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

川藏铁路沿线Sentinel-1影像几何畸变与升降轨适宜性定量分析

戴可人 张乐乐 宋闯 李振洪 卓冠晨 许强

戴可人, 张乐乐, 宋闯, 李振洪, 卓冠晨, 许强. 川藏铁路沿线Sentinel-1影像几何畸变与升降轨适宜性定量分析[J]. 武汉大学学报 ● 信息科学版, 2021, 46(10): 1450-1460. doi: 10.13203/j.whugis20210130
引用本文: 戴可人, 张乐乐, 宋闯, 李振洪, 卓冠晨, 许强. 川藏铁路沿线Sentinel-1影像几何畸变与升降轨适宜性定量分析[J]. 武汉大学学报 ● 信息科学版, 2021, 46(10): 1450-1460. doi: 10.13203/j.whugis20210130

川藏铁路沿线Sentinel-1影像几何畸变与升降轨适宜性定量分析

doi: 10.13203/j.whugis20210130
基金项目: 

国家自然科学基金 41941019

国家自然科学基金 41801391

地质灾害防治与地质环境保护国家重点实验室自主研究课题 SKLGP2020Z012

详细信息
    作者简介:

    戴可人,博士,教授,主要从事基于InSAR与多光谱遥感技术的地质灾害早期识别,监测预警与风险防控研究。daikeren17@cdut.edu.cn

    通讯作者: 李振洪,博士,教授。zhenhong.li@chd.edu.cn
  • 中图分类号: P237

Funds: 

The National Natural Science Foundation of China 41941019

The National Natural Science Foundation of China 41801391

the State Key Laboratory of Geohazard Prevention and Geoenvironment Protection Independent Research Project SKLGP2020Z012

More Information
    Author Bio:

    DAI Keren, PhD, professor, specializes in geohazards early identification, monitoring and early warning, risk prevention based on InSAR and multi-source remote sensing. E-mail: daikeren17@cdut.edu.cn

    Corresponding author: LI Zhenhong, PhD, professor. E-mail: zhenhong.li@chd.edu.cn
  • 摘要: 川藏铁路作为中国意义非凡的重大工程,也是世界铁路史上地形最复杂、地质安全问题最严峻的铁路。合成孔径雷达干涉测量技术(interferometric synthetic aperture radar,InSAR)凭借其广覆盖、高精度、高效率等特点已成为地质灾害隐患早期识别与监测的重要手段,但是其在川藏线地形起伏剧烈的高山峡谷区域会面临较为严重的几何畸变问题。以覆盖面最广、获取时间最密的全球完全开放获取的哨兵1号卫星(Sentinel-1)数据为例,将川藏铁路沿线作为研究区域开展卫星雷达影像几何畸变与适宜性分析。综合考虑合成孔径雷达(synthetic aperture radar,SAR)成像几何、Sentinel-1影像斜距向入射角差异及被动几何畸变3个方面,提出了一套基于局部入射角的Sentinel-1影像几何畸变区域精准定量识别方法,并对川藏线全线几何畸变进行了定量计算与升降轨适宜性分析。结果显示:川藏线所在极陡高山峡谷区单轨道几何畸变区域达到31%~35%,升降轨联合观测可以有效将几何畸变区域减小至1.5%,同时约有35%区域适宜升降轨同时观测进行联合分析。
  • 图  1  川藏铁路位置与沿线地形地貌特征

    Figure  1.  Location of Sichuan-Tibet Railway and Its Topographic Features

    图  2  川藏线Sentinel-1数据覆盖范围与对应轨道位置

    Figure  2.  Sentinel-1 Image Coverage Together with Their Path Numbers Along the Sichuan-Tibet Railway

    图  3  雷达侧视成像几何畸变关系示意图

    Figure  3.  SAR Geometric Distortions

    图  4  哨兵1号数据斜距向成像的入射角变化

    Figure  4.  Incident Angle Change in Range Direction of Sentinel-1 Data

    图  5  升降轨观测被动几何畸变示意

    Figure  5.  Passive Geometric Distortions of Ascending and Descending Images

    图  6  川藏线全线Sentinel-1升轨数据几何畸变分析

    Figure  6.  Geometric Distortions of Sentinel-1 Ascending Images Along Sichuan-Tibet Railway

    图  7  川藏线全线Sentinel-1降轨数据几何畸变分析

    Figure  7.  Geometric Distortions of Sentinel-1 Descending Images Along Sichuan-Tibet Railway

    图  8  川藏线全线Sentinel-1升降轨数据联合适宜性分析

    Figure  8.  Feasiblity Assessment for Combination of Ascending and Descending Sentinel-1 Images AlongSichuan-Tibet Railway

    表  1  所用Sentinel-1数据参数列表

    Table  1.   Main Parameters of Sentinel-1 Images Used in This Study

    参数 升轨 降轨
    成像模式 TOPS TOPS
    距离向分辨率/m 2.33 2.33
    方位向分辨率/m 13.99 13.99
    航向角/(°) -12.7 192.7
    平均入射角/(°) 39.6 39.6
    轨道号 41、143、70、172、99、26、128 150、77、4、106、33、135、62
    LOS向方位角/(°) 77.3 282.7
    下载: 导出CSV
  • [1] 彭建兵, 崔鹏, 庄建琦. 川藏铁路对工程地质提出的挑战[J]. 岩石力学与工程学报, 2020, 39 (12): 6-18 https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX202012001.htm

    Peng Jianbing, Cui Peng, Zhuang Jianqi. Challenges of Sichuan-Tibet Railway to Engineering Geology [J]. Chinese Journal of Rock Mechanics and Engineering, 2020, 39(12): 6-18 https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX202012001.htm
    [2] 张舒. 内畅外通川藏铁路建设列入"十三五" 重点项目[N/OL]. 成都商报, 2016-03-06 [2020-05-01]. https://e.chengdu.cn/html/2016-03/06/content_556321.htm

    Zhang Shu. Chengdu Commercial Daily. The Construction of Sichuan-Tibet Railway with Internal and External Connectivity Has Been Listed as a Key Project of the 13th Five-Year Plan[N/OL]. Chengdu Business Daily, 2016-03-06[2020-05-01]. https://e.chengdu.cn/html/2016-03/06/content_556321.htm
    [3] 杨德宏. 川藏铁路昌都至林芝段主要工程地质问题分析[J]. 铁道标准设计, 2019, 63 (9): 16-22 https://www.cnki.com.cn/Article/CJFDTOTAL-TDBS201909005.htm

    Yang Dehong. Analysis on the Main Engineering Geological Problems of the Changdu to Linzhi Section of the Sichuan-Tibet Railway[J]. Railway Standard Design, 2019, 63(9): 16-22 https://www.cnki.com.cn/Article/CJFDTOTAL-TDBS201909005.htm
    [4] 刘星洪, 姚鑫, 於开炳, 等. 川藏高速巴塘-芒康段地质灾害遥感综合早期识别研究[J]. 工程科学与技术, 2020, 52(6): 49-60 https://www.cnki.com.cn/Article/CJFDTOTAL-SCLH202006007.htm

    Liu Xinghong, Yao Xin, Yu Kaibing, et al. Remote Sensing Integrated Identification of Geological Hazards in the Batang-Mangkang Section of the Sichuan-Tibet Highway[J]. Advanced Engineering Sciences, 2020, 52(6): 49-60 https://www.cnki.com.cn/Article/CJFDTOTAL-SCLH202006007.htm
    [5] 葛大庆, 戴可人, 郭兆成, 等. 重大地质灾害隐患早期识别中综合遥感应用的思考与建议[J]. 武汉大学学报· 信息科学版, 2019, 44(7): 949-956 https://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201907001.htm

    Ge Daqing, Dai Keren, Guo Zhaocheng, et al. Thoughts and Suggestions on the Application of Integrated Remote Sensing in the Early Identification of Major Geological Hazards[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 949-956 https://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201907001.htm
    [6] Sun Q, Hu J, Zhang L, et al. Towards Slow-Moving Landslide Monitoring by Integrating Multi-Sensor InSAR Time Series Datasets: The Zhouqu Case Study, China[J]. Remote Sensing, 2016, 8 (11): 908 doi:  10.3390/rs8110908
    [7] Dai K, Li Z, Xu Q, et al. Time to Enter the Era of Earth-Observation Based Landslide Warning System [J]. IEEE Geoscience and Remote Sensing Magazine, 2020, 8 (1): 136-153 doi:  10.1109/MGRS.2019.2954395
    [8] 戴可人, 卓冠晨, 许强, 等. 雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯[J]. 武汉大学学报·信息科学版, 2019, 44 (12): 1 778-1 786 doi:  10.13203/j.whugis20190092

    Dai Keren, Zhuo Guanchen, Xu Qiang, et al. Radar Interferometry to Trace the Two-Dimensional Deformation Before the Landslide in Nanyu Township [J]. Geomatics and Information Science of Wuhan University, 2019, 44(12): 1778-86 doi:  10.13203/j.whugis20190092
    [9] Zhao C, Lu Z, Zhang Q, et al. Large-Area Landslide Detection and Monitoring with ALOS/PALSAR Imagery Data over Northern California and Southern Oregon, USA[J]. Remote Sensing of Environment, 2012, 124: 348-359 doi:  10.1016/j.rse.2012.05.025
    [10] Shi X, Liao M, Li M, et al. Wide-Area Landslide Deformation Mapping with Multi-Path ALOS PALSAR Data Stacks: A Case Study of Three Gorges Area, China[J]. Remote Sensing, 2016, 8 (2): 136 doi:  10.3390/rs8020136
    [11] Dong J, Liao M, Xu Q, et al. Detection and Displacement Characterization of Landslides Using Multi-temporal Satellite SAR Interferometry: A Case Study of Danba County in the Dadu River Basin[J]. Engineering Geology, 2018, 240: 95-109 doi:  10.1016/j.enggeo.2018.04.015
    [12] Tomas R, Li Z, Liu P, et al. Spatiotemporal Characteristics of the Huangtupo Landslide in the Three Gorges Region(China)Constrained by Radar Interferometry[J]. Geophysical Journal International, 2014, 197 (1): 213-232 doi:  10.1093/gji/ggu017
    [13] 陆会燕, 李为乐, 许强, 等. 光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别[J]. 武汉大学学报·信息科学版, 2019, 44(9): 1 342-1 354 doi:  10.13203/j.whugis20190086

    Lu Huiyan, Li Weile, Xu Qiang, et al. Early Identification of Hidden Hazards in the Upstream and Downstream of the Baige Landslide on the Jinsha River Based on the Combination of Optical Remote Sensing and InSAR[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9): 1 342-1 354 doi:  10.13203/j.whugis20190086
    [14] 张路, 廖明生, 董杰, 等. 基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别: 以四川丹巴为例[J]. 武汉大学学报·信息科学版, 2018, 43(12): 2 039-2 049 doi:  10.13203/j.whugis20180181

    Zhang Lu, Liao Mingsheng, Dong Jie, et al. Early Identification of Hidden Dangers of Landslide Disasters in Western Mountainous Areas Based on Time Series InSAR Analysis: A Case of Danba, Sichuan [J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 2 039-2 049 doi:  10.13203/j.whugis20180181
    [15] 戴可人, 铁永波, 许强, 等. 高山峡谷区滑坡灾害隐患InSAR早期识别: 以雅砻江中段为例[J]. 雷达学报, 2020, 9 (3): 554-568 https://www.cnki.com.cn/Article/CJFDTOTAL-LDAX202003012.htm

    Dai Keren, Tie Yongbo, Xu Qiang, et al. InSAR Early Identification of Hidden Dangers of Landslide Disasters in Alpine and Gorge Areas: Taking the Middle Section of the Yalong River as an Example [J]. Journal of Radar, 2020, 9(3): 554-568 https://www.cnki.com.cn/Article/CJFDTOTAL-LDAX202003012.htm
    [16] 李振洪, 宋闯, 余琛, 等. 卫星雷达遥感在滑坡灾害探测和监测中的应用: 挑战与对策[J]. 武汉大学学报·信息科学版, 2019, 44 (7): 967-979 doi:  10.13203/j.whugis20190098

    Li Zhenhong, Song Chuang, Yu Chen, et al. Application of Satellite Radar Remote Sensing in Landslide Hazard Detection and Monitoring: Challenges and Countermeasures[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 967-979 doi:  10.13203/j.whugis20190098
    [17] Kropatsch W G, Dieter S. The Generation of SAR Layover and Shadow Maps from Digital Elevation Models[J]. IEEE Transactions on Geoscience and Remote Sensing, 1990, 28 (1): 98-107 doi:  10.1109/36.45752
    [18] Gelautz M, Frick H, Raggam J, et al. SAR Image Simulation and Analysis of Alpine Terrain[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 1998, 53 (1): 17-38 doi:  10.1016/S0924-2716(97)00028-2
    [19] Colesanti C, Wasowaki J. Investigating Landslides with Space-Borne Synthetic Aperture Radar(SAR) Interferometry(InSAR)[J]. Engineering Geology, 2006, 88 (3/4): 173-199 http://pdfs.semanticscholar.org/706e/df16eb6c8252474704fc477f2954706e1a7c.pdf
    [20] Pourthie N, Sand A, Fjortoft R, et al. SARVisor: An Integrated Tool to Facilitate SAR Data Selection [C]. The 30th EARSeL Symposium on Remote Sensing for Science, Education, and Natural and Cultural Heritage, UNESCO, Paris, France, 2010
    [21] Notti D, Meisina C, Zucca F, et al. Models to Predict Persistent Scatterers Data Distribution and Their Capacity to Register Movement Along[C]//The Fringe 2011 Workshop, ESRIN, Frascati, Italy, 2011
    [22] Notti D, Herrera G, Bianchini S, et al. A Methodology for Improving Landslide PSI Data Analysis[J]. International Journal of Remote Sensing, 2014, 35 (6): 2 186-2 214 doi:  10.1080/01431161.2014.889864
    [23] Cigna F, Bateson L B, Jordan C J, et al. Simulating SAR Geometric Distortions and Predicting Persistent Scatterer Densities for ERS-1/2 and ENVISAT C-band SAR and InSAR Applications: Nationwide Feasibility Assessment to Monitor the Landmass of Great Britain with SAR Imagery[J]. Remote Sensing of Environment, 2014, 152: 441-466 doi:  10.1016/j.rse.2014.06.025
    [24] Novellino A, Cigna F, Branmi M, et al. Assessing the Feasibility of a National InSAR Ground Deformation Map of Great Britain with Sentinel-1 [J]. Geosciences, 2017, 7 (2): 19 doi:  10.3390/geosciences7020019
    [25] Dai K, Li Z, Tom S, et al. Monitoring Activity at the Daguangbao Mega-Landslide (China) Using Sentinel-1 TOPS Time Series Interferometry[J]. Remote Sensing of Environment, 2016, 186: 501-513 doi:  10.1016/j.rse.2016.09.009
    [26] Shi Yafeng, Li Jijun, Li Bingyuan, et al. Uplift of the Qinghai-Tibet Plateau in the Late Cenozoic and Environmental Changes in East Asia[J]. Acta Geographica Sinica, 1999 (1): 10-21 http://en.cnki.com.cn/Article_en/CJFDTOTAL-DLXB901.001.htm
    [27] Zhang H, Oskin M, Liu Z, et al. Pulsed Exhumation of Interior Eastern Tibet: Implications for Relief Generation Mechanisms and the Origin of High-Elevation Planation Surfaces[J]. Earth and Planetary Science Letters, 2016, 449: 176-185 doi:  10.1016/j.epsl.2016.05.048
    [28] 潘桂棠, 任飞, 尹福光, 等. 洋板块地质与川藏铁路工程地质关键区带[J]. 地球科学: 中国地质大学学报, 2020, 45 (7): 2 293-2 304 https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX202007007.htm

    Pan Guitang, Ren Fei, Yin Fuguang, et al. Ocean Plate Geology and Key Zones of Sichuan-Tibet Railway Engineering Geology[J]. Earth Science: Journal of China University of Geosciences, 2020, 45 (7): 2 293-2 304 https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX202007007.htm
    [29] Nestor Y, Pau P, Fernando R, et al. Interferometric Processing of Sentinel-1 TOPS Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54 (4): 2 220-2 234 doi:  10.1109/TGRS.2015.2497902
    [30] Dong J, Zhang L, Li M, et al. Measuring Precursory Movements of the Recent Xinmo Landslide in Mao County, China with Sentinel-1 and ALOS-2 PALSAR-2 Datasets[J]. Landslides, 2017, 15 (1): 135-144 http://www.onacademic.com/detail/journal_1000040124084910_adbf.html
    [31] Meng Q, Xu Q, Wang B, et al. Monitoring the Regional Deformation of Loess Landslides on the Heifangtai Terrace Using the Sentinel-1 Time Series Interferometry Technique[J]. Natural Hazards, 2019, 98 (2): 485-505 doi:  10.1007/s11069-019-03703-3
    [32] Liu X, Zhao C, Zhang Q, et al. Multi-Temporal Loess Landslide Inventory Mapping with C-, X- and L-Band SAR Datasets: A Case Study of Heifangtai Loess Landslides, China[J]. Remote Sensing, 2018, 10: 1756 doi:  10.3390/rs10111756
    [33] 王振林, 廖明生, 张路, 等. 基于时序Sentinel-1数据的锦屏水电站左岸边坡形变探测与特征分析[J]. 国土资源遥感, 2019, 31(2): 204-209 https://www.cnki.com.cn/Article/CJFDTOTAL-GTYG201902029.htm

    Wang Zhenlin, Liao Mingsheng, Zhang Lu, et al. Deformation Detection and Characteristic Analysis of Left Bank Slope of Jinping Hydropower Station Based on Time Series Sentinel-1 Data[J]. Remote Sensing of Land and Resources, 2019, 31(2): 204-209 https://www.cnki.com.cn/Article/CJFDTOTAL-GTYG201902029.htm
    [34] 石固林, 陈强, 刘先文, 等. 联合升降轨Sentinel-1A数据监测桃坪乡古滑坡沿坡向的形变速度场[J]. 工程地质学报, 2020, DOI:11. 3249. P. 20200603. 026

    Shi Gulin, Chen Qiang, Liu Xianwen, et al. Deformation Velocity Field in the Aspect Direction of an Ancient Landslide in Taoping Village Derived from Ascending and Descending Sentinel-1A Data[J]. Journal of Engineering Geology, 2020, DOI:11. 3249. P. 20200603. 026
    [35] Farr T, Rosen P, Caro E, et al. The Shuttle Radar Topography Mission[J]. Reviews of Geophysics, 2007, 45 (2): RG2004
    [36] 邓起东, 张培震, 冉勇康, 等. 中国活动构造与地震活动[J]. 地学前缘, 2003, 10: 66-73 https://www.cnki.com.cn/Article/CJFDTOTAL-DXQY2003S1011.htm

    Deng Qidong, Zhang Peizhen, Ran Yongkang, et al. Active Tectonics and Seismic Activity in China [J]. Earth Science Frontier, 2003, 10: 66-73 https://www.cnki.com.cn/Article/CJFDTOTAL-DXQY2003S1011.htm
    [37] 张培震, 邓起东, 张国民, 等. 中国大陆的强震活动与活动地块[J]. 中国科学D辑, 2003, 33 (z1): 12-20 https://www.cnki.com.cn/Article/CJFDTOTAL-JDXK2003S1001.htm

    Zhang Peizhen, Deng Qidong, Zhang Guomin, et al. Strong Earthquakes and Active Plots in Mainland China[J]. Science in China Series D, 2003, 33 (z1): 12-20 https://www.cnki.com.cn/Article/CJFDTOTAL-JDXK2003S1001.htm
    [38] 张国民, 马宏生, 王辉, 等. 中国大陆活动地块边界带与强震活动[J]. 地球物理学报, 2005, 48 (3): 602-610 doi:  10.3321/j.issn:0001-5733.2005.03.018

    Zhang Guomin, Ma Hongsheng, Wang Hui, et al. Boundary Zone of Active Blocks in Mainland China and Strong Earthquake Activity[J]. Journal of Geophysics, 2005, 48(3): 602-610 doi:  10.3321/j.issn:0001-5733.2005.03.018
    [39] 张毅. 基于InSAR技术的地表变形监测与滑坡早期识别研究: 以白龙江流域中游为例[D]. 兰州: 兰州大学, 2018

    Zhang Yi. Research on Surface Deformation Monitoring and Early Landslide Recognition Based on InSAR Technology: Taking the Middle Reaches of Bailong River as an Example[D]. Lanzhou : Lanzhou University, 2018
    [40] Shi X, Zhang L, Liao M, et al. Deformation Monitoring of Slow-moving Landslide with L- and C-Band SAR Interferometry[J]. Remote Sensing Letters, 2014, 5 (11): 951-960 doi:  10.1080/2150704X.2014.976885
    [41] 刘国祥, 张瑞, 李陶, 等. 基于多卫星平台永久散射体雷达干涉提取三维地表形变速度场[J]. 地球物理学报, 2012, 55 (8): 2 598-2 610 https://www.cnki.com.cn/Article/CJFDTOTAL-DQWX201208012.htm

    Liu Guoxiang, Zhang Rui, Li Tao, et al. Extraction of 3D Surface Deformation Velocity Field Based on Multi-satellite Platform Permanent Scatterer Radar Interference[J]. Journal of Geophysics, 2012, 55(8): 2 598-2 610 https://www.cnki.com.cn/Article/CJFDTOTAL-DQWX201208012.htm
    [42] Hu J, Li Z, Ding X, et al. Resolving Three-Dimensional Surface Displacements from InSAR Measurements: A Review[J]. Earth-Science Reviews, 2014, 133: 1-17 doi:  10.1016/j.earscirev.2014.02.005
  • [1] 朱同同, 史绪国, 周超, 蒋厚军, 张路, 廖明生.  利用2016—2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性 . 武汉大学学报 ● 信息科学版, 2021, 46(10): 1560-1568. doi: 10.13203/j.whugis20210247
    [2] 李梦华, 张路, 董杰, 蔡杰华, 廖明生.  四川茂县岷江河谷区段滑坡隐患雷达遥感识别与形变监测 . 武汉大学学报 ● 信息科学版, 2021, 46(10): 1529-1537. doi: 10.13203/j.whugis20210367
    [3] 张成龙, 李振洪, 余琛, 宋闯, 肖儒雅, 彭建兵.  利用GACOS辅助下InSAR Stacking对金沙江流域进行滑坡监测 . 武汉大学学报 ● 信息科学版, 2021, 46(11): 1649-1657. doi: 10.13203/j.whugis20200675
    [4] 朱庆, 李函侃, 曾浩炜, 刘铭崴, 丁雨淋, 任晓春, 王玮, 张利国, 罗勋, 朱军.  面向数字孪生川藏铁路的实体要素分类与编码研究 . 武汉大学学报 ● 信息科学版, 2020, 45(9): 1319-1327. doi: 10.13203/j.whugis20200010
    [5] 吴文豪, 李陶, 龙四春, 周志伟.  实时轨道条件下Sentinel-1卫星影像干涉配准 . 武汉大学学报 ● 信息科学版, 2019, 44(5): 745-750. doi: 10.13203/j.whugis20170098
    [6] 张晓博, 赵学胜, 葛大庆, 刘斌.  利用新型C波段雷达卫星研究南伊内里切克冰川运动特征 . 武汉大学学报 ● 信息科学版, 2019, 44(3): 429-435. doi: 10.13203/j.whugis20160538
    [7] 张路, 廖明生, 董杰, 许强, 龚健雅.  基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2039-2049. doi: 10.13203/j.whugis20180181
    [8] 曹海坤, 赵丽华, 张勤, 瞿伟, 聂建亮.  利用附加系统误差参数的升降轨InSAR-GPS数据融合方法建立三维形变场 . 武汉大学学报 ● 信息科学版, 2018, 43(9): 1362-1368. doi: 10.13203/j.whugis20160461
    [9] 李斐, 王振领, 张宇, 张胜凯, 朱婷婷.  基于Sentinel-1 SAR的埃默里冰架前端位置自动检测研究 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2012-2022. doi: 10.13203/j.whugis20180171
    [10] 王密, 田原, 程宇峰.  高分辨率光学遥感卫星在轨几何定标现状与展望 . 武汉大学学报 ● 信息科学版, 2017, 42(11): 1580-1588. doi: 10.13203/j.whugis20170318
    [11] 敖萌, 张勤, 赵超英, 刘广全.  改进的CR-InSAR技术用于四川甲居滑坡形变监测 . 武汉大学学报 ● 信息科学版, 2017, 42(3): 377-383. doi: 10.13203/j.whugis20140797
    [12] 孟伟灿, 朱述龙, 曹闻, 曹彬才, 高翔.  线阵推扫式相机高精度在轨几何标定 . 武汉大学学报 ● 信息科学版, 2015, 40(10): 1392-1399,1413. doi: 10.13203/j.whugis20140534
    [13] 张小红, 李盼, 左翔.  固定模糊度的精密单点定位几何定轨方法及结果分析 . 武汉大学学报 ● 信息科学版, 2013, 38(9): 1009-1013.
    [14] 谌一夫, 刘璐, 张春玲.  ZY 3卫星在轨几何标定方法 . 武汉大学学报 ● 信息科学版, 2013, 38(5): 557-560.
    [15] 用于星载SAR图像几何校正的稀疏控制点修轨方法 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 262-265.
    [16] 刘佳音, 尤红建, 洪 文.  用于星载SAR图像几何校正的稀疏控制点修轨方法 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 262-265.
    [17] 张小红, 何锡扬, 李星星.  TriP软件非差几何法精密定轨精度分析 . 武汉大学学报 ● 信息科学版, 2010, 35(11): 1327-1330.
    [18] 王健, 向茂生, 李绍恩.  一种基于InSAR相干系数的SAR阴影提取方法 . 武汉大学学报 ● 信息科学版, 2005, 30(12): 1063-1066.
    [19] 刘经南, 赵齐乐, 张小红.  CHAMP卫星的纯几何定轨及动力平滑中的动力模型补偿研究 . 武汉大学学报 ● 信息科学版, 2004, 29(1): 1-6.
    [20] 范永弘.  SAR图像的几何校正 . 武汉大学学报 ● 信息科学版, 1997, 22(1): 39-41.
  • 加载中
图(8) / 表(1)
计量
  • 文章访问数:  173
  • HTML全文浏览量:  107
  • PDF下载量:  60
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-05-07
  • 刊出日期:  2021-10-05

川藏铁路沿线Sentinel-1影像几何畸变与升降轨适宜性定量分析

doi: 10.13203/j.whugis20210130
    基金项目:

    国家自然科学基金 41941019

    国家自然科学基金 41801391

    地质灾害防治与地质环境保护国家重点实验室自主研究课题 SKLGP2020Z012

    作者简介:

    戴可人,博士,教授,主要从事基于InSAR与多光谱遥感技术的地质灾害早期识别,监测预警与风险防控研究。daikeren17@cdut.edu.cn

    通讯作者: 李振洪,博士,教授。zhenhong.li@chd.edu.cn
  • 中图分类号: P237

摘要: 川藏铁路作为中国意义非凡的重大工程,也是世界铁路史上地形最复杂、地质安全问题最严峻的铁路。合成孔径雷达干涉测量技术(interferometric synthetic aperture radar,InSAR)凭借其广覆盖、高精度、高效率等特点已成为地质灾害隐患早期识别与监测的重要手段,但是其在川藏线地形起伏剧烈的高山峡谷区域会面临较为严重的几何畸变问题。以覆盖面最广、获取时间最密的全球完全开放获取的哨兵1号卫星(Sentinel-1)数据为例,将川藏铁路沿线作为研究区域开展卫星雷达影像几何畸变与适宜性分析。综合考虑合成孔径雷达(synthetic aperture radar,SAR)成像几何、Sentinel-1影像斜距向入射角差异及被动几何畸变3个方面,提出了一套基于局部入射角的Sentinel-1影像几何畸变区域精准定量识别方法,并对川藏线全线几何畸变进行了定量计算与升降轨适宜性分析。结果显示:川藏线所在极陡高山峡谷区单轨道几何畸变区域达到31%~35%,升降轨联合观测可以有效将几何畸变区域减小至1.5%,同时约有35%区域适宜升降轨同时观测进行联合分析。

English Abstract

戴可人, 张乐乐, 宋闯, 李振洪, 卓冠晨, 许强. 川藏铁路沿线Sentinel-1影像几何畸变与升降轨适宜性定量分析[J]. 武汉大学学报 ● 信息科学版, 2021, 46(10): 1450-1460. doi: 10.13203/j.whugis20210130
引用本文: 戴可人, 张乐乐, 宋闯, 李振洪, 卓冠晨, 许强. 川藏铁路沿线Sentinel-1影像几何畸变与升降轨适宜性定量分析[J]. 武汉大学学报 ● 信息科学版, 2021, 46(10): 1450-1460. doi: 10.13203/j.whugis20210130
  • 川藏铁路是中国境内连接四川省与西藏自治区的快速铁路,呈东西走向,东起四川省成都市、西至西藏自治区拉萨市,全长达1 543 km[1]。川藏铁路所经地形复杂,沿线海拔呈“台阶式”变化,地形起伏剧烈,在平均高差2 000 m的山谷间“八起八伏”,累积爬升高度超过14 000 m[2]。沿线工程地质条件非常复杂,地质灾害频发,在崇山峻岭中选择一条合适的线路极其困难[3]。开展铁路线路沿线地质灾害隐患点的早期识别与连续监测,对施工初期的线路进行优化调整,对后期保障线路建设和以后的运营安全均具有重要意义。

    针对川藏线沿线横跨极陡高山峡谷区域的大规模地质灾害隐患早期识别与监测,传统的测量与勘察手段受限于地形地貌很难大范围高效开展。基于光学遥感影像的地质灾害解译是大规模地质灾害早期识别的主要手段之一[4],但由于川藏线大多经过雪山冰川、高原冻土等区域,常年云雾缭绕,光学遥感影像有效监测区域与监测频率受到较大限制,只能定性识别某些潜在灾害。合成孔径雷达干涉测量技术(interferometric synthetic aperture radar,InSAR)[5]由于其全天时、全天候、观测精度高和空间分辨率高的特点,已在滑坡等地质灾害监测中得到广泛应用 [6-12]。特别是在高山峡谷及人迹罕至区域的大范围地质灾害隐患识别中,已涌现了许多成功的案例,例如,文献[13]通过光学遥感与InSAR结合在金沙江上下游成功识别出7处具有较显著形变的滑坡隐患,其中有3处具备较大的堵江风险;文献[14]利用InSAR技术在丹巴县成功识别出17处持续变形中的隐患区域;文献[15]利用InSAR技术在雅砻江中段的高山峡谷区域成功识别出8处具备风险的隐患区域。作为近30年发展的新型技术,InSAR在山地地区大范围地质灾害隐患早期识别中发挥着越来越重要的作用。

    在高山峡谷区域,由于合成孔径雷达(synthetic aperture radar,SAR)侧视成像的特点,SAR影像不可避免出现几何畸变现象(包括阴影、叠掩和透视收缩),导致目标坡体监测分辨率下降,监测精度变低甚至无法被监测[15-16]。开展精准的定性定量几何畸变分析,有助于正确评判卫星SAR数据在川藏铁路沿线的适宜性,针对不同区域选取最合适的SAR影像。在SAR几何畸变研究方面,众多学者陆续提出了不同的SAR几何畸变的分析方法。文献[17-18]研究了基于数字高程模型(digital elevation model,DEM)和卫星传感器轨道参数来获得SAR影像的几何畸变;文献[19]阐释了侧视成像SAR可能发生的几何畸变类型与形成条件;文献[20]研发了SARVisor工具来获得叠掩和阴影区域;文献[21-22]提出了将SAR数据成像的地形效应综合转化为R指数的方法来判定SAR几何畸变的影响;文献[23]对已有关于SAR地形可视性的研究进行了系统性的总结,以数字地面模型(digital terrain model,DTM)代替传统的DEM数据分析几何畸变,对覆盖英国全域的ERS-1/2和欧洲环境卫星(environmental satellite,EnviSat)影像的几何畸变情况进行了分析;文献[24]也对覆盖英国全域的哨兵1号(Sentinel-1)数据的几何畸变情况进行了分析。最近几年,SAR几何畸变研究逐渐深入到地形特别复杂、几何畸变特别严重的山地区域。文献[25]在大光包滑坡监测案例中分析了面向与背向卫星坡体的入射角与几何畸变的关系;文献[6]利用SAR成像参数与当地DEM对舟曲区域滑坡几何畸变进行了定性绘制,可以用于决策对具体坡体最适宜的数据的选择;文献[15]在雅砻江沿岸高山峡谷区域开展了滑坡灾害隐患InSAR早期识别,并选择典型区域分析了升降轨适宜观测区域的差异。上述研究运用不同的方法对SAR影像几何畸变进行了研究,但大多数尚属于定性范畴。对于拟建川藏铁路这类覆盖超大范围(铁路全长达1 543 km)、极复杂地形(位于构造活跃的地形急变带,横跨众多高山与大江大河)区域的几何畸变定量分析与定量适宜性评判尚缺乏细致研究。

    本文以川藏铁路廊道为研究对象,开展Sentinel-1雷达影像的几何畸变与适宜性精准定量分析。基于局部入射角的概念,考虑SAR影像斜距向入射角的微小变化与山地地区被动几何畸变,提出了一种几何畸变判别方法,在川藏铁路沿线1 543 km范围内加以应用,定量精确计算出川藏铁路沿线升降轨Sentinel-1影像适宜性,并进行了单轨道与升降轨联合的适宜性定量分析,得出InSAR技术的有效监测区域,为川藏铁路沿线的Sentinel-1数据选择与InSAR地质灾害隐患早期识别提供参考。

    • 川藏铁路东起四川省成都市,向西经过雅安、昌都、林芝到达西藏自治区拉萨市,线路全长约1 543 km[1]。该区域受青藏高原强烈隆升影响,地形起伏极大,切割强烈,高山峡谷地貌分布广泛[26-27]。铁路从成都平原向西,经过雅安市后绝大多数区域海拔约3~5 km,穿越7条大江并跨越8座海拔超过4 km的高山,建造于青藏高原东缘板块碰撞和构造活跃地形极变带(见图 1[1]。铁路沿线的断裂发育密集,以深大活动断裂带为主控构造,包括怒江断裂带、澜沧江断裂带、嘉黎断裂带、边坝-洛隆断裂等活动断层[328]。因此,川藏铁路建造区域不仅是世界上地形、地貌最复杂的地区,同时也是世界上最活跃的板块构造区及世界上地震烈度极高的地区,更是世界上山地灾害最发育、最活跃地区[1]。这些特有地形地貌不仅为滑坡、泥石流、崩塌等自然灾害创造了天然的条件,也为雷达卫星侧视成像观测带来视野盲区和监测挑战。

      图  1  川藏铁路位置与沿线地形地貌特征

      Figure 1.  Location of Sichuan-Tibet Railway and Its Topographic Features

      Sentinel-1是由欧洲空间局(European Space Agency,ESA)发射运营的两颗对地观测卫星组成,搭载了波长约为5.6 cm的C波段SAR,每颗卫星重访周期为12 d,渐进式扫描地形观测(terrain observation by progressive scans,TOPS)模式下单景覆盖范围达到250 km×170 km[29],可提供全天时、全天候的高分辨雷达卫星数据。作为目前全球数据获取最方便、覆盖面积最大、时间分辨率最高的开放SAR数据,Sentinel-1卫星在地质灾害领域得到了广泛应用(见文献[30-33])。为对川藏线全线Sentinel-1数据开展几何畸变与升降轨适宜性定量分析,本文共使用14个轨道的Sentinel-1A卫星数据,成像模式为TOPS模式。其中,升轨数据7个轨道,航向角约为-12.7°(正北为0°);降轨数据7个轨道,航向角约为192.7°。升降轨数据各自卫星视线方向(line of sight,LOS)如图 2所示。升降轨数据各自完全覆盖川藏线沿线的纵剖向10 km范围作为具体实验区域,面积约1 600 km×10 km,具体参数见表 1。同时使用30 m空间分辨率的航天飞机雷达地形测绘使命(shuttle radar topography mission,SRTM)DEM[35]计算地形地貌特征参数。

      图  2  川藏线Sentinel-1数据覆盖范围与对应轨道位置

      Figure 2.  Sentinel-1 Image Coverage Together with Their Path Numbers Along the Sichuan-Tibet Railway

      表 1  所用Sentinel-1数据参数列表

      Table 1.  Main Parameters of Sentinel-1 Images Used in This Study

      参数 升轨 降轨
      成像模式 TOPS TOPS
      距离向分辨率/m 2.33 2.33
      方位向分辨率/m 13.99 13.99
      航向角/(°) -12.7 192.7
      平均入射角/(°) 39.6 39.6
      轨道号 41、143、70、172、99、26、128 150、77、4、106、33、135、62
      LOS向方位角/(°) 77.3 282.7
    • 由于雷达侧视成像的特殊性,根据入射角与不同地形地貌特征,会产生透视收缩、叠掩及阴影3种几何畸变。已有研究对几何畸变与雷达入射角(侧视角)的关系进行过深入分析(见文献[61525])。在地形起伏较大的山地地区,地物朝向和坡度特征是决定是否会产生几何畸变的决定性因素,首先需要将地形地貌给予充分考虑。因此,本文采用了基于局部入射角来判别几何畸变的方法。局部入射角是指雷达入射方向与地物局部坡度法线的夹角(定义由法线至入射角为正方向)。本文通过建立卫星入射观测方向LOS和局部入射角之间的关系,对侧视成像的几何畸变进行判别与分类,共包括叠掩、收缩、阴影及适宜(即成像分辨率相对较高且无几何畸变)4类。由图 3(a)所示,当坡面面向卫星且坡度较陡时(如AB面),山顶B点将先于地面A点成像,在SAR影像形成倒置的ba,发生顶底倒置(即叠掩现象)(参见文献[1525]),此时的局部入射角为负值。随着坡度变缓,叠掩现象将消失(如图 3(a)CD面所示),但是成像距离cd将小于实际距离CD,产生透视收缩现象,此时局部入射角θ小于入射角α。当入射角θ和局部入射角α相等时,为实际平地情况,影像正常成像无几何畸变。在背向卫星且坡度较缓时(如图 3(a)EF面),影像正常成像处于一个相对最佳观测状态(即适宜状态,此时成像分辨率相对较高,且无几何畸变),此时局部入射角θ大于卫星入射角且小于90°,适宜该轨道SAR观测。当局部入射角θ大于90°时(图 3(b)),会导致此时卫星照射不到该坡体(如图 3(a)GH面),产生阴影,无法成像和进行测量。图 3(b)对以上情况下局部入射角的变化与临界值进行了归纳与总结。

      图  3  雷达侧视成像几何畸变关系示意图

      Figure 3.  SAR Geometric Distortions

      需要注意的是,Sentinel-1卫星的TOPS成像模式宽度达到近250 km,根据雷达侧视成像原理,由于近斜距与远斜距不同,其斜距向入射角在同一景影像中会有差异(图 4(a)α[29]。根据雷达侧视成像几何关系(图 4(a)),结合成像参数文件中具体成像参数,任意处的具体入射角可以由入射斜距与卫星高度求出,即:

      αi=arccosRH-Rhipr+L1 ]]>

      图  4  哨兵1号数据斜距向成像的入射角变化

      Figure 4.  Incident Angle Change in Range Direction of Sentinel-1 Data

      式中,αi为第i列像素入射角;RH为雷达卫星距离地心高度;Rh为雷达卫星星下点处大地高;L1为近斜距;pr为斜距分辨率。根据式(1),求得一景影像中入射角与影像斜距向像素列的关系(如图 4(b)所示),可以看出在一景影像中,最小入射角与最大入射角相差约14°。该入射角变化对于同一景影像判断几何畸变结果会带来较大影响,因此不能忽略。同时发现该入射角变化并非线性变化,具体变化率μi可由相邻像素列具体入射角之差获取,即:

      μi=arccosRH-Rh(i+1)pr+L1-arccosRH-Rhipr+L1 ]]>

      根据式(2)求得一景影像中入射角变化率与对应成像斜距向像素列的关系(如图 4(c)所示),可以看出在靠近近斜距每增加一个像素,大约会增大(3×10-4)°,在较远斜距每增加一个像素,入射角增大约(1.6×10-4)°,入射角随着斜距增加,其变化率在逐渐减小,入射角的变化率在斜距向上也并非线性变化。因此,通过判别入射角与局部入射角关系可以建立一套判断是否是几何畸变或者适宜观测的阈值方法。通过引入局部入射角的概念,基于DEM求出局部入射角,从而充分考虑地形因素,同时也考虑到入射角在TOPS模式影像中变化较大且非线性,所以有必要进行逐像素列的具体入射角与局部入射角关系判断来确定最终的几何畸变。因此,对任意一景影像第i列像素几何畸变判断公式为:

      θi<0°, 0θi<αi90°, 0αiθi90°, θi>90°, ]]>

      以上方法考虑的是坡体本身与入射角的关系,具体成像条件还会受邻近区域坡体的影响,特别是在山地地区,将会产生不可忽略的被动几何畸变[23]。被动几何畸变是由于邻近的山体较为陡峭,这些山体出现叠掩或阴影几何畸变时,会影响旁边区域。如图 5(a)所示,升轨成像的AB坡本身的观测几何良好,但是由于邻近的CD坡较为陡峭且山体较高,会出现叠掩现象,此时在CD叠掩区域内,无论AB坡是否平坦,成像信号都会被动地与CD坡叠掩在一起,形成被动叠掩。同理,在图 5(b)中,GH坡陡峭且山体较高,在降轨观测几何中会呈现阴影,而处于阴影内的EF坡无论是否平坦,成像信号都被GH遮挡,产生被动阴影。此时,ABEF坡成像几何不再是由自身坡度或局部入射角决定,而属于被动几何畸变区域。被动几何区域的判别可采用山体阴影模型,基于卫星高度、入射角与DEM获取的坡度坡向便可进行计算(详见文献[172239])。

      图  5  升降轨观测被动几何畸变示意

      Figure 5.  Passive Geometric Distortions of Ascending and Descending Images

      综上所述,在进行Sentinel-1影像几何畸变分析时,不仅需要通过局部入射角考虑入射角与坡体本身的几何关系,还要逐像素列对入射角与局部入射角进行精准计算,还要囊括被动几何畸变。联合以上3点,方能有效精准地判别几何畸变区域。升降轨几何畸变分布结果融合后,对于同时处于升轨与降轨适宜的区域,将其定义为“同时适宜”;对于仅只有一个轨道适宜,另一个轨道处于几何畸变的区域,将其定义为“仅升轨适宜”或“仅降轨适宜”;对于在任一轨道都没有处于适宜的区域,将其定义为升降轨联合观测下的“几何畸变”区域。

    • 为对川藏铁路沿线Sentinel-1影像升降轨适宜性进行定量分析,首先基于升降轨各7个轨道数据使用上述考虑逐列精准入射角的方法对川藏线全线单轨几何畸变进行了探测与分析,结果如图 6图 7所示。从整体上来看,成都至雅安段地势平缓,几何畸变分布图上大多呈现为绿色,表明该地段适宜SAR系统观测几何;雅安至拉萨段地势陡峭,高山峡谷密布,几何畸变分布结果整体呈现为蓝绿色交错,即适宜观测与几何畸变交错出现(见图 6(a)图 7(a))。通过局部放大图可以看出,由于升降轨入射方向与SAR侧视成像特性,在Sentinel-1卫星右视照射的条件下,升轨结果中大部分朝西的坡体(即面向升轨卫星)位于几何畸变区域,朝东向坡体(即背向升轨卫星)绝大多数处于较为适宜的观测区域(见图6(b)~6(d))。降轨结果与之相反,大部分朝东的坡体(即面向降轨卫星)位于几何畸变区域,朝西向坡体(即背向降轨卫星)绝大多数处于较为适宜的观测区域(见图7(b)~7(d))。

      图  6  川藏线全线Sentinel-1升轨数据几何畸变分析

      Figure 6.  Geometric Distortions of Sentinel-1 Ascending Images Along Sichuan-Tibet Railway

      图  7  川藏线全线Sentinel-1降轨数据几何畸变分析

      Figure 7.  Geometric Distortions of Sentinel-1 Descending Images Along Sichuan-Tibet Railway

      进一步对几何畸变结果进行定量统计分析,针对单轨道观测数据而言,其中升轨数据中适宜观测区域占总面积的64.5%,透视收缩区域占28.0%,叠掩区域占6.9%,阴影区域较少,占0.6%(见图 6(e))。降轨数据中适宜观测区域占总面积的69.0%,透视收缩区域占23.8%,叠掩区域占6.6%,阴影区域仅占0.6%(见图 7(e))。总体来说,就该区域而言,透视收缩是主要几何畸变类型,叠掩与阴影在升降轨结果里分别占比约6%与0.6%,总体区域不多但是会集中分布于坡体较为陡峭的昌都至林芝段。而适宜Sentinel-1数据观测的区域超过60%,且降轨数据观测的有效区域略多于升轨数据(相差4.5%),考虑与断层走向、山岭走向有关,造成西向坡体多于东向坡体。发生几何畸变总区域约占总观测面积的31%~35%。

      联合升降轨数据可消减SAR几何畸变和阴影区域的影响,能够有效减少由于几何畸变无法进行有效观测的区域,增加卫星数据的有效探测率。而且,在部分区域进行升降轨数据联合解算,可进行辅助验证或三维形变计算(见文献[40-42])。但是,由于陡峭的高山峡谷地区的地形影响,升降轨联合使用可能并不能完全消除几何畸变的影响。为了定量分析本文川藏线高山峡谷区升降轨联合解算的适宜性,对升降轨数据几何畸变结果进行了联合分析,结果见图 8

      图  8  川藏线全线Sentinel-1升降轨数据联合适宜性分析

      Figure 8.  Feasiblity Assessment for Combination of Ascending and Descending Sentinel-1 Images AlongSichuan-Tibet Railway

      从整体上来看(见图 8(a)),成都段至雅安段相对较为平缓,大部分呈现为适宜两个轨道观测的绿色,川藏铁路沿线几何畸变在平原地区影响较小。雅安至拉萨段地势陡峭,并未大面积出现同时适合两个轨道观测的区域,只有在山南市至拉萨市区域有相对较多适宜升降轨观测区域出现。总体呈现规律为在高山峡谷区较为陡峭的正东西向,坡体只能被单轨道观测,而非东西向较为平缓坡体部分能被双轨道观测。

      从升降轨数据联合定量分析结果来看(见图 8(e)),仅有35.0%的区域升降轨数据都能探测到,主要分布在地势平坦地区和低缓峡谷区域;川藏铁路全线沿线29.5%的区域只能被哨兵升轨影像有效探测到;34.0%的区域只能被哨兵降轨影像有效探测到,降轨数据观测几何在该区域仍优于升轨;剩余约1.5%的区域,升降轨数据都存在几何畸变现象,无法有效覆盖。与单一轨道观测数据相比,不能被有效利用的几何畸变区域从约30%下降到1.5%,观测适宜性得到了较大改善。总体而言,由于该地区特有的陡峭地势,升降轨能同时观测解算区域仅约35%,远低于平原丘陵地区。而几何畸变与阴影情况通过双轨道融合得到了很大改善,证明升降轨数据同时联合解算的必要性。

    • 川藏铁路由于其重大战略意义和超高建设难度而备受瞩目,极其复杂的地质环境不仅导致沿线地质灾害频发,同时也给地质灾害隐患InSAR早期识别与监测在该区域的应用带来较为严重的几何畸变问题。本文综合考虑SAR成像几何、Sentinel-1影像斜距向入射角差异及被动几何畸变3个方面,提出了一种Sentinel-1影像几何畸变精准定量识别方法,在川藏铁路沿线10 km区域进行应用,揭示了该范围内几何畸变区域和基于Sentinel-1数据的InSAR观测适宜性。通过定量分析发现,该区域Sentinel-1雷达卫星升降轨单轨道适宜观测区域约占65%~69%,降轨数据比升轨数据能探测的有效区域略大。对单一轨道观测数据,发生几何畸变区域约占总观测面积的31%~35%。采用升降轨联合观测能有效减少几何畸变无效区域,仅1.5%的区域不能被任一轨道有效观测。另一方面由于该地区陡峭的地势,升降轨能同时观测用于联合解算的区域约35%,明显低于平原丘陵地区。

      本文对最常用的Sentinel-1卫星数据开展川藏铁路廊道几何畸变与升降轨适宜性定量分析,有助于川藏铁路廊道最适Sentinel-1数据的高效选取及该区域InSAR监测结果解译与精度评估分析,同时也为其他SAR数据高效选择提供重要参考。

参考文献 (42)

目录

    /

    返回文章
    返回