地表温度是地球生命系统与大气循环系统中的重要参量,结合全天候、全时候、大范围的热红外遥感技术等重要手段可实时表征地球表面的热状态信息,也能为城市热岛效应、海洋温度变化、农业生态、自然灾害以及全球变暖等提供必要的研究基础数据,同时还可以根据相关研究结果做出相应对策。现目前,国内外众多专家学者在对地表热红外异常的研究中表明了地震发生区与其地表热红外异常有较高的相关性,同时,也表示以热红外信息分析地震是较为有意义的探索性研究。因此,本文从MODIS数据的地表温度反演出发,经过数据预处理、温度反演及结果分析,获取研究区的时序地表温度场数据,并在此数据的基础上,从统计描述和场描述两方面深层次得挖掘和利用时序温度场数据,并据此分析了特征值数据集与地震发生的相关性,讨论了地震前后温度场的变化情况。由于震前地表温度场异常特征的快速捕捉对地震预报有重要参考价值,传统的地表异常特征挖掘往往需要大量的人力物力才能完成,且本文寄希望从空间遥想关分析、时间自相关分析、高阶张量分析等方面共同分析该复杂科学系统并挖掘出有意义的物理量,所以本文提出一种基于遥感数据的多种数理统计模型融合的地表温度场异常特征的深度挖掘及分析方法,该方法综合利用了高时间分辨率的遥感数据、高光谱分辨率的特征信息以及逻辑严密的数理统计模型。本文以位于我国西部地区喜马拉雅地震带的青藏高原地区为主要研究区,研究了其近10年的时序温度场的时空特征值与地震频次空间分布之间的关系,并以该研究区内的单次典型地震为个体分析案例,重点研究了劈窗反演时序地表温度场、时序温度场特征值选取分析、温度场扩散模型以及时间延迟效应等关键科学问题。因此,论文主要的研究内容及结论如下:(1)研究思路的确定及反演时序温度场的基础认知。通过分析国内外专家学者在热红外遥感与地震之间的研究方法及成果,梳理出了一条可行性、可用性的研究思路,并确定了实现该研究思路严密的数学基础方法。同时,基于改进的劈窗算法对MODIS数据进行了温度反演,得到接近真实的时序地表温度场。(2)对时序温度场数据进行挖掘和分析。基于张量运算与统计信号系统处理方法挖掘出时序温度场中具有一定物理意义的时空特征值,并分析了特征值与地震之间的相关性,进一步求解了温度场二阶微分扩散方程判断其是否出现异常热源场,验证其是否具备地震预测能力。(3)探究分析了青藏高原地区近10年的时序温度场时空特征变化。基于MODIS数据及相关辅助性数据反演了持续10年的青藏高原地区的地表温度场数据,并分析了该地区的地震频次在年份、月份以及经纬度上的分布情况。结果表明地震在空间上分布差距明显,主要集中在青藏高原的西部、西北部的新疆边缘一带以及东部、东南部的云贵川一带,在年时间尺度上表现不大,每年在12000次左右的地震频次,尤其是大型地震的频次主要分布在春末夏初以及夏末秋初的热信息交换较大的时刻。在对温度场特征值的分析中,实验结果表明时序统计特征值的周期性变化、温度场扩散模型中的特征变量梯度模、拉普拉斯算子以及旋度模的聚集性对异常现象的响应十分显著,即证明了地震发生的聚集性与这些特征值之间是有联系的。(4)探究分析了九寨沟7.0级的典型的单次地震区的时序温度场变化。在劈窗算法的基础上反演了该地区的时序地表温度场,同时挖掘了该数据中的时空特征序列,并且还建立了多元线性回归、优化神经网络以及优化SVM等预测模型,将具有异常特征的数据作为模型的输入训练集样本,以当前区域内发生的地震等级为输出训练集,建立了特征值与地震等级的内在关联。该实验结果表明:地震发生前1-2个月内,震区内的平均温度、温度场信息熵及梯度等都具有明显的震荡特征,这些特征值在地震预测中有重要意义,且多元线性回归模型的预测结果表明温度场特征值和震级存在关联性;同时,对于中短期的地震预测,使用优化的神经网络和SVM算法对温度场特征值进行分析,一定程度上能够提高地震预报精度,其中SVM预测模型在地震预测中效果明显优于其他方法。同时,文中主要在以下几个方面做出了一定的创新性贡献:1、重点研究了劈窗反演时序地表温度场,优化温度反演代码,在考虑有限电脑配置的基础上,劈窗算法的综合性能是极其优越的,其包含算法精度、算法复杂度及运行效率等,同时还可以在时序温度反演时还可以构建并行结构;2、重点研究地表温度场数据的深层次利用,以时序地表温度场为基础,挖掘并选取具有强物理意义的特征值用于后文分析;3、重点研究温度场扩散模型以及时间延迟效应等关键科学问题,基于微分扩散方程的深入利用以及格兰杰遥相关检验等手段突破该研究中的难点;4、融合分析时序地表温度场数据与研究区地震分布的关系,再加入相关辅助数据作为约束条件。