謝 庭1a,1b,1c，陳 忠1a,1b,1c，李志平2，張寧新1a,1b,1c，郭莉莉1a,1b,1c

(1.華中科技大學(xué) a.自動(dòng)化學(xué)院；b.多譜信息處理技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室；c.圖像信息處理與智能控制教育部重點(diǎn)實(shí)驗(yàn)室，武漢 430074；2.大港油田集團(tuán)通信公司，天津 300280)

1 概述

到目前為止，地震預(yù)報(bào)，尤其是短臨地震預(yù)報(bào)，是一個(gè)世界性難題。地震預(yù)報(bào)必須同時(shí)包括時(shí)間、地點(diǎn)和強(qiáng)度。由于地震情況復(fù)雜，有些地震能預(yù)報(bào)，有些則無(wú)法預(yù)報(bào)，現(xiàn)在全球預(yù)報(bào)地震的準(zhǔn)確率只有20%多。然而地震是極具破壞性的自然災(zāi)害，給人類(lèi)帶來(lái)了巨大的物質(zhì)和精神損失，因此探索和發(fā)現(xiàn)預(yù)報(bào)地震的新方法、新途徑，在防震減災(zāi)方面具有十分深遠(yuǎn)的意義。

隨著高新技術(shù)的不斷發(fā)展，衛(wèi)星熱紅外遙感為地震預(yù)測(cè)預(yù)報(bào)提供了新的方法和手段。早在1971年，我國(guó)著名地震學(xué)家傅承義提出紅腫學(xué)說(shuō)，為后來(lái)利用衛(wèi)星遙感、監(jiān)測(cè)地表與低空大氣的異常增溫預(yù)報(bào)地震奠定了理論基礎(chǔ)[1]。1988年，前蘇聯(lián)科學(xué)家Gorny、Salman和Tronin在研究中亞以及東地中海地區(qū)的地震時(shí)就發(fā)現(xiàn)在中強(qiáng)地震震前，震區(qū)及其周邊區(qū)域?qū)?yīng)的衛(wèi)星紅外圖像上存在熱紅外異常[2]。意識(shí)到這一發(fā)現(xiàn)的重要性，我國(guó)一大批學(xué)者投入到了衛(wèi)星熱紅外異常預(yù)測(cè)地震的研究中。例如，強(qiáng)祖基、賃常恭等利用衛(wèi)星遙感熱紅外圖像，經(jīng)過(guò)多年對(duì)震前熱紅外異常進(jìn)行分析和研究，取得了顯著的地震預(yù)報(bào)成果[3-5]；徐秀登、徐向民通過(guò)分析反生在中國(guó)及相鄰地區(qū)的40多次地震的熱紅外圖像，總結(jié)了衛(wèi)星紅外臨震異常的基本特征[6-7]；劉德富等研究了地球長(zhǎng)波輻射時(shí)空變化，結(jié)果表明在地震發(fā)生前的震區(qū)呈現(xiàn)出比周?chē)鷧^(qū)域更顯著的輻射增強(qiáng)變化特征[8]。還有其他很多學(xué)者也參與到了衛(wèi)星熱紅外異常預(yù)測(cè)地震的研究中，并取得了一定的成果。在上述傳統(tǒng)方法研究過(guò)程中，紅外異常均由人眼識(shí)別或手工計(jì)算得出，而當(dāng)今時(shí)代人工智能發(fā)展日趨成熟，利用圖像識(shí)別技術(shù)提取紅外異常是這一研究領(lǐng)域發(fā)展的必然趨勢(shì)。

本文提出一種基于圖像識(shí)別熱紅外遙感異常數(shù)據(jù)的自動(dòng)地震預(yù)測(cè)方法。不僅為基于熱紅外遙感數(shù)據(jù)的地震預(yù)測(cè)研究領(lǐng)域打開(kāi)了人工智能的大門(mén)，而且實(shí)現(xiàn)國(guó)產(chǎn)風(fēng)云2號(hào)氣象衛(wèi)星數(shù)據(jù)在地震預(yù)測(cè)中的應(yīng)用。傳統(tǒng)方法使用的熱紅外數(shù)據(jù)取自國(guó)美NOAA衛(wèi)星或日本MTSAT衛(wèi)星，而本文方法使用國(guó)產(chǎn)風(fēng)云2號(hào)氣象衛(wèi)星(FY_2C)1通道分區(qū)圖。該圖一般應(yīng)用于天氣預(yù)報(bào)，也是首次將其應(yīng)用于地震預(yù)測(cè)預(yù)報(bào)中。

2 震象云地震預(yù)測(cè)原理及圖像識(shí)別方法描述

2.1 震象云地震預(yù)測(cè)原理

通過(guò)對(duì)衛(wèi)星云圖的觀察，發(fā)現(xiàn)地震前震中上方的衛(wèi)星紅外云圖會(huì)出現(xiàn)增溫型特殊云團(tuán)和降溫型特殊云團(tuán)，一般接近發(fā)震時(shí)間時(shí)出現(xiàn)較頻繁，稱(chēng)這種特殊云團(tuán)為震象云。

震象云是地震前震區(qū)上空出現(xiàn)增溫和降溫異常的特殊云跡。圖1所示是在汶川地震震前成都上空出現(xiàn)的震象云。

圖1 汶川地震震前汶川附近出現(xiàn)的震象云

震象云與氣象中的云團(tuán)是有差別的，震象云一般位于對(duì)流層頂，與周?chē)鷼庀笤茍F(tuán)有溫度差異，有一定的紋理特征，并且這些震象云移動(dòng)速度要遠(yuǎn)小于周?chē)鷼庀笤茍F(tuán)的移動(dòng)速度，且接近發(fā)震時(shí)間時(shí)出現(xiàn)較為頻繁。因此，可以綜合震象云的顏色、紋理以及浮現(xiàn)頻率來(lái)預(yù)測(cè)地震。

2.2 圖像識(shí)別方法描述

從紅外云圖中觀察到增溫型震象云浮現(xiàn)頻率相對(duì)較為頻繁，顏色、紋理特征較降溫型震象云更為突出，因此，本文針對(duì)增溫型震象云進(jìn)行自動(dòng)檢測(cè)和識(shí)別。

紅外云圖中增溫型的震象云表現(xiàn)為在高層云中出現(xiàn)中、低層云，灰度級(jí)集中出現(xiàn)在110～145之間，云團(tuán)大小在一定的范圍變化，形狀不確定，有一定模式的紋理特征，而且震象云是在地震地點(diǎn)上空附近浮動(dòng)，可以根據(jù)以上特征對(duì)其進(jìn)行目標(biāo)識(shí)別和跟蹤。針對(duì)震象云的以上特點(diǎn)，對(duì)其采取了以下方案進(jìn)行處理。首先對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)處理，拉伸震象云所在目標(biāo)灰度區(qū)段的灰度級(jí)，壓縮非目標(biāo)灰度區(qū)段的灰度級(jí)；利用灰度共生矩陣對(duì)熱紅外數(shù)據(jù)進(jìn)行紋理特征提取，使用BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練目標(biāo)神經(jīng)網(wǎng)絡(luò)，將紋理特征輸入目標(biāo)神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別，提取疑似目標(biāo)；根據(jù)目標(biāo)的大小范圍濾掉非目標(biāo)；對(duì)剩下的疑似目標(biāo)進(jìn)行跟蹤，依據(jù)其浮現(xiàn)頻率精確定位目標(biāo)，提取得到震象云。主要分為4個(gè)階段：(1)預(yù)處理階段；(2)目標(biāo)識(shí)別階段；(3)目標(biāo)過(guò)濾階段；(4)目標(biāo)跟蹤階段。處理流程如圖2所示。

圖2 震象云提取整體流程

2.2.1 預(yù)處理

根據(jù)觀測(cè)，增溫型震象云主要位于是中層云區(qū)段，在紅外云圖中灰度級(jí)集中于110～145之間。為了在后續(xù)流程中能夠充分提取增溫型震象云的紋理特征，必須擴(kuò)大中層云灰度級(jí)的浮動(dòng)范圍。因此，要壓縮低層云和高層云，拉伸中層云。本文采用分段線(xiàn)性拉伸方法增強(qiáng)震象云區(qū)域?qū)Ρ榷?，采用的公式如下所示?/p>

其中，r是輸入灰度級(jí)；s為輸出灰度級(jí)。

2.2.2 目標(biāo)識(shí)別

由于BP網(wǎng)絡(luò)能學(xué)習(xí)和存儲(chǔ)大量的輸入-輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程，并且具有相當(dāng)長(zhǎng)的研究歷史，發(fā)展成熟。因此，本文利用BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練目標(biāo)網(wǎng)絡(luò)，進(jìn)行目標(biāo)識(shí)別。

識(shí)別過(guò)程為：對(duì)某一像素點(diǎn)的n×n鄰域進(jìn)行紋理特征提取，將特征向量輸入到目標(biāo)神經(jīng)網(wǎng)絡(luò)中進(jìn)行識(shí)別，輸出該像素點(diǎn)的特性判別值，若特性判別值落在接受域(ac1,ac2)之中，則斷定為疑似目標(biāo)點(diǎn)(由于震象云的紋理特征不具備100%的識(shí)別力，因此用其特征進(jìn)行區(qū)別時(shí)，會(huì)將一些非震象云區(qū)域的像素點(diǎn)也包含進(jìn)來(lái))，否則為非目標(biāo)點(diǎn)。經(jīng)實(shí)驗(yàn)表明，鄰域n×n中取n=51時(shí)較好，因?yàn)槿訒r(shí)，發(fā)現(xiàn)在51× 51正方形區(qū)域內(nèi)可以較好地包含震象云，這樣可以盡量獲取震象云的紋理特征。

此過(guò)程的算法流程如下：

Step1特征提取。掃描以某一像素點(diǎn)為中心51× 51鄰域，統(tǒng)計(jì)目標(biāo)灰度級(jí)區(qū)段(拉伸前是110～145，拉伸后是55～200)0°、45°、90°、135°等4 個(gè)方向上的灰度共生矩陣，然后分別計(jì)算每個(gè)矩陣的對(duì)比度、相關(guān)性、能量和同質(zhì)性這4個(gè)特性的值。這樣將獲得16個(gè)紋理特征值組成的特征向量。主要計(jì)算公式如下：

上述公式中用到的頻度 p(i,j/d,θ) 、期望(ux,uy)、方差(σx,σy)等計(jì)算公式及各元素含義可參考文獻(xiàn)[9-10]。

Step2獲取目標(biāo)神經(jīng)網(wǎng)絡(luò)：應(yīng)用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型訓(xùn)練目標(biāo)網(wǎng)絡(luò)。輸入為震象云和非震象云的特征向量，特征向量按照Step1進(jìn)行計(jì)算。期望輸出為特性判別值，震象云的為1.0，非震象云的為–1.0。按照BP神經(jīng)網(wǎng)絡(luò)模型理論[11-12]，設(shè)置訓(xùn)練模型的相關(guān)參數(shù)，進(jìn)行訓(xùn)練，最終輸出目標(biāo)神經(jīng)網(wǎng)絡(luò)。

Step3利用目標(biāo)神經(jīng)網(wǎng)絡(luò)對(duì)輸入圖像進(jìn)行目標(biāo)識(shí)別和分類(lèi)。掃描圖片，對(duì)于灰度級(jí)落在目標(biāo)灰度區(qū)域內(nèi)的像素點(diǎn)統(tǒng)計(jì)其鄰域紋理特征，輸入到目標(biāo)神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別，并且將特性判別值落在接受域內(nèi)的標(biāo)記為疑似目標(biāo)點(diǎn)，否則標(biāo)記為非目標(biāo)點(diǎn)；對(duì)于落在目標(biāo)灰度區(qū)域之外的像素點(diǎn)，直接標(biāo)記為非目標(biāo)點(diǎn)，不需要進(jìn)行識(shí)別。

同一片震象云中的像素點(diǎn)雖然紋理是相似的，但并非一模一樣，因此，計(jì)算出的特征向量會(huì)有差異，通過(guò)神經(jīng)網(wǎng)絡(luò)映射后的特性判別值不一定會(huì)與正樣本的特性判別值相等，而是會(huì)在其值附近波動(dòng)。上文實(shí)驗(yàn)規(guī)定震象云樣本的特性判別值為1.0，實(shí)驗(yàn)驗(yàn)證目標(biāo)神經(jīng)網(wǎng)絡(luò)輸出值接受域?yàn)?ac1,a c2)=(0.5,1.2)較好，這樣可以完整包含震象云區(qū)域的像素點(diǎn)。

2.2.3 目標(biāo)過(guò)濾

對(duì)整張圖片的每個(gè)像素點(diǎn)進(jìn)行處理之后，疑似目標(biāo)點(diǎn)會(huì)聚積形成疑似目標(biāo)區(qū)域。目標(biāo)過(guò)濾就是過(guò)濾掉疑似目標(biāo)區(qū)域中過(guò)大或過(guò)小的區(qū)域，其中過(guò)大的區(qū)域是背景的云層圖像，過(guò)小的區(qū)域是圖像中的噪聲或云團(tuán)運(yùn)動(dòng)過(guò)程中拉伸出來(lái)的小空洞。具體實(shí)現(xiàn)為：統(tǒng)計(jì)每個(gè)8連通疑似目標(biāo)區(qū)域的像素點(diǎn)個(gè)數(shù)Area(即面積)，若Area的取值落在接受域(a c3,a c4)之外，則標(biāo)記為非目標(biāo)塊，過(guò)濾掉；否則保留疑似目標(biāo)。實(shí)驗(yàn)證明，疑似目標(biāo)塊面積Area接受域取值為(a c3,a c4)=(250,1 2 50)較為理想，既可以濾掉大的背景云團(tuán)，又可濾掉小的噪聲或空洞。

2.2.4 目標(biāo)跟蹤

目標(biāo)跟蹤是對(duì)多張圖片的疑似目標(biāo)塊進(jìn)行處理的操作，分為目標(biāo)標(biāo)準(zhǔn)化和跟蹤統(tǒng)計(jì)2個(gè)步驟：

(1)目標(biāo)標(biāo)準(zhǔn)化：掃描每一個(gè)目標(biāo)過(guò)濾剩下的疑似目標(biāo)塊，計(jì)算其幾何中心(即點(diǎn)集在水平和豎直方向上的平均值)和半徑radious(公式為radious=)，即用圓形擬合跟蹤區(qū)域)。

(2)跟蹤統(tǒng)計(jì)：這個(gè)步驟需要建立疑似目標(biāo)集，對(duì)每個(gè)出現(xiàn)出新的疑似目標(biāo)進(jìn)行判斷是否屬于已經(jīng)存在的目標(biāo)集。判斷依據(jù)：如果疑似目標(biāo)中心點(diǎn)和集合中心點(diǎn)的距離不超過(guò)前集合半徑和疑似目標(biāo)半徑中的最大值，則該疑似目標(biāo)屬于該集合。如果屬于某一個(gè)目標(biāo)集，則將該疑似目標(biāo)作為新元素加入到該集合中，調(diào)整這個(gè)疑似目標(biāo)集的中心(即計(jì)算集合中所有元素中心的平均值)和半徑(取當(dāng)前集合半徑和加入元素半徑中的最大值)；如果不屬于任何一個(gè)已存在的集合，則新建一個(gè)集合，將該疑似目標(biāo)加入進(jìn)去，將集合的中心和半徑初始化為疑似目標(biāo)的中心和半徑。

當(dāng)集合中的元素(疑似目標(biāo))個(gè)數(shù)超過(guò)一定的閾值5時(shí)，可以報(bào)告這個(gè)范圍出現(xiàn)的疑似目標(biāo)為目標(biāo)，根據(jù)目標(biāo)出現(xiàn)的周期長(zhǎng)短，預(yù)測(cè)地震的發(fā)生；否則，繼續(xù)跟蹤，若出現(xiàn)次數(shù)太少(如只有一兩次)且長(zhǎng)期未出現(xiàn)，則可以刪除這個(gè)集合。這是因?yàn)槟繕?biāo)(增溫型震象云)區(qū)域所對(duì)應(yīng)的地面斷斷續(xù)續(xù)釋放能量，為其加熱，故其位置可以保留；而非目標(biāo)區(qū)域?yàn)楦邔釉七\(yùn)動(dòng)時(shí)云團(tuán)內(nèi)部速度不一致，導(dǎo)致撕裂偶然形成的，沒(méi)有能源支撐，故其不能保留。

3 實(shí)驗(yàn)及結(jié)果分析

3.1 實(shí)驗(yàn)

本文以汶川地震為例進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)對(duì)象為風(fēng)云2C衛(wèi)星的長(zhǎng)波紅外1通道云圖，云圖格式為.AWX，波長(zhǎng)范圍為10.3～11.3。

以FY2C_ANI_IR1_R01_20071014_0800為例說(shuō)明單張圖片處理過(guò)程，該圖像大小為1200×1200。首先根據(jù)云圖格式[13]讀入圖像數(shù)據(jù)，進(jìn)行預(yù)處理，提取特征輸入到目標(biāo)神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別。

圖3為長(zhǎng)波紅外云圖的原始數(shù)據(jù)所呈現(xiàn)的圖像。圖4為灰度經(jīng)過(guò)式(1)分段線(xiàn)性拉伸處理之后的圖像，從這幅圖像中可以明顯地看到在圖像中央的白色云團(tuán)中有一個(gè)長(zhǎng)條形的孤立灰黑色的云斑，這個(gè)云斑就是震象云，即圖1中所標(biāo)識(shí)區(qū)域。圖5為經(jīng)過(guò)目標(biāo)神經(jīng)網(wǎng)絡(luò)識(shí)別后留下的疑似目標(biāo)所形成的圖像，從圖像中可以看出圖4中的震象云區(qū)域得到完整的保留，其中白色點(diǎn)集表示疑似目標(biāo)。圖6是對(duì)圖5進(jìn)行目標(biāo)過(guò)濾之后剩下的疑似目標(biāo)所形成的圖像。從這一系列圖中看出，經(jīng)過(guò)一系列處理之后，疑似目標(biāo)區(qū)域只剩下少數(shù)幾個(gè)，為后續(xù)的跟蹤奠定了基礎(chǔ)。

圖3 長(zhǎng)波紅外原始圖像

圖4 灰度分段線(xiàn)性拉伸

圖5 目標(biāo)神經(jīng)網(wǎng)絡(luò)識(shí)別

圖6 目標(biāo)過(guò)濾輸出

目標(biāo)跟蹤：為了簡(jiǎn)化跟蹤，先將目標(biāo)標(biāo)準(zhǔn)化，再在標(biāo)準(zhǔn)化的目標(biāo)區(qū)域進(jìn)行跟蹤，統(tǒng)計(jì)同一區(qū)域疑似目標(biāo)出現(xiàn)的次數(shù)，最后輸出結(jié)果。圖7為圖6目標(biāo)標(biāo)準(zhǔn)化后的目標(biāo)分布圖，圖8為從2007年10月到2008年4月底跟蹤一系列晚間云圖所得到的疑似云目標(biāo)分布。

圖7 單張圖片的標(biāo)準(zhǔn)化目標(biāo)

圖8 多張圖片的標(biāo)準(zhǔn)化目標(biāo)

跟蹤晚間云圖的原因是晚間沒(méi)有陽(yáng)光輻射且人類(lèi)活動(dòng)也相對(duì)白天較少，能夠較好地反映地殼釋放能量對(duì)大氣增溫的影響，有利于震象云跟蹤的準(zhǔn)確性。圖9(a)是進(jìn)行疑似目標(biāo)跟蹤后，同一區(qū)域出現(xiàn)疑似目標(biāo)的次數(shù)和分布的示意圖，同一矩形區(qū)域內(nèi)的點(diǎn)表示該區(qū)域出現(xiàn)過(guò)的疑似目標(biāo)。當(dāng)目標(biāo)出現(xiàn)次數(shù)達(dá)到一定的值時(shí)，這些疑似目標(biāo)就很有可能是同一個(gè)地震帶活動(dòng)釋放能量所產(chǎn)生的震象云。圖9(b)為出現(xiàn)2次或2次以上疑似目標(biāo)區(qū)域的分布示意圖，圖9(c)為出現(xiàn)3次或3次以上疑似目標(biāo)區(qū)域的分布示意圖，圖9(d)為出現(xiàn)8次或8次以上疑似目標(biāo)區(qū)域的分布示意圖。

圖9 跟蹤結(jié)果

在實(shí)驗(yàn)中進(jìn)行目標(biāo)跟蹤后，得到同一區(qū)域疑似目標(biāo)出現(xiàn)次數(shù)與區(qū)域個(gè)數(shù)的關(guān)系如下：只出現(xiàn)疑似目標(biāo)1次的區(qū)域有84個(gè)，出現(xiàn)疑似目標(biāo)2次的區(qū)域有9個(gè)，出現(xiàn)疑似目標(biāo)8次的區(qū)域只有1個(gè)，沒(méi)有區(qū)域出現(xiàn)3次～7次疑似目標(biāo)。本實(shí)驗(yàn)最終結(jié)果是將出現(xiàn)8次的疑似目標(biāo)斷定為目標(biāo)，即將在同一區(qū)域出現(xiàn)的8次疑似目標(biāo)確定為震象云。這些震象云的幾何中心均包含在圖片中以(688,690)為中心，半徑是19單位像素的圓形區(qū)域內(nèi)。圖10為本實(shí)驗(yàn)最終跟蹤到的目標(biāo)，按照時(shí)間序列由遠(yuǎn)及近8次出現(xiàn)時(shí)的區(qū)域形態(tài)圖，即汶川地震震前的震象云所在區(qū)域圖。

圖10 汶川地震震前震象云出現(xiàn)區(qū)域

3.2 結(jié)果分析

根據(jù)各圖震象云出現(xiàn)的位置，結(jié)合當(dāng)時(shí)風(fēng)級(jí)、風(fēng)向?qū)φ鹣笤茙?lái)的偏移效果，將圖像坐標(biāo)轉(zhuǎn)化成地理坐標(biāo)，預(yù)測(cè)震中坐標(biāo)是北緯30.885°± 0.1°，東經(jīng)103.632°± 0.1°，而汶川地震震中是北緯30.986°，東經(jīng)103.364°，雖沒(méi)有精準(zhǔn)地與實(shí)際震中重合，但偏移范圍較小。

從實(shí)驗(yàn)結(jié)果看，汶川地震發(fā)生前，其上空至少出現(xiàn)了8次的增溫型震象云，第一次檢測(cè)到該區(qū)域的震象云是2007年10月14號(hào)(云圖名為FY2C_ANI_IR1_R01_20071014_0800)，最后一次是2008年4月13日(云圖名為FY2C_ANI_IR2_R01_20080413_1000)，距離地震發(fā)生時(shí)間5月12日是29天，屬于短期地震預(yù)測(cè)。

4 結(jié)束語(yǔ)

本文利用圖像識(shí)別技術(shù)提取震象云，實(shí)現(xiàn)了地震預(yù)測(cè)的自動(dòng)化，因?yàn)榛谡鹣笤频牡卣痤A(yù)測(cè)本身具有震中位置預(yù)測(cè)較準(zhǔn)確的特點(diǎn)，這就彌補(bǔ)了傳統(tǒng)熱紅外地震預(yù)測(cè)方法中的主要缺陷。

由于震象云形成過(guò)程非常復(fù)雜：圖像上的震象云云團(tuán)體現(xiàn)的是對(duì)應(yīng)位置對(duì)流層云頂?shù)臏囟确植?；這個(gè)溫度分布不僅與地殼活動(dòng)強(qiáng)烈和釋放的各物質(zhì)成分有關(guān)，還和當(dāng)時(shí)周?chē)拇髿鈮木秤嘘P(guān)。下一步的研究方向是單純從震象云的形態(tài)上準(zhǔn)確預(yù)測(cè)地震震級(jí)。

[1]傅承義.地球十講[M].北京:科學(xué)出版社,1976.

[2]Gorny V I,Salman A G,Tronin AA,et al.The Earth Outgoing IR Radiation as an Indicator of Seismic Activity[J].Proceedings of the USSR Academy of Sciences,1988,30(1):67-69.

[3]強(qiáng)祖基,孔令昌,王戈平,等.地球放氣，熱紅外異常與地震活動(dòng)[J].科學(xué)通報(bào),1992,37(24):2259-2262.

[4]強(qiáng)祖基,孔令昌,郭滿(mǎn)紅,等.衛(wèi)星熱紅外增溫機(jī)制的實(shí)驗(yàn)研究[J].地震學(xué)報(bào),1997,19(2):197-201.

[5]強(qiáng)祖基,賃常恭,李玲芝,等.衛(wèi)星熱紅外圖像亮溫異常-短臨震兆[J].中國(guó)科學(xué):D輯,1998,28(6):564-573.

[6]徐秀登,張行才,李貴達(dá).張北地震與大氣增溫異常[J].西北地震學(xué)報(bào),2000,22(1):44-47.

[7]徐秀登,徐向民.地震前紅外異常的基本特征與成因機(jī)制[J].西北地震學(xué)報(bào),2001,23(3):310-312.

[8]劉德富,康春麗.地球長(zhǎng)波輻射(OLR)遙感與重大自然災(zāi)害預(yù)測(cè)[J].地學(xué)前緣,2003,10(2):427-435.

[9]侯海苗,冀小平.基于灰度共生矩陣的紋理特征[J].長(zhǎng)治學(xué)院學(xué)報(bào),2008,25(5):31-32.

[10]寧順剛,白萬(wàn)民,喻 鈞.基于灰度共生矩陣的圖像分割方法研究[J].電子科技,2009,22(11):69-71.

[11]樊振宇.BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法[J].軟件導(dǎo)刊,2011,10(7):66-68.

[12]李秀珍,孔紀(jì)名,李朝鳳.基于Matlab的BP神經(jīng)網(wǎng)絡(luò)在泥石流危險(xiǎn)性評(píng)價(jià)中的應(yīng)用[J].工程勘察,2010,38(1):47-50.

[13]許健明,張文建,楊 軍,等.風(fēng)云二號(hào)衛(wèi)星業(yè)務(wù)產(chǎn)品與衛(wèi)星數(shù)據(jù)格式實(shí)用手冊(cè)[M].北京:氣象出版社,2008:229-232.