CN116701847A - 一种基于时空联合的震前热异常提取方法 - Google Patents
一种基于时空联合的震前热异常提取方法 Download PDFInfo
- Publication number
- CN116701847A CN116701847A CN202310979838.9A CN202310979838A CN116701847A CN 116701847 A CN116701847 A CN 116701847A CN 202310979838 A CN202310979838 A CN 202310979838A CN 116701847 A CN116701847 A CN 116701847A
- Authority
- CN
- China
- Prior art keywords
- earthquake
- thermal
- space
- vorticity
- extracting
- 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
- 238000000605 extraction Methods 0.000 title abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 238000011065 in-situ storage Methods 0.000 claims abstract description 28
- 230000000694 effects Effects 0.000 claims abstract description 18
- 238000011426 transformation method Methods 0.000 claims abstract description 3
- 230000009466 transformation Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 11
- 230000002159 abnormal effect Effects 0.000 abstract description 10
- 230000005856 abnormality Effects 0.000 abstract description 8
- 238000011160 research Methods 0.000 abstract description 6
- 238000013075 data extraction Methods 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004091 panning Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及异常数据提取技术领域,具体公开了一种基于时空联合的震前热异常提取方法,步骤包括:获取地表温度数据,基于小波变换法提取原地温度;基于所述原地温度,采用涡度算法获取原地涡度;基于所述原地涡度,采用历年同期RST算法获取震前热异常信息。本发明提出的震前热异常提取方法兼顾了空间域的异常信息和时间域的异常信息,并剔除了大气活动、人类活动和地表覆盖等非构造因素的影响,提取出的热异常既有更强的构造相关性和稳定性,并且在时间和空间上都具有一定的规律性,提高了震前热异常检测的精度,便于进一步的分析与研究。
Description
技术领域
本发明属于异常数据提取技术领域,特别是涉及一种基于时空联合的震前热异常提取方法。
背景技术
地震发生前普遍存在的红外辐射异常现象,是当前评估区域发震危险性的重要参数之一,然而,并非所有的地表红外异常都与构造活动或地震有关,如何排除非构造因素对地表热红外辐射的影响,从强噪声背景中提取微弱信号,是当前利用热红外遥感技术研究构造活动的难点。
国内外针对震前热异常的研究最初是应用卫星红外图像进行地震异常分析,主要用目视解译法获得遥感图像增温区域的演变趋势,同时结合已知的地震地质知识,经过对震例的研究总结出卫星红外亮温增温异常与地震时、空、强三要素的关系,这种方法无法消除很多非构造因素的影响,主观性较强。后来逐渐发展了基于数理统计与分析的方法和基于背景场的方法。基于数理统计的方法主要包括基于差值分析的异常提取方法和基于信号分析的异常提取方法,基于差值分析的方法虽然可以在一定程度上突出地震前异常的时间空间分布,但其仅适用于地震热异常与断裂带密切相关或者震前震后亮温有明显变化的异常提取工作中。而基于信号分析的异常提取方法可以对热红外信号进行处理,将时间序列数据分解成相互独立的频率分量,因此这种方法提取出的异常信息的物理意义比其他方法更为清晰,但这种方法对空间域的异常信息分析较少,并且需要具备一定的地理和地质学科的相关知识,其机理解释也需要加强。而基于背景场分析的热异常检测方法是通过建立基于多年数据的区域背景场并与实际观测数据进行差值分析提取震前热异常,例如空间域RST算法可以消除气象影响,提取出空间域震前热异常信息,但却忽略了地形地貌的影响。
综上所述,现有的震前热异常的提取方法虽然原理简单易于实现,但该类方法没有做到时空联合,即同时考虑到时间域异常信息和空间域异常信息,并同时做到剔除大气活动、人类活动、地表覆盖等非构造因素影响,以提取构造相关性更强的震前热异常。
发明内容
本发明的目的是提供一种基于时空联合的震前热异常提取方法,以解决上述现有技术存在的问题。
为实现上述目的,本发明提供了一种基于时空联合的震前热异常提取方法,包括以下步骤:
获取待检测地区的地表温度数据,基于小波变换法提取原地温度;
基于所述原地温度,采用涡度算法获取原地涡度;
基于所述原地涡度,采用历年同期RST算法获取震前热异常信息。
可选地,基于小波变换法提取原地温度的过程包括:
基于一维小波变换对所述地表温度数据进行分解,剔除太阳活动、地理位置和地表覆盖的影响,获取分解数据;
基于二维小波变换对所述分解数据进行处理,剔除非构造因素的影响,获取所述原地温度。
可选地,基于一维小波变换对所述地表温度数据进行分解的方法包括:
其中,是子小波,/>是一维母小波,/>表示一维时间尺度,/>是平移因子,/>是尺度因子。
可选地,基于二维小波变换对所述分解数据进行处理的方法包括:
其中,表示二维空间信息,/>表示位置信息,/>为二维母小波,/>为部分子小波,/>是尺度因子,/>、/>为平移因子。
可选地,采用涡度算法获取原地涡度的过程包括:
获取待计算位置的中心像素,采用涡度算法计算所述中心像素相对于四邻域像素的大小差异,基于所述大小差异获取热异常信号的位置信息。
可选地,采用涡度算法计算所述中心像素相对于四邻域像素的大小差异的方法包括:
其中,为待计算位置的中心像素,/>为中心像素相对于四邻域像素的大小差异。
可选地,采用历年同期RST算法获取震前热异常信息的方法为:
其中,为历年同期一系列有效值的均值,/>为/>处/>时的地表温度值;
其中,R表示震前热异常信息,代表位置/>处,时刻/>的遥感图像的DN值,/>和/>是/>处/>的均值和标准差。
本发明的技术效果为:
本发明提出的震前热异常提取方法兼顾了空间域的异常信息和时间域的异常信息,并剔除了大气活动、人类活动和地表覆盖等非构造因素的影响,提取出的热异常既有更强的构造相关性和稳定性,并且在时间和空间上都具有一定的规律性,提高了震前热异常检测的精度,便于进一步的分析与研究。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例中的基于时空联合的震前热异常提取方法流程示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示,本实施例中提供一种基于时空联合的震前热异常提取方法,主要分为三个步骤:首先,基于一维小波变换和二维小波变换提取原地温度,即为去除了太阳活动、人类活动等非构造因素影响后得到的温度。然后,将上述步骤中所求取的所有原地温度再基于涡度算法得到涡度值,称为“原地涡度”,以凸显出空间上的热异常信息。最后,将“原地涡度”带入到历年同期RST算法中,以凸显时间上的热异常信息,达到时空联合的热异常检测效果。具体步骤包括:
提取原地温度:
原地温度的提取主要是采用小波变换,小波变换是傅里叶变换的一种改进,能够将信号转换到时间-频率二维空间上去,能够在分离不同频率信号的同时充分考虑时间信息变化特征。小波变换通过小波函数来实现,给定一个母小波,借助时间上的平移和尺度上的伸缩就能得到一系列子小波,而这些子小波就可以被用来逼近非稳态信号。
式中,是平移因子,可以让小波对信息在时间尺度上逐个分析,/>是尺度因子,与频率相关,频率越高,/>越小,其中,/>是子小波,/>是一维母小波,/>表示一维时间尺度。本研究选用对称性较好的正交Coiflet小波函数对地表温度数据进行分解,小波变换不仅可以处理一维时间序列,也可以对二维空间数据进行特征提取。二维小波变换和一维小波变换原理相似,均是使用母小波获得若干个子小波,再进行内积化。二维小波变换相较于一维小波拥有更强的信号提取与数据分析能力。二维小波变换过程中,若/>表示二维空间信息,/>表示位置信息,/>为二维母小波,则有:
其中,表示二维空间信息,/>表示位置信息,/>为二维母小波,/>为部分子小波,/>是尺度因子,/>、/>为平移因子
本实施例在时间上利用一维小波变换对地表温度数据进行分解,剔除太阳活动、地理位置和地表覆盖的影响,在空间上基于以上处理结果,利用二维小波变换剔除大气活动和人类活动等非构造因素的影响,从而提取本实施例所需要的原地温度。
求取涡度:
涡度算法本质上是一种插值方法,在空间域上对异常进行评价。涡度算法实现过程相对较为简单,主要是通过求同一时刻某一位置的热信号相对于周围位置热信号的大小差异,来检测热异常信号的位置信息。
式中为某一时刻某一位置的中心像素,/>为中心像素相对于四邻域像素的大小差异。
涡度算法在空间上对相邻像素值进行运算,能有效检测某一时刻的热点信号。运算只涉及临近像元,能够在一定程度上避免天气等大尺度因素对热信号的影响。本研究将上述所求得的原地温度进行涡度运算,得到“原地涡度”已获取空间异常信息。
历年同期RST算法:
RST是一种基于统计方式研究地震与地表热辐射异常关系的算法。RST算法以多时相数据为背景,着重突出异常信号。它可以在不同观测条件和不同地区使用,在众多的异常监测工作中表现良好。这种算法最初是用于火灾、火山监测等工作中,随着该技术的不断发展,人们越来越多的将其应用在地震异常研究工作中。
基于RST算法的核心公式是:
其中,R表示震前热异常信息,代表位置/>处,时刻/>的遥感图像的DN值,或者由该DN值推算出的其他指标值。/>和/>是/>处/>的均值和标准差。
基于历年同期均值的RST:
其中,为历年同期一系列有效值的均值,/>为/>处/>时的地表温度值,以此消除多年背景,突出差异。
为了显示本实施例方法的优点,以某地区地震为例,对此震区进行震前热异常的提取,并与传统的RST方法做对比;
在基于本发明方法的某地区地震的热异常分布中,该地区地震热异常分布的时空特征为:在2014年9月19日出现了明显的热异常现象,并沿着断裂带方向分布,在一个月后,热异常现象逐渐减弱,并在震中附近西北部集中式分布,这种现象持续了两个月后,在2015年1月17日,热异常现象再次持续增强,并重新沿着断裂带分布,直到地震发生。
震前热异常在空间上的分布呈沿断裂带-震中附近集中-再沿断裂带的趋势,在时间上整体上呈增强-减弱-再增强的趋势,并不是持续增强或减弱的,是一个强弱交替、循环往复的过程。并且在非震时期,没有明显且有连续规律的热异常现象。
基于传统RST算法对2015年4月25日该地震地区进行分析后,经过对比可以明显的看出,与传统方法相比,本实施例提出的方法所获取的震前热异常的稳定性更强,与断裂带的相关性更强,说明本实施例提出的方法所获取的热异常构造相关性更强,并且得到的热异常的时空演化规律更加明显。而在非震期与原有方法相比,使用本实施例方法所提取出的热异常也更加稳定。
基于本实施例的方法可以在震前提取到明显的热异常信号,并大都是沿着断裂带分布,并且热异常演化的时空规律明显,这说明本方法所提出的提取震前热异常的算法可以减弱非震因素的干扰,更有效的提取震前热异常,并且提取的热异常的时空演化规律明显,表现出较强的构造相关性。
本发明提出一种基于时空联合的震前热异常提取方法:该方法首先利用一维、二维小波变换提取出剔除人类活动、地表覆盖等影响因素的“原地温度”,然后通过涡度算法获取空间域的异常信息,最后基于历年同期RST算法,提取时间域热异常信息,做到时空联合,进而对热异常进行提取与分析,为后续热异常的时空演化规律的研究奠定基础。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (7)
1.一种基于时空联合的震前热异常提取方法,其特征在于,包括以下步骤:
获取待检测地区的地表温度数据,基于小波变换法提取原地温度;
基于所述原地温度,采用涡度算法获取原地涡度;
基于所述原地涡度,采用历年同期RST算法获取震前热异常信息。
2.根据权利要求1所述的基于时空联合的震前热异常提取方法,其特征在于,基于小波变换法提取原地温度的过程包括:
基于一维小波变换对所述地表温度数据进行分解,剔除太阳活动、地理位置和地表覆盖的影响,获取分解数据;
基于二维小波变换对所述分解数据进行处理,剔除非构造因素的影响,获取所述原地温度。
3.根据权利要求2所述的基于时空联合的震前热异常提取方法,其特征在于,基于一维小波变换对所述地表温度数据进行分解的方法包括:
其中,/>是子小波,/>是一维母小波,/>表示一维时间尺度,/>是平移因子,/>是尺度因子。
4.根据权利要求2所述的基于时空联合的震前热异常提取方法,其特征在于,基于二维小波变换对所述分解数据进行处理的方法包括:
其中,/>表示二维空间信息,/>表示位置信息,/>为二维母小波,/>为部分子小波,/>是尺度因子,/>、/>为平移因子。
5.根据权利要求1所述的基于时空联合的震前热异常提取方法,其特征在于,采用涡度算法获取原地涡度的过程包括:
获取待计算位置的中心像素,采用涡度算法计算所述中心像素相对于四邻域像素的大小差异,基于所述大小差异获取热异常信号的位置信息。
6.根据权利要求5所述的基于时空联合的震前热异常提取方法,其特征在于,采用涡度算法计算所述中心像素相对于四邻域像素的大小差异的方法包括:
其中,/>为待计算位置的中心像素,/>为中心像素相对于四邻域像素的大小差异。
7.根据权利要求1所述的基于时空联合的震前热异常提取方法,其特征在于,采用历年同期RST算法获取震前热异常信息的方法为:
其中,/>为历年同期一系列有效值的均值,/>为/>处/>时的地表温度值;
其中,R表示震前热异常信息,/>代表位置/>处,时刻/>的遥感图像的DN值,/>和/>是/>处/>的均值和标准差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310979838.9A CN116701847A (zh) | 2023-08-07 | 2023-08-07 | 一种基于时空联合的震前热异常提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310979838.9A CN116701847A (zh) | 2023-08-07 | 2023-08-07 | 一种基于时空联合的震前热异常提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116701847A true CN116701847A (zh) | 2023-09-05 |
Family
ID=87829694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310979838.9A Pending CN116701847A (zh) | 2023-08-07 | 2023-08-07 | 一种基于时空联合的震前热异常提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116701847A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6288396B1 (en) * | 1999-03-05 | 2001-09-11 | Zuji Qiang | Satellite thermal infrared technique for short-term and impending prediction of strong earthquakes |
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 |
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 |
CN114721035A (zh) * | 2022-02-25 | 2022-07-08 | 中国地震局地质研究所 | 基于遥感数据的地震预报方法、装置、设备和介质 |
-
2023
- 2023-08-07 CN CN202310979838.9A patent/CN116701847A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6288396B1 (en) * | 1999-03-05 | 2001-09-11 | Zuji Qiang | Satellite thermal infrared technique for short-term and impending prediction of strong earthquakes |
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 |
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 |
CN114721035A (zh) * | 2022-02-25 | 2022-07-08 | 中国地震局地质研究所 | 基于遥感数据的地震预报方法、装置、设备和介质 |
Non-Patent Citations (3)
Title |
---|
王一博: "MODIS 地震热异常的数据处理与算法研究", 中国优秀硕士论文电子期刊网, pages 24 - 25 * |
王一博: "MODIS地震热异常的数据处理与算法研究", 中国优秀硕士论文电子期刊网, pages 24 - 25 * |
谢瑞环: "基于卫星热场和重力场的震前异常信息提取与分析", 中国优秀硕士论文电子期刊网, pages 22 - 41 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiao et al. | Pre-seismic anomalies from optical satellite observations: a review | |
Tu et al. | Surface urban heat island effect and its relationship with urban expansion in Nanjing, China | |
CN104359944A (zh) | 一种固定视场的红外热波脉冲相位无损检测方法 | |
Lasaponara et al. | Image enhancement, feature extraction and geospatial analysis in an archaeological perspective | |
Blackett | An initial comparison of the thermal anomaly detection products of MODIS and VIIRS in their observation of Indonesian volcanic activity | |
Massarelli | Fast detection of significantly transformed areas due to illegal waste burial with a procedure applicable to Landsat images | |
Yao et al. | Recognizing surface urban heat ‘island’effect and its urbanization association in terms of intensity, footprint, and capacity: A case study with multi-dimensional analysis in Northern China | |
Jiao et al. | Statistical framework for the evaluation of earthquake forecasting: A case study based on satellite surface temperature anomalies | |
Xiong et al. | Outgoing longwave radiation anomalies analysis associated with different types of seismic activity | |
CN110986889A (zh) | 一种基于遥感图像技术的高压变电站全景态监测方法 | |
Li et al. | Coal fire detection and evolution of trend analysis based on CBERS-04 thermal infrared imagery | |
Zhang et al. | Tracking of thermal infrared anomaly before one strong earthquake-In the case of Ms6. 2 earthquake in Zadoi, Qinghai on October 17th, 2016 | |
CN116701847A (zh) | 一种基于时空联合的震前热异常提取方法 | |
Chan et al. | The potential of satellite remote sensing for monitoring the onset of volcanic activity on Taipei’s doorstep | |
Liu et al. | Event alert and detection in smart cities using anomaly information from remote sensing earthquake data | |
Qin et al. | Study of the bleaching alert capability of the CRW and CoRTAD coral bleaching heat stress products in China's coral reefs | |
Xiong et al. | Study of outgoing longwave radiation anomalies associated with two earthquakes in China using wavelet maxima | |
Bianchi et al. | Effect of the cold Nazca slab on the depth of the 660 km discontinuity in South America | |
Lee et al. | Quality assurance of aeromagnetic data using lineament analysis | |
Xie et al. | Possible thermal brightness temperature anomalies associated with the Lushan (China) MS 7.0 earthquake on 20 April 2013 | |
Norgate et al. | On the heat waves over India and their future projections under different SSP scenarios from CMIP6 models | |
Qudsi | Curie point depth mapping underneath Botswana for geothermal prospect identification using aeromagnetic data | |
Stefan et al. | Analysis of Time–Distance Helioseismology for Detection of Emerging Active Regions | |
CN110991567A (zh) | 一种由点到面的遥感瞬时地表温度数据检测方法 | |
Lavers et al. | High-resolution IKONOS satellite imagery for normalized difference vegetative index-related assessment applied to land clearance studies |
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 |