卫星遥感技术具有覆盖范围广、重复观测周期短、数据更新快、不受地面条件限制等综合优势，弥补了常规地基观测无法获取大面积、动态、连续地震前兆信息的缺点，而如何在海量遥感数据中挖掘地震信息成为遥感地震应用的难点。

中国地震局地震预测研究所熊攀副研究员在国家公派访问学者项目的资助下，在赴英国交流访学期间，与英国莱斯特大学人工智能团队周挥宇教授、童磊博士，新加坡南洋理工大学龙程助理教授，意大利国家航天局前局长、国际知名物理学家Roberto Battiston教授，英国女王大学计算机学院前院长Danny Crookes教授，地震岩石圈-大气圈-电离层耦合理论提出者、美国查普曼大学Dimitar Ouzounov教授和南通大学张堃教授等专家合作，提出了一种基于人工智能技术的卫星遥感大数据地震预测新方法，扩展了地震信息获取与预测的新手段，并用全球震例进行了回溯验证，对地震可预测性研究具有重要应用价值。研究主要成果发表于中科院一区Top期刊Science of the Total Environment (2019 IF=6.551)，论文第一作者为熊攀副研究员，通讯作者为国家灾研院申旭辉研究员。

研究基于经典的Adaboost机器学习算法和红外、高光谱气体等卫星遥感数据特性，提出了一种新颖的基于逆向修剪树（Inverse Boosting Pruning Trees, IBPT）的地震预测框架（图1），该框架利用2006年到2013年间收集的红外、高光谱气体等10个多参量遥感卫星产品形成时间序列，利用时间序列聚类技术生成模型输入标签，并基于2006年到2013年间全球6级或以上共计1,371个地震形成多个不同震级、不同数据特征的数据集，用于预测地震并与其他机器学习技术进行了比较。

图1. Inverse Boosting Pruning Trees (IBPT)地震预测框架

研究结果表明，与次优CNN算法相比，IBPT在性能评估指标MCC中提高了16％（从0.5657到0.6581），R评分提高了10％（从0.5357到0.6429），最优的AUC能达到0.8878，在全球震例回溯验证中取得较好的预测效果（图2）。此外，选取范围在震中为中心，3°为半径和震前30天的数据，其预测效能最优。相关工作还进一步证明，余震对IBPT框架的预测结果几乎没有影响。

图2. 全球震例回溯验证

研究工作还表明，基于“滑动窗口”的时间序列特征能显著提高IBPT的预测精度，其MCC改善了13.3％。此外，各遥感参量对 IBPT框架预测重要性分析表明，臭氧、红外长波辐射通量和一氧化碳CO是对预测贡献率最大的几个参量（图3）。

图3. 各遥感参量对 IBPT框架预测重要性分析