地热资源勘探涉及大量不确定性的分析和管理,这使得投资和运营决策具有挑战性。遥感(RS)、机器学习(ML)和人工智能(AI)在管理地热勘探挑战方面具有潜力。在本文中,我们提出了一种综合 RS、ML 和 AI 的方法,通过利用已知的地热区指标,即矿物标记、地表温度、断层和变形,对地热潜力进行初步评估。我们在两个地点(Brady 和 Desert Peak 地热点)演示了该方法的实施,这两个地点彼此靠近,但具有不同的特征(Brady 有清晰的地表显示, Desert Peak 是一个盲点)。我们处理了各种卫星图像和地理空间数据,以获取矿物标志、温度、断层和变形,然后实施 ML 方法,以获得地热点的地表显示模式。我们开发了一种 AI,利用地表显示的模式来预测每个像素点的地热潜力。我们使用独立数据集测试地热 AI,获得 92%~95%的准确率;还测试了在一个站点上训练的地热 AI,通过为另一个站点执行它来预测地热/非地热描绘,地热 AI 在预测方面表现良好,准确率为 72%~76%。