论文	作者
A statistical analysis of TIR anomalies extracted by RSTs in relation to an earthquake in the Sichuan area using MODIS LST data	Ying Zhang

本文利用中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer，MODIS）的地表温度（LST）数据，利用RST数据分析和TIR异常鲁棒估计（RETIRA）指数提取四川地区2002-2018年的TIR异常，同时地震目录用于确定TIR异常与地震发生之间的相关性。采用统计方法验证提取的TIR异常与地震的相关性。

统计结果表明，使用 MODIS 的 RST 预测潜力在四川地区是有限的。

The RST comprises two main steps:

the first is the characterization of behavior under normal conditions;
and the second is the establishment of the change-detection criteria that should be specified for each class of phenomenon considered, and for the selected technology and the time and place of the observation (Tramutoli, 2007).

1.研究区域

选择甘肃省东南部及其周边地区作为研究区域，用于评估2002年9月至2018年3月期间TIR异常与地震之间的相关性。

研究区的范围是北纬27至37度，东经97至107度。研究地区位于甘肃、青海和四川三省的交汇处；还包括南北地震带北段和库玛地震带的交汇处。该地区结构复杂，强震频发（Yang等人，2002）。该地区位于青藏高原东部边缘，属于甘肃省东南部菱形块的上部。襄河断层、龙门山断层和安宁河断层在此交汇，结构呈Y字形。这种地貌类型在板块构造中广泛存在，龙门山断层在北东北方向成为四川盆地东南部的陡坡，在研究区西北部成为侵蚀高原。

2.数据和方法

2.1数据

MODIS数据用于计算TIR异常，用于统计分析的地震信息由中国地震数据中心提供。

在这项研究中，夜间的MODIS LST日数据（MYD11C1）被用来提取TIR异常值。因为LST数据在白天容易受到太阳辐射的影响，所以选择了夜间数据来使用。LST数据是在5600米处使用generalized split-window algorithm检索的。在day–night algorithm中，白天和夜间的LST是从七个TIR波段的日夜MODIS观测数据中检索出来的。此外，每天的夜间云遮挡数据（MYD35L2）被用来排除被云覆盖的LST数据。云层遮挡数据的分辨率为250米和1000米，因此必须对分辨率进行降尺度处理，以与LST数据相对应。

研究区域内发生的地震也会导致靠近其边界的TIR异常；因此，对于发生在北纬25至40◦、东经95至110◦区域内的地震，也将被用于分析北纬27至37◦、东经97至107◦出现的TIR异常。然而，归因于地面沉降和人为因素的地震与TIR异常无关，因此深度=0的地震被排除在分析之外。

Tronin等人（2002年）观察到，异常对震级超过4.7、距离达1000公里的地壳地震很敏感（Tronin等人，2002）。因此，选择了发生在北纬25至40◦、东经95至110◦区域内的M≥3.5、深度>0的地震进行分析，经过筛选，共有3615个地震满足这些条件。

2.2RST方法

2.2.1预处理

第一步是消除被云遮档的数据并消除异常值的影响。

①为了消除日常气候变化或季节性时间漂移的影响，对每日 LST 数据进行预处理

②云层掩码是使用云层掩码数据（MYD35L2）构建的。为了确保只有无云辐射对参考场（RF）的计算有贡献，不仅是这些像素，还有周围5×5区域的24个像素（经常属于云边缘）也被排除在以下RF计算之外（Eleftheriou等人，2016）。

③构建异常掩码。这一步是为了确定异常值，这些值应从背景场的构建和TIR异常值的提取中排除。

δ1、δ2、δ3是背景场建设应该排除的三种数据。覆盖云较大的区域将引用一种cold spatial average effect来计算RFs。满足V (r, t) < μV − 2 · σV（μV：时间平均值，σV：其标准差）时，像素值将会被排除。

当场景中陆地部分的云量大于80%时，在计算RF时必须排除所有像素。

δ3 用于去除异常值（其中 k ≥ 2）。

δ (r, t, τ ) = δ1 (r, t, τ ) · δ2 (r, t, τ ) · δ3 (r, t, τ )

该公式是使用迭代kσ-clipping技术计算的，它首先根据μV (r, τ, T)和(σ V (r τ T))^2的第一个确定值来计算δ(rtτ)，然后继续只使用δ (r, t, τ ) = 1的空间-时间位置值更新其值，如下：

这个过程应该反复进行，直到没有进一步的排除值被确定，使用最新确定的δ。δ的最终结果是我们想要的A2。

2.2.2计算背景场

2.2.3变化检测

计算RETIRA值。

应确定⊗▲V（r, τ, T ）是否受云层影响。从结果中可以很容易地得出结论，一些地区在某些时间会缺乏数据，对于这些情况，必须实施一个特殊的值，以表明这些数据受到云层的影响，应该从随后的分析中排除。

2.3识别TIR异常

满足下列条件才能认为热红外异常与地震之间存在关联：

The RETIRA > 2。在 Eleftheriou 的研究中，阈值设置为 4 (Eleftheriou et al., 2016)；但是，从统计学的角度来看，当该值大于标准差的2倍时，就已经属于异常范畴了。因此，在本研究中，阈值设置为 2。
V（r,t）不会被云遮挡或受其他因素的影响。
空间连续性。TIR异常块聚集在一起而不是孤立的，是在1◦×1◦（图像中400像素）的区域内覆盖至少150平方公里的群体的一部分。
时间连续性。在第一个TIR异常后7天内，至少再出现一个TIR异常。
TIR异常出现在eq(r, t)前30天或后15天。
从TIR异常群中的某一点到eq(r, t)的震中的最短距离小于RD=10^0.43M

TIR异常满足条件1、2、3、4，但至少不满足条件5或6，TIR异常存在，但没有相应的地震。也有一些震例没有发生TIR异常。

3结果与分析

3.1研究区域地震活动统计分析

2002 年至 2018 年的地震活动在 2008 年最活跃，并且从那时起频率和强度都在增加。

研究区共发生 3615 次地震（3.5≤M≤4, 2262 次；4≤M≤5, 1124 次；5≤M≤6, 198 次；6≤M≤7, 26 次；以及7 ≤ M ≤ 8, 5)。因此，研究区具有强烈的地震活动特征。

A 时期（2002 年 9 月至 2007 年 12 月）的平均地震频率为 78 次左右。但是，2008 年的地震总数增加到 981 次，其中包括 2008 年 5 月 12 日的 Ms汶川8.0级地震，中国近年来最严重的地震。虽然 2008 年后频率大幅下降（该时期的平均频率为 243），但仍远高于 A 时期。时间分布表明 2008 年之前地震活动相对较弱，但 2008 年，地震活动异常剧烈，达到顶峰。 2008年以后，该地区的地震活动继续保持这种强度。

B时期（2018年1月至3月）地震活动明显更加暴力和频繁。

研究区域地震的空间分布情况如下：

结果表明，地震事件主要集中在研究区的西部和中部（25 至 40° N，95 至 110° E），这些都是山区。在东部和四川盆地的空间分布更为稀疏。

调查地震的时间和空间特征的目的是为了获得对研究区域内地震活动的总体了解。然而，还有一个重要的原因，那就是避免地震在短时间内大量累积，并集中在一个小区域内，导致同一TIR异常对应许多地震：这种现象过度扭曲了上述的统计结果。在2008年5月12日汶川8.0级地震后，在靠近汶川事件震中的地方，观察到了大约233次地震的发生。之后的统计分析将进行说明。统计分析将分为两部分：一部分是关于C期（2008年4月至7月）发生的地震，另一部分是关于C期以外发生的地震。

3.2TIR异常与地震相关性的统计分析

本节提取TIR异常，统计分析TIR异常与M≥4地震的相关性。

对A加B时期进行分析

经过提取后，TIR异常的总数为58个。

下面是两个例子，分别是2006 年 12 月 29 日和 2010 年 10 月 22 日。

其中（a）的TIR异常与两个地震有关，（b）的TIR没有与之对应的地震。

在58个TIR异常中，有30个异常与地震有关，28个无关，相关率为51.7%。

从图6可以看出大多数TIR异常表现为地震前兆。

对C时期进行单独分析，TIR异常个数仍为58个，相关率为51.7%，与前一个结果相同。

从理论上讲，C期的高地震频率和震级应该产生大量的TIR异常，并与地震紧密相关。然而，只观察到一个对应于五次地震的 TIR 异常。图7可以解释这一原因：地震沿几个断层群集群，但是这些断层的空间位置总是被云覆盖所阻挡，百分比超过90％。由于大面积云层覆盖时间较长，C 期地震引起的 TIR 异常无法使用 RST 提取。

综合分析可以发现，A时段有22个TIR异常点，其中15个不对应地震，而B时段的36个TIR异常点中，有13个不对应地震，相关率达到63.9%，明显高于51.7%的比例。图2和图8说明了这一现象：在A时段，地震强度等级小，频率低，几乎一半的地震都发生在云区或与云区相邻；因此，很难确定地震与提取的异常点之间的任何对应关系，有些异常点可能由于云层覆盖而没有被提取出来。关于B时期的结果，云层稀疏地区的地震频率和震级明显增加，因此TIR异常更有可能被提取出来，更有可能对应于地震。