1 研究背景

四川省大震多发，如2008年汶川M_S 8.0（31°N，103.4°E）地震、2013年雅安芦山M_S 7.0地震（30.3°N，103°E）和2017年九寨沟M_S 7.0地震（33.2°N，103.8°E）均发生在该省，魏乐军等（2008）、马瑾等（2010）、张元生等（2002）、路茜等（2014）相继对地震进行了热红外异常的研究，采用的方法有小波法、距平法、功率谱法等。本文运用的计算机程序化的均线差值振幅增强比法，可快速提取震前热红外异常，且异常的时空特征显著、直观。

2 研究内容及方法

选用四川省地震局提供的TERRA卫星MODIS遥感传感器亮温数据，数据区域范围为（100°—130°E，30°—45°N），数据时间范围为2004—2021年。采用均线差值振幅增强比法，分析地震前热红外日均亮温数据振幅上升的趋势性变化幅度，从而研判是否存在异常。

异常提取过程如下：①数据预处理：将空间分辨率为1 km数据反演为100 km数据，以365天作为年周期，将反演后日均亮温数据转换为年均线值A_i；②在年均线基础上进行差值分析。理论上，当均线为水平线或为斜线时，其差值系列为一个稳定值，差值的振幅变化应为0。若差值数据系列的振幅变化越大，则热红外活跃性异常的可能性越高。均线差值ΔB_i、差值振幅ΔT_i、差值振幅波动变化平均值T_i、热红外活跃性指数Y_i计算公式如下。

$ \Delta B_{i}=A_{i}-A_{i-t} \quad i>t $

(1)

$ \Delta T_{i}=\Delta B_{i}-\Delta B_{\min } $

(2)

$ \bar{T}_{i}=\frac{\sum\limits_{i=1}^{n} \Delta T_{i}}{i} \quad i>1 $

(3)

$ Y_{i}=\left(\frac{\Delta T_{i}-\bar{T}_{i}}{\bar{T}_{i}}\right)^{3} \text { 或 } Y_{i}=\frac{\Delta T_{i}-\bar{T}_{i}}{\bar{T}_{i}} $

(4)

式（4）中前者用于时间异常描述，3次方幂的运算作用是放大异常值，突出异常显示度，后者用于空间异常描述，其物理意义为当前振幅相对历史平均振幅的增加倍数。

3 研究结果

以汶川M_S 8.0、雅安芦山M_S 7.0和九寨沟M_S 7.0地震为例，分析发震前后震中区附近的热红外变化特征。震例分析时选取的空间范围为（100°—130°E，30°—45°N），差值时间间隔统一为30 d。实际异常分析步骤如下：①通过异常叠加图寻找异常区域；②分析异常区异常时间曲线特征；③通过异常平面图分析热红外活动的时空变化特征。

3.1 汶川M_S 8.0地震

汶川地震前2年的异常叠加图显示，出现以（37°N，102°E）为核心，纬度跨度超过5°、经度跨度超过10°的异常区，提取异常核心区所在网格的时间异常曲线，见图 1(a)，纵坐标为异常放大指数。异常时间曲线显示，异常峰值出现在3月29日，距汶川地震发生44天，当日活跃性水平高于平均水平4.4倍（折算后），异常发展周期约2月。以3月29日为时间点，绘制研究区当日异常平面图，见图 1(b)，色标表示当日振幅较历史平均振幅的增加倍数，黄色圆表示震中，纵坐标为纬度，横坐标为经度。平面图显示：当日震中北部区域出现罕见的大面积异常高值，其中高于2倍的异常区域近百万平方千米。

可见，震前异常区域位于震中北部，地理上该区域主体位于柴达木块体，与路茜等（2014）的研究结果吻合，异常发生时段与魏乐军等（2008）的研究结果吻合。如绘制连续的异常平面图，可以清晰的发现空间异常存在低值异常—高值异常—发震的发展过程。

3.2 雅安芦山M_S 7.0地震和九寨沟M_S 7.0地震

受篇幅所限，仅对雅安芦山地震、九寨沟地震作简述。

提取（33°N，103°E）网格的时间异常曲线，清晰可见雅安芦山地震、九寨沟地震前的显著异常，如图 2(a)。雅安芦山地震前，异常峰值出现于2013年3月20日，距发震时间间隔31 d，当日热红外活跃性水平高于历史平均水平2.5倍，异常区域主体位于震中西北方向，与路茜等（2014）的研究结果相近。九寨沟地震前最大异常峰值出现在5月5日，距发震间隔95 d，当日峰值高于历史平均水平2.6倍。

分别绘制2次地震前异常峰值平面图，见图 2中(b)、(c)图，发现芦山地震前其异常区在震中北部，九寨沟地震前异常核心与震中接近。2次地震强度远低于汶川地震，异常强度与面积也远小于后者。

3.3 结论

通过对3个震例的实际检验，得出以下结论：①数据处理过程未剔除错值和去云干扰影响，仍能得到与前人相似或相同的研究结果，侧面反映了本方法具有一定可行性，且具备较好的容错和抗干扰性能以及一定智能分析功能；②3个震例研究结果显示，震前热红外活跃性减弱异常—活跃性上升异常，打破了地震前仅存在亮温上升异常的常规认识，说明本方法具有较好的异常挖掘功能。热红外异常峰值出现在发震以前，该指标具有短临地震预测意义。

4 结束语

均线差值振幅增强比法适用于任意时段、任意区域热红外数据的快速分析，具有数据处理效率高、通用性强的特点，适合大规模、大范围甚至全球热红外数据的同步或准同步快速分析处理，也可以直接应用于热红外地震前兆监测。由于文中所用数据范围较小，虽然提取到较为显著的震前热红外活跃性异常，但3个震例中2个震例的震中均分布在异常区外，因此将本方法应用于实际地震预测预报仍为时尚早。