地热高温异常区域预测方法、装置、设备及可读存储介质与流程

1.本发明涉及预测技术领域，尤其涉及一种地热高温异常区域预测方法、装置、设备及可读存储介质。


背景技术：

2.地热高温异常是高原山区常见的地质灾害之一，会严重影响公路与铁路等重大基础设施在高原地区的建设与维护。利用热红外遥感数据与反演技术，可对大空间范围、长时间序列的高原山区进行地热高温异常的监测与预测，具有结果清晰、方法灵活、节约成本等优点。
3.然而，由于山区地表的海拔梯度、气候与水文条件变化剧烈，且复杂地形使地面接收的太阳辐射分布不均，山区河谷地带水陆热力性质差异，导致产生严重的地形效应与河谷效应，大大减弱基于热红外遥感数据反演得到的地表温度在地热异常区预测工作中的提取精度与应用效果。同时只利用热红外遥感会忽略其他地热异常诱发因子对地热高温现象的影响与贡献，无法有效反映地热高温异常出现的综合性与复杂性。


技术实现要素：

4.本发明提供一种地热高温异常区域预测方法、装置、设备及可读存储介质，用以解决现有地热高温异常预测不准确的技术问题。
5.本发明提供一种地热高温异常区域预测方法，包括：
6.获取待预测区域对应的大气参数和归一化指数，根据所述大气参数反演得到地表温度；
7.根据所述待预测区域、所述大气参数、所述归一化指数及随机森林算法，构建地表温度模拟模型，确定所述地表温度模拟模型对应的校正地表温度；
8.根据包含所述校正地表温度的高温异常诱发因子，确定所述待预测区域的高温异常预测结果。
9.根据本发明提供的一种地热高温异常区域预测方法，大气参数包括地表发射率、大气透过率及大气平均温度；所述获取待预测区域对应的大气参数的步骤包括：
10.获取待预测区域对应的混合像元植被比例、植被温度比率、裸土温度比率、发射率变化量、预设发射率、大气模式、大气水汽含量及近地表气温；
11.根据所述混合像元植被比例、植被温度比率、裸土温度比率、发射率变化量及预设发射率，确定所述地表发射率；
12.根据所述大气模式和所述大气水汽含量确定所述大气透过率；
13.根据所述大气模式和所述近地表气温确定所述大气平均温度。
14.根据本发明提供的一种地热高温异常区域预测方法，所述根据所述大气参数反演得到地表温度的步骤包括：
15.根据所述大气透过率和所述地表发射率确定中间变量；
16.根据所述中间变量、所述大气平均温度、预设亮度温度及预设回归系数，反演得到地表温度。
17.根据本发明提供的一种地热高温异常区域预测方法，所述根据所述待预测区域、所述大气参数、所述归一化指数及随机森林算法，构建地表温度模拟模型的步骤包括：
18.获取所述待预测区域对应的标准矢量、太阳天顶角、太阳直接辐射、天空散射辐射、周围反射辐射及海拔高程；
19.根据所述标准矢量，确定所述待预测区域的坡度和坡向；
20.根据所述坡度、预设经验系数、所述太阳天顶角和所述地表发射率，确定校正地表发射率；
21.根据所述太阳直接辐射、所述天空散射辐射及所述周围反射辐射，确定累计太阳辐射；
22.根据所述海拔高程、所述坡度、所述坡向、所述校正地表发射率、所述累计太阳辐射、所述归一化指数以及随机森林算法，构建地表温度模拟模型。
23.根据本发明提供的一种地热高温异常区域预测方法，所述根据包含所述校正地表温度的高温异常诱发因子，确定所述待预测区域的高温异常预测结果的步骤包括：
24.根据各高温异常诱发因子对应的条件概率、先验概率、分段贡献值及分段级别，确定各所述高温异常诱发因子的确定性系数和相对贡献值；
25.根据所述确定性系数和所述相对贡献值，确定所述待预测区域的高温异常预测结果。
26.根据本发明提供的一种地热高温异常区域预测方法，归一化指数包括归一化水体指数、归一化植被指数及归一化积雪指数，所述获取待预测区域对应的归一化指数的步骤包括：
27.获取待预测区域对应的绿光波段地表反射率、红光波段地表反射率、近红外波段地表反射率及短波红外波段地表反射率；
28.根据所述绿光波段地表反射率和所述近红外波段地表反射率，确定所述归一化水体指数；
29.根据所述红光波段地表反射率和所述近红外波段地表反射率，确定所述归一化植被指数；
30.根据所述绿光波段地表反射率和所述短波红外波段地表反射率，确定所述归一化积雪指数。
31.本发明还提供一种地热高温异常区域预测装置，包括：
32.地表温度反演模块，用于获取待预测区域对应的大气参数和归一化指数，根据所述大气参数反演得到地表温度；
33.地表温度校正模块，用于根据所述待预测区域、所述大气参数、所述归一化指数及随机森林算法，构建地表温度模拟模型，确定所述地表温度模拟模型对应的校正地表温度；
34.高温异常预测模块，用于根据包含所述校正地表温度的高温异常诱发因子，确定所述待预测区域的高温异常预测结果。
35.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述地热高温异常
区域预测方法。
36.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述地热高温异常区域预测方法。
37.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述地热高温异常区域预测方法。
38.本发明提供的地热高温异常区域预测方法、装置、设备及可读存储介质，通过获取待预测区域对应的大气参数和归一化指数，根据待预测区域对应的大气参数进行反演得到地表温度，然后根据待预测区域、大气参数、归一化指数及随机森林算法，构建地表温度模拟模型，确定地表温度模拟模型对应的校正地表温度，最后根据包含校正地表温度的高温异常诱发因子，确定待预测区域的高温异常预测结果，解决了现有地热高温异常预测不准确的技术问题。
附图说明
39.为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
40.图1是本发明提供的地热高温异常区域预测方法的流程示意图之一；
41.图2是本发明提供的地热高温异常区域预测方法的流程示意图之二；
42.图3是本发明提供的地热高温异常区域预测装置的结构示意图；
43.图4是本发明提供的电子设备的结构示意图。
具体实施方式
44.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
45.下面结合图1-图2描述本发明的地热高温异常区域预测方法。
46.请参照图1，本发明提供一种地热高温异常区域预测方法，包括：
47.步骤100，获取待预测区域对应的大气参数和归一化指数，根据所述大气参数反演得到地表温度；
48.具体地，首先获取待预测区域对应的大气参数和归一化指数，其中，大气参数包括地表发射率ε、大气透过率τ及大气平均温度ta，归一化指数包括归一化水体指数ndwi、归一化植被指数ndvi及归一化积雪指数ndsi，其中，通过公式一计算地表发射率，公式一中pv是混合像元中植被所占的比例，rv是植被的温度比率，rs是裸土的温度比率，d
ε
是由植被和裸土的热辐射相互作用引起的发射率变化，εv是植被的发射率，εs是裸土的发射率，εv＝0.98672，εs＝0.96767；大气透过率和大气模式及大气水汽含量之间的关系如表1所示；大气平均温度与大气模式及近地表气温t0之间的关系如表2所示。
49.ε＝pvrvεv (1-pv)rsεs d
ε
ꢀꢀꢀ
公式一
[0050][0051][0052][0053]
c＝τε
ꢀꢀꢀ
公式五
[0054]
d＝(1-τ)[1 (1-ε)τ]
ꢀꢀꢀ
公式六
[0055][0056][0057]
表1
[0058]
大气模式关系方程热带ta＝17.9769 0.9172t0中纬度夏季ta＝16.0110 0.9262t0中纬度冬季ta＝19.2704 0.9112t0[0059]
表2
[0060]
通过公式二、公式三及公式四分别计算得到归一化水体指数ndwi、归一化植被指数ndvi及归一化积雪指数ndsi，其中，green、red、nir和swir分别表示绿光波段的地表反射率、红光波段的地表反射率、近红外波段的地表反射率及短波红外波段的地表反射率。
[0061]
然后根据公式五和公式六计算中间变量c和d，其中，τ为大气透过率，ε是地表发射率，根据上述大气参数及公式七反演得到地表温度t，其中，ta为大气平均温度，tb为亮度温度，a和b为回归系数，a＝-62.7182，b＝0.4339。
[0062]
步骤200，根据所述待预测区域、所述大气参数、所述归一化指数及随机森林算法，构建地表温度模拟模型，确定所述地表温度模拟模型对应的校正地表温度；
[0063]
具体地，构建地表温度模拟模型的过程：首先，计算坡度s和坡向a等地表温度影响因子，根据公式八和公式九分别计算坡度s和坡向a，其中，(n
x
,ny,nz)为待预测区域对应的每个网格单元的标准矢量。
[0064]
然后，根据公式十对经过辐射定标、大气校正和宽波段转换的地表反照率进行地形校正，得到校正后的地表发射率，其中，αi为校正前的地表发射率，zs为太阳天顶角，c为经验系数，θ为坡面入射角。
[0065]
其次，将待预测区域对应的太阳直接辐射ib、天空散射辐射id及周围反射辐射ir相加得到累计太阳辐射，根据公式十一和公式十二计算得到太阳直接辐射，其中，e0为太阳常数(1367w/m2)，dr为日地距离修正系数，doy为年积日，τb为直接大气透过率，θ为实际太阳入射角。根据公式十三，公式十四及公式十五计算得到天空散射辐射，其中，i
d,flat
为平坦地形下的天空散射辐射，τd为散射辐射透过率，svf为天空可视因子，hi是将半球空间划分为n等份，计算出每一等份中沿光线在水平面投影方向上任一坡元与起点坡元所构成的高度角所找到的最大高度角。根据公式十六和公式十七计算得到周围反射辐射，其中，c
t
表示与地形结构有关的参数，它包括坡元与周围可视坡元间的各向异性特性和几何效应，s为坡度，ρ为周围邻近像元反照率的平均值。
[0066][0067][0068][0069]
ib＝e0×dr
×
τb×
cosθ
ꢀꢀꢀ
公式十一
[0070][0071]
id＝i
d,flat
×
svf
ꢀꢀꢀ
公式十三
[0072]id,flat
＝e0×dr
×
τd×
coszsꢀꢀꢀ
公式十四
[0073][0074][0075]
ir＝ρ
×ct
×
(ib id)
ꢀꢀꢀ
公式十七
[0076]
t
rf
＝f(elv,s,a,i,ndwi,ndvi,ndsi,α
′
)
ꢀꢀꢀ
公式十八
[0077]
tc＝f(i,ndwi,ndvi,ndsi,α
′
)
ꢀꢀꢀ
公式十九
[0078]
最后，利用随机森林算法构建地表温度模拟模型，如公式十八所示，其中，t
rf
为模拟的地表温度值，f是一个随机森林算法构建的非线性函数模型，i为累积太阳辐射，elv为海拔高程，α
′
为地表反照率，ndwi为归一化水体指数、ndvi为归一化植被指数，ndsi为归一化积雪指数；进一步地，利用随机森林算法构建的地表温度模拟模型，去除导致地表温度地形效应产生的地形因子，可获得经过地形校正的地表温度值，如上述公式十九所示，其中，tc为校正后的地表温度值。
[0079]
步骤300，根据包含所述校正地表温度的高温异常诱发因子，确定所述待预测区域的高温异常预测结果。
[0080]
具体地，获取地热高温异常诱发因子包括如下步骤：(1)选定温泉点数据为模型训
练点；(2)选定校正后的地表温度、断裂密度、到水系距离与地磁异常作为地热高温异常诱发因素指标(3)使用自然断点法将校正后的地表温度、断裂密度及地磁异常划分为多个等级。然后，构建地热高温异常区预测模型包括如下步骤：根据公式二十计算每个诱发因子的确定性系数值，其中，k
cf
为确定性系数；pa为影响因子分级图层内存在地热异常的条件概率，此处为分级内温泉点数目与分级内栅格数目之比；ps为地热异常发生的先验概率，此处为预测区域内存在温泉点的单元数与预测区评价单元总数之比。
[0081][0082][0083]
根据公式二十一计算各因子权重ω，其中，ω为某诱发因子的相对贡献值，zi表示某因子的确定性系数分段贡献值，i为确定性系数的分段级别。将确定性系数k
cf
与因子权重ω相乘得到各因子地热异常预测值，使用自然断点法将各因子的预测值进行分级，共分为4个等级，依据预测值从高至低的顺序依次分为：高异常区、中异常区、低异常区与无异常区，最终获得地热高温异常区的预测结果。
[0084]
本实施例通过获取待预测区域对应的大气参数和归一化指数，根据待预测区域对应的大气参数进行反演得到地表温度，然后根据待预测区域、大气参数、归一化指数及随机森林算法，构建地表温度模拟模型，确定地表温度模拟模型对应的校正地表温度，最后根据包含校正地表温度的高温异常诱发因子，确定待预测区域的高温异常预测结果，解决了现有地热高温异常预测不准确的技术问题。
[0085]
在一个实施例中，本技术实施例提供的地热高温异常区域预测方法，还可以包括：
[0086]
步骤110，获取待预测区域对应的混合像元植被比例、植被温度比率、裸土温度比率、发射率变化量、预设发射率、大气模式、大气水汽含量及近地表气温；
[0087]
步骤120，根据所述混合像元植被比例、植被温度比率、裸土温度比率、发射率变化量及预设发射率，确定所述地表发射率；
[0088]
步骤130，根据所述大气模式和所述大气水汽含量确定所述大气透过率；
[0089]
步骤140，根据所述大气模式和所述近地表气温确定所述大气平均温度。
[0090]
具体地，获取待预测区域对应的大气参数，其中，大气参数包括地表发射率ε、大气透过率τ及大气平均温度ta，通过公式一计算地表发射率ε，公式一中pv是混合像元中植被所占的比例(即本实施例中的混合像元植被比例)，rv是植被的温度比率(即本实施例中的植被温度比率)，rs是裸土的温度比率(即本实施例中的裸土温度比率)，d
ε
是由植被和裸土的热辐射相互作用引起的发射率变化(即本实施例中的发射率变化量)，εv和εs分别是植被的发射率和裸土的发射率(即本实施例中的预设发射率)，εv＝0.98672，εs＝0.96767；根据表1中的大气模式和大气水汽含量确定大气参数中的大气透过率；根据表2中的大气模式和近地表气温确定大气参数中的大气平均温度。
[0091]
本实施例通过获取待预测区域对应的各种数据求取大气参数。
[0092]
在一个实施例中，本技术实施例提供的地热高温异常区域预测方法，还可以包括：
[0093]
步骤191，根据所述大气透过率和所述地表发射率确定中间变量；
[0094]
步骤192，根据所述中间变量、所述大气平均温度、预设亮度温度及预设回归系数，反演得到地表温度。
[0095]
具体地，根据上述公式五和公式六确定中间变量c和d，其中，τ为大气透过率，ε是地表发射率，根据上述大气参数及公式七反演得到地表温度t，其中，ta为大气平均温度，tb为亮度温度，a和b为回归系数，a＝-62.7182，b＝0.4339。
[0096]
本实施例通过大气透过率、地表发射率和大气平均温度等数据反演得到地表温度。
[0097]
在一个实施例中，本技术实施例提供的地热高温异常区域预测方法，还可以包括：
[0098]
步骤210，获取所述待预测区域对应的标准矢量、太阳天顶角、太阳直接辐射、天空散射辐射、周围反射辐射及海拔高程；
[0099]
步骤220，根据所述标准矢量，确定所述待预测区域的坡度和坡向；
[0100]
步骤230，根据所述坡度、预设经验系数、所述太阳天顶角和所述地表发射率，确定校正地表发射率；
[0101]
步骤240，根据所述太阳直接辐射、所述天空散射辐射及所述周围反射辐射，确定累计太阳辐射；
[0102]
步骤250，根据所述海拔高程、所述坡度、所述坡向、所述校正地表发射率、所述累计太阳辐射、所述归一化指数以及随机森林算法，构建地表温度模拟模型。
[0103]
具体地，首先，根据公式八和公式九分别计算坡度s和坡向a，其中，(n
x
,ny,nz)为待预测区域对应的每个网格单元的标准矢量(即本实施例中的标准矢量)。
[0104]
然后，根据公式十对经过辐射定标、大气校正和宽波段转换的地表反照率进行地形校正，得到校正后的地表发射率(即本实施例中的校正地表发射率)，其中，αi为校正前的地表发射率，zs为太阳天顶角，c为经验系数(即本实施例中的预设经验系数)，θ为坡面入射角。
[0105]
其次，将待预测区域对应的太阳直接辐射ib、天空散射辐射id及周围反射辐射ir相加得到累计太阳辐射，根据公式十一和公式十二计算得到太阳直接辐射，其中，e0为太阳常数，dr为日地距离修正系数，doy为年积日，τb为直接大气透过率，θ为实际太阳入射角。根据公式十三，公式十四及公式十五计算得到天空散射辐射，其中，i
d,flat
为平坦地形下的天空散射辐射，τd为散射辐射透过率，svf为天空可视因子，hi是将半球空间划分为n等份，计算出每一等份中沿光线在水平面投影方向上任一坡元与起点坡元所构成的高度角所找到的最大高度角。根据公式十六和公式十七计算得到周围反射辐射，其中，c
t
表示与地形结构有关的参数，它包括坡元与周围可视坡元间的各向异性特性和几何效应，s为坡度，ρ为周围邻近像元反照率的平均值。
[0106]
最后，利用随机森林算法构建地表温度模拟模型，如公式十八所示，其中，t
rf
为模拟的地表温度值，f是一个随机森林算法构建的非线性函数模型，i为累积太阳辐射，elv为海拔高程，α
′
为地表反照率，ndwi为归一化水体指数、ndvi为归一化植被指数，ndsi为归一化积雪指数；进一步地，利用随机森林算法构建的地表温度模拟模型，去除导致地表温度地形效应产生的地形因子，可获得经过地形校正的地表温度值，如上述公式十九所示，其中，tc为校正后的地表温度值。
[0107]
本实施例通过待预测区域对应的各种数据构建地表温度模拟模型。
[0108]
在一个实施例中，本技术实施例提供的地热高温异常区域预测方法，还可以包括：
[0109]
步骤310，根据各高温异常诱发因子对应的条件概率、先验概率、分段贡献值及分段级别，确定各所述高温异常诱发因子的确定性系数和相对贡献值；
[0110]
步骤320，根据所述确定性系数和所述相对贡献值，确定所述待预测区域的高温异常预测结果。
[0111]
具体地，构建地热高温异常区预测模型包括如下步骤：根据公式二十计算每个诱发因子的确定性系数值，其中，k
cf
为确定性系数；pa为影响因子分级图层内存在地热异常的条件概率(即本实施例中的条件概率)，此处为分级内温泉点数目与分级内栅格数目之比；ps为地热异常发生的先验概率(即本实施例中的先验概率)，此处为预测区域内存在温泉点的单元数与预测区评价单元总数之比。
[0112]
根据公式二十一计算各因子权重ω，其中，ω为某诱发因子的相对贡献值，zi表示某因子的确定性系数的分段贡献值(即本实施例中的分段贡献值)，i为确定性系数的分段级别(即本实施例中的分段级别)。将确定性系数k
cf
与因子权重ω相乘得到各因子地热异常预测值，使用自然断点法将各因子的预测值进行分级，共分为4个等级，依据预测值从高至低的顺序依次分为：高异常区、中异常区、低异常区与无异常区，最终获得地热高温异常区的预测结果。
[0113]
本实施例通过高温异常诱发因子及其权重，确定待预测区域的高温异常预测结果。
[0114]
请参照图2，在一个实施例中，本技术实施例提供的地热高温异常区域预测方法，还可以包括：
[0115]
步骤150，获取待预测区域对应的绿光波段地表反射率、红光波段地表反射率、近红外波段地表反射率及短波红外波段地表反射率；
[0116]
步骤160，根据所述绿光波段地表反射率和所述近红外波段地表反射率，确定所述归一化水体指数；
[0117]
步骤170，根据所述红光波段地表反射率和所述近红外波段地表反射率，确定所述归一化植被指数；
[0118]
步骤180，根据所述绿光波段地表反射率和所述短波红外波段地表反射率，确定所述归一化积雪指数。
[0119]
具体地，通过公式二、公式三及公式四分别计算得到归一化水体指数ndwi、归一化植被指数ndvi及归一化积雪指数ndsi，其中，green、red、nir和swir分别表示绿光波段的地表反射率、红光波段的地表反射率、近红外波段的地表反射率及短波红外波段的地表反射率。
[0120]
本实施例通过各种波段的地表反射率确定归一化水体指数、归一化植被指数及归一化积雪指数。
[0121]
下面对本发明提供的地热高温异常区域预测装置进行描述，下文描述的地热高温异常区域预测装置与上文描述的地热高温异常区域预测方法可相互对应参照。
[0122]
请参照图3，本发明还提供一种地热高温异常区域预测装置，包括：
[0123]
地表温度反演模块301，用于获取待预测区域对应的大气参数和归一化指数，根据所述大气参数反演得到地表温度；
[0124]
地表温度校正模块302，用于根据所述待预测区域、所述大气参数、所述归一化指数及随机森林算法，构建地表温度模拟模型，确定所述地表温度模拟模型对应的校正地表温度；
[0125]
高温异常预测模块303，用于根据包含所述校正地表温度的高温异常诱发因子，确定所述待预测区域的高温异常预测结果。
[0126]
可选地，大气参数包括地表发射率、大气透过率及大气平均温度；所述地表温度反演模块包括：
[0127]
第一获取单元，用于获取待预测区域对应的混合像元植被比例、植被温度比率、裸土温度比率、发射率变化量、预设发射率、大气模式、大气水汽含量及近地表气温；
[0128]
地表发射率确定单元，用于根据所述混合像元植被比例、植被温度比率、裸土温度比率、发射率变化量及预设发射率，确定所述地表发射率；
[0129]
大气透过率确定单元，用于根据所述大气模式和所述大气水汽含量确定所述大气透过率；
[0130]
大气平均温度确定单元，用于根据所述大气模式和所述近地表气温确定所述大气平均温度。
[0131]
可选地，所述地表温度反演模块包括：
[0132]
中间变量确定单元，用于根据所述大气透过率和所述地表发射率确定中间变量；
[0133]
地表温度反演单元，用于根据所述中间变量、所述大气平均温度、预设亮度温度及预设回归系数，反演得到地表温度。
[0134]
可选地，所述地表温度校正模块包括：
[0135]
第二获取单元，用于获取所述待预测区域对应的标准矢量、太阳天顶角、太阳直接辐射、天空散射辐射、周围反射辐射及海拔高程；
[0136]
第一确定单元，用于根据所述标准矢量，确定所述待预测区域的坡度和坡向；
[0137]
校正地表发射率确定单元，用于根据所述坡度、预设经验系数、所述太阳天顶角和所述地表发射率，确定校正地表发射率；
[0138]
累计太阳辐射确定单元，用于根据所述太阳直接辐射、所述天空散射辐射及所述周围反射辐射，确定累计太阳辐射；
[0139]
地表温度模拟模型构建单元，用于根据所述海拔高程、所述坡度、所述坡向、所述校正地表发射率、所述累计太阳辐射、所述归一化指数以及随机森林算法，构建地表温度模拟模型。
[0140]
可选地，所述高温异常预测模块包括：
[0141]
第二确定单元，用于根据各高温异常诱发因子对应的条件概率、先验概率、分段贡献值及分段级别，确定各所述高温异常诱发因子的确定性系数和相对贡献值；
[0142]
高温异常预测结果确定单元，用于根据所述确定性系数和所述相对贡献值，确定所述待预测区域的高温异常预测结果。
[0143]
可选地，归一化指数包括归一化水体指数、归一化植被指数及归一化积雪指数，所述地表温度反演模块包括：
[0144]
第三获取单元，用于获取待预测区域对应的绿光波段地表反射率、红光波段地表反射率、近红外波段地表反射率及短波红外波段地表反射率；
[0145]
归一化水体指数确定单元，用于根据所述绿光波段地表反射率和所述近红外波段地表反射率，确定所述归一化水体指数；
[0146]
归一化植被指数确定单元，用于根据所述红光波段地表反射率和所述近红外波段地表反射率，确定所述归一化植被指数；
[0147]
归一化积雪指数确定单元，用于根据所述绿光波段地表反射率和所述短波红外波段地表反射率，确定所述归一化积雪指数。
[0148]
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communications interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行地热高温异常区域预测方法。
[0149]
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0150]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的地热高温异常区域预测方法。
[0151]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的地热高温异常区域预测方法。
[0152]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0153]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0154]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和
范围。