基于数据改正大气延迟分析

引言

InSAR技术是近年来迅速发展起来的极具应用价值的空间对地观测新技术，具有监测精度高、范围大、成本低、空间连续覆盖等优点，为高边坡地质灾害区监测提供了一种新型的监测方法。但由于地质灾害多发生在暴雨频发、地质地貌复杂的区域，特殊的地理位置与气候使得InSAR技术应用中受大气延迟的影响非常严重，大气延迟误差是InSAR技术的主要误差源，严重时还会导致InSAR结果的错误解译［1］。因此，必须要对InSAR观测进行大气延迟改正。本文针对地面GPS网络的低空间分辨率给InSAR大气延迟改正带来的不利影响，提出了融合GPS和NCEP全球分析最终产品FNL(Final)进行InSAR大气延迟改正的新方法。将NCEPFNL得到的平均风速应用于“凝固流”假设理论，获得“扩展”的湿延迟控制点，提高湿延迟分布图的精度。

1InSAR大气延迟改正的研究自1994年Massonnet等［2］在利用InSAR研究1992年发生在美国南加州地区Laders地震时首次发现了InSAR干涉图中的大气效应后，众多学者对消除或减弱InSAR中的大气延迟的方法展开了研究。近年来，InSAR大气延迟改正的理论及方法取得了快速的发展，国内外提出了多种改进InSAR大气延迟的方法。以下介绍几种主流的方法。

1.1利用MODIS/MERIS水汽产品MODIS(ModerateResolutionImagingSpectrorad-iometer)［3］的近红外水汽产品比世界上最密集的GPS网络———美国南加州综合GPS网(SCIGN)的密度还要高10倍以上。2005年国内许多学者提出融合MODIS和GPS数据的InSAR干涉图改正方法［4，5］，但MODIS容易受到云的影响，且水汽产品存在系统误差，需要进行改正。MERIS(MediumResolutionImagingSpectrometerInstrument)水汽产品与ASAR(AdvancedSyntheticApertureRadar)影像同时获取，且得到的PWV空间分辨率高(300m×300m)，精度也比MODIS还要高［6，7］，但其缺点是受云的影响更大。

1.2利用PSInSAR技术常规DInSAR技术进行滑坡监测会受到相位失相关和大气延迟影响，Ferretti［8，9］提出了仅仅跟踪成像区域内雷达散射特性较为稳定的目标而放弃那些失相关严重的分辨单元的方法。这些目标(如建筑物的墙角、屋顶和的岩石等)几乎不受失相关噪声影响，即使在多年时间间隔的干涉对中仍然保持较高的干涉相关性，把这些稳定的目标称之为永久散射体(permanentscatterers，PS)。PSInSAR技术［10～12］能克服传统InSAR技术中的去相干性和大气效应等困难，但利用PSInSAR技术进行InSAR大气改正的缺点在于，PS点通常分布于市区等人工建筑较多的地方或无植被覆盖的山峰、山脊等有巨石的地方，对于研究山体滑坡等地质灾害受到了很大的限制，要得到准确可靠的结果，对同一区域内的SAR影像数量也有较高要求，一般需要至少30幅影像。

1.3利用地面GPS观测GPS具有高精度、全天候、可连续估计大气延迟的优点，GPS气象学的发展为精确反演对流层延迟提供了保障，亦为估计与改正InSAR大气效应提供了一种新的方法，因而利用GPS进行InSAR大气延迟改正的方法得到了越来越多的应用。但SAR影像与GPS测站的空间分辨率差异很大，很大程度上限制了大气延迟分布图的估计精度，为了对SAR影像进行逐像素的大气层延迟改正，必须对GPS获取的大气延迟进行加密插值，Janssen等［13］对反距离加权平均(IDW)、克里格(Kriging)、三次样条三种不同的插值算法用InSAR大气改正的效果进行了比较，结果表明反距离加权平均插值和克里格插值法比三次样条插值算法效果更佳;李志伟［14］提出了一种新的大气校正的方法，通过计算出平均大气延迟，然后利用GPS探测到的大气延迟对平均延迟进行修正，弥补了SAR干涉图水平方向上各向异性的问题。但GPS改正InSAR大气延迟仍然存在限制，当GPS测站附近的气象观测缺失时，大气延迟估计精度会降低，GPS采集数据连续运行站点之间的间隔一般为几十千米不等，测站点过于分散会降低观测精度，增加观测站的密度会受到地理环境和运作成本等因素的限制，即使设立临时性、低成本的观测点，效果仍然非常有限。针对以上几种方法存在的问题，本文提出了一种新的改正InSAR大气延迟的方法。

2GPS和NCEPFNL数据改正InSAR大气延迟

2.1NCEP全球分析最终产品FNL(Final)NCEP/NCAR再分析资料［15］是1991年开始实施的美国国家气象中心(NMC)气候资料同化系统(CDAS)的一个重要部分，其包含了丰富的气象观测资料，可用来精确估计气象参数并提高大气延迟分布图的精度。该系统由NASA资助，以NCAR以前为航空与交通部门开发的用于美国大陆的产品为基础，将卫星资料、模式结果与先进的人工智能技术结合起来，快速确定和预报风暴与潜在扰动气流。NCEPFNL资料［16］比再分析资料具有更高的时间、空间分辨率，其同化了全球搜集到的几乎所有观测信息，是全球业务模型生成的最后产品，可以认为是NCEP所有产品中用于模式存档的最佳选择。其数据水平格距为1°，水平方向共360×181个格点，垂直方向分为地表层和从1000～10hPa共26个等压层，有海平面气压、表面温度、海冰等9个单层变量和位势高度、温度、东西风分量、南北风分量、相对湿度共5个全层次变量。从1999年7月30日至今的NCEPFNL产品可以免费获取，其空间分辨率为1°×1°，时间分辨率为6h(dss.ucar.edu/datasets/ds083.2/)。NCEPFNL数据集以GRIB格式存储，同样可用GrADS软件进行读取。图1为逐6h再分析资料集的分布图。

2.2基于“凝固流”假设的InSAR大气改正方法“凝固流”假设由泰勒于1938年提出［17］，该假设认为在平均风速的驱使下，空气流在平移过程中处于“凝固”状态，即在某一固定点上观测到的时间上的延迟波动是由某一折射率场在平均速度为V的流的驱使下，经过该点时产生的空间波动引起的，“凝固流”假设的主要思想是空气流在平均风速的驱使下进行平流输送。“凝固流”假设运用到空气中的三维湿折射率Nwet(x，y，z，t)的数学描述可以表示为:Nwet(x，y，z，t)=Nwet(x－ut，y－vt，z，0)(1)(x，y，z)表示空间的三维坐标，t表示时间，u，v分别表示水平方向的纬向风和经向风。“凝固流”假设研域平均风速U空间上为常数，但随着时间变化，则指定空间位置(x，y，z)上的湿折射率可以认为是在之前时刻t，由另一空间位置(x－ut，y－vt，z)上的湿折射率通过平均风速U=(u，v)的平流传输得到的。

2.3平均风速的估计为了利用GPS天顶湿延迟(ZWD)时间序列估计平均风速，假设研究区域内的GPS天顶湿延迟(ZWD)在空间上的统计特性为各向同性，且在时间上服从广义稳态随机过程［18］，则两个GPS测站上时间连续的ZWD间的互相关函数可表示为:到的湿延迟分布不能真实反映湿延迟空间分布状况。基于泰勒提出的“凝固流”假设，Onn［19］将这种思想用于InSAR大气改正，并指出这种方法比仅用GPS观测时更为有效。其中，准确地估计研究区域的平均风速是至关重要的。平均风速的大小及方向决定了“扩展”的ZWD控制点的位置，决定了基于这些控制点插值得到的湿延迟分布图的精度，从而决定了该方法对InSAR大气延迟效应的改正效果。但是，将研究区域内ZWD的变化全部归因于平均风速的变化是不严密的，GPSZWD的变化是多方面因素的综合结果，除了与风速有关外，还与研究区域的温度等其它气象因素有关。

2.4改进的InSAR大气改正方法针对上述问题，本文提出了融合GPS和NCEP全球分析最终产品FNL(Final)改正InSAR大气延迟的方法。本方法的思想就是“以时间换空间”。利用NCEPFNL对研究区域的平均风速矢量进行估计时，首先获取UTC时间00h，06h，12h和18h上的平均风速的u分量和v分量序列，然后将u分量和v分量序列插值到SAR影像过境时刻。在利用NCEPFNL资料获取了研究区域内的平均风速后，即可利用“凝固流”假设，通过式(1)来获取空间分辨率更高的湿延迟控制点。假定GPS天线的位置为(xg，yg)，则在时刻tni该GPS测站获取的ZWD可以平流输送至SAR影像获取时刻ti的新位置(x，y)。式(1)可表示为:表示平均风速估计的间隔。式(8)中，ΔT表示主副影像获取时刻ti前后的时间窗口大小。改进的融合GPS观测和NCEPFNL的InSAR大气改正方法以GPSZWD的时间分辨率来换取ZWD控制点的空间分辨率。利用“扩展”的ZWD控制点，通过IDW等插值方法即可得到更精确的ZWD分布图，从而更好地用于InSAR大气延迟改正。

3实验结果与分析

3.1数据来源选取两幅搭载在ENVISAT上的ASAR传感器在江南部地区获取的SAR影像进行干涉处理与分析，主副影像的获取时间分别为2008年12月22日和2009选取图2影像的左下角的区域作为研究区域，对提出的算法进行试验研究与分析。GPS测站信息见表1，对于单幅SAR影像来说，仅有4个GPS测站位于研究区域内，如图3小方框中的部分，从图3还可看出，研究区域地势平坦，故其导致的SRTMDEM和InSAR干涉图间的配准误差对大气信号提取的影响很小。利用地基GPS观测获取大气延迟时，为了获取各自测站上方绝对的路径延迟，引入了2个与研究区域距离大于500km的IGS测站，如图4所示。

3.2结果与分析利用GAMMA软件采用两通法对SAR影像进行了差分干涉处理。为了抑制噪声，对SAR影像进行了5∶1的多视处理，得到了分辨率为40m×40m的干涉图。SRTMDEM用于模拟雷达坐标系下的高程图，并用来去除干涉图中的地形相位，形成差分干涉图，采用自适应滤波法进行滤波后的差分干涉图，见图5。再根据图6，差分干涉图的相干图像，可看出大部分研究区域内的相干性都比较好。在利用最小网络流量算法［20］对差分干涉图进行解缠时，将相干性低于0.2的区域进行掩模处理，不参与解缠，解缠后的结果见图7。由于主副影像观测时间间隔很短，研究区域的地表形变可以忽略且江南部地区地形平坦，解缠后的差分干涉图中的相位可以认为是由紊流混合导致的大气相位组成。利用Bernese软件对主副影像时刻的4个GPS测站上的天顶湿延迟ZWD进行了估计。图8给出了利用NCEPFNL资料提取研究区域的平均风速后，利用“凝固流”假设对SAR影像获取时刻前30min的GPSZWD序列进行加密的结果。图8中，边框表示所研究区域，三角形表示GPS测站位置，深色圆点表示主影像的加密点，浅色圆点表示副影像的加密点。从图中可以明显地看出，运用“凝固流”假设后，湿延迟控制点的分辨率较之前有了很大的提高。利用反距离加权平均(IDW)插值法，可以得到主副影像时刻研究区域内的天顶湿延迟分布。将主副影像的天顶湿延迟进行差分，并通过NMF投影函数［21］转换到雷达视(LineOfSight，LOS)方向，即可得到LOS方向上的差分湿延迟分布。图9(a)表示利用地面GPS观测得到的ZWD经过IDW插值后得到的差分湿延迟分布，图9(b)表示利用“凝固流”假设加密的湿延迟控制点经过插值得到的差分湿延迟分布。利用差分湿延迟分布，即可对InSAR大气相位进行改正。首先将差分湿延迟分布从原始的差分干涉图中去除，然后将经过大气改正过的未解缠的干涉图进行滤波和解缠处理，结果如图9(c)和图9(d)所示。误差，还没有引入新的短波误差。图7、图9(c)、图9(d)中的虚线为选取的方位向、距离向剖面，为了更好地比较改进方法对InSAR大气延迟进行改正的效果，选取了剖面位置的大气残余相位进行分析，结果如图10和图11所示。从图10和图11中可以看出，仅利用GPS对InSAR大气进行改正时，距离向和方位向上的改正效果不太显著，方位向上的大气残余相位甚至比改正前有所增加;而改进方法在距离向和方位向上的大气残余相位较改正前明显的减弱，这与图9的分析是一致的。比较图9(a)和图9(b)可以看出，经过“凝固流”假设加密的湿延迟控制点插值得到的差分湿延迟分布与仅用GPSZWD插值得到的差分湿延迟更能反应细节特征。与图7中未进行大气改正的结果相比，图9(c)中仅利用GPS观测进行改正的结果中的短波大气信号得到了明显的加强(右下方的深色区域)，改正过程中反而引入了新的误差。仅利用GPS观测进行大气改正效果较差的主要原因是GPS测站的空间分辨率太低，仅有4个GPS测站可用。此外，主副影像过境时个别点位不能被同时使用也可能导致改正过程中引入误差，这也是图9(d)中左下部分接近虚线交叉点部位看起来引入了新的误差的原因。从图9(d)中可看出，在利用本文提出的方法后，InSAR大气改正结果则更为合理，不仅消除了图7右中部的长波大气信号为了定量衡量不同方法所得结果的效果，选用差分湿延迟分布图的均方根RMS为指标，比较结果如表2所示。由表可看出，仅利用GPS观测对InSAR大气进行改正时，由于GPS测站的空间分辨率低，导致了大气相位的RMS从原始的9.45mm增加到了9.83mm。利用本文提出的融合GPS观测和NCEPFNL数据进行InSAR大气改正的方法后，RMS降低至8.38mm。4结束语针对GPS改正InSAR大气延迟时，地面GPS测站的低空间分辨率影响了其生成的大气湿延迟分布的精度，从而影响了GPS对InSAR大气的改正效果这一问题，本文选取ENVISATASAR影像及同步的GPS测站数据进行实验研究与方法验证，利用NCEP全球操作分析最终产品FNL，通过时间和空间插值，获取研究区域平均风速大小和方向的方法，提高湿延迟控制点的空间分辨率和差分湿延迟分布图的精度。实验结果表明，改进方法与仅利用GPS观测进行InSAR大气改正的效果不明显相比，可有效减少InSAR干涉图中的残余大气相位，这为以后InSAR在地质灾害区域进行山体滑坡等的监测起到了很重要的推进作用，对于我国的水利与重大工程建设也具有深远的意义。