吳瑋瑩 單新建 屈春燕 李新艷

1)中國地震局地質研究所，地震動力學國家重點實驗室，北京 100029 2)寧夏回族自治區(qū)地震局，銀川 750001

0 引言

地震是造成財產損失和人員傷亡最為嚴重的自然災害之一。預測未來地震發(fā)生的時間、 空間、 強度信息是預防地震災害最為有效的手段(Mukhopadhyayetal.，2019)。隨著遙感技術的發(fā)展，大量利用熱紅外衛(wèi)星數據的地震異常研究表明： 地震前存在地表溫度(文翔等，2015； Ahamdetal.，2019； Khalilietal.，2019； Chenetal.，2020)、 長波輻射(Xiongetal.，2010； Kongetal.，2018； Zhongetal.，2020)等多種熱參數的異常變化現象，熱參數的時空分布特征對未來地震的震中、 發(fā)震斷層具有一定的指示作用。

由于熱參數受其他因素(如局部水熱條件、 季節(jié)、 氣候等)影響，其本身的變化具有周期性、 偶發(fā)性的特點。因此，采用合適的地震熱參數異常提取方法抑制其他因素對熱參數的影響、 突出地震因素的作用，對于地震熱參數異常變化研究是十分重要的。目前，ZS法(Z-score，也稱偏移指數法)和RST法(Robust Satellite Technology)是應用較為廣泛的地震熱參數異常提取方法(Filizzolaetal.，2004； Tramutolietal.，2005； Ouzounovetal.，2011； Genzanoetal.，2015； Khalilietal.，2019)。ZS法和RST法均利用衛(wèi)星多年觀測的熱參數值的平均值作為熱參數正常變化的期望值，以多年觀測值的標準差描述觀測值的可變性以構建背景場，以當前觀測值和背景場的差作為分母部分，多年的標準差作為分子部分，利用該比值定義熱參數變化。不同的是，RST法在構建背景場時，通過劃分地物覆蓋類型并求取不同地物類型的平均值，以降低地物覆蓋類型對最終結果的影響。ZS法和RST法都是基于統(tǒng)計分析的方法，原理清晰明確，操作較為簡便。

盡管大量研究成果表明地震前存在熱參數時空分布特征的異常變化，但由于不同地震的熱參數異常提取方法對同一參數提取的結果存在差異，使得熱參數異常的時空特征及其與地震活動的關聯(lián)受到質疑。因此，需要對不同地震熱參數異常提取方法的適用性和優(yōu)缺點進行比較分析，但目前尚缺乏相關研究(Jiaoetal.，2018)。 本研究以2014年MW6.9 于田地震為典型震例，以2008年汶川MW7.9 地震為驗證震例，同時利用ZS法和RST法提取典型震例震前3個月的地表溫度(Surface temperature，ST)和晴空條件下向外出射長波輻射(Outgoing longwave radiation，OLR)數據異常變化的時空特征，定性分析提取結果之間的差異。隨后，利用地震平靜年(無震級>5.0級地震發(fā)生的年份)數據對2種提取方法在異常變化敏感性、 對背景信息的抑制能力和對地震信息的指示性3個方面進行了定量比較，并利用驗證震例驗證定量化比較的結果，詳細探討了造成差異的原因，總結了各方法的優(yōu)缺點和適用性，為后續(xù)進一步探究地震震前熱參數異常的時空分布及其可能的物理機制奠定基礎。

1 數據和方法

1.1 ERA5再分析數據

本文主要對ZS法和RST法對同一震例、 不同熱參數在震前時空變化特征提取方面的適用性和可靠性進行對比研究，選取地表溫度(Surface temperature，ST)和晴空條件下向外長波輻射(Clear-sky Outgoing longwave radiation，OLR)作為研究參數。地表溫度是地表和大氣邊界層之間能量交換的重要影響因素，能夠更直觀地反映地震孕育過程中的熱輻射變化。晴空條件下向外長波輻射是地球表面(陸地和海洋)、 大氣反射、 吸收和發(fā)射的長波輻射最終離開地球進入太空的輻射能量，是整個地面-大氣系統(tǒng)熱輻射的綜合反映。

熱參數數據來自歐洲中期天氣預測中心(ECMWF，European Centre for Medium-Range Weather Forecasts)第5代再分析數據集ERA5(1)https： ∥cds.climate.copernicus.eu/cdsapp#！/dataset/reanalysis-era5-single-levels？tab=overview。。該數據集是通過數據同化和再分析技術將先進的預報模型得到的預報結果與多種觀測手段得到的大量觀測數據結合為精度更高、 覆蓋更廣的數據集。與傳統(tǒng)的衛(wèi)星遙感數據(如MODIS(Moderate-resolution Imaging Spectroradiometer)數據)相比，再分析數據具有以下優(yōu)勢： 1)時間序列完整，目前能夠提供從1979年至今的完整數據集； 2)空間上無空值，能夠完整反映熱參數的空間分布特征。與其他再分析數據集(如NCEP(National Centers for Environmental Prediction)數據)相比，ERA5數據集的空間分辨率(0.25°×0.25°)更高。

由于地震震前熱異常往往發(fā)生在震中和斷裂帶附近的大尺度區(qū)域內，因此，我們采用Dobrovolsky等(1979)提出的地震影響區(qū)范圍估計公式(式(1))劃定研究區(qū)域的范圍：

r=100.43M

(1)

其中，r為地震影響區(qū)域的半徑(單位為km)，M為地震震級。根據計算結果，2014年于田地震研究區(qū)域的范圍為30.91°～40.91°N，77.59°～87.59°E，2008年汶川地震的研究區(qū)范圍為26°～36°N，98.3°～108.3°E。 2次地震的研究時段為地震前3個月—地震當月，共獲取13a的觀測數據。除地震年外，其余年份內均無震級>5.0級的地震發(fā)生。熱參數數據為夜間平均值(北京時間00：00—03：00，UTC： 16：00—19：00)，以避免太陽輻射和人為活動的影響。

1.2 地震熱參數異常的提取方法

ZS法和RST法是目前地震熱參數異常時空變化特征研究中較為常用的2種地震熱參數異常提取方法。ZS法在圖像差分的基礎上引入了信噪比的概念，將地震活動區(qū)當前觀測值與多年觀測數據平均值之間的差值作為信號部分，并將多年觀測數據的標準差作為噪聲部分。該方法可表示為(Ouzounovetal.，2011)

(2)

式中，v(x，y，t)是地表溫度的當前觀測值，μ(x，y)為背景場，即同一位置多年同期觀測數據的平均值，δ(x，y)為相應的標準差。ZS指數的大小不僅反映了當前觀測值偏離多年背景值的程度，同時還反映了這種偏離程度相對于多年噪聲水平的強弱。

RST法利用在類似觀測條件(如同月、 同時、 同傳感器)下獲得的多年觀測數據集的預期值(即多年平均值)及可變性(多年標準差)定義被測信號的異常變化。RST法將鄰域差分與ZS法中的背景場歸一化相結合，明確定義了統(tǒng)計學中地震前異常的數學表達式，熱紅外異常變化通過特定的指數： REIRA(Robust Estimator of TIR Anomalies)定義(Genzanoetal.，2015； Ouzounovetal.，2018； Khalilietal.，2019)。RST法可表示為

(3)

本文同時采用ZS法和RST法對2014年于田地震和2008年汶川地震震前的地表溫度和長波輻射異常時空變化特征進行提取分析。具體步驟包括(圖 1)： 1)數據下載和預處理(包括數據格式轉換、 重投影等)； 2)對用于構建背景場的數據進行滑動平均以剔除偶發(fā)因素對背景場的影響； 3)針對研究區(qū)的地物類型，在RST法中，大致將于田地震和汶川地震研究區(qū)分為山區(qū)和盆地2種地物類型，并分別計算這2種地物類型各自的平均值； 4)按照ZS法和RST法的算法原理分別計算多年數據的平均值和標準差作為背景場； 5)按照式(2)和式(3)計算得到ZS指數和REIRA指數； 6)為完整展示研究時段內熱參數異常變化的過程，我們參照MODIS等數據的形式(MODIS產品提供8d平均值數據)，以8d為一個階段繪制三維ZS指數和REIRA指數的平均值圖像。

圖 1 地震異常提取的流程圖Fig. 1 Flow chart of seismic anomalies extraction.

在ZS法和RST法的實際應用中，通常假設數據集具有近似高斯分布的概率分布。在這個假設下，68.3%、 95.4%和99.7%的值分布在1、 2、 3個標準差的范圍內(Jiaoetal.，2018)。為在統(tǒng)一異常閾值下得到可對比的異常提取結果并討論不同異常強度閾值對異常提取結果的影響，我們分別將異常強度閾值設定為2和3，此時的置信區(qū)間分別為95%和99%。

2 于田地震的概況及區(qū)域構造背景

本文以2014年于田地震為典型震例，因此本節(jié)將著重介紹2014年于田地震的概況及區(qū)域構造背景。據中國地震臺網測定，北京時間2014年2月12日17時19分49秒，中國新疆維吾爾自治區(qū)和田地區(qū)于田縣發(fā)生MW6.9 地震，震中位于無人區(qū)內，坐標為(36.1°N，82.5°E)，震源深度12km，震源機制為左旋走滑。截至北京時間2014年2月13日14：00：00，共記錄到余震1097個，其中MS5.0 ～5.9地震1個，MS4.0 ～4.9地震12個，MS3.0 ～3.9地震22個。

2014年于田地震發(fā)生在阿爾金斷裂帶的西南段(圖 2)。阿爾金斷裂帶位于青藏高原西北邊緣，是亞洲大陸內最長的走滑型活動斷裂帶，呈NEE走向，長約2000km。阿爾金斷裂帶分割了青藏高原和塔里木盆地，并劃分了青藏高原北部不同的構造單元，對吸收印度-歐亞大陸碰撞而產生的地殼縮短具有重要作用。根據斷裂帶屬性，阿爾金斷裂帶可分為3個部分： NNE—E向逆沖的喀拉喀什斷裂、 E—NEE走向的阿什庫勒斷裂和NE—NEE走向的硝爾庫勒斷裂(Yinetal.，2002； 徐錫偉等，2011； Lietal.，2015； 宋春燕等，2015； Lietal.，2016)。該地區(qū)歷史上共發(fā)生過2次震級>7級的地震，分別為1924年阿爾金斷裂帶西段7.2級地震，震中位于2014年于田地震震中東北約250km處； 2008年于田MW7.2 地震，震中位于2014年于田地震震中西南150km處。

圖 2 研究區(qū)的區(qū)域構造背景圖Fig. 2 Tectonic map of the study area.

圖 3 2014于田地震震前3個月的地表溫度和長波輻射ZS 8d平均值的三維時空特征分布圖Fig. 3 Surface temperature(ST) and outgoing longwave radiation(OLR) three-dimensional maps based on 8-day averaged Z-score index values for 3 months before the 2014 Yutian earthquake.圖m為包含發(fā)震時段的結果

圖 4 2014年于田地震震前3個月的地表溫度和長波輻射REIRA 8d平均值的三維時空特征分布圖Fig. 4 Surface temperature(ST) and outgoing longwave radiation(OLR) three-dimensional maps based on 8-day averaged REIRA index values for 3 months before the 2014 Yutian earthquake.圖m為包含發(fā)震時段的結果

圖 5 地表溫度(a)和長波輻射(b)敏感性測試數據時間序列圖Fig. 5 Time series plot of sensitivity test data for ST(a) and OLR(b).

3 2014年于田地震震前熱異常的時空變化特征

圖 3 展示了研究時段內地表溫度(ST)和晴空向外長波輻射(OLR)ZS指數8d平均值三維圖像，其中紅色部分表示ZS指數>2的區(qū)域，紅色矩形框代表地震的發(fā)震時段。從圖 3 中可以看出，在震前3個月，ST和OLR都出現多次高值異常。從時間序列上來看，隨著地震的臨近，ST和OLR異常變化的頻次逐漸增加； 高值異常最早出現在地震前2個月(圖3f)，而地震前1個月出現持續(xù)的高值異常(圖3j，3k，3l)。從空間分布上來看，隨著地震的臨近，ST和OLR的高值異常區(qū)域由研究區(qū)的北部和西南部(圖3f，3j)逐漸向地震震中和阿爾金斷裂帶周圍集中(圖3k，3l)，在包含發(fā)震時刻的時段內，ST無明顯高值異常，而OLR的高值異常區(qū)則明顯分布于震中周圍。

圖 4 展示了研究時段內ST和OLR的REIRA指數8d平均值的三維圖像，其中紅色部分表示REIRA指數>2的區(qū)域，紅色矩形框代表地震的發(fā)震時段。對比ZS法和RST法的提取結果可發(fā)現： 1)對比圖3f、 4f，3k、 4k，3l、 4l可知，RST法與ZS法的提取結果在地理空間分布上具有相似性，基本分布于研究區(qū)的同一位置； 2)在地震震前3個月，2種方法的提取結果差異較大(圖3a—e，圖4a—e)，ZS法得到的結果無明顯異常變化，而RST法得到的結果則有異常變化且分散分布于整個研究區(qū)內； 此外，2種方法的提取結果在異常出現的頻率和幅度上明顯不同，RST法得到的異常頻次和幅度都高于ZS法的提取結果。為何使用同樣的數據會得到不盡相同的時空分布特征？哪種方法得到的時空分布特征更為可靠？為了回答以上問題，我們在下節(jié)中針對2種方法的異常變化敏感性、 對背景信息抑制能力和對地震信息指示性3個方面進行探究。

4 地震熱參數異常提取方法的定量化對比

4.1 對異常變化敏感性的對比

熱參數時空特征的異常變化受到地形、 氣候變化、 人為活動等多種因素的影響。相較于其他影響因素，地震孕震過程對熱參數異常變化的影響十分微弱。地震熱參數異常提取方法的敏感性代表了其識別地震孕震過程中引起的熱參數微弱異常變化的能力。本文選取2014年于田地震前(2009年)和地震后(2015年)2個無震級>5級地震發(fā)生年份的震中所在像元的時間序列數據作為測試數據(圖5a 為ST數據，圖5b 為OLR數據)，在時間序列中隨機選取20個數據值，人為設定1～15(單位為K或W/m2)的異常變化，隨后利用2種方法提取異常，并統(tǒng)計在不同異常閾值和異常變化幅度下檢測出的設定異常個數及其準確率(即檢測出的設定異常個數與總異常個數之比)。

圖 6 為利用2009年地表溫度(a、 c)和長波輻射(b、 d)數據通過ZS法和RST法提取得到設定異常提取天數(a、 b)和準確率(c、 d)。圖 7 為利用2015年地表溫度(a、 c)和長波輻射(b、 d)數據通過ZS法和RST法提取得到的設定異常提取天數(a、 b)和準確率(c、 d)。異常閾值的設定對異常變化檢測具有較大影響，當設定的異常閾值較高時，雖然不能檢測出全部人為設定的異常變化，但異常檢測的準確率較高。對比2種方法得到的結果可知，ZS法和RST法都對小幅度的異常變化具有一定的敏感性(異常變化幅度為1～5K(W/m2)時)，但RST法的異常檢測準確率優(yōu)于ZS法。當異常變化幅度較大時(12～15K(W/m2))，利用2009年的數據，RST法的提取效果更好； 利用2015年的數據，當異常閾值為2.5時，ZS法的提取效果也較好，這可能是由于提取參數不同所致。綜合上述研究成果，我們認為ZS法和RST法都對于小幅度的異常變化具有一定的敏感性，但RST法的提取效果優(yōu)于ZS法。

圖 6 利用2009年地表溫度(a、 c)和長波輻射(b、 d)數據通過ZS法、 RST法提取得到設定異常提取天數(a、 b)和準確率(c、 d)Fig. 6 Artificial anomaly extraction days(a and b)and accuracy rate(c and d)obtained from 2009 surface temperature(a and c)and outgoing longwave radiation(b and d)data extracted by ZS and RST methods.

圖 7 利用2015年地表溫度(a、 c)和長波輻射(b、 d)數據通過ZS法、 RST法提取得到設定異常提取天數(a、 b)和準確率(c、 d)Fig. 7 Artificial anomaly extraction days(a and b)and accuracy rate(c and d)obtained from 2015 surface temperature(a and c)and outgoing longwave radiation(b and d)data extracted by ZS and RST methods.

4.2 對背景信息抑制能力的對比

地震熱參數異常提取方法對背景信息的抑制能力決定了提取結果的準確性。本文提取了2個無震年(2009年和2015年)的地表溫度和長波輻射異常時空變化特征。無震年的數據沒有受到地震活動的影響，因此理想的異常提取結果應無明顯異常變化。然而，由于異常提取方法無法完全剔除其他因素造成的影響，故提取結果中可能有少量由其他因素引起的熱異常。本研究以無震年的異常像元密度，即異常像元個數與總像元個數的比值定量描述異常提取方法對背景信息的抑制能力。我們統(tǒng)計了利用ZS法提取無震年異常像元密度大于RST法提取的天數和利用RST法提取無震年異常像元密度大于ZS法提取的天數，分別記為ρZR和ρRZ。無震年異常像元密度越低，則該方法對其他因素引起的熱異常的抑制能力越強，相應地，其在地震年提取出的熱異常時空變化特征可能越可靠。

圖 8 為2009年(a、 c)和2015年(b、 d)地表溫度(a、 b)和長波輻射(c、 d)異常像元密度在不同異常標準下的統(tǒng)計結果。無論異常標準設定為多少，ρZR的值遠小于ρRZ，說明ZS法在無震年得到的異常像元明顯少于RST法，基于2009年和2015年數據得到的結果呈現類似的特征。由此可知，ZS法相較于RST法對其他因素引起的熱參數異常變化的抑制作用更強。

圖 8 2009年(a、 c)和2015年(b、 d)地表溫度(a、 b)和長波輻射(c、 d)異常像元密度在不同異常標準下的統(tǒng)計結果Fig. 8 Statistical results of surface temperature(a and b)and outgoing longwave radiation(c and d)anomaly pixel densities under different anomaly standards in 2009(a and c)and 2015(b and d).

4.3 對地震信息指示性的對比

前人研究表明，地震震前熱異常的空間分布與震中位置具有一定的相關性(Jiaoetal.，2018)。因此，地震震前熱異常的空間分布是預測地震信息(發(fā)震時段和震中位置)的重要指標。本文在第3節(jié)中說明了2種方法提取的異常結果存在時空分布差異。那么，哪種方法提取得到的熱異?？臻g分布能夠更好地指示地震信息？為進一步探究該問題，我們根據地理學第一定律，即“所有事物都與其他事物相關，但近處的事物比遠處的事物更相關”(Tobler，1970)，通過歸一化距離指數(Qietal.，2020)定量評估熱參數異常時空分布對地震信息(發(fā)震時段和震中位置)的指示性作用(式4)：

(4)

式中，(xi，yi)為異常像元坐標，(xepi，yepi)為震中所在的像元坐標，n為整幅圖像異常像元總數。NWI值越大，說明得到的空間分布越集中于發(fā)震震中，指示性越好。

在對地震信息指示性進行對比時，需要同時關注2個方面： 1)在都具有異常像元分布時，哪種方法計算得到的NWI值更大； 2)哪種方法計算得到NWI最大值的時間離發(fā)震時段更近。因此，我們首先統(tǒng)計了當ZS法和RST法都具有異常像元分布時，其中一種方法計算得到的NWI值大于另一種方法的天數，然后對地震震前2種方法計算出的NWI最大值距地震發(fā)震時段的天數進行了統(tǒng)計。圖 9 為基于地表溫度(圖9a)和長波輻射(圖9b)數據的ZS法和RST法對地震震中指示性的比較結果圖。從圖中可以看出，ZS法和RST法基于不同數據得到的結果存在不同。對于ST數據，當同時具有異常像元分布時，ZS法計算得到的NWI值略高于RST法計算得到的NWI值的天數更多，特別是當異常標準設定為3時。然而，對于OLR數據，RST法計算得到的NWI值高于ZS法計算出的NWI值的天數更多。這一現象說明對于ST數據，ZS法對于地震震中分布的指示性略好于RST法； 而對于OLR數據，RST法得到的結果對地震震中空間分布的指示性更好。

表1為在震前時段內使用ZS法、 RST法計算得到的NWI最大值出現時間距地震發(fā)生時的天數。從表中可以看出，相較于RST法，ZS法得到的NWI最大值出現時間更靠近地震的發(fā)震時段，對地震發(fā)震時段的指示性更強。綜合上述研究成果表明： 1)針對ST數據，ZS法對于地震震中位置的指示性略好于RST法，對于OLR數據則是RST法更優(yōu)； 2)ZS法得到的NWI最大值出現時段距離發(fā)震時刻更近。

圖 9 基于地表溫度(a)和長波輻射(b)數據的ZS法和RST法對地震震中指示性的比較結果圖Fig. 9 Comparison of epicentre indication ability of surface temperature(a)and long wave radiation(b)obtained by ZS and RST methods.

表 1 ZS法、 RST法計算得到最大NWI值時段距離地震發(fā)震的天數(數字表示震前天數)Table1 The days from the maximum NWI value period to the occurrence of earthquake calculated by ZS and RST methods (The number represents the days before the earthquake)

表 2 ZS法、 RST法針對驗證震例計算得到的最大NWI值時段距離地震發(fā)震天數(數字表示震前天數)Table2 The days between the maximum NWI value period and the earthquake occurrence calculated by ZS and RST methods from the verification earthquake case(The number represents the days before the earthquake)

4.4 驗證震例對比結果

據中國地震臺網測定，2008年5月12日14點28分(北京時間)四川省阿壩藏族自治州汶川縣發(fā)生MW7.9 地震，震中坐標為(31.0°N，103.4°E)，震源深度14km，是21世紀以來發(fā)生在中國大陸境內破壞性最強的地震。我們以此次地震作為驗證地震，利用汶川地震震前平靜年的數據(2007年)作為測試數據，采用與于田地震相同的方法，對ZS法和RST法在異常變化敏感性、 對背景信息抑制能力和對地震信息的指示性3個方面進行對比，驗證以于田地震作為典型震例的對比結果的可靠性。ZS法和RST法的對比策略如4.1、 4.2和4.3節(jié)所述。

圖 9 為驗證震例異常變化敏感性(a、 b)、 對背景信息抑制能力(c、 d)和對地震信息指示性(e、 f)的測試結果圖。表2 為NWI最大值出現時段距地震發(fā)震的天數統(tǒng)計。利用汶川地震數據得到的異常變化敏感性結果與于田地震略有不同，當異常閾值為2時ZS法對于微弱異常變化敏感性最好。2種方法對背景信息抑制能力的測試結果與于田地震類似，ZS法對于背景信息的抑制能力優(yōu)于RST法。在對地震信息指示性的測試中，總體而言，RST法提取得到的異?？臻g分布對地震震中的指示性更好，而ZS法對于地震發(fā)震時段的指示性更好，NWI最大值出現的時間更靠近地震發(fā)震時段。

圖 10 針對驗證震例的異常變化敏感性(a、 b)、 對背景信息抑制能力(c、 d)和對地震信息指示性(e、 f)的測試結果圖Fig. 10 The test results of sensitivity to anomaly change(a and b)，ability to suppress background information(c and d)and indicate seismic information(e and f)of the verification earthquake case.

5 討論和結論

本研究以2008年于田地震為典型震例，以2008年汶川地震為驗證震例，對ZS法和RST法在對異常變化的敏感性、 對背景信息的抑制能力和對地震信息的指示性3個方面的提取效果進行了定性和定量化比較。除異常變化敏感性外，在對背景信息的抑制能力和對地震信息的指示性上，2個震例得到的對比結果類似； ZS法對背景信息的抑制能力更好； RST法對地震震中的指示性更好； ZS法對地震發(fā)震時段的指示性更好。

圖 11 ZS法和RST法信號部分和噪聲部分在整個研究時段內每天最大值與最小值的差異時間序列曲線Fig. 11 The time series curve of difference values between the maximum and minimum values of the signal part and the noise part of the ZS method and the RST method for each day during the whole study period.a、 b 信號部分的時間序列曲線； c、 d 噪聲部分的時間序列曲線； a、 c 利用ST數據得到的結果； b、 d 利用OLR數據得到的結果

為何 2 種方法在這3個方面具有顯著的差異？如何說明在第3節(jié)中2種方法得到的異常變化時空特征的不同？這些問題仍需要進一步分析和討論。ZS法和RST法都是以指數形式表示的異常提取方法。在計算過程中，2種方法的不同之處在于RST法針對區(qū)域進行了地物劃分，求取了不同地物類型的平均值。在構建背景場時，首先計算多年數據中每個像元與其所在的地物類型平均值的差值，之后再計算多年平均值和標準差以構建背景場。ZS法則直接計算多年平均值和標準差作為背景場。為確定求取每個像元與其所在地物類型平均值的差值對最終信噪比結果的影響，我們統(tǒng)計了ZS法和RST法信號部分(即地震年與多年平均值的差值，如圖11a 和11b所示)和噪聲部分(即多年標準差，如圖11c 和11d所示)在整個研究時段內每天的最大值與最小值的差異。從圖 11 中可以看出，求取每個像元與其所在地物類型平均值的差值對信號部分影響不大，對噪聲部分的影響較大。整體上，ZS法噪聲部分的最大值、 最小值的差異大于RST法。因此，在異常變化幅度較小時，由于RST法計算得到的信噪比大于ZS法，使得前者對于異常變化更為敏感，在相同的異常標準下能夠提取出更多的異常變化，且在地震平靜年也能提取出大量異常。當ZS法提取結果無明顯變化時，RST法也能提取出分布于研究區(qū)內的異常； 當2種方法提取結果同時存在異常變化時，RST法提取結果的空間分布面積更大。ZS法和RST法的異常變化敏感性在不同震例中得到了不同的比較結果，是由研究區(qū)地物分布類型不同所造成的。對于田地震而言，區(qū)域內兩大地物類型——山區(qū)和沙漠的分布較為均一，不同地物類型的平均值差異較大。而汶川地震研究區(qū)內的地物類型則更為復雜，不同地物類型的平均值差異較小，影響了RST法對于微弱變化的敏感性。由于熱參數影像的空間分辨率較大，一個像元內包含了大量地物，無法利用光學影像進行精確的地物類型分類，這也降低了RST法提取結果的可靠性。此外，異常標準的設定對于提取結果的影響也很大，但目前并沒有有效定義異常標準的方法，大多數研究都依據經驗定義異常標準，因此需要進一步研究定義異常標準的有效方法，以提高熱異常提取的可靠性。

綜上所述，我們認為ZS法和RST法對于異常變化都具有一定的提取能力，但相比較而言，由于RST法對于背景信息抑制能力弱，且在對地物類型進行分類過程中存在較大的人為因素影響，因此，ZS法是較為合適且簡便的地震異常變化提取方法。