一种用于地震监测的逐日亮温异常回归分析方法技术

本发明专利技术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。

【技术实现步骤摘要】
一种用于地震监测的逐日亮温异常回归分析方法
本专利技术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。
技术介绍
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，本专利技术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，本专利技术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。
技术实现思路
基于热红外遥感在地震异常检测中的广泛应用，本专利技术提供一种逐日亮温异常回归分析方法。本专利技术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专利技术“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)。本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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)...

【专利技术属性】
技术研发人员：孟庆岩，邵楠清，张颖，耿飞，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京,11