本发明涉及一种基于遥感光谱特征的火山海啸监测方法，包括：周期获取气象卫星传感器指定时间段内的多个波段的数据并预处理；获取预处理后第8波段数据的大气压力波特征并进行比较，判断是否存在大气压力波对应的火山爆发事件；基于预处理后第14波段数据获取火山灰指数，以及确定火山爆发所属火山口指定区域内火山灰的分布信息；基于第4，5，6波段数据确定是否火山喷发熔岩；以及获取火山关联区域内水位监测数据以提取海啸波信号，并确定水位监测区域是否发生火山海啸的事件。上述方法借助于火山喷发指标的分析，判断火山活动是否喷发

　　S10、周期获取气象卫星传感器指定时间段内的多个波段的数据并预处理，得到预处理

　　后的数据，所述多个波段的数据包括：多个红外波段的数据，多个近红外波段的数据；

　　S20、针对预处理后数据中红外波段的第8波段的数据，采用大气压力波判断策略，获取

　　第8波段数据的大气压力波特征，将大气压力波特征与预设的大气压力波阈值进行比较，根

　　S30、针对预处理后数据中红外波段的第14波段数据，获取火山灰指数，将火山灰指数

　　和所述第14波段的数据输入到预先训练的预测函数中，获取处理结果，根据处理结果确定

　　S40、针对预处理后数据中近红外波段的第4，5，6波段数据，获取至少两个火山熔岩热

　　点指数，将每一火山熔岩热点指数与火山熔岩阈值比较，根据比较结果确定是否火山喷发

　　S50、获取火山关联区域内水位监测数据，从水位监测数据中提取海啸波信号，并基于

　　海啸波信号及当前火山喷发的基本信息和基本特征，确定水位监测区域是否发生火山海啸

　　针对预处理后数据中红外波段的第8波段的数据包括：基于气象卫星传感器获得的且

　　经由预处理得到的火山喷发前两个小时的至火山喷发后十个小时的数据；数据周期为十分

　　针对每一周期的数据，根据下述公式(a1)和(a2)，获取作为大气压力波特征的亮度温

　　其中，L是预处理后的每一周期的第8波段数据，中心波长为6.2μm的红外波段卫星亮

　　度温度数据，L′是亮度温度的时间导数，为二阶导数，t为观测时间，i是时间步长；

　　当存在至少n个周期L″的数值小于大气压力波阈值‑0.0000002时，判定存在大气压

　　力波，发生大气压力波对应的火山爆发事件；以及获取大气压力波随时间变化的特征。

　　VoA表示火山灰指数，L为预处理后的气象卫星波长为11.20μm的第14波段数据，b为

　　将火山灰指数和将火山灰指数和所述第14波段的数据输入到预先训练的预测函数中，

　　获取训练数据和验证数据，所述训练数据包括：西北太平洋地区近5年发生过火山喷发

　　事件的卫星第14波段数据和火山灰指数数据；所述火山灰指数数据为经过预处理后的对应

　　火山灰监测波段的同一卫星传感器的数据；所述验证数据为与训练数据同类型的数据；

　　通过预测函数预测验证数据的结果，将预测函数输出的结果和验证数据的实际结果，

　　L是预处理后数据中第6波段的数据，该波段中心波长为2.3μm；L是预处理后数据

　　中第5波段的数据，该波段中心波长为1.6μm；L是预处理后数据中第4波段的数据，该波段

　　所述S40包括：当NHI和NHI至少有一个指数大于0时，确定火山熔岩存在；

　　且根据大于0的NHI和NHI对应的数值，获取火山喷发熔岩随时间变化的特征。

　　基于海啸波信号，采用惠更斯方法计算海啸传播时间，以及根据海啸传播时间和水位

　　监测数据对应的海啸时间、大气压力波随时间变化的特征、火山灰指数随时间变化的特征，

　　6.根据权利要求5所述的方法，其特征在于，采用潮汐调和分析方法分离水位监测数据

　　h(t)表示某时刻t的水位高度，n为分潮个数，H是平均海面，H是分潮振幅，a为角速

　　度，k是迟角，f是分潮迟角因子，{V+u}‑k代表分潮的初位相；h(t)是水位监测仪器在时

　　刻t的海啸波动信号，h(t)是水位站在时刻t的总水位高度，h(t)是时刻t的总潮汐高度。

　　7.根据权利要求5所述的方法，其特征在于，基于海啸波信号，采用惠更斯方法计算海

　　d代表水深，g是重力加速度，s是海啸波速，r为相邻格点间的距离，Δt是格点间的海啸

　　8.根据权利要求1所述的方法，其特征在于，近红外和红外波段空间分辨率为1‑2公里；

　　L是太阳辐射物体表面后反射回卫星传感器处的辐射即大气校正前各波段的数值；L

　　是在零表面反射率的假设下从表面到大气顶部的漫辐射，T是总向上透射率，E是表面处的

　　下流辐照度，S是大气的球面反照率，L为表面反射率即大气校正后各波段的数值。

　　9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储计算机程

　　序，所述处理器执行所述存储器中的程序并执行上述权利要求1至8任一所述的基于遥感光

　　[0001]本发明属于计算机技术领域，尤其涉及一种基于遥感光谱特征的火山海啸监测方

　　[0002]火山海啸区别于地震海啸，通常具有发生频次小，一旦引发灾害性影响大的特征。

　　几乎所有的地震海啸均是由海底断层的破裂引发垂直位移导致水位抬升引起，而火山海啸

　　是由火山喷发一系列活动造成的，包括火山爆炸产生气压扰动、碎屑流、坍塌、滑坡、水下喷

　　发等机制。火山海啸的生成一般是多种机制共同作用的结果，喷发级别越高的火山，海啸生

　　成机制越多，因此火山海啸的产生机理非常复杂，不同于地震海啸通常是单一机制即断层

　　[0003]在此之前，海啸监测与预警领域的发展均是针对地震海啸，当海底地震发生时，通

　　j9九游会入口

　　过全球共享的地震台站确定海底地震的震源位置、震级、深度等信息，利用数值模拟方法或

　　监测信息判断地震海啸是否发生。由于火山海啸的生成机制区别于地震海啸，因此针对地

　　[0004]同时，活跃的火山往往坐落于偏远或是人烟稀少的海岛，安装布放、供电以及维修

　　观测设备相较陆上困难许多，因此受监测条件制约，使得海上火山监测与预警面临诸多挑

　　战。因此，通过地震台站的传统触发地震海啸监测技术方法，不适用于火山海啸的监测。随

　　着遥感技术的发展，遥感技术也具备了在时效要求高的海啸监测预警领域应用的潜力。为

　　此，如何有效的利用新型观测手段和技术方法进行火山海啸监测成为当前亟需解决的技术

　　[0006]为了解决现有技术的上述问题，本发明提供一种基于遥感光谱特征的火山海啸监

　　测方法，借助于火山喷发指标的分析，判断火山活动是否喷发，为火山海啸预警报发布提供

　　[0009]第一方面，本发明提供一种基于遥感光谱特征的火山海啸监测方法，包括：

　　[0010]S10、周期获取气象卫星传感器指定时间段内的多个波段的数据并预处理，得到预

　　处理后的数据，所述多个波段的数据包括：多个红外波段的数据，多个近红外波段的数据；

　　[0011]S20、针对预处理后数据中红外波段的第8波段的数据，采用大气压力波判断策略，

　　获取第8波段数据的大气压力波特征，将大气压力波特征与预设的大气压力波阈值进行比

　　[0012]S30、针对预处理后数据中红外波段的第14波段数据，获取火山灰指数，将火山灰

　　指数和所述第14波段的数据输入到预先训练的预测函数中，获取处理结果，根据处理结果

　　[0013]S40、针对预处理后数据中近红外波段的第4，5，6波段数据，获取至少两个火山熔

　　岩热点指数，将每一火山熔岩热点指数与火山熔岩阈值比较，根据比较结果确定是否火山

　　[0014]S50、获取火山关联区域内水位监测数据，从水位监测数据中提取海啸波信号，并

　　基于海啸波信号及当前火山喷发的基本信息和基本特征，确定水位监测区域是否发生火山

　　[0016]针对预处理后数据中红外波段的第8波段的数据包括：基于气象卫星传感器获得

　　的且经由预处理得到的火山喷发前两个小时的至火山喷发后十个小时的数据；数据周期为

　　[0017]针对每一周期的数据，根据下述公式(a1)和(a2)，获取作为大气压力波特征的亮

　　[0019]其中，L是预处理后的每一周期的第8波段数据，中心波长为6.2μm的红外波段卫

　　星亮度温度数据，L′是亮度温度的时间导数，L″为二阶导数，t为观测时间，i是时间步

　　[0020]当存在至少n个周期L″的数值小于大气压力波阈值‑0.0000002时，判定存在大

　　气压力波，发生大气压力波对应的火山爆发事件；以及获取大气压力波随时间变化的特征。

　　[0022]根据下述公式(a3)，获取火山灰指数、火山灰指数随时间变化的特征

　　[0024]VoA表示火山灰指数，L为预处理后的气象卫星波长为11.20μm的第14波段数

　　[0025]将火山灰指数和将火山灰指数和所述第14波段的数据输入到预先训练的预测函

　　[0028]获取训练数据和验证数据，所述训练数据包括：西北太平洋地区近5年发生过火山

　　喷发事件的卫星第14波段数据和火山灰指数数据；所述火山灰指数数据为经过预处理后的

　　对应火山灰监测波段的同一卫星传感器的数据；所述验证数据为与训练数据同类型的数

　　[0029]基于训练数据，采用决策树方法进行训练，获得火山灰阈值和预测函数；

　　[0030]通过预测函数预测验证数据的结果，将预测函数输出的结果和验证数据的实际结

　　[0031]在RMSE的误差小于0.1，则确定预测函数为所述S30中的预测函数；

　　[0036]L是预处理后数据中第6波段的数据，该波段中心波长为2.3μm；L.是预处理后

　　数据中第5波段的数据，该波段中心波长为1.6μm；L是预处理后数据中第4波段的数据，该

　　[0037]所述S40包括：当NHI和NHI至少有一个指数大于0时，确定火山熔岩存在；

　　[0038]且根据大于0的NHI和NHI对应的数值，获取火山喷发熔岩随时间变化的特

　　[0041]采用潮汐调和分析方法分离水位监测数据中的潮汐信息，提取海啸波信号；

　　[0042]基于海啸波信号，采用惠更斯方法计算海啸传播时间，以及根据海啸传播时间和

　　水位监测数据对应的海啸时间、大气压力波随时间变化的特征、火山灰指数随时间变化的

　　特征，火山喷发熔岩随时间变化的特征，确定火山海啸的生成结果。这里当前火山喷发的基

　　本信息和基本特征包括：大气压力波随时间变化的特征、火山灰指数随时间变化的特征，火

　　[0043]可选地，采用潮汐调和分析方法分离水位监测数据中的潮汐信息，提取海啸波信

　　[0047]h(t)表示某时刻t的水位高度，n为分潮个数，H是平均海面，H是分潮振幅，a为角

　　速度，k是迟角，f是分潮迟角因子，{V+u}‑k代表分潮的初位相；h(t)是水位监测仪器在

　　时刻t的海啸波动信号，h(t)是水位站在时刻t的总水位高度，h(t)是时刻t的总潮汐高度。

　　[0048]可选地，基于海啸波信号，采用惠更斯方法计算海啸传播时间，包括：

　　[0051]d代表水深，g是重力加速度，s是海啸波速，r为相邻格点间的距离，Δt是格点间的

　　[0053]采用下述公式对多个波段的数据进行大气校正处理，获得大气校正后的数据；

　　[0055]L是太阳辐射物体表面后反射回卫星传感器处的辐射即大气校正前各波段的数

　　值；L是在零表面反射率的假设下从表面到大气顶部的漫辐射，T是总向上透射率，E是表面

　　处的下流辐照度，S是大气的球面反照率，L为表面反射率即大气校正后各波段的数值。

　　[0056]另一方面，本发明实施例还提供一种计算机设备，其包括存储器和处理器，所述存

　　储器中存储计算机程序，所述处理器执行所述存储器中的程序并执行上述第一方面任一所

　　[0058]本发明的监测方法，为火山海啸预警报发布提供了技术基础，填补了火山海啸监

　　测预警的空白。在本发明的方法中分析代表火山喷发指标的火山灰、熔岩以及易引起海啸

　　[0059]进一步地，结合多源监测数据和机器学习方法，能够在火山触发喷发机制后，根据

　　水位监测数据快速判定火山活动是否引发了海啸，可以为海啸预警机构提供警报发布的科

　　学参考。海啸的快速预警可以为沿海的防灾减灾和决策制定部门提供应急指导，让沿海居

　　民和社区能够及时对火山海啸灾害加以防范。本发明的方法克服了现有海上火山监测不

　　[0060]图1为本发明提供的一种基于遥感光谱特征的火山海啸监测方法的流程示意图；

　　[0061]图2为本发明另一实施例提供的基于遥感光谱特征的火山海啸监测方法的流程示

　　j9九游会入口

　　[0068]为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实

　　施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发

　　明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理

　　[0069]卫星遥感数据可以全天候观测火山,持续监测火山喷发的演变。综合分析处理卫

　　星数据和水位监测数据可以评估火山喷发是否引发了海啸。因此，在现代海上火山的观测

　　技术手段里，卫星遥感特别适合监测偏远或无人监测的火山喷发活动。通过分析反映火山

　　喷发特征指标变化的高光谱卫星数据,快速确认火山是否发生喷发。并通过分离提取海啸

　　波和评估海啸传播时间，确认火山喷发是否引发海啸，为防灾减灾部门的应急指导和决策

　　[0070]本发明实施例中依据监测火山喷发的气象卫星数据和海啸水位监测数据，综合判

　　断火山喷发过程是否导致海啸生成。本实施例中，火山喷发过程较为复杂，同一座火山在不

　　同时期都可能会有不一样的导致海啸生成的喷发机制，判断火山喷发过程的出现需要参考

　　火山活动是否产生了爆炸现象(大气压力波生成)、是否监测到了一定范围的火山灰，或是

　　否监测到了火山熔岩的出现。同时，需结合火山周边水位监测数据(浮标、潮位站)，如有水

　　位波动异常，还需通过判断水位异常的初始时间是否与火山活动导致海啸传播而来的时间

　　一致，以此判定火山海啸的生成。综合气象卫星迹象，如果监测到火山喷发的某些地质活动

　　现象，又监测到与火山喷发对应的水位异常波动，基本可以推断火山海啸的生成。

　　[0072]如图1所示，本发明提供基于遥感光谱特征的火山海啸监测方法，该方法的执行主

　　[0073]S10、周期获取气象卫星传感器指定时间段内的多个波段的数据并预处理，得到预

　　处理后的数据，所述多个波段的数据包括：多个红外波段的数据，多个近红外波段的数据。

　　[0074]举例来说，该处的多个波段的数据的时间间隔为10分钟，近红外和红外波段空间

　　[0076]举例来说，可采用下述公式(1)对16个波段的数据进行大气校正处理，获得大气校

　　[0078]L是太阳辐射物体表面后反射回卫星传感器处的辐射即大气校正前各波段的数

　　值；L是在零表面反射率的假设下从表面到大气顶部的漫辐射，T是总向上透射率，E是表面

　　处的下流辐照度，S是大气的球面反照率，L为表面反射率即大气校正后各波段的数值。

　　[0079]S20、针对预处理后数据中红外波段的第8波段的数据，采用大气压力波判断策略，

　　获取第8波段数据的大气压力波特征，将大气压力波特征与预设的大气压力波阈值进行比

　　[0080]针对预处理后数据中红外波段的第8波段的数据可包括：基于气象卫星传感器获

　　得的且经由预处理得到的火山喷发前两个小时的至火山喷发后十个小时的数据；数据周期

　　[0081]例如，可根据下述公式(2)和(3)，获取作为大气压力波特征的亮度温度数据的二

　　[0084]其中，L是预处理后的第8波段，中心波长为6.2μm的红外波段卫星亮度温度数

　　据，L′是亮度温度的时间导数，L″为二阶导数，t为观测时间，i是时间步长；

　　[0085]当存在至少n个周期L″的数值小于大气压力波阈值‑0.0000002时，存在大气压

　　力波，发生大气压力波对应的火山爆发事件；以及获取大气压力波随时间变化的特征。上述

　　[0086]S30、针对预处理后数据中红外波段的第14波段数据，获取火山灰指数，将火山灰

　　指数和所述第14波段的数据输入到预先训练的预测函数中，获取处理结果，根据处理结果

　　[0087]本实施例中，根据下述公式(4)，获取火山灰指数、火山灰指数随时间变化的特征；

　　将火山灰指数和所述第14波段的数据输入到预先训练的预测函数中，获取处理结果；

　　[0089]VoA表示火山灰指数，L为预处理后的气象卫星波长为11.20μm的第14波段数

　　[0090]举例来说，在上述步骤S30之前，可获取训练数据和验证数据，所述训练数据包括：

　　西北太平洋地区近5年发生过火山喷发事件的卫星第14波段数据和火山灰指数数据；所述

　　火山灰指数数据为经过预处理后的对应火山灰监测波段的同一卫星传感器的数据；所述验

　　[0091]基于训练数据，采用决策树方法进行训练，获得火山灰阈值和预测函数；

　　[0092]通过预测函数预测验证数据的结果，将预测函数输出的结果和验证数据的实际结

　　[0093]在RMSE的误差小于0.1，则确定预测函数为可用的预测函数；

　　[0095]S40、针对预处理后数据中近红外波段的第4，5，6波段数据，获取至少两个火山熔

　　岩热点指数，将每一火山熔岩热点指数与火山熔岩阈值比较，根据比较结果确定是否火山

　　[0096]举例来说，所述S40中火山熔岩热点指数包括：NHI和NHI；

　　[0099]L是预处理后数据中第6波段的数据，该波段中心波长为2.3μm；L是预处理后

　　数据中第5波段的数据，该波段中心波长为1.6μm；L是预处理后数据中第4波段的数据，该

　　[0100]所述S40包括：当NHI和NHI至少有一个指数大于0时，确定火山熔岩存在；

　　[0101]且根据大于0的NHI和NHI对应的数值，获取火山喷发熔岩随时间变化的特

　　[0102]S50、获取火山关联区域内水位监测数据，从水位监测数据中提取海啸波信号，并

　　基于海啸波信号及当前火山喷发的基本信息和基本特征，确定水位监测区域是否发生火山

　　[0103]可理解的是，在存在火山爆发事件时，获取火山周围指定区域内水位监测数据；采

　　用潮汐调和分析方法分离水位监测数据中的潮汐信息，提取海啸波信号；基于海啸波信号，

　　采用惠更斯方法计算海啸传播时间，以及根据海啸传播时间和水位监测数据对应的海啸时

　　间、大气压力波随时间变化的特征、火山灰指数随时间变化的特征，火山喷发熔岩随时间变

　　[0104]本实施例中的大气压力波、火山灰分析、火山熔岩分析中的每一个都有可能是单

　　独存在的指征分析，当上述指征分析后存在一种以上，则可进行海啸波分析内容，进而判断

　　是否火山海啸发生。因为监测过程是持续且卫星传感器获取数据是周期的，故本实施例中

　　并不是分析一组数据就可以，是对卫星传感器数据持续一段时间(如6小时至20小时以上)

　　的数据进行分析，进而获取一段时间中各周期数据的信息，进而给出是否发生火山海啸的

　　结论。特别地，在存在火山爆发事件时，则需要结合火山爆发前一段时间(如3‑5小时)的数

　　据，火山爆发后持续一段时间(如10‑30小时)的数据进行综合分析，以确定是否发生火山海

　　[0105]本实施例中，卫星遥感能够获取大范围且长时间序列的火山观测数据。本发明利

　　用卫星不同波段数据的光谱特性，通过机器学习的方法，分析火山喷发过程中火山灰、火山

　　熔岩和大气压力波的变化及特征，评估火山喷发的发生，为火山喷发及火山海啸灾害防灾

　　[0107]为更好的理解上述实施例一的方案，下述结合图2对上述实施例一的方案进行详

　　[0110]卫星数据采用静止气象卫星数据，数据格式为Netcdf。数据可从互联网公开获取，

　　通过ftp网站下载气象卫星传感器的16个波段的数据，其中3个为可见光波段，3个为近红外

　　波段，其余10个为红外波段。静止气象卫星的固定观测时间间隔为10分钟，可见光波段空间

　　分辨率为0.5‑1公里，近红外和红外波段空间分辨率为1‑2公里。卫星可以同时获取不同波

　　段的数据，不同波段数据可以提供不同的光谱特征和气象参数信息，如温度、湿度，空气扰

　　动、火山灰信息和火山熔岩等。本实施例可提取下载的气象卫星16个波段中的第4、5、6、8、

　　14波段数据，来分析火山喷发过程的出现，包括火山爆炸产生的大气压力波，火山灰和火山

　　熔岩等。当数据获取后，对数据进行大气校正预处理，去除大气散射等影响，保证数据准确。

　　[0112]太阳辐射通过大气入射到物体表面后反射回传感器，由于大气气溶胶等因素的影

　　响，使卫星影像包含了其他的干扰信息，为了去除干扰信息，因此需要进行大气校正。大气

　　[0114]其中，L是太阳辐射物体表面后反射回传感器处的辐射，即大气校正前各波段的

　　数值。L是在零表面反射率的假设下从表面到大气顶部的漫辐射，T是总向上透射率，E是表

　　面处的下流辐照度，S是大气的球面反照率，通过上述大气校正公式去除干扰信息影响，得

　　到表面反射率L，即大气校正后各波段的数值。对于红外波段L是卫星亮度温度数据，对于近

　　[0116]基于经过大气校正处理后的不同波长特性的波段数据来分析大气压力波、火山灰

　　[0117]分析第8波段(波长为6.2μm)红外波段数据来监测是否产生大气压力波，判断火山

　　[0118]分析第14波段(波长为11.2μm)红外波段数据来监测火山灰分布及变化。

　　[0124]大气压力波是一种在大气中传播的声波，在等温无风的大气中仅沿水平方向传

　　播。火山喷发引起的压力脉冲可能会产生大气压力波。近年来，地球同步气象卫星图像的时

　　间间隔已经缩短到10分钟，为大气压力波的监测提供了技术基础。选择波长为6.2μm的红外

　　[0127]其中，L是第8波段，中心波长为6.2μm的红外波段卫星亮度温度数据，L′是亮

　　[0128]第一步：获取火山喷发前2小时和喷发后10个小时的气象卫星原始数据，数据时间

　　[0129]第二步：提取气象卫星原始数据中的第8波段数据，经过大气校正，得到预处理后

　　[0130]第三步：利用公式(1)和公式(2)，代入第8波段数据进行计算，得出亮度温度的二

　　[0131]第四步：当L″小于‑0.0000002时，就判定大气压力波存在，发生火山爆炸事件。

　　[0133]火山灰监测是判断火山是否喷发的重要手段。本实施例中结合机器学习方法，通

　　过已知数据进行训练得到预测函数，然后利用函数监测火山灰。首先利用决策树方法训练

　　样本数据，确立火山灰阈值和预测函数。当火山活动时，将所需监测的预处理后的卫星波长

　　为11.2μm左右的第14波段数据和火山灰指数数据输入，得出火山口附近的大气中是否有火

　　[0134]训练输入数据为西北太平洋地区近5年发生过火山喷发事件的卫星第14波段数据

　　和火山灰指数数据，火山灰指数数据是经过预处理后，针对火山灰监测处理的同一卫星波

　　段数据，训练输出数据为火山灰预警机构提供的与训练输入数据对应的火山事件的火山灰

　　[0135]第一步：数据收集与处理。获取西北太平洋地区近5年发生过火山喷发事件的经预

　　处理后的卫星第14波段数据，与火山灰指数数据，将两类数据一起作为样本输入数据，样本

　　输出数据为火山灰预警机构提供的与样本输入数据对应的火山事件的火山灰分布数据。验

　　[0136]第二步：函数训练。将样本输入数据和输出数据通过决策树方法进行训练，得出火

　　[0137]火山灰指数数据在识别火山灰方面的优势也较为明显，本实施例还将火山灰指数

　　[0139]VoA表示火山灰指数，L为预处理后的气象卫星波长为11.20μm的第14波段数

　　[0140]决策树是一种有监督学习的算法，给定数据样本,每个样本都有一组属性和一个

　　分类结果，通过学习样本，可以得到一个决策树，决策树能够对新的数据给出正确的分类。

　　[0143]公式中，0,1，…，K是节点m的的分类结果，P是节点m中K类观测值的预测概率，计

　　算公式是抽样样本数除以总样本数。Q表示节点m处的数据。G代表基尼不纯度，H表示对数

　　[0144]对数损失是判断训练过程优劣的参数。当对数损失H最大为1的时候，是分类效果

　　最差的状态，此时预测函数效果不好，需增加样本数据或规范样本数据；当它最小为0的时

　　候，是完全分类的状态，表示预测函数效果最好。一般实际情况下，对数损失介于0和1之间。

　　基尼不纯度表示在样本集合中一个随机选中的样本被分错的概率，用来度量随机变量的不

　　确定度的大小。G越小，数据的不确定性越低，说明对数据的分类效果越好，预测函数效果越

　　[0145]当输出为0时，代表不包含火山灰，当输出数据含有1时，则代表包含火山灰，数据1

　　[0146]第三步：函数评估。通过预测函数来预测验证数据的结果，对比预测函数的结果和

　　实际的验证输出数据，利用均方根误差(RMSE)评估函数的可用性，如果均方根误差小于

　　[0149]第四步：火山灰预测。利用得出的函数，当火山活动时，输入关注事件的卫星第14

　　[0151]火山喷发将高温气体或岩浆带到地表，因此可以通过分析遥感数据来分析火山喷

　　发活动。以往研究表明单波段数据会出现热异常现象，本实施例采用多波段数据方式，利用

　　近红外波段和红外波段数据，通过计算归一化热点指数来监测火山熔岩变化。归一化热点

　　[0154]其中，NHI和NHI是两个火山熔岩热点指数。L、L和L分别表示三个近

　　红外波段数据，即反射率。L是卫星数据第6波段，该波段中心波长为2.3μm。L是卫星数

　　据第5波段，该波段中心波长为1.6μm。L是卫星数据第4波段，该波段中心波长为0.8μm。利

　　用第4、5和6波段数据计算两个热点指数数据。当任一热点指数大于0时，确定火山熔岩存

　　在。基于火山熔岩数据在时间上的变化，研究火山喷发熔岩的渗出和流量变化，从而归纳火

　　[0156]当火山喷发引发海啸后，火山周边的水位监测设施如海啸浮标、验潮站会监测到

　　水位异常波动。本实施例通过卫星数据分析火山喷发活动，结合火山喷发后周围水位监测

　　数据判断火山海啸的发生。通过计算火山喷发引发海啸的理论传播时间，对比实际海啸波

　　[0158]水位站实测数据中既包含海啸波动信号，又有潮汐成分。因此，需要从实测数据

　　中，提取海啸波动数据。为了精确得到水位站的潮汐信息，本实施例可利用潮汐调和分析方

　　[0159]潮汐是由太阳和月球等天体引力及地球自转引起的。调和分析方法是根据历史水

　　位数据，通过傅里叶变换，将水位数据分成多个周期函数。利用这一分析原理，将实测潮位

　　数据中太阳分潮系、太阴分潮系等分离出来，求出调和常数，即各个分潮的振幅和相位。再

　　根据潮汐调和常数，计算水位站的潮汐信息。在实测数据中减去潮汐部分，近似得到海啸波

　　数据。这里需要说明的是，本实施例中是利用潮汐调和分析方法应用于火山海啸的进一步

　　判断，其借助于现有的方法分离潮汐信息，进而应用于火山海啸的分析，保证火山喷发之后

　　[0160]对于一段水位数据，包含多个潮汐分潮。其中，某一个潮汐分潮的水位高度h的公

　　[0162]公式中，H是分潮振幅，f为分潮迟角因子，k表示迟角，V是分潮初相位角，u为交角

　　[0165]公式中，h(t)表示某时刻t的水位高度，n为分潮个数，H是平均海面，H是分潮振

　　幅，a为角速度，k是迟角，f是分潮迟角因子，{V+u}‑k代表分潮的初位相。

　　[0168]其中，h(t)是水位监测仪器在时刻t的海啸波动信号，h(t)是水位站在时刻t的总

　　[0170]海啸波是长周期重力波，即波长远远大于水深，波速与海水深度和重力加速度有

　　关。本实施例可利用惠更斯方法计算海啸传播时间。计算从起点开始到周围所有点所需的

　　时间，然后将时间最短的网格点作为下一个起点，并计算从那里到周围所有点的时间。起点

　　[0173]其中，d代表水深，g是重力加速度，s是海啸波速，r为相邻格点间的距离，Δt是格

　　[0175]当火山活动时监测到有一种或多种火山喷发指征如大气压力波、火山灰或火山熔

　　岩出现时，则开始以火山为圆心，对其临近周围的潮位站或浮标进行收集，采集火山喷发指

　　征出现前后12小时的水位监测数据，数据主要来自IOC/UNESCO全球潮位站水位共享数据

　　库。通过选取至少3个观测设施的观测数据，如设施编号1‑3，并对其进行去潮汐分析(如采

　　用潮汐调和分析方法分离水位监测数据中的潮汐信息)，提取海啸波信号(上述海啸波动监

　　测方法)，如若出现超过5厘米的海啸波，证明火山周边的观测设施确有监测到海啸波；再根

　　据惠更斯方法计算海啸传播时间，计算所关注火山喷发后海啸波从火山依次抵达这些观测

　　设施的理论到时T、T、T，火山喷发时间界定为监测到火山喷发指征的时间。同时，根据

　　所提取的海啸波信号，找出海啸波实际传播到这些观测设施的时间T、T、T，如果T和T、

　　[0176]结合遥感数据对火山喷发的分析结果，本发明通过分析火山周边水位波动数据监

　　测火山海啸是否发生。对潮位站水位数据进行调和分析，并提取海啸波。当水位站海啸波动

　　与火山海啸传播时间匹配成功时，快速确定火山海啸的生成。实现火山海啸的实时监测，提

　　[0178]举例来说，利用上述实施例一或实施例二的方法，监测汤加火山海啸事件，如图3

　　所示的汤加火山喷发彩色云图、如图4所示的汤加火山海啸大气压力波监测的示意图、如图

　　5所示的汤加火山海啸火山灰监测的示意图、如图6所示的汤加火山海啸熔岩监测的示意

　　图、如图7所示的Suva站海啸波数据的示意图、如图8所示的海啸传播时间图(时间间隔1小

　　时)。本实验验证中可分析的主要内容包括火山喷发监测、水位监测和海啸波幅与传播时间

　　[0179]第一步，利用气象卫星遥感数据对汤加HTHH火山进行监测，包括大气压力波监测，

　　火山灰监测和火山熔岩监测。如果三个监测参数中有一项达到火山喷发阈值，就判定火山

　　[0180]也就是说，火山喷发监测可利用气象卫星对汤加HTHH火山进行监测，2022年1月15

　　日4点14分(UTC时间)以后，大气压力波、火山灰和熔岩指标经计算均符合火山喷发特征，判

　　[0181]第二步，以火山为圆心，对周边临近潮位站进行分析，去除潮汐影响，分析是否引

　　发海啸波。如果去除潮汐影响后，至少3个潮位站出现超过5厘米的海啸波动，就判断海啸发

　　[0182]即，水位监测，从IOC/NOAA全球水位共享数据库获取火山喷发后周边潮位站数据，

　　分析2022年1月15日当天的水位数据。利用专利中的方法去除水位数据中潮汐的因素，得到

　　海啸波数据。经过分析，发现火山周边多个潮位站的海啸波动超过5厘米，判定海啸生成。图

　　7为火山周边Suva站水位(去除潮汐前)曲线和海啸波动(去除潮汐后)曲线]第三步，计算海啸传播时间，根据火山和潮位站位置、海啸传播时间等数据，综合

　　[0184]海啸波幅与传播时间比对：通过海啸传播时间计算方法，分别计算海啸从火山传

　　播到每个潮位站的理论到时。将海啸传播的理论时间和水位数据时间序列中海啸实际抵达

　　时间进行比对，判断海啸波是否由火山喷发引起。经过分析，汤加HTHH火山周边多个潮位站

　　[0185]通过验证例的验证，可充分说明本发明实施例的方法具有可行性，且能够便携快

　　[0186]在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具

　　体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或

　　者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表

　　述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以

　　在任一个或多个实施例或示例中以合的方式结合。此外，在不相互矛盾的情况下，本领域的

　　技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行

　　[0187]尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例

　　性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述

　　2、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问加。

　　3、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。

　　4、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

　　化学课件-2025版《回归教材•化学》课件11讲之.第二单元 空气和氧气（人教版）.pdf

　　化学课件-2025版《回归教材•化学》课件11讲之.第五单元 化学反应的定量关系（人教版）.pdf

　　人教版(2023版)高中地理选择性必修1(自然地理基础)全册同步练习+单元及期未测试合集(含答案及解析)【可编辑可打印】.docx

　　原创力文档创建于2008年，本站为文档C2C交易模式，即用户上传的文档直接分享给其他用户（可下载、阅读），本站只是中间服务平台，本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方，若您的权利被侵害，请发链接和相关诉求至 电线) ，上传者