基于空间插值算法的InSAR大气延迟改正方法研究及应用

合集下载

基于外部观测数据InSAR大气延迟改正方法研究

基于外部观测数据InSAR大气延迟改正方法研究0引言影响InSAR干涉测量精度的因素有很多，其中大气原因引起的相位延迟是影响监测精度的主要原因之一。

由于大气层在时间与空间上变化的这种不确定性，使其对雷达信号造成的相位延迟也不同，甚至可能造成对InSAR数据的错误判读。

所以，为了获取高精度的InSAR干涉测量信息，必须削弱或消除电离层和对流层引起的相位延迟[1]。

目前，改正InSAR大气延迟误差的方法主要有[2]：（1）基于外部观测数据，如GPS、MERIS、MODIS等（2）采用多幅干涉图进行叠加或时间序列分析本文主要讨论第一类方法------基于外部观测数据InSAR大气延迟改正方法研究。

1基于GPS的InSAR大气延迟校正方法研究GPS技术是当前应用最为广泛的一种对地观测技术，不仅可以实现高精度的定位，还可以准确地测定电离层、对流层延迟。

目前，利用GPS来消除SAR数据的大气影响是采用外部数据改正InSAR大气延迟误差的最有效方法之一。

王兴旺等[3]首先对已有大气中对流层校正模型进行比较，然后对基于GPS 数据和气象观测数据的大气改正方法进行试验研究，证明大气校正对雷达干涉测量的影响和消除的有效性。

黄甜等利用CPS数据，研究比较了改进后的基于地形的CPS扰动模型(GTTM)和基于地形的湍流混合模型(TDTM)。

结果表明，改进的GTTM模型和TDTM模型都能有效地降低大气水汽对InSAR测量地面形变精度的影响，且TDTM插值效果更佳。

剧成宇等[4]基于GPS和InSAR大气延迟的关联性和空间分辨率的差异，利用PSO(ParticleSwarm Optimization)优化算法辅助LSSVM(Least Square Support Vector Machine)寻求最优参数对GPS大气延迟进行插值，以实现GPS对InSAR大气延迟进行逐像元改正。

分析证明，利用GPS 技术改正InSAR大气延迟值约为30mm，显著提高了InSAR技术精度。

insar大气延迟校正方法综述

Insar技术是一种广泛应用于遥感领域的雷达技术，通过对地面的反射信号进行测量，可以获取地面的三维信息。

然而，在获取的反射信号中，大气延迟是一个重要的干扰因素，如何进行校正成为了Insar应用中的一个关键问题。

本文将对大气延迟校正的方法进行综述，介绍各种方法的原理、优缺点和应用情况。

一、大气延迟校正的重要性大气延迟是指雷达信号在传输过程中受到大气条件的影响而产生的延迟，这种延迟会导致反射信号的相位和幅度发生变化，从而影响Insar图像的质量和精度。

因此，进行大气延迟校正是非常必要的。

二、常见的大气延迟校正方法1.滤波法：通过滤波器对反射信号进行滤波，去除大气延迟的影响。

这种方法适用于低信噪比的信号，但需要选择合适的滤波器参数，否则会影响图像的质量。

2.参数化方法：将大气延迟的影响参数化，通过建立模型对参数进行估计和校正。

这种方法需要先验的知识和数据，适用于已知大气条件的情况。

3.神经网络方法：利用神经网络对反射信号进行学习和识别，自动估计和校正大气延迟。

这种方法具有很强的自适应性，但需要大量的训练数据和计算资源。

三、各种方法的优缺点滤波法简单易行，但需要选择合适的滤波器参数，否则会影响图像的质量和精度。

参数化方法需要先验的知识和数据，但可以获得更精确的校正效果。

神经网络方法具有很强的自适应性，但需要大量的训练数据和计算资源。

四、应用情况和发展趋势大气延迟校正方法在Insar应用中得到了广泛的应用，尤其是在高分辨率遥感、地形测绘、土地利用监测等领域。

随着人工智能技术的发展，神经网络方法在Insar大气延迟校正领域的应用越来越广泛，有望成为未来的发展趋势。

总的来说，大气延迟校正方法在Insar应用中起着至关重要的作用。

不同的方法都有其优缺点，需要根据实际情况进行选择和应用。

同时，随着人工智能技术的发展，神经网络方法在Insar大气延迟校正领域的应用前景广阔，值得进一步研究和探索。

基于大气数据的时序InSAR大气延迟误差校正方法比较

基于大气数据的时序InSAR大气延迟误差校正方法比较时序InSAR技术是一种利用SAR（Synthetic Aperture Radar，合成孔径雷达）数据进行地表变化监测的技术手段。

在实际应用中，大气延迟误差是影响InSAR技术精度的一个重要因素。

为了准确地提取地表形变信息，需要对大气延迟误差进行校正。

目前，基于大气数据的时序InSAR大气延迟误差校正方法逐渐成为研究热点。

本文将比较几种基于大气数据的时序InSAR大气延迟误差校正方法，以期为相关研究提供参考和借鉴。

1. 基于气象数据的大气延迟误差校正方法气象数据是反映大气变化的重要数据来源，因此许多研究采用气象数据来进行时序InSAR大气延迟误差校正。

这种方法利用气象数据中的大气压强、温度、湿度等参数，结合大气传播模型，计算出大气延迟误差，并将其校正到InSAR测量结果中，从而提高形变监测的精度。

气象雷达是一种专门用于监测大气状态的设备，其数据对于大气延迟误差的校正也具有一定的作用。

一些研究利用气象雷达数据，提取大气延迟误差的空间分布规律，将其作为校正参数应用到时序InSAR数据中，取得了一定的效果。

GPS（Global Positioning System，全球定位系统）观测数据可以提供大气延迟误差的实时监测信息，因此也被用于时序InSAR大气延迟误差校正。

通过对GPS观测数据进行处理，可以得到大气延迟误差的空间分布和变化规律，从而校正InSAR数据中的大气延迟误差。

卫星遥感数据中包含了大气成分、温度、湿度等信息，这些数据可以用于反演大气延迟误差。

一些研究借助卫星遥感数据，开展大气延迟误差的研究和校正方法探索，取得了一定的成果。

以上几种基于大气数据的时序InSAR大气延迟误差校正方法各有其优劣和适用范围。

在实际应用中，需要根据具体的监测对象和环境条件选择合适的方法进行大气延迟误差校正。

值得注意的是，不同的方法可能需要不同的数据支持和处理技术，因此在选择和应用时需谨慎考虑。

时序InSAR的误差分析及应用研究

时序InSAR的误差分析及应用研究一、概述时序InSAR技术，作为合成孔径雷达干涉测量（InSAR）的一个重要分支，近年来在大地测量、地质环境监测、灾害预警等领域展现出了广阔的应用前景。

该技术通过对同一地区不同时间获取的SAR图像进行干涉处理，提取地表形变信息，进而实现对地表微小形变的高精度监测。

时序InSAR技术在实际应用中面临着诸多误差因素的影响，这些误差不仅影响形变监测的精度，还可能对结果的解释和应用造成误导。

对时序InSAR技术的误差来源、误差传播特性以及误差校正方法进行系统分析和研究显得尤为重要。

本文旨在全面分析时序InSAR技术的误差特性，并探讨其在实际应用中的效果。

我们将对时序InSAR技术的基本原理和方法进行简要介绍，包括干涉处理、相位解缠、形变反演等关键步骤。

在此基础上，我们将详细分析时序InSAR技术的主要误差来源，如雷达系统误差、大气延迟误差、地表覆盖类型差异等，并探讨这些误差对形变监测结果的影响。

为了减小误差并提高形变监测的精度，本文将进一步研究时序InSAR技术的误差校正方法。

我们将介绍一些常用的误差校正技术，如相位滤波、地面控制点校正等，并讨论这些方法的适用性和局限性。

我们还将探讨如何结合其他数据源和信息来提高时序InSAR形变监测的精度和可靠性。

本文将通过实例分析展示时序InSAR技术在具体领域的应用效果。

我们将选取具有代表性的地质环境监测、城市沉降监测等案例，分析时序InSAR技术在这些领域的应用特点、优势以及存在的问题。

通过这些实例分析，我们将进一步验证时序InSAR技术的实用性和有效性，并为未来的应用提供有益的参考和借鉴。

本文将对时序InSAR技术的误差分析及应用研究进行系统的探讨和分析，旨在为相关领域的研究者和实践者提供有益的参考和借鉴。

1. InSAR技术简介及发展历程合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar，简称InSAR）技术，是一种将合成孔径雷达成像技术与干涉测量技术相结合的前沿微波遥感技术。

基于大气数据的时序InSAR大气延迟误差校正方法比较

基于大气数据的时序InSAR大气延迟误差校正方法比较随着遥感技术的发展，InSAR（干涉合成孔径雷达）技术被广泛应用于地表形变监测、地质灾害监测等领域。

大气延迟误差一直以来是InSAR技术中的一个难题，严重影响着InSAR的精度和可靠性。

针对这一问题，研究人员提出了基于大气数据的时序InSAR大气延迟误差校正方法。

本文将对几种常见的方法进行比较分析，以期为地表形变监测提供更为准确的数据。

一、InSAR大气延迟误差校正方法1. 空间相关性建模方法这种方法是通过建立大气延迟误差与大气参数之间的相关性模型，来对InSAR数据进行大气延迟误差校正。

通常使用气象站观测数据或大气模型数据进行建模，然后通过插值方法将大气延迟误差网格化，最后进行数据校正。

2. 基于气象数据的方法这种方法是利用气象数据对InSAR数据进行大气延迟误差校正。

通过获取气象站的温度、压力、湿度等气象参数，利用气象学原理计算得到大气延迟误差场，并将其应用到InSAR数据中进行校正。

3. 时序InSAR方法以上三种方法各有优劣，但在实际应用中还存在诸多问题。

在这些方法中，建立大气延迟误差与大气参数之间的相关性模型需要考虑到地形、植被覆盖等因素，而且插值方法对数据的要求较高；基于气象数据的方法需要大气参数的获取和计算，容易受到气象数据的局限性和误差的影响；时序InSAR方法需要大量的数据支持和较复杂的算法，对数据的处理和计算都有一定的要求。

二、各种方法的比较分析1. 空间相关性建模方法在大气延迟误差校正方面具有一定的优势，它能够考虑到地形、植被等因素的影响，对数据进行较为精细的处理。

这种方法对大气参数的要求比较高，尤其是对气象数据的获取和质量有一定的要求。

插值方法会受到数据分布的影响，对于数据分布不均匀的情况处理效果可能不佳。

2. 基于气象数据的方法对气象数据的要求较高，同时受到气象数据的准确性和空间分辨率的限制。

但与此该方法计算简单，处理速度较快。

基于GCP方法的地基InSAR大气扰动误差改正分析

第４１卷第１０期２０１８年１０月测绘与空间地理信息ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＶｏｌ.４１ꎬＮｏ.１０Ｏｃｔ.ꎬ２０１８收稿日期:２０１８－０５－０２基金项目:湖南省科技计划项目(２０１６ＪＪ６０１８)ꎻ湖南省教育厅科学研究项目(１６Ｂ０４６)资助作者简介:黄长军(１９８０－)ꎬ男ꎬ湖北随州人ꎬ副教授ꎬ博士ꎬ２０１５年毕业于武汉大学大地测量学与测量工程专业ꎬ主要从事干涉ＳＡＲ及其在高精度形变监测领域中的应用研究工作ꎮ基于ＧＣＰ方法的地基ＩｎＳＡＲ大气扰动误差改正分析黄长军１ꎬ夏红梅１ꎬ周㊀吕２(１.湖南城市学院市政与测绘工程学院ꎬ湖南益阳４１３０００ꎻ２.武汉大学测绘学院ꎬ湖北武汉４３００７９)摘要:大气扰动误差作为地基ＩｎＳＡＲ测量中的一个重要误差源ꎬ其引起的干扰不可忽视ꎮ本文以滑坡监测区域为研究对象ꎬ基于ＩＢＩＳ－Ｌ系统获取到的监测区数据ꎬ根据热信噪比㊁估计信噪比㊁空间相关系数和相位稳定性等特性ꎬ选取监测区域内稳定的ＧＣＰ对观测目标中的大气扰动误差进行改正ꎮ实验结果表明ꎬＧＣＰ方法能有效削弱地基ＩｎＳＡＲ测量中的大气扰动影响ꎬ提高观测的精度ꎮ关键词:地基ＩｎＳＡＲꎻＧＣＰꎻ大气扰动ꎻ误差改正中图分类号:Ｐ２３７㊀㊀㊀文献标识码:Ａ㊀㊀㊀文章编号:１６７２－５８６７(２０１８)１０－０００８－０４ＡｔｍｏｓｐｈｅｒｉｃＤｉｓｔｕｒｂａｎｃｅＥｒｒｏｒＣｏｒｒｅｃｔｉｏｎｉｎＧＢ－ＩｎＳＡＲＢａｓｅｄｏｎＧｒｏｕｎｄＣｏｎｔｒｏｌＰｏｉｎｔＨＵＡＮＧＣｈａｎｇｊｕｎ１ꎬＸＩＡＨｏｎｇｍｅｉ１ꎬＺＨＯＵＬｙｕ２(１.ＳｃｈｏｏｌｏｆＭｕｎｉｃｉｐａｌａｎｄＳｕｒｖｅｙｉｎｇＥｎｇｉｎｅｅｒｉｎｇꎬＨｕｎａｎＣｉｔｙＵｎｉｖｅｒｓｉｔｙꎬＹｉｙａｎｇ４１３０００ꎬＣｈｉｎａꎻ２.ＳｃｈｏｏｌｏｆＧｅｏｄｅｓｙａｎｄＧｅｏｍａｔｉｃｓꎬＷｕｈａｎＵｎｉｖｅｒｓｉｔｙꎬＷｕｈａｎ４３００７９ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ａｔｍｏｓｐｈｅｒｉｃｄｉｓｔｕｒｂａｎｃｅｅｒｒｏｒｉｓｏｎｅｏｆｔｈｅｍａｊｏｒｆａｃｔｏｒｓｉｎｇｒｏｕｎｄ－ｂａｓｅｄｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃｓｙｎｔｈｅｔｉｃａｐｅｒｔｕｒｅｒａｄｅｒ(ＧＢ－Ｉｎ￣ＳＡＲ)ꎬａｎｄｔｈｅｉｎｔｅｒｆｅｒｅｎｃｅｃａｕｓｅｄｂｙｉｔｃａｎᶄｔｂｅｉｇｎｏｒｅｄ.Ｉｎｔｈｉｓｐａｐｅｒꎬｔｈｅｍｏｎｉｔｏｒｉｎｇａｒｅａｏｆｔｈｅｌａｎｄｓｌｉｄｅｉｓｔａｋｅｎａｓｔｈｅｒｅｓｅａｒｃｈｏｂｊｅｃｔꎬａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｔｈｅｒｍａｌｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏꎬｔｈｅｅｓｔｉｍａｔｉｏｎｏｆｔｈｅｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏꎬｔｈｅｓｐａｔｉａｌｃｏｈｅｒ￣ｅｎｃｅａｎｄｔｈｅｐｈａｓｅｓｔａｂｉｌｉｔｙｉｎｔｈｅｄａｔａｏｂｔａｉｎｅｄｆｒｏｍｔｈｅｍｏｎｉｔｏｒｉｎｇａｒｅａｂａｓｅｄｏｎｔｈｅＩＢＩＳ－ＬｓｙｓｔｅｍꎬｓｔａｂｌｅＧＣＰｓｉｎｔｈｅｍｏｎｉｔｏｒｉｎｇａｒｅａａｒｅｓｅｌｅｃｔｅｄｔｏｃｏｒｒｅｃｔｔｈｅａｔｍｏｓｐｈｅｒｉｃｄｉｓｔｕｒｂａｎｃｅｅｒｒｏｒ.ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｃｏｒｒｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄＧＣＰｃａｎｅｆｆｅｃｔｉｖｅｌｙｗｅａｋｅｎｔｈｅｉｎｆｌｕｅｎｃｅｏｆａｔｍｏｓｐｈｅｒｉｃｄｉｓｔｕｒｂａｎｃｅｅｒｒｏｒａｎｄｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｏｂｓｅｒｖａｔｉｏｎｉｎｇｒｏｕｎｄ－ｂａｓｅｄｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃｓｙｎｔｈｅｔｉｃａｐｅｒｔｕｒｅｒａｄｅｒ.Ｋｅｙｗｏｒｄｓ:ＧＢ－ＩｎＳＡＲꎻＧＣＰꎻａｔｍｏｓｐｈｅｒｉｃｄｉｓｔｕｒｂａｎｃｅꎻｅｒｒｏｒｃｏｒｒｅｃｔｉｏｎ０㊀引㊀言近年来ꎬ合成孔径雷达干涉测量(ＩｎｔｅｒｆｅｒｏｍｅｔｒｉｃＳｙｎ￣ｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒꎬＩｎＳＡＲ)[１]作为一种新兴的微波遥感技术得到不断完善ꎬ地基ＩｎＳＡＲ(Ｇｒｏｕｎｄ－ｂａｓｅｄＩｎＳＡＲꎬＧＢ－ＩｎＳＡＲ)作为合成孔径雷达干涉测量技术的有效补充ꎬ以重复观测周期短ꎬ具有全天候㊁全天时㊁连续和高精度监测的优点ꎬ已经在山体滑坡[２]㊁雪崩[３]㊁冰川位移[４]㊁火山活动[５]和地震形变[６]等自然灾害现象监测和预警方面发挥了重要作用ꎬ同时在对人造大型建筑物监测如大坝㊁桥梁和高塔等[７－９]的稳定性和形变监测方面也展示了其广泛的应用前景ꎮ然而地基ＩｎＳＡＲ在实际应用中会受到大气扰动等环境因素的影响ꎬ导致获取的监测图像存在误差ꎮ研究显示ꎬ在测距大于１ｋｍꎬ气温高于２０ħ的测区ꎬ１％的湿度变化则会引起约２ｍｍ的观测误差[１０]ꎮ大气扰动误差作为地基ＩｎＳＡＲ测量中的一个重要误差源ꎬ其引起的干扰不可忽视ꎮ针对大气扰动误差对地基ＩｎＳＡＲ测量造成的影响ꎬ汪学琴等[１１]利用气象元素构建修正模型ꎬ对大气扰动误差进行改正ꎻ董杰等[１２]采用气象数据补偿法改正角反射器相位的方法ꎬ利用观测区的温度㊁气压和湿度等数据ꎬ建立大气折射模型进行大气扰动误差改正的方法ꎮ上述方法都需要引入外部数据ꎬ给数据解算增加了额外的工作ꎮ基于此ꎬ本文利用影像中稳健的ＧＣＰ(ＧｒｏｕｎｄＣｏｎｔｒｏｌＰｏｉｎｔｓ)ꎬ以ＩＢＩＳ－Ｌ(ＩｍａｇｅＢｙＩｎｔｅｒｆｅｒｏｍｅｔｒｉｃＳｕｒｖｅｙｏｆＬａｎｄｓｌｉｄｅｓａｎｄｓｌｏｐｅｓ)地形微变远程监测系统为实验平台ꎬ选取某山体滑坡为研究对象ꎬ利用ＧＣＰ对形变目标监测数据进行改正ꎬ并对大气扰动误差的改正精度和效果进行了探讨ꎮ１㊀基于ＧＣＰ的大气扰动误差改正方法在进行地基ＩｎＳＡＲ观测过程中ꎬ测区的大气环境在时间和空间上呈不均匀分布ꎬ使得干涉相位中会引入大气扰动误差ꎮ由于大气干扰的复杂性ꎬ在利用ＧＣＰ进行大气改正时ꎬ主要是针对测区环境较为稳定ꎬ大气分布较为均匀的条件ꎬ利用差分原理对测区内观测点进行大气扰动反演进行大气误差改正ꎮ假设函数ｈ(ｒңꎬｔ)为反映大气效应的数值ꎬｒң和ｔ分别为该函数的视线向的位移矢量和观测时间ꎬ则观测目标的干涉相位可表示为[１１－１３]:φｒңꎬｔꎬｈ(ｒңꎬｔ)[]＝φｄｉｓ(ｒңꎬｔ)＋Ｋｈ(ｒңꎬｔ) ｒ式中ꎬφｄｉｓ(ｒңꎬｔ)为观测目标的形变相位ꎬ初始观测时ｒң＝ｒꎬＫ为待求的常数ꎮ在气象条件变化不大的区域ꎬ大气扰动函数ｈ(ｒңꎬｔ)可近似看作与时间ｔ有关的常量ｈ(ｔ)ꎬ此时观测目标的干涉相位可简化为:φｒңꎬｔꎬｈ(ｒңꎬｔ)[]＝φｄｉｓ(ｒңꎬｔ)＋Ｋｈ(ｔ) ｒ在进行实验时ꎬＧＣＰ一般选取稳定区域和高相干的点ꎬ其形变相位为零ꎬ设其观测视线向的位移向量为ｒң０ꎬ则ＧＣＰ的大气扰动函数可表示为:Ｋｈ(ｔ)＝φ０ｒң０ꎬｔꎬｈ(ｔ)[]ｒ０由公式(３)和公式(２)ꎬ得到经改正后的观测目标的干涉差分相位为:φｃｏｒｒ(ｒңꎬｔ)＝φｍｅａｓｒңꎬｔꎬｈ(ｒңꎬｔ)[]－φ０ｒң０ꎬｔꎬｈ(ｔ)[]ｒ０éëêêùûúúｒ式中ꎬφｃｏｒｒ为改正后的差分相位ꎬφｍｅａｓ为观测目标的测量相位ꎮ在考虑公式(１)的基础上ꎬ假设大气扰动是线性变化ꎬ则大气扰动函数可表示为:ｈ(ｒңꎬｔ)＝Ａ(ｔ)＋Ｂ(ｔ) ｒ式中ꎬＡ(ｔ)和Ｂ(ｔ)是两个与时间相关的参数ꎮ由公式(５)和(１)ꎬ观测目标的干涉相位可表示为:φｒңꎬｔꎬｈ(ｒңꎬｔ)[]＝φｄｉｓ(ｒңꎬｔ)＋ＫＡ(ｔ)＋Ｂ(ｔ) ｒ[] ｒ＝φｄｉｓ(ｒңꎬｔ)＋ａ(ｔ) ｒ＋ｂ(ｔ) ｒ２式中ꎬ系数ａ(ｔ)和ｂ(ｔ)是与时间相关的参数ꎮ如Ｒ１和Ｒ２为地面的两个稳定可靠的ＧＣＰ点ꎬ根据公式(６)则有:φ１(Ｒ１)＝ａ(ｔ) ｒ(Ｒ１)＋ｂ(ｔ) ｒ２(Ｒ１)φ２(Ｒ２)＝ａ(ｔ) ｒ(Ｒ２)＋ｂ(ｔ) ｒ２(Ｒ２)由公式(７)解算出的估计参数ａ＾(ｔ)和ｂ＾(ｔ)ꎬ最后得到改正后的目标点干涉相位:φｃｏｒｒ(ｒңꎬｔ)＝φｍｅａｓｒңꎬｔꎬｈ(ｒңꎬｔ)[]－ａ＾(ｔ) ｒ－ｂ＾(ｔ) ｒ２通过公式(８)ꎬ由改正后的差分相位便可以推算出目标的真实位移值ꎮ２㊀实验分析２.１㊀实验仪器介绍本次实验采用意大利ＩＤＳ(ＩｎｇｅｇｎｅｒｉａＤｅｉＳｉｓｔｅｍｉ)公司和佛罗伦萨大学合作研发的地形微变监测系统ＩＢＩＳ－Ｌꎬ该测量系统是以步进频率连续波技术(ＳＦ－ＣＷ)和合成孔径雷达技术(ＳＡＲ)相结合的一种新型干涉雷达ꎬ通过对被监测区域连续多次的电磁波相位差获取监测目标的形变信息ꎮＩＢＩＳ－Ｌ能够对滑坡㊁边坡㊁桥梁等监测区域进行大范围和长距离的全天候测量ꎬ精度能够达到亚毫米级ꎬ是目前监测领域精度最高的一款监测仪器ꎮ２.２㊀实验数据获取及ＧＣＰ选取考虑到大气扰动的变化情况ꎬ本次实验观测时间段选择为１１月０５日的００:０９至０４:５７ꎬ每１２ｍｉｎ监测一次ꎬ共获取到２５组观测数据ꎮ为了对大气扰动误差进行分析ꎬ根据热信噪比㊁估计信噪比㊁相位稳定性等参数特性ꎬ在监测区域内选择了４个较稳定ＧＣＰ点作为地面参考控制点ꎬ其参数见表１ꎮ从表中可见这４个点热信噪比均大于２０.０ꎬ估计信噪比均大于２１.０ꎬ空间相关系数均在０.７以上ꎬ相位稳定性均大于１０.００ꎮ选择的ＧＣＰ均匀分布在目标区域ꎬ如图１所示ꎮ为了更好地对大气扰动进行分析ꎬ在观测区域选取了５个高热信噪比的目标点(ｐｉｘ１－ｐｉｘ５)ꎬ分别对其位移值进行分析比较ꎬ目标点分布如图１所示ꎮ表１㊀ＧＣＰ参数表Ｔａｂ.１㊀ＧＣＰｐａｒａｍｅｔｅｒｔａｂｌｅＧＣＰＸ(ｍ)Ｙ(ｍ)ＴｈｅｒｍａｌＳＮＲ(ｄＢ)ＥｓｔｉｍａｔｅｄＳＮＲ(ｄＢ)ＣｏｈｅｒｅｎｃｅＰｈａｓｅＳｔａｂｉｌｉｔｙＧＣＰ１－３３.３１２２７.１２０.４２１.８０.７３１４.３３ＧＣＰ２１５４.５２２７７.６２０.４２３.５０.９７１０.７５ＧＣＰ３－１０８３.７２４５７.０２２.９２９.４０.９８１１.３８ＧＣＰ４－７４６.６１８４８.９２１.１３３.５０.９４１３.７８２.３㊀大气扰动误差改正分析在本实验中ꎬ顾及雷达系统工作性能稳定性ꎬ对由工作频率偏移所引起的影响忽略不计ꎬ另外在ＩＢＩＳ－Ｌ工作过程中相位噪声通过滤波方式进行抑制ꎬ测量中的噪声影响未进行考虑ꎬ对选择的ＧＣＰ点干涉相位看作主要是９第１０期黄长军等:基于ＧＣＰ方法的地基ＩｎＳＡＲ大气扰动误差改正分析图１㊀滑坡区域的ＧＣＰ分布及热信噪比图Ｆｉｇ.１㊀ＧＣＰｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｔｈｅｒｍａｌｓｉｇｎａｌｔｏ㊀㊀㊀㊀ｎｏｉｓｅｒａｔｉｏｍａｐｏｆｌａｎｄｓｌｉｄｅａｒｅａ由大气扰动误差组成ꎮ在对监测时间段内的相对湿度和温度进行测量后发现ꎬ相对湿度变化不到１％ꎬ温度变化不到２ħꎬ可见其分布较为均匀(如图２和图３所示)ꎬ以此假定大气介质均匀来进行大气扰动改正分析ꎮ图２㊀实验观测区相对湿度变化情况Ｆｉｇ.２㊀Ｃｈａｎｇｅｉｎｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙｏｆｅｘｐｅｒｉｍｅｎｔａｌ㊀㊀㊀㊀ｏｂｓｅｒｖａｔｉｏｎａｒｅａ图３㊀实验观测区大气温度变化情况Ｆｉｇ.３㊀Ｃｈａｎｇｅｓｉｎａｔｍｏｓｐｈｅｒｉｃｔｅｍｐｅｒａｔｕｒｅｉｎ㊀㊀㊀㊀ｅｘｐｅｒｉｍｅｎｔａｌｏｂｓｅｒｖａｔｉｏｎａｒｅａｓ实验中的目标点(ｐｉｘ１－ｐｉｘ５)在进行大气扰动改之前在视线向的位移主要由大气扰动误差和由各自的位移量所组成ꎬ利用２个ＧＣＰ的大气扰动误差ꎬ根据公式(７)和(８)解算出估计参数ａ＾(ｔ)和ｂ＾(ｔ)ꎬ然后再求解出大气扰动改正后的目标点干涉相位ꎬ从而得到每个目标点在视线向上的位移改正量ꎮ如图４图６所示分别为改正前后的目标点(ｐｉｘ１－ｐｉｘ５)的位移变化情况ꎮ从图４可以看出ꎬ没有经过ＧＣＰ改正前的目标点的位移受到大气扰动误差的影响波动较大ꎬ位移量变化向上波动最大值达到了８ｍｍ(Ｐ４点)ꎬ向下波动最大值达到了－５ｍｍ(Ｐ２点)ꎬ在观测时间段内各目标点基本都发生了较为剧烈的跳跃ꎬ尤其是在观测期内的中间段波动明显ꎬ由此可见观测结果受到大气扰动的影响较大ꎮ图４和图５分别为经过单一ＧＣＰ１和多点改正后目标点的位移变化情况ꎬ经过ＧＣＰ１和多点对观测目标改正后ꎬ各个目标点的位移值变化波动明显减小ꎬ说明经过大气扰动改正后ꎬ大气扰动误差得到了有效削弱ꎮ经ＧＣＰ改正后的目标点位移变化基本上在[－２ꎬ１]之间波动ꎬ可见两种情况的改正效果基本相同ꎬ利用ＧＣＰ对目标点大气扰动进行改正ꎬ能有效削弱地基ＩｎＳＡＲ测量中大气扰动误差带来的不利影响ꎮ图４㊀没有经过ＧＣＰ改正前目标点的位移量Ｆｉｇ.４㊀Ａｍｏｕｎｔｏｆｄｉｓｐｌａｃｅｍｅｎｔｏｆｔｈｅｔａｒｇｅｔ㊀㊀㊀㊀ｐｏｉｎｔｂｅｆｏｒｅｔｈｅＧＣＰｃｏｒｒｅｃｔｉｏｎ图５㊀经过ＧＣＰ１改正后目标点的位移量Ｆｉｇ.５㊀Ｄｉｓｐｌａｃｅｍｅｎｔｏｆｔｈｅｔａｒｇｅｔｐｏｉｎｔ㊀㊀㊀㊀ａｆｔｅｒＧＣＰ１ｃｏｒｒｅｃｔｉｏｎ图６㊀经过ＧＣＰ１－ＧＣＰ４改正后的目标点的位移量Ｆｉｇ.６㊀Ｄｉｓｐｌａｃｅｍｅｎｔｏｆｔｈｅｔａｒｇｅｔｐｏｉｎｔａｆｔｅｒ㊀㊀㊀㊀ｃｏｒｒｅｃｔｉｏｎｂｙＧＣＰ１－ＧＣＰ４０１㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀测绘与空间地理信息㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０１８年４㊀结束语地基ＩｎＳＡＲ在测量过程中ꎬ由于受到外部环境等因素的影响ꎬ测量结果往往会引入误差ꎮ大气扰动误差作为地基ＩｎＳＡＲ测量中的主要影响因素ꎬ必须对其进行有效的改正ꎬ以提高其观测的精度ꎮ本文以ＩＢＩＳ－Ｌ系统获取的滑坡监测数据为研究基础ꎬ利用研究区域内的ＧＣＰ对观测目标进行大气扰动误差改正ꎬ有效提高了观测的精度ꎬ实验结果表明ꎬ利用ＧＣＰ方法能有效削弱地基ＩｎＳＡＲ测量中大气扰动误差带来的不利影响ꎮ参考文献:[１]㊀ＺｅｂｋｅｒＨＡꎬＧｏｌｄｓｔｅｉｎＲＭ.Ｔｏｐｏｇｒａｐｈｉｃｍａｐｐｉｎｇｆｒｏｍｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃｓｙｎｔｈｅｔｉｃａｐｅｒｔｕｒｅｒａｄａｒｏｂｓｅｒｖａｔｉｏｎｓ[Ｊ].Ｇｅｏｐｈｙｓ.Ｒｅｓ.ꎬ１９８６ꎬ９１(Ｂ):４９９３－４９９９. [２]㊀ＴａｒｃｈｉＤꎬＣａｓａｇｌｉＮꎬＭｏｒｅｔｔｉＳꎬｅｔａｌ.Ｌａｎｄｓｌｉｄｅｍｏｎｉｔｏｒｉｎｇｕｓｉｎｇｒｏｕｎｄ－ｂａｓｅｄＳＡＲｉｎｔｅｒｆｅｒｏｍｅｔｒｙ:ａｎｅｘａｍｐｌｅｏｆａｐ￣ｐｌｉｃａｔｉｏｎｔｏｔｈｅＴｅｓｓｉｎａｌａｎｄｓｌｉｄｅｉｎＩｔａｌｙ[Ｊ].ＥｎｇｉｎｅｅｒｉｎｇＧｅｏｌｏｇｙꎬ２００３ꎬ６８(８):１５－３０.[３]㊀ＮｏｆｅｒｉｎｉＬꎬＰｉｅｒａｃｃｉｎｉＭꎬＭｅｃａｔｔｉＤꎬｅｔａｌ.ＵｓｉｎｇＧＢ－ＩＮ￣ＳＡＲｔｅｃｈｎｉｑｕｅｔｏｍｏｎｉｔｏｒｓｌｏｗｍｏｖｉｎｇｌａｎｄｓｌｉｄｅ[Ｊ].Ｅｎ￣ｇｉｎｅｅｒｉｎｇＧｅｏｌｏｇｙꎬ２００７ꎬ９５(５):８８－９８. [４]㊀ＬｕｚｉＭꎬＰｉｅｒａｃｃｉｎｉＤꎬＭｅｃａｔｔｉＬꎬｅｔａｌ.ＭｏｎｉｔｏｒｉｎｇｏｆａｎａｌｐｉｎｅｇｌａｃｉｅｒｂｙｍｅａｎｓｏｆＧｒｏｕｎｄ－ＢａｓｅｄＳＡＲＩｎｔｅｒｆｅｒｏｍ￣ｅｔｒｙ[Ｊ].ＩＥＥＥＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇＬｅｔｔｅｒｓꎬ２００７ꎬ４(３):４９５－４９９.[５]㊀ＡｎｔｏｎｅｌｌｏＧＤꎬＴａｒｃｈｉＮＣꎬＦａｒｉｎａＬＰ.ＳＡＲｉｎｔｅｒｆｅｒｏｍｅ￣ｔｒｙｆｒｏｍｓａｔｅｌｌｉｔｅａｎｄｇｒｏｕｎｄ－ｂａｓｅｄｓｙｓｔｅｍｆｏｒｍｏｎｉｔｏｒｉｎｇｄｅｆｏｒｍａｔｉｏｎｓｏｎｔｈｅＳｔｒｏｍｂｏｌｉｖｏｌｃａｎｏ[Ｊ].ＩＥＥＥＩｎｔｅｒｎａ￣ｔｉｏｎａｌꎬＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇＳｙｍｐｏｓｉｕｍꎬ２００４ꎬ２３(１):２０－２４.[６]㊀ＣａｓａｇｌｉＮꎬＣａｔａｎｉＦꎬＶｅｎｔｉｓｅｔｔｅＣꎬｅｔａｌ.Ｍｏｎｉｔｏｒｉｎｇｐｒｅ￣ｄｉｃｔｉｏｎａｎｄｅａｒｌｙ－ｗａｒｎｉｎｇｕｓｉｎｇｇｒｏｕｎｄ－ｂａｓｅｄｒａｄａｒｉｎｔｅｒ￣ｆｅｒｏｍｅｔｒｙ[Ｊ].Ｌａｎｄｓｌｉｄｅｓꎬ２０１０ꎬ７(３):２９１－３０１. [７]㊀ＩｎｔｒｉｅｒｉａＥꎬＦｅｄｅｒｉｃｏＤＴꎬＣｈｉａｒａＤＶꎬｅｔａｌ.Ｆｌａｎｋｉｎｓｔａ￣ｂｉｌｉｔｙｏｆＳｔｒｏｍｂｏｌｉｖｏｌｃａｎｏ(ＡｅｏｌｉａｎＩｓｌａｎｄｓꎬＳｏｕｔｈｅｒｎＩｔａ￣ｌｙ):ＩｎｔｅｇｒａｔｉｏｎｏｆＧＢ－ＩｎＳＡＲａｎｄｇｅｏｍｏｒｐｈｏｌｏｇｉｃａｌｏｂ￣ｓｅｒｖａｔｉｏｎｓ[Ｊ].Ｇｅｏｍｏｒｐｈｏｌｏｇｙꎬ２０１３ꎬ２０１(１):６０－６９. [８]㊀ＰｉｅｒａｃｃｉｎｉＧＣꎬＬｕｚｉＤꎬＭｅｃａｔｔｉＭＦꎬｅｔａｌ.Ｒｅｍｏｔｅｓｅｎｓ￣ｉｎｇｏｆｂｕｉｌｄｉｎｇｓｔｒｕｃｔｕｒａｌｄｉｓｐｌａｃｅｍｅｎｔｓｕｓｉｎｇａｍｉｃｒｏｗａｖｅｉｎｔｅｒｆｅｒｏｍｅｔｅｒｗｉｔｈｉｍａｇｉｎｇｃａｐａｂｉｌｉｔｙ[Ｊ].ＮＤＴ＆Ｅｉｎｔｅｒ￣ｎａｔｉｏｎａｌꎬ２００４ꎬ３７(７):５４５－５５０.[９]㊀ＮｏｆｅｒｉｎｉＬꎬＰｉｅｒａｃｃｉｎｉＭꎬＭｅｃａｔｔｉＤꎬｅｔａｌ.Ｐｅｒｍａｎｅｎｔｓｃａｔｔｅｒｅｒｓａｎａｌｙｓｉｓｆｏｒａｔｍｏｓｐｈｅｒｉｃｃｏｒｒｅｃｔｉｏｎｉｎｇｒｏｕｎｄ－ｂａｓｅｄＳＡＲｉｎｔｅｒｆｅｒｏｍｅｔｒｙ[Ｊ].ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎｇｅｏ￣ｓｃｉｅｎｃｅａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇꎬ２００５ꎬ４３(７):１４５９－１４７１. [１０]㊀ＲöｄｅｌｓｐｅｒｇｅｒＳꎬＬäｕｆｅｒＧꎬＧｅｒｓｔｅｎｅｃｋｅｒＣꎬｅｔａｌ.Ｍｏｎｉｔｏ￣ｒｉｎｇｏｆｄｉｓｐｌａｃｅｍｅｎｔｓｗｉｔｈｇｒｏｕｎｄ－ｂａｓｅｄｍｉｃｒｏｗａｖｅｉｎｔｅｒ￣ｆｅｒｏｍｅｔｒｙ:ＩＢＩＳ－ＳａｎｄＩＢＩＳ－Ｌ[Ｊ].ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＧｅ￣ｏｄｅｓｙꎬ２０１０ꎬ４(１):４１－５４.[１１]㊀汪学琴ꎬ岳建平ꎬ邱志伟.固定点法ＧＢＳＡＲ大气扰动误差改正方法研究[Ｊ].测绘通报ꎬ２０１５(９):２４－２７. [１２]㊀董杰ꎬ董妍.基于气象数据的地基雷达大气扰动校正方法研究[Ｊ].测绘工程ꎬ２０１４ꎬ２３(１０):７２－７５. [１３]㊀ＮｏｆｅｒｉｎｉＬꎬＰｉｅｒａｃｃｉｎｉＭꎬＭｅｃａｔｔｉＤꎬｅｔａｌ.ＰｅｒｍａｎｅｎｔＳｃａｔｔｅｒｅｒｓＡｎａｌｙｓｉｓｆｏｒＡｔｍｏｓｐｈｅｒｉｃＣｏｒｒｅｃｔｉｏｎｉｎＧｒｏｕｎｄ－ＢａｓｅｄＳＡＲＩｎｔｅｒｆｅｒｏｍｅｔｒｙ[Ｊ].ＩＥＥＥＴ.ＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇꎬ２００５ꎬ４３(７):１４５９－１４７１.[编辑:刘莉鑫](上接第７页)４㊀结束语本文获取２０００２０１６年６期沈阳市夏季城区Ｌａｎｄｓａｔ影像ꎬ采用单通道算法反演地表温度ꎬ计算得到沈阳城市热岛强度分级图ꎮ通过采样拟合ＮＤＶＩ㊁ＭＮＤＷＩ㊁ＮＤＩＳＩ与ＬＳＴ的函数关系来分析植被㊁水体和不透水面对城市热岛效应的影响ꎮ实验结果表明:１)沈阳市研究区３种地表参数面积在１６年间发生了很大的改变ꎬ其中不透水面所占比例从２０００年的２１.８２％上升到２０１６年的４６.０２％ꎬ植被从７５.８３％下降到５３.１１％ꎬ水体从２.３５％下降到０.８７％ꎮ３种地表参数温度贡献也不同ꎬ其中植被和水体温度较低ꎬ具有降温作用ꎬ可以很好地调节城市热岛效应ꎮ２)随着地表参数的变化ꎬ沈阳市热岛强度也发生了变化ꎬ空间上表现为:极强㊁强㊁中热岛集中于城区与外围工业区ꎻ时间上表现为:极强㊁强㊁中热岛所占面积从２０００年的１４.１０％上升到２０１６年的２５.９３％ꎬ上升了１１.８３％ꎮ３)通过ＮＤＶＩ㊁ＭＮＤＷＩ㊁ＮＤＩＳＩ与ＬＳＴ的回归关系可以看出ꎬＬＳＴ与不透水面呈指数关系ꎬ与植被和水体呈线性关系ꎬ且通过数据统计得到不透水面区的升温要明显快于植被和水体区的降温ꎬ甚至对温度的影响相当于植被和水体之和ꎮ在城市发展道路上ꎬ需着重建设建筑㊁道路等不透水面区域ꎬ而此过程加强了城市的热岛效应ꎬ严重影响了人们的生活质量ꎮ为了缓解城市热岛效应ꎬ我们一方面需要减少热量的排放ꎬ如可以减少矿物燃料的利用以及开发新能源ꎻ另一方面需采取一些降温措施ꎬ合理规划城市㊁设计城市建筑物的高度和密度ꎬ使城市具有通风散热的功效ꎮ同时可以充分利用植被和水体的降温作用ꎬ增大市中心的绿化面积ꎬ进而达到城市发展与舒适宜居的双赢局面ꎮ参考文献:[１]㊀ＳｅｔｏＫＣꎬＳｈｅｐｈｅｒｄＪＭ.Ｇｌｏｂａｌｕｒｂａｎｌａｎｄ－ｕｓｅｔｒｅｎｄｓａｎｄｃｌｉｍａｔｅｉｍｐａｃｔｓ[Ｊ].ＣｕｒｒｅｎｔＯｐｉｎｉｏｎｉｎＥｎｖｉｒｏｎｍｅｎｔａｌＳｕｓ￣ｔａｉｎａｂｉｌｉｔｙꎬ２００９ꎬ１(１):８９－９５.[２]㊀胡平.基于Ｌａｎｄｓａｔ８的成都市中心城区城市热岛效应研究[Ｄ].成都:成都理工大学ꎬ２０１５.[３]㊀徐涵秋ꎬ林中立ꎬ潘卫华.单通道算法地表温度反演的若干问题讨论以Ｌａｎｄｓａｔ系列数据为例[Ｊ].武汉大学学报:信息科学版ꎬ２０１５ꎬ４０(４):４８７－４９２. [４]㊀胡德勇ꎬ乔琨ꎬ王兴玲ꎬ等.单窗算法结合Ｌａｎｄｓａｔ８热红外数据反演地表温度[Ｊ].遥感学报ꎬ２０１５ꎬ１９(６):９６４－９７６.[５]㊀覃志豪ꎬ李文娟ꎬ徐斌ꎬ等.陆地卫星ＴＭ６波段范围内地表比辐射率的估计[Ｊ].国土资源遥感ꎬ２００４(３):２８－３２.[６]㊀贾海峰ꎬ刘雪华.环境遥感原理与应用[Ｍ].北京:清华大学出版社ꎬ２００６.[７]㊀李亮.长春市热岛效应的时空规律及其形成机制[Ｄ].长春:东北师范大学ꎬ２００８.[编辑:张㊀曦]１１第１０期黄长军等:基于ＧＣＰ方法的地基ＩｎＳＡＲ大气扰动误差改正分析。

基于大气数据的时序InSAR大气延迟误差校正方法比较

基于大气数据的时序InSAR大气延迟误差校正方法比较孙建霖杨忠杰马金辉摘要：针对时序InSAR应用过程中处理较为困难的大气延迟误差，文章利用StaMPS时序InSAR方法和TRAIN大氣校正工具箱，以刘家峡水库及其以北地区为例，研究ERA-I、MERRA-2和GACOS三种常用的大气数据在时序InSAR大气延迟误差校正中的差异。

实验表明，对轻度大气影响区域，三种数据均可实现较好的校正效果;对中度大气影响区域，三种数据的使用应当区分不同的研究区域、数据覆盖程度和大气影响强弱而定，且三者之间并无明显的优劣之分;对重度大气影响区域，在数据满足基本条件的前提下，应当优先考虑剔除该影像。

关键词：时序InSAR;大气延迟;ERA-I;MERRA-2;GACOS中图分类号：V247.1+6 文献标志码：A 文章编号：2095-2945（2019）11-0023-05Abstract： To deal with the difficult atmospheric delay error in the application of time-series InSAR， this paper uses StaMPS time series InSAR method and TRAIN atmospheric correction toolbox to study the difference of three commonly used atmospheric data ERA-I， MERRA-2 and GACOS. The example is Liujiaxia Reservoir and its northern area. The experiment shows that the three kinds of data can achieve good correction effect for the area with mild atmospheric influence. For the moderate atmospheric impact area， the three kinds of data should be used to distinguish different research areas， data coverage and atmospheric impact strength， and there is no obvious distinction between the three good and bad; for regions with severe atmospheric impacts， the removal of the image should be given priority on the premise that the data meets the basic conditions. Keywords： Time Series InSAR; atmospheric delay; ERA-I; MERRA-2; GACOS1 概述对流层大气延迟误差校正是InSAR技术所面临的最大挑战之一[1]。

InSAR对流层延迟校正及其在地表沉降监测中的应用研究.doc

InSAR对流层延迟校正及其在地表沉降监测中的应用研究近三十年,合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)作为一种新兴大地测量技术,在地表形变监测领域得到了广泛应用。

时序InSAR分析方法的出现为克服相位去相干和大气延迟误差提供了可能,但仍然存在一些困难和问题,比如相干目标识别的稳定性和密度,大气延迟估计的准确性和可靠性等。

其中,大气延迟误差仍然是InSAR大地测量应用最大的挑战之一,没有精确的延迟估计及校正很难获得精度可靠的(毫米级)微小地表位移信息。

因此,开发稳健可靠的大气延迟估计算法仍然是InSAR技术亟需解决的问题之一。

本论文针对InSAR技术中的大气延迟问题展开研究,探索InSAR观测中大气效应影响的理论和校正方法,旨在提高InSAR技术探测地表形变的精度和可靠性。

本文重点研究的内容包括:(1)深入分析和探讨了InSAR对流层延迟效应。

利用探空气球(radiosonde)气象数据分析了 InSAR对流层延迟分布特性,实验表明InSAR对流层延迟随高度的增加具有收敛特性,同时验证了湿延迟在InSAR大气效应中占据了主导地位,是制约InSAR对流层延迟改正精度提高的主要因素。

一般地,对流层中的垂直分层占主导地位,且与地形相关,而湍流混合对干涉图的影响具有随机性。

(2)时序InSAR技术中的大气校正问题研究及应用。

由于大气延迟的季节性周期变化导致传统时空滤波方法估计大气延迟存在偏差,本文将ERA-Interim模型融入时序InSAR分析方法中改善大气改正效果,并联合ENVISAT ASAR数据和TerraSAR-X数据对常州地面沉降进行了反演,对结果进行了内外符合精度的评定,探讨了高分辨率SAR的优势,并分析了沉降特征及原因。

三种方法揭示的地面沉降严重程度不同,SBAS方法和PSM方法反演的结果精度更高、一致性更高。

TerraSAR-X获得结果的精度最高,与验证点的RMSE为2.1 mm/y。

insar论文

浅谈INSAR及其与GPS在大地测量的联合应用合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar,简称INSAR）是以合成孔径雷达复数据提取的相位信息为信息源获取地表的三维信息和变化的一项技术，INSAR通过两副天线同时观测（单轨模式），或两次近平行的观测（重复轨道模式），获取地面同一景观的复图像对。

由于目标与两天线的位置的几何关系，在复图像上产生了相位差，形成干涉纹图。

干涉纹图中包含了斜距向上的点与两天线位置之差的精确信息。

因此，利用传感器高度、雷达波长、波束视向及天线基线距之间的几何关系，可以精确地测量出图像上每一点的三维位置和变化信息。

随着实用机载系统和星载系统的SAR干涉数据的广泛应用，合成孔径雷达干涉测量技术得到了空前的发展。

现在，世界各地有许多致力于研究SAR干涉技术及其应用的研究小组。

在美国，多数的研究集中在喷气推进实验室（JPL),其中以Zebker为代表开展了大量的机载和星载SAR干涉技术的研究；在加拿大，研究工作主要是在加拿大遥感中心（CCRS)进行，主要是研究机载系统，在RADARSAT-1成功发射之后也开始了星载系统的研究工作；在欧洲，研究SAR干涉技术的研究中心主要包括：Massonnet 领导的法国国家空间研究中心（CNES）研究组、德国斯图加特的Hartl小组、意大利米兰的Prati和Rocca研究小组、意大利那不勒斯CO.R.I.S.T.A.的Vetrella的小组等等。

合成孔径雷达干涉测量发展30多年来，其应用领域得以不断发展，主要的应用领域包括：A.地形测量：①地形条带测绘：一般机载系统测绘区域为6-20km,星载系统为80-100km;②地形图镶嵌：对于大面积测绘应用来说，条带DEM数据往往不能满足应用需求，所以常常需要对其做镶嵌处理，镶嵌的精度和难易程度取决于条带DEM的精度、地面控制点以及镶嵌策略；③精度评价:干涉测量的一个重要的应用方面是评价DEM的误差。

sbas-insar技术原理及其在地壳形变监测中的应用

sbas-insar技术原理及其在地壳形变监测中的应用SBAS-InSAR是基于星载合成孔径雷达干涉测量（InSAR）原理和空间积分技术，通过分析雷达图像间的相位差异来实现地壳形变监测的一种技术。

它结合了Small Baseline Subset（SBAS）算法和InSAR技术，能够有效地解决InSAR技术在长时间监测中遇到的相位不连续、大气延迟等问题，广泛应用于地壳形变监测和地质灾害监测等领域。

SBAS-InSAR技术原理如下：1.数据获取：使用星载雷达获取多幅雷达图像，通过距离、时间和视角等参数将其坐标统一转换为地心坐标系。

2.预处理：对获取的雷达图像进行相位校正、大气校正、多普勒校正等预处理，以消除数据中的非地壳形变引起的影响。

3.相干图像生成：通过对预处理后的数据进行干涉，得到相干图像。

在地震前后进行多次干涉可以得到多幅相干图像序列。

4.相位解缠：对相干图像序列进行相位解缠，得到每个像素点的稳定相位信息。

5.地表形变计算：通过对解缠后的相位信息进行差分，可以计算出每一时刻地表的形变情况。

6.监测与分析：根据计算出的形变信息，进行地壳形变监测与分析，可以用于地震、火山活动等地质灾害的预警与评估。

SBAS-InSAR技术在地壳形变监测中的应用主要有以下几个方面：1.地震监测：地震是地壳形变的一种重要表现，SBAS-InSAR技术可以实时监测地震前后地表的形变情况，在地震预警与评估中起到重要作用。

2.火山活动监测：火山活动会引起地表的形变，通过SBAS-InSAR技术可以实时监测火山口周边的地壳形变情况，为火山活动监测与预警提供重要数据支持。

3.地质灾害监测：地质灾害如滑坡、地面沉降等会引起地表形变，SBAS-InSAR技术可以对地质灾害进行实时监测与预警，为防灾减灾提供数据支持。

4.水域变化监测：SBAS-InSAR技术可以监测水域的变化，包括湖泊面积、河流形态等，为水资源管理和环境保护提供数据支持。

基于大气数据的时序InSAR大气延迟误差校正方法比较

基于大气数据的时序InSAR大气延迟误差校正方法比较时序InSAR技术是一种利用合成孔径雷达干涉数据进行地表形变监测的技术，其在地震、火山、地质灾害等方面具有重要的应用价值。

在InSAR数据处理过程中，大气延迟误差往往是一个重要的干扰因素，尤其对于时序InSAR数据而言，大气延迟误差更是难以忽视的问题。

为了精确地评估地表形变信息，必须采取有效的大气延迟误差校正方法。

本文将针对基于大气数据的时序InSAR大气延迟误差校正方法进行比较，并探讨其优缺点，为时序InSAR数据处理提供指导和参考。

一、大气延迟误差对时序InSAR的影响大气延迟误差是由大气介质对雷达波的干涉引起的，其主要成因包括大气水汽含量、温度、压强等气象因素的变化。

这些因素会导致雷达信号的相位变化，从而影响InSAR数据的精度。

对于时序InSAR数据而言，由于持续观测时间较长，大气延迟误差波动性较大，因此其影响也更加显著。

若不对大气延迟误差进行有效的校正，将导致地表形变的误差和失真，影响地质灾害的监测和预警效果。

1. 基于气象数据的大气校正方法基于气象数据的大气校正方法是利用气象站观测数据或气象模型预报数据对大气延迟误差进行校正。

该方法利用气象数据对大气延迟进行建模，然后通过插值或拟合等手段将大气延迟误差进行消除。

该方法的优势在于数据来源广泛、易于获取，同时能够对大气延迟进行较为准确的估计。

该方法的局限性也较为明显，首先是对气象数据的要求较高，需要有连续和精确的气象观测数据或气象模型预报数据，其次是对地理位置和气象条件的适用性较差，对于复杂地形和变化剧烈的气象条件难以进行精确校正，还有就是该方法无法很好地考虑大气延迟误差的非线性特性。

三、方法比较及应用建议综合以上三种大气延迟误差校正方法的优缺点，可以得出以下结论：基于气象数据的大气校正方法适用范围广，易于获取数据，但难以处理复杂地形和变化剧烈的气象条件；基于卫星观测数据的大气校正方法对地表形变监测具有较好的适用性，但数据获取和处理成本较高；基于气象雷达数据的大气校正方法具有较好的适用性，但气象雷达观测数据的时空分辨率对校正效果影响较大。

基于大气数据的时序InSAR大气延迟误差校正方法比较

基于大气数据的时序InSAR大气延迟误差校正方法比较【摘要】本文针对时序InSAR技术中大气延迟误差对地表形变监测的影响，提出了基于大气数据的大气延迟误差校正方法。

通过对不同校正方法进行比较，分析了它们在减小大气延迟误差方面的效果和优劣。

实验结果显示，基于大气数据的校正方法能够显著提高时序InSAR技术的监测精度和可靠性。

最后结论部分探讨了本研究的意义，并展望了未来研究方向。

本研究为时序InSAR技术在地表形变监测中的应用提供了重要参考，对于推动地壳运动监测与地质灾害预警具有重要意义。

【关键词】时序InSAR、大气数据、大气延迟误差、校正方法、比较、实验结果、讨论、研究意义、未来研究方向。

1. 引言1.1 背景介绍时序InSAR技术是通过利用合成孔径雷达干涉测量地表不同时刻的形变，实现对地球表面运动的监测和研究。

在时序InSAR技术中，由于大气介质的存在，会引起合成孔径雷达信号在传播过程中发生延迟，从而影响最终的反演结果。

大气延迟误差是时序InSAR数据处理中一个重要的误差源，如果不加以校正，会使得最终的形变监测结果产生较大偏差。

为了提高时序InSAR技术的精度和可靠性，研究人员提出了多种基于大气数据的大气延迟误差校正方法。

这些方法包括基于气象数据的改正模型和基于卫星观测数据的校正方法等。

通过针对不同地区和不同季节的大气特征进行分析，这些方法可以有效地对大气延迟误差进行补偿，提高形变监测的精度和稳定性。

本文旨在比较不同基于大气数据的大气延迟误差校正方法在时序InSAR技术中的应用效果，探讨各方法的优缺点，为进一步优化时序InSAR数据处理提供参考。

1.2 研究目的研究目的旨在比较基于大气数据的时序InSAR大气延迟误差校正方法的有效性和适用性，为更准确地监测地表形变提供可靠的技术支持。

通过深入研究时序InSAR技术原理和大气延迟误差的影响，探究不同校正方法的优缺点，并进行实验比较分析，旨在找到最优的校正方案。

基于大气数据的时序InSAR大气延迟误差校正方法比较

基于大气数据的时序InSAR大气延迟误差校正方法比较1. 引言1.1 研究背景地球是一个复杂的系统，不仅包括陆地、海洋和大气层，还涉及到大气压力、温度、湿度等因素。

在地球表面到空间之间进行遥感观测时，大气层会对微波信号产生延迟效应，导致地球表面的形变监测存在误差。

在地球表面形变监测领域，大气延迟误差校正一直是关键问题之一。

随着时序InSAR技术的发展，通过监测地表形变、地壳运动等现象，科研人员可以更好地研究地球表面的形变情况。

大气延迟误差对InSAR监测结果的影响不容忽视，严重影响了观测结果的精度和可靠性。

如何有效地校正大气延迟误差，提高InSAR监测结果的精度，成为了时序InSAR研究领域的热点问题。

针对大气延迟误差校正问题，研究人员提出了一系列基于大气数据的校正方法，这些方法在一定程度上改善了InSAR监测结果的准确性。

本研究将对基于大气数据的时序InSAR大气延迟误差校正方法进行比较研究，为地表形变监测的精度提升提供理论支持。

1.2 研究目的本研究的目的是对基于大气数据的时序InSAR大气延迟误差校正方法进行比较分析，探讨不同方法的优缺点，为地表形变监测提供更加准确和可靠的数据处理方法。

通过对不同校正方法进行评估和比较，可以选取最适合实际应用场景的方法，提高地表形变监测的精度和可靠性。

此外，本研究还旨在探讨大气延迟误差校正方法的现状和发展趋势，为未来相关研究提供参考和启示。

通过对不同方法的比较分析，可以为地球表面形变研究、地质灾害监测、城市沉降监测等领域提供更准确、可靠的数据支持，推动遥感技术在地质灾害预警和监测领域的应用和发展。

最终目的是为推动遥感技术在地质灾害预警和监测领域的发展，为社会安全和科学研究提供更强有力的支持。

1.3 研究意义大气延迟误差是影响InSAR技术监测精度的一个重要因素，尤其在大尺度地表形变监测中，大气延迟误差的影响更加显著。

研究如何准确校正大气延迟误差，对于提高InSAR技术监测精度具有重要意义。

InSAR的基本原理及初步应用的开题报告

InSAR的基本原理及初步应用的开题报告题目：InSAR的基本原理及初步应用一、研究背景和意义随着遥感技术和计算机技术的不断发展，InSAR（Interferometric Synthetic Aperture Radar）成为一种重要的遥感技术。

它利用SAR（Synthetic Aperture Radar）观测目标的多次反射信号，通过干涉处理得到地形、地表形变等变化信息。

InSAR技术具有高精度、大范围、全天候、高时空分辨率等优点。

近年来，InSAR技术在地形测量、地表形变、地震灾害监测等领域得到广泛应用，可以对自然灾害和人类活动带来的环境影响进行实时监测和评估，为科学决策提供依据。

二、研究内容和方法2.1 研究内容本文旨在探究InSAR技术的基本原理和应用，结合国内外研究现状，对InSAR技术进行回顾和总结，重点研究以下内容：（1）InSAR技术的原理及干涉图像的生成过程（2）InSAR技术在地形测量、地表形变、地震灾害监测等领域的应用现状（3）InSAR技术在国内外的最新研究进展，以及未来的发展方向2.2 研究方法本研究主要采用文献综述的方法，对InSAR技术的相关文献进行搜集、筛选和分析，系统总结和评价InSAR技术的基本原理和应用，建立和完善相关的数据模型和算法，为InSAR技术在相关领域应用提供支持和指导。

三、预期研究结果和意义通过本文的研究，预期可以得到以下成果：（1）明确InSAR技术的基本原理和干涉图像的生成过程（2）全面了解InSAR技术在地形测量、地表形变、地震灾害监测等领域的应用现状（3）总结国内外最新的InSAR研究进展，指出未来发展的热点和方向本文的研究成果可以为相关领域的研究和应用提供参考和支持，同时对于进一步推动遥感技术和计算机技术的发展具有积极意义。

基于外部观测数据InSAR大气延迟改正方法研究

基于外部观测数据InSAR大气延迟改正方法研究0引言影响InSAR干涉测量精度的因素有很多，其中大气原因引起的相位延迟是影响监测精度的主要原因之一。

由于大气层在时间与空间上变化的这种不确定性，使其对雷达信号造成的相位延迟也不同，甚至可能造成对InSAR数据的错误判读。

所以，为了获取高精度的InSAR干涉测量信息，必须削弱或消除电离层和对流层引起的相位延迟[1]。

目前，利用GPS来消除SAR数据的大气影响是采用外部数据改正InSAR大气延迟误差的最有效方法之一。

黄甜等利用CPS数据，研究比较了改进后的基于地形的CPS扰动模型(GTTM)和基于地形的湍流混合模型(TDTM)。

结果表明，改进的GTTM模型和TDTM模型都能有效地降低大气水汽对InSAR测量地面形变精度的影响，且TDTM插值效果更佳。

分析证明，利用GPS 技术改正InSAR大气延迟值约为30mm，显著提高了InSAR技术精度。

用GPS改正InSAR大气延迟误差的研究

用GPS改正InSAR大气延迟误差的研究
罗海滨;何秀凤
【期刊名称】《大地测量与地球动力学》
【年(卷),期】2007(27)3
【摘要】大气延迟是InSAR技术用于地表探测的主要误差源,利用GPS改正InSAR大气延迟误差是采用外部数据改正InSAR大气延迟最有效的方法.为了对SAR影像进行逐像素的大气层延迟改正,必须对GPS获取的大气延迟进行加密插值.针对反距离加权内插法(IDW)在GPS大气延迟估计加密插值中存在的问题,提出了对样本点和待插值点间水平距离和高程差赋予不同影响因子的改进反距离加权(IIDW)内插法.试验结果表明,改进的反距离加权内插法的插值精度优于传统的反距离加权内插法,特别当待插值点的高程较样本点的总体高程有明显偏移时,改进的内插法效果更好.
【总页数】4页(P35-38)
【作者】罗海滨;何秀凤
【作者单位】河海大学卫星及空间信息应用研究所,南京,210098;河海大学卫星及空间信息应用研究所,南京,210098
【正文语种】中文
【中图分类】P227
【相关文献】
1.基于ECMWF模型改正InSAR大气延迟误差的可靠性实验 [J], 王华;彭佳卉
2.基于GPS和美国环境预报中心观测信息的InSAR大气延迟改正方法研究 [J], 常亮
3.应用GPS观测量改正InSAR大气误差的空间插值比较 [J], 黄甜;陈国栋
4.基于MODIS与GPS的D-InSAR大气延迟改正量提取 [J], 王江涛;邓喀中;范洪冬;刘晓菲;李斌
5.基于MODIS和GPS的D-InSAR大气延迟改正 [J], 杨成生;张勤;赵超英;朱武;王亚男;王宏宇
因版权原因，仅展示原文概要，查看原文内容请购买。

基于实测气象参数的InSAR大气校正及其应用研究

基于实测气象参数的InSAR大气校正及其应用研究
黄嘉艇;孔扬;王盼;占果;唐旭
【期刊名称】《大地测量与地球动力学》
【年(卷),期】2024(44)2
【摘要】针对传统InSAR技术在监测地表形变时受对流层延迟影响的问题,利用地面实测气象参数和NCEP气象再分析资料建立大气校正模型,对生成的鄞州区干涉图进行对流层延迟校正,获取鄞州区2018~2020年高精度地表形变分布。

为分析不同大气校正模型对对流层延迟效应的削弱效果,将监测结果与同期实测水准数据作对比。

结果发现,地面气象信息模型、NCEP气象再分析资料模型和未加大气校正的InSAR监测结果的均方根误差RMSE分别为2.78 mm、3.86 mm、5.62 mm,表明利用地面气象信息模型校正大气相位误差具有更高的监测精度,能有效削弱对流层延迟对干涉测量结果的影响。

【总页数】6页(P144-149)
【作者】黄嘉艇;孔扬;王盼;占果;唐旭
【作者单位】南京信息工程大学遥感与测绘工程学院;宁波市气象局;华设设计集团股份有限公司
【正文语种】中文
【中图分类】P237
【相关文献】
1.基于网络法时序InSAR大气误差校正方法研究
2.基于GPS的InSAR大气延迟校正方法研究
3.基于大气数据的时序InSAR大气延迟误差校正方法比较
4.基于实测的大气参数计算厦门海域大气层顶大气散射辐射的角度分布
5.基于DEM与GACOS的InSAR同震形变场大气误差校正
因版权原因，仅展示原文概要，查看原文内容请购买。