InSAR 数据处理误差的减弱措施

本文由CSDN点云侠原创，爬虫网站请自重。

  InSAR 获取的干涉相位通常可表示为：
$${\phi }^{int}(\eta ,\xi )={\phi }^{def}(\eta ,\xi )+{\phi }^{atm}(\eta ,\xi )+{\phi }^{topo}(\eta ,\xi )+{\phi }^{orbit}(\eta ,\xi )+{\phi }^{noise}(\eta ,\xi )$$
  其中，${\phi }^{def}$为形变相位，${\phi }^{atm}$为大气延迟误差相位，${\phi }^{topo}$为地形误差相位，${\phi }^{orbit}$为轨道误差相位，${\phi }^{noise}$为噪声相位。另外，在获取的 InSAR 相位中，还常常含有解缠误差。为获取高精度的形变监测结果，必须对其中的这些误差项进行有效的估计和剔除。

1.失相干误差

  对重复轨道干涉测量来说，其常常受到很多的失相干因素的影响，这些影响因素会在干涉处理中以偶然误差的形式传播到干涉形变结果中。如两幅影像获取期间随着地表的植被、土壤湿度等的变化，会在地表分辨单元内产生随机性的附加相位延迟变化，即时间失相干变化；另外，重复轨道监测中，偏移的轨道间隔即空间基线又会导致雷达的侧视角度不同，从而使得两次成像时刻会在同一分辨单元内产生不同的附加相位分量，这种影响在空间上也表现为随机性的偶然误差，这就是所谓的几何（基线）失相干。同样的，在沿轨方向即方位向上，因雷达两次成像的照射方向即多普勒中心不一致，也会引起相位的失相干，这就是所谓的多普勒中心失相关。这些随机性的失相干误差常常会引起相位信号的严重失相关，从而会给后续的相位解缠操作带来极大的困难，甚至还可能导致干涉分析无法进行下去。通常可通过滤波的方法来消除这种随机性的失相干误差对形变结果的影响。

2.基线误差

  基线是 InSAR 干涉测量的关键参数，它既是 SAR 干涉成像的基础，也是导致 InSAR干涉相位失相干的主要因素之一。在 InSAR 数据处理中，常用到的基线有两种：时间基线和空间基线。时间基线指的是用于进行干涉处理的两个 SAR 影像获取的时间间隔，它是导致 InSAR 干涉时间失相干的根源；而空间基线则指成像时刻两个卫星间的空间距离，它是产生 InSAR 干涉相位几何失相干的根源。这里，我们讨论的基线误差主要是针对空间基线。
  在InSAR干涉测量中，干涉基线一般是利用轨道的星历数据和状态矢量确定的。当卫星的轨道数据不准确时，就会导致估计的基线存在误差，其表现在干涉图中常为一些明显的系统性条纹，因此，基线误差对形变结果的影响属于系统误差，这常常使得我们很难将干涉相位中的形变分量、大气延迟分量和残差干涉条纹信息分离开来，从而直接影响了最终获取的形变的精度和可靠性。若要完全有效的去除这种基线误差导致的残差干涉条纹，往往要求精密轨道数据的绝对精度要优于1mm，就当前而言，该精度还远远不能满足。
  另外，基线估计算法的精度还和SAR数据的应用相关。在地震、冰川等差分形变监测应用中，ERS和Envisat精密轨道的精度已可满足要求；但是在地面沉降等高精度的地表形变监测应用中，轨道基线的精度要求达到亚厘米级，而现有的轨道数据是不满足的，因此必须提供精确客观的基线估计值。目前常用的基线估计和精化方法可分为基于卫星轨道状态矢量的估计方法、基于外部信息如GCP的估计方法和基于干涉图本身的估计方法。

3.DEM 误差

  无论是在两轨差分 DInSAR 还是时序 InSAR 数据处理中，辅助的外部 DEM 数据精度对形变结果的误差影响也是不容忽视的。DEM 误差对 InSAR 形变监测结果的影响主要表现在两个方面：一是外部 DEM 数据自身的精度，可通过高程模糊度将误差转换到形变信息中；二是在利用外部 DEM 数据与主影像配准时产生的配准误差影响。垂直基线越小，高程模糊度就越大，则由 DEM 误差导致的形变误差就越小。 另外，这种由 DEM 误差所引起的地形误差对形变结果的影响有时表现为系统误差，有时又表现为偶然误差。其中，随机性的地形误差会导致干涉图的相关系数显著降低，但系统性的地形误差几乎不会影响干涉图的相干性，但它会严重的扭曲地表的真实形变。针对 DEM 误差，其最直接的减弱措施即是选择高精度的 DEM；另外，还可以在干涉图较多的时候，将 DEM 作为一个系统参数估计出来，这是大地测量中常用到的一种含有系统误差的平差方法。

4.大气误差

  对星载 InSAR 干涉测量来说，大气误差比较复杂，它主要是由于雷达信号在大气层中传播时对流层折射率变化和电离层电子含量变化所引起的。其中，电离层延迟误差在空间范围内变化较小，可利用差分消除；而对流层延迟误差则在时间和空间上均会产生较大的变化，甚至其在短时间、小范围内也可能产生较大差异。因此，我们这里主要讨论对流层延迟误差对形变结果的影响。通常，对流层延迟误差在空间域内表现为较低频率的相关性，而在时间域上则呈现为高频特性。因此，大气误差对形变结果的影响有时候表现为系统误差，有时候又表现为偶然误差。其中，系统性的大气误差主要是和地形相关的：地形越高，距离卫星的距离越短，大气影响越小；反之，地形越低，距离卫星的距离越远，大气的影响就越大。因此，我们一般可以通过建立一个与地形相关的模型即采用参数估计的方法对这种系统性的大气误差进行消除。而当大气误差表现为偶然性时，也可以通过前面的干涉图滤波消除，但更多的则是在有多个干涉图的情况下，利用时间域的高通滤波来对其进行分离。
  总的来说，大气误差是 InSAR 处理中很关键的一项影响因素，特别的由于其具有空间上的低频特性，往往很难将其和地表形变相位区分开来，从而造成伪形变相位，这种伪形变相位会严重的影响形变结果的解译。目前，有关大气对流层延迟误差的改正方法可大致分为两类：一类是通过获取区域内的多幅影像，分析信号的统计特性进行大气延迟改正，如干涉图的线性叠加法、永久散射体方法等；另一类是利用外部独立数据辅助进行大气相位的消除。首先借助外部独立气象数据如 GPS、MERIS、MODIS 等计算得到大气延迟量，然后再将其从InSAR 干涉相位图中去除以达到大气相位的延迟改正。

5.解缠误差

  相位解缠是 InSAR 数据处理中的难点和重点，它的准确性将直接影响 InSAR 形变监测结果的精度和可靠性。目前，有关 InSAR 相位解缠算法可大致分为 3 类：第一类是基于路径跟踪的算法。路径跟踪法是基于逐个像素搜索，利用相位数据的局部信息，通过一定的方法得到全局最优解，故属于局部算法。路径跟踪算法能有效的抑制局部相位误差在整个积分区域的传播，可在相干性好的区域获得较精确的解缠结果，保证解缠值的可靠性；但是当干涉图含有较大噪声时，该类算法易造成误差传递或无法解缠的孤立区块。第二类是基于最小范数的算法。相对于路径积分算法，最小范数法可归为全局算法，它是通过在解缠结果中加入某种约束即一定的数学模型，使其与
原始相位达到某种程度的最优逼近，如最小二乘相位解缠，它不需识别残差点，具有较好的稳定性，但是正由于其是“穿过”而不“绕过”残差点，易导致误差传递。第三类是基于最优估计的算法，最优估计法是通过使解缠相位的导数和缠绕相位的导数之差最小化实现的，不再需要进行残差点识别，通常都能较好的抑制误差传递，但是其往往理论相对复杂，计算难度大，如常用的网络流模型等。
   然而，我们知道，InSAR 数据处理中受到许多的失相干因素的影响，如干涉噪声、地形起伏引起的叠掩、阴影以及形变梯度过大等，这些失相干因素往往导致我们获取的干涉相位不连续，相位的周期性和趋势性遭到破坏，从而大大的增加了相位解缠的难度，甚至可能造成错误的相位解缠，直接影响了 InSAR 形变监测结果的精度。特别的，这种错误的相位解缠，更多的则体现为解缠粗差，其表现在空间上常为一片一片的出现。通过干涉图滤波，能在一定的程度上提高干涉图的信噪比，提高相位解缠的精度，但更多的还需要通过多干涉图组合的方法来进行相位解缠误差的剔除。

6.地理编码误差

  地理编码是将 InSAR 获取的雷达 SAR 坐标系下的结果转换到地理坐标系下的过程。地理编码误差主要是由于所用的外部 DEM 数据的平面坐标不准确导致的。其表现为在地理坐标系下，当我们将 InSAR 形变结果与其它基础图层叠加分析时，形变点的位置常常会产生一个系统性的偏移，故其对形变结果的影响属于系统误差，一般可通过添加地面控制点来对其进行校正。