高分辨率相干散射体雷达干涉建模及形变信息提取方法

摘要

自上世纪50年代以来，随着世界经济的高速发展和城市化进程的不断加快，人类对淡水资源的需求急剧增加，对地下水的过度采伐导致地表沉降灾害频繁发生。地表沉降发生范围广，且多发于城市及其近郊等经济发达和人口聚集区，往往会对社会经济发展及人类生活产生不利影响。在我国，地表沉降较为严重的地区主要包括长江三角洲、华北平原和汾渭盆地。地表沉降对三大区域造成了严重的经济损失，其中以华北平原最为严重，区内的多个沉降漏斗区影响面积超过5万km2，现已形成世界上最大的“地下水漏斗”。更为严重的是，不同区域的沉降中心仍在不断扩展，并有连成一片的趋势。
　　目前，国内外地表沉降监测一方面使用传统的大地测量方法（如GPS和精密水准等），另一方面使用新近发展起来的差分合成孔径雷达干涉(Differential InterferometricSynthetic Aperture Radar，DInSAR)测量方法。GPS和精密水准等监测效率较低，且空间分辨率低，难以对大范围（如上述华北平原）地表沉降进行高效监测并发现沉降中心和沉降源。DInSAR具有全天候和全天时成像、几乎不受云雨制约、观测范围广和分辨率高等优点，且对垂直向形变的敏感度较高，因此在地表沉降监测中得到了较多的应用。
　　然而，DInSAR的应用却受到诸多误差因素的制约，主要包括时空失相干、大气延迟、轨道误差、高程误差(DEM误差)和其它数据处理误差等。这些误差因素严重影响了DInSAR形变监测的精度和可靠性，甚至造成形变结果的完全失真。为克服常规DInSAR的缺陷，国内外学者提出并发展了时序差分雷达干涉(Time Series DInSAR，TS-DInSAR)方法。TS-DInSAR使用时序SAR影像进行相干散射体(Coherent Scatterer，CS)目标识别和时序差分干涉处理，进而对形变进行建模和解算，并分离大气和轨道误差，最终获取相应的线性形变速率和形变时间序列。其中，两种典型的思路是永久散射体(PersistentScatterer，PS)时序差分雷达干涉(PS-DInSAR或PSI)方法和小基线子集(Small BaselineSubset，SBAS)时序差分雷达干涉(SBAS-DInSAR)方法。为进一步克服时空失相干的影响，有学者提出了角反射器(Corner Reflector，CR)差分雷达干涉(CR DInSAR，CR-DInSAR)方法，通过在失相干区域布设一定数量的CR，作为人工CS用于形变建模和解算。
　　近年来，随着TerraSAR-X(TSX)和COSMO-SkyMed(CSK)等高分辨率卫星SAR系统和影像数据的投入使用，TS-DInSAR在地表形变监测中的应用得以进一步推广。这些SAR系统除具有较高的空间分辨率(在条带成像模式下，空间分辨率最高可达1m)外，还具有波长短的特点(X波段，波长为0.031 m)，这使得其比中长波波段（C波段和L波段）对地表形变更为敏感，更适用于城市地区缓慢累积地表沉降的监测。
　　虽然高分辨率SAR影像应用于TS-DInSAR地表形变探测具有诸多优势，但高分辨率和短波的特征也为其应用带来了相应的问题。本文主要针对其中的几个关键问题进行研究，主要包括:高分辨率SAR影像与外部DEM的精配准、季节性失相干及干涉对优选、高分辨率TS-DInSAR中CR的应用以及大梯度形变的建模和解算。
　　高分辨率SAR影像与外部DEM的分辨率和地表覆盖差异以及SAR影像斑点噪声常导致二者精配准精度较低，甚至出现精配准困难。为此，本文提出联合SAR影像滤波和多级迭代的配准方法。首先对SAR影像进行滤波，去除斑点噪声，然后采取多级配准策略实现DEM与SAR影像的精确配准。在多级配准估算像元偏移量的过程中，逐渐改变匹配窗口大小、数目、匹配指标阈值，并通过粗差探测去除偏移量粗差，且每级配准均以上一级配准所得偏移量估值为初始偏移量，避免重复运算。本文以覆盖天津及周边区域的TSX、ASAR和PALSAR SAR影像以及SRTM3 DEM为数据进行配准实验，结果表明，通过该方法可将配准偏移量多项式拟合的均方根误差控制在亚像元级。使用配准参数对通过三组数据所提取的CS点云数据进行地理编码及数据融合，结果表明三者具有很高的重叠度，且三者与Google Earth特征地物具有较高的匹配度。这表明通过上述方法可实现外部DEM与SAR影像的精配准，这对后续TS-DInSAR数据处理以及地面目标形变分析是至关重要的。
　　针对高分辨率短波SAR系统对地物属性变化更为敏感、地物属性季节性变化明显以及人工地物的干涉失相干现象，本文提出了季节性失相干的概念，给出了相应的定义和描述，并以天津市精武镇地区的40幅TSX SAR影像为数据进行实验，对季节性失相干进行了深入分析，结果表明季节变化所导致的失相干比长时间变化引起的失相干更为严重。进一步的实验发现，季节性失相干与温度变化具有较强的相关性。为此，本文提出了温度基线的概念，给出了相应的定义和计算方法，并提出了基于温度基线阈值的干涉对优选方法，以识别并排除季节性失相干的干涉对，避免季节性失相干对CS探测的影响。使用相同的SAR影像进行CS探测实验，结果表明，排除季节性失相干干涉对后（保留长时间基线干涉对），CS目标的数量提高35％以上。这表明季节性失相干对TS-DInSAR的影响显著高于时间失相干，本文所提出的干涉对优选方法可有效削弱季节性失相干的影响，这对TS-DInSAR数据处理和地表形变信息提取是十分有利的。
　　针对高分辨率TS-DInSAR中CR的应用，本文提出对CR的选型、回波信号特征和稳定性以及形变监测精度等关键问题进行研究，并介绍了一种新型分体式CR，提出一种基于距离/多普勒方程和振幅离差指数的CR相位中心定位与识别方法。以覆盖天津市西青区的高分辨率TSX SAR影像为数据进行实验，深入分析了不同类型（分体式和固定型）CR在高分辨率SAR影像中的回波信号特征（信号强度及成像特征）及稳定性。结果表明:分体式CR回波信号稳定性优于固定型CR，二者信号稳定性均优于天然PS;高分辨率SAR影像中CR旁瓣效应显著，受相位中心旁瓣效应的影响，CR周边像元也呈现出较强且稳定的回波信号，这也是高分辨率SAR数据中CR回波信号的重要特征之一。通过PSI方法进行数据处理和CR形变信息提取，并使用精密水准数据对CR上累积形变量和线性形变速率（转换至垂直向）进行验证，结果表明两种结果差异的标准差分别为±3.6 mm和±2.1 mm/yr(对应的LOS向标准差分别为±2.7 mm和±1.6 mm/yr)。
　　针对高分辨率TS-DInSAR大梯度形变建模和解算的问题，本文首先提出了时空形变梯度和时空相位梯度的概念，给出了相关的定义和描述，建立了理论模型，并据此分析了时空形变梯度较大时对TS-DInSAR形变建模和解算的影响。为解决时空形变梯度过大引起的形变欠估计问题，本文提出了基于模型约束的网络化短基线集(MCND-SBAS)干涉方法以及基于时空相位梯度修正和迭代计算的大梯度形变建模和解算方法。本文选取天津市以及下属的精武镇（沉降漏斗区）为实验区，以覆盖实验区的35幅TSX SAR影像为数据源进行形变提取实验，并与传统的SBAS-DInSAR和StaMPS PSI方法进行对比。结果表明:在形变梯度较大的区域SBAS-DInSAR和StaMPS PSI方法均存在严重的形变欠估计现象;利用本文所提出的方法可以对大梯度形变（线性形变速率以及形变时间序列）进行有效提取。使用实验区内147个水准点的沉降监测数据对所提取的累积形变量和线性形变速率（转换至垂直向）进行验证，结果表明，两种监测结果差异的标准差分别为±4.7 mm和±3.8 mm/yr(对应的LOS向标准差分别为±3.5 mm和±2.9 mm/yr)。这表明本文所提出的方法具有较高的形变提取精度，可正确提取大梯度形变，进而可为区域沉降漏斗及沉降源的监测和准确识别提供可靠的技术支撑。
　　基于上述验证后的形变（垂直向）结果对实验区的地表沉降进行分析，结果表明，该区域内存在多个沉降漏斗，并已连成一片，形成大型沉降漏斗区(见图7-41)。在约1年时间内，该区域最大沉降量高达-190mm（负值代表远离卫星，即沉降），沉降量在-50 mm的区域占整个区域的一半以上，接近三分之二。进一步的分析表明，实验区内地表沉降分布与地表覆盖类型（土地利用类型，如工业园区、城市居民区、村镇居民区等）密切相关，这可为该区域的沉降防控提供科学的参考依据。

目录

声明

摘要

第1章 绪论

1．1 研究背景与意义

1．2 时序差分雷达干涉国内外研究现状

1．3 本论文所要研究的问题

1．4 论文研究目标与研究内容

1．5 论文组织结构

第2章 常规差分雷达干涉理论与方法

2．1 引言

2．2 合成孔径雷达成像几何及数据表达形式

2．3 雷达干涉观测几何及相位解析

2．3．1 参考椭球面相位

2．3．2 地形相位

2．3．3 形变相位

2．3．4 大气延迟及噪声相位

2．4 差分雷达干涉形变测量原理与方法

2．4．1 差分雷达干涉基本原理

2．4．2 差分雷达干涉数据处理流程

2．5 差分雷达干涉主要误差源分析

2．6 小结

第3章 时序差分雷达干涉理论与方法

3．1 引言

3．2 合成孔径雷达影像中的散射体类型

3．3 网络化永久散射体时序差分雷达干涉理论与方法

3．3．1 网络化永久散射体时序差分雷达干涉基本理论

3．3．2 永久散射体探测方法

3．3．3 形变建模和解算方法

3．4 短基线子集干涉理论与方法

3．4．1 短基线子集干涉基本理论

3．4．2 相干目标探测方法

3．4．3 形变建模和解算方法

3．5 小结

第4章 SAR影像与DEM精配准及干涉对优选方法

4．1 引言

4．2 SAR影像与DEM的精配准

4．2．1 SAR影像与DEM精配准理论与方法

4．2．2 平原城市区域SAR影像与DEM的精配准

4．2．3 实验及结果分析

4．3 季节性失相干及干涉对优选方法

4．3．1 干涉失相干及相干系数

4．3．2 季节性失相干及实验分析

4．3．3 温度基线及干涉对优选方法

4．3．4 干涉对优选及相干目标探测实验

4．4 小结

第5章 人工角反射器信号分析及形变监测精度分析

5．1 引言

5．2 研究区域及数据介绍

5．3 人工角反射器的选型设计、布设及精密水准施测

5．4 人工角反射器在高分辨率SAR影像中的定位与识别

5．4．1 基于距离／多普勒方程的人工角反射器初始定位

5．4．2 基于回波信号稳定性分析的人工角反射器精确识别

5．5 人工角反射器回波信号特征及稳定性分析

5．5．1 入工角反射器回波信号特征分析

5．5．2 人工角反射器回波信号稳定性分析

5．6 人工角反射器形变解算及精度验证

5．6．1 形变解算及结果分析

5．6．2 精度验证

5．7 小结

第6章 大形变梯度区相干散射体形变建模及解算方法

6．1 引言

6．2 时序差分雷达干涉中时空形变及相位梯度

6．2．1 空间维形变和相位梯度

6．2．2 时间维形变和相位梯度

6．2．3 时空形变梯度和时空相位梯度

6．2．4 大时空形变梯度对时序差分雷达干涉的影响

6．3 模型约束的网络化短基线子集干涉线性形变建模及解算方法

6．3．1 SAR影像筛选和干涉数据处理

6．3．2 永久散射体和相干目标探测并生成相干散射体点集

6．3．3 相干散射体相位解缠

6．3．4 相干散射体网络差分建模及参数解算

6．3．5 相干散射体线性形变速率和高程误差估计

6．4 大时空梯度形变的时序差分雷达干涉建模和解算

6．4．1 初始干涉对选取及差分干涉处理

6．4．2 初始线性形变速率解算及检验

6．4．3 短时间基线干涉对选取及线性形变速率重估计

6．4．4 差分干涉图时空相位梯度修正

6．4．5 基于修正后解缠相位的线性形变速率和高程误差估计

6．4．6 大时空梯度形变时序建模和解算

6．4．7 大时空梯度形变建模和解算数据处理流程

6．5 小结

第7章 大时空形变梯度区域形变提取实验及结果分析

7．1 引言

7．2 研究区域及实验数据

7．2．1 研究区域

7．2．2 实验数据

7．3 基于短基线子集方法和StaMPS方法的形变解算结果及检验

7．3．1 基于短基线子集方法的形变漏斗区形变解算结果及检验

7．3．2 基于StaMPS PSI方法的大尺度形变解算结果及检验

7．4 基于时空相位梯度修正方法的形变解算结果及检验

7．4．1 形变漏斗区形变解算结果及检验

7．4．2 大尺度形变解算结果及检验

7．5 基于精密水准数据的精度评定及实验区沉降分析

7．5．1 年累积沉降量精度验证

7．5．2 年沉降速率精度验证

7．5．3 实验区沉降结果分析

7．6 小结

结论与展望

致谢

参考文献

攻读博士学位期间参与的科研项目

攻读博士学位期间发表的学术论文

攻读博士学位期间参加的学术会议