边缘检测技术在地震属性中的应用
图像边缘检测方法在地震剖面同相轴自动检测中的应用研究
科学重点实验室， 州 ３０１） 杭 １ ０ ２
摘
要 为 了提 高地 震 剖 面 的信 噪 比和 分辨 率 ， 同相 轴 容 易识 别和 追 踪 ， 于地 震 资 料 解 释 ， 用 图 像 边 缘 检 测 方 使 便 应
法 检 测 地 震 剖 面 的 同 相 轴 ． 过 对 比各 种 边 缘 检 测 方 法 对 地 震 剖 面 的 边 缘 检 测 效 果 ， 定使 用 Ｃ ｎ ｙ算 子 对 地 震 剖 通 确 ａｎ
ｒｓ ｌ ｏ ｄ ｅｍｅ ｓ ｒ ｇ ｉ ｊ ｓ ｕ ｒｕ ｄｌ ｅｏ ｈ ｒａ ｆｇ ａ ｎ ｏ ｈ ｅ ｕｔｏ ｅｅ ｔ ｎ ｏ ｈ ｓ ｘｓ ｅ ｕｔ ｆ ｇ ａ ｕ ｉ ｓ ｔｓ ｒｏ ｎ ｉ ｆｔ ｅｂ ｅ ｋ ｏ ｒｙ ａ ｄ ｎ ｔｔ ｅｒｓ ｌ ｆｄ ｔｃｉ ｆｐ ａ ｅａ ｉ．Ｔｈ ｅ ｎ ｕ ｎ ｏ ｅ
叠前地震属性处理及综合解释
地震属性优化技术
属性筛选
属性校正
根据地质任务和实际数据特点，选择 对地质目标敏感的属性进行后续处理。
针对某些受采集、处理等因素影响较 大的属性，采用特定的算法进行校正， 以提高属性的准确性和可靠性。
属性融合
将多个单一属性按照一定的数学方法 进行融合，形成新的复合属性，以提 高属性对地质目标的识别能力。
的支持。
未来发展趋势预测
01
智能化属性提取
随着人工智能技术的发展，未来地震属性提取将实现智能化，通过深度
学习等技术自动提取和优化地震属性。
02
多属性融合解释
未来将进一步探索多属性融合解释方法，充分利用不同属性之间的互补
性，提高地震资料解释的精度和效率。
03
地震属性与地质模型的深度融合
未来地震属性处理解释将与地质模型建立更紧密的联系，实现地震属性
针对提取的地震属性，进行了有效的优 化处理，如属性融合、属性筛选、属性 降维等，提高了属性的信噪比和分辨率 。
3
综合解释方法
建立了以地震属性为基础的综合解释方 法，结合地质、钻井、测井等资料，对 地下构造、岩性、流体等进行了准确解 释。
未来发展趋势预测
01
智能化属性提取
随着人工智能技术的发展，未来地震属性提取将实现智能化，通过深度
时频分析属性
结合时域和频域的分析方法，提取时频域的属性， 如短时傅里叶变换、小波变换等。
地震属性提取方法
时域属性
通过地震波形在时间域的特征提取属性，如振幅、 频率、相位等。
频域属性
将地震信号转换到频率域，提取与频率相关的属 性，如频谱、频带宽度等。
时频分析属性
结合时域和频域的分析方法，提取时频域的属性， 如短时傅里叶变换、小波变换等。
地震对地理信息系统和遥感技术的应用
地震对地理信息系统和遥感技术的应用地震是自然界中常见的地球运动现象，给人类社会和自然环境带来了巨大的破坏和影响。
在地震发生后，对灾区进行快速、准确的灾害评估和灾后重建变得至关重要。
地理信息系统（Geographic Information System，简称GIS）和遥感技术作为地震应急响应和灾后重建的重要工具，发挥了不可替代的作用。
一、GIS在地震应急响应中的应用GIS是一种基于计算机平台的信息系统，能够对地理信息进行获取、存储、管理、分析和展示。
在地震应急响应中，GIS可以协助决策者和救援人员进行快速响应和决策。
其应用主要包括以下几个方面：1. 地震监测与预警：利用地震监测仪器获取地震数据，并通过遥感技术获取地表变形等信息，这些数据可以通过GIS进行存储、管理和分析，以实现对地震的实时监测和预警。
2. 灾害评估与决策支持：地震发生后，GIS可以结合灾情报告、遥感影像和地形图等数据，进行灾情评估和损失分析。
同时，GIS还可以提供空间分析模型、路径规划和资源调配等功能，为灾害应急管理提供科学的决策支持。
3. 应急救援和资源调度：GIS可以根据地震灾情和救援需求，实现应急救援资源的快速调度和优化分配。
通过GIS技术，可以实时监控灾区的情况、定位救援人员和物资、制定最优救援路径等，提高救援效率和响应能力。
二、遥感技术在地震应急响应中的应用遥感技术是通过获取地物光谱、形状和纹理等信息，通过卫星、飞机、无人机等远距离传感器对地面进行观测和获取数据的一种技术手段。
在地震应急响应中，遥感技术可以提供灾害快速评估和损失测算的数据支持。
1. 灾情评估：地震发生后，遥感影像可以提供灾区范围、地表破裂带、地形变化、建筑物倒塌等信息。
基于遥感图像的解译与分析，可以实现对灾情的快速评估，为灾害响应和救援提供准确的数据基础。
2. 损失测算：遥感技术可以通过获取地震灾区中建筑物的影像信息，结合GIS技术进行灾后损失测算。
通过比较地震前后的影像数据，可以精确计算出建筑物倒塌的数量和程度，为重建规划和资金筹措提供参考依据。
复合曲流河道内的单河道识别
复合曲流河道内的单河道识别周连敏;何书梅;赵郁文;宋舜尧;刘天鹤;王晶晶【摘要】随着油气田开发程度的深入,复合河道砂体尺度的研究难以满足生产需求,需要开展单河道砂体边界的识别.埕海一区明化镇组曲流河河道频繁地决口、改道和侧向迁移,复合河道砂体较为发育.依据单河道砂体接触部位地震波形及振幅发生变化的特点,首先利用边缘检测属性突出岩性变化引起的振幅响应,识别出单河道的边界;再利用倾角方位属性能够反映地震波形的细微变化,预测单河道的侧向迁移方向;借助上述方法识别研究区单河道的边界,并且精确预测了单河道点坝砂体的具体位置.预测结果与钻井吻合程度较高,有效地指导了井网关系调整及剩余油挖潜,也为类似地区的单河道识别与划分提供了一种新的方法.【期刊名称】《石油地球物理勘探》【年(卷),期】2019(054)001【总页数】7页(P175-181)【关键词】复合河道;振幅包络属性;倾角方位属性;地层切片;单河道【作者】周连敏;何书梅;赵郁文;宋舜尧;刘天鹤;王晶晶【作者单位】中国石油大港油田公司勘探开发研究院,天津300280;中国石油大港油田公司勘探开发研究院,天津300280;中国石油大港油田公司对外合作项目部,天津300280;中国石油大港油田公司勘探开发研究院,天津300280;中国石油大港油田公司勘探开发研究院,天津300280;中国石油大港油田公司勘探开发研究院,天津300280【正文语种】中文【中图分类】P6310 引言随着开发程度的不断深入，相当多的油气田面临着可采储量采出程度大、综合含水率高的开发难题[1-4]。
基于小层精度的常规储层研究已经难以满足油气田开发需求，急需采取一些新技术、新方法精细刻画储层，以达到认识厚砂体内部储层非均质性分布的目的。
河流相砂体是重要的储层类型之一[5-9]。
河道的频繁摆动形成复合河道砂体，复合河道内砂体储层通常不连通、弱连通或半连通，具有很强的非均质性，影响剩余油的分布。
几种属性原理分析
在计算过零点强相干同向轴的相似性时，上式给出的相似 估算对一些小相干值的地震同向轴来讲是不稳定的，为了 避免这个问题，采用与相似性速度分析相同的技巧，求垂 向上2k+1个样点的平均值，即：
八 几种典型属性原理及应用
4
基于复地震道的相干计算
在计算零值附近同相轴的相干体仍然会造成 一些假象，通常假设有一个背景级别的不相 干噪音，一旦地震信号的噪音低于背景噪音， 相干算法将识别为地震不相干，将产生地相 干的假象。应用复地震道技术就可以解决这 个问题。
八 几种典型属性原理及应用
相干计算可以在相干较弱或被噪声干扰的情况下，提供出 数据相似性的定量值。通过对地震数据体相干属性的量化 处理，针对波形进行相干运算，生成新的不同于常规地震 振幅数据体的相干属性体。这种数据体可以用于较为复杂 的断层及隐蔽地层岩性的解释，而这些复杂的地质特征在 常规地震数据中往往无法识别和解释。 相干体技术的特殊之处就在于突出那些横向不连续、不相 干的地震地质特征，如断层、三角洲、河道等，能够更加 客观真实地反映地下多种地质情况，帮助研究人员从整体 概念上分析和认识问题，提高解释工作的效率和精度。
解释的断层平面分布和相干分析叠合图
a
b
(a) 常规的时间～振幅切片与(b) 相干体等时切片的比较
八 几种典型属性原理及应用
目前，生成三维地震相干属性数据体的算法 很多，主要都是基于水平方向来实现。根据 资料的信噪比及算法的稳定性，主要包括C1、 C2、 C3三种相干算法。
八 几种典型属性原理及应用
将两条曲线的线性相关系数定义为：
r越接近于1，两条曲线对比段的关系就越密切；r接近 于0(或小于0),两条曲线对比段就越无关系。
遥感在地震中的应用
遥感在地震中的应用地震又称地动、地振动，是地壳快速释放能量过程中造成振动，期间会产生地震波的一种自然现象。
全球每年发生地震约五百五十多万次。
地震常常造成严重人员伤亡，能引起火灾、水灾。
房屋倒塌、有毒气体泄漏、细菌及放射性物质扩散，还可能造成海啸、滑坡、崩塌、地裂缝等次生灾害。
长期以来，地震预报监测、灾害调查、灾情信息获取主要依靠实地勘测手段，其获取的数据精度和置信度虽然较高，但存在工作量大、效率低、费用高和信息不直观等缺点。
遥感技术手段可在一定程度上克服传统实地勘测手段的缺点，并具有其他实地勘测手段不可比拟的优势，因此，在地震领域中得到了广泛的应用。
遥感技术最早应用于地震始于国外，早在1906 年G.R.劳伦斯利用风筝成功拍摄美国旧金山8.3 级地震的震后灾情，标志着人类利用遥感技术记录地震灾害信息的开始。
20 世纪60 年代以来，航空遥感在日本、美国、加拿大、印度、新西兰、泰国等国均被广泛地应用于地震灾害调查。
由于早期航天遥感影像分辨率较低，其在地震中的应用局限性较大。
近年来，随着高分辨率影像的日益普及和空天地一体化对地观测网络的形成，极大地促进了遥感技术在地震各阶段中的应用，本文将从地震发生不同阶段中，对遥感技术的应用进行分析。
震前监测预报地震预报是当今世界科学届的一大难题，由于地震的成因非常复杂且多样化，目前的技术手段还难以高效、准确地开展地震预报监测。
目前,利用卫星遥感技术进行地震预报研究还仅处于初级阶段，主要集中在震区热异常探测研究。
地震发生前出现的地表温度异常早被人们察觉，历史上亦不乏记载，我国史料中就记载了许多强震前出现的热异常现象。
我国1978 年的唐山大地震，其震前就出现了地表热异常，表现在气压高、多雨，地表下0.8m处地温与常年相比差异较大，震前3 天突然增温，其增温中心即为后来的震中区。
研究表明，强震前在震中区较大范围内出现增温异常是一种普遍现象，这种增温异常不仅表现在气温上，还表现在地表温度和地表下浅层地温上。
地震属性提取与分析_配合软件介绍讲解
注：最小曲率方位角（Azim of Min）、山脊型（Ridge）和山谷型（Valley） 是玫瑰图的输入数据。
体曲率属性（Volumetric Curvature）
体曲率属性的输出数据：振幅类曲率可输出15个数据体 Most-Positive and Most-Negative： Gaussian Curvature ： Mean Curvature ： 最大正曲率、最大负曲率 高斯曲率 平均曲率
短波长 (0.75)
不同尺度的曲率刻画了不同尺度的地质特征
多尺度体曲率属性（Volumetric Curvature）
长波长：是大尺度曲率，适用于寻找大断层、大裂缝等； 中波长：是中尺度曲率，适用于寻找中等断层、裂缝等； 短波长：是小尺度曲率，适用于寻找小断层、裂缝等 多尺度参数： Space Filter 滤波参数 Fraction Derivative 分数导数滤波
?常用于图像边缘检测的处理手段主要有空间微分法差分法高通滤波中值滤波相关系数法等?在对地震数据进行边缘检测时最好采用层拉平的数据也可以对地震属性相干方差曲率等进一步提高地质异常断层河道溶洞等的可识别程度
相• GeoEast开发了三种相干算法：
相关算法Corr（C1） 相似算法Semb（C2）
高斯曲率
平均曲率 倾角曲率 走向曲率
体曲率属性（Volumetric Curvature）
体曲率属性的输出数据：构造类曲率可输出22个数据体 Reflector Rotation ： Curvedness ： Shape Index ： Azim of Min ： Dome ： Bowl ： Saddle ： Ridge ： Valley ： 反射面旋转度 弯曲度 形态指数 最小曲率方位角 圆顶型 碗型 马鞍型 山脊型 山谷型 Shape Measurements ：形态类曲率属性
地震属性在微断层解释中的应用_李建雄
图 １ 不同断距断层模型及其地震正演模拟结果剖面
９ ２ ６
石 油 地 球 物 理 勘 探
２ ０ １ １年
， 图 ３） 从而达到在不减弱横向不连续性的 定功能 （ 情况下增加地震资料的信噪比 。 实际资料经构造导 ） 向滤波后 （ 图４ 反射同相轴更加连续且 断 层 变 得 更 为清晰 。 同时构造导向滤波后的相干属性反映微断 ， 层的能力更强 （ 图 ５） ３～５ ｍ 断距微断层在构造导 ） 向滤波剖面 （ 图６ 上较易识别 。
［］ 但这些滤波方法在提高信 ｔ ｒ ｉ ｍ 滤波 、 ｃ滤 波 ３ 等 ， ｐ 噪比的同时 ， 也模糊了横向不连续性 。 ［］ 针对这一问题 ， Ｈ ｏ ｃ ｋ ｅ ｒ等 ２ 提出了构造导向滤
波， 该算法的关键是 在 处 理 过 程 中 增 加 了 地 震 反 射 界面倾角 、 方位角控制及地震反射横向连续性的判
） 、 ） 图 ２ 过 Ａ（ 井常规地震剖面 ａ Ｂ（ ｂ
３ 微断层解释的适用技术
［ １～３］ ） ３． １ 构 造 导 向 滤 波 （ Ｓ ｔ ｒ ｕ ｃ ｔ ｕ ｒ ｅ － Ｏ ｒ ｉ ｅ ｎ ｔ ｔ ｅ ｅ ｄ ｒ Ｆ ｉ ｌ － ， 当断层断距 小 于 ５ ｍ 时 应用常规地震属性技
即分辨力有限 。 鉴于此 ， 对地 术的检测效果不明显 ， 震数据体进行解释 目 标 处 理 就 显 得 十 分 重 要 ， 尤其 针对噪声较严重 的 地 震 数 据 。 用 于 去 除 噪 声 、 提高 信噪比 的 滤 波 方 法 很 多 ， 如 平 均 滤 波、 中 值 滤 波、 α －
基于改进滤波算法的地震图像边缘检测方法
基于改进滤波算法的地震图像边缘检测方法娄莉;李勇【摘要】针对现有的地震图像边缘检测方法存在着信噪比较低、图像边缘细节和纹理结构保持能力不强的问题,本文提出基于改进滤波算法的地震图像边缘检测方法.将改进的非局部均值(NLM)与小波变换结合,引入结构相似度(SSIM)到图像小块相似性的度量中,并把图像的结构检测引入到NLM算法,最大限度地保护图像结构,充分利用地震图像数据冗余度,结合改进型小波软阈值模型,构成一种更适合地震图像的多尺度改进滤波算法.实验结果表明,所提方法不仅具有较强的保留图像边缘细节信息的能力,而且能够有效提高地震数据的信噪比,最大限度地保证了地震资料的分辨率,提高了地震资料解释的精度和效率.【期刊名称】《电子设计工程》【年(卷),期】2019(027)011【总页数】5页(P176-179,184)【关键词】地震图像;边缘检测;改进滤波算法;小波变换【作者】娄莉;李勇【作者单位】西北工业大学电子信息学院,陕西西安710072;西北工业大学电子信息学院,陕西西安710072【正文语种】中文【中图分类】TN957由于地震图像特征蕴含着丰富的地质信息，有效的提取和描述这些特征能够帮助我们分析断层、通道和裂缝等结构特征及河道砂体等沉积特征[1]，通过分析地震图像特征并结合三维空间上的数据体，能够为地震数据的处理提供客观判断依据。
鉴于此，对地震图像特征提取的研究，近年来在国内外已经成为热点[2]。
文献[3]提出一种基于小波分解与重构的滤波Mallat算法，利用硬阈值和软阈值分别处理图像不同特征的对应关系，应用多种手段选择合适的阈值，充分利用变换阈值法实现滤波处理。
该方法虽然能够获取地震图像边缘信息和纹理信息，但是耗时较长。
文献[4]提出了一种基于改进Sobel算子的遥感图像道路边缘检测方法，该方法首先对Sobel算子的基本原理进行介绍，并依据Pascal三角形理论得出各方向的最优模板，但是该方法的信噪比较低。
边缘检测技术在地震属性中的应用
2011年2月第46卷 第1期 3湖北省荆州市长江大学地球物理与资源学院,434023。
Email :xu 2huiqw @本文于2009年6月23日收到,修改稿于2010年9月11日收到。
・综合研究・文章编号:100027210(2011)01201262128边缘检测技术在地震属性中的应用许辉群3①② 桂志先② 孙赞东①(①中国石油大学(北京)地质地球物理综合研究中心,北京102249;②油气资源与勘探技术教育部重点实验室(长江大学),湖北荆州434023许辉群,桂志先,孙赞东.边缘检测技术在地震属性中的应用.石油地球物理勘探,2011,46(1):126～128摘要 地震属性图像中有许多点的梯度振幅值比较大,而这些点在特定的应用领域中并不都是边缘点,若直接利用这些地震属性进行储层预测就会降低预测精度。
针对此问题,本文首先利用井资料确定砂泥岩分布范围,再采用Sobel 算子进行边缘检测,求出振幅梯度幅值阈值,并依此阈值作为识别砂岩边界的标准。
为了检验上述边缘检测的效果,利用正演模型模拟结果与原始地震剖面进行对比,发现两者结果吻合很好,说明上述边缘检测是有效的。
关键词 Sobel 算子 模型正演 边缘检测 地震属性中图分类号:P631 文献标识码:A1 引言储层预测是油气勘探、开发的一个重要环节,但也是一项难度很大的工作。
目前广泛利用地震资料,结合测井、钻井资料,采用反演、属性提取、聚类分析等方法进行储层预测,已经见到不少成功范例,但其中也存在一些问题和误区。
特别是在利用地震属性预测砂岩分布时,其边界往往难以确定,对于地震属性分布图来说,其边界被认为就是图像边缘。
从成因上说边缘通常是区域属性发生突变的部位,是图像中不确定性最大的部位,也是图像信息最集中的地方,图像的边缘包含着丰富的信息。
可见边缘检测技术对于识别数字图像是非常重要的,提取出边缘才能区分目标和背景。
本文采用模型正演技术验证砂体边缘检测效果,从而准确描述砂体的延伸范围。
边缘检测在D_InSAR变形图中提取地表断裂带的应用.kdh
边缘检测在D-InSAR变形图中提取地表断裂带的应用佟国功 汤井田 李志伟 任小冲（中南大学信息物理工程学院，湖南 长沙 410083）[摘要] 利用Doris软件对伊朗Bam地震ENVISAT图像进行处理，得到InSAR差分干涉图并对InSAR差分干涉图进行了相位解缠；然后用几种边缘检测算法对解缠后的差分图进行边缘检测以提取地面断裂带的位置，最后对这几种边缘检测算法的检测结果进行了评价。
[关键词] 边缘检测；D-InSAR 地表断层断裂带提取；Bam地震[中图分类号]P237 [文献标识码] A [文章编号] 1001-8379（2008）02-0054-05The Application of Edge Detection to Identify the Ruptured Fault Segment in Phase-unwrapped InterferogramTONG Guo-gong TANG Jing-tian LI Zhi-wei REN Xiao-chong (School of Info-physics and Geomatics Engineering, Central South University, Changsha 410083, China)Abstract: This paper describes the application of edge detection to identify the ruptured fault segment in phase-unwrapped interferogram. It first uses the Doris soft and Envisat SAR images to generate the differential SAR interferogram over Bam city of Iran, followed by the phase unwrapping of the differential interferogram. Then, this paper applied several edge detection techniques to examine the ruptured fault segment in the phase-unwrapped interferogram. Finally, the results are compared and evaluated.Key words: Edge Detection; Bam Earthquake; D-InSAR; The Ruptured Fault Segment1 D-InSAR基本原理和数据处理流程1.1 合成孔径雷达的基本原理合成孔径雷达（Synthetic Aperture Radar，SAR）是一种使用微波探测地表目标的主动式成像传感器，具有全天候、全天时成像能力及对一些地物表面穿透的特点，使得SAR图像可以应用到许多领域中去。
图像边缘检测算法研究及在地震裂缝检测中的应用的开题报告
图像边缘检测算法研究及在地震裂缝检测中的应用的开题报告一、选题背景与意义地震是一种重要的自然灾害，经常会导致建筑物的倒塌、交通堵塞等问题，对人们的生命和财产造成严重的伤害。
而地震裂缝则是地震灾害中一种重要的地质灾害，其带来的危害也不容忽视。
因此，地震裂缝的快速、准确的检测对于地震灾害的预警、防控以及救援工作都具有非常重要的意义。
而在地震裂缝的检测中，图像处理技术可以发挥非常大的作用。
图像边缘检测作为图像处理中的重要技术，它可以在图像中找到边缘、轮廓等特征，对于地震裂缝的检测具有很大的帮助。
因此，本研究将使用图像边缘检测算法，研究并探讨其在地震裂缝检测中的应用。
二、研究内容和方法1. 研究内容本研究将主要探讨以下内容：（1）常用的图像边缘检测算法及其优缺点。
常用的图像边缘检测算法包括Sobel算子、Canny算子、Laplacian算子等，本研究将分析比较这些算法的优缺点，为后续的研究奠定基础。
（2）基于图像边缘检测算法的地震裂缝检测。
本研究将运用上述算法对地震图像进行边缘检测，从而得到图像中的裂缝轮廓，进一步分析和识别裂缝。
同时，将探讨不同算法在地震裂缝检测中的优缺点，以及如何针对不同情况选择不同的算法。
（3）利用机器学习算法提高地震裂缝检测的准确率。
研究利用机器学习算法对裂缝进行特征提取和分类，以提高地震裂缝检测的准确率。
将探讨利用支持向量机（SVM）算法对裂缝进行特征提取和分类的方法。
2. 研究方法（1）实验数据采集。
本研究将收集到多个地震图片数据，并对其进行预处理，以便进行后续的算法处理和分析。
（2）实验算法实现。
本研究将实现常用的图像边缘检测算法，包括Sobel算子、Canny算子、Laplacian算子等，并将研究这些算法的优缺点，并针对不同情况使用不同的算法。
（3）机器学习算法实现。
本研究将实现支持向量机（SVM）算法，对裂缝进行特征提取和分类，以提高地震裂缝检测的准确率。
三、预期目标和进度安排1. 预期目标本研究旨在探究图像边缘检测算法在地震裂缝检测中的应用，具体目标包括：（1）深入研究常用的图像边缘检测算法及其优缺点，为运用这些算法进行地震裂缝检测打下基础。
遥感技术在地震领域的应用PPT课件
第8页/共47页
遥感地震监测
• 热红外遥感 • 原理：所有的物质，只要其温度超过绝对零度，就会不断发射红外能量。常温 的地表物体发射的红外能量主要在大于3μm的中远红外区，是热辐射。它不仅 与物质的表面状态有关，而且是物质内部组成和温度的函数。在大气传输过程 中，它能通过3-5μm和8-14μm两个窗口。热红外遥感就是利用星载或机载传 感器收集、记录地物的这种热红外信息，并利用这种热红外信息来识别地物和 反演地表参数如温度、湿度和热惯量等。 • 应用：热红外遥感对研究全球能量变换和可持续发展具有重要的意义，在地表 温度反演、城市热岛效应、林火监测、旱灾监测、探矿、探地热，岩溶区探水 等领域都有很广泛的研究。
• 临震热红外异常特征 • 热红外温度异常 • 地球长波辐射异常 • 大多数情况是OLR异常在前 然后才出现异常增温现象 • OLR异常很少出现在1年以上或者晚到15内内才出现 • 总结： • 将热异常作为一种临震前兆对强震的预报具有一定的映震效应。可以利用卫星热红外遥感技术识 别和提取地震“热征兆”的这种温度异常信息或OLR异常区进行地震的预报工作，并可望在地震 的监测预测领域上开创出新的技术途径。
26
第26页/共47页
一个例子-汶川地震前卫星遥感热红外异常
• 卫星热红外异常的第 1 阶段（2008 年 03 月 18 日）
27
第27页/共47页
一个例子-汶川地震前卫星遥感热红外异常
• 卫星热红外异常的后续发展
28
第28页/共47页
一个例子-汶川地震前卫星遥感热红外异常
• 卫星热红外异常的后续发展（震后）
30
第30页/共47页
地震灾害遥感快速提取技术
• 主要研究内容 • 地震破坏的遥感表征分析 • 多源遥感数据支持的综合地震灾害 • 有先验知识支持下的高可靠性地震灾害信息提取方法
任意旋转加窗希尔伯特变换的地震资料体边缘检测方法
第 56卷 第 3 期
徐 赫 . 等 ：任 意 旋 转 加 窗 希 尔 伯 特 变 换 的 地 震 资 料 体 边 缘 检 测 方 法
537
基于希尔伯特变换的边缘检测算法用于实际地 震 资 料 时 ，提 取 的 往 往 是 裂 缝 综 合 信 息 ，信 息 繁 杂 且 会 弱 化 部 分 有 效 信 息 ，难 以 分 辨 某 一 特 定 方 向 的 数 据 特 点 ，不 利 于 分 析 裂 缝 走 向 。 因 此 ，考 虑 到 断 层 、 裂 缝 等 不 连 续 信 息 的 复 杂 性 ，为 了 分 析 地 震 资 料 中 各 个 方 向 的 不 连 续 特 征 ，本 文 构 建 了 一 种 任 意 角 度 旋 转 的 加 窗 希 尔 伯 特 变 换 （arbitrarily rotated w i n d o w e d Hilbert t r a n s f o r m ，A R W H T ) 边 缘 检 测 算 子 ，将 其 用 于 三 维 地 震 资 料 体 边 缘 检 测 ，不 仅 能 提 取 地 震 资 料 在 任 意 方 向 的 不 连 续 特 征 ，还 可 突 出 局 部 异 常 信 息 ，减 少 噪 声 的 影 响 ，从 而 获 得 更 精 确 的 储 层 裂缝走向及分布信息。
检 测 原 理 可 知 ，当 算 子 旋 转 角 度 为 0 时 ，可 提 取 0 士 90°方 向 的 边 缘 信 息 。
变 换 后 的 几 何 信 息 矩 阵 C?'，即
Q' = Q l
( 1)
其中
/ cos^ s m d \
V— sin汐 c o s d
设加窗后的希尔伯特算子序列的样点坐标为
P 〇 ，//(7〇]，将 其 逆 时 针 旋 转 角 度 0 后 ，新 算 子 序 列 的 样 点 坐 标 为 ， [ 邱 ，/ ^ ( 幻 ] ，则有
边缘计算在防灾减灾中有哪些应用场景
边缘计算在防灾减灾中有哪些应用场景在当今社会，各种自然灾害和人为灾害频繁发生，给人们的生命财产安全带来了巨大威胁。
为了有效地预防和应对这些灾害，科技的力量不可或缺。
边缘计算作为一项新兴的技术，在防灾减灾领域展现出了广阔的应用前景。
边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。
其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。
在防灾减灾中，边缘计算能够发挥重要作用，以下是一些具体的应用场景。
一、地震监测与预警地震是一种极具破坏性的自然灾害，及时准确的监测和预警对于减少人员伤亡和财产损失至关重要。
边缘计算可以应用于地震监测系统中，实现对地震波的实时监测和分析。
传统的地震监测系统通常将数据传输到中心服务器进行处理和分析，这会导致一定的延迟。
而边缘计算可以在地震监测传感器附近部署计算节点，对采集到的数据进行实时处理和分析。
一旦检测到异常的地震波活动，能够立即发出预警信号，为人们争取宝贵的逃生时间。
此外，边缘计算还可以结合人工智能技术，对地震数据进行深度学习和模式识别，提高地震预测的准确性。
通过在边缘设备上进行模型训练和优化，可以快速适应不同地区的地质特征和地震活动规律，为制定更加精准的防灾减灾策略提供支持。
二、洪水监测与预警洪水是另一种常见的自然灾害，对城市和农村地区都可能造成严重影响。
边缘计算在洪水监测与预警方面也具有重要的应用价值。
在河流、湖泊等水域部署的水位监测传感器可以实时采集水位数据。
边缘计算设备能够对这些数据进行实时分析，判断水位是否超过警戒值。
一旦超过，立即触发预警机制，向相关部门和周边居民发送警报信息。
同时，边缘计算还可以结合气象数据和地理信息系统，对洪水的演进趋势进行模拟和预测。
通过在边缘端进行快速计算和分析，为防汛指挥部门提供及时准确的决策依据，如合理安排人员疏散、调配抢险物资等。
基于多尺度加窗希尔伯特变换的地震资料体边缘检测
基于多尺度加窗希尔伯特变换的地震资料体边缘检测李斌;陈学华;贺振华;许迪;李依佳;裴小刚;唐湘蓉【摘要】利用地震资料识别断层或裂缝发育带等非连续性异常信息是裂缝性油气藏储层预测的关键所在.为此,提出了一种基于多尺度加窗希尔伯特变换的体边缘检测新方法.在二维(水平)加窗希尔伯特变换的基础上,考虑了非连续性地质异常的多尺度三维特征,通过同时调节水平和深度方向上的计算孔径来提取实际三维地质异常体的边缘信息,弥补了二维加窗希尔伯特变换仅提取水平方向边缘信息的明显不足.实际地震资料体边缘检测试处理结果表明,该方法能够完整地刻画多尺度非连续性地质异常体的特征,有效突出裂缝发育带的边缘位置及断层的走向,具有较为显著的实用价值.【期刊名称】《石油物探》【年(卷),期】2015(054)003【总页数】5页(P345-349)【关键词】体边缘检测;广义希尔伯特变换;多尺度特征;水平孔径;深度孔径【作者】李斌;陈学华;贺振华;许迪;李依佳;裴小刚;唐湘蓉【作者单位】成都理工大学油气藏地质及开发工程国家重点实验室,四川成都610059;成都理工大学地球探测与信息技术教育部重点实验室,四川成都610059;成都理工大学油气藏地质及开发工程国家重点实验室,四川成都610059;成都理工大学地球探测与信息技术教育部重点实验室,四川成都610059;成都理工大学油气藏地质及开发工程国家重点实验室,四川成都610059;成都理工大学地球探测与信息技术教育部重点实验室,四川成都610059;成都理工大学地球探测与信息技术教育部重点实验室,四川成都610059;成都理工大学地球探测与信息技术教育部重点实验室,四川成都610059;成都理工大学地球探测与信息技术教育部重点实验室,四川成都610059;成都理工大学地球探测与信息技术教育部重点实验室,四川成都610059【正文语种】中文【中图分类】P631勘探实践表明,含油气储层裂缝发育非常普遍,而大量空隙或裂缝组成的边缘特征信息是可检测的。
遥感在云南鲁甸地震中的应用
遥感在云南鲁甸地震中的应用北京时间2022年8月3日16时30分在云南省昭通市鲁甸县（北纬27. 1度，东经103.3 度）发生6.5级地震，震源深度12千米。
中国地震局马上启动了地震应急遥感工作。
中国地震局地震应急遥感技术协调组地震猜测讨论所、地壳应力讨论所、地质讨论所等成员单位等成员单位，快速完成灾区背景遥感影像、地势分布图、地震构造图、道路交通分布图、土地采用图、龙头山镇等重要居民点高分遥感影像图的制作，并准时供应国务院抗震救灾指挥部、地震现场指挥部等单位。
依据可用遥感影像，相关单位马上组织开展了数据处理和灾区（部分地区）房屋震害、地震滑坡、堰塞湖等灾难、道路损毁等状况进行了快速评估，支持了灾区总体灾难空间分布趋势，并第一时间供应有关单位和部门，为应急指挥决策、抢险救援、震害与地震烈度调查评定等供应参考依据。
应用一云南鲁甸6. 5级地斑红石岩村震后航空影像图运用了航空遥感通过航空影像，很直观很清楚的看到了鲁甸李家山村和红石岩村两个地村镇的震后震害受灾状况，为应急指挥决策供应了参考依据。
应用二云南鲁甸6. 5级地震山体滑坡掩埋村庄t CΛt.5*眼绘M∣T值中13W∣∙M岫I*后都"未40fM 中N地，崎他■预也5北所依据遥感图片我们清楚的看到由于地震造成的山体滑坡而导致的村庄掩埋状况。
为应急指挥供应参考依据.应用三通过遥感的影像以及后期对遥感图像的处理解读，我们很简单的了解到鲁甸灾区部分区域房屋震害灾难状况，使得相关部门对于灾难的估量与灾后抢险救援 有了清楚的熟悉。
在遥感影像中，我们通过地震前地震后的对比，很便利的可以看到山体滑坡 形成堰塞湖的状况，以及由此带来的水位提升，沉没红石岩水坝及其四周的隧道、 大路和村庄状况，可以为我们的灾后救援供应有力的依据。
应用I U!云南鲁甸6・5级地震灾区部分区域房屋震害遥感解译O 2 km0 HN"*.K∙ l»J V∙V<*Λ∣Λ Wf.^.jy .< J∙IKH2 界：)以门长，S6”】∙∣*(H ∣AA UHlXt ><7<∙ι Γl云南鲁甸6.5级地震堰塞湖淹没公路和村庄山体格帆•，修|龙∣M Q 制.水仙 IJ∙ ★我”，¥： 水W"2NMa"J标€讷， 公咻和七”七.>bhυttM M,α JΛ 依刈 w 允欣20M ：。
基于多道局部复值相关的地震信号边缘检测
１ 引言
地震信号 边 缘 检 测 技 术 不 仅 可 以 用 于 刻 画 地 震同相轴的非连续性特 征 ， 成为三维地震资料解释 中最为重要 的 属 性 工 具 之 一 ， 也 可 用 于 研 究 断 层、 岩性边界 、 地层接触关 系 以 及 河 道 分 布 情 况 。 目 前 工业界普遍采用基于实信号的 Ｃ １～Ｃ ３ 相干算法进 行地震信号边 缘 检 测
局部复值相关算法 ， 可计 算 相 邻 两 地 震 道 之 间 的 局 回避了传统 部相关系数和相移值 。 该 算 法 较 简 洁 ， 地震相干类算法的相似 性 扫 描 、 倾角扫描或迭代求 解等复杂运算 ， 但只介绍 了 二 维 地 震 数 据 单 道 局 部 复值相关算法 ， 并未进一 步 分 析 存 在 的 问 题 和 三 维 算法 。 本文 通 过 分 析 局 部 复 值 相 关 算 法 发 现， 应用相 邻两道直接进行局部复值相关求取的相关系数属性 存在边缘异常不突 出 及 抗 噪 性 较 弱 的 问 题 ， 进行多 提高了 利 用 相 关 系 数 属 性 检 测 地 震 信 息 道推广后 ， 边缘异常和抗噪的能力 。 此外 ， 考虑到文献 ［ ］ １ ３， １ ４ 并未讨论三维数据 的 复 值 相 关 算 法 ， 本文将该算法 并可用于三维地震数据切片解释 。 扩展到三维数据 ，
２ （ ） ４ ＝ １－犚 ≥ ０ 上角 表示取共轭 。 由此 ， 定义两复时间序列犣 ） 狋 ＝ 犽（ （） （ ） ｉ ｉ 狋 θ θ 犽狋 和犣 （ 犼 ） 在同一 滑 动 时 窗 犜 内 的 零 延 迟 ｅ ＝ｅ 犼狋 复值相关系数为
烌 …， ） 犻 ＝ 狆 ＋１， 犕 －狆 （ ８ 犻 １ － ＋ 狆 犼＝ 烎 其中 ： 犻 代 表 第犻 道 位 置 对 应 的 局 部 复 值 相 关 系 ρ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
G[ f ( x, y)] = | f x( x, y) | + | f y( x, y) | ( 2)
Sobel 梯度算子就是先做加权平均, 再微分, 然后求 梯度, 即
f x ( x , y ) = f ( x - 1, y + 1) + 2f ( x , y + 1) +
关键词 Sobel 算子 模型正演 边缘 检测 地震属性 中图分类号: P 631 文献标识码: A
1 引言
储层预测是油气勘探、开发的一个重要环节, 但 也是一项难度很大 的工作。目 前广泛利用地 震资 料, 结合测井、钻井资料, 采用反演、属性提取、聚类 分析等方法进行储层预测, 已经见到不少成功范例, 但其中也存在一些问题和误区。特别是在利用地震 属性预测砂岩分布时, 其边界往往难以确定, 对于地 震属性分布图来说, 其边界被认为就是图像边缘。 从成因上说边缘通常是区域属性发生突变的部位, 是图像中不确定性最大的部位, 也是图像信息最集 中的地方, 图像的边缘包含着丰富的信息。可见边 缘检测技术对于识别数字图像是非常重要的, 提取 出边缘才能区分目标和背景。本文采用模型正演技 术验证砂体边缘检测效果, 从而准确描述砂体的延 伸范围。实验结果表明, 模型正演技术能验证边缘 检测技术的有效性。
( 本文编辑: 张亚中)
2011 年 2 月
第 46 卷 第 1 期
作者介绍
李晓东 高级工程师, 1963 年生; 1991 年毕业 于石油大学( 华东) 计算 机专业; 曾就职于地震资料处理员、地 球物理师、采集项目技术总监 等岗位, 参加和主持过多项部级, 局级 科研项目, 在专业期刊及相关 学术会议上发表论文多篇, 主要从事物探采集技术支持工作。
2011 年 2 月
综合研究
第 46 卷 第 1 期
文章编号: 1000 7210( 2011) 01 0126 128
边缘检测技术在地震属性中的应用
许辉群* ! 桂志先! 孙赞东
( 中国石油大学( 北京) 地质地球物理综合研究中心, 北京 102249; ! 油气资源与勘探技术教育部 重点实验室( 长江大学) , 湖北荆州 434023
第 46 卷 第 1 期
许辉群等: 边缘检测技术在震属性中的应 用
12 7
f y ( x , y) = f ( x - 1, y - 1) + 2f ( x - 1, y ) +
f ( x - 1, y + 1) - f ( x + 1, y - 1) -
2f ( x + 1, y ) - f ( x + 1, y + 1)
f ( x + 1, y + 1) - f ( x - 1, y - 1) -
2f ( x , y - 1) - f ( x + 1, y - 1)
( 3)
* 湖北省荆州市长江大学地球物理与资源学院, 434023。E mail : xu huiqw @ 163. com 本文于 2009 年 6 月 23 日收到, 修改稿于 2010 年 9 月 11 日收到。
许辉群, 桂志先, 孙赞东. 边缘检测技术在地震属 性中的应用. 石油地球物理勘探, 2011, 46( 1) : 126~ 128
摘要 地震属性图像中有许多点的梯度振幅值比较大, 而这些点在特 定的应用领 域中并不都 是边缘点, 若直 接 利用这些地震属性进行储层预测就会降低预测精度。针对此问 题, 本 文首先利用 井资料确 定砂泥岩分 布范围, 再采用 Sobel 算 子进行边缘检测, 求出振幅梯度幅值阈 值, 并 依此阈 值作为 识别砂 岩边界 的标准。为 了检验 上 述边缘检测的效果, 利用正演模型模拟 结果与 原始地 震剖面进 行对比, 发 现两者 结果吻合 很好, 说明 上述边 缘 检测是有效的。
3 Sobel 算子边缘检测的方法
由于地震属性图像边缘附近的亮度变化较大, 所以可以把邻域内灰度变化超过某个适当阈值的像 素点当作边缘点。Sobel 算子利用像 素点上下、左 右邻点的灰度加权算法, 根据边缘点处达到极值这 一原理进行边缘检测。地震属性是数字图像, 运用 该方法可以进一步识别砂体在平面的展布特征。其 检测关键步骤如下。 3. 1 图像增强
图 4 某一陆相层序砂岩分布图
图 5 地质模型
图 6 模型正演记录( 上) 与地震剖面( 下) 对比图
震响应与地震剖面一致, 并且与钻井资料吻合较好, 说明上述边缘检测方法是有效的。
5 结束语
利用边缘检测技术, 有利于识别地质异常体, 能 准确定砂体边界。边缘检测技术与地震属性技术、 图像处理技术联合使用, 可形成地震资料解释的新 模式, 能更好地解决油田勘探开发中确定砂体的位 置及其边界, 提高了三维地震成果的使用效率和应 用水平。
通过增强算法可以将邻域强度值有显著变化的 点突显出来。图 2 显示了某一陆相层序均方根振幅 属性分布; 图 3 为将图 2 属性数据通过自动增益振 幅控制( AGC) 处理后得 到的图像。由 图 2 和图 3 对比可以看出, 图 3 所示图像的振幅能量明显增强。 3. 2 图像检测
在对此陆相层序地震属性进行检测之前, 一般 要对地震数据进行归一化处理, 把地震属性数据都 归于 0~ 1 范围之内。在归一化后的数字图像中, 存 在一些点的梯度振幅值比较大, 而这些点在特定的 应用领域中并不都是边缘点, 这也是直接利用地震 属性进行储层预测 不精确的原因 所在。针对 此问 题, 可利用井资料标定, 确定砂泥岩分布范围, 再计 算该区域的振幅梯 度。经过计 算得知梯度值 约为 - 0. 0002, 为砂泥岩分界点; 而由研究区井 资料统 计分析得知, 砂泥岩梯 度分界值相差 很小, 均 约为 - 0. 0002, 故本文边缘检测就以梯度值阈值- 0. 002 作为判别依据: 大于- 0. 0002 的认为是砂岩, 小于 - 0. 0002 的则认为是泥岩。
水平边缘, 一个检测垂直边缘[ 3~ 7] 。其原理如下。 2. 1 差分运算
地震属性数据就是一个二维数字图像, 对于数 字图像, 可用一阶差分代替一阶微分, 其沿线方向和 道方向的一阶差分分别为
f x (x, y) = f (x, y) - f (x - 1, y) ( 1)
f y (x, y) = f ( x, y) - f (x, y - 1) 2. 2 梯度运算
( 4)
G[ f ( x , y ) ] = | f x ( x , y ) + f y ( x , y ) | ( 5)
图 1 为边缘检测目标方向图, 数字为模板系数, 中间点表示中心元素, 梯度方向与边缘方向正交。
-1 0 1
121
-2 0 2
000
-1 0 1
-1-2-1
( a)
( b)
图 1 边缘检测目标方向图 ( a) 水平梯度方向检测垂直边缘; ( b) 垂直梯度方向检测水平边缘
tificatio n. OGP, 2010, 45( 4) : 530~ 533 [ 2] 苟量, 彭真明. 小波多尺度边缘检测及其在裂缝 预测中
的应用. 石油地球物理勘探, 2005, 40( 3) : 309~ 313 Gou L iang, Peng Zhen ming. M ulti scale edge detec tion of w avelet and a pplicat ion in fracture predictio n. OGP, 2005, 40( 3) : 309~ 313 [ 3] 季 虎, 孙 即祥, 邵晓 芳, 毛玲. 图像边 缘提取 方法及 展 望. 计算机工程与应用, 2004, 14( 1) : 70~ 73 Ji Hu, Sun Jixiang, Shao Xiaofang, Mao L ing. T he Algo rithm for image edg e detection and prospect. Comp uter Engineer ing and A p p lications, 2004, 14( 1) : 70~ 73 [ 4] 王新成. 高级图 形处理 技术. 北京: 中国 科学技 术出 版 社, 2001, 119~ 130 [ 5] M ar rand D, H ildreth E C. T heor y o f ed ge detection. Pro c. R. Soc. L ondon Ser . B207, 1980, 187 [ 6] John Canny. A CompnL aLional Approach Lo Eclg e DeLe cLion. I EEE Tr ap s on P AVI I , 1986, 8( 6) : 679~ 698 [ 7] M allat D et al. Char acter istics of signals fr om multi scale edges. I EEE T r ans , 1992, 14( 7) : 710
4 应用效果
为了寻求适合岩 性油气藏勘探的地震预测技 术, 为岩性油气藏的识别、描述提供有利技术支撑, 本文采用了边缘检测技术识别砂体边界。根据 So bel 算子对陆相地层某一层序的均方根振幅进行边 缘检测, 选择阈值, 预测了砂岩分布范围。本文采用 正演模拟对边缘检测的效果进行了检验。
地震属性提取是储层预测的关键技术。通常在 分析均方根振幅属性时, 认为砂岩区域显示为强振 幅, 泥岩区域显示弱振幅, 但是用于分析岩性油气藏 时发现, 该属性在反映某 些区域岩性时存 在问题。 仔细分析图 3 就会发现, 虽然强振幅区域仍对应砂 岩分布区域, 但是砂体边界以及部分低振幅区域砂 岩未能表征出来, 如 H Z26 1 1 井区就表现为绿色 背景下泥岩特征。根据已知资料, 除H Z32 3 NE1 以外, 研究区该层序岩性均为砂岩。究其原因, 在于