董 安,赵兴旺

(安徽理工大学空间信息与测绘工程学院,232001,安徽,淮南 )

0 引言

合成孔径雷达干涉观测(Interferometric Synthetic Aperture Radar,InSAR)技术以其全天候、全天时、高精度获取大面积缓慢形变信息的优势已成为地表形变监测的重要方法,广泛应用于地壳运动、冰川、滑坡、地球物理等诸多领域[1-2]。采用时序InSAR技术获取高精度地表变形信息时往往受到大气效应、地形相位、轨道误差等各种影响,其中大气延迟误差的校正最具有挑战性[3]。当雷达波穿过大气层时,会与水汽和气体分子发生相互作用,导致波速发生变化,从而引起了延迟效应,即大气延迟效应。在处理InSAR数据过程中,大气延迟效应一般由对流层延迟和电离层延迟所组成[3]。

在多数情况下,当研究区地势变化幅度较小时,大气延迟会造成数厘米的误差,其中,对流层延迟是主要原因。因此,如何削弱对流层延迟效应产生的影响,是研究InSAR领域的一个热点。目前,在大气延迟校正方面研究取得了一定的研究成果,提出了许多不同的校正方法。然而,由于每种方法都存在自身的局限性,如在不同的地形或大气条件下,校正效果可能存在差异。余琛等[4]提出了一种覆盖范围广、即时的通用InSAR大气改正在线服务,称为GACOS。该方法结合了GPS观测数据和高分辨率的ECMWF资料,并开发了相应的算法和工具,得到了广泛的应用。高梦瑶等[5]利用3种不同的模型对青藏高原西北缘地区进行对流层改正,评估3种模型对流层延迟改正效果和适用性,研究结果表明,3种方法均可削弱对流层延迟效应,其中,线性改正和GACOS改正效果相当且优于ERA5模型。何希山等[6]通过提出一种联合GACOS与线性大气校正的方法对香港地区进行研究分析,通过2种模型相互联合得到一种新的时序方法,并与常规的方法进行对比,最后通过使用GNSS观测数据对InSAR结果进行验证,结果表明新方法能够更真实地反映地表形变。因此,如何选择合适的校正方法以提高监测精度,也成为了时序InSAR技术发展的关键问题之一。

由于每种改正方法都有其优劣性,且对不同延迟部分的敏感程度不同,使得解决不同地区对流层延迟影响的问题变得困难。为了提高效果,需要综合多种改正方法,并结合不同数据源进行分析。然而,由于区域和时间的差异,无法找到一种适用于所有情况的方法。因此,需要根据具体情况讨论并选择合适的方法来削弱对流层延迟的影响。同时,在处理时序InSAR时会产生一定的误差影响,其中StaMPS永久散射体干涉测量(Persistent Scatterer ISnterferometry,PSI)方法能减少来自轨道、地形和其他不必要的噪声信号,适用于城市地区,且该方法凭借着开源性,受到众多学者的青睐[7-8]。因此,本文选取合肥地区作为研究区,基于StaMPS-PS方法进行时序分析,探讨了常用的经验模型线性改正、GACOS改正和ERA5改正这3种对流层延迟改正方法在形变速率反演中的效果和适用性。研究数据为雷达波C波段,由于雷达波C波段在传播过程中受电离层延迟影响较小,主要受对流层延迟的影响,因此本文仅对对流层延迟进行研究。

1 研究区域与数据

研究区为合肥,处于中纬度地区,介于北纬30°57′～32°32′、东经116°41′～117°58′之间,地势较为平坦,气候条件比较稳定。研究区域如图1所示。

图1 研究区分布

本文的研究数据采用Sentinel‐1A卫星VV极化方式的升轨数据,使用2019年1月10日至2020年10月19日共31景影像数据,对合肥市近2年内的地表沉降进行研究与分析。外部DEM数据采用分辨率为90 m的SRTM数据;精密轨道数据采用ESA(European Space Agency)发布的POD(Precise Orbit Ephemerides)精密定轨星历数据,其定位精度优于5 cm。大气误差延迟校正采用欧洲中期天气预报中心发布的ERA5和GACOS2种全球天气再分析数据集。公共主影像的选取通过时空基线方法进行数据筛选[9]。在31景中选择(2019-09-19)为主影像,与其他影像之间的关系如图2所示。

图2 时空基线

2 研究方法

2.1 数据流程及方法

时序InSAR技术的方法可提高InSAR地表观测的精度。当今,有很多时序InSAR技术和方法,需要根据实际情况选择较好的方法进行应用。相比于常规PSI时序分析方法, StaMPS PSI时序分析方法选点算法考虑了干涉图中相位间的空间关系和SAR图像的幅度信息。因此,具有时空分辨率更高及形变监测更精确等优点。基于StaMPS PS时序InSAR技术,每个点的干涉相位可表示为:

(1)

StaMPS-PS根据最小时空基线原则选取公共主影像,利用振幅离差进行PS点选取,通过进行相位解缠、高低通滤波等方法去除误差,最终得到形变量。在StaMPS中,该方法受到轨道、EDM产品质量数据处理、大气误差等的影响。其中,在进行去除大气相位时2次成像期间大气发生变化,会导致对流层延迟改正出现一定的误差问题[10-11]。为了更好地削弱对流层延迟的影响,本文通过评估分析地形线性相关的经验方法、ERA5数据集和GACOS数据集在研究区域的改正情况,选出最优的方法,以提高InSAR测量的可靠性和精度。

结合31景Sentinel-1A影像的振幅影像图和干涉处理得到的相关系数图,采用振幅离差指数方法,根据研究区相干性条件,设置阈值为0.4,以此保证PS候选点的数量,其次在图像处理时将图像分成25块,以此提高效率。同时城市相干性较好,将限定像素的密度设置为百分之一,最终提取77 823个PS点。图3为基于SNAP的StaMPS PSI时序分析流程。

图3 数据处理流程图

2.2 大气延迟改正方法

线性改正是通过估计线性模型的参数,对干涉相位进行线性改正。通过拟合延迟相位,来获得对流层延迟相位图。从而得到简单的线性关系,见式(2):

Δφtrop=φX+Mh

(2)

式中,φX为相位偏移量,M为高程h与大气相位屏相关系数,M在特定的干涉图中为定值。

GACOS模型是利用迭代对流层分解(ITD)模型将分层和湍流信号与对流层总延迟分开,并生成高空间分辨率的天顶总延迟图,再通过获得卫星的入射角信息来得到LOS延迟图。GACOS模型见式(3):

ZTDP=S(hP)+T(xP)+ζP

(3)

式中,P表示选取目标位置,S表示为垂直方向的分量,T表示大气湍流信号,xP表示观测站的站心坐标向量,ζ为模型产生的残差。

ERA5数据集进行校正的方法是估计每个干涉像素点的大气干扰相位。这些大气参数包括温度、湿度、气压等,以及全球大气模型中的温度、湿度和压力场[12]。通过将这些数据与干涉相位进行匹配和插值,可以得到每个像素点的大气干扰相位, 然后,通过估计的大气干扰相位从观测到的干涉相位中减去,即可得到校正后的干涉相位。并将其投影到LOS向,从而得到雷达图像各历元的对流层延迟[13]。这种校正方法能够有效降低雷达图像中的对流层延迟,并提高图像的准确性和可靠性。同时,该方法也适用于其他遥感数据的处理,以获得更准确的地表特征信息。

2.3 评估标准

地表未发生形变时标准差是衡量大气改正效果的一个重要指标,可以用来估计整体的大气改正效果[14]。标准差能够用来衡量研究区域整体的噪声水平。StaMPS在计算标准差时能够有效地考虑不确定性,将时间序列的噪声影响降至最小[15]。标准差计算公式为:

(4)

式中,σ表示标准差,N为像素点个数,Xi表示第i个像素点的形变相位。

在计算干涉图的标准差时,为了排除NaN值的影响,本研究在计算过程中对其进行了排除。最终,通过比较在研究区域中采用不同改正方法前后的干涉图标准差来评估改正效果。

3 实验结果分析

3.1 合肥区对流层延迟校正及评估

在时序形变监测中,城市区域地形变化相对较小,相干性较强[16],以LOS从地面到卫星方向为正,图4展示了在合肥区域,原始形变速率图与经验模型线性改正、气象模型ERA5数据集改正以及GACOS改正的结果。原始形变速率是在时序InSAR中未使用模型进行对流层改正的数值,由于时序InSAR本身就具有一定的削弱对流层影响,所以其结果具有一定的可靠性。

图4 对流层延迟校正前后形变速率图

从图4中可以看出,进行对流层延迟改正后,合肥市区西北部和南部地区相比于未改正的图像来说,标准差明显减小,改正效果明显。然而,受天气、云层等原因影响, ERA5和GACOS的改正存在部分大气误差。其整体标准差基本一致,只有少部分地区有区别。通过线性改正、ERA5改正和GACOS改正后形变速率标准差分别降低了21.71%、16.14%、10.38%。由此可得,在本研究中,比较了3种大气校正方法,并发现3种模型在改正效果上都起到了一定的作用。其中,线性改正效果最好, ERA5改正效果次之,GACOS改正效果相对于以上2种方法效果较差。在时序处理过程中,线性改正通过将地形的变化与干涉相位的变化进行关联,从而减小湍流延迟引起的垂直分层延迟。这是线性改正方法效果好的原因之一。

3.2 研究区域年沉降结果分析

根据图5所示的监测结果,可以发现,在监测时间段内,研究区的年形变速率下降最大值为-12.662 3 mm/y,上升最大值为9.525 3 mm/y。具体来说,研究区偏左中心位置出现较大地面沉降,沉降速率集中在-11.109 mm/y到-0.1 mm/y之间。为了直观比较改正后InSAR时序结果精度,从图5中随机选取PS点进行观测。选择3种不同的方法比较,统计3种方法的累计沉降量并进行对比分析。累积沉降量如图6所示,可以看出图6中3种方法得到的沉降效果基本一致,整体呈现下降趋势。在近两年的研究过程中,地面处于一个沉降的过程,沉降幅度均保持在10 mm以内,整体拟合曲线都是保持一定的速率下沉。随机选取的P1点在2019年1月到5月表现为下沉趋势,沉降速率较快,在2019年6月至8月形变特征较为复杂,期间有抬升现象发生,由于在夏季温度上升的原因导致地面受气温、气压、水汽等方面的影响从而导致地面有轻微的回弹,2020年上半年沉降较为稳定,10月份的时候有一个大幅度的下沉。P2点整体也是下沉趋势,2019年1月到5月时下沉速度较为缓慢,同时在6月至8月有一个回弹现象,在2020年3月至5月有一个大幅度的沉降表现,下半年沉降数值基本保持不变,较为稳定。从整体来看,沉降范围呈现出大分散、小集中的分布特征。另外,由于合肥市对地下水资源进行管控[17],在2014年之后,地下水整体呈上升趋势,因此,部分地方出现了小幅度的地面上升现象[18]。

图5 StaMPS-PS沿LOS向年平均形变速率

图6 PS点时序累计形变序列

4 结论

本文选取了2019年1月—2020年10月近2年的时间,对合肥地区共31景Sentient-1A影像进行处理,使用常规StaMPS PSI时序方法分析,利用线性改正、ERA5数据集改正和GACOS改正这3种模型得到的对流层延迟进行评估比较,得到如下结论。

1)3种不同气象模型改正均有效果,且对流层改正后的标准差分别降低了21.71%、16.14%、10.38%。

2)3种模型改正过程中线性改正的效果最好,ERA5改正次之,GACOS改正的效果稍差,其原因是受到天气和云层等因素的影响,以及研究区域处于城市环境当中相干性较好。

3)由于复杂的地形、城市建筑物和天气等因素对大气延迟都会造成影响,在选择和使用不同的大气改正方法时,需要综合考虑研究区域的具体情况进行分析。在本实验研究区或相干性较好地区可以优先考虑线性方法进行大气改正,使最终得到的结果相对较好。