【《PS-InSAR监测地表形变方法分析》5600字】

PS-InSAR监测地表形变方法分析目录TOC\o"1-3"\h\u27384PS-InSAR监测地表形变方法分析 1155241.1PS-InSAR方法原理 1209051.2永久散射体方法技术流程 266341.3PS点提取方法 4314651.4基于Delaunay三角网的领域差分原理 5316451.5小基线集方法 71.1PS-InSAR方法原理在长时间序列上进行地表形变监测时，以往的D-InSAR方法具有局限性。处理长时间序列影像数据时，在干涉处理环节会出现由时空失相干引起的大气误差和轨道误差，导致结果的精度降低。对于一幅干涉图而言，有效的从其中分离地形残余相位、大气效应相位、形变相位是十分困难的。而随着SAR影像数量的增加，获得同一区域的时间序列影像时，主要有三种相位成分映射在时间、空间、垂直基线三种基上。而这三种相位延迟形成的原因各不相同，并且有着不同的相关特性。它们之间的关系如图3-1所示，大气效应相位与空间相关，形变相位与时间相关，高程误差相位与垂直基线相关。图3-1干涉图中不同相位成分与空间、时间、垂直基线的相关性Figure3-1correlationofdifferentphasecomponentsininterferogramwithspace,timeandverticalbaseline针对有效地将高程误差相位，形变相位，大气效应相位从干涉图中分离，1999年意大利米兰理工大学Ferretti提出永久散射体法来解决，随后一系列基于永久散射点的时间序列分析方法被相继提出，包括永久散射体（permanentscatterers，PS）方法、小基线集（smallbaselinesubsets，SBAS）方法、相干目标方法（coherenttarget，CT）、IPTA（interferometricpointtargetanalysis）方法和QPS（QuasiPermanentScatterers）方法等。这些方法，统称为PS-InSAR方法。根据对SAR图像的时间序列分析，首先得到长时间内仍能保持稳定状态的离散点，即PS点（通常匹配在城市地区、裸露的岩层等）；然后利用PS点来提取相位，然后进行线性形变与高程误差的解算。在原始的干涉图上去除线性形变与高程误差分量，然后在其结果中去除非线性形变，大气延迟和轨道误差相位，而且PS候选点可以在长时间尺度上保持高相干性，克服了InSAR中时空失相关、大气延迟和轨道误差的影响。1.2永久散射体方法技术流程1)主影像选取和配准配准主影像选取标准为：（1）主影像最好是位于空间基线和时间基线的中心（2）主影像位于影像序列多普勒质心频率的中心（3）主影像获取时刻天气晴朗，尽量抑制主影像引入的大气系统误差。2)差分干涉图生成假设获取了N幅同一研究区域的SAR影像，经过差分干涉后获得M幅干涉图；综合使用卫星轨道数据和参考DEM数据，去除平地相位和地形相位后，便可获取差分干涉图。干涉对组合时所采用的方法主要有两种：以永久散射体方法为代表的选取单一主影像和以小基线集方法为代表的选取多个主影像方式。两种方法对应干涉图个数分别为M=N-1和N/2≤M≤[N(N-1)]/2。通常一幅SAR复影像的相位包含了距离相位，目标散射相位，大气延迟相位和噪声相位，可表示为 ϕ=−4πλ式中，ϕobj为目标散射相位；ϕatm为大气延迟相位；ϕnoise为噪声相位。由此可推导出任何两幅SAR影像进行干涉处理后获得的相位可表示为 ϕ=ϕdef式中，ϕdef=−4πλΔr为形变相位；ϕtopo=− Δϕ=ϕdef式中，形变相位可表示为ϕdef=ϕlinear+ϕ3）依据幅度离差阈值法提取PS点。在高信噪比的条件下，利用幅度离差法可以很好地选取目标点，这时PS点的振幅离差指数的稳定性等同于相位的稳定性；除此外还有相干系数法和频谱特征法来提起PS点，具体在后面详细介绍。4）PS-InSAR相位解缠。使用所有在PS点上获得的相位信息，建立关于PS点线性形变速率、高程误差相位、大气相位和轨道残余误差的参数方程。与传统的InSAR算法不同，传统InSAR中对干涉图进行相位解缠，而PS-InSAR中要对使用Delaunay构建的PS点网格上的PS点进行针对点的相位解缠。目前的算法中常用的是最小二乘的模糊去相关算法。通过相位解缠解算出每个PS点的线性形变速率与高程误差值；最后从原始的相位中剔除已经得到的平均形变相位、高程误差相位和大气相位，将线性形变相位和非线性形变相位相加，得到最终的结果。结合时间参数后可得到目标点的时间序列形变相位。5）地理编码。在雷达观测时，雷达系统会将观测到的信息记录到雷达坐标系下，而雷达坐标系中的影响与实际的表现是有很大差别的。需要将处理好的影像图转换为雷达坐标系中表示。图3-2为永久散射体法技术流程图。图3-2永久散射体方法流程图Figure3-2Flowchartofpermanentscatterermethod1.3PS点提取方法常用的永久散射点选取方法有三类：幅度离差法、相干系数法和频谱特征法。a.幅度离差法：幅度离差法以幅度离散的程度来作为永久散射点选取的指标，其定义如下式： DA=σ为时序上的振幅的标准差，μ为时序上的某个点的幅度平均值。像素的幅度离散程度越小，其相位的稳定性就越高。图3-2为相位标准差与振幅离差指数的关系。为了达到统计特性要求，幅度法对SAR影像数据的数量有十分严格的要求，要求大于20景影像数据。此外在进行幅度法之前，需要对所有SAR影像进行辐射定标。在提取PS点的时候，为了避免选取如水体（幅度稳定但具有地相干性）这种比较低的散射强度的目标，还要对幅度法进行改良，一般是在上式中额外再添加关于散射强度的准则，即μ>PA(PA为散射强度阈值），以更好的提取PS点。图3-3幅度离散度指数与相位标准差之间的关系Figure3-3Therelationshipbetweenamplitudedispersionindexandphasestandarddeviationb.相干系数法：相干系数法以干涉图的相干性作为永久散射点选取的指标。设定一个阈值，把所有像素的相干系数高于阈值的点选做为永久散射点的方法。其公式如下： 1Ni=1ri为N幅干涉图计算出的N个相干系数，rA为设定的阈值。c.频谱特征法：以点目标为主体在频谱域的散射特征表现为低的离散度，这与分布式目标不同。频谱特征法首先对一幅SAR影像进行频谱分析，计算每个像素对应的频谱相关值和离散度，进而选择以点目标散射特征的目标点。然后对所有影像计算出的频谱相关值和离散度在时间维度上进行统计分析，选择具有稳定频谱特征的点作为PS候选点。该方法适用于较小SAR影像的PS点的信息提取，下式为选取标准： 1Ni=1ηi为每个SAR影像的频谱相关值，σi为每个SAR影像的离散度，ηA1.4基于Delaunay三角网的领域差分原理大气延迟相位在空间尺度中表现为数百米级的空间自相关，而外部DEM也存在着空间自相关。因此，对相邻相干目标的差分干涉相位观测量与相关参数进一步进行差分并建模。利用Delaunay不规则三角网建立PS候选点之间的连接关系，如图3-4所示。相邻PS点是指两邻接的PS点的空间距离小于1km，在这个距离内大气具有很高的相关性，而对于一些距离大于该值的孤立的点，需要进行独立的数据处理。对于相邻永久散射点来说，其相位差的线性模型可用下式表示： ΔϕiΔϕi为缠绕相位，λ为雷达波长，Δv为相邻PS点的线性形变速率增量，B⊥i为干涉对的空间垂直基线，R为传感器到目标距离，θ为雷达入射角，Δh为高程误差增量，Δε为残余误差项。通常认为Δϕi<π。根据Ferretti的研究，当Δ maxγ=其中γ为基线的模型相关系数，j=−13-4基于Delaunay三角网的领域差分Figure3-4DomaindifferencealgorithmbasedonDelaunaytriangulation可以看出，模型相关系数可以作为模型参数估计可靠性的质量检验标准，通过设置一个合适的相关系数阈值，去掉小于该阈值的Delaunay三角网边，从而实现对相干像元质量的进一步优化。大量的实验证明，利用大于0.7的模型相干系数可以获得较好的结果。在获取每个Delaunay三角网边的线性形变速率增量后，每个相干像元的线性形变速率的恢复过程同相位解缠类似，可以通过经典的区域增长法实现，计算时可以从多个模型相干系数大的种子像元开始，逐步恢复各像元的线性形变速率： vestimatedx,r式中i代表所有与当前像元（x，r）相邻的像元。这里对每个相邻像元都通过相应的模型相干系数进行了加权，以增强线性形变速率恢复的可靠性，同样的方法也用于DEM误差的恢复。图3-5为领域差分短基线InSAR法获取线性形变速率和DEM误差的数据处理流程。图3-5领域差分短基线InSAR法获取线性形变速率和DEM误差的数据处理流程。Figure3-5DataprocessingflowoflineardeformationrateandDEMerrorobtainedbydomaindifferentialshortbaselineInSARmethod.1.5小基线集方法小基线集，也称作短基线集，这个方法能用来得到低分辨率、形变量较大的地表形变。小基线集方法以时间基线和空间基线为依据，将SAR图数据组合成几个集合；即集合之内，干涉影像对的空间基线的距离很小，而集合与集合间的干涉影像对的空间基线之间的距离比较大。在进行地表形变监测的反演过程时，还会引入奇异值分解(SingularValueDecomposition，SVD)来连接多个小基线集合，用来提高对数据处理的时间采样率，获取它们的最小范数解。对应主要步骤为：首先在同一区域的所有SAR复影像中选择合适的配准主影像，来进行影像的配准；再依照以空间基线间距较小的原则来进行组合，形会成很多短基线干涉影像数据集；然后利用获取的卫星轨道数据和外部DEM数据，利用它们来去除在干涉图中的平地相位和地形相位，可以得到小基线差分干涉图集；然后在相干系数图中挑选出所有高相干点，再对所有的干涉图进行相位解缠同时进行定标；然后利用矩阵奇异值分解(SVD)方法，求出地表形变参数与高程误差的最小二乘范数解；最后将非线性形变和大气相位的结果计算出来。从N幅SAR影像，依照短基线距的组合准则对影像进行干涉组合，得到M幅干涉图。由两个不同的接收时刻t1和t2干涉处理得到的第j幅干涉图（t1>t2），并且在剔除平地效应相位和地形相位之后，像素的坐标为(x，y)的PS点的第i幅差分干涉图的解缠相位∆ϕΔ+4πλ式中，后边的第一项为形变相位；第二项为由DEM本身不精确的高程Δz带来的残余高程误差相位；第三项为t1和t2时刻由大气中的某些变化造成的大气延迟相位；第四项为噪声相位。设主从影像对应的时间序列分别为IE=[IE1,…,IEM]和IS=[IS1,…ISM]。首先计算出低通滤波中的形变结果和高程误差，先不考虑大气效应对于结果的影响。令CM×1=4πλB DMp+C∙∆z=ΔΦ （3-11）式中，D为一个M×(N-1)矩阵，并且第j行位于主从影像的时间序列之间的列，Dj,k=t Dv+C∙∆z=ΔΦ （3-12）假设基线集中有L个子集时，D的秩为N-L，式（3-11）将有无限个解（N≤M）。能获得唯一解的常用的方法是应用SVD方法，来获得最小二乘范数解。然后对速度矢量进行在时间序列上的积分，就可以获的形变相位图dT。因为形变相位图中既含有形变信息又存在大气的噪声信息，所以还需要对它们进行分离。具体步骤为：首先将在形变相位图中存在的低通形变相位去除，得到残余相位，然后使得到的残余相位先通过空间维度的低通滤波处理，再进行时间维度的高通滤波处理，将大气延迟相位与残余相位分离，最后通过形变相位减去大气延迟相位得到最终的形变量。图3-5为小基线集方法流程图。图3-6小基线集方法流程图Figure3-6Flowchartofsmallbaselin