CN107783177A - 一种用于地震监测的逐日亮温异常回归分析方法 - Google Patents
一种用于地震监测的逐日亮温异常回归分析方法 Download PDFInfo
- Publication number
- CN107783177A CN107783177A CN201610718408.1A CN201610718408A CN107783177A CN 107783177 A CN107783177 A CN 107783177A CN 201610718408 A CN201610718408 A CN 201610718408A CN 107783177 A CN107783177 A CN 107783177A
- Authority
- CN
- China
- Prior art keywords
- bright temperature
- day
- sampling point
- bright
- time
- 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.)
- Granted
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 10
- 238000012544 monitoring process Methods 0.000 title claims abstract description 5
- 238000000611 regression analysis Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000011160 research Methods 0.000 claims abstract description 14
- 230000001419 dependent effect Effects 0.000 claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims abstract description 5
- 230000001568 sexual effect Effects 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims abstract description 3
- 238000000605 extraction Methods 0.000 description 4
- 241000388479 Physochlaina Species 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 239000004744 fabric Substances 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000003325 tomography Methods 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
- G01V1/01—Measuring or predicting earthquakes
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种用于地震监测的逐日亮温异常回归分析算法，该该算法包括如下步骤：步骤1)计算研究区内地震前后一定时间序列的亮温日均值；步骤2)分析云雨等天气过程对亮温值的影响情况；步骤3)确定亮温阈值下限，进行样点筛选；步骤4)对步骤3)中筛选出来的样点进行线性拟合，得到时间‑亮温线性方程；步骤5)计算时间‑亮温线性相关系数R1；步骤6)逐次选取样点组合进行剔除，并求算时间‑亮温线性相关系数R2，通过对比，筛选最显著的拟合结果，确定异常样点。
Description
技术领域
本发明涉及一种逐日亮温异常回归分析方法，特别是一种利用最小二乘法来构建拟合回归方程的地震红外亮温异常分析方法，对地震热异常前兆信息判定具有参考价值。
背景技术
我国是全球内陆地震最为严重的国家，地震活动频度高、强度大、分布广，加强地震科学研究至关重要。卫星热红外遥感能探测到大范围连续近地表热场变化，为地震短临预报提供了新途径，已成为地震预测研究中不可或缺的技术手段。上世纪80年代前苏联科学家首次发现可利用热红外遥感预测地震后，多国地震专家逐渐认识到红外遥感的强大潜力与独特优势，致力于地震红外遥感预报研究。
作为表征地表热辐射强度的重要参量，亮度温度在地震热异常信息的挖掘提取中的研究相对较多。研究方法主要包括背景场差值法、K指数法、断裂带内外差值法、相邻区域对比法、小波变化功率谱法等。其中：
背景场差值法：针对震前一定时间序列的亮温场，以震前某平静时期亮温场作为背景场，将二者差值作为震前亮温变化情况，分析变化场的时空演变特征，识别震前热异常信息。
K指数法：以历年同期亮温均值为背景场，历年同期亮温标准差为判定指标。将震前一定时间序列亮温场同背景场的差值与标准差的比值作为K指数，以K指数的大小表征异常幅度。
断裂带内外差值法：由于震热在空间上往往与断层分布相关，因此可以以断裂带外围15-30km平均亮温值为背景值，并以断裂带附近15km范围亮温值与之相减，该差值可作为震前构造热的表征参量。
相邻区域对比法：针对亮温场，求算每个相元与周围4个(或8个)相元均值的差，以此提取热参量的空间突变信息，作为热异常的识别手段。
小波变化功率谱法：通过小波变换，剔除年变信息、天气信息等非震影响因素，进而提取出可能与地质构造相关的热参量变化情况，以此识别地震相关的热参量场演化规律。
目前，国内外基于卫星红外遥感数据的震前异常信息多着重分析异常信息空间分布特征，对时序变化规律主要停留在定性分析的层次，缺乏针对时序变化定量分析的精细化研究方法。
考虑到以上问题，本发明主要着眼于基于时序变化的震前热异常信息的准确判定提取，对地震前亮温异常分析提出了一种新的可行的方法，本发明可为热异常信息的准确判定提供支撑，对临震热前兆信息的提取具有一定参考价值。
发明内容
基于热红外遥感在地震异常检测中的广泛应用，本发明提供一种逐日亮温异常回归分析方法。
本发明的目的通过以下技术步骤实现：
步骤1)计算研究区内地震前后一定时间序列的亮温日均值；
步骤2)分析云雨等天气过程对亮温值的影响情况；
步骤3)确定亮温阈值下限，进行样点筛选；
步骤4)对步骤3)中筛选出来的样点进行线性拟合，得到时间-亮温线性方程；
步骤5)计算时间-亮温线性相关系数R1；
步骤6)逐次选取样点组合进行剔除，并求算时间-亮温线性相关系数R2，通过对比，筛选最显著的拟合结果，确定异常样点。
进一步，所述步骤1)的具体方法为：a)选取研究区域；b)计算研究区内所有像元亮温日均值；c)得到一定时间区间的亮温日均值序列；
进一步，所述步骤2)的具体方法为：a)初步分析研究区亮温日均值时间序列变化情况；b)分析研究区该时段内的天气变化情况(主要关注云雨变化情况)；c)总结云层遮挡等因素对亮温值的影响；
进一步，所述步骤3)的具体方法为：a)基于步骤2)，确定非云雨遮挡的亮温阈值下限；b)对时段内亮温日值进行筛选，并作为下一步分析的样本点；
进一步，所述步骤4)的具体方法为：a)算法利用最小二乘法构建时间td和研究区域(x，y)的观测亮温日值Td(x，y)在时间区间D内的经验 拟合方程：
其中，
所述步骤5)的具体方法为：a)构建时间-亮温线性相关系数R；
(当R值为正时表示观测亮温日值随时间推移而增高，即正相关关系；当R值为负时表示观测亮温日值随时间推移而降低，即负相关关系。R的绝对值的大小代表着观测亮温日值随时间变化的线性相关性，R的绝对值越大表示两者线性相关性越强，一般可按照三个等级划分：|R|＜0.4低度线性相关；0.4≤|R|＜0.7为显著性相关；0.7≤|R|＜1为高度线性相关。)
进一步，所述步骤6)的具体方法为：a)设定不同数量(如：2个、3个、4个、5个)的样本点，按照不同样点自由组合的方法，进行不同的样点组合，b)基于上述每组样点组合，计算剔除该组样点后，亮温均值序列的时间-亮温线性相关系数R2；c)针对每种数量的组合方式，R2绝对值值最大时的样点组合作为该数量组合方式中最佳异常提取结果；d)进而总结在不同数量组合方式中，出现频次较大的样点，作为异常样点。
附图说明
图1为亮温日均值时间序列图；
图2为第一次拟合结果；
图3为剔除异常点后的拟合结果与第一次拟合结果的对比；
图4为试验研究区震前一定时间段内历史降雪天气统计表；
图5为不同数量样本点组合确定的最佳异常提取结果。
具体实施方式
下面结合附图对本发明“一种用于地震监测的逐日亮温异常回归分析方法”作进一步阐述说明。
(一)亮温日均值序列获取
首先，选取研究区域，(如：以震中为中心，半径为100km的圆形区域)，区域半径为100km。逐日计算研究区内所有相元的亮温平均值，得到图1所示的亮温日均值时间序列图。
(二)亮温日均值序列的初步分析
初步分析研究区亮温日均值时间序列变化情况(如震荡幅度、变化趋势、高低值分布等)，进一步结合天气资料，对亮温日均值序列中的亮温极低值与云层覆盖的对应关系进行初步总结(图4)。
(三)样本点筛选
考虑云层覆盖对地表红外亮温遥感的阻挡与干扰，结合云层覆盖与亮温值的对应关系以及天气信息资料，确定亮温阈值下限，对质量较差的样点进行剔除；然后在总的样本点中，选择不同数量的样本点，按照不同样点自由组合的方法，筛选出不同的样点组合并剔除，筛选的具体方法如下：
1)对上述在阈值范围内的所有样本点进行线性拟合得到第一次拟合结果(图2)，拟合的具体步骤见(四)，并计算相关系数R1(相关系数的具体计算方法见(五))；
2)按照上述不同样点自由组合的方式对样本点进行剔除，并对剔除后的样本点进行重新拟合，得出拟合结果(图3)，并计算相关系数R2；
3)列出不同组合方式中使得相关度在剔除样本点后增长最快时(最显著的拟合结果)具体剔除的样本点，出现频率较高的点即可归为需要剔除的点，即异常亮温点(图5)。
(四)对样本点进行线性拟合
利用最小二乘法构建时间td和研究区域(x，y)处的亮温日均值Td(x，y)在时间区间D内的经验拟合方程：
其中，
(五)相关度计算
根据已经构件好的线性方程构建时间一亮温线性相关系数R；
(当R值为正时表示观测亮温日值随时间推移而增高，即正相关关系；当R值为负时表示观测亮温日值随时间推移而降低，即负相关关系。R的绝对值的大小代表着观测亮温日值随时间变化的线性相关性，R的绝对值越大表示两者线性相关性越强，一般可按照三个等级划分：|R|＜0.4低度线性相关；0.4≤|R|＜0.7为显著性相关；0.7≤|R|＜1为高度线性相关。)可将剔除样本点前后的两次拟合的相关系数进行比较以检验异常点的剔除是否合理(如果合理，剔除后相关系数会显著增大)。
Claims (6)
1.一种用于地震监测的逐日亮温异常回归分析方法，该方法包括如下步骤：
步骤1)计算研究区内地震前后一定时间序列的亮温日均值；
步骤2)分析云雨等天气过程对亮温值的影响情况；
步骤3)确定亮温阈值下限，进行样点筛选；
步骤4)对步骤3)中筛选出来的样点进行线性拟合，得到时间-亮温线性方程；
步骤5)计算时间-亮温线性相关系数R；
步骤6)逐次选取样点组合进行剔除，并求算时间-亮温线性相关系数R2，通过对比，筛选最显著的拟合结果，确定异常样点。
2.如权利要求书1所述的方法，其特征在于，所述步骤1)的具体方法为：a)选取研究区域；b)计算研究区内所有像元亮温日均值；c)得到一定时间区间的亮温日均值序列。
3.如权利要求书1所述的方法，其特征在于，所述步骤2)的具体方法为：a)初步分析研究区亮温日均值时间序列变化情况；b)分析研究区该时段内的天气变化情况(主要关注云雨变化情况)；c)总结云层遮挡等因素对亮温值的影响。
4.如权利要求书1所述的方法，其特征在于，所述步骤3)的具体方法为：a)基于步骤2)，确定非云雨遮挡的亮温阈值下限；b)对时段内亮温日值进行筛选，并作为下一步分析的样本点；
进一步，所述步骤4)的具体方法为：a)算法利用最小二乘法构建时间td和研究区域(x，y)的观测亮温日值Td(x，y)在时间区间D内的经验拟合方程：
其中，
5.如权利要求书1所述的方法，其特征在于，所述步骤5)的具体方法为：a)构建时间-亮温线性相关系数R；
(当R值为正时表示观测亮温日值随时间推移而增高，即正相关关系；当R值为负时表示观测亮温日值随时间推移而降低，即负相关关系。R的绝对值的大小代表着观测亮温日值随时间变化的线性相关性，R的绝对值越大表示两者线性相关性越强，一般可按照三个等级划分：|R|＜0.4低度线性相关；0.4≤|R|＜0.7为显著性相关；0.7≤|R|＜1为高度线性相关)。
6.如权利要求书1所述的方法，其特征在于，所述步骤6)的具体方法为：a)设定不同数量(如：2个、3个、4个、5个)的样本点，按照不同样点自由组合的方法，进行不同的样点组合，b)基于上述每组样点组合，计算剔除该组样点后，亮温均值序列的时间-亮温线性相关系数R2；c)针对每种数量的组合方式，R2绝对值值最大时的样点组合作为该数量组合方式中最佳异常提取结果；d)进而总结在不同数量组合方式中，出现频次较大的样点，作为异常样点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610718408.1A CN107783177B (zh) | 2016-08-25 | 2016-08-25 | 一种用于地震监测的逐日亮温异常回归分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610718408.1A CN107783177B (zh) | 2016-08-25 | 2016-08-25 | 一种用于地震监测的逐日亮温异常回归分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107783177A true CN107783177A (zh) | 2018-03-09 |
| CN107783177B CN107783177B (zh) | 2019-09-20 |
Family
ID=61393228
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610718408.1A Active CN107783177B (zh) | 2016-08-25 | 2016-08-25 | 一种用于地震监测的逐日亮温异常回归分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107783177B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019196278A1 (zh) * | 2018-04-11 | 2019-10-17 | 平安科技（深圳）有限公司 | 天气数据获取方法及装置、计算机装置及可读存储介质 |
| CN113125645A (zh) * | 2021-04-12 | 2021-07-16 | 陕西延长石油（集团）有限责任公司 | 一种表征泡沫体系综合性能的新方法 |
| 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 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2298818C1 (ru) * | 2006-01-27 | 2007-05-10 | Институт физики Земли им. О.Ю. Шмидта РАН | Способ прогноза землетрясений |
| CN101793972A (zh) * | 2010-03-25 | 2010-08-04 | 强祖基 | 强地震短临预测卫星热红外亮温异常技术 |
| CN103995302A (zh) * | 2014-05-07 | 2014-08-20 | 中国农业科学院农业资源与农业区划研究所 | 一种有效的卷云监测方法 |
| CN104199084A (zh) * | 2014-08-29 | 2014-12-10 | 中国石油大学(华东) | 一种基于热红外异常信号与小波神经网络的地震预测方法 |
| US20160157828A1 (en) * | 2014-06-05 | 2016-06-09 | Chikayoshi Sumi | Beamforming method, measurement and imaging instruments, and communication instruments |
-
2016
- 2016-08-25 CN CN201610718408.1A patent/CN107783177B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2298818C1 (ru) * | 2006-01-27 | 2007-05-10 | Институт физики Земли им. О.Ю. Шмидта РАН | Способ прогноза землетрясений |
| CN101793972A (zh) * | 2010-03-25 | 2010-08-04 | 强祖基 | 强地震短临预测卫星热红外亮温异常技术 |
| CN103995302A (zh) * | 2014-05-07 | 2014-08-20 | 中国农业科学院农业资源与农业区划研究所 | 一种有效的卷云监测方法 |
| US20160157828A1 (en) * | 2014-06-05 | 2016-06-09 | Chikayoshi Sumi | Beamforming method, measurement and imaging instruments, and communication instruments |
| CN104199084A (zh) * | 2014-08-29 | 2014-12-10 | 中国石油大学(华东) | 一种基于热红外异常信号与小波神经网络的地震预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孟庆岩等: "地震红外背景场研究进展与示范区亮温背景场构建", 《地震学报》 * |
| 张颖等: "2011年9月18日印度锡金里氏6.8级地震热红外变化", 《防灾减灾学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019196278A1 (zh) * | 2018-04-11 | 2019-10-17 | 平安科技（深圳）有限公司 | 天气数据获取方法及装置、计算机装置及可读存储介质 |
| CN113125645A (zh) * | 2021-04-12 | 2021-07-16 | 陕西延长石油（集团）有限责任公司 | 一种表征泡沫体系综合性能的新方法 |
| CN113125645B (zh) * | 2021-04-12 | 2023-09-05 | 陕西延长石油（集团）有限责任公司 | 一种表征泡沫体系综合性能的新方法 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107783177B (zh) | 2019-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hu et al. | An automatic approach for land-change detection and land updates based on integrated NDVI timing analysis and the CVAPS method with GEE support | |
| Zhu et al. | An automatic method for screening clouds and cloud shadows in optical satellite image time series in cloudy regions | |
| Tuanmu et al. | Mapping understory vegetation using phenological characteristics derived from remotely sensed data | |
| Gutiérrez et al. | Ground based hyperspectral imaging for extensive mango yield estimation | |
| Zheng et al. | Remote sensing of crop residue cover using multi-temporal Landsat imagery | |
| Grinand et al. | Estimating deforestation in tropical humid and dry forests in Madagascar from 2000 to 2010 using multi-date Landsat satellite images and the random forests classifier | |
| CN101539998B (zh) | 蚀变遥感异常提取方法和系统 | |
| Sommer et al. | Hierarchical data fusion for mapping soil units at field scale | |
| CN102930253B (zh) | 一种基于图像离散多小波变换的煤岩识别方法 | |
| CN107783177B (zh) | 一种用于地震监测的逐日亮温异常回归分析方法 | |
| US20180330487A1 (en) | Computer-implemented methods, computer readable medium and systems for a precision agriculture platform with a satellite data model | |
| Latifovic et al. | Monitoring cumulative long-term vegetation changes over the Athabasca oil sands region | |
| Chen et al. | Automatic variogram parameter extraction for textural classification of the panchromatic IKONOS imagery | |
| Diao et al. | Development of an invasive species distribution model with fine-resolution remote sensing | |
| Mahmood et al. | Monitoring open dumping of municipal waste in Gujranwala, Pakistan using a combination of satellite based bio-thermal indicators and GIS analysis | |
| CN107462331A (zh) | 钢铁企业产能变化遥感监测方法和系统 | |
| Zhao et al. | Evaluating fine-scale phenology from PlanetScope satellites with ground observations across temperate forests in eastern North America | |
| Avliyakulov et al. | Characterization of soil salinity and its impact on wheat crop using space-borne hyperspectral data | |
| CN112485203A (zh) | 一种基于高光谱成像分析的重金属污染分析方法 | |
| Danaher et al. | Remote sensing of tree-grass systems: The Eastern Australian Woodlands | |
| CN117315441A (zh) | 基于改进yolox的道路井盖状态检测方法 | |
| Fu et al. | The SWADE model for landslide dating in time series of optical satellite imagery | |
| Barnetson et al. | Assessing Landsat fractional ground-cover time series across Australia’s arid rangelands: separating grazing impacts from climate variability | |
| Sharma et al. | Comparative assessment of vegetation indices in downscaling of MODIS satellite land surface temperature | |
| Dupin et al. | Land cover fragmentation using multi-temporal remote sensing on major mine sites in Southern Katanga (Democratic Republic of Congo) |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |