基于LST年趋势背景场的地震热异常提取算法

宋冬梅　臧　琳　单新建　袁　媛崔建勇　邵红梅　沈　晨　时洪涛

1)中国石油大学(华东)地球科学与技术学院，青岛　266580 2)中国石油大学(华东)研究生院，青岛　266580 3)中国地震局地质研究所，北京　100029 4)上海市地震局，上海　200062 5)中国石油大学(华东)理学院，青岛　266580



基于LST年趋势背景场的地震热异常提取算法

宋冬梅1)臧琳1，2)*单新建3)袁媛4)崔建勇1)邵红梅5)沈晨5)时洪涛1，2)

1)中国石油大学(华东)地球科学与技术学院，青岛266580 2)中国石油大学(华东)研究生院，青岛266580 3)中国地震局地质研究所，北京100029 4)上海市地震局，上海200062 5)中国石油大学(华东)理学院，青岛266580

地震发生前普遍存在的热红外辐射异常现象，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。地表温度(LST)背景场是热异常提取的基础，而以往研究中所建立的背景场不能有效反映当年气候变化对其的影响，造成热异常提取精度受限。为此，文中在提取热异常的过程中对背景场进行了改进，结合地表温度时间序列的周期性特征，引入谐波分析，采用傅里叶逼近的方法拟合地表温度离散时序，从中提取其年趋势，建立1个动态的、同时包含局地信息和年际特征的、更加可靠的地表温度背景场；将其引入RST模型，基于 “kσ”准则识别地震热异常信息；最终采用异常方向、异常强度和距离指数这3个指标对异常结果进行分析，验证算法的有效性。利用MODIS地表温度产品，基于所提算法对2008年汶川地震进行了再研究，结果表明： 1)汶川地震前存在明显的热异常，沿龙门山断裂呈带状分布，持续时间较长；2)发震期无明显的异常现象；3)震后热异常的发生具有循环往复性，但异常幅度和影响范围明显缩小。与传统的空间温度均值RST算法异常提取结果相比，文中方法所提取的热异常在空间分布上与活动断裂带更为吻合，对异常的产生消散过程刻画更加细致，表明以地表温度年趋势作为地震构造热异常提取的背景场更加可靠。

地震热异常地表温度背景场傅里叶逼近年趋势汶川地震

0　引言

地震是地球上所有自然灾害中给人类社会造成损失最大的一种地质灾害，研究地震监测和防震减灾是中国乃至全世界面临的一项重要任务。传统的地震监测手段受制于地质活动的宏观性，遥感等新技术的出现增强了人类在宏观观测地表和海量信息获取方面的能力，遥感以其大视域、大信息量、动态性、实时性等其他传统手段不可比拟的优势，开启了地震监测的新时代(Tronin，2006；强祖基等，2009)。

地震发生前存在大量的前兆异常现象，热红外辐射异常就是其中之一(强祖基等，1990；Tronin, 2000, 2002; Choudhuryetal.，2006；Ouzounovetal.，2006；Sarafetal.，2008，2012；Yaoetal.，2012；宋冬梅等，2015)，它是指在地震发生前震中附近区域出现的地表温度(Land Surface Temperature，LST)突变现象。将热异常作为地震前兆并用于地震预测预报的研究始于20世纪80年代，此后逐渐受到各国学者的关注，取得了大量的研究成果，主要包括地震前兆异常机理研究(强祖基等，1997；吴立新等，2004a，b，c；Troninetal.，2004；Sarafetal.，2005b；Weietal.，2009)、异常分布特征研究(Qiangetal.，1992，1997，1999；Tronin, 2000; Troninetal.，2002)、异常提取算法研究(Sarafetal.，2005a；Pandaetal.，2006；陈顺云，2006；陈顺云等，2006；Genzanoetal.，2007，2009；陈梅花等，2008；王亚丽等，2008；Pergolaetal.，2010；张元生等，2010；温少妍，2011；Saradjianetal.，2011；Tramutolietal.，2013；张璇等，2013a，b；郭晓等，2014)等。然而地表温度是衡量地表热平衡的综合性参数，它是地壳深部构造活动及地形地貌、地物类型和气象等非地震因素共同作用的结果，事实上来源于地层深部的信息只占很小一部分。因此，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和关键，而实现这一切的前提是了解构造热异常的特征。结合当前的研究成果与作者的认识，本文认为地震热异常具有普遍性、突发性、持续性、显著性、异常面积与震级正相关、异常分布与活动构造带紧密相关、演变过程呈现阶段性等特点，而这些特点也正是从众多异常现象中识别地震前兆信息的重要依据，尤其是异常分布与断裂带的相关性。

最初的红外异常现象主要是通过目视判读发现的，但随着数据源、数据量的增多，衡量标准的科学化以及深入研究的量化需求，越来越多也越来越精细复杂的数据提取算法开始应用于地震热红外异常信息的提取研究中。

根据各算法的实现原理将其主要归为3大类，分别是基于差值分析的异常提取算法(Sarafetal.，2005a；Pandaetal.，2006；陈梅花等，2008)、基于背景场分析的异常提取算法(Genzanoetal.，2007，2009；Pergolaetal.，2010；Tramutolietal.，2013)和基于信号分析的异常提取算法(陈顺云，2006；陈顺云等，2006；王亚丽等，2008；张元生等，2010；Saradjianetal.，2011；张璇等，2013a，b；郭晓等，2014)。基于差值分析的异常提取算法，典型算法包括震前震后亮温差值法、断裂带内外亮温差值法等，该类算法原理简单，但需结合其他资料对提取结果进行识别判读，且难以消除短临气象增温造成的影响；基于信号分析的异常提取算法，主要是利用小波分解、小波包、功率谱等实现对热红外信号的转化分解，并从中提取有用的特征信号，从而识别出地震热红外异常信息，该类算法实现了对热红外信号更高程度的分解与分析，其机理解释有待进一步完善；基于背景场分析的异常提取算法，典型算法包括历年同期偏移指数法、RST算法等。该类算法应用最为广泛，背景场的选择主要包括2种，分别是历年同期温度均值和空间域温度均值，但是背景场的稳定性不够，导致异常提取精度和细化程度受限，例如历年同期温度均值受气象短临噪声影响，不能有效地反映气候变化对温度背景场的影响；而空间域温度均值对微弱异常信号有抑制作用，且当研究区被云覆盖，热红外影像缺值严重时，该均值不具有空间代表性。本文针对基于背景场分析的异常提取算法的缺点进行改进，提出一种新的地表温度背景场建立方法，即引入谐波分析，采用傅里叶逼近的方式提取其年趋势，以此代替传统研究中的历年同期温度均值或空间域温度均值；结合RST算法的核心思想，提出基于地表温度年趋势的RST地震热异常提取模型，并基于该模型利用MODIS 地表温度数据对2008年汶川MS8.0地震进行再研究，验证该算法的有效性。

1　研究方法与数据说明

基于地表温度年趋势提取地震热异常这一过程包含2个核心问题： 1)如何获取地表温度年趋势，为地震热异常的提取建立1个含有噪声信息少、更为可靠的背景场；2)如何提取并判定异常值。如图1，首先结合地表温度时间序列的周期性特征，引入谐波分析思想，采用傅里叶逼近的方法逐像元拟合地表温度年趋势值，建立LST背景场；然后结合RST模型，将上一步建立的背景场引入其中；最终基于 “kσ”准则对算法提取结果进行筛选，识别异常信息并对异常提取结果展开分析，具体阐述如下。

图1　基于地表温度年趋势背景场的地震热异常提取流程Fig. 1　Flow of earthquake thermal infrared anomalies extraction based on the yearly trend of LST.

1.1基于傅里叶逼近的地表温度年趋势背景场的建立

函数逼近的核心思想是，把全部观测值作为1个整体加以考虑，利用函数内在性质与误差之间的区别消除误差，从而得到1个最能刻画原分布特征的新函数(李岳生，1978)。一般情况下，采用最小二乘准则作为新函数选取的标准，即最佳平方逼近。

1.1.1最佳平方逼近理论

(1)

(2)

使其满足如下条件：

(3)

1.1.2最佳傅里叶逼近

当所要平滑的函数是周期函数或者原函数过于复杂时，不得不将原函数进行离散化处理，即对原函数进行傅里叶展开。离散函数傅氏逼近的实质就是离散函数的最佳平方逼近，只是基空间M由三角函数(正弦函数或余弦函数)组成(梁志国，2003；苏红等，2014)，如式(4)。

(4)

1.1.3基于傅里叶逼近提取地表温度年趋势

通过以上分析，以1个像元为例，建立傅里叶逼近函数，如式(5)所示，实现对该像元地表温度离散时序的拟合(k值的选取可根据拟合的精度要求而定，一般取2可满足对周期≥3的任意序列的拟合)。在这一过程中，若待逼近的时间序列过短，则拟合结果中会引入较多噪声；若时序过长，则拟合结果可能会出现过平滑现象，影响异常提取效果。通过实验，本文选择的地表温度时序长度为5a，即周期为5，对应的k值取2。

(5)

热红外遥感覆盖范围广、实时性强、能够快速获取地表比辐射率和温度信息，但其易受大气水汽影响，无法透过云层，不能进行地表温度的全天候监测，例如当前被广泛使用的MODIS地表温度产品，其部分影像缺值率高达60%。而采用拟合方法提取像元LST年趋势时，若影像存在大量缺值，拟合效果会严重受损。因此，在对地表温度离散时序进行拟合前，需要检测待拟合序列是否存在空值，若存在，则首先需要为该待拟合序列无值时段提供1个能满足地表温度时空分布特征的温度估计值。方法如下：

(1)对待拟合序列逐时段判断是否存在空值，若存在，即像元DN值为0，以待拟合序列中的历年同期平均温度值作为该无值像元的温度估计值，若历年同期时段均为空值则进入步骤(2)；

(2)以待拟合序列中的无值时段为中心，建立时间窗口(时间窗口长度不超过1个月)，以邻近时段的平均温度值作为该中心时段温度估计值，若邻近时段均为空值则进入步骤(3)；

(3)以同期影像研究区内同类地物平均温度值作为无值像元的温度估计值，若不满足条件则进入步骤(4)；

(4)以同期影像研究区内的有值像元的平均温度值作为无值像元的温度估计值。最后对填充了背景值的地表温度离散时序进行拟合，得到LST年趋势。

1.2基于地表温度年趋势的RST算法构建及异常提取

1.2.1RST算法

RST(Robust Satellite Techniques)是一种基于多时相数据的分析方法，旨在突出时空域上相对平静状态下的异常(Genzanoetal.，2007；Pergolaetal.，2010；Tramutolietal.，2013)。该算法最早由Tramutoli等人提出，用于火山爆发、森林火灾等灾害事件的检测，后来应用到地震热异常的探测上，核心参数也由单一的亮温值变化出不同的类型，Tramutoli将其统一称之为RST算法，得到的指数命名为 Alice(Absolutely Llocal Index of Change of the Environment)，“llocal”中的双 L 意在表明该指数不仅基于确定的点位，而且也涉及特定的时间。

(6)

(7)

1.2.2基于LST年趋势背景场的RST算法

以地表温度产品为例，传统的RST算法以当期影像为研究对象，将像元的LST值与研究区的温度均值做对比，提取地表温度场的空间域异常。该方法能够消除短临气象增温对LST异常提取结果的影响，然而，当局地温度异常幅值差异较大时，采用空间均值的方式会使得部分异常受到抑制；且若研究区缺值严重，计算的均值不具有区域代表性，会大大降低异常提取的精度。因此，本文提出以地表温度年趋势代替区域温度均值作为异常提取的参照背景场，如式(8)所示。改进之后的算法中既包含了地表温度的局地信息，又包含了其年际变化，对背景场的刻画更加精细，同时可以有效避免局部异常增温过大对全局地震热异常提取结果的干扰。

(8)

1.2.3地震热异常判定

本文采用 “kσ”准则作为地震热异常判定原则。“kσ”准则最早由 Wright于1884年提出，它不需要指定参数，计算方法简单、使用广泛，其基本原理如下(李光强，2009)：

(9)

图3　“kσ”准则示意图Fig. 3　Diagram of “kσ” rule.

通常，“kσ”准则的系数取1.5，2或3(李光强，2009；Yangetal.，2010)，Jiang等的实验结果证明，当k=1.645时，式(9)判断异常数据结果更加合理可靠，因此，将上一步计算得到的Alice>1.6的结果定义为 “热异常”。

基于地表温度年趋势的RST算法与基于空间域温度均值的RST算法对比如图4 所示。

图4　基于地表温度年趋势的RST地震热异常提取模型Fig. 4　Introduction of earthquake thermal infrared anomalies extraction model based on the yearly trend of LST.红色框中标注的内容为算法中的关键

图5　异常规模统计区域划分Fig. 5　Regional division for anomaly area statistics.

1.3异常提取结果的定量分析

为进一步验证所提算法对震前热异常识别的有效性，采用异常方向、异常强度和异常距离指数这3个指标对基于地表温度年趋势RST算法与基于空间域温度均值RST算法的震前2个月的异常提取结果进行定量分析，具体阐述如下。

1.3.1异常方向统计

以 “异常规模”为统计对象，统计一定时间一定范围内热异常的面积，确定异常空间分布的主方向，具体过程如下： 选取以震中为圆心，100km为半径的圆形区域为统计区，将该区域等角度划分为32个扇区，其中每2个扇区为1个统计方向，求取震前2个月的异常面积之和，并绘制热异常空间分布风玫瑰图。如图5 所示，2区和3区的统计结果记为NNE向；4区和5区的统计结果记为NE向；6区和7区的统计结果记为NEE向，以此类推，最终得到统计区N、NNE、NE、NEE、E、SEE、SE、SSE、S、SSW、SW、SWW、W、NWW、NW、NNW 16个方位的异常分布统计结果，然后根据绘制的风玫瑰图确定热异常空间分布的主方向。与邻近断裂带的走向相对比，探寻有无与热异常分布走势一致或近似一致的断裂带，这一结果有利于识别活动断裂带，判断提取的热异常是否与构造活动有关。

1.3.2异常强度统计

本文衡量震前热异常强度的指标为Alice值，即Alice值越大，异常强度越大。计算震前2个月每期影像异常像元的平均Alice值，对比基于上述2种算法所提取的异常的平均强度，判断算法对异常识别的敏感性。

1.3.3异常距离指数统计

“异常距离指数”指热异常空间分布的几何质心与震中的欧氏距离，计算式简单，不再详述。这一统计结果可以从侧面反映异常的演化过程，检验异常提取算法的有效性。

1.4数据说明

本文采用的地表温度数据是由NASA(National Aeronautics and Space Administration，美国航空航天局)提供的2003—2008年MOD11A2地表温度产品，该产品为8d合成产品，即8d LST均值，全年共46期数据，其空间分辨率为1km。由于白天太阳辐射和地形阴影会对地物温度信息产生较强干扰，因此采用夜间观测数据。

2　震例分析——汶川地震

2008 年5月12日14时28分4秒(北京时间)，中国四川省汶川发生MS8.0地震，根据中国地震台网测定，震中位于31.01°N，103.42°E，震源深度约14km。该区地处南北构造带，断层发育较多。 此次地震位于龙门山断裂带，该断裂带处于青藏地块与四川盆地地块的缝合部位，由3条大断裂构成，自西向东分别是龙门山后山大断裂、龙门山主中央大断裂(逆走滑断层)和龙门山主山前边界大断裂(逆冲断裂)。地震破裂沿龙门山断裂带中央断裂呈NE向单侧扩展，同震破裂还局部扩展到龙门山断裂带前山断裂中段，形成总长约235km的地表破裂带(Weietal.，2009；闫亮，2011；易桂喜等，2012)。截至2011年6月，由四川区域台网记录的汶川余震近8.8万次，其中M4以上余震超过400次，余震密集分布带长达近330km，且震后强余震的发生沿余震带由南向北递延(Weietal.，2009)。

采用本文提出的地表温度年趋势RST算法以及传统的基于空间域温度均值的RST算法对2008年汶川地震前后的MODIS地表温度数据进行处理，提取该地震发生前后的地表温度场异常，结果如图6、图 7。

图6　基于地表温度年趋势RST算法的汶川8.0级地震热异常时空演化Fig. 6　Space-time evolution process of the thermal infrared anomalies derived from RST based on the yearly trend of LST before and after the Wenchuan MS8.0 earthquake.蓝色重点显示的为汶川地震活动发震断层——龙门山断裂带；红框标注影像即为发震期异常的提取结果

由图6 可以看出，震前地表温度场异常主要分布在断裂带及其以南含天然气较丰富的盆地中，这和当前已有的关于汶川地震震前热异常的研究结果是一致的(张元生等，2010；郭晓等，2014)。本文研究结果显示，震前异常的变动可以分为4个阶段，约震前3个月热异常开始在空间上聚集，此次异常幅度较大，持续时间较长，3月中旬消散；3月底有小幅度异常出现，持续时间短；4月中旬沿龙门山断裂带异常再次呈间断性发生；发震期异常表现不明显；震后异常逐渐向断裂带西南聚集，7月份以后异常分布再次向NE延伸，10月底消散。从这一过程可以看出，汶川地震热异常的产生和消散不是一次性的，而是具有往复性，然而震前存在1次幅度最大、影响范围最广的热异常集聚现象，这可以作为大震产生的预警信号。热异常发生的循环往复性说明该处断层带具有较为强烈的活动性，也暗示着震后余震的发生，而这个结果与现实情况是相符的。

图7　基于空间域温度均值RST算法的汶川8.0级地震热异常时空演化Fig. 7　Space-time evolution process of the thermal infrared anomalies derived from RST based on the spatial average of LST values before and after the Wenchuan MS8.0 earthquake.

对比图6、图7 两种RST算法的异常提取结果可知，基于LST年趋势的RST算法提取的热异常，其分布与活动断裂带的走向更加吻合，而这一现象恰恰符合了 “热异常分布与断裂带紧密相关”这一空间特征，说明提取的异常与构造活动有关。此外，年趋势RST算法对热异常的产生消散过程刻画得更加清楚细致。图6 中，震前共有7期影像明显出现了与活动断裂带相关的热异常现象，其中表现最为明显的是第(3)、(4)、(5)幅影像，而第(6)、(7)、(9)和(11)幅影像中热异常现象也较为明显。然而图7 中，震前只有2幅影像出现了与断裂带走向吻合较好的热异常现象，其他时段热异常不明显，或呈现出团块分布，难以判断该异常的出现是否与构造活动有关。另一方面，从震后异常提取结果可以看出，基于地表温度年趋势的RST算法能较好地反映震后热异常的持续反复，而基于空间域温度均值的RST算法提取结果却在多期影像上无异常发生。由此可见，本文所提算法能较为有效地识别震前、震后微弱的热异常信号，对地震热异常的敏感度更高。对2种算法提取的热异常结果进行深入的定量分析，结果如下。

图8　基于地表温度年趋势RST与空间域温度均值RST算法的汶川8.0级地震前2个月热异常提取结果的定量分析Fig. 8　Quantitative analysis of the thermal infrared anomalies extracted by RST based on the yearly trend of LST and RST based on the spatial average of LST two months before the Wenchuan MS8.0 earthquake.

由图8a可以看出，基于地表温度年趋势RST算法提取的震前热异常，其主方向为NE-SW，该方向与龙门山断裂带的走向基本一致(图8b)；而基于空间域温度均值RST算法提取的震前热异常，其主方向为NWW-SEE，附近无走向与之相契合的断裂带。图8c的统计结果显示，随着时间的递进，基于地表温度年趋势RST算法提取的震前热异常，其异常平均强度整体呈递增态势，约于震前1个月出现异常幅度极值；而基于空间域温度均值RST算法提取的震前热异常，其异常平均幅度变化不明显。且由图8d可知，随着时间的递进，基于地表温度年趋势RST算法提取的震前热异常，其质心与震中之间的距离整体呈递减状态，震前10d左右与震中之间的距离最近；而基于空间域温度均值RST算法提取的震前热异常，其质心与震中之间距离的变化不具有明显的规律性。基于以上热异常的时空演化分析以及异常结果的定量分析可以证明，与传统的空间域均值RST算法相比，本文所提算法对于热异常更加敏感，提取结果与地质构造的相关性更高，对于地震的发生具有更佳的预警作用。

3　结论

本文针对当前地震热异常提取算法中背景场稳健性不足的问题提出改进，考虑到地表温度时间序列的周期性特征，引入了谐波分析思想，采用傅里叶逼近的方法拟合地表温度离散时序，从中提取其年趋势，以期建立1个动态的、同时包含局地信息和年际特征的、更加可靠的背景场，从而提高地震热异常的提取精度。借助RST算法的核心思想，本文建立了基于地表温度年趋势的RST地震热异常提取模型，并根据 “kσ”准则制订了异常选取机制。利用所提算法，采用MOD11A2地表温度产品对2008年汶川MS8.0地震进行了再研究，采用异常规模、异常强度和距离指数这3个指标对震前2个月的异常提取结果进行定量分析，并与基于空间域温度均值RST算法的异常提取结果进行对比，得到以下结论：

(1)热异常的时空演化过程表明，汶川地震发生前具有明显的异常增温现象，持续时间约为2个月；发震期异常表现不明显；震后异常逐渐向断裂带西南聚集，7月份以后异常分布向NE延伸，8月底消散，而且震后热异常的发生具有循环往复性，但其异常幅度和影响范围明显缩小。这一结果与震后存在大量余震且余震震级逐渐衰减的现象相符，说明该算法对于异常的识别较为准确。

(2)与基于空间域温度均值的RST算法相比，基于地表温度年趋势RST算法所提取的异常结果与活动断裂带走向更加契合，能够较为细致地刻画异常从发生到消散的过程；随着时间的递进，基于地表温度年趋势RST算法提取的震前热异常，其异常平均强度整体呈递增态势，震前约1个月出现异常强度极值；且热异常空间分布的几何质心与震中之间的距离整体呈递减状态，震前10d左右达到最小，而基于空间域温度均值RST算法提取的异常结果不具有该特征。上述统计结果表明，基于地表温度年趋势的RST算法对地震热异常信息更加敏感，从而证明了以温度年趋势作为异常提取的背景场更加可靠。

(3)本文采用的数据为MOD11A2地表温度产品，属于地表温度的8d合成结果，若要更加细致地判读地震热异常的时空演化过程，则需要对地表温度Daily产品进行研究分析。

陈梅花，邓志辉，马晓静，等. 2008. 断裂带内外温差法在震前红外异常研究中的应用 [J]. 地震地质，29(4): 863—872.

CHEN Mei-hua，DENG Zhi-hui，MA Xiao-jing，etal. 2008. Application of the inside-outside temperature relation analysis method in study on satellite infrared anomalies prior to earthquake [J]. Seismology and Geology，29(4): 863—872(in Chinese).

陈顺云. 2006. 提取现今构造活动信息的定量热红外遥感方法研究 [D]. 北京： 中国地震局地质研究所.1— 62.

CHEN Shun-yun. 2006. A study on the quantitative thermal infrared remote sensing method for extracting information of current tectonic activity [D]. Institute of Geology，China Earthquake Administration，Beijing. 1— 62(in Chinese).

陈顺云，刘培洵，刘力强，等. 2006. 地表热红外辐射的小波分析及其在现今构造活动研究中的意义 [J]. 地球物理学报，49(3): 824—830.

CHEN Shun-yun，LIU Pei-xun，LIU Li-qiang，etal. 2006. Wavelet analysis of thermal infrared radiation of land surface and its implication in the study of current tectonic activities [J]. Chinese Journal of Geophysics，49(3): 824—830(in Chinese).

郭晓，张元生，魏从信，等. 2014. 汶川8.0级和仲巴6.8级地震中波红外热辐射异常 [J]. 地球学报，35(3): 338—344.

GUO Xiao，ZHANG Yuan-sheng，WEI Cong-xin，etal. 2014. Medium wave infrared brightness anomalies of Wenchuan 8.0 and Zhongba 6.8 Earthquakes [J]. Acta Geoscientica Sinica，35(3): 338—344(in Chinese).

李光强. 2009. 时空异常探测理论与方法 [D]. 长沙: 中南大学. 15—128.

LI Guang-qiang. 2009. Theories and methods of spatio-temporal outliers detection [D]. Central South University，Changsha. 15—128(in Chinese).

李岳生. 1978. 数值逼近 [M]. 北京： 人民教育出版社.

LI Yue-sheng. 1978. Numerical Approximation [M]. People’s Education Press，Beijing(in Chinese).

梁志国. 2003. 周期信号的谐波分析述评 [J]. 计量技术，2: 3—5.

LIANG Zhi-guo. 2003. Harmonic analysis of periodic signal [J]. Measurement Technique，2: 3—5(in Chinese).

强祖基，孔令昌，郭满红，等. 1997. 卫星热红外增温机制的实验研究 [J]. 地震学报，19(2): 197—201.

QIANG Zu-ji，KONG Ling-chang，GUO Man-hong，etal. 1997. The experimental study on the satellite thermal infrared heating mechanism [J]. Acta Seismologica Sinica，19(2): 197—201(in Chinese).

强祖基，徐秀登，赁常恭. 1990. 卫星热红外异常：临震前兆 [J]. 科学通报，35(17): 1324—1327.

QIANG Zu-ji，XU Xiu-deng，LIN Chang-gong. 1990. Satellite thermal infrared anomalies：The pre-earthquake precursors [J]. Chinese Science Bulletin，35(17): 1324—1327(in Chinese).

强祖基，姚清林，魏乐军，等. 2009. 从震前卫星热红外图像看中国现今构造应力场特征 [J]. 地球学报，30(6): 873—884.

QIANG Zu-ji，YAO Qing-lin，WEI Le-jun，etal. 2009. The characteristic of current stress hot field by satellite thermal infrared image in China [J]. Acta Geoscientica Sinica，30(6): 873—884(in Chinese).

宋冬梅，时洪涛，单新建，等. 2015. 基于热异常信息与BP神经网络的中强地震预测试验 [J]. 地震地质，37(2): 649— 660. doi:10.3969/j.issn.0253-4967.2015.02.025.

SONG Dong-mei，SHI Hong-tao，SHAN Xin-jian，etal. 2015. A tentative test on moderately strong earthquake prediction on China based on thermal anomaly information and BP neural network [J]. Seismology and Geology，37(2): 649— 660(in Chinese).

苏红，刘峻明，王春艳，等. 2014. 基于时间序列MODIS LST产品的重构研究 [J]. 中国农业科技导报，16(5): 99—107.

SU Hong，LIU Jun-ming，WANG Chun-yan，etal. 2014. Studies on reconstructing MODIS LST products based on time series [J]. Journal of Agricultural Science and Technology，16(5): 99—107(in Chinese).

王亚丽，陈桂华，康春丽，等. 2008. 利用小波包分析进行地震相关热红外辐射异常信息检测 [J]. 地球物理学进展，23(2): 368—374.

WANG Ya-li，CHEN Gui-hua，KANG Li-chun，etal. 2008. Earthquake-related thermal infrared abnormity detection with wavelet packet decomposition [J]. Progress in Geophysics，23(2): 368—374(in Chinese).

温少妍. 2011. 地震构造区红外亮温背景场建立及异常提取方法研究 [D]. 青岛： 中国石油大学. 1—75.

WEN Shao-yan. 2011. A study on the brightness temperature background field foundation and the method for extracting anomalies of thermal infrared in seismotectonic area [D]. China University of Petroleum，Qingdao. 1—75(in Chinese).

吴立新，刘善军，吴育华，等. 2004a. 遥感-岩石力学(Ⅰ)： 非连续组合断层破裂的热红外辐射规律及其构造地震前兆意义 [J]. 岩石力学与工程学报，23(1): 24—30.

WU Li-xin，LIU Shan-jun，WU Yu-hua，etal. 2004a. Remote Sensing-Rock Mechanics(Ⅰ)： Laws of thermal infrared radiation from fracturing of discontinuous jointed faults and its meanings for tectonic earthquake omens [J]. Chinese Journal of Rock Mechanics and Engineering，23(1): 24—30(in Chinese).

吴立新，刘善军，吴育华，等. 2004b. 遥感-岩石力学(Ⅱ): 断层双剪黏滑的热红外辐射规律及其构造地震前兆意义 [J]. 岩石力学与工程学报，23(2): 192—198.

WU Li-xin，LIU Shan-jun，WU Yu-hua，etal. 2004b. Remote Sensing-Rock Mechanics(Ⅱ): Laws of thermal infrared radiation from viscosity-sliding of bi-sheared faults and its meanings for tectonic earthquake omens [J]. Chinese Journal of Rock Mechanics and Engineering，23(2): 192—198(in Chinese).

吴立新，刘善军，吴育华，等. 2004c. 遥感-岩石力学(Ⅳ): 岩石压剪破裂的热红外辐射规律及其地震前兆意义 [J]. 岩石力学与工程学报，23(4): 539—544.

WU Li-xin，LIU Shan-jun，WU Yu-hua，etal. 2004c. Remote Sensing-Rock Mechanics(Ⅳ)： Laws of thermal infrared radiation from compressively-sheared fracturing of rock and its meanings for tectonic earthquake omens [J]. Chinese Journal of Rock Mechanics and Engineering，23(4): 539—544(in Chinese).

闫亮. 2011. 龙门山活动构造与汶川地震地表破裂研究 [D]. 成都： 成都理工大学. 14—91.

YAN Liang. 2011. Study on the active tectonics in Longmen Mountain area and surface rupture of Wenchuan earthquake [D]. Chengdu University of Technology，Chengdu. 14—91(in Chinese).

易桂喜，龙锋，张致伟. 2012. 汶川MS8.0地震余震震源机制时空分布特征 [J]. 地球物理学报，55(4): 1213—1227.

YI Gui-xi，LONG Feng，ZHANG Zhi-wei. 2012. Spatial and temporal variation of focal mechanisms for aftershocks of the 2008MS8.0 Wenchuan earthquake [J]. Chinese Journal of Geophysics，55(4): 1213—1227(in Chinese).

张璇，张元生，魏从信，等. 2013a. 云南彝良5.7级地震前卫星热红外异常 [J]. 地震工程学报，35(1): 171—176.

ZHANG Xuan，ZHANG Yuan-sheng，WEI Cong-xin，etal. 2013a. Thermal infrared anomaly prior to Yiliang of YunnanMS5.7 earthquake [J]. China Earthquake Engineering Journal，35(1): 171—176(in Chinese).

张璇，张元生，魏从信，等. 2013b. 四川芦山7.0级地震卫星热红外异常解析 [J]. 地震工程学报，35(2): 272—277.

ZHANG Xuan，ZHANG Yuan-sheng，WEI Cong-xin，etal. 2013b. Analysis of thermal infrared anomaly before the LushanMS7.0 earthquake [J]. Earthquake Engineering Journal，35(2): 272—277(in Chinese).

张元生，郭晓，钟美娇，等. 2010. 汶川地震卫星热红外亮温变化 [J]. 科学通报，55(10): 904—910.

ZHANG Yuan-sheng，GUO Xiao，ZHONG Mei-jiao，etal. 2010. The satellite thermal infrared brightness temperature changes of Wenchuan earthquake [J]. Chinese Science Bulletin，55(10): 904—910(in Chinese).

邹剑，陈进，耿遵敏. 2002. 波形恢复中最佳傅里叶滤波器的理论及应用 [J]. 振动工程学报，15(2): 239—242.

ZOU Jian，CHEN Jin，GENG Zun-min. 2002. Theory and application of optimal Fourier-filter for waveform recovery [J]. Journal of Vibration Engineering，15(2): 239—242(in Chinese).

Choudhury S，Dasgupta S，Saraf A K，etal. 2006. Remote sensing observations of pre-earthquake thermal anomalies in Iran [J]. International Journal of Remote Sensing，27(20): 4381— 4395.

Genzano N，Aliano C，Corrado R，etal. 2009. RST analysis of MSG-SEVIRI TIR radiances at the time of the Abruzzo 6 April 2009 earthquake [J]. Natural Hazards & Earth System Sciences，9(6): 2073—2084.

Genzano N，Aliano C，Filizzola C，etal. 2007. A robust satellite technique for monitoring seismically active areas: The case of Bhuj-Gujarat earthquake [J]. Tectonophysics，431(1-4): 197—210.

Jiang S Y，Li Q H，Li K L，etal. 2003. A new approach for mining local outlier [C]∥ International Conference on Machine Learning and Cybernetics, 1: 157—162.

Ouzounov D，Pulinets S，Taylor P，etal. 2006. Satellite thermal IR phenomena associated with some of the major earthquakes in 1999-2003 [J]. Physics & Chemistry of the Earth Parts A/B/C，31(4-9): 154—163.

Panda S K，Choudhury S，Saraf A K，etal. 2006. MODIS land surface temperature data detects thermal anomaly preceding 8 October 2005 Kashmir earthquake [J]. International Journal of Remote Sensing，28(20): 4587— 4596.

Pergola N，Aliano C，Coviello I，etal. 2010. Using RST approach and EOS-MODIS radiances for monitoring seismically active regions: A study on the 6 April 2009 Abruzzo earthquake [J]. Natural Hazards & Earth System Sciences，10(2): 239—249.

Qiang Z J，Dian C G，Li L Z，etal. 1999. Atellitic thermal infrared brightness temperature anomaly image： Short-term and impending earthquake precursors [J]. Science in China，42(3): 313—324.

Qiang Z J，Dian C G. Wang X J. 1992. Satellite thermal infrared anomalous temperature increase and impending earthquake precursor [J]. Chinese Science Bulletin，83(19): 1642—1646.

Qiang Z J，Xu X D，Dian C G. 1997. Case 27 thermal infrared anomaly precursor of impending earthquakes [J]. Pure & Applied Geophysics，149(1): 159—171.

Saradjian M R，Akhoondzadeh M. 2011. Thermal anomalies detection before strong earthquakes(M>6.0) using interquartile，wavelet and Kalman filter methods [J]. Natural Hazards & Earth System Science，11(4): 1099—1108.

Saraf A K，Choudhury S. 2005a. NOAA-AVHRR detects thermal anomaly associated with the 26 January 2001 Bhuj earthquake，Gujarat，India [J]. International Journal of Remote Sensing，26(6): 1065—1073.

Saraf A K，Choudhury S. 2005b. Thermal remote sensing technique in the study of pre-earthquake thermal anomalies [J]. J Ind Geophys Union，9(3): 197—207.

Saraf A K，Rawat V，Banerjee P，etal. 2008. Satellite detection of earthquake thermal infrared precursors in Iran [J]. Natural Hazards，47(1): 119—135.

Saraf A K，Rawat V，Das J，etal. 2012. Satellite detection of thermal precursors of Yamnotri，Ravar and Dalbandin earthquakes [J]. Natural Hazards，61(2): 861—872.

Tramutoli V，Aliano C，Corrado R，etal. 2013. On the possible origin of thermal infrared radiation(TIR)anomalies in earthquake-prone areas observed using robust satellite techniques(RST)[J]. Chemical Geology，339(2): 157—168.

Tronin A A. 2000. Thermal IR satellite sensor data application for earthquake research in China [J]. International Journal of Remote Sensing，21(16): 3169—3177.

Tronin A A. 2006. Remote sensing and earthquakes: A review [J]. Physics & Chemistry of the Earth Parts A/b/c，31(4-9): 138—142.

Tronin A A，Biagi P F，Molchanov O A，etal. 2004. Temperature variations related to earthquakes from simultaneous observation at the ground stations and by satellites in Kamchatka area [J]. Physics & Chemistry of the Earth Parts A/b/c，29(4-9): 501—506.

Tronin A A，Hayakawa M，Molchanov O A. 2002. Thermal IR satellite data application for earthquake research in Japan and China [J]. Journal of Geodynamics，33(4-5): 519—534.

Wei L J，Guo J F，Lu J H，etal. 2009. Satellite thermal infrared earthquake precursor to the WenchuanMS8.0 earthquake in Sichuan，China，and its analysis on geo-dynamics [J]. Acta Geologica Sinica-English Edition，83(4): 767—775.

Yang Y Z，Guo G M. 2010. Studying the thermal anomaly before the Zhangbei earthquake with MTSAT and meteorological data [J]. International Journal of Remote Sensing，31(11): 2783—2791.

Yao Q L，Qiang Z J. 2012. Thermal infrared anomalies as a precursor of strong earthquakes in the distant future [J]. Natural Hazards，62(3): 991—1003.

A STUDY ON THE ALGORITHM FOR EXTRACTING EARTHQUAKE THERMAL INFRARED ANOMALIES BASED ON THE YEARLY TREND OF LST

SONG Dong-mei1)ZANG Lin1，2)SHAN Xin-jian3)YUAN Yuan4)CUI Jian-yong1)SHAO Hong-mei5)SHEN Chen5)SHI Hong-tao1，2)

1)SchoolofGeosciences，ChinaUniversityofPetroleum，Qingdao266580，China2)GraduateSchool，ChinaUniversityofPetroleum，Qingdao266580，China3)InstituteofGeology，ChinaEarthquakeAdministration，Beijing100029，China4)ShanghaiEarthquakeAdministration，Shanghai200062，China5)CollegeofScience，ChinaUniversityofPetroleum，Qingdao266580，China

There are thermal infrared anomalies(TIA)before earthquake，and TIA has become one of the important parameters for assessing regional earthquake risk. However，not all of the surface infrared anomalies are related to tectonic activities or earthquakes. How to eliminate the influence of non-structural factors and extract the weak signals from strong disturbances is the key and difficult point for tectonic activities studies based on the thermal infrared remote sensing techniques. Land surface temperature(LST)background field is the basis for thermal infrared anomalies extraction. However，the established background fields in previous researches cannot eliminate the influence of climate changes，so the accuracy of thermal anomaly extraction is limited. Now an improved method is proposed. Combined with the periodic character of LST time series，harmonic analysis is lead into the process of LST background field establishment. Specifically，the yearly trend of LST is fitted based on Fourier Approximation method. As a new background field，the yearly trend is dynamic，includes the local and the yearly information. Then，based on the rule of “kσ”，the earthquake anomalies，calculated by RST with the yearly trend of LST，can be extracted. At last，the effectiveness of the algorithm can be tested by the quantitative analysis of anomalies with anomaly area statistics，anomaly intensity statistics and distance index statistics. The Wenchuan earthquake was discussed again based on the proposed algorithm with MODIS land temperature products in 2008. The results show that，there were obvious pre-earthquake thermal anomalies along the Longmen Mountains faults with a longer time; but there were no anomalies when the earthquake happened; and the post-earthquake thermal anomalies occurred with much smaller amplitudes and scopes. Compared with the results derived from the traditional RST which is based on the spatial average of LST values，the TIA extracted by the new RST，which is based on the yearly trend of LST，is more fit with the active faults，and the process of the anomalies occurring and removing can be described in more detail. Therefore，as the background field to extract earthquake anomalies，the yearly trend of LST is more reliable.

earthquake thermal anomalies，LST background field，Fourier Approximation，the yearly trend，Wenchuan earthquake

10.3969/j.issn.0253- 4967.2016.03.014

2016-02-04收稿，2016-06-07改回。

地震动力学国家重点实验室开放基金(LED2012B02)与上海市科学技术委员会项目(14231202600)共同资助。

臧琳，女，硕士研究生，E-mail: 18765920116@163.com。

P315.72+8

A

0253-4967(2016)03-0680-16

宋冬梅，女，1973年生，2003年于中国科学院沈阳应用生态研究所获理学博士学位，副教授，研究方向为地震热红外异常信息提取，电话： 0532-86985091，E-mail: songdongmei1973@126.com。