基于遥感数据的地震预报方法、装置、设备和介质与流程

1.本发明涉及卫星影像处理技术领域，尤其涉及一种基于遥感数据的地震预报方法、装置、设备和介质。


背景技术：

2.在人口密集地区发生强烈地震会造成不可估量的人员和经济损失。所以，对地震的准确监测和预报变得非常紧迫。当前地震预报研究的基本假设为地球物理参数异常现象中存在前兆信息，并且该信息可用于预报未来中短时间尺度的地震(几个月到几周)。而卫星遥感数据可以无接触地、全天候地对地球的各种物理参数进行监测。所以，有必要提供一种利用卫星遥感数据进行地震监测和预报的方案，以期降低地震预报的成本，提高地震预报的频率和准确性。


技术实现要素：

3.为了解决上述技术问题，本发明提供了一种基于遥感数据的地震预报方法、装置、设备和介质，以提高地震预测的准确性。
4.第一方面，本发明提供了一种基于遥感数据的地震预报方法，该方法包括：
5.获取目标区域在第一时间范围内的原始遥感数据，并对所述原始遥感数据进行地震异常检测，生成初始异常数据；
6.基于预设地震异常识别条件，对所述初始异常数据进行异常过滤，生成目标异常数据；其中，所述预设地震异常识别条件包含空间异常识别条件和时间异常识别条件，所述目标异常数据是用于表征由地震活动引起的异常的数据；
7.基于所述目标异常数据，确定所述目标区域中的至少一个局部区域，并对所述局部区域进行第二时间范围内的地震预报。
8.在一些实施例中，所述空间异常识别条件为预设空间范围内覆盖的各有效像元的平均异常绝对值大于或等于第一异常阈值；其中，所述有效像元是异常绝对值大于或等于第二异常阈值的像元，所述第一异常阈值大于所述第二异常阈值；
9.所述时间异常识别条件为所述第一时间范围内满足所述空间异常识别条件的异常观测比例大于或等于预设比例阈值。
10.在一些实施例中，所述基于预设地震异常识别条件，对所述初始异常数据进行异常过滤，生成目标异常数据包括：
11.按照预设移动方向、预设移动步长和所述预设空间范围，对所述初始异常数据进行基于所述空间异常识别条件的滑窗处理，以对所述初始异常数据进行初次异常过滤，生成中间异常数据；
12.基于所述时间异常识别条件，对所述中间异常数据进行二次异常过滤，生成所述目标异常数据。
13.可选地，所述按照预设移动方向、预设移动步长和所述预设空间范围，对所述初始
异常数据进行基于所述空间异常识别条件的滑窗处理，以对所述初始异常数据进行初次异常过滤，生成中间异常数据包括：
14.从所述初始异常数据中确定当前处理像元；
15.判断以所述当前处理像元为中心的所述预设空间范围内的各像元值是否满足所述空间异常识别条件，并基于判断结果确定是否过滤所述当前处理像元；
16.按照预设移动方向，确定与所述当前处理像元距离预设步长的下一个像元，并利用所述下一个像元更新所述当前处理像元；
17.返回执行所述判断以所述当前处理像元为中心的所述预设空间范围内的各像元值是否满足所述空间异常识别条件，并基于判断结果确定是否过滤所述当前处理像元的步骤，直至遍历完所述初始异常数据。
18.可选地，所述基于所述时间异常识别条件，对所述中间异常数据进行二次异常过滤，生成所述目标异常数据包括：
19.针对每个像元位置，确定所述中间异常数据中包含的异常值的数量在像元数量中的占比，并在确定所述占比满足所述预设比例阈值时，保留所述像元位置；
20.基于保留的所述像元位置生成所述目标异常数据。
21.在一些实施例中，所述空间异常识别条件和所述时间异常识别条件基于预设震例数据集确定；其中，所述预设震例数据集用于记录多次历史地震事件的地震时间、地震位置和地震强度。
22.在一些实施例中，所述目标区域处于预设地震监测区域的区域范围内；其中，所述预设地震监测区域为历史地震发生次数达到预设次数阈值的地理区域。
23.在一些实施例中，相邻两次地震预报的时间间隔为所述第二时间范围对应的时长。
24.在一些实施例中，在所述基于所述目标异常数据，确定所述目标区域中的至少一个局部区域，并对所述局部区域进行第二时间范围内的地震预报之后，所述方法还包括：
25.基于所述目标异常数据确定所述地震预报的评估指标值；其中，评估指标包括报准率、误报率、漏报率、正常率和马修斯相关系数中的至少一个。
26.第二方面，本发明提供了一种基于遥感数据的地震预报装置，该装置包括：
27.初始异常数据生成模块，用于获取目标区域在第一时间范围内的原始遥感数据，并对所述原始遥感数据进行地震异常检测，生成初始异常数据；
28.目标异常数据生成模块，用于基于预设地震异常识别条件，对所述初始异常数据进行异常过滤，生成目标异常数据；其中，所述预设地震异常识别条件包含空间异常识别条件和时间异常识别条件，所述目标异常数据是用于表征由地震活动引起的异常的数据；
29.地震预报模块，用于基于所述目标异常数据，确定所述目标区域中的至少一个局部区域，并对所述局部区域进行第二时间范围内的地震预报。
30.在一些实施例中，所述空间异常识别条件为预设空间范围内覆盖的各有效像元的平均异常绝对值大于或等于第一异常阈值；其中，所述有效像元是异常绝对值大于或等于第二异常阈值的像元，所述第一异常阈值大于所述第二异常阈值；
31.所述时间异常识别条件为所述第一时间范围内满足所述空间异常识别条件的异常观测比例大于或等于预设比例阈值。
32.在一些实施例中，目标异常数据生成模块包括：
33.空间过滤子模块，用于按照预设移动方向、预设移动步长和所述预设空间范围，对所述初始异常数据进行基于所述空间异常识别条件的滑窗处理，以对所述初始异常数据进行初次异常过滤，生成中间异常数据；
34.时间过滤子模块，用于基于所述时间异常识别条件，对所述中间异常数据进行二次异常过滤，生成所述目标异常数据。
35.可选地，空间过滤子模块具体用于：
36.从所述初始异常数据中确定当前处理像元；
37.判断以所述当前处理像元为中心的所述预设空间范围内的各像元值是否满足所述空间异常识别条件，并基于判断结果确定是否过滤所述当前处理像元；
38.按照预设移动方向，确定与所述当前处理像元距离预设步长的下一个像元，并利用所述下一个像元更新所述当前处理像元；
39.返回执行所述判断以所述当前处理像元为中心的所述预设空间范围内的各像元值是否满足所述空间异常识别条件，并基于判断结果确定是否过滤所述当前处理像元的步骤，直至遍历完所述初始异常数据。
40.可选地，时间过滤子模块具体用于：
41.针对每个像元位置，确定所述中间异常数据中包含的异常值的数量在像元数量中的占比，并在确定所述占比满足所述预设比例阈值时，保留所述像元位置；
42.基于保留的所述像元位置生成所述目标异常数据。
43.在一些实施例中，所述空间异常识别条件和所述时间异常识别条件基于预设震例数据集确定；其中，所述预设震例数据集用于记录多次历史地震事件的地震时间、地震位置和地震强度。
44.在一些实施例中，所述目标区域处于预设地震监测区域的区域范围内；其中，所述预设地震监测区域为历史地震发生次数达到预设次数阈值的地理区域。
45.在一些实施例中，相邻两次地震预报的时间间隔为所述第二时间范围对应的时长。
46.在一些实施例中，基于遥感数据的地震预报装置还包括评估指标值确定模块，用于：
47.在所述基于所述目标异常数据，确定所述目标区域中的至少一个局部区域，并对所述局部区域进行第二时间范围内的地震预报之后，基于所述目标异常数据确定所述地震预报的评估指标值；其中，评估指标包括报准率、误报率、漏报率、正常率和马修斯相关系数中的至少一个。
48.第三方面，本发明提供了一种的电子设备，该电子设备包括：
49.处理器和存储器；
50.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。
51.第四方面，本发明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。
52.本发明实施例提供的基于遥感数据的地震预报方法、装置、设备和介质，能够获取
目标区域在第一时间范围内的原始遥感数据，并对所述原始遥感数据进行地震异常检测，生成初始异常数据；基于预设地震异常识别条件，对所述初始异常数据进行异常过滤，生成目标异常数据；其中，所述预设地震异常识别条件包含空间异常识别条件和时间异常识别条件，所述目标异常数据是用于表征由地震活动引起的异常的数据；基于所述目标异常数据，确定所述目标区域中的至少一个局部区域，并对所述局部区域进行第二时间范围内的地震预报。实现了通过提供空间维度和时间维度上的预设地震异常识别条件，提高对地震引起的地球物理参数的数据异常的识别准确性，从而提高地震预报的准确性。
附图说明
53.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
54.为了更清楚地说明本发明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。
55.图1是本发明实施例提供的一种基于遥感数据的地震预报方法的流程图；
56.图2是本发明实施例提供的一种连续地震预报的间隔时间的示意图；
57.图3是本发明实施例提供的一种基于遥感数据的地震预报装置的结构示意图；
58.图4是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
59.为了能够更清楚地理解本发明的上述目的、特征和优点，下面将对本发明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，本发明的实施例及实施例中的特征可以相互组合。
60.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但本发明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发明的一部分实施例，而不是全部的实施例。
61.本发明实施例提供的基于遥感数据的地震预报方法，主要适用于对可能发生的地震活动进行监测和预报的场景以及对地震预报能力进行评估的场景。本发明实施例提供的基于遥感数据的地震预报方法可以由基于遥感数据的地震预报装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在电子设备中，例如可以是笔记本电脑、台式电脑或服务器等。
62.图1是本发明实施例提供的一种基于遥感数据的地震预报方法的流程图。参见图1，该基于遥感数据的地震预报方法具体包括：
63.s110、获取目标区域在第一时间范围内的原始遥感数据，并对原始遥感数据进行地震异常检测，生成初始异常数据。
64.其中，目标区域是指要监测地震活动的区域。第一时间范围是当前日期之前的历史时间段，例如可以是紧邻当前日期的历史日期范围。示例性地，第一时间范围是当前日期之前的、紧邻的3个月时长的历史日期范围。这样设置的原因是，虽然较长的异常监测时间窗口可以捕获更多的、持续时间较短的异常值的计数，但是远离地震发生时间的不相关异
常会导致地震相关信号的不确定性更高。所以，将第一时间范围的时长设置为3个月，可以一定程度上提高检测到的异常与地震活动的相关程度，从而提高后续地震预报的准确性。原始遥感数据是指未经后续数据处理的遥感产品数据，其与选择的地球物理参数相关。初始异常数据是指对遥感数据进行异常检测所得的地球物理参数的异常值，其是未经过后续的异常值过滤处理的异常数据。
65.具体地，基于地球物理参数异常现象中存在前兆信息，且该前兆信息可用于预报未来中短时间尺度的地震(几个月到几周)的基本假设，本发明实施例在进行地震监测和预报之前，要先根据地震的物理本质、对地震发生过程的敏感性、卫星观测的反演精度、数据源的可访问性、以及遥感数据的时空分辨率等多种因素，选定待监测的、合适的地球物理参数，如地表温度、潜热通量、空气温度、湿度、出射长波辐射和热红外测量的亮温等。并且，从遥感产品网站或数据库中获得选定的地球物理参数对应的、第一时间范围内的原始遥感数据。
66.然后，对原始遥感数据进行一定的预处理操作，如地理定位、投影变换、物理量转换、镶嵌、合成和质量控制等，以确保预处理后的原始遥感数据的一致性和准确性。同时，考虑到不同的异常分析方法/异常检测方法对输入数据的要求不同，可以进一步对上述预处理后的原始遥感数据进行特定于异常检测方法的预处理操作，如邻域像元的归一化。这样所得的预处理后的遥感数据将作为后续数据处理的基础。
67.之后，利用异常检测方法对预处理后的原始遥感数据进行异常值检测，即识别出预处理后的原始遥感数据中上述选定的地球物理参数的异常信号，所得结果为初始异常数据。
68.上述异常检测方法可以是能够对遥感数据进行异常识别的方法，例如偏移指数zs方法或稳定的卫星技术方法(robust satellite technique，rst)方法等。这两种方法都旨在识别出相对于其在空间和/或时间域中的“正常”条件下的显著变化。
69.上述zs方法通过归一化z分数计算异常扰动，计算如下：
[0070][0071]
其中,v(x,y,t)是位置(x,y)和时间t处的当前像元值；μ(x,y)是在位置(x,y)和时间t(或时间t的相近时间)处、由多年的参考像元值(也称背景场)计算的平均值；δ(x,y)是上述各背景场的标准偏差。
[0072]
在该zs方法中，设定包络的上下边界为μ
±
nδ。如果由预处理后的原始遥感数据中的像元值计算的zs值落在该包络的相关上下边界之外，则会检测到异常信号。
[0073]
上述rst是一种多时相统计方法，用于分析具有相似观测条件(例如，同月、一天中的时间和传感器数据)的长期卫星记录。rst结合了涡度法中的邻域差和zs方法中背景场的归一化处理，明确定义了统计中震前异常的数学表达式。rst公式为：
[0074][0075][0076]
其中，是同质邻域的空间平均值；δv(x,y,t)表示位置(x,y)中的像元值与周
围均匀像元之间的差值；μ
δv
(x,y)和δ
δv
(x,y)分别是从δv(x,y,t)计算出的背景场的平均值和标准偏差。
[0077]
在一些实施例中，目标区域处于预设地震监测区域的区域范围内。
[0078]
其中，预设地震监测区域为历史地震发生次数达到预设次数阈值的地理区域。预设次数阈值可经验设定，以确定地震活跃地区。例如，预设地震监测区域为全球范围/国家范围/地区范围内、地震发生频繁的地震活跃地区。
[0079]
具体地，为了进一步提高地震预报的准确性，可以预先确定预设地震监测区域。然后，基于未来的地震只会发生在预设地震监测区域，而预设地震监测区域之外的区域中的地球物理参数异常均与地震的发生无关的假设，从该预设地震监测区域中确定出目标区域进行地震监测和预报。
[0080]
上述预设地震监测区域可由历史地震数据得到，并可用于在预报性分析中指示即将发生的地震的可能区域，以尽可能保证获取高于自然概率的地震预报能力。由于地震在空间上不是随机分布的，因此历史地震案例可以反映全球范围/国家范围/地区范围内的地震活动。例如，本发明实施例中使用美国地质调查局usgs提供的1980年至2020年年间的共4719次的震级≥6级且震源深度≤70km的地震目录数据推演全球范围内的预设地震监测区域。对于地震目录数据中地震次数达到预设次数阈值的网格，在其周围标记一个5
°×5°
的网格，以此得到全球范围内的预设地震监测区域。
[0081]
s120、基于预设地震异常识别条件，对初始异常数据进行异常过滤，生成目标异常数据。
[0082]
其中，预设地震异常识别条件是预先设定的、用于识别地球物理参数的异常值是否是由地震活动引起的条件。预设地震异常识别条件包含空间异常识别条件和时间异常识别条件。即从空间维度和时间维度对属于地震活动引起的异常值进行异常识别，以增加异常识别的准确性。目标异常数据是用于表征由地震活动引起的异常的数据。
[0083]
在一些实施例中，空间异常识别条件为预设空间范围内覆盖的各有效像元的平均异常绝对值大于或等于第一异常阈值。其中，预设空间范围是预先设定的、具有一定空间大小的区域，如中心像元周围5
°
*5
°
的空间范围。有效像元是异常绝对值大于或等于第二异常阈值的像元。本发明实施例中设置了两个数值大小不同的异常值的临界值，即用于识别初始异常数据中的像元值是否有效的第二异常阈值和用于识别异常值是否是由地震活动引起的第一异常阈值，且该第一异常阈值略大于第二异常阈值。例如，在第二异常阈值的取值范围1.5～3.5内确定第二异常阈值为2，那么第一异常阈值可以取值为比第二异常阈值大于0.5的值，即2.5。空间异常识别条件是在预设空间范围内存在初始异常数据中的像元值的绝对值(即异常绝对值)大于或等于第二异常阈值的有效像元，并且这些有效像元的绝对值的均值(即平均异常绝对值)大于或等于第一异常阈值。
[0084]
在一些实施例中，时间异常识别条件为第一时间范围内满足空间异常识别条件的异常观测比例大于或等于预设比例阈值。其中的异常观测比例是指满足空间异常识别条件的异常观测次数在所有观测次数中的占比。预设比例阈值是预先设定的异常观测比例的临界值。例如，原始遥感数据的时间分辨率是一天，第一时间范围是3个月共120天，那么在第一时间范围内便存在120次观测。如果某一像元在120天内满足空间异常识别条件的天数不少于10天，则异常观测比例大于或等于1/12。如果预设比例阈值为1/12，那么该示例中的异
常观测比例大于或等于预设比例阈值，即该像元满足时间异常识别条件和空间异常识别条件。
[0085]
上述空间异常识别条件和时间异常识别条件的设置，可以确保识别出的异常值尽可能地与地震活动有关，从而保证获取高于自然概率的地震预报能力。
[0086]
在一些实施例中，空间异常识别条件和时间异常识别条件基于预设震例数据集确定。其中，预设震例数据集用于记录多次历史地震事件的地震时间、地震位置和地震强度(如地震震级)。为了提高各种地震预报方法的横向可比性，本发明实施例中可以预先构建一个多年的全球范围/国家范围/地区范围的预设震例数据集，以作为针对各种地球物理参数和异常检测方法进行统计分析的基准数据。例如，可以采用源于美国地质调查局(usgs)的全球地震目录来选取2006年至2020年间的震级≥6且震源深度≤70km的1825次地震事件来构建全球典型震例数据集。然后，利用预设震例数据集中的部分震例数据进行地震回溯性分析，即分析每个震例及其之前第一时间范围内的异常数据之间的关系，以确定空间异常识别条件和时间异常识别条件中的参数。再利用预设震例数据集中的另一部分震例数据对确定的空间异常识别条件和时间异常识别条件中的参数进行预测性分析，即利用空间异常识别条件和时间异常识别条件中的参数和异常数据进行地震预报，并将地震预报结果与上述另一部分震例数据进行预报正确性验证分析。
[0087]
具体地，根据上述说明，初始异常数据是根据数学公式和观测数据计算的地球物理参数的异常值，其并不能表征该异常值与地震活动之间的关联性。所以，本发明实施例中，在获得初始异常数据后，利用预设地震异常识别条件对该初始异常数据进行异常值过滤，以识别出初始异常数据中与地震活动具有相关性的异常值，所得结果便为目标异常数据。
[0088]
s130、基于目标异常数据，确定目标区域中的至少一个局部区域，并对局部区域进行第二时间范围内的地震预报。
[0089]
其中，第二时间范围是地震预报的时间范畴，其是当前日期之后的、紧邻的一定时长对应的日期范围，例如可以是当前日期之后的10天、20天或30天等。
[0090]
具体地，根据上述说明，目标异常数据中所包含的像元值是与地震活动相关的异常值，那么根据该异常值便可进行地震预报。例如，根据目标异常数据中的像元值所在的位置确定出地震预报的区域维度，即局部区域(如像元值所在位置的周边5
°
*5
°
的区域)。然后，在每个局部区域进行第二时间范围的一定震级的地震预报。如预报在局部区域范围内、未来的第二时间范围内将会发生一定震级和一定震源深度的地震。上述预报的震级和震源深度可以根据上述预设震例数据集中收集的典型地震震例中的地震震级和震源深度来确定。例如，预报的震级大于或等于典型地震震例中的地震震级，预报的震源深度小于或等于典型地震震例中的震源深度。这样也能在一定程度上提高地震预报的准确性。
[0091]
在一些实施例中，相邻两次地震预报的时间间隔为第二时间范围对应的时长。即相邻两次地震预报对应的第二时间范围之间不存在重复日期。这样可避免重复的数据计算和同一地震的多次重复报警，也能确保地震预报更加客观。
[0092]
参见图2，利用第一次地震预报的当前日期(斜线填充)之前的第一时间范围(横线填充)的原始遥感数据进行地震监测，并在第二时间范围(竖线填充)内进行地震预报。在该次地震预报结束后，当前日期变更为第二时间范围之后的紧邻的日期，即图2中以斜线填充
示例的当前日期
′
。然后，第二次地震预报便以当前日期
′
之前的第一时间范围
′
的原始遥感数据进行地震监测，并在第二时间范围
′
内进行地震预报。
[0093]
本发明实施例提供的上述基于遥感数据的地震预报方法，能够获取目标区域在第一时间范围内的原始遥感数据，并对原始遥感数据进行地震异常检测，生成初始异常数据；基于预设地震异常识别条件，对初始异常数据进行异常过滤，生成目标异常数据；其中，预设地震异常识别条件包含空间异常识别条件和时间异常识别条件，目标异常数据是用于表征由地震活动引起的异常的数据；基于目标异常数据，确定目标区域中的至少一个局部区域，并对局部区域进行第二时间范围内的地震预报。实现了通过提供空间维度和时间维度上的预设地震异常识别条件，提高对地震引起的地球物理参数的数据异常的识别准确性，从而提高地震预报的准确性。
[0094]
在一些实施例中，s120中进行与地震活动相关的异常值的过滤过程可实现为如下步骤a和步骤b。
[0095]
步骤a、按照预设移动方向、预设移动步长和预设空间范围，对初始异常数据进行基于空间异常识别条件的滑窗处理，以对初始异常数据进行初次异常过滤，生成中间异常数据。
[0096]
具体地，本发明实施例中对初始异常数据中包含的每张影像(像元值为初始异常数据中的异常值)进行滑窗处理。每次滑动窗口内的处理过程是判断窗口内的各异常值是否满足空间异常识别条件，并根据判断结果确定是否保留窗口对应的主像元。每次滑窗处理后会按照预设移动方向和预设移动步长来移动窗口，并进行下一次的滑动窗口内的处理。在初始异常数据中包含的各影像均处理完毕后，所得结果便为初始异常数据经过空间过滤的中间异常数据。
[0097]
示例性地，步骤a可具体实现为：
[0098]
步骤a、从初始异常数据中确定当前处理像元。
[0099]
具体地，对于初始异常数据中的任一张影像，按照一定规律(如从影像的左上角开始的第一个像元)确定一个中心像元，作为该影像中的当前处理像元。
[0100]
步骤a2、判断以当前处理像元为中心的预设空间范围内的各像元值是否满足空间异常识别条件，并基于判断结果确定是否过滤当前处理像元。
[0101]
具体地，若确定以当前处理像元为中心的预设空间范围内的各像元值满足空间异常识别条件，则保留当前处理像元；若确定以当前处理像元为中心的预设空间范围内的各像元值不满足空间异常识别条件，则滤除当前处理像元。
[0102]
即按照预设空间范围的区域大小，以当前处理像元为中心，可确定出本次过滤处理的处理区域。然后，比较该处理区域中包含的每个像元值与第二异常阈值，确定出该处理区域包含的有效像元。之后，计算这些有效像元的平均异常绝对值，并将其与第一异常阈值进行比较。如果比较结果是平均异常绝对值大于或等于第一异常阈值，则保留该当前处理像元；如果比较结果是平均异常绝对值小于第一异常阈值，则剔除该当前处理像元，如用预先设置的无效值替代该当前处理像元的异常值。
[0103]
步骤a3、按照预设移动方向，确定与当前处理像元距离预设步长的下一个像元，并利用下一个像元更新当前处理像元。
[0104]
具体地，在上述影像中，按照预设移动方向，从当前处理像元开始移动预设步长，
确定一个新的像元。该新的像元便是滑窗处理中当前处理像元对应的下一个像元。然后，将该下一个像元作为新的当前处理像元，即更新当前处理像元。
[0105]
步骤a4、返回执行步骤a2，直至遍历完初始异常数据。
[0106]
具体地，按照上述步骤a2和步骤a3循环进行滑窗处理，直至上述影像处理完毕。
[0107]
之后，按照步骤a1～步骤a4的过程，对初始异常数据中的每张影像进行空间维度的异常值过滤处理，便可得到中间异常数据。
[0108]
步骤b、基于时间异常识别条件，对中间异常数据进行二次异常过滤，生成目标异常数据。
[0109]
具体地，针对每个像元位置，确定中间异常数据中包含的异常值的数量在像元数量中的占比，并在确定占比满足预设比例阈值时，保留像元位置；基于保留的像元位置生成目标异常数据。
[0110]
具体实施时，中间异常数据是一个时间序列的影像集，那么其中的每个像元位置处可得到一个异常值时间序列。该异常值时间序列中有的值是异常值，有的值是无效值。那么，针对任一个像元位置，计算异常值时间序列中包含的异常值的数量和整个异常值时间序列中包含的数值的总数量(即像元数量)的比值，便可得到该像元位置处的异常观测比例。然后，比较该异常观测比例和预设比例阈值。如果异常观测比例大于或等于预设比例阈值，那么保留该像元位置；如果异常观测比例小于预设比例阈值，那么剔除该像元位置。
[0111]
按照上述过程，可对每个像元位置进行时间维度的异常值过滤，最终可得到一张标识有效的像元位置的影像，即目标异常数据。目标异常数据中包含的每个有效的像元位置，都可认为是会发生地震活动的位置。后续可根据每个有效的像元位置来确定一个要进行地震预报的局部区域。
[0112]
在一些实施例中，在s130之后，该基于遥感数据的地震预报方法还包括：基于目标异常数据确定地震预报的评估指标值。
[0113]
其中，评估指标包括报准率、误报率、漏报率、正常率和马修斯相关系数中的至少一个。
[0114]
具体地，为了提高各种地震预报方法之间的横向可比性，本发明实施例中规定了对地震预报结果的评估指标，即报准率、误报率、漏报率、正常率和马修斯相关系数中的至少一个。这样，可利用相同的评估指标来评估地震预报能力。
[0115]
上述报准率、误报率、漏报率和正常率的含义可参见表1，其是四个独立的评估指标。
[0116]
鉴于诸多地震预报方法只会给出上述四个独立的评估指标中的一部分，如报准率，而忽略其他评估指标，从而导致地震预报能力的不完全展示。本发明实施例中确定了一个综合性评估指标，即改进的马修斯相关系数，以全面展示上述四个独立的评估指标的综合结果。
[0117]
改进的马修斯相关系数(matthews correlation coefficient，mcc)是将机器学习中的马修斯相关系数应用至地震预报领域中，作为地震预报的准确率，其计算式如下：
[0118][0119]
其中，acc为报准数，nor为正常数，fal为误报数，mis为漏报数。
[0120]
在改进的马修斯相关系数mcc
′
的约束下，准确率可以作为地震预报的置信水平。这样不仅能够提供适配机器学习领域的评估指标，提高各领域的研究人员对地震预报准确率的理解程度，从而进一步提高各地震预报方法的横向可比性，而且能够为地震预报提供预测可靠性的足够置信水平，从而进一步提高地震预报的有效性。
[0121]
表1地震预报能力的评价指标
[0122][0123]
基于本发明实施例的上述方法流程，利用2006-2020年的地震数据，横向比较了上述zs方法和rst方法的地震预报能力，以展示本发明实施例实现统一和定量的预报效能横向比较的能力。其中，zs方法和rst方法的报准率的空间分布样式相似，在地震活跃区域具有最高的报准率。然而，这两种方法的误报率在地震活跃区域也很高。而且，正常率与误报率密切相关。zs方法和rst方法的mcc
′
范围是-0.48到0.21，但zs方法在大多数网格生成相对较高的mcc
′
值。通过mcc
′
值的空间分布来看，报准率高的地区的mcc
′
值并不高，表明综合指标可以反映综合评价能力。
[0124]
图3是本发明实施例提供的一种基于遥感数据的地震预报装置的结构示意图。参见图3，该基于遥感数据的地震预报装置300具体包括：
[0125]
初始异常数据生成模块310，用于获取目标区域在第一时间范围内的原始遥感数据，并对原始遥感数据进行地震异常检测，生成初始异常数据；
[0126]
目标异常数据生成模块320，用于基于预设地震异常识别条件，对初始异常数据进行异常过滤，生成目标异常数据；其中，预设地震异常识别条件包含空间异常识别条件和时间异常识别条件，目标异常数据是用于表征由地震活动引起的异常的数据；
[0127]
地震预报模块330，用于基于目标异常数据，确定目标区域中的至少一个局部区域，并对局部区域进行第二时间范围内的地震预报。
[0128]
本发明实施例提供的基于遥感数据的地震预报装置，能够获取目标区域在第一时间范围内的原始遥感数据，并对原始遥感数据进行地震异常检测，生成初始异常数据；基于预设地震异常识别条件，对初始异常数据进行异常过滤，生成目标异常数据；其中，预设地震异常识别条件包含空间异常识别条件和时间异常识别条件，目标异常数据是用于表征由地震活动引起的异常的数据；基于目标异常数据，确定目标区域中的至少一个局部区域，并对局部区域进行第二时间范围内的地震预报。实现了通过提供空间维度和时间维度上的预设地震异常识别条件，提高对地震引起的地球物理参数的数据异常的识别准确性，从而提高地震预报的准确性。
[0129]
在一些实施例中，空间异常识别条件为预设空间范围内覆盖的各有效像元的平均异常绝对值大于或等于第一异常阈值；其中，有效像元是异常绝对值大于或等于第二异常
阈值的像元，第一异常阈值大于第二异常阈值；
[0130]
时间异常识别条件为第一时间范围内满足空间异常识别条件的异常观测比例大于或等于预设比例阈值。
[0131]
在一些实施例中，目标异常数据生成模块320包括：
[0132]
空间过滤子模块，用于按照预设移动方向、预设移动步长和预设空间范围，对初始异常数据进行基于空间异常识别条件的滑窗处理，以对初始异常数据进行初次异常过滤，生成中间异常数据；
[0133]
时间过滤子模块，用于基于时间异常识别条件，对中间异常数据进行二次异常过滤，生成目标异常数据。
[0134]
可选地，空间过滤子模块具体用于：
[0135]
从初始异常数据中确定当前处理像元；
[0136]
判断以当前处理像元为中心的预设空间范围内的各像元值是否满足空间异常识别条件，并基于判断结果确定是否过滤当前处理像元；
[0137]
按照预设移动方向，确定与当前处理像元距离预设步长的下一个像元，并利用下一个像元更新当前处理像元；
[0138]
返回执行判断以当前处理像元为中心的预设空间范围内的各像元值是否满足空间异常识别条件，并基于判断结果确定是否过滤当前处理像元的步骤，直至遍历完初始异常数据。
[0139]
可选地，时间过滤子模块具体用于：
[0140]
针对每个像元位置，确定中间异常数据中包含的异常值的数量在像元数量中的占比，并在确定占比满足预设比例阈值时，保留像元位置；
[0141]
基于保留的像元位置生成目标异常数据。
[0142]
在一些实施例中，空间异常识别条件和时间异常识别条件基于预设震例数据集确定；其中，预设震例数据集用于记录多次历史地震事件的地震时间、地震位置和地震强度。
[0143]
在一些实施例中，目标区域处于预设地震监测区域的区域范围内；其中，预设地震监测区域为历史地震发生次数达到预设次数阈值的地理区域。
[0144]
在一些实施例中，相邻两次地震预报的时间间隔为第二时间范围对应的时长。
[0145]
在一些实施例中，基于遥感数据的地震预报装置300还包括评估指标值确定模块，用于：
[0146]
在基于目标异常数据，确定目标区域中的至少一个局部区域，并对局部区域进行第二时间范围内的地震预报之后，基于目标异常数据确定地震预报的评估指标值；其中，评估指标包括报准率、误报率、漏报率、正常率和马修斯相关系数中的至少一个。
[0147]
本发明实施例所提供的基于遥感数据的地震预报装置可执行本发明任意实施例所提供的基于遥感数据的地震预报方法，具备执行方法相应的功能模块和有益效果。
[0148]
值得注意的是，上述基于遥感数据的地震预报装置的实施例中，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/子模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0149]
图4是本发明实施例提供的一种电子设备的结构示意图。
[0150]
参见图4，本发明实施例提供的电子设备400，其包括：处理器420和存储器410；处理器420通过调用存储器410存储的程序或指令，用于执行本发明任意实施例所提供的基于遥感数据的地震预报方法的步骤。
[0151]
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。
[0152]
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。
[0153]
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。
[0154]
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发明各实施例的功能。
[0155]
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通常执行本发明所描述的任意实施例中的功能和/或方法。
[0156]
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。
[0157]
需要说明的是，图4显示的电子设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0158]
本发明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发明任意实施例提供的基于遥感数据的地震预报方法步骤。
[0159]
本发明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。
[0160]
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。
[0161]
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。
[0162]
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发明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)。
[0163]
需要说明的是，本发明所用术语仅为了描述特定实施例，而非限制本发明范围。如本发明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。
[0164]
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。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发明的精神或范围的情况下，在其它实施例中实现。因此，本发明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。