CN104463835A - 一种基于鲁棒性卫星数据分析技术的地震红外辐射异常特征多角度遥感提取方法 - Google Patents

Abstract

本发明提出一种基于鲁棒性卫星数据分析技术的地震红外辐射异常特征多角度遥感提取方法。步骤1)剔除遥感影像上那些受到云影响的观测区域；步骤2)对卫星传感器接收到的大气层顶的信号进行大气纠正；步骤3)利用水陆分离掩膜分别对陆地和海洋的红外多角度遥感图像进行处理，计算单幅红外影像像元差值；步骤4)构建红外背景参考场作为地震红外辐射异常特征多角度遥感提取的参考背景；步骤5)针对单一角度红外数据，提出地震红外辐射异常特征多角度遥感异常鲁棒性测算指标，用于单一角度地震红外辐射特征的提取；步骤6)基于红外多角度遥感数据，提出多角度亮温合成地震红外辐射分析方法，用于地震红外辐射特征多角度遥感的合成和分析。

Description

一种基于鲁棒性卫星数据分析技术的地震红外辐射异常特征多角度遥感提取方法

技术领域

本发明属于地震红外辐射异常特征多角度遥感研究领域，涉及一种基于鲁棒性卫星数据分析技术的地震红外辐射异常特征多角度遥感提取方法。

背景技术

卫星红外观测以其大视野、高精度、周期短和不受地面条件限制等诸多优势成为研究地震红外辐射异常特征很有前途的遥感观测手段。近20年来，随着卫星遥感技术的发展，红外遥感数据越来越丰富，为地震红外遥感研究提供了保证，地震红外遥感研究工作取得了很大的进展。与此同时，红外多角度遥感机理、建模以及多角度遥感技术方面的研究取得了很大的进步，红外多角度遥感技术与应用研究相互促进、相互发展，已成为重要的前沿研究方向，但是红外多角度遥感在地震科学的应用研究仍属空白，因此，发展地震红外辐射异常特征多角度遥感识别与提取技术，探索红外多角度在地震红外辐射特征研究中的适用性，将为地震红外遥感的研究提供了一种新的技术和方法。

目前，尽管国内外专家开展了大量的震例研究工作，不断探索震前热红外遥感的异常征兆，也取得了一定进展，但某些主要技术环节尚需深入研究。例如，现有的地震红外异常信息提取方法主要有“涡度”计算法、“距平”计算法和小波时频分析方法。这些方法在提取和突出地震异常信息上有一定的效果，但这些方法本身都是数学处理方法，存在着一些缺陷，计算时用到的数据不同就会得到不同的结果，不确定性大。因此，有必要引进或研究新的方法，解决如何有效地在热红外辐射数据中提取地震异常信息。

在过去的几年里，鲁棒性卫星数据分析技术(Robust Satellite data analysisTechnique)已经被成功的应用于监测重大的自然灾害和环境灾害，例如：火山、水灾、森林火灾等等。鲁棒性卫星数据分析技术是基于多年多时相热红外卫星遥感数据的初步分析，专门用于表征热红外遥感卫星图像中像素信息，因此对热红外遥感地震异常信息的提取更加有效。

本研究发展了一种基于鲁棒性卫星数据分析技术的地震红外辐射异常特征多角度遥感提取方法，该方法考虑了云、陆地与水体之间不同辐射特性和气候、季节变化等影响因素，能够消除由于季节交替或气候突变所引起的地面增温对异常判别和提取的影响；并基于多角度多年背景参考场，研究利用红外异常鲁棒性测算指标检测地震红外辐射异常信息，而且检测出来的红外辐射异常信息可以利用信噪比来刻画，与地震相关的噪声信息越大，地震信息检测指标值越小，反之亦然。所以，红外异常鲁棒性测算指标能够很好避免非震引起的热红外异常，并且在地震红外辐射异常特征多角度遥感识别和提取上具有很好的鲁棒性。

发明内容

针对现有技术中存在的问题，本发明的目的在于提出和发展一种基于鲁棒性卫星数据分析技术的地震红外辐射异常特征多角度遥感提取方法，用于准确提取和识别地震红外辐射多角度遥感异常特征。

为了实现上述目的，本发明提出了一种地震红外辐射异常特征多角度遥感异常鲁棒性测算指标，用来检测地震红外辐射异常信息，而且检测出来的红外辐射异常信息可以利用信噪比来刻画，与地震相关的噪声信息越大，地震信息检测指标值越小，反之亦然。所以，该指标能够很好避免非震引起的热红外异常，并且在地震红外辐射特征检测上具有很好的鲁棒性。具体包括如下步骤：

步骤1)剔除影像上受到云影响的观测区域，以确保是在完全晴空条件下对影像进行处理；

步骤2)对卫星传感器接收到的大气层顶的信号进行大气纠正；

步骤3)利用水陆分离掩膜分别对陆地和海洋的红外多角度遥感图像进行处理，计算单幅红外影像像元差值；

步骤4)构建红外背景参考场作为地震红外辐射异常特征多角度遥感提取的参考背景(明确如何构建红外背景参考场)，以便于排除非震因素引起的红外辐射异常现象；

步骤5)针对单一角度红外数据，提出地震红外辐射异常特征多角度遥感异常鲁棒性测算指标(补充具体测算方法)，用于单一角度地震红外辐射特征的提取；

步骤6)基于红外多角度遥感数据，提出多角度亮温合成地震红外辐射分析方法(补充具体测算方法)，用于地震红外辐射特征多角度遥感的合成和分析。

进一步，所述步骤4)具体方法为

步骤a)将多年同一区域的大量红外多角度影像数据投影到统一的标准网格上，生成标准网格化数据，保证数据的统一性；步骤b)利用无云的，完成重采样的红外多角度遥感影像，来建立红外背景均值参考场和红外背景标准差参考场。

以下结合附图与实施例对本发明作进一步的说明。

附图说明

图1 2010年3月份玉树地区红外背景参考场。

图2 2010年4月份玉树地区红外背景参考场。

图3 2010年5月份玉树地区红外背景参考场。

图4基于AATSR星下点方向的玉树地震时空演化异常特征。

图5基于AATSR前向视角方向的玉树地震时空演化异常特征。

图6多角度亮温玉树地震红外辐射时空演化异常特征。

具体实施方式

下面结合附图，以红外多角度AATSR卫星数据为例，并且以玉树地震为例，对本发明基于鲁棒性卫星数据分析技术的地震红外辐射异常特征多角度遥感提取方法作进一步说明。

一、单幅红外影像像元差值计算

红外影像像元差值计算的目的是为了消除由于气候突变或者季节交替所引起的地表温度升高对红外辐射异常判别提取分析的影响。说明以AATSR数据为例对红外图像进行了云消除处理和大气纠正，并利用水陆分离掩膜分别对陆地和海洋的红外图像进行处理，具体流程如下：

(1)构建云掩膜影像

利用前向和星下点云测试算法(nadir-forward cloud tests)：此云检测算法与双角度AATSR亮度温度之间的差异相关，在星下点和前向视角方法11μm处测量的亮度温度差值，与同一视角方向的11μm到12μm通道亮温差值不同，因为这主要是因为两个方向视角的大气传输路径不一致，还有大气水气的影响。我们在这里给出一个云识别的阈值，如果实际像素的差值T₁₁-T₁₂超过阈值，则认为此图像像素有云。通过云探测算法，构建云掩膜影像CM(x，y)，对于影像的每个像元点(x，y)：无云的情况，设置像素标记CM＝1；在有云的情况，设置像素标记CM＝0。

(2)大气纠正

AATSR数据在经过云检测处理后，利用分窗算法被用来得到图像中的大气水汽含量。得到水汽含量后加入AATSR热红外波段数据可以计算出地表的两个角度的亮度温度。

(3)构建水陆分离影像

利用AATSR L1B的辅助产品，结合像元的经纬度，对像元进行下垫面土地覆盖类型识别，进行水陆识别，并结合土地覆被分类图和AATSR L1B的辅助产品，构建水陆分离影像LS(x，y)，对于影像像素的每个像元点(x，y)，当LS＝1时，标记像素为海表，当LS＝0时，标记像素为陆表。

(4)单景AATSR图像基准值计算

对于无云的海水像素，即影像的每个像元点(x，y)，当CM＝1和LS＝1时，求和为像素共计N_sea，取其平均值为

对于无云的陆表像素，即影像的每个像元点(x，y)，当CM＝1和LS＝0时，求和为像素共计N_land，取其平均值为

(5)单幅影像像元差值计算

对于海水像素，即影像的每个像元点r(x，y)，当CM＝1和LS＝1时的像元值T_sea(r，t)，像元差值ΔT＝T_sea(r，t)-T_sea(t)。

对于陆表像素，即影像的每个像元点r(x，y)，当CM＝1和LS＝0时的像元值T_land(r，t)，像元差值ΔT＝T_land(r，t)-T_land(t)。

二、红外背景场构建

利用无云的，完成重采样的，区域位置为r≡(x，y)的，AATSR Level 1B遥感数据集(t∈τ)来建立红外背景均值参考场μ_ΔT(r)和红外背景标准差参考场σ_ΔT(r)，见图1、图2和图3，具体计算公式如下：

${\mathrm{\μ}}_{\mathrm{\ΔT}}\left(r\right)=\frac{1}{N}\underset{t\∈\mathrm{\τ}}{\overset{N}{\mathrm{\Σ}}}\mathrm{\ΔT}(r,t)---\left(1\right)$

${\mathrm{\σ}}_{\mathrm{\ΔT}}\left(r\right)=\sqrt{\frac{1}{N}\underset{t\∈\mathrm{\τ}}{\overset{N}{\mathrm{\Σ}}}{(\mathrm{\ΔT}(r,t)-{\mathrm{\μ}}_{\mathrm{\ΔT}}\left(r\right))}^2}---\left(2\right)$

三、单一角度地震红外辐射特征提取

热红外双角度AATSR数据地震异常信息是通过一个地震信息检测指标，即热红外异常鲁棒性测算指标RETIRA(Robust Estimator ofTIR Anomalies)index来定义的，RETIRA index的计算公式如下：

${\⊗}_{\mathrm{\ΔT}}(r,t)=\frac{\mathrm{\ΔT}(r,t)-{\mathrm{\μ}}_{\mathrm{\ΔT}}\left(r\right)}{{\mathrm{\σ}}_{\mathrm{\ΔT}}\left(r\right)}---\left(3\right)$

在公式(3)中，分子ΔT(r，t)-μ_ΔT(r)表示与地震相关的信号(Signal(S))信息。它表示通过与相应的天然/观测的噪声(N)比较后评价与地震信号的相关性。分母σ_ΔT(r)表示与地震相关的噪声(Noise(N))信息，是通过基于统一经纬度网格坐标的历史观测数据计算得来的。这样，检测出来的热红外信号强度可以利用信噪比S/N来刻画。地震信息检测指标RETIRA index表征AATSR数据中的热红外地震信息强度，见图4和图5。其中，与地震相关的噪声(Noise(N))信息越大，地震信息检测指标RETIRA index值越小，反之亦然。所以，利用热红外异常鲁棒性测算指标能够很好避免非震引起的热红外异常，在地震信息强度检测上具有很好的鲁棒性。

四、多角度遥感数据地震红外特征提取

首先，对AATSR星下点和前向亮温热红外异常鲁棒性测算指标RETIRA(Robust Estimator of TIR Anomalies)index进行归一化处理。归一化指数NRTIR(Normalized Robust Estimator of TIR Anomalies)index NRTIR_nadir(r，t)的计算公式(4)如下(以星下点为例)：

${\mathrm{NRTIR}}_{\mathrm{nadir}}(r,t)=\frac{{\⊗}_{\mathrm{\ΔT},\mathrm{naidr}}(r,t)-\min \left({\⊗}_{\mathrm{\ΔT},\mathrm{naidr}}(r,t)\right)}{\max \left({\⊗}_{\mathrm{\ΔT},\mathrm{naidr}}(r,t)\right)-\min \left({\⊗}_{\mathrm{\ΔT},\mathrm{naidr}}(r,t)\right)}---\left(4\right)$

在公式(4)中，分子代表星下点亮温热红外异常鲁棒性测算指标。它能够归纳统一样本的统计分布性，把星下点和前向亮温热红外异常鲁棒性测算指标统一到0到1之间，以便于进行下一步的合成分析。

第二，利用公式(5)对AATSR星下点和前向亮温热红外异常鲁棒性异常归一化指数NRTIR_nadir(r，t)和NRTIR_forward(r，t)进行合成分析。

$\⊕(r,t)=1-(1-{\mathrm{NRTIR}}_{\mathrm{nadir}}(r,t))\×(1-{\mathrm{NRTIR}}_{\mathrm{forward}}(r,t))---\left(5\right)$

在公式(5)中，1-NRTIR_nadir(r，t)代表星下点亮温中除去异常的正常背景，同样，1-NRTIR_forward(r，t)代表前向亮温中除去异常的正常背景，(1-NRTIR_nadir(r，t))×(1-NRTIR_forward(r，t))代表双角度合成后的正常背景，最后，计算得到的就是多角度亮温RST合成指数，用来表征两个角度检测出来的地震红外辐射特征，见图6。

以上所述为本发明的较佳实施例而已，本发明不应该局限于该实例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。

Claims (2)

1.一种基于鲁棒性卫星数据分析技术的地震红外辐射异常特征多角度遥感提取方法，该方法具体包括如下步骤：

步骤1)剔除影像上受到云影响的观测区域，以确保是在完全晴空条件下对影像进行处理；

步骤2)对卫星传感器接收到的大气层顶的信号进行大气纠正；

步骤3)利用水陆分离掩膜分别对陆地和海洋的红外多角度遥感图像进行处理，计算单幅红外影像像元差值；

步骤4)构建红外背景参考场作为地震红外辐射异常特征多角度遥感提取的参考背景，以便于排除非震因素引起的红外辐射异常现象；

步骤5)针对单一角度红外数据，提出地震红外辐射异常特征多角度遥感异常鲁棒性测算指标，用于单一角度地震红外辐射特征的提取；

步骤6)基于红外多角度遥感数据，提出多角度亮温合成地震红外辐射分析方法(补充具体测算方法)，用于地震红外辐射特征多角度遥感的合成和分析。

2.如权利要求1所述的方法，其特征在于，所述步骤4)具体方法为：

步骤a)将多年同一区域的大量红外多角度影像数据投影到统一的标准网格上，生成标准网格化数据，保证数据的统一性；步骤b)利用无云的，完成重采样的红外多角度遥感影像，来建立红外背景均值参考场和红外背景标准差参考场。