留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

CryoSat-2 SARIn数据干涉处理及DEM获取

董玉森 ChangHsing-Chung 张奎 马娇 汪舒 孙攀

董玉森, ChangHsing-Chung, 张奎, 马娇, 汪舒, 孙攀. CryoSat-2 SARIn数据干涉处理及DEM获取[J]. 武汉大学学报 ● 信息科学版, 2017, 42(6): 803-809. doi: 10.13203/j.whugis20150568
引用本文: 董玉森, ChangHsing-Chung, 张奎, 马娇, 汪舒, 孙攀. CryoSat-2 SARIn数据干涉处理及DEM获取[J]. 武汉大学学报 ● 信息科学版, 2017, 42(6): 803-809. doi: 10.13203/j.whugis20150568
DONG Yusen, Chang Hsing-Chung, ZHANG Kui, MA Jiao, WANG Shu, SUN Pan. CryoSat-2 SARIn Interferometric Processing for DEM Generation[J]. Geomatics and Information Science of Wuhan University, 2017, 42(6): 803-809. doi: 10.13203/j.whugis20150568
Citation: DONG Yusen, Chang Hsing-Chung, ZHANG Kui, MA Jiao, WANG Shu, SUN Pan. CryoSat-2 SARIn Interferometric Processing for DEM Generation[J]. Geomatics and Information Science of Wuhan University, 2017, 42(6): 803-809. doi: 10.13203/j.whugis20150568

CryoSat-2 SARIn数据干涉处理及DEM获取

doi: 10.13203/j.whugis20150568
基金项目: 

国家自然科学基金 41001248

国家自然科学基金 41404027

中国地质调查局 1212011220106

中国地质调查局 12120115063201

智能地学信息处理湖北省重点实验室开放研究课题 KLIGIP201605

详细信息
    作者简介:

    董玉森, 博士, 讲师, 主要从事地学遥感及全球变化的理论与方法研究。dongyusen@gmail.com

  • 中图分类号: P237

CryoSat-2 SARIn Interferometric Processing for DEM Generation

Funds: 

The National Natural Science Foundation of China 41001248

The National Natural Science Foundation of China 41404027

the China Geological Survey project 1212011220106

the China Geological Survey project 12120115063201

the Open Research Project of The Hubei Key Laboratory of Intelligent Geo-Information Processing KLIGIP201605

More Information
    Author Bio:

    DONG Yusen, PhD, lecturer, specializes in geological remote sensing and global changing. E-mail:dongyusen@gmail.com

  • 摘要: CryoSat-2搭载的合成孔径/干涉雷达高度计能够精确地探测海洋与大陆冰面高程变化,其合成孔径干涉模式(synthetic aperture interferometric mode,SARIn)提供的干涉数据可以利用传统差分干涉测量技术反演地面的高程信息,但在欧洲空间局公布的SARIn二级产品没有充分地利用这一信息。介绍了SARIn模式工作原理,并结合传统干涉测量技术,提出利用SARIn一级(level 1b,L1b)数据进行数字高程模型提取的算法和流程。通过数据质量检查,剔除数据中的错误信息;通过信号强度和相干性选择合适的解缠起点,实现干涉数据的逐行解缠;计算出卫星视角,结合卫星姿态、速度、位置和视线向距离等信息计算地面点的三维信息,最终插值生成SARIn DEM(digital elevation model)。利用该算法对2012年1月~4月的SARIn L1b数据进行干涉处理,获得了南极Lambert冰川流域局部地区的数字高程模型。通过对比ICESat DEM和RMAP DEM,表明SARIn DEM具有较高的精度,能够满足南北极等地区的高程变化研究。
  • 图  1  SARIn模式下SIRAL信号传输与接收示意图(据Wingham[14]修改)

    Figure  1.  SARIn Transmission and Reception Mode

    图  2  SARIn干涉原理图

    Figure  2.  Principle of SARIn Operation

    图  3  SARIn DEM数据处理流程图

    Figure  3.  Flowchart of SARIn DEM Generation

    图  4  单组数据中的信号强度值与相干性

    Figure  4.  Return Power and Coherence in Single Line

    图  5  单组数据解缠前及解缠后的相位值

    Figure  5.  Original Phase and Unwrapped Phase

    图  6  SARIn有效点高程点分布密度情况示意图

    Figure  6.  Density of Effective Points of SARIn DEM

    图  7  插值前及插值后的SARIn DEM

    Figure  7.  SARIn DEM with and Without Interpolation

    图  8  SARIn DEM与参考DEM的差值图及误差分布频率

    Figure  8.  Frequency and Difference Between the SARIn DEM and Reference DEM

  • [1] Pepin N, Bradley R S, Diaz H F, et al. Elevation-dependent Warming in Mountain Regions of the World[J]. Nature Climate Change, 2015, 5: 424-430 doi:  10.1038/nclimate2563
    [2] Zhou Y, Zhou C, Deng F, et al. Improving InSAR Elevation Models in Antarctica Using Laser Altimetry, Accounting for Ice Motion, Orbital Errors and Atmospheric Delays[J]. Remote Sensing of Environment, 2015, 162: 112-118 doi:  10.1016/j.rse.2015.01.017
    [3] 董玉森, Ge Linlin, Chang H-C, 等.基于差分雷达干涉测量的矿区地面沉降监测研究[J].武汉大学学报·信息科学版, 2007, 32(10): 888-891 http://ch.whu.edu.cn/CN/abstract/abstract2013.shtml

    Dong Yusen, Ge Linlin, Chang H-C, et al. Mine Subsidence Monitoring by Differential InSAR[J]. Geomatics and Information Science of Wuhan University, 2007, 32(10): 888-891 http://ch.whu.edu.cn/CN/abstract/abstract2013.shtml
    [4] Cook A J, Murray T, Luckman A, et al. A New 100-m Digital Elevation Model of the Antarctic Peninsula Derived from ASTER Global DEM: Methods and Accuracy Assessment[J]. Earth System Science Data, 2012, 4(1): 129-142 doi:  10.5194/essd-4-129-2012
    [5] Dong Y, Chen W, Chang H-C, et al. Assessment of Orthoimage and DEM Derived from ZY-3 Stereo Image in Northeastern China[J]. Survey Review, 2015, 48(349):247-257 https://www.researchgate.net/profile/Weitao_Chen2/publication/275722218_Assessment_of_orthoimage_and_DEM_derived_from_ZY-3_stereo_image_in_Northeastern_China/links/569e17ff08ae00e5c990fb1c.pdf?origin=publication_detail
    [6] Liu J, Tong X, Liu S, et al. Elevation Change of Lambert-Amery System from ICES at/GLAS Data[C]. 2012 Second International Workshop on Earth Observation and Remote Sensing Applications (EORSA), Shanghai, China, 2012
    [7] Helm V, Humbert A, Miller H. Elevation and Elevation Change of Greenland and Antarctica Derived from CryoSat-2[J]. The Cryosphere, 2014, 8(4): 1 539-1 559 doi:  10.5194/tc-8-1539-2014
    [8] Mcmillan M, Shepherd A, Sundal A, et al. Increased Ice Losses from Antarctica Detected by CryoSat-2[J]. Geophysical Research Letters, 2014, 41(11): 2014GL060111 https://www.researchgate.net/publication/262386607_Increased_ice_losses_from_Antarctica_detected_by_CryoSat-2
    [9] Wen J, Jezek K C, Monaghan A J, et al. Accumulation Variability and Mass Budgets of the Lambert Glacier-Aery Ice Shelf System, East Antarctica, at High Elevations[J]. Annals of Glaciology, 2006, 43(1): 351-360 doi:  10.3189/172756406781812249
    [10] Liu H, Jezek K C, Li B. Development of an Antarctic Digital Elevation Model by Integrating Cartographic and Remotely Sensed Data: A Geographic Information System Based Approach[J]. Journal of Geophysical Research, 1999, 104(B10): 23 199-23 213 doi:  10.1029/1999JB900224
    [11] Brenner A C, Dimarzio J P, Zwally H J. Precision and Accuracy of Satellite Radar and Laser Altimeter Data Over the Continental Ice Sheets[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(2): 321-331 doi:  10.1109/TGRS.2006.887172
    [12] Slobbe D C, Lindenbergh R C, Ditmar P. Estimation of Volume Change Rates of Greenland's Ice Sheet from ICESat Data Using Overlapping Footprints[J]. Remote Sensing of Environment, 2008, 112(12): 4 204-4 213 doi:  10.1016/j.rse.2008.07.004
    [13] Abdalati W, Zwally H J, Bindschadler R, et al. The ICESat-2 Laser Altimetry Mission[J]. Proceedings of the IEEE, 2010, 98(5): 735-751 doi:  10.1109/JPROC.2009.2034765
    [14] Wingham D J, Francis C R, Baker S, et al. CryoSat: A Mission to Determine the Fluctuations in Earth's Land and Marine Ice Fields[J]. Advances in Space Research, 2006, 37(4): 841-871 doi:  10.1016/j.asr.2005.07.027
    [15] Gray L, Burgess D, Copland L, et al. Interferometric Swath Processing of Cryosat Data for Glacial Ice Topography[J]. The Cryosphere, 2013, 7(6): 1 857-1 867 doi:  10.5194/tc-7-1857-2013
    [16] Jung D-T L H-S, Yoon G-W. Development of an Efficient Processor for SIRAL SARIn Mode[J]. Korean Journal of Remote Sensing, 2010, 26(3)335-346 https://www.researchgate.net/publication/263999490_Development_of_an_Efficient_Processor_for_SIRAL_SARIn_Mode
    [17] Bouzinac C. CryoSat Product Handbook[R]. London, UK: ESA and Mullard Space Science Laboratory-University College London, 2012
    [18] Wingham D J, Phalippou L, Mavrocordatos C, et al. The Mean Echo and Echo Cross Product from a Beamforming Interferometric Altimeter and Their Application to Elevation Measurement[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(10): 2 305-2 323 doi:  10.1109/TGRS.2004.834352
    [19] Scagliola, M. CryoSat Footprints[R]. SAR-CRY2-TEN-6331; European Space Agency, Paris, France, 2013
    [20] Kleinherenbrink M, Lindenbergh R C, Ditmar P G. Monitoring of Lake Level Changes on the Tibetan Plateau and Tian Shan by Retracking Cryosat SARIn Waveforms[J]. Journal of Hydrology, 2015, 521: 119-131 doi:  10.1016/j.jhydrol.2014.11.063
    [21] 任贾文, 效存德, 秦大河, 等. Lambert冰川流域物质平衡和南极冰盖变化[J].中国科学(D辑:地球科学), 2002, 32(2): 134-140 http://www.cnki.com.cn/Article/CJFDTOTAL-ZKJZ200210014.htm

    Ren Jiawen, Xiao Cunde, Qin Dahe, et al. Mass Balance of the Lambert Glacier Basin, East Antarctica[J]. Science in China(Serie D). 2002, 32(2): 134-140 http://www.cnki.com.cn/Article/CJFDTOTAL-ZKJZ200210014.htm
    [22] Liu H, Jezek K C, Li B, et al. RADARSAT Antarctic Mapping Project Digital Elevation Model Version 2[R]. Boulder, Colorado, USA: National Snow and Ice Data Center, 2001
    [23] John D. GLAS/ICESat 500 m Laser Altimetry Digital Elevation Model of Antarctica [R]. Boulder, Colorado, USA: National Snow and Ice Data Center, 2007
    [24] Wessel P, Smith W H, Scharroo R, et al. Generic Mapping Tools: Improved Version Released[J]. Eos, Transactions American Geophysical Union, 2013, 94(45): 409-410 https://www.researchgate.net/publication/259130456_Generic_Mapping_Tools_Improved_Version_Released
    [25] Baek S, Kwoun O-I, Braun, et al. Digital Elevation Model of King Edward Ⅶ Peninsula, West Antarctica, From SAR Interferometry and ICESat Laser Altimetry[J]. IEEE Geoscience and Remote Sensing Letters, 2005, 2(4): 413-417 doi:  10.1109/LGRS.2005.853623
    [26] Rignot E, Echelmeyer K, Krabill W. Penetration Depth of Interferometric Synthetic-aperture Radar Signals in Snow and Ice[J]. Geophysical Research Letters, 2001, 28(18): 3 501-3 504 doi:  10.1029/2000GL012484
    [27] Zwally H J, Yi D, Kwok R, et al. ICESat Measurements of Sea Ice Freeboard and Estimates of Sea Ice Thickness in the Weddell Sea[J]. Journal of Geophysical Research: Oceans (1978-2012), 2008, 113(C2) https://www.researchgate.net/publication/233778830_ICESat_measurements_of_sea_ice_freeboard_and_estimates_of_sea_ice_thickness_in_the_Weddell_Sea
    [28] Kwok R, Cunningham G F. ICESat over Arctic Sea Ice: Estimation of Snow Depth and Ice Thickness[J]. Journal of Geophysical Research: Oceans (1978-2012), 2008, 113(C8) https://www.researchgate.net/publication/233778828_ICESat_over_Arctic_sea_ice_Estimation_of_snow_depth_and_ice_thickness
    [29] Rodríguez E, Morris CS, Belz JE.A Global Assessment of the SRTM Performance[J]. Photogrammetric Engineering & Remote Sensing. 2006, 72(3):249-260 https://www.researchgate.net/publication/255262465_A_global_assessment_of_SRTM_performance
    [30] Dong Y, Chang H C, Chen W, et al. Accuracy Assessment of GDEM, SRTM, and DLR-SRTM in Northeastern China[J], Geocarto International, 2015, 30(7):779-792 doi:  10.1080/10106049.2014.985744
    [31] Michele S, Marco F. Known Biases in CryoSat Level1b Products[R]. European Space Agency, Paris, France, 2013
  • [1] 李振洪, 李鹏, 丁咚, 王厚杰.  全球高分辨率数字高程模型研究进展与展望 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 1927-1942. doi: 10.13203/j.whugis20180295
    [2] 徐志敏, 林志勇, 李雯静, 龙毅.  基于填挖方分析的DEM精度评价模型 . 武汉大学学报 ● 信息科学版, 2017, 42(8): 1167-1171. doi: 10.13203/j.whugis20140906
    [3] 肖峰, 李斐, 张胜凯, 袁乐先, 朱婷婷.  联合CryoSat-2测高数据和地面高程数据建立东南极拉斯曼丘陵地区DEM . 武汉大学学报 ● 信息科学版, 2017, 42(10): 1417-1422. doi: 10.13203/j.whugis20160011
    [4] 张胜凯, 肖峰, 李斐, 鄂栋臣, 程晓.  基于CryoSat-2测高数据的南极局部地区DEM的建立与精度评定 . 武汉大学学报 ● 信息科学版, 2015, 40(11): 1434-1439. doi: 10.13203/j.whugis20150274
    [5] 周毅, 汤国安, 习羽, 田剑.  引入改进Snake模型的黄土地形沟沿线连接算法 . 武汉大学学报 ● 信息科学版, 2013, 38(1): 82-85.
    [6] 王雷, 杨勤科, 王春梅, 龙永清.  采样数据密度及栅格尺寸对高程中误差的影响分析 . 武汉大学学报 ● 信息科学版, 2012, 37(3): 366-369.
    [7] 蒋厚军, 廖明生, 张路, 王腾.  高分辨率雷达卫星COSMO-SkyMed干涉测量生成DEM的实验研究 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1055-1058.
    [8] 胡海, 游涟, 胡鹏, 彭会琨.  数字高程模型内插方法的分析和选择 . 武汉大学学报 ● 信息科学版, 2011, 36(1): 82-85.
    [9] 陈楠, 王钦敏.  基于地形因子信息量的数字高程模型分辨率的选择——以黄土高原的研究为例 . 武汉大学学报 ● 信息科学版, 2009, 34(6): 692-695.
    [10] 胡鹏, 高俊.  数字高程模型的数字综合原理研究 . 武汉大学学报 ● 信息科学版, 2009, 34(8): 940-942.
    [11] 胡鹏, 白轶多, 胡海.  数字高程模型生成中的高程序同构 . 武汉大学学报 ● 信息科学版, 2009, 34(3): 352-357.
    [12] 朱长青, 王志伟, 刘海砚.  基于重构等高线的DEM精度评估模型 . 武汉大学学报 ● 信息科学版, 2008, 33(2): 153-156.
    [13] 刘水强, 陈继业, 朱鸿鹏.  基于经验模式分解的数字高程模型数据伪装方法 . 武汉大学学报 ● 信息科学版, 2008, 33(6): 652-655.
    [14] 白建军, 赵学胜, 陈军.  基于椭球面三角格网的数字高程建模 . 武汉大学学报 ● 信息科学版, 2005, 30(5): 383-387.
    [15] 杨杰, 廖明生, 江万寿, 杨文.  从单幅雷达影像提取地面高程信息 . 武汉大学学报 ● 信息科学版, 2000, 25(6): 537-541.
    [16] 朱庆, 李志林, 龚健雅, 眭海刚.  论我国“1:1万数字高程模型的更新与建库” . 武汉大学学报 ● 信息科学版, 1999, 24(2): 129-133.
    [17] 万幼川, 林开愚, 李植生, 雷志洪.  二维水质扩散模型的建立及应用 . 武汉大学学报 ● 信息科学版, 1995, 20(1): 28-34.
    [18] 李德仁, 王树根.  数字影像匹配质量的一种自动诊断方法 . 武汉大学学报 ● 信息科学版, 1995, 20(1): 1-6.
    [19] 邱卫宁.  根据等高线建立数字高程模型 . 武汉大学学报 ● 信息科学版, 1994, 19(3): 199-203.
    [20] 卢新海.  平面插值法构建DEM时特殊地形的处理 . 武汉大学学报 ● 信息科学版, 1991, 16(3): 79-83.
  • 加载中
图(8)
计量
  • 文章访问数:  1960
  • HTML全文浏览量:  96
  • PDF下载量:  462
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-04-28
  • 刊出日期:  2017-06-05

CryoSat-2 SARIn数据干涉处理及DEM获取

doi: 10.13203/j.whugis20150568
    基金项目:

    国家自然科学基金 41001248

    国家自然科学基金 41404027

    中国地质调查局 1212011220106

    中国地质调查局 12120115063201

    智能地学信息处理湖北省重点实验室开放研究课题 KLIGIP201605

    作者简介:

    董玉森, 博士, 讲师, 主要从事地学遥感及全球变化的理论与方法研究。dongyusen@gmail.com

  • 中图分类号: P237

摘要: CryoSat-2搭载的合成孔径/干涉雷达高度计能够精确地探测海洋与大陆冰面高程变化,其合成孔径干涉模式(synthetic aperture interferometric mode,SARIn)提供的干涉数据可以利用传统差分干涉测量技术反演地面的高程信息,但在欧洲空间局公布的SARIn二级产品没有充分地利用这一信息。介绍了SARIn模式工作原理,并结合传统干涉测量技术,提出利用SARIn一级(level 1b,L1b)数据进行数字高程模型提取的算法和流程。通过数据质量检查,剔除数据中的错误信息;通过信号强度和相干性选择合适的解缠起点,实现干涉数据的逐行解缠;计算出卫星视角,结合卫星姿态、速度、位置和视线向距离等信息计算地面点的三维信息,最终插值生成SARIn DEM(digital elevation model)。利用该算法对2012年1月~4月的SARIn L1b数据进行干涉处理,获得了南极Lambert冰川流域局部地区的数字高程模型。通过对比ICESat DEM和RMAP DEM,表明SARIn DEM具有较高的精度,能够满足南北极等地区的高程变化研究。

English Abstract

董玉森, ChangHsing-Chung, 张奎, 马娇, 汪舒, 孙攀. CryoSat-2 SARIn数据干涉处理及DEM获取[J]. 武汉大学学报 ● 信息科学版, 2017, 42(6): 803-809. doi: 10.13203/j.whugis20150568
引用本文: 董玉森, ChangHsing-Chung, 张奎, 马娇, 汪舒, 孙攀. CryoSat-2 SARIn数据干涉处理及DEM获取[J]. 武汉大学学报 ● 信息科学版, 2017, 42(6): 803-809. doi: 10.13203/j.whugis20150568
DONG Yusen, Chang Hsing-Chung, ZHANG Kui, MA Jiao, WANG Shu, SUN Pan. CryoSat-2 SARIn Interferometric Processing for DEM Generation[J]. Geomatics and Information Science of Wuhan University, 2017, 42(6): 803-809. doi: 10.13203/j.whugis20150568
Citation: DONG Yusen, Chang Hsing-Chung, ZHANG Kui, MA Jiao, WANG Shu, SUN Pan. CryoSat-2 SARIn Interferometric Processing for DEM Generation[J]. Geomatics and Information Science of Wuhan University, 2017, 42(6): 803-809. doi: 10.13203/j.whugis20150568
  • 数字高程(digital elevation model,DEM)是研究地球表面冰盖、冰川变化的重要资料之一[1]。利用合成孔径雷达干涉测量(synthetic aperture radar interferometry,InSAR)技术[2-3]、立体像对技术[4-5]及星载测高技术[6]可以获得不同地区的高程信息。不同时间高程信息的变化反应了冰盖、冰川的厚度变化信息,对研究南北极地区在全球气候变化背景下冰架、冰盖的物质平衡及其对全球海平面上升的贡献具有重要意义[7-8]

    早期的星载(ERS-1/2、ENVISAT)高度计数据受到分辨率和数据质量的影响,导致星载高度计无法准确获得南北极地区冰盖的变化信息[9],卫星轨道的影响导致一些关键的地区无法被观测到[10-11]。这一现象随着ICESat投入使用而有所改善,但是ICESat所搭载的激光高度传感器容易受到天气的影响[12]。CryoSat-2是欧洲空间局(European Space Agency,ESA)于2010年发射的一颗专门用于精确探测地球海洋与大陆冰面变化的卫星[13]。星上搭载的合成孔径雷达/干涉雷达高度计(SAR/interferometric radar altimeter,SIRAL)能够提供海面高程、冰面高程等信息。SIAL具有低分辨率模式(low resolution mode,LRM),合成孔径模式(synthetic aperture mode,SAM)及合成孔径干涉模式(synthetic aperture interferometric mode,SARIn)[14]三种工作模式。LRM模式是利用单天线的有限脉冲测高仪模式,SAM模式是利用单天线进行合成孔径测量。SARIn模式则利用双天线模式获取地物返回信号的相位差,以获得高精度的地面高程信息,该方式与航天飞机雷达地形测绘使命(shuttle radar topography mission, SRTM)工作方式类似。目前,基于SIRAL的数据,研究人员发现了海面高度变化、南极和格陵兰岛的高程变化及物质平衡变化,为全球变化研究提供重要的参考[7, 8, 15]

    由于SARIn一级(Level 1b, L1b)数据本身具有与传统雷达干涉模式具备的信息,能够通过干涉处理获得条带式的DEM信息[15-16]。但是在ESA公开的SIRAL数据产品中,SARIn数据的二级产品数据仅仅包含了单点的经纬度坐标和高程信息[17],没有充分地利用SARIn双天线干涉信息。本文通过分析SARIn模式的原理,建立了从SARIn一级产品(L1b数据)获取DEM的干涉处理流程,并以南极Lambert冰川地区为例,结合参考DEM数据,分析SARIn数据处理过程中的误差来源及获取的DEM精度。

    • CryoSat-2卫星上装载了两部SIRAL天线。在SARIn模式下,左天线向地面发射波长为0.022 1 m的Ku波段脉冲信号,左右天线同时接收地面反射回来的信号。通过计算左右两个天线接收到信号的相位差及信号返回时间,可以精确地计算地物的三维信息[16]。SARIn模式的信号传输模式如图 1所示。

      图  1  SARIn模式下SIRAL信号传输与接收示意图(据Wingham[14]修改)

      Figure 1.  SARIn Transmission and Reception Mode

      SIRAL脉冲信号传输模式与传统的SAR有所不同。在SARIn模式下,64个脉冲重复频率(pulse repetition frequency,PRF)为18.182 kHz的脉冲被组合在一起,形成一个脉冲帧;脉冲帧的重复频率(burst repetition frequency,BRF)为21.4 Hz。在时间序列上,SIRAL首先发射一个脉冲帧,然后接收地面反射的信号,这里线性调频信号的带宽为350 MHz,远大于SARIn模式的采样频率11.43 MHz。回波信号的采样窗口约为240 m,共包含512个采样数据。

      类似于传统的SAR模式,在SARIn数据处理中,采用了“停-走-停(Stop and Go)”的模式。由于PRF非常高,相比传统的SAR,SARIn不需要进行方位向压缩处理,仅仅需要进行距离向处理[18]。经过类合成孔径雷达成像技术处理后,该数据包含了卫星的位置、姿态、速度、基线矢量及地面目标的平均反射强度、干涉相位及相干性等信息[17]在SARIn L1b干涉获取时,假设O为地面观测点,AB分别为SIRAL的左、右天线,θA天线视线与垂直方向夹角,β为卫星的滚动角,其基本原理如图 2所示。

      图  2  SARIn干涉原理图

      Figure 2.  Principle of SARIn Operation

      在不考虑卫星滚动角β情况下,相对于地面点O,天线AB接收到的相位差Δφ可以表示为:

      $$ \Delta \varphi = \frac{{2\pi }}{\lambda }{B_l}\sin \theta $$ (1)

      式中,Bl为基线长度;λ为波长。θ与Δφ的关系可以表达为:

      $$ \sin \theta = \frac{\lambda }{{2\pi }} \cdot \frac{1}{{{B_l}}} \cdot \Delta \varphi = \Delta \varphi /{k_0}{B_l} $$ (2)

      式中,k0为载波数。

      当引入滚动角β后,公式(2) 可以写为[14]

      $$ \sin \left( {\theta + \beta } \right) = \Delta \varphi /{k_0}{B_l} $$ (3)

      因此,在SARIn L1b数据中已经提供了为解缠的相位信息Δφ及基线的矢量信息,可以按照传统的InSAR处理模式完成DEM的提取。

    • Cryosat-2卫星由ESA进行管理并发布相关的数据产品。SARIn模式的L1b数据为“DBL”格式,每一个文件中包含了一个沿轨方向长条状的多组数据信息。每两组数据之间在沿轨方向上的间隔大约有300 m。在当前的基线(baseline,B)模式下每一组数据对应一组经过多视处理后的返回脉冲信号,包含512个采样点,对应距离向约240 m,转换为地面距离约为15 km[17]。但是在最终发布时,这一数据被重采样,对应距离向减少到约120 m,距离向分辨率提高一倍。

      根据SARIn L1b数据的特点,参照InSAR干涉数据处理的原理,可以建立SARIn DEM数据处理流程,具体如图 3所示。

      图  3  SARIn DEM数据处理流程图

      Figure 3.  Flowchart of SARIn DEM Generation

    • 在SARIn L1b进行解缠处理时,首先需要对数据进行质量检查,剔除由于记录或前期处理中出现的错误信息[20]。在强度图中存在错误的数据组与两侧的数据中地物存在明显的不连续,在处理过程中必须删除这些数据,以免在后期平滑处理时引入新的误差。同时,较低的信号强度可能对应系统的热噪音,且相干性较低的区域在解缠中会带来新的误差。因此在质量检查中,不但要删除空间错位的数据,也需要在每一组数据中根据反射强度和相关性对数据进行掩膜处理。本文以2011年2月7日通过研究区的SARIn L1b降轨数据中的第1 500组数据为例,说明数据的处理及解缠过程。该组数据的信号强度及相干性如图 4所示。

      图  4  单组数据中的信号强度值与相干性

      Figure 4.  Return Power and Coherence in Single Line

    • 干涉图中的相位是缠绕后的相位值,通过对干涉数据进行相位解缠,将缠绕后的干涉相位恢复到原始状态,获得对应式(3) 中真实的Δφ值。在解缠之前,首先对相位值进行平滑处理,然后采用逐行解缠一维解缠方法进行相位解缠,这也是目前在SARIn L1b解缠处理中常用的一种方法[15]

      为了提高解缠精度,我们在选择解缠初始点时,对每一组数据分别从中选择反射强度及相干性比较高的点为起始点向两侧进行解缠处理,这样避免了解缠起始点噪音较大带来的解缠误差。在解缠的过程中,忽略相关性低于0.2的采样点,且只保留信号强度大于0.4倍最大强度值的采样点。相位解缠前及相位解缠后的结果如图 5所示,其中红色方块代表该组数据相位解缠起始点位置。

      图  5  单组数据解缠前及解缠后的相位值

      Figure 5.  Original Phase and Unwrapped Phase

    • 在完成相位解缠后,可以得到L1b数据中每一个采样点的相位值。利用式(3),计算出卫星的视角大小和方向。由卫星的位置、卫星视角方向、卫星基线矢量、卫星与观测目标的距离等参数,可以计算出地面观测点的坐标和高程信息。

    • 研究区位于南极东部的Lambert冰川流域。该流域是南极最大的冰川流域,面积占整个南极冰盖的1/8[21]。本文选取了通过该流域的2011年1~4月500多期次的SARIn L1b数据,利用本文提出的算法,获得了每一个条带上有效点的高程及坐标,并建立覆盖该区域部分地区的DEM数据。研究区有效高程点在200 m分辨率下的分布密度情况如图 6所示。为了验证所获得的DEM的精度,我们从美国国家冰雪数据中心(National Snow and Ice Data Center,NSIDC)收集了该区域的RAMP DEM(V2) 和ICESat DEM作为参考DEM,对所获得的DEM进行验证。

      图  6  SARIn有效点高程点分布密度情况示意图

      Figure 6.  Density of Effective Points of SARIn DEM

      RAMP DEM是利用RADARSAT雷达干涉数据获得的高精度DEM,本文研究中使用了NSIDC所提供的200 m分辨率的第二版DEM数据,其精度随地形复杂程度而有所不同,在地形复杂的山区RAMP DEM的垂直精度约为100~ 130 m,在内陆冰盖区的精度优于15 m,冰架区优于2 m,在坡度较大的沿岸地区垂直精度约为35 m[22]。而ICESat DEM则是利用2003~2006年的ICESat/GLAS测高数据处理后得到的高精度DEM。其分辨率为500 m,垂直精度随着点密度从极地到赤道方向逐步减少而有所降低[23]

      为了保证上述数据在同一坐标体系和同一分辨率下进行对比,将所有DEM投影为南极极地坐标系,同时通过通用制图工具(Generic Mapping Tools,GMT)[24]的blockmean功能计算不同分辨率尺度下每一个格网内所有SARIn数据有效点的均值作为该格网所代表的高程,将SARIn DEM分辨率分别采样为200 m和500 m,分别对应RAMP DEM(V2) 和ICESat DEM。最终所获得的200 m分辨率有效高程点分布密度图如图 6所示,DEM如图 7所示。尽管部分空白区域无高程点信息,但经过插值后的DEM能够反映出地表的形态。

      图  7  插值前及插值后的SARIn DEM

      Figure 7.  SARIn DEM with and Without Interpolation

    • 为了避免数据插值带来的误差,本文利用在同等分辨率下采取点对面的方式统计SARIn DEM与参考DEM之间的差异。利用ArcGIS计算SARIn DEM中每一个有效单元的高程值与参考DEM之间的差值,得到了区域内SARIn DEM与参考DEM之间的差异情况(如图 8所示)。

      图  8  SARIn DEM与参考DEM的差值图及误差分布频率

      Figure 8.  Frequency and Difference Between the SARIn DEM and Reference DEM

      图 8中可以看出,SARIn DEM与ICESat DEM之间的误差较小,其均值为-4.96 m,标准差为16.22 m,ICESat所获得的高程值要大于SARIn DEM。而对于RAMP DEM,SARIn DEM与其差异的均值为15.89 m,标准差为21.79 m。这表明后者与SARIn DEM之间存在着较大的误差。这主要是由于不同的高程获取机理引起的[25-26]。ICESat GLAS主要是测量了冰雪表面的高程[27],RAMP DEM所用RADARSAT卫星所使用的C波段雷达对冰雪表面具有一定的穿透性[26],而SARIn所用的Ku波段雷达对冰雪同样具有穿透性[28],但穿透程度低于C波段。因此,SARIn DEM的平均高程值要低于ICESat DEM但高于RAMP DEM。

      图 8(c)图 8(d)中存在SARIn DEM与参考DEM的误差在空间分布上具差异性,在图 8(d)中误差分布尤其明显。这主要是由于SARIn DEM与参考DEM在平面上的误差引起的。这种平面误差存在于常用的DEM中,如SRTM和GDEM[5, 29, 30]。本文在处理过程中忽略了不同DEM的平面误差。

    • CryoSat-2是欧洲空间局[31]发射的一颗高性能的地球海洋与大陆冰面的观测卫星,利用其SARIn观测模式可以获取高精度的地形信息。本文通过分析CryoSat-2卫星SAR/干涉雷达高度计的工作方式,特别是其中的SARIn模式工作原理,结合InSAR数据处理方法,建立了SARIn L1b干涉数据到DEM的算法流程。

      基于这一流程,本文以南极Lambert冰川地区为研究区,利用2011年1月~4月500多期次的SARIn L1b数据,获取了该区域的SARIn DEM,并利用ICESat DEM和RAMP DEM对其精度进行了验证。结果表明,利用SARIn模式的L1b数据,可以有效地获取研究区的DEM。因此,SARIn DEM可以为极地冰盖高程变化及物质平衡研究提供重要参考。

      后续将结合美国冰桥(IceBridge)科学计划的高精度观测数据对利用SARIn干涉生成的DEM和L2数据生成DEM分别进行检验,评价不同DEM的精度。

参考文献 (31)

目录

    /

    返回文章
    返回