高精度时序InSAR地形残差改正及其在形变监测中的应用

Multiple InSAR (MTInSAR) technique can obtain deformation field with a higher density compared with the traditional measurements, such as leveling and GPS. However, the accuracy of MTInSAR is affected by the residual topography. To reduce the influence of residual topography on the deformation estimation, recent studies focus on the correction of perpendicular baseline related factors. Unfortunately, besides the affection of the perpendicular baseline, several factors such as the deformation model difference, the interferogram network connectivity, the thresholds of spatial-temporal baseline and the atmospheric delay can also affect the accuracy of residual topography estimation, which are not considered in these studies. Hence, this project will study on the correction of residual topography and the improvement of time-series deformation. Specifically, this project will use series of synthetic and real SAR images derived from different platforms to analyze the sensitivity of residual topography in MTInSAR. Then, a method based on integer interferogram combination and another method based on the correlation analysis of multi-polarization interferograms will be proposed to establish the relationship between the residual topography and the sensitivity factors. The results will be evaluated in several typical study areas with different deformation pattern and different topography. This project will be of great significance to fields of residual topography calculation and theory complement, and the accuracy and reliability of deformation monitoring in MTInSAR.

传统地表形变监测方法无法提供面状连续的形变场，而时序InSAR技术（MTInSAR）为解决这一问题提供了可能。然而，MTInSAR技术的形变监测精度受到地形残差的影响，当前顾及地形残差改正的MTInSAR没有充分考虑除垂直基线以外的因素，如形变模型差异、干涉图连通性、时空基线阈值、大气延迟等。基于此，本项目拟开展多影响因素下地形残差改正的高精度时序形变监测研究。具体地，结合不同波段下的模拟和真实SAR数据，本项目拟研究影响地形残差估算精度的成因分析，在此基础上，拟提出一种干涉对整数组合和一种基于多极化MTInSAR干涉图相关性分析的方法来建立地形残差与各影响因素之间的模型，并通过具有不同形变特征和地形的典型区域进行实验验证。本项目对解决MTInSAR中地形残差估计、完善地形残差估计的理论框架，以及提高MTInSAR的形变监测精度和可靠性有着重要意义。

传统地表形变监测方法无法提供面状连续的形变场，而时序InSAR技术（MTInSAR）为解决这一问题提供了可能。然而，MTInSAR技术的形变监测精度受到地形残差的影响，当前顾及地形残差改正的MTInSAR没有充分考虑除垂直基线以外的因素。基于此，本项目开展了多影响因素下的地形残差改正的高精度时序形变监测。主要包括MTInSAR地形残差机理分析、模型构建、形变监测应用三个部分四个内容：①分析了影响MTInSAR地形残差估计的因素。地形残差估计精度受到时空基线阈值、形变模型差异、大气延迟、轨道效应、干涉对连通性、外部DEM精度的影响。②构建了一套分块多项式模型来减少轨道误差和大气延迟对地形残差的影响。通过将基于整景影像的全局多项式模型修改成基于分块的局部多项式，利用迭代最小二乘来进行分块模型的拼接，从而得到轨道误差和部分大气相位。新模型能够将MTInSAR的形变速率监测精度从4.47mm/yr提高至3.17mm/yr，将地形残差的均值从原来的0.32m提高至0.13m。③构建了一套考虑形变模型差异、时空基线阈值的虚拟长基线地形残差估计模型。通过构建一系列的虚拟“长空间基线”来提高地形的敏感性、“0”时间基线来减少真实形变和函数模型之间的差异，从而得到稳定的地形残差估计精度。通过模拟线性形变、周期性形变和跳变型形变，以及不同的时空基线阈值来分析新方法和传统SBAS模型的差异。新模型相对于传统模型来说对形变模型差异和时空基线阈值的敏感性低，其RMSE始终小于1.4m。④通过收集多平台SAR数据和真实数据（GPS）在广东沿海、台湾庐山滑坡等区域进行了验证，其形变精度分别为7.6mm和6mm。结果发现广东沿海的地表形变主要集中在雷州半岛、珠三角和潮汕平原，最大沉降速率达到了157mm/yr。形变速率较大的区域多集中在水产养殖区，且和软土层的厚度成正比。导致这些大面积沉降的原因可能是过度抽取地下水进行水产养殖、农田灌溉和工业生产，以及软土和围海造田导致的压实沉降。本项目对解决MTInSAR地形残差估计、完善地形残差估计的理论框架，以及提高MTInSAR形变监测精度和可靠性有着重要意义。