2. 中南大学地灾感知认知预知研究室, 湖南 长沙 410083;
3. 东北大学资源与土木工程学院, 辽宁 沈阳 110819;
4. 中国地震局地震预测研究所, 北京 100036;
5. 应急管理部国家自然灾害防治研究院, 北京 100085
2. Laboratory of Geo-Hazards Perception, Cognition and Predication, Central South University, Changsha 410083, China;
3. College of Resources and Civil Engineering, Northeastern University, Shenyang 110819, China;
4. Institute of Earthquake Forecasting, China Earthquake Administration, Beijing 100036, China;
5. National Institute of Natural Hazards, Ministry of Emergency Management of China, Beijing 100085, China
由于物质中原子和分子的运动，任何温度高于绝对零度的物质都会向外辐射电磁波。物质吸收、发射和散射电磁波存在波段、极化和角度差异，这取决于物质成分、表面特征、内部结构、物理温度和介电特性的差异及其空间分布[1]。通过测量物质向外辐射的微波段电磁能量，可反演目标对象的部分特性与物理属性，这是利用被动微波卫星遥感进行大气、地表及地球物理探测的基本原理。
不同波段、不同极化的微波辐射可在不同程度上穿透云雾雨雪，这使得被动微波卫星遥感具有全天候、多通道的对地观测能力，且性能不同。目前，多波段多极化被动微波卫星遥感主要用于获取陆地、海洋和大气的相关参数。地物微波辐射对介电常数变化十分敏感，而水的存在会大幅改变地物介电特性[2-3]，故土壤湿度反演是被动微波卫星遥感最主要、最成熟的应用之一[4-11]。此外，被动微波卫星遥感还被用于地表温度和发射率反演[12-17]、地表水体识别[18]等。在冰雪覆盖的陆域，被动微波卫星遥感已用于积雪深度和雪水当量反演[19-21]、冰川覆盖识别[22]等。在海洋区域，海水的盐度和粗糙度、海面泡沫等会极大改变水体的介电常数，进而改变海水的微波辐射亮温，且部分因素具有极化效应；因此，海域被动微波卫星遥感可用于反演海水盐度[23-25]、海表温度[23, 26]、海面风速和风场[27-29]、海冰厚度[30-31]等。由于微波辐射信号在由地球表面(陆地、海洋)出射并传输至卫星传感器的过程中，不同程度地受到传输路径(大气)中物质成分和温度变化的影响，故被动微波卫星遥感还可用于反演水汽含量[32-33]、温湿度廓线[34-35]等大气参数。
星载微波辐射计旨在观测来自陆地、海域、大气等的自然辐射，服务于全球气候和环境变化监测[1]。洪涝灾害、旱灾、森林火灾、火山活动、地震等自然灾害在孕育、发生及演化过程中，均会在不同程度上改变地表温度和/或微波发射率[36-41]，进而形成附加微波辐射，故可利用星载微波辐射计进行灾害监测或预警。由于微波辐射信号对薄层土壤、植被具有穿透性，能够反映地表皮肤层及地下一定深度的热辐射状态，在表征来自地壳深部并与地球物理过程或地震活动相关的微波辐射信号时具有特殊意义，故星载微波辐射计在地壳活动及地震监测应用中具有特别优势。
地表辐射亮温包括红外亮温(infrared brightness temperature, IBT)和微波亮温(microwave brightness temperature, MBT)两类，其变化可能与近地表物质状态、近地表辐射、地壳活动及地震活动相联系。文献[42]已对基于IBT的国内外地震遥感研究进行了较全面的梳理总结。近年，有关MBT的地震遥感研究十分活跃、进展迅速，但尚缺少系统性总结与分析。为此，本文通过梳理星载被动微波传感器的发展脉络与应用现状，总结分析多波段多极化被动微波卫星遥感在地震遥感领域的研究进展与不足；并结合团队近年开展的遥感-岩石力学基础试验研究与地震微波异常震例分析工作，提出地震微波遥感研究的科学逻辑与复合链条，探讨遥感与地球物理交叉学科的前沿方向及其关键问题。
1 被动微波卫星遥感主要传感器微波辐射计是一种能够探测低能级微波辐射的高灵敏电磁接收器。该技术起源于20世纪30年代，最初以外太空星球电磁辐射为观测目标[1]，在20世纪50年代发展为地表物体微波辐射观测[43]。被动微波卫星遥感对地观测始于1968年，苏联发射的宇宙卫星(Cosmos-243)搭载了4个微波辐射计，在厘米和毫米波范围获取地球表面与大气层的地球物理参数[44-45]。随后，美国相继发射了海洋卫星系列(Seasat)[46-47]、雨云气象卫星系列(Nimbus satellite)[48-49]和国防气象卫星系列(defense meteorological satellite program，DMSP)[50]，推动了被动微波卫星遥感的业务发展与军事气象应用。同时，被动微波卫星遥感的对地观测模式也由垂直廓线探测发展为垂直探测+扫描式成像模式，极大提升了卫星对地观测的微波遥感探测能力。
2002年，美国NASA发射了地球观测系统Aqua卫星，其搭载的先进微波扫描辐射计AMSR-E(the advanced microwave scanning radiometer for EOS)具备6个频段(6.9~89 GHz)的双极化(水平极化，H-pol；垂直极化，V-pol)观测通道，对地观测角度为55°，旨在为全球变化研究提供与水相关的大气与地球物理参数[51]。2012年，AMSR-E的后继传感器，即先进微波扫描辐射计AMSR-2(the advanced microwave scanning radiometer-2)搭载于日本全球环境变化观测卫星(global change observation mission，GCOM-W1)发射升空，拥有5个频段(10.65~89 GHz)的双极化通道，对地观测角度同为55°，为全球气候变化研究提供陆、海、空观测数据[52-53]。该系列传感器拥有相近的物理配置，在地球表面和大气微波辐射的长期观测与长时序分析中发挥了重要作用。
2003年，全球首颗星载全极化微波辐射计Windsat搭乘美国Coriolis试验卫星发射升空，能获取全球海表微波辐射的4个Stokes参量[54]，开创了全极化微波卫星遥感观测海面风场、风速和风向的先河。2009年，欧空局发射了土壤水分和海洋盐度探测卫星(SMOS)，其搭载的全极化综合孔径微波辐射计MIRAS(microwave imaging radiometer with aperture synthesis)具备双极化多角度、全极化两种工作模式[55]；它继承了传统双极化微波辐射计的优点，也被广泛应用于陆地和大气圈的环境要素观测[56]。
2008年，我国第2代极轨气象卫星的首发星FY-3A，搭载中国首个星载全功率双极化微波成像仪MWRI(the microwave radiation imager)发射入轨。该传感器以圆锥扫描方式进行对地观测，刈幅宽度约为1400 km，观测角度为45°。MWRI的工作性能与AMSR-E相当，也具备多波段(10.65~89 GHz)、双极化观测能力，目前已广泛应用于气候变化研究和地球物理参数反演[57-59]。后续FY-3B、FY-3C和FY-3D系列卫星均搭载了此传感器。我国新一代FY-4静止轨道微波探测卫星预计2023年完成发射入轨，届时可获取不同大气高度层的MBT分布(54~425 GHz)，将具有全天时、全天候、高时间分辨率的大气三维观测能力[60]。
2 微波遥感的地震应用回顾 2.1 国内外研究进展被动微波卫星遥感数据(包括MBT、地表温度(land surface temperature, LST)产品)用于地震热异常的研究可追溯至2004年。文献[61—62]率先利用DMSP卫星SSM/I传感器数据，反演了7 d温度均值并与14 a背景温度均值作差值运算，发现印度、巴基斯坦、中国和阿富汗等地区7次强震前后出现了LST增强现象。文献[63]发现在岩石压缩破坏过程中存在多频微波辐射脉冲现象，并据此选用AMSR-E传感器18.7 GHz的双极化数据，构建了岩石破裂微波辐射信号的卫星检测算法，应用检测到了火山喷发(2002年厄瓜多尔)和地震活动(2004年摩洛哥)引起的MBT上升异常[40-41, 64]。文献[65]又将该算法应用于2008年中国汶川地震微波异常研究，发现震后1 d沿龙门山断裂带出现了显著的MBT上升条带。文献[66]进一步定义了辐射异常指数，并引入23.8 GHz微波数据对地表温度和大气水汽的影响进行评估，分析发现2010年中国玉树地震前出现了沿断裂带分布的MBT上升异常。同年，文献[67]利用SSM/I传感器的89 GHz双极化数据，对比分析了2001年印度古吉拉特地震前的MBT异常走势。文献[68]利用SSM/I传感器19 GHz和37 GHz双极化数据，分析了汶川震中区的MBT变化特征，认为汶川震前的确存在MBT上升现象。
文献[69]提出一种两步差分法，通过分两步消除或消减背景因素影响的方式来抑制地形地貌和气象条件等非震影响，并基于AMSR-E 18.7 GHz水平极化数据分析发现：汶川地震前MBT存在“增强-平静-临震移向震中”的特征。文献[70]又利用该算法研究了2010年玉树地震，分析发现震前MBT正异常呈条带状分布但与断层方向近乎垂直。文献[71]利用AMSR-E 89 GHz数据，对比分析了2010年美国加州巴哈地震前后的短时序MBT空间特征，认为在震中附近出现了MBT震前增强。文献[72]利用AMSU-A传感器第3通道(50.3 GHz)数据，分析了2003年中、俄、蒙交界地区7.9级地震和2004年印尼8.7级地震的MBT变化趋势，发现强震前MBT异常与断层展布存在密切的空间相关性。文献[73]运用FY-3A微波湿度计(MWHS)数据(未提及通道)分析了2013年芦山地震前后MBT和近地表大气场变化，认为震前地表及低空大气存在显著增温异常。
文献[74]基于统计学四分位数算法，提出一种基于地震微波异常时间和位置信息的统计分析逐像元算法，并利用AMSR-E传感器的18.7 GHz双极化数据，研究了俄罗斯堪察加地区2003—2011年间地震微波异常现象，发现该地区6级以上地震均可检测到MBT异常，且集中出现在震前1月以内。文献[75—77]研究了一系列国内外典型强震的MBT异常，首先定义了一种可抑制地表粗糙度和植被类型影响的MBT异常指数，用于检测被动微波影像中变化幅值较大的异常点，并基于DMSP卫星SSM/I和SSMIS传感器多通道数据，研究了中国川藏地区5次强震、尼泊尔2015年廓尔喀大地震及多拉卡余震异常现象，均在震中区域或断裂带附近发现了显著的MBT震前上升现象。
基于2020年之前多波段多极化被动微波卫星数据在地震遥感领域的应用现状，本文总结4种常用卫星微波载荷的主要功能参数(表 1)；按照地震发生时间顺序，列出了目前地震MBT异常研究中所用方法、数据及其报道的MBT异常现象均表述清晰的典型案例(表 2)。
| 卫星平台 | 传感器 | 服役时间 | 频率/GHz | 极化 | 瞬时视场/km |
| DMSP | SSM/I, SSMIS | 1987-07—至今 | 19.4 | H, V | 69×43 |
| 22.2 | V | 60×40 | |||
| 37.0 | H, V | 37×28 | |||
| 85.5 | H, V | 15×13 | |||
| AQUA | AMSR-E | 2002-01—2011-10 | 6.9 | H, V | 43×75 |
| 10.65 | 29×51 | ||||
| 18.7 | 16×27 | ||||
| 23.8 | 18×32 | ||||
| 36.5 | 8.2×14 | ||||
| 89 | 3.7×6.5 | ||||
| GCOM-W1 | AMSR2 | 2012-07—至今 | 10.65 | H, V | 24×42 |
| 18.7 | 14×22 | ||||
| 23.8 | 15×26 | ||||
| 36.5 | 7×12 | ||||
| 89 | 3×5 | ||||
| FY-3 | MWRI | 2008-12—至今 | 10.65 | H, V | 51×85 |
| 18.7 | 30×50 | ||||
| 23.8 | 27×45 | ||||
| 36.5 | 18×30 | ||||
| 89 | 9×15 |
| 研究案例 | 传感器 | 数据频率/GHz | 极化 | MBT异常现象 | 参考文献 |
| 1997 Mw7.5玛尼地震 | SSM/I | 19 | H | 异常指数高值沿发震断裂带分布 | 文献[75] |
| 2001 Mw7.5古吉拉特地震 | SSM/I | 85.5 | H, V | 震前数日幅值突降 | 文献[67] |
| 2001 Mw7.8可可西里地震 | SSM/I | 19 | H | 异常指数高值沿发震断裂带分布 | 文献[75] |
| 2003—2011堪察加半岛地震 | AMSR-E | 18.7 | H, V | 6级以上地震均存在异常指数高值 | 文献[74] |
| 2004 Mw6.3摩洛哥地震 | AMSR-E | 18.7 | H, V | 异常指数高值出现于震中南部断层密集区 | 文献[64] |
| 2008 Mw7.9汶川地震 | SSM/I | 19, 37 | H, V | 震前数日幅值陡升 | 文献[68] |
| AMSR-E | 18.7 | H, V | 震后1 d异常指数高值沿断层分布 | 文献[65] | |
| AMSR-E | 18.7 | H | 震前正值异常呈“增强-平静-同震峰值”变化 | 文献[69] | |
| SSMIS | 37 | H | 震前异常指数高值沿断裂带分布 | 文献[77] | |
| 2010 Mw6.9玉树地震 | AMSR-E | 18.7 | H, V | 震前异常指数高值分布于主断裂带附近 | 文献[66] |
| AMSR-E | 18.7 | H | 正值异常条带垂直于断裂带方向 | 文献[70] | |
| 2013 Mw6.6芦山地震 | SSMIS | 37 | H | 震前异常指数高值沿断裂带分布 | 文献[77] |
| 2015 Mw7.8/7.3尼泊尔地震 | SSMIS | 37 | H | 异常指数高值沿震中附近和西北断层散布 | 文献[76] |
| 2017 Mw6.5九寨沟地震 | SSMIS | 37 | H | 异常指数高值沿震中附近断层分布并迁移 | 文献[77] |
2.2 存在问题分析
总结上述地震微波异常研究涉及的异常提取与分析方法，可区分为3种: ①异常指数构建法，即通过构建或定义微波辐射异常指数，在多时相微波数据中识别变化较大的异常信号点；②背景场差值法，即利用多年同期微波数据构建均值背景场，再从地震年数据中减掉该背景场，以获得与地震活动潜在相关的正/负异常残差；③目视对比法，即通过人工分析指定区域内亮温均值曲线的走势，或对比震前多时相MBT图像，定性分析异常幅值变化。总体上，上述研究所用数据至少来源于5种星载被动微波传感器，所涉微波频段从19 GHz附近至90 GHz附近，大部分还涉及双极化数据。总结分析前人研究工作，笔者认为尚存在以下3方面的问题。
(1) 数据通道(频率、极化)多样，选择依据薄弱。文献[63]在岩石压缩破裂试验中观测到300 MHz、2 GHz、22 GHz的微波能量释放，考虑到AMSR-E传感器工作频段仅有18.7 GHz和23.8 GHz与22 GHz最接近，但后者位于水汽吸收峰，因此优选18.7 GHz作为研究波段[40]。后续诸多研究也据此选择该波段，未尝试其他波段。然而，早期国内研究人员已通过8 mm、2 cm及10 cm波长(分别相当于37.5、15、3 GHz)的微波辐射计观测到岩石受压破裂过程中存在微波辐射随应力状态改变，且水平极化较垂直极化更为显著的现象[78-79]。这表明，岩石受压微波辐射频段存在多样性。同时，地球盖层对来自地壳深部的信号具有修正效应[80]，使得卫星观测的波段特征更具不确定性。文献[75]在分析研究青藏高原的2次大地震时，通过对比不同波段MBT异常，发现19.7 GHz对地震异常最为敏感，但SSM/I最低频率为19.7 GHz，缺乏更低频段的对比结果，因此该结论有待进一步夯实或修正。
(2) 异常提取方法欠考验，物理内涵有混淆。一方面，部分学者选择卫星微波辐射数据反演的LST产品[61-62]，或直接用MBT表征LST[72-73]，这与MBT的物理内涵不符。MBT同时取决于地表的物理温度和微波发射率，二者变化均影响MBT。遥感-岩石力学基础试验研究表明，环境温度受控条件下岩石物理温度变化对其MBT变化的贡献十分有限[81-82]，而微波发射率变化才是MBT变化的主要原因。因此，简单地以LST产品数据代替MBT或以MBT直接表征LST均不妥。应当基于不同频段、不同极化的卫星微波观测数据进行地表MBT异常提取，并辨析该异常变化是否由微波发射率变化引起、是否与地震活动有关；MBT异常提取方法的有效性与研究区的地表覆盖特征、MBT背景场的可靠性等有关，需经反复考验、不断改进从而提升其适宜性。另一方面，利用异常指数法提取地震微波异常会对非震粗差(同为异常指数高值)产生误判，且无法区分MBT异常的正负差异。背景场差值法受限于所用历史数据的时间区间和数据量，异常提取结果存在一定的不确定性。人工目视解译则具有主观性，且可参考的信息量有限，容易做出误判。
(3) 异常结果存在粗差，伪异常未剔除。星载被动微波传感器接收的信号来自于地表和大气，二者的贡献占比取决于所用频率。在低频波段，大气的影响较小，地表土壤湿度变化(干旱或降雨引起)会大幅改变卫星MBT观测值，经数据处理后可能以伪异常的形式反映在MBT提取结果中。若不利用辅助数据进一步进行辨析和剔除，则会造成地震MBT异常的误判。在高频波段，大气成分的变化、云层的存在及其属性差异均会影响卫星MBT观测值，所得MBT异常结果可能反映的是大气层干扰而非地表的微波辐射变化。此外，传感器的工作性能也会影响数据质量，并以粗差的形式体现在MBT异常提取结果中。
2.3 科学逻辑与复合链条地物的微波辐射机制十分复杂，与环境因素、观测对象、观测频率和极化方式密切相关。地震微波辐射异常是一种典型的强干扰背景下的弱信号，受诸多非震因素的混叠和掩盖。现阶段，地震微波遥感异常分析的科学逻辑应该是：先通过边界条件既定的方法提取可能与地震相关的MBT异常变化，再利用多源辅助数据进行综合辨析和真伪判定，排除非震干扰，保留地震MBT异常。
在内陆区域，降雨过程和气温变化均会改变地表土壤湿度，对地表MBT造成显著影响；孕震期间，地应力场变化所致地下水位升降也会改变地表土壤湿度[83]。因此，需从降雨过程、气温变化和浅表水位升降三方面综合研判土壤湿度变化对地表MBT的影响。在海洋区域，地应力场变化会导致海底赋存气体溢出[84]，海水因水气混合而使海表介电常数大幅降低，可能引起MBT显著上升；此外，海域MBT受云层干扰严重，海洋气候与洋流事件(如厄尔尼诺)也会通过温度或发射率变化扰乱海表微波辐射特性，在研究海洋地震微波异常时需要更仔细地甄别。此外，地震MBT研究方法、数据和结果均要进行可靠性评价，所得微波辐射异常还须耦合多圈层参数进行交叉验证。总之，从遥感数据处理到地震微波异常获取过程中，需要耦合背景场构建、时空特征分析、去伪存真、交叉验证和可靠性分析，地震微波遥感异常分析过程是一条复合链条(图 1)。
|
| 图 1 地震微波遥感异常分析过程的复合链条 Fig. 1 Synergic chain of seismic abnormity analysis with microwave remote sensing |
3 微波遥感地震应用新进展
近年来，笔者团队面向地震遥感异常分析重大需求，利用多波段多极化被动微波卫星遥感技术，在微波辐射背景场构建及其时空分析、非震微波信息剥离、地震异常提取分析、MBT伪异常分辨、多波段多极化复合分析、岩石受力微波辐射变化机理等方面取得了一系列新进展。本文将择要对这些进展进行介绍。
3.1 MBT背景场构建与认知：以青藏高原为例区域MBT背景场能体现特定地区在自然状态下微波辐射的时空分布特征。基于多年同月卫星观测数据构建的月均值MBT背景场，能抑制云层活动和地震事件等突变信息，反映研究区非震状态下微波辐射的自然变化特征[85]。但目前的研究一般多专注于挖掘和分析地震相关的“异常”信息，对反映区域微波辐射“正常”状态的MBT背景场关注不足。若对正常信息缺乏必要认知，必然影响对“异常”的正确甄别和科学理解。
近30年来，青藏高原的巴颜喀拉地块和喜山推覆带构造活动十分活跃，青藏高原及其周缘地区频现7级以上强震。过去，国内外虽已针对该区域进行了大量的地震MBT异常研究，却未针对青藏高原及其周缘地区MBT背景场开展专门分析；近期，中南大学基于AMSR-2传感器运行周期内全部历史同月数据，率先构建了青藏高原地区多波段双极化MBT逐月均值背景场。以低频波段(10.65 GHz)水平极化为例(图 2)，MBT背景场既反映了海拔、地形、纬度、地表覆盖等多因素在空间上的复合作用，也反映了更为复杂的季节温度、植被物候、地表水含量及其相态、冻融循环及降水等因素在时间上的多重耦合作用。在高频波段(如89 GHz)，MBT背景场主要反映陆地海拔和地表温度的空间差异对微波辐射的影响，以及季节气温和物候特征的时间差异对微波辐射的影响。随着微波观测频率升高，体现地表浅层介电特性的地学因素(如岩土类型、表面电场、岩土含水量及其相态)对MBT背景场的影响程度逐渐降低，而反映辐射传输路径及云层信息的环境因素(如植被覆盖、云层厚度、云层温度、云相态等)对MBT背景场的影响程度逐渐升高。同一波段、不同极化MBT背景场的空间分布特征大体一致，但其随时间变化的特征差异较大，主要取决于地表覆盖类型。据此，参考MBT月均值背景场，分析并认知其时空变化的内在驱动因素，有助于识别地震活动相关的附加微波辐射。
|
| 图 2 青藏高原及其周缘10.65 GHz水平极化MBT月均值背景场 Fig. 2 Monthly mean MBT background with 10.65 GHz H-polarization in Qinghai-Tibet Plateau and its surrounding regions |
3.2 非震MBT干扰剔除
文献[69]曾于2011年提出两步差分法，即第1步减去非震年研究区微波均值背景场，从而消除地形地貌等固定影响；第2步去除研究区平均气象条件影响，从而抑制潜在气象扰动。应用实践中逐渐发现，该方法对微波辐射信号的中长周期干扰(如地形、气候)和短周期干扰(如局地气象)在不同时空尺度上的相关性和差异性考虑不足，背景场构建的合理性有待进一步提升。参考地理学第一定律[86]和地理学第二定律[87]的基本思想，文献[88]顾及地表微波辐射不同影响因子在时间和空间上的相似性和异质性，重新构建了历史微波数据的权重计算方法与分配规则，提出了时空加权两步法(spatio-temporally weighted two-step method，STW-TSM)。然而，在利用STW-TSM研究国内外多个强震过程中，发现当地震前后发震区土壤湿度变化较大、云层较厚等复杂情况出现时，非震因素的干扰值仍不能被完全剔除，还需利用辅助数据进行溯源分析。因此，文献[89]进一步提出了一种基于动态月均值背景场(dynamic monthly mean background，DMMB)提取和辨析地震MBT异常的多源复合方法，即先利用代表研究区自然状态的MBT月均值背景场提取可能与地震相关的MBT残差值，再利用地表温度、土壤湿度、卫星云图等多源辅助数据对影响地表微波辐射的关键因子进行综合辨析和逐一排除，最后保留与地震活动相关的MBT残差值。
3.3 地震MBT异常提取与分析基于STW-TSM，文献[90]利用AMSR-E传感器的多频段双极化数据研究了2008年汶川地震前后的MBT异常，发现汶川震前MBT异常逐渐增强，主震当天达到峰值，震后随余震迁移，其在空间位置和形态上与龙门山东西两侧的第四纪地层完全吻合。通过比较不同频率和极化的MBT异常细节特征和幅值大小，认为10.65 GHz水平极化是地震MBT异常提取的优选通道[88]。随后，文献[91]利用FY-3B MWRI传感器的10.65 GHz水平极化数据，研究了2015年尼泊尔廓尔喀和多拉卡地震序列，发现廓尔喀主震前2 d沿喜马拉雅山脉出现一条覆盖震中的近东西向的MBT显著升温条带，并在震后迅速消失；MBT升温条带在多拉卡余震前一天复现，震后也迅速消散。两次震前的MBT异常条带的形态、强度、方向和空间位置高度相似，且其南北向MBT幅值变化与喜山地区海拔变化高度正相关，违背了地表温度随高程降低的自然规律。分析认为，该地区地壳岩体中普遍存在的岩石矿物过氧缺陷[92]，在地应力作用下因受力激活而产生了可迁移的电荷载流子(正空隙电荷，P-holes)，并沿温度梯度和应力梯度向低温区、低应力区传递，最终迁移、积聚于地表特定位置，进而改变P-holes汇聚区地表的微波介电、引起微波辐射异常[90, 92]。文献[93]基于STW-TSM，利用AMSR-2传感器10.65 GHz和89 GHz水平极化数据研究了2017年伊朗—伊拉克边境扎哈布地震，发现震前MBT正异常出现在震中西南平原和北部湖区，且随地震临近而增强，随余震消失而消散。联合岩石力学三维数值模拟、遥感物理原理和微波介电变化响应链条[90]，该平原异常和湖区异常均得到了合理解释[93]。基于DMMB，文献[85, 89]利用AMSR-E和AMSR-2 10.65 GHz水平极化数据分别提取了2010年青海玉树地震和2021年青海玛多地震的MBT异常，发现这两次地震前均出现了覆盖巴颜喀拉地块且形态相似的MBT增强条带，认为这可能是巴颜喀拉地块的一种特征性地震前兆信息。总结笔者团队近年基于STW-TSM和DMMB方法开展的国内外大地震MBT异常研究案例，列于表 3。
| 研究案例 | 传感器 | 频率/GHz | 极化 | MBT异常现象 | 参考文献 |
| 1998 Mw5.7张北地震 | SSM/I | 19 | H | 显现于震中北部裸地和东南部的渤海湾区 | 文献[94] |
| 2008 Mw7.9汶川地震 | AMSR-E | 6.9-89 | H, V | 震前增强，发震时达峰，震后随余震迁移 | 文献[88] |
| 2010 Mw6.9玉树地震 | AMSR-E | 10.65 | H | 震前沿巴颜喀拉地块呈条带状分布 | 文献[85] |
| 2013 Mw6.6芦山地震 | MWRI | 10.65 | H | 震前集中显现于地块交汇区 | 文献[94] |
| 2015 Mw7.8/7.3尼泊尔地震 | MWRI | 10.65 | H | 覆盖震中，与地震活动同步，与地形吻合 | 文献[91] |
| 2017 Mw6.5九寨沟地震 | AMSR-2 | 10.65 | H | 显现于震中西部的地块交汇区 | 文献[94] |
| 2017 Mw7.3两伊边境地震 | AMSR-2 | 10.65, 89 | H | 出现在震中附近的平原区及北部湖区 | 文献[93] |
| 2019 Mw5.8宜宾地震 | AMSR-2 | 10.65 | H | 集中在断裂带密集区，并存在迁移现象 | 文献[94] |
| 2021 Mw7.3玛多地震 | AMSR-2 | 10.65 | H | 块状异常覆盖震中，条带异常覆盖孕震地块 | 文献[89] |
3.4 MBT伪异常研判
在地震微波遥感研究中，地震MBT异常结果与异常提取和分析方法、微波频率和极化方式、孕震机制和发震模式等有关[95]。通过表 3所列案例的具体研究，发现受环境因素和传感器工作性能的影响，MBT异常结果中还可能伴有噪声或伪异常。笔者在研究2017年两伊边境地震时发现，研究区AMSR-2原始影像中存在周期性且位置固定的异常条带；仔细检查后发现，该异常仅存在于10.65 GHz的水平极化通道，其他数据通道均正常；分析认为，这可能是特定传感器故障所致[93]。此外，MBT残差影像中，震前10 d出现了一条由北东东向直指震中的负异常条带；通过引入含分层高度的云总量数据进行复合分析，确认该现象是由高层云引起[93]。在研究2015年尼泊尔地震时，发现除覆盖震中的MBT正异常条带之外，在南部平原地区还出现一条与之平行的MBT负异常条带；联合分析同步的地表土壤湿度数据和气象降雨数据，认为该负异常条带是由降雨过程所致[91]。在研究2021年青海玛多地震时，发现震后在震中北部区域出现大面积MBT正异常；通过分析地表温度和土壤湿度数据，发现这是一种由气温升高导致土壤湿度降低引起的伪异常[89]。上述MBT伪异常现象均具有显著特征，可利用多源辅助数据进行辨析和剔除，进而增加研究结果的纯净性和可靠性。此外，多波段多极化复合分析也是MBT伪异常研判的一种重要方法。
3.5 多波段多极化复合分析被动微波信号对辐射传输路径中不同影响因素的敏感性存在波段和极化差异，对不同通道的MBT异常结果进行复合分析，有助于确证MBT异常变化所在圈层位置、解析MBT异常的潜在驱动因子。笔者在研究2008年汶川地震多波段MBT异常时发现，震中附近龙门山东西两侧两处大面积MBT异常的强度和面积均随频率降低而升高，而散布于研究区其他位置的零星MBT异常则呈相反规律[88, 90]。考虑到低频MBT信号(如6.9、10.65 GHz)对大气、植被和浅层地表具有穿透性，而高频MBT信号(36.5 GHz及以上)的大气衰减相对严重，经复合分析，认为震中附近两处显著MBT异常来源于地表(盖层)，其余零星MBT异常则来源于大气(大气层)。结合地应力变化驱动的地表微波介电响应链条，可认为低频MBT异常与地震活动存在更强相关性。3.4节中所述两伊边境地震前出现了高频(89 GHz)的MBT负异常条带，而在低频(10.65 GHz)MBT并无异常显现[93]，初步认为该异常的驱动因子存在于大气而非地表，进而利用云层数据对该非地震相关的伪异常进行校验与剔除；若10.65 GHz结果中也存在对应的MBT负异常条带且更宽、更强，则可判定该异常的驱动因子存在于地表而非大气，应选择地表土壤湿度等数据进行复合与校验。此外，在常见卫星观测角度下(如45°、55°)，地物同频率垂直极化MBT高于水平极化，而模拟结果显示，当地物微波介电常数变化时，相同物理温度下水平极化MBT变化幅度大于垂直极化，表明水平极化MBT信号对地物介电变化更为敏感，更适用于检测由介电变化引起的地表MBT异常[95]。此外，因地表物理温度变化对双极化MBT影响效果相同，故可通过双极化MBT观测值进行复合分析或差值比较：若双极化MBT异常值差异较小，则该异常主要由地表温度变化引起；若水平极化MBT异常值显著高于垂直极化，则该异常主要由地表介电变化引起；对二者作差值运算，可消减或去除地表物理温度变化对MBT异常的贡献，强化或滤出由地表介电变化引起的MBT异常。
3.6 基础试验研究与遥感信息物理被动微波卫星传感器接收的微波辐射信息与地表温度和发射率密切相关。在研究实践中，当剥离地表温度、土壤湿度、气象等因素的影响之后，发现诸多地震前后仍存在显著的MBT增强现象，暗示还可能存在导致地表微波辐射变化的某种未知因素。中南大学、东北大学联合团队开展的岩石受力微波辐射观测试验表明，岩石受力变形弹性阶段的微波辐射变化与应力具有良好的同步性[81-82, 96-97]，且存在观测角度和极化方式差异[98]；深入的遥感物理解析发现，岩石受力破裂过程中，岩石物理温度变化对岩石微波辐射变化的贡献十分有限，据此推测还存在岩石微波发射率的变化。为此，笔者团队自主设计了岩石材料受力微波介电变化测试系统，试验发现了岩石受力破裂过程中微波介电的规律性下降现象，并基于材料微观极化机制进行了合理解释[96, 99]。顾及地表盖层影响和地壳岩体应力分布的空间差异性，设计并开展了覆盖沙层的岩石受力微波辐射观测试验和岩石局部受力远端非受力区微波介电观测试验，发现在含过氧缺陷的岩石材料受力过程中，由于岩石内部P-holes的激活、迁移及表面积聚导致岩石材料微波介电常数降低，进而使得岩石受力微波辐射增强的现象[99-100]。
在地震MBT异常分析层面，笔者以2008年汶川地震和2015年尼泊尔地震序列为例，结合遥感-岩石力学试验现象、地震孕震/发震机制、区域三维地质构造、岩石P-holes理论和多源卫星遥感辅助数据，提出了一种地应力变化所致“P-holes地壳深部激活-沿应力梯度传递-陆地浅表聚集-微波介电下降-微波辐射增强”的响应链条，为地震MBT异常变化提供了一种合理的信息物理机制[90-91]。在地球物理多圈层耦合分析层面，结合国际上的LAI耦合(lithosphere-atmosphere-ionosphere coupling)分析思路[101]，并重点顾及地表盖层(coversphere)对岩石圈和大气层的纽带作用及其对信号传输、卫星遥感的重要影响，文献[80, 102—103]系统性提出了LCAI耦合(lithosphere-coversphere-atmosphere-ionosphere coupling)的信息物理分析思路，倡导以此为框架理解多圈层相互作用模式、探索多参数相互耦合机制，目前已在应用实践中取得良好效果[76, 104-107]。
4 前沿方向与关键问题整体来看，多波段多极化被动微波卫星遥感用于地震异常识别与监测实践研究，正处于加速发展阶段。其方法与案例研究开始深入遥感物理层面，在数据选择、异常认知、噪声分辨等方面的理论支撑逐渐成熟，客观揭示了国内外众多强震案例的震前MBT异常现象，总结了地震MBT异常的时空变化特征和基本规律。立足新近进展、面向未来发展与前沿探索，地震遥感尤其是地震微波遥感研究还应从定量方法和理论机制两个前沿方向继续加强，亟须瞄准其中的关键科技问题组织多学科交叉团队，联合开展重点攻关。
4.1 地震微波辐射异常的可靠识别目前，星载被动微波传感器(辐射计、成像仪)普遍具有多频率、多极化组合的观测模式，不同观测通道对地球辐射信息变化的敏感性不同。低频波段(如1.4、6.9 GHz)微波信号对大气和植被具有良好穿透性，且对地表介电变化十分敏感，适用于反演地表土壤湿度[108-109]；19.0 GHz及以上频段微波信号可反映大气云层信息；23.0 GHz位于大气水汽吸收峰，可用于反演大气水汽含量[32]；37.0 GHz具有良好大气透过率，对土壤特性变化不敏感，是地表温度反演的最佳微波频段[110]。因相同频率、不同极化通道之间的观测数据经互相运算后可消除地表温度变化的影响，故可通过不同频率、不同极化数据定量提取植被和土壤湿度变化，进而为地震MBT异常甄别与可靠识别提供边界条件，研制地震微波辐射异常的可靠识别方法。但是，目前的地震MBT异常遥感研究仅利用上述特性进行非震因素的定性分析，未能充分发挥不同通道数据的互补协同与定量解析潜能。因此，亟须融合多波段多极化被动微波卫星数据，构建不同环境条件下各种干扰因素的定量描述模型，整体解析和逐一剥离复杂非震因素对卫星微波载荷接收信号的潜在贡献，进而有效剔除伪异常、逼近正异常。此外，还需充分发挥大数据与人工智能技术分析挖掘强噪声、弱信号背景下有效信息的优势，早日实现地震微波辐射异常的可靠识别与监测分析，这是未来地震微波遥感研究的大趋势。
4.2 地应力场变化微波遥感的信息物理地震是地壳活动与构造应力积累失稳的结果，地应力场变化是固体地球灾害的根源，而地应力场变化卫星遥感是打开地震遥感预测的金钥匙[111]。地震遥感既是遥感科学与技术的重要应用，也是地球系统科学的重要分支，不仅需要关注地表属性和辐射传输路径的复合影响，还需关注地表MBT异常和地应力场变化的时空关联。然而，地壳应力场变化导致的地球物理响应信号如何产生、传递、损耗，如何引起地表MBT变化等关键科学问题，尚待深入研究。在遥感-岩石力学基础试验方面，虽然已在微观、细观尺度上大量取得了岩石破裂过程红外、微波、介电、电流及磁场变化观测及机理研究结果，但岩石微波辐射等遥感参数受力变化的微观-细观-宏观尺度效应不明，尚需建立岩石浅表MBT与岩石内部应力等观测参量之间的物理联系与尺度关联。在地震微波遥感信息物理方面，尽管已提出地应力驱动的地表微波介电及MBT变化响应链条[90-91]，但仍属定性解释；未来还须基于遥感-岩石力学、地球物理和遥感物理知识，阐明地应力场变化卫星遥感的信息物理机制，确证卫星遥感的地表MBT空间分异与地应力场变化之间的内在联系，发展基于卫星平台的地应力场变化遥感反演模型和定量算法，建立地应力场变化卫星遥感的理论与技术基础。此外，在地震微波遥感监测方面，还须加强对多圈层多参数异常变化之耦合关系及时空链条的认知理解，并基于多圈层多参数的物理-时空耦合机制，利用多圈层、大区域的地球系统空间可视化技术[112-114]，研发形成卫星遥感MBT异常分析业务系统，使之具备多参数、多圈层、大区域综合验证与动态可视化的研判能力，努力提升地震遥感监测分析及微波异常识别的科学性与可靠性。以上三者，均是未来地震微波遥感研究的重中之重。
5 结语多波段多极化被动微波卫星遥感的地震应用方兴未艾，构造活动与地震异常的卫星遥感监测前景广阔，但问题复杂、极具挑战、任重道远。遥感科学与技术、地球物理学、地质学、岩石学、大气科学、空间物理学等多学科交叉与深度融合，是地震遥感研究向纵深发展的必由之路，4个层面的系统研究需要精心规划、有序组织、稳步推进。在理论基础层面，为建立地表微波辐射与地应力场变化之间的定量关系，须结合岩石物理、岩石力学、遥感物理、电介质物理和矿物学等知识，继续加强遥感-岩石力学基础试验研究与理论分析。在分析方法层面，为准确获取地表真实的MBT及其变化，须发展基于多频多极化数据的多重对象定量解析算法，精准量化微波辐射传输路径上陆地、海洋、植被和大气等的辐射与散射特性，精细界定其变化规律与影响因素。在数据处理层面，须发展不同卫星平台微波数据之间的无损转换及有效融合算法，进而协同多平台、多时相星地观测数据，突破目前MBT异常识别算法过度依赖同源历史数据而卫星寿命有限的困境，并引入机器学习、人工智能和大数据等手段，实现全球多尺度地震遥感异常的协同分析与智能识别处理。在应用实践层面，要切实加强科学研究与行业应用的有机结合、高校院所与行业部门的互动联合，积极推动和加快构建区域及全球性地震遥感监测、分析及预报业务系统的步伐，尽快实现基于多源、多参数星地观测数据快速处理、复合分析、异常识别、可靠性评价与交叉检验等关键功能的流程化、自动化和智能化，为地壳活动与地震灾害感知监测、认知分析、预知服务等做出贡献。
| [1] |
ULABY F T, LONG D G. Microwave radar and radiometric remote sensing[M]. Ann Arbor: The University of Michigan Press, 2014.
|
| [2] |
HASTED J B. Aqueous dielectrics[M]. London: Chapman and Hall, 1973.
|
| [3] |
WANG J R, SCHMUGGE T J. An empirical model for the complex dielectric permittivity of soils as a function of water content[J]. IEEE Transactions on Geoscience and Remote Sensing, 1980, GE-18(4): 288-295. DOI:10.1109/TGRS.1980.350304 |
| [4] |
JACKSON T J. Ⅲ. Measuring surface soil moisture using passive microwave remote sensing[J]. Hydrological Processes, 1993, 7(2): 139-152. DOI:10.1002/hyp.3360070205 |
| [5] |
MLADENOVA I E, JACKSON T J, NJOKU E, et al. Remote monitoring of soil moisture using passive microwave-based techniques-theoretical basis and overview of selected algorithms for AMSR-E[J]. Remote Sensing of Environment, 2014, 144: 197-213. DOI:10.1016/j.rse.2014.01.013 |
| [6] |
NJOKU E G, JACKSON T J, LAKSHMI V, et al. Soil moisture retrieval from AMSR-E[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(2): 215-229. DOI:10.1109/TGRS.2002.808243 |
| [7] |
NJOKU E G, ENTEKHABI D. Passive microwave remote sensing of soil moisture[J]. Journal of Hydrology, 1996, 184(1-2): 101-129. DOI:10.1016/0022-1694(95)02970-2 |
| [8] |
金亚秋. 星载微波SSM/I遥感在中国东北华北农田的辐射特征分析[J]. 遥感学报, 1998, 2(1): 19-25. JIN Yaqiu. Data analysis of the spaceborne SSM/I over crop areas of the Northern China[J]. Journal of Remote Sensing, 1998, 2(1): 19-25. |
| [9] |
谷松岩, 张文建, 邱红. SSM/I资料反演大范围地表湿度试验[J]. 应用气象学报, 2004, 15(4): 407-416. GU Songyan, ZHANG Wenjian, QIU Hong. Retrieving regional soil moisture over China from SSM/I microwave data[J]. Journal of Applied Meteorological Science, 2004, 15(4): 407-416. DOI:10.3969/j.issn.1001-7313.2004.04.003 |
| [10] |
乔平林, 张继贤, 王翠华. 应用AMSR-E微波遥感数据进行土壤湿度反演[J]. 中国矿业大学学报, 2007, 36(2): 262-265. QIAO Pinglin, ZHANG Jixian, WANG Cuihua. Soil moisture retrieving by AMSR-E microwave remote sensing data[J]. Journal of China University of Mining & Technology, 2007, 36(2): 262-265. DOI:10.3321/j.issn:1000-1964.2007.02.025 |
| [11] |
杨涛, 宫辉力, 李小娟, 等. 土壤水分遥感监测研究进展[J]. 生态学报, 2010, 30(22): 6264-6277. YANG Tao, GONG Huili, LI Xiaojuan, et al. Progress of soil moisture monitoring by remote sensing[J]. Acta Ecologica Sinica, 2010, 30(22): 6264-6277. |
| [12] |
PRIGENT C, ROSSOW W B, MATTHEWS E. Microwave land surface emissivities estimated from SSM/I observations[J]. Journal of Geophysical Research: Atmospheres, 1997, 102(D18): 21867-21890. DOI:10.1029/97JD01360 |
| [13] |
PRIGENT C, ROSSOW W B, MATTHEWS E. Global maps of microwave land surface emissivities: potential for land surface characterization[J]. Radio Science, 1998, 33(3): 745-751. DOI:10.1029/97RS02460 |
| [14] |
LI Zhaoliang, TANG Bohui, WU Hua, et al. Satellite-derived land surface temperature: current status and perspectives[J]. Remote Sensing of Environment, 2013, 131: 14-37. DOI:10.1016/j.rse.2012.12.008 |
| [15] |
毛克彪, 施建成, 李召良, 等. 一个针对被动微波AMSR-E数据反演地表温度的物理统计算法[J]. 中国科学D辑: 地球科学, 2006, 36(12): 1170-1176. MAO Kebiao, SHI Jiancheng, LI Zhaoliang, et al. A physics-based statistical algorithm for retrieving land surface temperature from AMSR-E passive microwave data[J]. Science in China Series D: Earth Sciences, 2006, 36(12): 1170-1176. |
| [16] |
毛克彪, 施建成, 李召良, 等. 用被动微波AMSR数据反演地表温度及发射率的方法研究[J]. 国土资源遥感, 2005(3): 14-17. MAO Kebiao, SHI Jiancheng, LI Zhaoliang, et al. The land surface temperature and emissivity retrieved from the AMSR passive microwave data[J]. Remote Sensing for Land & Resources, 2005(3): 14-17. DOI:10.3969/j.issn.1001-070X.2005.03.004 |
| [17] |
KARBOU F, GÉRARD É, RABIER F. Microwave land emissivity and skin temperature for AMSU-A and -B assimilation over land[J]. Quarterly Journal of the Royal Meteorological Society, 2006, 132(620): 2333-2355. DOI:10.1256/qj.05.216 |
| [18] |
SCHROEDER R, MCDONALD K C, CHAPMAN B D, et al. Development and evaluation of a multi-year fractional surface water data set derived from active/passive microwave remote sensing data[J]. Remote Sensing, 2015, 7(12): 16688-16732. DOI:10.3390/rs71215843 |
| [19] |
TAIT A B. Estimation of snow water equivalent using passive microwave radiation data[J]. Remote Sensing of Environment, 1998, 64(3): 286-291. DOI:10.1016/S0034-4257(98)00005-4 |
| [20] |
车涛, 李新, 高峰. 青藏高原积雪深度和雪水当量的被动微波遥感反演[J]. 冰川冻土, 2004, 26(3): 363-368. CHE Tao, LI Xin, GAO Feng. Estimation of snow water equivalent in the Tibetan Plateau using passive microwave remote sensing data (SSM/I)[J]. Journal of Glaciology and Geocryology, 2004, 26(3): 363-368. DOI:10.3969/j.issn.1000-0240.2004.03.019 |
| [21] |
CHE Tao, LI Xin, JIN Rui, et al. Snow depth derived from passive microwave remote-sensing data in China[J]. Annals of Glaciology, 2008, 49: 145-154. DOI:10.3189/172756408787814690 |
| [22] |
ROTT H, PAUL F. Satellite remote sensing of glaciers and ice sheets[M]//FOWLER A, NG F. Glaciers and Ice Sheets in the Climate System. Cham: Springer, 2021: 327-348. DOI: 10.1007/978-3-030-42584-5_13.
|
| [23] |
殷晓斌. 海面风矢量、温度和盐度的被动微波遥感及风对温盐遥感的影响研究[D]. 青岛: 中国海洋大学, 2007. YIN Xiaobin. A study on the passive microwave remote sensing of sea surface wind vector, temperature and salinity and the effect of wind on remote sensing of temperature and salinity[D]. Qingdao: Ocean University of China, 2007. |
| [24] |
BLUME H J C, KENDALL B M. Passive microwave measurements of temperature and salinity in coastal zones[J]. IEEE Transactions on Geoscience and Remote Sensing, 1982, GE-20(3): 394-404. DOI:10.1109/TGRS.1982.350461 |
| [25] |
KLEMAS V. Remote sensing of sea surface salinity: an overview with case studies[J]. Journal of Coastal Research, 2011, 27(5): 830-838. DOI:10.2112/JCOASTRES-D-11-00060.1 |
| [26] |
PRABHAKARA C, WANG I, CHANG A T C, et al. A statistical examination of Nimbus-7 SMMR data and remote sensing of sea surface temperature, liquid water content in the atmosphere and surface wind speed[J]. Journal of Applied Meteorology and Climatology, 1983, 22(12): 2023-2037. DOI:10.1175/1520-0450(1983)022<2023:ASEONS>2.0.CO;2 |
| [27] |
BENTAMY A, QUEFFEULOU P, QUILFEN Y, et al. Ocean surface wind fields estimated from satellite active and passive microwave instruments[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(5): 2469-2486. DOI:10.1109/36.789643 |
| [28] |
CHANG A T C, WILHEIT T T. Remote sensing of atmospheric water vapor, liquid water, and wind speed at the ocean surface by passive microwave techniques from the Nimbus 5 satellite[J]. Radio Science, 1979, 14(5): 793-802. DOI:10.1029/RS014i005p00793 |
| [29] |
王振占, 姜景山, 刘璟怡, 等. 全极化微波辐射计遥感海面风场的关键技术和科学问题[J]. 中国工程科学, 2008, 10(6): 76-86. WANG Zhenzhan, JIANG Jingshan, LIU Jingyi, et al. Critical technique and scientific topic on fully polarized microwave radiometer remote sensing sea surface wind vector[J]. Engineering Science, 2008, 10(6): 76-86. DOI:10.3969/j.issn.1009-1742.2008.06.013 |
| [30] |
TROY B E, HOLLINGER, J P, LERNER, R M, et al. Measurement of the microwave properties of sea ice at 90 GHz and lower frequencies[J]. Journal of Geophysical Research: Oceans, 1981, 86(C5): 4283-4289. DOI:10.1029/JC086iC05p04283 |
| [31] |
季青, 庞小平, 许苏清, 等. 极地海冰厚度探测方法及其应用研究综述[J]. 极地研究, 2016, 28(4): 431-441. JI Qing, PANG Xiaoping, XU Suqing, et al. Review of technology and application research on polar sea ice thickness detection[J]. Chinese Journal of Polar Research, 2016, 28(4): 431-441. DOI:10.13679/j.jdyj.2016.4.431 |
| [32] |
SCHLUESSEL P, EMERY W J. Atmospheric water vapour over oceans from SSM/I measurements[J]. International Journal of Remote Sensing, 1990, 11(5): 753-766. DOI:10.1080/01431169008955055 |
| [33] |
李芸, 王振占. "神舟4号"飞船微波辐射计亮温反演海面温度、风速和大气水汽含量[J]. 遥感技术与应用, 2005, 20(1): 133-136. LI Yun, WANG Zhenzhan. Retrievals of sea surface temperatures, wind speeds, volume water vapor contents from SZ-4 RAD brightness temperatures[J]. Remote Sensing Technology and Application, 2005, 20(1): 133-136. DOI:10.3969/j.issn.1004-0323.2005.01.024 |
| [34] |
WATERS J W, KUNZI K F, PETTYJOHN R L, et al. Remote sensing of atmospheric temperature profiles with the Nimbus 5 microwave spectrometer[J]. Journal of the Atmospheric Sciences, 1975, 32(10): 1953-1969. DOI:10.1175/1520-0469(1975)032<1953:RSOATP>2.0.CO;2 |
| [35] |
DI PAOLA F, RICCIARDELLI E, CIMINI D, et al. MiRTaW: an algorithm for atmospheric temperature and water vapor profile estimation from ATMS measurements using a random forests technique[J]. Remote Sensing, 2018, 10(9): 1398. DOI:10.3390/rs10091398 |
| [36] |
谷松岩, 高慧琳, 朱元竞, 等. TMI被动微波遥感资料用于地表洪涝特征分析试验[J]. 遥感学报, 2004, 8(3): 261-268. GU Songyan, GAO Huilin, ZHU Yuanjing, et al. The application of TMI polarization ratio PR in flooded area detecting and classification[J]. Journal of Remote Sensing, 2004, 8(3): 261-268. |
| [37] |
TUCKER C J, CHOUDHURY B J. Satellite remote sensing of drought conditions[J]. Remote Sensing of Environment, 1987, 23(2): 243-251. DOI:10.1016/0034-4257(87)90040-X |
| [38] |
陈修治, 苏泳娴, 李勇, 等. 基于被动微波遥感的中国干旱动态监测[J]. 农业工程学报, 2013, 29(16): 151-158. CHEN Xiuzhi, SU Yongxian, LI Yong, et al. Monitoring drought dynamics of China using passive microwave remote sensing technology[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(16): 151-158. DOI:10.3969/j.issn.1002-6819.2013.16.019 |
| [39] |
VAROTSOS C A, KRAPIVIN V F, MKRTCHYAN F A. A new passive microwave tool for operational forest fires detection: a case study of Siberia in 2019[J]. Remote Sensing, 2020, 12(5): 835. DOI:10.3390/rs12050835 |
| [40] |
MAEDA T, TAKANO T. Discrimination of local and faint changes from satellite-borne microwave-radiometer data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(9): 2684-2691. DOI:10.1109/TGRS.2008.919144 |
| [41] |
TAKANO T, MAEDA T. Experiment and theoretical study of earthquake detection capability by means of microwave passive sensors on a satellite[J]. IEEE Geoscience and Remote Sensing Letters, 2009, 6(1): 107-111. DOI:10.1109/LGRS.2008.2005735 |
| [42] |
吴立新, 秦凯, 刘善军. 断裂活动及孕震过程遥感热异常分析的研究进展[J]. 测绘学报, 2017, 46(10): 1470-1481. WU Lixin, QIN Kai, LIU Shanjun. Progress in analysis to remote sensed thermal abnormity with fault activity and seismogenic process[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1470-1481. DOI:10.11947/j.AGCS.2017.20170347 |
| [43] |
STRAITON A W, TOLBERT C W, BRITT C O. Apparent temperatures of some terrestrial materials and the sun at 4.3-millimeter wavelengths[J]. Journal of Applied Physics, 1958, 29(5): 776-782. DOI:10.1063/1.1723283 |
| [44] |
BASHARINOV A E, GURVICH A S, YEGOROV S T, et al. The results of microwave sounding of the Earth's surface according to experimental data from the satellite Cosmos 243[G]. Space Research XI, A Kademie Verlag, Berlin, 1971.
|
| [45] |
GORBUNOV M E, KUTUZA B G. Cosmos-243 as the starting point for the development of microwave radiometry methods of the Earth's atmosphere and surface[J]. Izvestiya, Atmospheric and Oceanic Physics, 2018, 54(3): 275-281. DOI:10.1134/S0001433818030076 |
| [46] |
GRANTHAM W, BRACALENTE E, JONES W, et al. The Seasat-A satellite scatterometer[J]. IEEE Journal of Oceanic Engineering, 1977, 2(2): 200-206. DOI:10.1109/JOE.1977.1145338 |
| [47] |
BORN G H, DUNNE J A, LAME D B. Seasat mission overview[J]. Science, 1979, 204(4400): 1405-1406. DOI:10.1126/science.204.4400.1405 |
| [48] |
HALEY R, SCHARDT B. The Nimbus satellite program[C]//Proceedings of the 5th Annual Meeting and Technical Display. Philadelphia, PA: AIAA, 1968: 1093. DOI: 10.2514/6.1968-1093.
|
| [49] |
EDEN H F, OLERO B P, PERKINS J N. Nimbus satellites: setting the stage for mission to planet Earth[J]. Eos, Transactions American Geophysical Union, 1993, 74(26): 281-285. DOI:10.1029/93EO00286 |
| [50] |
NICHOLS D A. The defense meteorological satellite program[J]. Optical Engineering, 1975, 14(4): 144273. DOI:10.1117/12.7971832 |
| [51] |
KAWANISHI T, SEZAI T, ITO Y, et al. The advanced microwave scanning radiometer for the earth observing system (AMSR-E), NASDA's contribution to the EOS for global energy and water cycle studies[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(2): 184-194. DOI:10.1109/TGRS.2002.808331 |
| [52] |
KACHI M, IMAOKA K, FUJⅡ H, et al. Status of GCOM-W1/AMSR2 development and science activities[C]//Proceedings of SPIE 7106, Sensors, Systems, and Next-Generation Satellites Ⅻ. Cardiff: SPIE, 2008: 71060P. DOI: 10.1117/12.801228.
|
| [53] |
IMAOKA K, MAEDA T, KACHI M, et al. Status of AMSR2 instrument on GCOM-W1[C]//Proceedings of SPIE 8528, Earth Observing Missions and Sensors: Development, Implementation, and Characterization Ⅱ. Kyoto: SPIE, 2012: 852815. DOI: 10.1117/12.977774.
|
| [54] |
GAISER P W, ST GERMAIN K M S, TWAROG E M, et al. The WindSat spaceborne polarimetric microwave radiometer: sensor description and early orbit performance[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(11): 2347-2361. DOI:10.1109/TGRS.2004.836867 |
| [55] |
BARRE H M J P, DUESMANN B, KERR Y H. SMOS: The mission and the system[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(3): 587-593. DOI:10.1109/TGRS.2008.916264 |
| [56] |
王蕊, 史顺文, 陆文. 全极化微波辐射计海面风场反演实验[J]. 遥感信息, 2014, 29(4): 85-90, 97. WANG Rui, SHI Shunwen, LU Wen. Experiment on polarimetric microwave radiometer sea surface wind vector retrieval[J]. Remote Sensing Information, 2014, 29(4): 85-90, 97. DOI:10.3969/j.issn.1000-3177.2014.04.018 |
| [57] |
杨虎, 李小青, 游然, 等. 风云三号微波成像仪定标精度评价及业务产品介绍[J]. 气象科技进展, 2013, 3(4): 136-143. YANG Hu, LI Xiaoqing, YOU Ran, et al. Environmental data records from FengYun-3B microwave radiation imager[J]. Advances in Meteorological Science and Technology, 2013, 3(4): 136-143. |
| [58] |
YANG Hu, WENG Fuzhong, LV Liqing, et al. The FengYun-3 microwave radiation imager on-orbit verification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(11): 4552-4560. DOI:10.1109/TGRS.2011.2148200 |
| [59] |
MENENTI M, JIA Li, MANCINI M, et al. High elevation energy and water balance: the roles of surface albedo and temperature[J]. Journal of Geodesy and Geoinformation Science, 2020, 3(4): 70-78. DOI:10.11947/j.JGGS.2020.0407 |
| [60] |
ZHANG Yongfang, MIAO Jungang, ZHAO Haibo, et al. A five-frequency bands quasi-optical multiplexer for geostationary orbit microwave radiometer[C]//Proceedings of 2012 IEEE International Geoscience and Remote Sensing Symposium. Munich: IEEE, 2012: 4676-4679. DOI: 10.1109/IGARSS.2012.6350422.
|
| [61] |
SARAF A K, CHOUDHURY S. Satellite detects pre-earthquake thermal anomalies associated with past major earthquakes[C]//Proceedings of Map Asia Conference 2004. Beijing: [s. n. ], 2004: 40.
|
| [62] |
SARAF A K, CHOUDHURY S. Thermal remote sensing technique in the study of pre-earthquake thermal anomalies[J]. Journal of Indian Geophysical Union, 2005, 9(3): 197-207. |
| [63] |
MAKI K I, TAKANO T, SOMA E, et al. An experimental study of microwave emissions from compression failure of rocks[J]. Zisin (Journal of the Seismological Society of Japan Ser. Ⅱ), 2006, 58(4): 375-384. DOI:10.4294/zisin1948.58.4_375 |
| [64] |
MAEDA T, TAKANO T. Detection algorithm of earthquake-related rock failures from satellite-borne microwave radiometer data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(4): 1768-1776. DOI:10.1109/TGRS.2009.2036008 |
| [65] |
MAEDA T, TAKANO T. Detection of microwave signals associated with rock failures in an earthquake from satellite-borne microwave radiometer data[C]//Proceedings of 2009 IEEE International Geoscience and Remote Sensing Symposium. Cape Town: IEEE, 2009: Ⅲ-61-Ⅲ-64. DOI: 10.1109/IGARSS.2009.5418159.
|
| [66] |
陈昊, 金亚秋. 星载微波辐射计对玉树地震岩石破裂辐射异常的初步检测[J]. 遥感技术与应用, 2010, 25(6): 860-866. CHEN Hao, JIN Yaqiu. A preliminary detection of anomalous radiation of rock failures related with Yushu earthquake by using satellite-borne microwave radiometers[J]. Remote Sensing Technology and Application, 2010, 25(6): 860-866. |
| [67] |
SINGH R P, KUMAR J S, ZLOTNICKI J, et al. Satellite detection of carbon monoxide emission prior to the Gujarat earthquake of 26 January 2001[J]. Applied Geochemistry, 2010, 25(4): 580-585. DOI:10.1016/j.apgeochem.2010.01.014 |
| [68] |
SINGH R P, MEHDI W, GAUTAM R, et al. Precursory signals using satellite and ground data associated with the Wenchuan Earthquake of 12 May 2008[J]. International Journal of Remote Sensing, 2010, 31(13): 3341-3354. DOI:10.1080/01431161.2010.487503 |
| [69] |
MA Yuntao, LIU Shanjun, WU Lixin, et al. Two-step method to extract seismic microwave radiation anomaly: case study of Ms 8.0 Wenchuan earthquake[J]. Earthquake Science, 2011, 24(6): 577-582. DOI:10.1007/s11589-011-0819-x |
| [70] |
LIU Shanjun, LIU Xin, MA Yuntao, et al. Microwave radiation anomaly of Yushu earthquake and its mechanism[C]//Proceedings of 2012 IEEE International Geoscience and Remote Sensing Symposium. Munich: IEEE, 2012: 1192-1195. DOI: 10.1109/IGARSS.2012.6351334.
|
| [71] |
JIE Y, GUANGMENG G. Preliminary analysis of thermal anomalies before the 2010 Baja California M 7.2 earthquake[J]. Atmósfera, 2013, 26(4): 473-477. DOI:10.1016/S0187-6236(13)71089-0 |
| [72] |
钟美娇, 张元生, 郭晓, 等. 卫星热红外和微波遥感资料在地震预报中的应用研究[J]. 地震工程学报, 2014, 36(4): 1059-1063. ZHONG Meijiao, ZHANG Yuansheng, GUO Xiao, et al. Application of satellite thermal infrared and microwave remote sensing data to earthquake prediction[J]. China Earthquake Engineering Journal, 2014, 36(4): 1059-1063. DOI:10.3969/j.issn.1000-0844.2014.04.1059 |
| [73] |
黄志东, 钟儒祥, 朱爱军. FY-3卫星监测四川芦山地震前后热异常[J]. 华北地震科学, 2014, 32(3): 19-23, 34. HUANG Zhidong, ZHONG Ruxiang, ZHU Aijun. FY-3 satellite monitoring of the thermal abnormality before and after 2013 Ms 7.0 Lushan Earthquake[J]. North China Earthquake Sciences, 2014, 32(3): 19-23, 34. |
| [74] |
张宾, 秦凯, 吴涛, 等. 地震前卫星遥感微波辐射异常统计分析: 以堪察加半岛为例[J]. 地震学报, 2018, 40(1): 98-107. ZHANG Bin, QIN Kai, WU Tao, et al. Statistical analysis of microwave radiation anomaly before earthquake: a case study of Kamchatka Peninsula[J]. Acta Seismologica Sinica, 2018, 40(1): 98-107. DOI:10.11939/jass.20170089 |
| [75] |
JING Feng, SINGH R P, SUN Ke, et al. Passive microwave response associated with two main earthquakes in Tibetan Plateau, China[J]. Advances in Space Research, 2018, 62(7): 1675-1689. DOI:10.1016/j.asr.2018.06.030 |
| [76] |
JING Feng, SINGH R P, SHEN Xuhui. Land-atmosphere-meteorological coupling associated with the 2015 Gorkha (M 7.8) and Dolakha (M 7.3) Nepal earthquakes[J]. Geomatics, Natural Hazards and Risk, 2019, 10(1): 1267-1284. DOI:10.1080/19475705.2019.1573629 |
| [77] |
JING Feng, SINGH R P, CUI Yueju, et al. Microwave brightness temperature characteristics of three strong earthquakes in Sichuan province, China[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13: 513-522. DOI:10.1109/JSTARS.2020.2968568 |
| [78] |
耿乃光, 崔承禹, 邓明德. 岩石破裂实验中的遥感观测与遥感岩石力学的开端[J]. 地震学报, 1992, 14(S1): 645-652. GENG Naiguang, CUI Chengyu, DENG Mingde. Remote sensing observations in rock fracture experiments and the beginning of remote sensing rock mechanics[J]. Acta Seismologica Sinica, 1992, 14(S1): 645-652. |
| [79] |
邓明德, 樊正芳, 崔承禹, 等. 无源微波遥感用于地震预报的实验研究[J]. 红外与毫米波学报, 1995, 14(6): 401-406. DENG Mingde, FAN Zhengfang, CUI Chengyu, et al. The experimental study for earthquake prediction by passive microwave remote sensing[J]. Journal of Infrared and Millimeter Waves, 1995, 14(6): 401-406. DOI:10.3321/j.issn:1001-9014.1995.06.001 |
| [80] |
WU Lixin, ZHENG Shuo, DE SANTIS A, et al. Geosphere coupling and hydrothermal anomalies before the 2009 Mw6.3 L'Aquila earthquake in Italy[J]. Natural Hazards and Earth System Sciences, 2016, 16(8): 1859-1880. DOI:10.5194/nhess-16-1859-2016 |
| [81] |
LIU Shanjun, XU Zhongyin, WEI Jialei, et al. Experimental study on microwave radiation from deforming and fracturing rock under loading outdoor[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(9): 5578-5587. DOI:10.1109/TGRS.2016.2569419 |
| [82] |
毛文飞, 吴立新, 刘善军, 等. 干、湿沙层对岩石受力微波辐射影响的实验对比[J]. 东北大学学报(自然科学版), 2018, 39(5): 710-715. MAO Wenfei, WU Lixin, LIU Shanjun, et al. Experiment comparison on microwave radiation from stressed rock covered by materials: dry or humid Sands[J]. Journal of Northeastern University (Natural Science), 2018, 39(5): 710-715. |
| [83] |
SARAF A K, RAWAT V, CHOUDHURY S, et al. Advances in understanding of the mechanism for generation of earthquake thermal precursors detected by satellites[J]. International Journal of Applied Earth Observation and Geoinformation, 2009, 11(6): 373-379. DOI:10.1016/j.jag.2009.07.003 |
| [84] |
MIENERT J, POSEWANG J, BAUMANN M. Gas hydrates along the northeastern Atlantic margin: possible hydrate-bound margin instabilities and possible release of methane[J]. Geological Society, London, Special Publications, 1998, 137(1): 275-291. DOI:10.1144/GSL.SP.1998.137.01.22 |
| [85] |
QI Yuan, WU Lixin, DING Yifan, et al. Microwave brightness temperature (MBT) background in Bayan Har Block, Qinghai-Tibet Plateau and its importance in searching for seismic MBT anomalies[J]. Remote Sensing, 2022, 14(3): 534. DOI:10.3390/rs14030534 |
| [86] |
TOBLER W R. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography, 1970, 46(S1): 234-240. |
| [87] |
GOODCHILD M F. GIScience, geography, form, and process[J]. Annals of the Association of American Geographers, 2004, 94(4): 709-714. |
| [88] |
QI Yuan, WU Lixin, HE Miao, et al. Spatio-temporally weighted two-step method for retrieving seismic MBT anomaly: May 2008 Wenchuan earthquake sequence being a case[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13: 382-391. DOI:10.1109/JSTARS.2019.2962719 |
| [89] |
QI Yuan, WU Lixin, DING Yifan, et al. Extraction and discrimination of MBT anomalies possibly associated with the Mw 7.3 Maduo (Qinghai, China) earthquake on 21 May 2021[J]. Remote Sensing, 2021, 13(22): 4726. DOI:10.3390/rs13224726 |
| [90] |
QI Yuan, WU Lixin, MAO Wenfei, et al. Discriminating possible causes of microwave brightness temperature positive anomalies related with May 2008 Wenchuan earthquake sequence[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, 59(3): 1903-1916. DOI:10.1109/TGRS.2020.3004404 |
| [91] |
QI Yuan, WU Lixin, DING Yifan, et al. Microwave brightness temperature anomalies associated with the 2015 Mw 7.8 Gorkha and Mw 7.3 Dolakha earthquakes in Nepal[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 4500611. DOI:10.1109/TGRS.2020.3036079 |
| [92] |
FREUND F. Toward a unified solid state theory for pre-earthquake signals[J]. Acta Geophysica, 2010, 58(5): 719-766. DOI:10.2478/s11600-009-0066-x |
| [93] |
DING Yifan, QI Yuan, WU Lixin, et al. Discriminating the multi-frequency microwave brightness temperature anomalies relating to 2017 Mw 7.3 Sarpol Zahab (Iran-Iraq Border) Earthquake[J]. Frontiers in Earth Science, 2021, 9: 656216. DOI:10.3389/feart.2021.656216 |
| [94] |
QI Yuan, WU Lixin, MAO Wenfei, et al. Satellite passive microwave remote sensing for seismic thermal anomaly: phenomena and mechanisms[C]//Proceedings of 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS. Brussels: IEEE, 2021: 8696-8699. DOI: 10.1109/IGARSS47720.2021.9553690.
|
| [95] |
QI Yuan, MIAO Zelang, WU Lixin, et al. Seismic microwave brightness temperature anomaly detection using multitemporal passive microwave satellite images: ideas and limits[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021, 14: 6792-6806. DOI:10.1109/JSTARS.2021.3093819 |
| [96] |
毛文飞. 岩石受压微波辐射及介电变化的实验观测与机理分析[D]. 沈阳: 东北大学, 2020. MAO Wenfei. Experimental observation and mechanism analysis of microwave radiation and dielectric changes of rock under compression[D]. Shenyang: Northeastern University, 2020. |
| [97] |
GAO Xiang, LIU Shanjun, WU Lixin, et al. The variation in microwave brightness temperature of granite pressed under weak background radiation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, 59(2): 1369-1381. DOI:10.1109/TGRS.2020.2994439 |
| [98] |
GAO Xiang, LIU Shanjun, WU Lixin, et al. The anisotropy and polarization of stress-induced microwave radiation changes in granite and their significance for seismic remote sensing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, 59(9): 7603-7617. DOI:10.1109/TGRS.2020.3034126 |
| [99] |
MAO Wenfei, WU Lixin, QI Yuan. Impact of compressive stress on microwave dielectric properties of feldspar specimen[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020, 58(2): 1398-1408. DOI:10.1109/TGRS.2019.2946155 |
| [100] |
MAO Wenfei, WU Lixin, XU Youyou, et al. Change in diorite microwave dielectric property at the free end upon compressive stress application to the other end[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 4506613. DOI:10.1109/TGRS.2021.3125992 |
| [101] |
PULINETS S, OUZOUNOV D. Lithosphere-Atmosphere-Ionosphere Coupling (LAIC) model-An unified concept for earthquake precursors validation[J]. Journal of Asian Earth Sciences, 2011, 41(4-5): 371-382. DOI:10.1016/j.jseaes.2010.03.005 |
| [102] |
WU Lixin, LIU Shanjun. Remote sensing rock mechanics and earthquake thermal infrared anomalies[M]//JEDLOVEC G. Advances in Geoscience and Remote Sensing. Vukovar: IntechOpen, 2009. DOI: 10.5772/8292.
|
| [103] |
WU Lixin, QIN Kai, LIU Shanjun, et al. Importance of lithosphere-coversphere-atmosphere coupling to earthquake anomaly recognition[C]//Proceedings of 2012 IEEE International Geoscience and Remote Sensing Symposium. Munich: IEEE, 2012: 3532-3535. DOI: 10.1109/IGARSS.2012.6350657.
|
| [104] |
WU Lixin, QIN Kai, LIU Shanjun. GEOSS-based thermal parameters analysis for earthquake anomaly recognition[J]. Proceedings of the IEEE, 2012, 100(10): 2891-2907. DOI:10.1109/JPROC.2012.2184789 |
| [105] |
QIN Kai, WU Lixin, DE SANTIS A, et al. Quasi-synchronous multi-parameter anomalies associated with the 2010—2011 New Zealand earthquake sequence[J]. Natural Hazards and Earth System Sciences, 2012, 12(4): 1059-1072. DOI:10.5194/nhess-12-1059-2012 |
| [106] |
QIN Kai, WU Lixin, ZHENG Shuo, et al. A deviation-time-space-thermal (DTS-T) method for global earth observation system of systems (GEOSS)-based earthquake anomaly recognition: criterions and quantify indices[J]. Remote Sensing, 2013, 5(10): 5143-5151. DOI:10.3390/rs5105143 |
| [107] |
QIN Kai, ZHENG Shuo, WU Lixin, et al. Quasi-synchronous multi-parameter anomalies before Wenchuan and Yushu earthquakes in China[J]. The European Physical Journal Special Topics, 2021, 230(1): 263-274. DOI:10.1140/epjst/e2020-000253-3 |
| [108] |
WIGNERON J P, CHANZY A, CALVET J C, et al. A simple algorithm to retrieve soil moisture and vegetation biomass using passive microwave measurements over crop fields[J]. Remote Sensing of Environment, 1995, 51(3): 331-341. DOI:10.1016/0034-4257(94)00081-W |
| [109] |
CALVET J C, WIGNERON J P, WALKER J, et al. Sensitivity of passive microwave observations to soil moisture and vegetation water content: L-band to W-band[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(4): 1190-1199. DOI:10.1109/TGRS.2010.2050488 |
| [110] |
HOLMES T R H, DE JEU R A M, OWE M, et al. Land surface temperature from Ka band (37 GHz) passive microwave observations[J]. Journal of Geophysical Research: Atmospheres, 2009, 114(D4): D04113. DOI:10.1029/2008JD010257 |
| [111] |
吴立新, 毛文飞, 刘善军, 等. 岩石受力红外与微波辐射变化机理及地应力遥感关键问题[J]. 遥感学报, 2018, 22(S1): 146-161. WU Lixin, MAO Wenfei, LIU Shanjun, et al. Mechanisms of altering infrared-microwave radiation from stressed rock and key issues on crust stress remote sensing[J]. Journal of Remote Sensing, 2018, 22(S1): 146-161. DOI:10.11834/jrs.20187256 |
| [112] |
YU Jieqing, WU Lixin, ZI Guojie, et al. SDOG-based multi-scale 3D modeling and visualization on global lithosphere[J]. Science China Earth Sciences, 2012, 55(6): 1012-1020. DOI:10.1007/s11430-012-4387-2 |
| [113] |
YU Jieqing, WU Lixin, LI Zhifeng, et al. An SDOG-based intrinsic method for three-dimensional modelling of large-scale spatial objects[J]. Annals of GIS, 2012, 18(4): 267-278. DOI:10.1080/19475683.2012.727865 |
| [114] |
吴立新, 余接情, 杨宜舟, 等. 基于地球系统空间格网的全球大数据空间关联与共享服务[J]. 测绘科学技术学报, 2013, 30(4): 409-415, 438. WU Lixin, YU Jieqing, YANG Yizhou, et al. ESSG-based global big data spatially correlate and its share service[J]. Journal of Geomatics Science and Technology, 2013, 30(4): 409-415, 438. |