基于StaMPS-PS時序InSAR對流層延遲改正方法評估

董 安,趙興旺

(安徽理工大學空間信息與測繪工程學院,232001,安徽,淮南 )

0 引言

合成孔徑雷達干涉觀測(Interferometric Synthetic Aperture Radar,InSAR)技術以其全天候、全天時、高精度獲取大面積緩慢形變信息的優勢已成為地表形變監測的重要方法,廣泛應用于地殼運動、冰川、滑坡、地球物理等諸多領域[1-2]。采用時序InSAR技術獲取高精度地表變形信息時往往受到大氣效應、地形相位、軌道誤差等各種影響,其中大氣延遲誤差的校正最具有挑戰性[3]。當雷達波穿過大氣層時,會與水汽和氣體分子發生相互作用,導致波速發生變化,從而引起了延遲效應,即大氣延遲效應。在處理InSAR數據過程中,大氣延遲效應一般由對流層延遲和電離層延遲所組成[3]。

在多數情況下,當研究區地勢變化幅度較小時,大氣延遲會造成數厘米的誤差,其中,對流層延遲是主要原因。因此,如何削弱對流層延遲效應產生的影響,是研究InSAR領域的一個熱點。目前,在大氣延遲校正方面研究取得了一定的研究成果,提出了許多不同的校正方法。然而,由于每種方法都存在自身的局限性,如在不同的地形或大氣條件下,校正效果可能存在差異。余琛等[4]提出了一種覆蓋范圍廣、即時的通用InSAR大氣改正在線服務,稱為GACOS。該方法結合了GPS觀測數據和高分辨率的ECMWF資料,并開發了相應的算法和工具,得到了廣泛的應用。高夢瑤等[5]利用3種不同的模型對青藏高原西北緣地區進行對流層改正,評估3種模型對流層延遲改正效果和適用性,研究結果表明,3種方法均可削弱對流層延遲效應,其中,線性改正和GACOS改正效果相當且優于ERA5模型。何希山等[6]通過提出一種聯合GACOS與線性大氣校正的方法對香港地區進行研究分析,通過2種模型相互聯合得到一種新的時序方法,并與常規的方法進行對比,最后通過使用GNSS觀測數據對InSAR結果進行驗證,結果表明新方法能夠更真實地反映地表形變。因此,如何選擇合適的校正方法以提高監測精度,也成為了時序InSAR技術發展的關鍵問題之一。

由于每種改正方法都有其優劣性,且對不同延遲部分的敏感程度不同,使得解決不同地區對流層延遲影響的問題變得困難。為了提高效果,需要綜合多種改正方法,并結合不同數據源進行分析。然而,由于區域和時間的差異,無法找到一種適用于所有情況的方法。因此,需要根據具體情況討論并選擇合適的方法來削弱對流層延遲的影響。同時,在處理時序InSAR時會產生一定的誤差影響,其中StaMPS永久散射體干涉測量(Persistent Scatterer ISnterferometry,PSI)方法能減少來自軌道、地形和其他不必要的噪聲信號,適用于城市地區,且該方法憑借著開源性,受到眾多學者的青睞[7-8]。因此,本文選取合肥地區作為研究區,基于StaMPS-PS方法進行時序分析,探討了常用的經驗模型線性改正、GACOS改正和ERA5改正這3種對流層延遲改正方法在形變速率反演中的效果和適用性。研究數據為雷達波C波段,由于雷達波C波段在傳播過程中受電離層延遲影響較小,主要受對流層延遲的影響,因此本文僅對對流層延遲進行研究。

1 研究區域與數據

研究區為合肥,處于中緯度地區,介于北緯30°57′～32°32′、東經116°41′～117°58′之間,地勢較為平坦,氣候條件比較穩定。研究區域如圖1所示。

圖1 研究區分布

本文的研究數據采用Sentinel‐1A衛星VV極化方式的升軌數據,使用2019年1月10日至2020年10月19日共31景影像數據,對合肥市近2年內的地表沉降進行研究與分析。外部DEM數據采用分辨率為90 m的SRTM數據;精密軌道數據采用ESA(European Space Agency)發布的POD(Precise Orbit Ephemerides)精密定軌星歷數據,其定位精度優于5 cm。大氣誤差延遲校正采用歐洲中期天氣預報中心發布的ERA5和GACOS2種全球天氣再分析數據集。公共主影像的選取通過時空基線方法進行數據篩選[9]。在31景中選擇(2019-09-19)為主影像,與其他影像之間的關系如圖2所示。

圖2 時空基線

2 研究方法

2.1 數據流程及方法

時序InSAR技術的方法可提高InSAR地表觀測的精度。當今,有很多時序InSAR技術和方法,需要根據實際情況選擇較好的方法進行應用。相比于常規PSI時序分析方法, StaMPS PSI時序分析方法選點算法考慮了干涉圖中相位間的空間關系和SAR圖像的幅度信息。因此,具有時空分辨率更高及形變監測更精確等優點?；赟taMPS PS時序InSAR技術,每個點的干涉相位可表示為:

(1)

StaMPS-PS根據最小時空基線原則選取公共主影像,利用振幅離差進行PS點選取,通過進行相位解纏、高低通濾波等方法去除誤差,最終得到形變量。在StaMPS中,該方法受到軌道、EDM產品質量數據處理、大氣誤差等的影響。其中,在進行去除大氣相位時2次成像期間大氣發生變化,會導致對流層延遲改正出現一定的誤差問題[10-11]。為了更好地削弱對流層延遲的影響,本文通過評估分析地形線性相關的經驗方法、ERA5數據集和GACOS數據集在研究區域的改正情況,選出最優的方法,以提高InSAR測量的可靠性和精度。

結合31景Sentinel-1A影像的振幅影像圖和干涉處理得到的相關系數圖,采用振幅離差指數方法,根據研究區相干性條件,設置閾值為0.4,以此保證PS候選點的數量,其次在圖像處理時將圖像分成25塊,以此提高效率。同時城市相干性較好,將限定像素的密度設置為百分之一,最終提取77 823個PS點。圖3為基于SNAP的StaMPS PSI時序分析流程。

圖3 數據處理流程圖

2.2 大氣延遲改正方法

線性改正是通過估計線性模型的參數,對干涉相位進行線性改正。通過擬合延遲相位,來獲得對流層延遲相位圖。從而得到簡單的線性關系,見式(2):

Δφtrop=φX+Mh

(2)

式中,φX為相位偏移量,M為高程h與大氣相位屏相關系數,M在特定的干涉圖中為定值。

GACOS模型是利用迭代對流層分解(ITD)模型將分層和湍流信號與對流層總延遲分開,并生成高空間分辨率的天頂總延遲圖,再通過獲得衛星的入射角信息來得到LOS延遲圖。GACOS模型見式(3):

ZTDP=S(hP)+T(xP)+ζP

(3)

式中,P表示選取目標位置,S表示為垂直方向的分量,T表示大氣湍流信號,xP表示觀測站的站心坐標向量,ζ為模型產生的殘差。

ERA5數據集進行校正的方法是估計每個干涉像素點的大氣干擾相位。這些大氣參數包括溫度、濕度、氣壓等,以及全球大氣模型中的溫度、濕度和壓力場[12]。通過將這些數據與干涉相位進行匹配和插值,可以得到每個像素點的大氣干擾相位, 然后,通過估計的大氣干擾相位從觀測到的干涉相位中減去,即可得到校正后的干涉相位。并將其投影到LOS向,從而得到雷達圖像各歷元的對流層延遲[13]。這種校正方法能夠有效降低雷達圖像中的對流層延遲,并提高圖像的準確性和可靠性。同時,該方法也適用于其他遙感數據的處理,以獲得更準確的地表特征信息。

2.3 評估標準

地表未發生形變時標準差是衡量大氣改正效果的一個重要指標,可以用來估計整體的大氣改正效果[14]。標準差能夠用來衡量研究區域整體的噪聲水平。StaMPS在計算標準差時能夠有效地考慮不確定性,將時間序列的噪聲影響降至最小[15]。標準差計算公式為:

(4)

式中,σ表示標準差,N為像素點個數,Xi表示第i個像素點的形變相位。

在計算干涉圖的標準差時,為了排除NaN值的影響,本研究在計算過程中對其進行了排除。最終,通過比較在研究區域中采用不同改正方法前后的干涉圖標準差來評估改正效果。

3 實驗結果分析

3.1 合肥區對流層延遲校正及評估

在時序形變監測中,城市區域地形變化相對較小,相干性較強[16],以LOS從地面到衛星方向為正,圖4展示了在合肥區域,原始形變速率圖與經驗模型線性改正、氣象模型ERA5數據集改正以及GACOS改正的結果。原始形變速率是在時序InSAR中未使用模型進行對流層改正的數值,由于時序InSAR本身就具有一定的削弱對流層影響,所以其結果具有一定的可靠性。

圖4 對流層延遲校正前后形變速率圖

從圖4中可以看出,進行對流層延遲改正后,合肥市區西北部和南部地區相比于未改正的圖像來說,標準差明顯減小,改正效果明顯。然而,受天氣、云層等原因影響, ERA5和GACOS的改正存在部分大氣誤差。其整體標準差基本一致,只有少部分地區有區別。通過線性改正、ERA5改正和GACOS改正后形變速率標準差分別降低了21.71%、16.14%、10.38%。由此可得,在本研究中,比較了3種大氣校正方法,并發現3種模型在改正效果上都起到了一定的作用。其中,線性改正效果最好, ERA5改正效果次之,GACOS改正效果相對于以上2種方法效果較差。在時序處理過程中,線性改正通過將地形的變化與干涉相位的變化進行關聯,從而減小湍流延遲引起的垂直分層延遲。這是線性改正方法效果好的原因之一。

3.2 研究區域年沉降結果分析

根據圖5所示的監測結果,可以發現,在監測時間段內,研究區的年形變速率下降最大值為-12.662 3 mm/y,上升最大值為9.525 3 mm/y。具體來說,研究區偏左中心位置出現較大地面沉降,沉降速率集中在-11.109 mm/y到-0.1 mm/y之間。為了直觀比較改正后InSAR時序結果精度,從圖5中隨機選取PS點進行觀測。選擇3種不同的方法比較,統計3種方法的累計沉降量并進行對比分析。累積沉降量如圖6所示,可以看出圖6中3種方法得到的沉降效果基本一致,整體呈現下降趨勢。在近兩年的研究過程中,地面處于一個沉降的過程,沉降幅度均保持在10 mm以內,整體擬合曲線都是保持一定的速率下沉。隨機選取的P1點在2019年1月到5月表現為下沉趨勢,沉降速率較快,在2019年6月至8月形變特征較為復雜,期間有抬升現象發生,由于在夏季溫度上升的原因導致地面受氣溫、氣壓、水汽等方面的影響從而導致地面有輕微的回彈,2020年上半年沉降較為穩定,10月份的時候有一個大幅度的下沉。P2點整體也是下沉趨勢,2019年1月到5月時下沉速度較為緩慢,同時在6月至8月有一個回彈現象,在2020年3月至5月有一個大幅度的沉降表現,下半年沉降數值基本保持不變,較為穩定。從整體來看,沉降范圍呈現出大分散、小集中的分布特征。另外,由于合肥市對地下水資源進行管控[17],在2014年之后,地下水整體呈上升趨勢,因此,部分地方出現了小幅度的地面上升現象[18]。

圖5 StaMPS-PS沿LOS向年平均形變速率

圖6 PS點時序累計形變序列

4 結論

本文選取了2019年1月—2020年10月近2年的時間,對合肥地區共31景Sentient-1A影像進行處理,使用常規StaMPS PSI時序方法分析,利用線性改正、ERA5數據集改正和GACOS改正這3種模型得到的對流層延遲進行評估比較,得到如下結論。

1)3種不同氣象模型改正均有效果,且對流層改正后的標準差分別降低了21.71%、16.14%、10.38%。

2)3種模型改正過程中線性改正的效果最好,ERA5改正次之,GACOS改正的效果稍差,其原因是受到天氣和云層等因素的影響,以及研究區域處于城市環境當中相干性較好。

3)由于復雜的地形、城市建筑物和天氣等因素對大氣延遲都會造成影響,在選擇和使用不同的大氣改正方法時,需要綜合考慮研究區域的具體情況進行分析。在本實驗研究區或相干性較好地區可以優先考慮線性方法進行大氣改正,使最終得到的結果相對較好。