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

城市地表形变的双极化Sentinel-1数据极化时序InSAR技术监测

赵峰 张雷昕 王腾 汪云甲 闫世勇 范洪冬

赵峰, 张雷昕, 王腾, 汪云甲, 闫世勇, 范洪冬. 城市地表形变的双极化Sentinel-1数据极化时序InSAR技术监测[J]. 武汉大学学报 ● 信息科学版, 2022, 47(9): 1507-1514. doi: 10.13203/j.whugis20210496
引用本文: 赵峰, 张雷昕, 王腾, 汪云甲, 闫世勇, 范洪冬. 城市地表形变的双极化Sentinel-1数据极化时序InSAR技术监测[J]. 武汉大学学报 ● 信息科学版, 2022, 47(9): 1507-1514. doi: 10.13203/j.whugis20210496
ZHAO Feng, ZHANG Leixin, WANG Teng, WANG Yunjia, YAN Shiyong, FAN Hongdong. Polarimetric Persistent Scatterer Interferometry for Urban Ground Deformation Monitoring with Sentinel-1 Dual Polarimetric Data[J]. Geomatics and Information Science of Wuhan University, 2022, 47(9): 1507-1514. doi: 10.13203/j.whugis20210496
Citation: ZHAO Feng, ZHANG Leixin, WANG Teng, WANG Yunjia, YAN Shiyong, FAN Hongdong. Polarimetric Persistent Scatterer Interferometry for Urban Ground Deformation Monitoring with Sentinel-1 Dual Polarimetric Data[J]. Geomatics and Information Science of Wuhan University, 2022, 47(9): 1507-1514. doi: 10.13203/j.whugis20210496

城市地表形变的双极化Sentinel-1数据极化时序InSAR技术监测

doi: 10.13203/j.whugis20210496
基金项目: 

国家自然科学基金 42004011

中国矿业大学中央高校基本科研业务费专项 2020QN27

详细信息

Polarimetric Persistent Scatterer Interferometry for Urban Ground Deformation Monitoring with Sentinel-1 Dual Polarimetric Data

Funds: 

The National Natural Science Foundation of China 42004011

the Fundamental Research Funds for the Central Universities of China University of Mining and Technology 2020QN27

More Information
  • 摘要: 利用双极化Sentinel-1数据有望得到较单极化数据更好的城市地表形变监测结果。以典型受地表沉降灾害影响的两座超大城市(墨西哥的墨西哥城和中国北京市)为研究区,分别基于长时序单、双极化Sentinel-1数据,利用时序合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)技术和极化时序InSAR技术对两城市近年地表形变进行监测研究。结果表明,利用双极化Sentinel-1数据对干涉图进行极化优化后,干涉图相位质量得到提升,高质量像元比例明显增加。使用双极化数据后,形变监测点密度有显著提升,相比于单极化数据结果,墨西哥城和北京市监测点密度分别提升88%和50%;更高的监测点密度使部分区域双极化数据反演地表形变的准确性更高。与单极化Sentinel-1数据相比,利用双极化Sentinel-1数据进行城市地表形变监测可得到监测点密度更高、可靠性更好的结果。
  • 图  1  基于DA极化优化的PolPSI技术流程图

    Figure  1.  Flowchart of the Polarimetric Persistent Scatterer Interferometry (PolPSI) with DA Optimization

    图  2  墨西哥城局部区域干涉图优化前后对比

    Figure  2.  Sub-areas' Interferograms Before and After Polarimetric Optimization over Mexico City

    图  3  北京市局部区域干涉图优化前后对比

    Figure  3.  Sub-areas' Interferograms Before and After Polarimetric Optimization over Beijing

    图  4  墨西哥城和北京市研究区干涉图相位质量评价结果直方图

    Figure  4.  Phase Quality Evaluation Results of the Interferograms over Mexico City and Beijing

    图  5  墨西哥城地表形变监测结果

    Figure  5.  ‍Ground Deformation Monitoring Results over Mexico City

    图  6  墨西哥城形变差异点时序形变对比图

    Figure  6.  Comparison of the Two Typical Pixels' Time-Series Deformation over Mexico City

    图  7  北京市地表形变速率监测结果

    Figure  7.  Ground Deformation Monitoring Results over Beijing

    图  8  PSI与PolPSI方法反演地表形变速率差值直方图

    Figure  8.  Ground Deformation Velocity Difference Between the PSI and PolPSI Results

    图  9  PSI(VV)与PolPSI(VV-VH)方法反演地表时序形变结果

    Figure  9.  PSI(VV) and PolPSI(VV-VH) Obtained Ground Defromation Time Series

    表  1  各相位质量指标筛选的较高质量像元个数统计结果

    Table  1.   Statistical Results of the Number of Higher-Quality Pixels Selected by the Phase Quality Index

    研究区 DA TPC TMPC
    指标范围 (VV-VH/VV)/% 指标范围 (VV-VH/VV)/% 指标范围 (VV-VH/VV)/%
    墨西哥城 0~0.25 293 0.85~1.0 128 0.7~1.0 204
    0~0.30 296 0.90~1.0 137 0.8~1.0 249
    0~0.40 402 0.95~1.0 151 0.9~1.0 242
    北京市 0~0.25 183 0.85~1.0 112 0.7~1.0 181
    0~0.30 184 0.90~1.0 117 0.8~1.0 260
    0~0.40 262 0.95~1.0 124 0.9~1.0 393
    下载: 导出CSV
  • [1] Cigna F, Tapete D. Present-Day Land Subsidence Rates, Surface Faulting Hazard and Risk in Mexico City with 2014-2020 Sentinel-1 IW InSAR[J]. Remote Sensing of Environment, 2021, 253: 112161 doi:  10.1016/j.rse.2020.112161
    [2] 王茹, 杨天亮, 杨梦诗, 等. PS-InSAR技术对上海高架路的沉降监测与归因分析[J]. 武汉大学学报·信息科学版, 2018, 43(12): 2050-2057 doi:  10.13203/j.whugis20180150

    Wang Ru, Yang Tianliang, Yang Mengshi, et al. Attribution Analysis on Deformation Feature of the Shanghai Elevated Highway by Persistent Scatterer SAR Interferometry[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 2050-2057 doi:  10.13203/j.whugis20180150
    [3] 师芸, 李伟轩, 唐亚明, 等. 时序InSAR技术在地球环境监测及其资源管理中的应用: 以交城-清徐地区为例[J]. 武汉大学学报·信息科学版, 2019, 44(11): 1613-1621 doi:  10.13203/j.whugis20190068

    Shi Yun, Li Weixuan, Tang Yaming, et al. Time Series InSAR Measurement for Earth Environmental Monitoring and Resource Management: A Case Study of Jiaocheng-Qingxu Area[J]. Geomatics and Information Science of Wuhan University, 2019, 44(11): 1613-1621 doi:  10.13203/j.whugis20190068
    [4] Ferretti A, Prati C, Rocca F L. Permanent Scatter‍ers in SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 8-20 doi:  10.1109/36.898661
    [5] Berardino P, Fornaro G, Lanari R, et al. A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11): 2375-23835 doi:  10.1109/TGRS.2002.803792
    [6] Hooper A, Zebker H, Segall P, et al. A New Meth‍od for Measuring Deformation on Volcanoes and Other Natural Terrains Using InSAR Persistent Scatterers[J]. Geophysical Research Letters, 2004, 31(23): https://doi.org/10.1029/2004GL021737 doi:  10.1029/2004GL021737
    [7] 张双成, 司锦钊, 徐永福, 等. 时序InSAR用于安康膨胀土机场稳定性监测[J]. 武汉大学学报·信息科学版, 2021, 46(10): 1519-1528 doi:  10.13203/j.whugis20210223

    Zhang Shuangcheng, Si Jinzhao, Xu Yongfu, et al. Time-Series InSAR for Stability Monitoring of Ank‍ang Airport with Expansive Soil[J]. Geomatics and Information Science of Wuhan University, 2021, 46(10): 1519-1528 doi:  10.13203/j.whugis20210223
    [8] Casu F, Manzo M, Lanari R. A Quantitative Assessment of the SBAS Algorithm Performance for Surface Deformation Retrieval from DInSAR Data[J]. Remote Sensing of Environment, 2006, 102(3/4): 195-210
    [9] Ferretti A, Fumagalli A, Novali F, et al. A New Algorithm for Processing Interferometric Data-Stacks: SqueeSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(9): 3460-3470 doi:  10.1109/TGRS.2011.2124465
    [10] Lee J S, Pottier E. Polarimetric Radar Imaging: From Basics to Applications[M]. Boca Raton, Flor‍ida, USA: CRC Press, 2009
    [11] Pipia L, Fabregas X, Aguasca A, et al. Polarimetric Differential SAR Interferometry: First Results with Ground-Based Measurements[J]. IEEE Geoscience and Remote Sensing Letters, 2009, 6(1): 167-171 doi:  10.1109/LGRS.2008.2009007
    [12] Navarro-Sanchez V D, Lopez-Sanchez J M, Ferro-Famil L. Polarimetric Approaches for Persistent Scatterers Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(3): 1667‍-1676 doi:  10.1109/TGRS.2013.2253111
    [13] Iglesias R, Monells D, Fabregas X, et al. Phase Quality Optimization in Polarimetric Differential SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(5): 2875-2888 doi:  10.1109/TGRS.2013.2267095
    [14] Roghayeh S, Hossein N, Mahdi M. Persistent Scatterer Analysis Using Dual-Polarization Sentinel-1 Data: Contribution from VH Channel[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(9): 3105-3112 doi:  10.1109/JSTARS.2018.2848111
    [15] Zhao F, Mallorqui J J. A Temporal Phase Coher‍ence Estimation Algorithm and Its Application on DInSAR Pixel Selection[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(11): 8350-8361 doi:  10.1109/TGRS.2019.2920536
    [16] Mestre-Quereda A, Lopez-Sanchez J M, Ballester-Berman J D, et al. Evaluation of the Multilook Size in Polarimetric Optimization of Differential SAR Interferograms[J]. IEEE Geoscience and Remote Sensing Letters, 2018, 15(9): 1407-1411 doi:  10.1109/LGRS.2018.2839179
  • [1] 黄攀, 唐劲松, 钟何平.  干涉合成孔径声呐复图像配准分段曲面拟合法 . 武汉大学学报 ● 信息科学版, 2021, 46(8): 1259-1264. doi: 10.13203/j.whugis20190306
    [2] 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
    [3] 吴星辉, 马海涛, 张杰.  地基合成孔径雷达的发展现状及应用 . 武汉大学学报 ● 信息科学版, 2019, 44(7): 1073-1081. doi: 10.13203/j.whugis20190058
    [4] 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
    [5] 魏然, 单杰.  城市地表温度影像时空融合方法研究 . 武汉大学学报 ● 信息科学版, 2018, 43(3): 428-435. doi: 10.13203/j.whugis20150489
    [6] 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
    [7] 匡翠林, 张晋升, 卢辰龙, 易重海.  GPS单双频混合方法在地表形变监测中的应用 . 武汉大学学报 ● 信息科学版, 2016, 41(5): 692-697. doi: 10.13203/j.whugis20140051
    [8] 余凡, 李海涛, 张承明, 万紫, 刘江, 赵颖.  利用双极化微波遥感数据反演土壤水分的新方法 . 武汉大学学报 ● 信息科学版, 2014, 39(2): 225-228. doi: 10.13203/j.whugis20120527
    [9] 李永生, 张景发, 李振洪, 罗毅.  利用短基线集干涉测量时序分析方法监测北京市地面沉降 . 武汉大学学报 ● 信息科学版, 2013, 38(11): 1374-1377.
    [10] 王贺, 张路, 徐金燕, 廖明生.  面向城市地物分类的L波段SAR影像极化特征提取与分析 . 武汉大学学报 ● 信息科学版, 2012, 37(9): 1068-1072.
    [11] 许才军, 何平, 温扬茂.  利用PSInSAR研究意大利Etna火山的地表形变 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1012-1016.
    [12] 蒋廷臣, 李陶, 刘经南.  星载宽幅雷达干涉监测大范围地震形变技术研究 . 武汉大学学报 ● 信息科学版, 2011, 36(4): 490-494.
    [13] 周志伟, 鄢子平, 刘苏, 李振洪.  永久散射体与短基线雷达干涉测量在城市地表形变中的应用 . 武汉大学学报 ● 信息科学版, 2011, 36(8): 928-931.
    [14] 余凡, 赵英时.  合成孔径雷达反演裸露地表土壤水分的新方法 . 武汉大学学报 ● 信息科学版, 2010, 35(3): 318-321.
    [15] 方荣新, 施闯, 辜声峰.  基于PPP动态定位技术的同震地表形变分析 . 武汉大学学报 ● 信息科学版, 2009, 34(11): 1340-1343.
    [16] 张诗玉, 李陶, 夏耶.  基于InSAR技术的城市地面沉降灾害监测研究 . 武汉大学学报 ● 信息科学版, 2008, 33(8): 850-853.
    [17] 顾天襄.  合成孔径侧视雷达影象平面加密精度 . 武汉大学学报 ● 信息科学版, 1983, 8(2): 71-81.
    [18] 马升龙, 周宇, 沈旭章.  利用Sentinel-1卫星数据和地形数据分析法国东南部Mw4.9 Le Teil地震与采石活动关系 . 武汉大学学报 ● 信息科学版, 0, 0(0): -. doi: 10.13203/j.whugis20210248
    [19] 胡灿程, 汪长城, 沈鹏.  一种引入极化似然比检验的极化SAR滑坡形变监测方法 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20200281
    [20] 龚翔, 许强, 蒲川豪, 陈婉琳, 修德皓, 纪续.  兰州新区平山造城工后地表形变InSAR时序监测与分析 . 武汉大学学报 ● 信息科学版, 0, 0(0): -. doi: 10.13203/j.whugis20210553
  • 加载中
图(9) / 表(1)
计量
  • 文章访问数:  155
  • HTML全文浏览量:  62
  • PDF下载量:  54
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-04-12
  • 刊出日期:  2022-09-05

城市地表形变的双极化Sentinel-1数据极化时序InSAR技术监测

doi: 10.13203/j.whugis20210496
    基金项目:

    国家自然科学基金 42004011

    中国矿业大学中央高校基本科研业务费专项 2020QN27

    作者简介:

    赵峰,博士,主要从事InSAR技术原理与应用研究。feng.zhao@cumt.edu.cn

    通讯作者: 汪云甲,博士,教授。wyj4139@cumt.edu.cn
  • 中图分类号: P237

摘要: 利用双极化Sentinel-1数据有望得到较单极化数据更好的城市地表形变监测结果。以典型受地表沉降灾害影响的两座超大城市(墨西哥的墨西哥城和中国北京市)为研究区,分别基于长时序单、双极化Sentinel-1数据,利用时序合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)技术和极化时序InSAR技术对两城市近年地表形变进行监测研究。结果表明,利用双极化Sentinel-1数据对干涉图进行极化优化后,干涉图相位质量得到提升,高质量像元比例明显增加。使用双极化数据后,形变监测点密度有显著提升,相比于单极化数据结果,墨西哥城和北京市监测点密度分别提升88%和50%;更高的监测点密度使部分区域双极化数据反演地表形变的准确性更高。与单极化Sentinel-1数据相比,利用双极化Sentinel-1数据进行城市地表形变监测可得到监测点密度更高、可靠性更好的结果。

English Abstract

赵峰, 张雷昕, 王腾, 汪云甲, 闫世勇, 范洪冬. 城市地表形变的双极化Sentinel-1数据极化时序InSAR技术监测[J]. 武汉大学学报 ● 信息科学版, 2022, 47(9): 1507-1514. doi: 10.13203/j.whugis20210496
引用本文: 赵峰, 张雷昕, 王腾, 汪云甲, 闫世勇, 范洪冬. 城市地表形变的双极化Sentinel-1数据极化时序InSAR技术监测[J]. 武汉大学学报 ● 信息科学版, 2022, 47(9): 1507-1514. doi: 10.13203/j.whugis20210496
ZHAO Feng, ZHANG Leixin, WANG Teng, WANG Yunjia, YAN Shiyong, FAN Hongdong. Polarimetric Persistent Scatterer Interferometry for Urban Ground Deformation Monitoring with Sentinel-1 Dual Polarimetric Data[J]. Geomatics and Information Science of Wuhan University, 2022, 47(9): 1507-1514. doi: 10.13203/j.whugis20210496
Citation: ZHAO Feng, ZHANG Leixin, WANG Teng, WANG Yunjia, YAN Shiyong, FAN Hongdong. Polarimetric Persistent Scatterer Interferometry for Urban Ground Deformation Monitoring with Sentinel-1 Dual Polarimetric Data[J]. Geomatics and Information Science of Wuhan University, 2022, 47(9): 1507-1514. doi: 10.13203/j.whugis20210496
  • 由地下资源开采和地下空间开发利用等引起的城市地表形变问题日益突出。城市地表形变监测可为建构筑物安全风险识别与预警提供基础数据[1-2],为风险管理提供重要决策依据和数据支撑[3]。传统形变监测如GPS、全站仪、水准仪等地表形变监测精度高,但效率低、成本高、监测点少,难以适用于城市大区域、高频次地表形变监测。基于合成孔径雷达差分干涉测量(differential interferometric synthetic aperture radar,DInSAR)的时序InSAR(persistent scatterer interferometry,PSI)技术[4-6]得到快速发展,并被广泛应用于地表形变监测中[7]。作为一种微波遥感技术,PSI技术具有全天候、全天时、覆盖范围广和形变监测效率高等优点,理想情况其地表形变监测精度可达毫米级[8]。传统PSI技术利用城市稳定散射体(persistent scatterer,PS)进行形变监测,在城市构筑物较多区域效果较好;但在城郊等稳定散射体较少区域,由于监测点密度较低,效果欠佳。因此,分布式散射体干涉测量(distrib‍uted scatterer InSAR, DS-InSAR)技术被提出[9]

    地物对不同极化电磁波响应不同[10],较单极化SAR数据,对不同地物(SAR像元)使用其最优极化SAR数据进行形变监测可得到更好的形变监测结果。由于缺乏长时序极化SAR数据,早期的PSI技术仅使用单一极化数据。随着具备多极化SAR数据获取能力卫星的升空和多极化地基SAR系统的研发和使用,极化时序InSAR技术(polarimetric persistent scatterer interferometry,PolPSI技术)被提出并得到发展[11]。此后,基于星载极化SAR数据,许多学者对PolPSI技术进行了研究与完善[12-13]。在基于双极化Sentinel-1数据的PolPSI研究方面,Roghayeh等[14]利用双极化Sentinel-1数据监测挪威特隆赫姆地表形变。但该研究未对极化优化前后干涉图质量进行详细对比分析,也并未对PolPSI技术获得的更高密度PS点对城市地表形变监测的影响进行讨论。

    受益于欧空局的数据开放政策,覆盖全世界各大城市的双极化长时序Sentinel-1数据的获取变得容易,但目前利用双极化Sentinel-1数据进行大城市地表形变监测研究还相对较少。在城市区域稳定散射体较多,通常利用单极化时序InSAR技术就可得到较好监测结果。但城市区域高大建构筑物林立且朝向五花八门,散射机制复杂多样,不同散射机制混叠较严重。此外,Sentinel-1数据分辨率较低,同一像元包含多种类型散射体可能性较大。基于双极化Sentinel-1数据,利用极化优化技术有望减弱城市区域多种散射机制混叠或建构筑物朝向等因素导致失相干,提高形变监测点密度。

    本研究以受地表形变灾害影响严重的墨西哥的墨西哥城和中国北京市为研究区,分析基于双极化Sentinel-1数据的PolPSI技术在干涉图优化和城市地表形变反演中较PSI技术的优势,并对其不足进行讨论。

    • 为保持Sentinel-1影像分辨率,利用其对大城市区域地表形变进行较精细化监测,本研究使用基于DA(dispersion of amplitude)极化优化的PolPSI技术方法,其主要包括两个步骤:干涉图极化优化和时序形变反演,主要流程如图 1所示。在对干涉图集进行优化后,本研究利用开源软件StaMPS技术来进行时序形变反演。具体方法可参考文献[6]。

      图  1  基于DA极化优化的PolPSI技术流程图

      Figure 1.  Flowchart of the Polarimetric Persistent Scatterer Interferometry (PolPSI) with DA Optimization

    • 极化干涉合成孔径雷达(polarimetric InSAR,PolInSAR)技术需要使用两景不同时间或空间位置获取的极化SAR影像。Sentinel-1卫星通常可获取垂直(VV)和交叉(VH)双极化数据,利用VV与VH极化SAR数据联合处理得到优化后的结果(在本文中用VV-VH表示)。对某一景Sentinel-1双极化数据,其Pauli基投影下的极化散射向量k可表示为:

      k=[SVV,2SVH]T

      式中,SVVSVH分别是VV和VH极化分量。基于两景SAR数据极化散射向量可构建如下极化干涉向量K

      K=[k1,k2]

      式中,k1k2分别表示构成干涉图主、辅影像的极化散射向量[10]

      基于极化干涉向量K,使用两个表征散射机制(scattering mechanism,SM)的单位复数投影向量ω1ω2可得到一幅干涉图,方法参考文献[12-13]。

    • 对SAR像元进行极化优化就是找到最优的ω1ω2来提高其相位质量。为避免对散射体相位中心引入人为的时间维度变化进而混淆到形变相位中,需限定ω1ω2相同,即对于所有的干涉图需使用同一投影向量ω

      通常使用相位质量指标DA来对PS像元进行极化优化[12-13]。其极化优化过程就是寻找最优散射机制ω来使像元DA值最小。常见的极化优化方法中,遍历搜索极化优化方法(exhaustive search polarimetric optimization,ESPO)可得到最好的干涉相位优化效果,因此本研究使用该方法来完成干涉图的极化优化[12-13]

    • 墨西哥城70%饮水来源于地下水,使得地下水开采量远超自然补给量,导致含水层枯竭及地面沉降。近年来,其地表沉降速率最大可达约为25 cm/a[1]。本研究使用2017-11-06—2020-08-22获取的41景覆盖墨西哥城的双极化Sentinel-1数据对其进行地表形变监测,影像像元个数为3 ‍800×10 000。选择2019-04-06获取的SAR影像作为主影像,采用单主影像方式得到40景干涉图用于墨西哥城地表形变监测。

    • 自1987年至今,北京市地下水持续超量开采,地下水位逐年下降,导致土层压缩,从而引发地面沉降。近年来,北京市地表年均形变速率最大可达约15 cm/a。

      本研究共使用2017-05-20—2020-09-13的46景双极化Sentinel-1数据,影像像元个数为5 ‍300×16 500。选定2018-11-11获取影像为主影像,采用单主影像方式得到45景干涉图用于北京市研究区地表形变监测。

    • 为定性分析差分干涉图极化优化效果,分别选取墨西哥城和北京市的局部区域,对比分析这些区域时间基线较短和较长干涉图优化前后噪声水平。

      墨西哥城所选择的分析区域是位于研究区南部的一个购物中心,对应SAR平均强度图如图 2(e)所示。如图 2(e)中红色虚线所示,该购物中心形状类似菱形。图 2(a)图 2(b)分别为该区域时间基线最短(24 d)干涉图优化前、后结果(时间基线如图 2(a)左侧日期标注),因受到叠掩、散射机制混叠和建构筑物朝向等因素影响,原始干涉图(VV极化)购物中心边缘区域干涉相位模糊,优化后(VV-VH)噪声水平降低,建构筑物轮廓更清晰(如图 2(b)中白色虚线所示)。图图 2(c)图 2(d)分别为时间基线最长(516 d)干涉图及其极化优化结果(时间基线如图 2(c)左侧日期标注),该区域在观测期间存在明显沉降,干涉图中有形变条纹。受时空去相干等因素影响,原始干涉图中形变条纹噪声较大,极化优化后干涉相位质量得到提升,形变条纹更加清晰。

      图  2  墨西哥城局部区域干涉图优化前后对比

      Figure 2.  Sub-areas' Interferograms Before and After Polarimetric Optimization over Mexico City

      本文选择北京市两个局部区域时间基线较短(36 d)和较长(540 d)干涉图来分析极化优化效果。区域1位于国家体育馆(鸟巢)附近,对应SAR平均强度图如图 3(a)所示,蓝色和红色矩形内分别为国家奥体中心和鸟巢。图 3(b)为区域1时间基线较短干涉图和其优化后结果,国家奥体中心和鸟巢区域因受到叠掩、多种散射机制混叠和建构筑物朝向等因素影响,原始干涉图中地物特征及边缘区域失相干较严重、干涉相位较模糊,极化优化后干涉图相位噪声有所降低,建构筑物轮廓更清晰。图 3(c)为区域1对应时间基线较长干涉图和其优化后结果,主要受时空去相干等因素影响,原始干涉图中的建构筑物轮廓难以识别,优化干涉图中可观察到对应轮廓。

      图  3  北京市局部区域干涉图优化前后对比

      Figure 3.  Sub-areas' Interferograms Before and After Polarimetric Optimization over Beijing

      区域2位于北京市京旺家园小区附近,该区域在监测期间存在较大形变,对应SAR影像平均强度图为图 3(d)。对比分析优化前后两组干涉图,可得到与区域1相同结论,既优化后干涉相位图中建构筑物轮廓更清楚,见图 3(e)。此外,图‍图 3(f)中均可看到形变相位条纹,但优化后形变相位条纹更加清晰,噪声更小。

      通过对比分析墨西哥城和北京市极化优化前后6组干涉图发现,极化优化后干涉图相位质量较单极化有所提升,长时间基线干涉图更明显。极化优化后干涉图中相位噪声更小,利于后续地表时序形变的反演。

    • 为定量评价差分干涉图极化优化效果,选择DA、TPC(temporal phase coherence)[15]和相位相干性时序均值(temporal mean of phase coher‍ence,TMPC)[16]3种干涉相位质量评价指标对极化优化前后干涉图集进行评价分析。

      计算墨西哥城和北京市研究区干涉图集对应上述3个相位质量指标,统计结果见图 4图 4中红色实线和绿色虚线分别表示极化优化(VV-VH)和单极化(VV)干涉图集相位质量结果,DA值越小,TPC和TMPC值越大,对应干涉图相位质量越好。从3 ‍种相位质量评价指标结果可看出,对于两个研究区,优化后干涉图集相位质量均有较明显提升。

      图  4  墨西哥城和北京市研究区干涉图相位质量评价结果直方图

      Figure 4.  Phase Quality Evaluation Results of the Interferograms over Mexico City and Beijing

      利用各指标可筛选出高质量像元,各指标不同阈值条件下高质量像元个数统计结果如表 1所示。表 1中“VV-VH/VV”为优化后和优化前干涉图集高质量像元个数比值。对于两个研究区域,采用3种不同阈值,极化优化后高质量像元密度均有提升,说明极化优化可提高干涉图集相位质量,使得更多高质量像元可被用于后续地表形变监测。

      表 1  各相位质量指标筛选的较高质量像元个数统计结果

      Table 1.  Statistical Results of the Number of Higher-Quality Pixels Selected by the Phase Quality Index

      研究区 DA TPC TMPC
      指标范围 (VV-VH/VV)/% 指标范围 (VV-VH/VV)/% 指标范围 (VV-VH/VV)/%
      墨西哥城 0~0.25 293 0.85~1.0 128 0.7~1.0 204
      0~0.30 296 0.90~1.0 137 0.8~1.0 249
      0~0.40 402 0.95~1.0 151 0.9~1.0 242
      北京市 0~0.25 183 0.85~1.0 112 0.7~1.0 181
      0~0.30 184 0.90~1.0 117 0.8~1.0 260
      0~0.40 262 0.95~1.0 124 0.9~1.0 393
    • 基于原始和优化后干涉图集,使用StaMPS软件可分别得到研究区地表形变监测结果。为比较PSI和PolPSI两种技术城市地表形变监测结果,在时序InSAR地表形变反演部分,将两种技术数据处理参数设置为相同数值。

      利用PSI和PolPSI技术获得的墨西哥城地表形变监测结果见图 5(2017-11—2020-08),从图 5可看出,两种方法结果整体形变趋势一致,监测期间墨西哥城主城区仍然存在较大下沉,最大下沉速率约达250 mm/a。利用PolPSI技术获得形变监测点密度较PSI技术有显著提升,分别为764 735个(图 5(a))和1 441 030个(图 5(b)‍)监测点,PolPSI技术较PSI技术的监测点密度提升88%。

      图  5  墨西哥城地表形变监测结果

      Figure 5.  ‍Ground Deformation Monitoring Results over Mexico City

      图 5(c)图 5(d)图 5(a)中黑色方框A区域PSI和PolPSI技术地表形变监测结果,可更明显看出,PolPSI技术形变监测点密度较高,反演形变细节更清晰。此外,在图 5(c)图 5(d)中白色椭圆区域两种方法监测形变结果存在明显的差异,PolPSI形变监测结果与已有研究更相符[1],说明在该区域PolPSI技术形变反演结果的可靠性更好。产生差异的主要原因是两种方法在该区域周围形变监测点密度不同,且该区域地表形变空间上变化快。StaMPS在进行三维相位解缠时需基于邻域像元构建三角格网,邻域像元会影响相互之间形变反演结果。图 5(c)图 5(d)区域三维相位解缠时构建的三角格网如图 5(e)和图‍图 5(f)所示。可观察到PSI技术在红色椭圆区域下方形变监测点少,构网密度相对较低,导致该区域结果受上方大形变邻近像元影响较大;而极化优化后,PolPSI技术在该区域右下方(较稳定区域)有更多监测点,构网密度更高,可更准确地反演真实地表形变。

      为从时序形变角度对比分析,将图 5‍(c)图 5(d)白色椭圆区域中心点由两方法得到的时序形变结果绘制出来见图 6

      图  6  墨西哥城形变差异点时序形变对比图

      Figure 6.  Comparison of the Two Typical Pixels' Time-Series Deformation over Mexico City

      图 6可知,VV极化数据反演的时序形变比双极化(VV-VH)得到结果“跳跃”程度更大。因该中心点位于城市区域,时序形变受大气影响较小,故基于VV极化反演得到的这种“跳跃”的时序形变结果很可能是由该区域解缠误差导致,这从另一角度说明极化优化形变监测结果具有更好的稳定性。

      PSI和PolPSI技术监测北京市地表形变结果如图 7所示。

      图  7  北京市地表形变速率监测结果

      Figure 7.  Ground Deformation Monitoring Results over Beijing

      北京市地表形变区主要集中在主城周围,最大沉降量达约80 mm/a;主城区(四环以内)基本稳定,不存在明显的形变区域。利用PolPSI技术得到地表形变监测点密度较PSI技术有明显的提升,两种方法在研究区分别得到1 985 721个和2 ‍981 613个监测点,PolPSI技术较PSI技术的监测点密度提升50%。

      图 7(c)图 7(d)图 7(a)中白色方框A区域两种技术形变监测结果放大图(2017-05—2020-09),可发现双极化数据结果监测点密度明显高于单极化数据结果,特别是在图中白色矩形框标示的道路区域和白色椭圆标示的建构筑物区域对比更加明显。此外,在白色椭圆区域两种方法监测得到的形变数值大小存在差异,导致这种差异的原因和墨西哥城类似,主要由监测点密度不同导致。

      将两种技术同名监测点形变速率作差,结果如图 8所示。

      图  8  PSI与PolPSI方法反演地表形变速率差值直方图

      Figure 8.  Ground Deformation Velocity Difference Between the PSI and PolPSI Results

      图 8可知,两区域同名监测点差值的平均值分别为0.40 mm/a和0.76 ‍mm/‍a,标准差分别为3.54 mm/a和1.56 mm/a,说明两种技术形变结果整体一致性很好,可从侧面相互验证监测结果的可靠性。

      绘制北京市和墨西哥城各两个形变特征点(稳定点和形变较大点)时序形变结果,如图 9所示。其中北京市特征点位置如图 7(a)‍中白点B1B2所示,B1点位于鸟巢上方,B2点位于北京市郊区较大形变区域。墨西哥城特征点位置如图图 5(a)‍中白点M1M2所示。

      图  9  PSI(VV)与PolPSI(VV-VH)方法反演地表时序形变结果

      Figure 9.  PSI(VV) and PolPSI(VV-VH) Obtained Ground Defromation Time Series

      图 9中红色实线和蓝色虚线分别为PolPSI和PSI技术时序形变监测结果,可看到4个监测点两种方法反演结果一致性好。B1巢监测点基本稳定,存在小范围波动,这可能和该建筑物特殊结构受温度变化发生微小变形有关(图 9(a))。B2监测点监测期间持续下沉,最大累积形变量值达230 mm左右(图 9(b))。M1点位于城中一座山脚下,较稳定,受大气和其他因素影响,形变在小范围波动(图 9(c))。M2点位于大沉降区域,监测期间呈现出近似线性的下沉,最大累积下沉量近550 ‍mm(图 9(d))。

    • PolPSI技术需要对干涉相位进行极化优化,较PSI技术计算量更大,本研究极化优化使用单线程进行运算。对于墨西哥城和北京市,在设置ESPO方法搜索步长为3°情况下,极化优化耗时分别为41.6 h和100.2 h。

      PolPSI技术较PSI技术反演地表形变需更大计算量,可能影响其在大范围形变监测中的应用。可从下面几个方面来缩短PolPSI计算耗时:首先,通过并行计算可大大缩短PolPSI技术形变反演耗时;其次,本研究中所使用的ESPO方法简单,但效率较低,可研究高效极化优化方法来提高PolPSI技术极化优化效率。

    • 为研究双极化Sentinel-1数据监测城市地表形变优势,本文对墨西哥城和北京市近年地表形变分别采用时序InSAR技术(PSI技术,基于VV极化Sentinel-1数据)和极化时序InSAR技术(PolPSI技术,基于VV和VH极化Sentinel-1数据)进行监测,并对两种技术方法结果进行了对比分析与讨论。结果表明:(1)利用PolPSI技术对干涉图进行极化优化,可较明显提升干涉图相位质量。(2)PolPSI技术较PSI技术可得到更高密度监测点,使用PolPSI技术后墨西哥城和北京市监测点密度分别提升了88%和50%;此外,部分区域PolPSI技术反演地表形变可靠性更高。基于双极化Sentinel-1数据,利用PolPSI技术可得到监测点密度更高、可靠性更好的城市地表形变监测结果。(3)与PSI技术比较,PolPSI技术地表形变反演所需计算时间较长,可利用并行计算或研究高效极化优化方法来降低其计算耗时。

参考文献 (16)

目录

    /

    返回文章
    返回