CN107356969A - 一种基于卫星热红外数据及gis的地震前兆分析方法 - Google Patents
一种基于卫星热红外数据及gis的地震前兆分析方法 Download PDFInfo
- Publication number
- CN107356969A CN107356969A CN201710796266.5A CN201710796266A CN107356969A CN 107356969 A CN107356969 A CN 107356969A CN 201710796266 A CN201710796266 A CN 201710796266A CN 107356969 A CN107356969 A CN 107356969A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- data
- mover
- sigma
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 239000002243 precursor Substances 0.000 title claims abstract description 20
- 238000011160 research Methods 0.000 claims abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims description 11
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 10
- 230000009977 dual effect Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 9
- 238000000205 computational method Methods 0.000 claims description 5
- 238000000547 structure data Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000013139 quantization Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于卫星热红外数据及GIS的地震前兆分析方法,采用热红外数据+GIS的方式进行地震预报分析,能提高准确率,同时用于分析的数据来源较广,具有较好的研究效果。此外,本发明拓展了地震前兆的研究方向,利用GIS方式可将所有对地震发生可能产生影响的量化因素全都纳入空间运算当中,不仅仅局限于地质系数以及地质构造的分析。
Description
技术领域
本发明属于地震预测技术领域,具体涉及一种基于卫星热红外数据及GIS的地震前兆分析方法的设计。
背景技术
我国西南地区是一个地震发生频率较高的地区,一般具有震级高、危害性强等特点,每次大地震造成的生命财产损失巨大,破坏社会和谐稳定。所以迫切需要在地震灾害防御上有所新的突破。但地震预报在世界范围内都是难以攻克的难题,主要表现在预报的时间、震级、地点都难以接近真实的地震情况。目前国内地震前兆数据分析手段多种多样,技术也纷繁复杂,各种地震前兆分析方式层出不穷,但均存在监测方式单一且准确率较低的问题。
发明内容
本发明的目的是为了解决目前国内地震预测技术监测方式单一且准确率较低的问题,提出了一种基于卫星热红外数据及GIS的地震前兆分析方法,在原有热红外地震预报上开辟新的研究方向,使地震预报的时间、地点、震级能更接近实际地震,从而提高地震预报的准确率。
本发明的技术方案为:一种基于卫星热红外数据及GIS的地震前兆分析方法,包括以下步骤:
S1、通过基站接收来自卫星传输的地表数据,并将地表数据转为LD2文件。
S2、根据研究区域的经纬度范围从LD2文件中提取地表热红外部分的通道数据。
S3、对通道数据进行云处理。
S4、根据云处理后的通道数据计算研究区域内的热红外指标数据,并将其存储进数据库。其中热红外指标数据包括月均值、月背景场以及亮温差值热力图。
S5、将研究区域的地质结构数据以及热红外指标数据录入GIS进行综合分析与推导,得到研究区域的地震预报结果。
其中研究区域的地质结构数据包括研究区域的历史地震信息、地质系数、断裂带分布信息、地表张力系数以及地质构造信息。综合分析与推导包括时空推演、异常数据研究、历史地震分析、异常能量计算以及地震点推导。
本发明的有益效果是:
(1)本发明用于分析的数据来源较广,且我国正在大力发展航天事业,多颗卫星发射成功,从长远的角度考虑其数据的获取具有很强的稳定性,且成本越来越低。
(2)本发明采用热红外数据+GIS的方式进行地震预报分析,能提高准确率,具有较好的研究效果。
(3)本发明拓展了地震前兆的研究方向,利用GIS方式可将所有对地震发生可能产生影响的量化因素全都纳入空间运算当中,不仅仅局限于地质系数以及地质构造的分析。
附图说明
图1所示为本发明实施例提供的一种基于卫星热红外数据及GIS的地震前兆分析方法流程图。
具体实施方式
现在将参考附图来详细描述本发明的示例性实施方式。应当理解,附图中示出和描述的实施方式仅仅是示例性的,意在阐释本发明的原理和精神,而并非限制本发明的范围。
本发明提供了一种基于卫星热红外数据及GIS的地震前兆分析方法,如图1所示,包括以下步骤S1-S5:
S1、通过基站接收来自卫星传输的地表数据,并由第三方软件将地表数据转为LD2文件。
S2、根据研究区域的经纬度范围从LD2文件中提取地表热红外部分的通道数据。
本发明实施例中,通道数据的提取方法具体为:
以LD2文件中第128个字节为起点,第n个通道的数据为第128+x(n-1)个字节至第128+x·n个字节的数据,其中x为每个通道的数据量,计算公式为:
x=2ab (1)
式中a为LD2文件数据行数,b为LD2文件数据列数,a和b均由头文件获得。
地表热红外部分的通道数据包括LD2文件中第1通道、第12通道、第21通道以及第24通道的数据。
S3、对通道数据进行云处理:在字节转码过程中,将缺数或数值>=9998的异常数据确定为云数据,在实际处理过程中忽略。本发明实施例中,异常数据指带有地震前兆信息的数据。
S4、根据云处理后的通道数据计算研究区域内的热红外指标数据,并将其存储进数据库。本发明实施例中,数据库采用sqlserver或者oracle。
本发明实施例中,热红外指标数据包括月均值、月背景场以及亮温差值热力图。
其中,月均值的计算方法为:针对通道数据的矩阵中每个点上的数值,以天为单位进行累加求和,然后用累加值除以当月天数得到月均值。
月背景场的计算方法为:针对月均值,以月为单位进行累加求和,然后用累加值除以12(每年月份数)得到月背景场。
亮温差值热力图的计算方法包括以下步骤A1-A6:
A1、将LD2文件中第21通道的矩阵数据分为大于0和小于0的两个区间。
A2、针对所述两个区间中的数据分别求和,得到正数和∑+及负数和∑-。
A3、根据正数和∑+及负数和∑-计算正数平均数及负数平均数
其中N+和N-分别表示大于0区间的数据量以及小于0区间的数据量。
A4、根据正数平均数及负数平均数计算正数离差和D+及负数离差和D-:
其中xi表示第i个大于0的数据,xj表示第j个小于0的数据。
A5、根据正数离差和D+及负数离差和D-计算正数标准差σ+及负数标准差σ-:
A6、根据正数平均数负数平均数正数标准差σ+以及负数标准差σ-计算正数离差梯度T+及负数离差梯度T-:
其中m为递增变量,m的初始值为1,每次递增0.5,直至m=2。
按照正负数离差梯度的值域区间对热力图进行不同颜色渲染,就能得到亮温差值热力图。
月均值与背景场计算产生的最终结果是一个全新的LD2文件,是亮温差值热力图的计算源;同时这两种计算结果可以以折线图形式进行分析查看,从而进行异常数据的研究。亮温差值热力图在GIS中映射到地图上,并利用长期以来形成的大量热力图数据可在地图上进行热力图迁移的动态演示,研究地震在开始进行能量聚集到最终爆发的热力值变化和空间位置迁移,从而提高研究地震的规律性的可行性。
S5、将研究区域的地质结构数据以及热红外指标数据录入GIS(GeographicInformation System,地理信息系统)进行综合分析与推导,得到研究区域的地震预报结果。
本发明实施例中,研究区域的地质结构数据包括研究区域的历史地震信息、地质系数、断裂带分布信息、地表张力系数以及地质构造信息。
GIS综合分析与推导包括以下形式:
(1)时空推演:在GIS上以地图形式呈现出地表区域长时间的热红外温度分布演变。
时空推演前需要先进行数据准备,包括历史地震信息、断裂带分布信息、地质构造信息。将以上信息需提前加载到地图上。
推演过程中以时间线t为基准,时间点s可在t上运行。在s运行的过程中,从服务器对实时进行数据调度(实时热红外数据),数据调度后将被动态渲染在亮温差值热力图上。这样可在一段时间(一般以年为单位)范围内查看到地表热红外的空间变化。
(2)异常数据研究:从LD2文件中提取的通道数据中包括了异常数据,在发现异常数据堆叠累积的过程中,结合GIS系统录入的数据信息(包括历史地震信息、地质系数、断裂带分布信息、地表张力系数、月均值以及月背景场)进行地震预测。
(3)历史震例分析:对有地震征兆的区域,分析此地区历史上发生的所有地震信息,包括地震烈度圈、影响场信息。
(4)异常能量计算:根据历史地震信息分析本次异常数据所包含的地震能量大小。
(5)地震点推导:通过对断裂带以及断裂带两边块体的异常数据形态、递进方向的监测情况,观察历史地震在情况相同下的实际发生地点来推导结果。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (10)
1.一种基于卫星热红外数据及GIS的地震前兆分析方法,其特征在于,包括以下步骤:
S1、通过基站接收来自卫星传输的地表数据,并将所述地表数据转为LD2文件;
S2、根据研究区域的经纬度范围从LD2文件中提取地表热红外部分的通道数据;
S3、对所述通道数据进行云处理;
S4、根据云处理后的通道数据计算研究区域内的热红外指标数据,并将其存储进数据库;
S5、将研究区域的地质结构数据以及热红外指标数据录入GIS进行综合分析与推导,得到研究区域的地震预报结果。
2.根据权利要求1所述的地震前兆分析方法,其特征在于,所述步骤S2中通道数据的提取方法为:
以LD2文件中第128个字节为起点,第n个通道的数据为第128+x(n-1)个字节至第128+x·n个字节的数据,其中x为每个通道的数据量,计算公式为:
x=2ab (1)
式中a为LD2文件数据行数,b为LD2文件数据列数,a和b均由头文件获得。
3.根据权利要求2所述的地震前兆分析方法,其特征在于,所述步骤S2中地表热红外部分的通道数据包括LD2文件中第1通道、第12通道、第21通道以及第24通道的数据。
4.根据权利要求1所述的地震前兆分析方法,其特征在于,所述步骤S3具体为:
在字节转码过程中,将缺数或数值>=9998的异常数据确定为云数据;所述异常数据为带有地震前兆信息的数据。
5.根据权利要求1所述的地震前兆分析方法,其特征在于,所述步骤S4中的热红外指标数据包括月均值、月背景场以及亮温差值热力图。
6.根据权利要求5所述的地震前兆分析方法,其特征在于,所述月均值的计算方法为:
针对通道数据的矩阵中每个点上的数值,以天为单位进行累加求和,然后用累加值除以当月天数得到月均值。
7.根据权利要求6所述的地震前兆分析方法,其特征在于,所述月背景场的计算方法为:
针对月均值,以月为单位进行累加求和,然后用累加值除以12得到月背景场。
8.根据权利要求5所述的地震前兆分析方法,其特征在于,所述亮温差值热力图的计算方法为:
A1、将LD2文件中第21通道的矩阵数据分为大于0和小于0的两个区间;
A2、针对所述两个区间中的数据分别求和,得到正数和∑+及负数和∑-;
A3、根据正数和∑+及负数和∑-计算正数平均数及负数平均数
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>&Sigma;</mi>
<mo>+</mo>
</msub>
<msub>
<mi>N</mi>
<mo>+</mo>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>-</mo>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>&Sigma;</mi>
<mo>-</mo>
</msub>
<msub>
<mi>N</mi>
<mo>-</mo>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中N+和N-分别表示大于0区间的数据量以及小于0区间的数据量;
A4、根据正数平均数及负数平均数计算正数离差和D+及负数离差和D-:
<mrow>
<msub>
<mi>D</mi>
<mo>+</mo>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mo>+</mo>
</msub>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>D</mi>
<mo>-</mo>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mo>-</mo>
</msub>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>-</mo>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中xi表示第i个大于0的数据,xj表示第j个小于0的数据;
A5、根据正数离差和D+及负数离差和D-计算正数标准差σ+及负数标准差σ-:
<mrow>
<msub>
<mi>&sigma;</mi>
<mo>+</mo>
</msub>
<mo>=</mo>
<msqrt>
<mfrac>
<msub>
<mi>D</mi>
<mo>+</mo>
</msub>
<msub>
<mi>N</mi>
<mo>+</mo>
</msub>
</mfrac>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&sigma;</mi>
<mo>-</mo>
</msub>
<mo>=</mo>
<msqrt>
<mfrac>
<msub>
<mi>D</mi>
<mo>-</mo>
</msub>
<msub>
<mi>N</mi>
<mo>-</mo>
</msub>
</mfrac>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
A6、根据正数平均数负数平均数正数标准差σ+以及负数标准差σ-计算正数离差梯度T+及负数离差梯度T-:
<mrow>
<msub>
<mi>T</mi>
<mo>+</mo>
</msub>
<mo>=</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
</msub>
<mo>+</mo>
<msub>
<mi>&sigma;</mi>
<mo>+</mo>
</msub>
<mo>&times;</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>T</mi>
<mo>-</mo>
</msub>
<mo>=</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>-</mo>
</msub>
<mo>-</mo>
<msub>
<mi>&sigma;</mi>
<mo>-</mo>
</msub>
<mo>&times;</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
其中m为递增变量,m的初始值为1,每次递增0.5,直至m=2;
所述T+和T-即为亮温差值,按照其值域区间对热力图进行不同颜色渲染,即得到亮温差值热力图。
9.根据权利要求1所述的地震前兆分析方法,其特征在于,所述步骤S5中研究区域的地质结构数据包括研究区域的历史地震信息、地质系数、断裂带分布信息、地表张力系数以及地质构造信息。
10.根据权利要求1所述的地震前兆分析方法,其特征在于,所述步骤S5中综合分析与推导包括时空推演、异常数据研究、历史地震分析、异常能量计算以及地震点推导。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710796266.5A CN107356969A (zh) | 2017-09-06 | 2017-09-06 | 一种基于卫星热红外数据及gis的地震前兆分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710796266.5A CN107356969A (zh) | 2017-09-06 | 2017-09-06 | 一种基于卫星热红外数据及gis的地震前兆分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107356969A true CN107356969A (zh) | 2017-11-17 |
Family
ID=60290608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710796266.5A Pending CN107356969A (zh) | 2017-09-06 | 2017-09-06 | 一种基于卫星热红外数据及gis的地震前兆分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107356969A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108287928A (zh) * | 2018-03-05 | 2018-07-17 | 四川易利数字城市科技有限公司 | 一种基于局部加权线性回归的空间属性预测方法 |
CN109740453A (zh) * | 2018-12-19 | 2019-05-10 | 吉林大学 | 一种基于小波变换的卫星磁场数据地震前兆异常提取方法 |
CN110068857A (zh) * | 2019-04-02 | 2019-07-30 | 吉林大学 | 基于主成分分析的Swarm双星磁场数据地震前兆异常提取方法 |
CN112665730A (zh) * | 2020-12-30 | 2021-04-16 | 中国地震局地质研究所 | 震前温度异常检测方法、装置、设备和存储介质 |
CN113762275A (zh) * | 2021-11-10 | 2021-12-07 | 中南大学 | 一种基于月均值背景场提取地震微波辐射异常的方法 |
CN113960670A (zh) * | 2021-10-22 | 2022-01-21 | 中国科学院空天信息创新研究院 | 一种基于警报成功率的显著性检验方法 |
CN115049754A (zh) * | 2022-08-16 | 2022-09-13 | 成都国星宇航科技股份有限公司 | 一种基于星上在轨生成红外热力图的方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1047924A (zh) * | 1990-03-15 | 1990-12-19 | 国家地震局地质研究所 | 利用卫星热红外异常做中强以上地震三要素临震预报 |
CN1191978A (zh) * | 1997-02-25 | 1998-09-02 | 余新河 | 用卫星热红外增温异常做地震短临预报 |
CN1250880A (zh) * | 1999-03-05 | 2000-04-19 | 强祖基 | 强地震短临预测卫星热红外技术 |
US20050157589A1 (en) * | 2004-01-20 | 2005-07-21 | Andreas Laake | Survey design using earth observation data |
CN1854725A (zh) * | 2005-04-28 | 2006-11-01 | 宋期 | 瓦斯突出短临预警方法 |
US20110238314A1 (en) * | 2010-03-25 | 2011-09-29 | Zuji Qiang | Methodology for Short-term and Impending Earthquake Prediction |
CN104463835A (zh) * | 2014-09-03 | 2015-03-25 | 中国科学院遥感与数字地球研究所 | 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 |
-
2017
- 2017-09-06 CN CN201710796266.5A patent/CN107356969A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1047924A (zh) * | 1990-03-15 | 1990-12-19 | 国家地震局地质研究所 | 利用卫星热红外异常做中强以上地震三要素临震预报 |
CN1191978A (zh) * | 1997-02-25 | 1998-09-02 | 余新河 | 用卫星热红外增温异常做地震短临预报 |
CN1250880A (zh) * | 1999-03-05 | 2000-04-19 | 强祖基 | 强地震短临预测卫星热红外技术 |
US6288396B1 (en) * | 1999-03-05 | 2001-09-11 | Zuji Qiang | Satellite thermal infrared technique for short-term and impending prediction of strong earthquakes |
US20050157589A1 (en) * | 2004-01-20 | 2005-07-21 | Andreas Laake | Survey design using earth observation data |
CN1854725A (zh) * | 2005-04-28 | 2006-11-01 | 宋期 | 瓦斯突出短临预警方法 |
US20110238314A1 (en) * | 2010-03-25 | 2011-09-29 | Zuji Qiang | Methodology for Short-term and Impending Earthquake Prediction |
CN104463835A (zh) * | 2014-09-03 | 2015-03-25 | 中国科学院遥感与数字地球研究所 | 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 |
Non-Patent Citations (1)
Title |
---|
陈闻晨: "基于GIS的地震热红外过程研究", 《中国优秀硕士学位论文数据库 基础数据库》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108287928A (zh) * | 2018-03-05 | 2018-07-17 | 四川易利数字城市科技有限公司 | 一种基于局部加权线性回归的空间属性预测方法 |
CN109740453A (zh) * | 2018-12-19 | 2019-05-10 | 吉林大学 | 一种基于小波变换的卫星磁场数据地震前兆异常提取方法 |
CN109740453B (zh) * | 2018-12-19 | 2022-03-29 | 吉林大学 | 一种基于小波变换的卫星磁场数据地震前兆异常提取方法 |
CN110068857A (zh) * | 2019-04-02 | 2019-07-30 | 吉林大学 | 基于主成分分析的Swarm双星磁场数据地震前兆异常提取方法 |
CN112665730A (zh) * | 2020-12-30 | 2021-04-16 | 中国地震局地质研究所 | 震前温度异常检测方法、装置、设备和存储介质 |
CN112665730B (zh) * | 2020-12-30 | 2023-11-03 | 中国地震局地质研究所 | 震前温度异常检测方法、装置、设备和存储介质 |
CN113960670A (zh) * | 2021-10-22 | 2022-01-21 | 中国科学院空天信息创新研究院 | 一种基于警报成功率的显著性检验方法 |
CN113762275A (zh) * | 2021-11-10 | 2021-12-07 | 中南大学 | 一种基于月均值背景场提取地震微波辐射异常的方法 |
CN113762275B (zh) * | 2021-11-10 | 2022-02-08 | 中南大学 | 一种基于月均值背景场提取地震微波辐射异常的方法 |
CN115049754A (zh) * | 2022-08-16 | 2022-09-13 | 成都国星宇航科技股份有限公司 | 一种基于星上在轨生成红外热力图的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107356969A (zh) | 一种基于卫星热红外数据及gis的地震前兆分析方法 | |
Wang et al. | China's natural gas: Resources, production and its impacts | |
CN104134101B (zh) | 低渗透储层天然气产能预测方法 | |
CN104881961A (zh) | 基于移动互联网的全球地震地磁异常大数据监测预警系统及监测预警方法 | |
CN107368885A (zh) | 基于多粒度剪枝的网络模型压缩方法及装置 | |
US20150234092A1 (en) | Method for Determining a Weight-adjusting Parameter in a Variable-weight Vulnerability Assessment Method for Water-outburst From Coal Seam Floor | |
CN102073791A (zh) | 用于光伏电站设计的地区太阳能资源丰富程度评估系统 | |
CN103245966A (zh) | 基于物联网多传感器信息融合及神经网络技术地震预警方法 | |
CN106568557A (zh) | 一种高速铁路桥梁车–桥振动性能的安全预警方法 | |
CN108222909B (zh) | 一种页岩气井重复压裂选井评价方法 | |
Li et al. | Numerical investigation on shape optimization of small-spacing twin-well for salt cavern gas storage in ultra-deep formation | |
Ma et al. | A real-time intelligent classification model using machine learning for tunnel surrounding rock and its application | |
CN103699622A (zh) | 一种融合粗糙集与粒计算的分布异构海量城市安全数据流的在线数据挖掘方法 | |
Ma et al. | Tropical cyclone intensity prediction by inter-and intra-pattern fusion based on multi-source data | |
CN104102853A (zh) | 一种利用灰色原理改进的边坡位移分形预测方法 | |
CN117152918A (zh) | 一种应用于区域滑坡灾害的危险性动态预警方法 | |
CN105427490B (zh) | 一种网页信息提取声光告警方法 | |
Yorucu et al. | Radioactive convergence of nuclear leakage in Fukushima: Economic impact analysis of triple tragic events | |
Suresh et al. | Climatological response of Indian low‐latitude ionosphere to geomagnetic storms | |
Ohno et al. | Ground-motion prediction by ANN using machine learning for the Tohoku region, Japan | |
Tan et al. | Deformation characteristics of the 2016 M w5. 9 Menyuan (China) earthquake by modelling Sentinel-1A and auxiliary data | |
Li et al. | Research on short-term ionospheric prediction combining with EOF and ARIMA model over Guangxi area | |
Lv et al. | Analysis on the Spatiotemporal Characteristics of the Postearthquake Reconstruction Efficiency of the Extremely Earthquake‐Stricken Areas by the Wenchuan Earthquake Based on the DEA‐Malmquist Index | |
Babilio et al. | Investigating the evolution of landslides via dimensionless displacement trends | |
Barani et al. | Did the 6 April 2009 L'Aquila Earthquake Fill a Seismic Gap? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171117 |