CN112665730B - 震前温度异常检测方法、装置、设备和存储介质 - Google Patents
震前温度异常检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112665730B CN112665730B CN202011611314.7A CN202011611314A CN112665730B CN 112665730 B CN112665730 B CN 112665730B CN 202011611314 A CN202011611314 A CN 202011611314A CN 112665730 B CN112665730 B CN 112665730B
- Authority
- CN
- China
- Prior art keywords
- surface temperature
- unit
- time
- unit pixel
- time period
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 103
- 230000005856 abnormality Effects 0.000 claims abstract description 60
- 230000010354 integration Effects 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 238000010438 heat treatment Methods 0.000 claims abstract description 22
- 230000006870 function Effects 0.000 claims description 40
- 238000001816 cooling Methods 0.000 claims description 24
- 238000012216 screening Methods 0.000 claims description 22
- 238000003908 quality control method Methods 0.000 claims description 12
- 238000010792 warming Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000011081 inoculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本公开实施例公开了一种震前温度异常检测方法、装置、设备和存储介质。该方法包括：获取地震监测区域在第一预设时间段内的单位时间地表温度数据和单位时间地表温度背景场数据；基于单位时间地表温度数据和单位时间地表温度背景场数据，确定每个单位像元在第一预设时间段内的单位时间地表温度异常值；针对每个单位像元和每个第二预设时间段，基于第二预设时间段内单位像元的各单位时间地表温度异常值中的正值，确定单位像元在第二预设时间段内的增温时间积分异常。实现了在第二预设时间段内对LST增温异常进行累积，突出了持续存在的LST增温异常，且抑制了偶发性的LST增温异常，从而提高LST增温异常检测的可靠性和有效性。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种震前温度异常检测方法、装置、设备和存储介质。
背景技术
地震是一个动态过程，涉及机械能、电磁辐射和热效应的转换过程。因此，在地震孕育阶段，许多基于物理的地震参数被用来分析各种地震事件的异常信号。遥感数据可以提供从大气层顶、大气层到地球表面的各种地球物理和地球化学参数，能够为地震前异常检测提供丰富的数据源。其中，以遥感热红外数据反演而获得的陆地表面的温度数据，即地表温度(land surface temperature，LST)，是用于测量地表能量平衡的综合参数，其在某种程度上是与区域总应力场相关的，故被广泛用于地震监测。
目前，有诸多研究通过使用一系列数据预处理和异常提取方法，从大量遥感LST数据中捕获震前的异常增温(即LST增温异常)现象，以此来监测构造活动和预警即将发生的地震。
但是，LST异常受地形、土地覆盖类型、气象和深部构造活动的共同影响，且从深层获取的信息仅占LST异常主要特征的一小部分。这导致了目前的LST增温异常提取方式，难以消除非构造因素对地表热红外(TIR)辐射的影响，更难以从强噪声背景中提取较为准确的微弱的信号(即地震前异常信息)，使得震前LST异常监测的准确性低，进而造成地震预警的有效性差。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种震前温度异常检测方法、装置、设备和存储介质。
第一方面，本公开提供了一种震前温度异常检测方法，包括：
获取地震监测区域在第一预设时间段内的单位时间地表温度数据和单位时间地表温度背景场数据；其中，地表温度数据和地表温度背景场数据基于遥感影像而获得，且相同单位时间的所述地表温度数据和所述地表温度背景场数据按照单位像元一一对应；单位时间由所述遥感影像的时间分辨率确定；
基于所述单位时间地表温度数据和所述单位时间地表温度背景场数据，确定每个所述单位像元在所述第一预设时间段内的单位时间地表温度异常值；
针对每个所述单位像元和每个第二预设时间段，基于所述第二预设时间段内所述单位像元的各所述单位时间地表温度异常值中的正值，确定所述单位像元在所述第二预设时间段内的增温时间积分异常；其中，所述第二预设时间段短于或等于所述第一预设时间段，且所述第二预设时间段的数量大于或等于1。
第二方面，本公开提供了一种震前温度异常检测装置，该装置包括：
数据获取模块，用于获取地震监测区域在第一预设时间段内的单位时间地表温度数据和单位时间地表温度背景场数据；其中，地表温度数据和地表温度背景场数据基于遥感影像而获得，且相同单位时间的所述地表温度数据和所述地表温度背景场数据按照单位像元一一对应；单位时间由所述遥感影像的时间分辨率确定；
地表温度异常值确定模块，用于基于所述单位时间地表温度数据和所述单位时间地表温度背景场数据，确定每个所述单位像元在所述第一预设时间段内的单位时间地表温度异常值；
增温时间积分异常确定模块，用于针对每个所述单位像元和每个第二预设时间段，基于所述第二预设时间段内所述单位像元的各所述单位时间地表温度异常值中的正值，确定所述单位像元在所述第二预设时间段内的增温时间积分异常；其中，所述第二预设时间段短于或等于所述第一预设时间段，且所述第二预设时间段的数量大于或等于1。
第三方面，本公开提供了一种的电子设备，该电子设备包括：
处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行本发明任意实施例中所述方法的步骤。
第四方面，本公开提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或所述指令使计算机执行本发明任意实施例中所述方法的步骤。
本公开实施例提供的技术方案，通过获取地震监测区域在第一预设时间段内的单位时间地表温度数据和单位时间地表温度背景场数据；基于单位时间地表温度数据和单位时间地表温度背景场数据，确定每个单位像元在第一预设时间段内的单位时间地表温度异常值；针对每个单位像元和每个第二预设时间段，基于第二预设时间段内单位像元的各单位时间地表温度异常值中的正值，确定单位像元在第二预设时间段内的增温时间积分异常。实现了在第二预设时间段内对LST增温异常进行累积，避免了因LST增温异常的变化幅度很小且空间上分散而导致的LST增温异常的检测精度低或失效的问题，突出了持续存在的LST增温异常，且抑制了偶发性的LST增温异常，从而提高LST增温异常检测的可靠性和有效性，为地震监测预报提供技术支撑。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种震前温度异常检测方法的流程图；
图2是本公开实施例提供的又一种震前温度异常检测方法的流程图；
图3是本公开实施例提供的一种震前温度异常检测装置的结构示意图；
图4是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步的详细描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
本公开实施例提供的震前温度异常检测方法，主要适用于利用遥感产品中的地表温度数据来检测温度异常，进而对地震发生概率进行预测的情况。本公开实施例提供的震前温度异常检测方法可以由震前温度异常检测装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在具有一定数据运算能力的电子设备中，例如笔记本电脑、台式电脑或服务器等。
图1是本公开实施例提供的一种震前温度异常检测方法的流程图。参见图1，该震前温度异常检测方法具体包括：
S110、获取地震监测区域在第一预设时间段内的单位时间地表温度数据和单位时间地表温度背景场数据。
其中，第一预设时间段是预先设定的一个时间段，其是一次温度异常检测流程中的最长时间段。单位时间地表温度数据是指由遥感影像反演而获得的单位时间的地表温度数据。如果声明该单位时间地表温度数据是单位像元的数据，那么其表示单位像元的像元值；如果未声明该单位时间地表温度数据是单位像元的数据，那么其是至少覆盖地震监测区域的、由多个单位像元的像元值构成的单位时间内的地表温度影像。这里的单位时间由遥感影像的时间分辨率确定。例如，MODIS地表温度产品MYD11A1的时间分辨率为1天，那么单位时间便为1天。单位时间地表温度背景场数据是指对中长期的遥感影像进行各种处理后所得的地表温度的趋势性数据，其保留了中长期的地表温度变化，而尽可能去除了短期和短暂的地表温度变化。本公开实施例中，单位时间地表温度数据是震前温度异常检测的观测数据，单位时间地表温度背景场数据是震前温度异常检测的基准数据，故相同单位时间(如同一天)的地表温度数据和地表温度背景场数据是按照单位像元来一一对应的。这里的单位像元包含至少一个遥感影像中的像元，其是本公开实施例中进行温度数据处理的最小单位。
具体地，以MODIS地表温度产品MYD11A1为例，获取第一预设时间段内、覆盖地震监测区域的每日地表温度数据及其对应的每日地表温度背景场数据。可以理解的是，每日地表温度数据(每日地表温度背景场数据)的数据数量和第一预设时间段内包含的天数一致。
上述数据的获取方式，可以是从外部存储器中直接读取，可以是收集第一预设时间段内的遥感地表温度产品，并对其进行一系列的预处理后而获得。
在一些实施例中，第一预设时间段为以天或周为时间度量单位的短期时间段。例如几天或者几周，优选可选两周时间作为第一预设时间段。这是因为相关技术中普遍认为长期的LST异常在地震预报方面具有更大的价值，短期LST异常检测几乎未被关注。但是，地震发生前的短时期内，构造活动变得更强，相应的地球物理参数异常(例如LST)的响应幅度也更大，就会使得该期间相对于其他时间段的LST异常的背景噪声更弱，反而能够提取到更加可靠的LST异常。所以，本公开实施例中优先将第一预设时间段设置为短期时长，以增加后续检测的LST异常的可靠性。
S120、基于单位时间地表温度数据和单位时间地表温度背景场数据，确定每个单位像元在第一预设时间段内的单位时间地表温度异常值。
其中，地表温度异常值是指地表温度数据相对于相同时间和相同单位像元的地表温度背景场数据的差异。
具体地，选定一种表征温度异常的指标(如异常指数ZS)。然后，以单位时间地表温度背景场数据为基准，按照选定指标的异常计算方式，逐个单位时间、逐个单位像元地计算单位时间地表温度异常值。
在一些实施例中，S120包括：针对每个单位像元，基于各单位时间地表温度背景场数据，确定单位像元对应的背景场标准差，并基于时间序列MODIS地表温度数据，确定单位像元对应的时间序列温度均值；针对每个单位时间地表温度数据中的每个单位像元，确定单位像元的单位时间地表温度数据与时间序列温度均值的第二差值，并确定第二差值与背景场标准差的比值，作为单位时间地表温度数据中单位像元的单位时间地表温度异常值。
本实施例中选定异常指数ZS作为温度异常的表征指标。ZS表示从遥感卫星数据反演的当前LST值与LST长期平均趋势的偏差程度。如果ZS值较高，则震前发生异常的可能性较大。ZS指数定义为测量值和平均值之差与标准差(STD)的倍数，其数学表达式见公式(1)：
其中，v(x,y,t)是单位时间地表温度数据对应的卫星数据获取时间为t、空间位置为(x,y)的单位像元的LST值；μ(x,y)是相同空间位置处，使用相同或相似年份时间段的多年地表温度数据(即时间序列MODIS地表温度数据)而获得的平均LST(即时间序列温度均值)；δ(x,y)是相同空间位置处，多个单位时间地表温度背景场数据的标准差(即背景场标准差)。
那么，利用ZS指数计算任一空间位置为(x,y)的单位像元的单位时间地表温度异常值的过程为：获取该单位像元在某一时刻t的单位像元地表温度数据。另外，获取该单位像元的所有单位时间地表温度背景场数据，并计算这些单位时间地表温度背景场数据的标准差，作为该单位像元的背景场标准差；以及，获取该单位像元的时间序列的MODIS地表温度数据，并计算这些时间序列的MODIS地表温度数据的均值，作为该单位像元的时间序列温度均值。然后，按照公式(1)，计算上述单位像元地表温度数据与上述时间序列温度均值的差值(即第二差值)，以及计算该第二差值与上述背景场标准差的比值，便获得时刻t的单位时间地表温度数据中该单位像元处的单位时间地表温度异常值。
按照上述过程可获得每一个单位时间地表温度数据中每个单位像元的单位时间地表温度异常值，构成与相应单位时间地表温度数据逐单位像元对应的单位时间地表温度异常数据。
S130、针对每个单位像元和每个第二预设时间段，基于第二预设时间段内单位像元的各单位时间地表温度异常值中的正值，确定单位像元在第二预设时间段内的增温时间积分异常。
其中，第二预设时间段是另一预先设定的时间段，其短于或等于第一预设时间段。例如，第一预设时间段设置为30天，那么第二预设时间段可以设置为30天以内的任意天数，如29天、28天、…、1天、0天等。另外，第二预设时间段的数量大于或等于1。如果第二预设时间段的数量等于1，那么最终只获得一个增温时间积分异常，来表征该第二预设时间段内的总体/综合的地表增温情况。如果第二预设时间段的数量为多个，如以第一预设时间段为约束、以单位时间为时间间隔，确定出多个第二预设时间段，那么可获得相同数量个增温时间积分异常，以表征相应第二预设时间段内的总体的地表增温情况。增温时间积分异常是对一定时间内的增温异常进行累积而获得。增温时间积分异常越大，说明发生地震的可能性越大。在一些实施例中，增温时间积分异常为相应单位时间地表温度异常值在第二预设时间段内的加权平均值。该相应单位时间地表温度异常值是指所有单位时间地表温度异常值中的数值为正的单位时间地表温度异常值。
具体地，先设定第二预设时间段，并提取出该第二预设时间段内的多个单位时间地表温度异常数据。然后，对于某个单位像元，从该多个单位时间地表温度异常数据中获得该单位像元对应的所有单位时间地表温度异常值。再从该获得的所有单位时间地表温度异常值中筛选出数值为正的单位时间地表温度异常值。最后，以时间距离为权重，对这些筛选出来的正值进行加权平均计算，便可获得该单位像元在该第二预设时间段内的增温时间积分异常。重复上述过程，可获得每个单位像元在该第二预设时间段内的增温时间积分异常。
本公开实施例的上述技术方案，通过获取地震监测区域在第一预设时间段内的单位时间地表温度数据和单位时间地表温度背景场数据；基于单位时间地表温度数据和单位时间地表温度背景场数据，确定每个单位像元在第一预设时间段内的单位时间地表温度异常值；针对每个单位像元和每个第二预设时间段，基于第二预设时间段内单位像元的各单位时间地表温度异常值中的正值，确定单位像元在第二预设时间段内的增温时间积分异常。实现了在第二预设时间段内对LST增温异常进行累积，避免了因LST增温异常的变化幅度很小且空间上分散而导致的LST增温异常的检测精度低或失效的问题，突出了持续存在的LST增温异常，且抑制了偶发性的LST增温异常，从而提高LST增温异常检测的可靠性和有效性，为地震监测预报提供技术支撑。
在上述技术方案的基础上，S110中获取地震监测区域在第一预设时间段内的单位时间地表温度数据包括：
A、获取地震监测区域在第一预设时间段内的各MODIS地表温度数据，以及在多年同期时间段内的时间序列MODIS地表温度数据。
具体地，获取覆盖地震监测区域的、第一预设时间段内的所有MYD11A1数据。并且，获取相同区域的、多年中与第一预设时间段相同或相近时间段的MYD11A1数据，构成时间序列MODIS地表温度数据。
B、针对每个单位像元，从各MODIS地表温度数据中筛选成像时间为夜间、质量控制标志为最高质量标志且观测天顶角小于45°的地表温度数据，作为单位像元的初筛地表温度数据。
具体地，对所有MODIS地表温度数据中的每个LST值进行质量控制。具体实施时，为了获得更高质量的地表温度数据，设置质量控制条件为：夜间(温度均质性好，减少太阳辐射和地表类型等因素造成的热辐射异质性影响)、数据质量控制标志为最高质量标志以及成像时观测天顶角小于45°。以该质量控制条件对每个LST值进行过滤，满足条件的LST值保留(即初筛地表温度数据)，不满足条件的LST值则剔除。
C、针对每个单位像元，基于时间序列MODIS地表温度数据，确定单位像元对应的时间序列温度均值和时间序列温度标准差。
具体地，经过步骤B的质量控制后，所得的单位时间地表温度数据中仍然可能存在云污染的LST值(异常低温)。同时，质量控制后的单位时间地表温度数据中还可能存在因中强地震而引起的增温异常的LST值。所以，需要对步骤B所得的数据进行进一步质量控制。具体实施时，先利用每个单位像元的时间序列MODIS地表温度数据，计算其均值和标准差，获得相应单位像元的时间序列温度均值和时间序列温度标准差。
D、针对每个单位像元的每个初筛地表温度数据，确定初筛地表温度数据与单位像元对应的时间序列温度均值的第一差值，并在第一差值与单位像元对应的时间序列温度标准差之间满足预设关系时，将初筛地表温度数据作为单位像元的单位时间地表温度数据予以保留。
其中，预设关系是预先设定的第一差值与时间序列温度标准差之间的关系，其用于过滤因云污染和地震引起的温度异常的单元像元的LST值。在一些实施例中，预设关系为：第一差值大于或等于时间序列温度标准差的设定倍数的负数值，且第一差值小于或等于时间序列温度标准差的设定倍数的正数值。这里设定倍数n是根据云污染和中强度地震所引起的温度异常来经验设定。
具体地，对于某个初筛地表温度数据，先计算该初筛地表温度数据与其所在单位像元对应的时间序列温度均值之间的差值(即第一差值)。然后，比较该单位像元对应的时间序列温度标准差的n倍结果与该第一差值。如果第一差值小于负的n倍结果，说明该初始地表温度数据为云污染的数据，予以剔除。如果第一差值大于或等于负的n倍结果，则进一步判断该第一差值是否大于正的n倍结果。如果第一差值大于正的n倍结果，说明该初筛地表温度数据为地震引起的温度异常数据，予以剔除。如果第一差值小于或等于正的n倍结果，则保留该初筛地表温度数据。按照上述过程对所有的初筛地表温度数据进行过滤，最终所得结果便为经过两次质量控制的各个单位时间地表温度数据。这些单位时间地表温度数据的数量与初始收集的MODIS地表温度数据的数量一致，只是在空间上存在缺失LST值的单位像元。
上述步骤A～步骤D的获取单位时间地表温度数据的技术方案，通过两轮质量控制，能够尽量减轻遥感地表温度数据反演结果的不确定性、云效应、地震活动、以及扰动幅度类似于云效应或地震活动的地表覆盖类型和人为过程等对LST值的干扰，获得更加有效和更高数据质量的LST数据，为后续温度异常检测提供可靠的基础数据，从而更进一步地提高温度异常检测的准确性和有效性。
在上述技术方案的基础上，S110中获取地震监测区域在第一预设时间段内的单位时间地表温度背景场数据包括：针对每个单位像元，基于各单位时间地表温度数据，以时间滑窗方式，确定单位像元在第一预设时间段内的各单位时间地表温度背景场数据；其中，时间滑窗方式中的滑窗大小为第三预设时间段，滑窗步长为单位时间，数据处理方式为均值计算。具体地，为了填充上述步骤D所得的各单位时间地表温度数据的空间缺失，以及综合同一单位像元的不同时间的LST值，获得空间覆盖完全的单位时间地表温度背景场数据，本实施例中采用时间滑动窗口的方式进行处理。例如，对于某个时间的某个单位像元，以该时间为中心，获取该单位像元对应的前5天和后5天的各LST值，然后对这些LST取均值，即可获得该时间、该单位像元的单位时间地表温度背景场数据。每个单位时间地表温度背景场数据包含三个数据层：LST均值，LST标准差和参与计算的样本数量。
图2是本公开实施例提供的又一种震前温度异常检测方法的流程图。相对于上述技术方案，该震前温度异常检测方法中增加了“降温时间积分异常”的确定过程。在此基础上，还可以进一步对“确定降温时间积分异常”和“确定增温时间积分异常”进行优化。在上述基础上，还可以进一步增加“确定地震监测区域的地震概率”的步骤。其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图2，该震前温度异常检测方法包括：
S210、获取地震监测区域在第一预设时间段内的单位时间地表温度数据和单位时间地表温度背景场数据。
S220、基于单位时间地表温度数据和单位时间地表温度背景场数据，确定每个单位像元在第一预设时间段内的单位时间地表温度异常值。
S230、针对每个单位像元和每个第二预设时间段，基于每个单位时间地表温度异常值中的正值和相应正值对应的数值有效性标识，利用预设加权积分函数，确定单位像元在第二预设时间段内的增温时间积分异常。
其中，数据有效性标识是用于表征该单位时间地表温度异常值是否有效的标识。例如，对于单位时间地表温度异常值的正值，如果其数值缺失或者数值为负，则数据有效性标识为无效标识(如0)；反之，数据有效性标识为有效标识(如1)。预设加权积分函数是预先设定的、用于进行一定时间内的数据加权平均值计算的函数。
具体地，逐个单位像元地进行增温时间积分异常计算。具体计算时，获取计算的单位像元在第二预设时间段内的各单位时间地表温度异常值中的正值及其数值有效性标识。然后，将其输入预设加权积分函数，便可获得该单位像元在第二预设时间段内的增温时间积分异常。
在一些实施例中，预设加权积分函数为恒定加权积分函数、距离反比加权积分函数、高斯加权积分函数或拉普拉斯加权积分函数。
其中，恒定加权积分函数(constant weighted integration function，CST)是使用所有选定的单位时间地表温度异常值计算其算术平均值的方法，其数学表达式见公式(2)：
其中，t是相对于第二预设时间段中距离当前时间最近的一个时间(称为最近时间，如地震当天)的时间距离，其在最近时间当天取值为零；n是距离最近时间的天数；At是第t天的单位时间地表温度异常值(简称LST异常)；Θt是数值有效性标识，其是一个二值数，用1表示有效的At，0表示无效的At。
CST方法无法表征越接近地震发生时，其LST异常的贡献越大的情况，此时可采用距离反比加权积分函数、高斯加权积分函数或拉普拉斯加权积分函数，为每个单位时间的LST异常分配不同的权重，且越接近地震发生时，其权重越大。
距离反比加权积分函数(inverse distance weighted,IDW)是用于地统计分析中的多变量插值的通用方法，该方法使用环境中的测量值插值未知点的值。IDW假定距离预测位置较近的已知值对预测值的权重比距离较远的已知值高，并且权重随距离而减小。因此，通过将空间距离替换为时间距离，并为每个LST异常分配作为时间倒数的权重，该方法也用于时间积分，其数学表达式见公式(3)：
高斯函数的分布适合于在地震发生日附近发生的LST异常具有较高权重的情况。高斯加权积分函数(Gaussian weighted integration function，GAU)的数学表达式如公式(4)：
其中，μ设置为0，而σ是标准差，它控制高斯函数形状的宽度。
拉普拉斯加权积分函数(Laplace distribution，LAP)具有较陡的分布，导致分配给LST异常值的权重变化更大，其数学表达式见公式(5)：
上述和/>分别表示用CTS、IDW、GAU和LAP方法计算所得的温度时间积分异常。实际应用过程中，可根据地震预测区域的实际情况，选择一个加权积分函数作为预设加权积分函数来计算温度时间积分异常。
S240、针对每个单位像元和每个第二预设时间段，基于第二预设时间段内单位像元的各单位时间地表温度异常值中的负值，确定单位像元在第二预设时间段内的降温时间积分异常。
其中，降温时间积分异常是对一定时间内的降温异常进行累积而获得。降温时间积分异常越大，说明发生地震的可能性越大。在一些实施例中，降温时间积分异常为相应单位时间地表温度异常值在第二预设时间段内的加权平均值。该相应单位时间地表温度异常值是指所有单位时间地表温度异常值中的数值为负的单位时间地表温度异常值。
具体地，相关技术中通常利用增温异常进行地震预测，但是，考虑到地震前也会观测到一定的降温异常，所以，本公开实施例中将降温异常引入震前温度异常检测中，用于与增温异常共同来预测地震。
该步骤的实现可参见S130中的说明，只是将参与计算的数据替换为各单位时间地表温度异常值中的负值，所得为降温时间积分异常。
在一些实施例中，基于第二预设时间段内单位像元的各单位时间地表温度异常值中的负值，确定单位像元在第二预设时间段内的降温时间积分异常包括：基于每个单位时间地表温度异常值中的负值和相应负值对应的数值有效性标识，利用预设加权积分函数，确定单位像元在第二预设时间段内的降温时间积分异常。具体地，该步骤的实现可参见S230中的说明，同样是将参与计算的数据替换为各单位时间地表温度异常值中的负值，所得为降温时间积分异常。需要说明的是，对于同一地震监测区域的同一第一预设时间段，增温时间积分异常和降温时间积分异常的计算所选用的预设积分函数相同。
S250、基于各单位像元的各增温时间积分异常和各降温时间积分异常，确定地震监测区域的地震概率。
具体地，虽然一个增温时间积分异常和/或一个降温时间积分异常，在一定程度上能够反映温度异常的程度，进而预测地震发生的概率。但是，其预测概率不够高。为了更加准确地预测地震发生的概率，本公开实施例中采用一系列的增温时间积分异常和一系列的降温时间积分异常进行地震预测。具体实施时，可以设置多个第二预设时间段，进而获得地震监测区域中每个单位像元的多个增温时间积分异常和多个降温时间积分异常。然后，以时间为处理维度，对同一时间对应的所有单位像元的增温时间积分异常和降温时间积分异常分别取均值，获得该同一时间的一个增温时间积分异常均值和一个降温时间积分异常均值。最后，基于不同时间的增温时间积分异常均值和不同时间的降温时间积分异常均值来检测是否存在增温时间积分异常峰值和/或降温时间积分异常谷值。如果存在其中一个，那么地震概率为第一概率。如果存在两个，那么地震概率为第二概率。该第二概率大于第一概率，且该第一概率大于用单个增温/降温时间积分异常预测的概率。例如，以时间为横轴，以温度时间积分异常为纵轴，分别利用不同时间的增温时间积分异常均值和不同时间的降温时间积分异常均值，绘制曲线。从该曲线中检测峰值和谷值，进而确定地震概率。
本公开实施例的上述技术方案，通过针对每个单位像元和每个第二预设时间段，基于第二预设时间段内单位像元的各单位时间地表温度异常值中的负值，确定单位像元在第二预设时间段内的降温时间积分异常。实现了在第二预设时间段内对LST降温异常进行累积，增加了震前温度异常检测的降温异常检测，从而提高了震前温度异常检测的全面性，进一步提高温度异常检测的可靠性。通过基于各单位像元的各增温时间积分异常和各降温时间积分异常，确定地震监测区域的地震概率。实现了同时利用降温时间积分异常和增温时间积分异常对地震进行预测，进一步提高了地震预测的可靠性和有效性。
图3是本公开实施例提供的一种震前温度异常检测装置的结构示意图。参见图3，该装置具体包括：
数据获取模块310，用于获取地震监测区域在第一预设时间段内的单位时间地表温度数据和单位时间地表温度背景场数据；其中，地表温度数据和地表温度背景场数据基于遥感影像而获得，且相同单位时间的地表温度数据和地表温度背景场数据按照单位像元一一对应；单位时间由遥感影像的时间分辨率确定；
地表温度异常值确定模块320，用于基于单位时间地表温度数据和单位时间地表温度背景场数据，确定每个单位像元在第一预设时间段内的单位时间地表温度异常值；
增温时间积分异常确定模块330，用于针对每个单位像元和每个第二预设时间段，基于第二预设时间段内单位像元的各单位时间地表温度异常值中的正值，确定单位像元在第二预设时间段内的增温时间积分异常；其中，第二预设时间段短于或等于第一预设时间段，且第二预设时间段的数量大于或等于1。
在一些实施例中，第一预设时间段为以天或周为时间度量单位的短期时间段。
在一些实施例中，上述装置还包括降温时间积分异常确定模块340，用于：
在基于单位时间地表温度数据和单位时间地表温度背景场数据，确定每个单位像元在第一预设时间段内的单位时间地表温度异常值之后，针对每个单位像元和每个第二预设时间段，基于第二预设时间段内单位像元的各单位时间地表温度异常值中的负值，确定单位像元在第二预设时间段内的降温时间积分异常。
在一些实施例中，增温时间积分异常和降温时间积分异常分别为相应单位时间地表温度异常值在第二预设时间段内的加权平均值。
在一些实施例中，增温时间积分异常确定模块330具体用于：
基于每个正值和相应正值对应的数值有效性标识，利用预设加权积分函数，确定单位像元在第二预设时间段内的增温时间积分异常；
降温时间积分异常确定模块340具体用于：
基于每个负值和相应负值对应的数值有效性标识，利用预设加权积分函数，确定单位像元在第二预设时间段内的降温时间积分异常。
在一些实施例中，预设加权积分函数为恒定加权积分函数、距离反比加权积分函数、高斯加权积分函数或拉普拉斯加权积分函数。
在一些实施例中，上述装置还包括地震概率确定模块350，用于：
基于各单位像元的各增温时间积分异常和各降温时间积分异常，确定地震监测区域的地震概率。
在一些实施例中，数据获取模块310包括单位时间地表温度数据获取子模块，用于：
获取地震监测区域在第一预设时间段内的各MODIS地表温度数据，以及在多年同期时间段内的时间序列MODIS地表温度数据；
针对每个单位像元，从各MODIS地表温度数据中筛选成像时间为夜间、质量控制标志为最高质量标志且观测天顶角小于45°的地表温度数据，作为单位像元的初筛地表温度数据；
针对每个单位像元，基于时间序列MODIS地表温度数据，确定单位像元对应的时间序列温度均值和时间序列温度标准差；
针对每个单位像元的每个初筛地表温度数据，确定初筛地表温度数据与单位像元对应的时间序列温度均值的第一差值，并在第一差值与单位像元对应的时间序列温度标准差之间满足预设关系时，将初筛地表温度数据作为单位像元的单位时间地表温度数据予以保留。
在一些实施例中，预设关系为：第一差值大于或等于时间序列温度标准差的设定倍数的负数值，且第一差值小于或等于时间序列温度标准差的设定倍数的正数值。
在一些实施例中，数据获取模块310包括单位时间地表温度背景场数据获取子模块，用于：
针对每个单位像元，基于各单位时间地表温度数据，以时间滑窗方式，确定单位像元在第一预设时间段内的各单位时间地表温度背景场数据；
其中，时间滑窗方式中的滑窗大小为第三预设时间段，滑窗步长为单位时间，数据处理方式为均值计算。
在一些实施例中，地表温度异常值确定模块320具体用于：
针对每个单位像元，基于各单位时间地表温度背景场数据，确定单位像元对应的背景场标准差，并基于时间序列MODIS地表温度数据，确定单位像元对应的时间序列温度均值；
针对每个单位时间地表温度数据中的每个单位像元，确定单位像元的单位时间地表温度数据与时间序列温度均值的第二差值，并确定第二差值与背景场标准差的比值，作为单位时间地表温度数据中单位像元的单位时间地表温度异常值。
通过本公开实施例提供的一种震前温度异常检测装置，实现了在第二预设时间段内对LST增温异常进行累积，避免了因LST增温异常的变化幅度很小且空间上分散而导致的LST增温异常的检测精度低或失效的问题，突出了持续存在的LST增温异常，且抑制了偶发性的LST增温异常，从而提高LST增温异常检测的可靠性和有效性，为地震监测预报提供技术支撑。
本公开实施例所提供的震前温度异常检测装置可执行本公开任意实施例所提供的震前温度异常检测方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述震前温度异常检测装置的实施例中，所包括的各个模块和子模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块、功能子模块的具体名称也只是为了便于相互区分，并不用于限制本公开的保护范围。
图4是本公开实施例提供的一种电子设备的结构示意图。参见图4，本公开实施例提供的电子设备400，其包括：处理器420和存储器410；所述处理器420通过调用所述存储器410存储的程序或指令，用于执行本公开任意实施例所提供的震前温度异常检测方法的步骤。
图4显示的电子设备400仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。如图4所示，电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于：一个或者多个处理器420，存储器410，连接不同系统组件(包括存储器410和处理器420)的总线450。
总线450表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备400典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备400访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器410可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)411和/或高速缓存存储器412。电子设备400可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统413可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线450相连。存储器410可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块415的程序/实用工具414，可以存储在例如存储器410中，这样的程序模块415包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块415通常执行本公开所描述的任意实施例中的功能和/或方法。
电子设备400也可以与一个或多个外部设备460(例如键盘、指向设备、显示器470等)通信，还可与一个或者多个使得用户能与该电子设备400交互的设备通信，和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出接口(I/O接口)430进行。并且，电子设备400还可以通过网络适配器440与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器440通过总线450与电子设备400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储程序或指令，该程序或指令使计算机执行本公开任意实施例提供的震前温度异常检测方法的步骤。
本公开实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
需要说明的是，本公开所用术语仅为了描述特定实施例，而非限制本申请范围。如本公开说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。术语“和/或”包括一个或多个相关所列条目的任何一个和所有组合。诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种震前温度异常检测方法，其特征在于，包括：
获取地震监测区域在第一预设时间段内的单位时间地表温度数据和单位时间地表温度背景场数据；其中，地表温度数据和地表温度背景场数据基于遥感影像而获得，且相同单位时间的所述地表温度数据和所述地表温度背景场数据按照单位像元一一对应；单位时间由所述遥感影像的时间分辨率确定；
基于所述单位时间地表温度数据和所述单位时间地表温度背景场数据，确定每个所述单位像元在所述第一预设时间段内的单位时间地表温度异常值；
针对每个所述单位像元和每个第二预设时间段，基于所述第二预设时间段内所述单位像元的各所述单位时间地表温度异常值中的正值，确定所述单位像元在所述第二预设时间段内的增温时间积分异常；其中，所述第二预设时间段短于或等于所述第一预设时间段，且所述第二预设时间段的数量大于或等于1。
2.根据权利要求1所述的方法，其特征在于，在所述基于所述单位时间地表温度数据和所述单位时间地表温度背景场数据，确定每个所述单位像元在所述第一预设时间段内的单位时间地表温度异常值之后，所述方法还包括：
针对每个所述单位像元和每个所述第二预设时间段，基于所述第二预设时间段内所述单位像元的各所述单位时间地表温度异常值中的负值，确定所述单位像元在所述第二预设时间段内的降温时间积分异常。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第二预设时间段内所述单位像元的各所述单位时间地表温度异常值中的正值，确定所述单位像元在所述第二预设时间段内的增温时间积分异常包括：
基于每个所述正值和相应正值对应的数值有效性标识，利用预设加权积分函数，确定所述单位像元在所述第二预设时间段内的增温时间积分异常；
所述基于所述第二预设时间段内所述单位像元的各所述单位时间地表温度异常值中的负值，确定所述单位像元在所述第二预设时间段内的降温时间积分异常包括：
基于每个所述负值和相应负值对应的数值有效性标识，利用所述预设加权积分函数，确定所述单位像元在所述第二预设时间段内的降温时间积分异常。
4.根据权利要求3所述的方法，其特征在于，所述预设加权积分函数为恒定加权积分函数、距离反比加权积分函数、高斯加权积分函数或拉普拉斯加权积分函数。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
基于各所述单位像元的各所述增温时间积分异常和各所述降温时间积分异常，确定所述地震监测区域的地震概率。
6.根据权利要求1所述的方法，其特征在于，所述获取地震监测区域在第一预设时间段内的单位时间地表温度数据包括：
获取所述地震监测区域在所述第一预设时间段内的各MODIS地表温度数据，以及在多年同期时间段内的时间序列MODIS地表温度数据；
针对每个所述单位像元，从各MODIS地表温度数据中筛选成像时间为夜间、质量控制标志为最高质量标志且观测天顶角小于45°的地表温度数据，作为所述单位像元的初筛地表温度数据；
针对每个所述单位像元，基于所述时间序列MODIS地表温度数据，确定所述单位像元对应的时间序列温度均值和时间序列温度标准差；
针对每个所述单位像元的每个所述初筛地表温度数据，确定所述初筛地表温度数据与所述单位像元对应的时间序列温度均值的第一差值，并在所述第一差值与所述单位像元对应的时间序列温度标准差之间满足预设关系时，将所述初筛地表温度数据作为所述单位像元的单位时间地表温度数据予以保留。
7.根据权利要求1所述的方法，其特征在于，所述基于所述单位时间地表温度数据和所述单位时间地表温度背景场数据，确定每个所述单位像元在所述第一预设时间段内的单位时间地表温度异常值包括：
针对每个所述单位像元，基于各所述单位时间地表温度背景场数据，确定所述单位像元对应的背景场标准差，并基于时间序列MODIS地表温度数据，确定所述单位像元对应的时间序列温度均值；
针对每个所述单位时间地表温度数据中的每个所述单位像元，确定所述单位像元的所述单位时间地表温度数据与所述时间序列温度均值的第二差值，并确定所述第二差值与所述背景场标准差的比值，作为所述单位时间地表温度数据中所述单位像元的单位时间地表温度异常值。
8.一种震前温度异常检测装置，其特征在于，包括：
数据获取模块，用于获取地震监测区域在第一预设时间段内的单位时间地表温度数据和单位时间地表温度背景场数据；其中，地表温度数据和地表温度背景场数据基于遥感影像而获得，且相同单位时间的所述地表温度数据和所述地表温度背景场数据按照单位像元一一对应；单位时间由所述遥感影像的时间分辨率确定；
地表温度异常值确定模块，用于基于所述单位时间地表温度数据和所述单位时间地表温度背景场数据，确定每个所述单位像元在所述第一预设时间段内的单位时间地表温度异常值；
增温时间积分异常确定模块，用于针对每个所述单位像元和每个第二预设时间段，基于所述第二预设时间段内所述单位像元的各所述单位时间地表温度异常值中的正值，确定所述单位像元在所述第二预设时间段内的增温时间积分异常；其中，所述第二预设时间段短于或等于所述第一预设时间段，且所述第二预设时间段的数量大于或等于1。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011611314.7A CN112665730B (zh) | 2020-12-30 | 2020-12-30 | 震前温度异常检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011611314.7A CN112665730B (zh) | 2020-12-30 | 2020-12-30 | 震前温度异常检测方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112665730A CN112665730A (zh) | 2021-04-16 |
| CN112665730B true CN112665730B (zh) | 2023-11-03 |
Family
ID=75412017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011611314.7A Active CN112665730B (zh) | 2020-12-30 | 2020-12-30 | 震前温度异常检测方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112665730B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114839669B (zh) * | 2022-04-14 | 2023-01-06 | 中国地震局地质研究所 | 基于高频gnss的地震预警方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN107356969A (zh) * | 2017-09-06 | 2017-11-17 | 四川易利数字城市科技有限公司 | 一种基于卫星热红外数据及gis的地震前兆分析方法 |
| CN109085641A (zh) * | 2018-08-02 | 2018-12-25 | 北京大学深圳研究生院 | 用于地震预报的监测数据处理方法、地震预报方法和系统 |
| CN109409230A (zh) * | 2018-09-27 | 2019-03-01 | 中国科学院沈阳应用生态研究所 | 一种空地数据互增强的震前热异常自动分级方法 |
| CN111831704A (zh) * | 2020-05-21 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 异常数据的确定方法、装置、存储介质和电子设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
-
2020
- 2020-12-30 CN CN202011611314.7A patent/CN112665730B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN107356969A (zh) * | 2017-09-06 | 2017-11-17 | 四川易利数字城市科技有限公司 | 一种基于卫星热红外数据及gis的地震前兆分析方法 |
| CN109085641A (zh) * | 2018-08-02 | 2018-12-25 | 北京大学深圳研究生院 | 用于地震预报的监测数据处理方法、地震预报方法和系统 |
| CN109409230A (zh) * | 2018-09-27 | 2019-03-01 | 中国科学院沈阳应用生态研究所 | 一种空地数据互增强的震前热异常自动分级方法 |
| CN111831704A (zh) * | 2020-05-21 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 异常数据的确定方法、装置、存储介质和电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 基于LST年趋势背景场的地震热异常提取算法;宋冬梅 等;《地震地质》;第38卷(第3期);第680-695页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112665730A (zh) | 2021-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20090210192A1 (en) | Method of Assessing Energy Efficiency of Buildings | |
| Mohammadi et al. | Possibility investigation of tree diversity mapping using Landsat ETM+ data in the Hyrcanian forests of Iran | |
| Goyens et al. | Tracking mesoscale convective systems in the Sahel: Relation between cloud parameters and precipitation | |
| CN111191673B (zh) | 一种地表温度降尺度方法及系统 | |
| CN103954542A (zh) | 基于无参考图像清晰度评价的pm2.5浓度检测仪 | |
| CN111368980A (zh) | 状态检测方法、装置、设备及存储介质 | |
| Killinger et al. | A tuning routine to correct systematic influences in reference PV systems’ power outputs | |
| CN112665730B (zh) | 震前温度异常检测方法、装置、设备和存储介质 | |
| CN110929565A (zh) | 基于机器学习的风险监控方法、装置、存储介质及电子设备 | |
| CN116680658A (zh) | 一种基于风险评价的热浪监测站选址方法及系统 | |
| KR101910892B1 (ko) | IoT 기반의 모바일 스마트 태양광 발전 관리 시스템 | |
| CN115879300A (zh) | 滑坡诱发性估算方法、装置、电子设备及存储介质 | |
| Kim et al. | Enhanced damping estimation for cable-stayed bridges based on operational monitoring data | |
| Deb et al. | Assessment of a new quality control technique in the retrieval of atmospheric motion vectors | |
| Irvine et al. | Image quality and performance modeling for automated target detection | |
| CN110836706B (zh) | 一种液位检测方法及装置 | |
| CN112990168A (zh) | 一种违法用地监测方法及系统 | |
| CN114721035A (zh) | 基于遥感数据的地震预报方法、装置、设备和介质 | |
| CN115293735A (zh) | 一种无人工厂工业互联网平台监测管理方法及系统 | |
| CN113065219B (zh) | 一种列车牵引变压器冷却系统异常检测方法及装置 | |
| CN114418945A (zh) | 一种光伏组件热斑检测方法及装置 | |
| CN113405664B (zh) | 一种测温方法、测温设备及机器可读存储介质 | |
| JP6024510B2 (ja) | 消費エネルギー分析装置、消費エネルギー分析方法及びコンピュータプログラム | |
| El Hachem et al. | Overview and comparison of three quality control algorithms for rainfall data from personal weather stations | |
| Annella et al. | Error investigation of rain retrievals from disdrometer data using triple colocation |
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 |