhara. Proc. 36 th Selandia Baru
Bengkel Panas Bumi, ( 2014).
Zhu, Z. dan Woodcock, CE: Cloud berbasis objek dan
deteksi bayangan awan dalam citra Landsat. Terpencil
Penginderaan Lingkungan, 118 (1), hlm. 83-94, (2012).

Prosiding 37 Lokakarya Panas Bumi Selandia Baru

18 - 20 November 2015
Taupo, Selandia Baru

Viieew
V. wppuubblliicca.dll
attiiodin ssttaattss