一、InSAR干涉图的相位关系分析（论文文献综述）
程国旗[1]（2020）在《双波段相位解缠方法的研究》文中研究说明相位解缠绕（Phase Unwrapping,PU）一直是InSAR干涉处理过程中的关键点和难点,也是InSAR数据处理的主要误差来源,制约着InSAR干涉结果的精度。倘若没有噪声或其他干扰的情况下,相位解缠绕更容易,解缠精度更高,通过对相位的偏导数进行积分运算就可以获得真实的相位差。然而,基于真实地形获得的影像数据中存在着由突变地形相位引起的雷达阴影、顶底倒置等现象,使得相位解缠绕处理变得更加困难。在实际需求驱动下,国内外多个项目开展了对多波段相位解缠的方法进行了研究。在对多波段相位解缠算法的研究中,一般的研究思路是以增加载波长度,扩大横向测量范围,在实际应用中可能会出现短波段的解缠精度较低的情况。差分滤波相位解缠方法作为已有的一种多波段相位解缠算法,可利用较长波段的解缠绕结果指导较短波段进行相位解缠,这为不同多波段相位解缠算法的结合提供了基础。本文结合TSPA双波段解缠理论、差分滤波解缠具体方法开展了一系列的研究及对比试验。本文针对已有的双波段相位解缠方法进行了研究,主要研究内容包括以下几个方面:（1）基于MATLAB语言,对TSPA双波的相位解缠算法理论进行实现,随后通过仿真数据设计了 TSPA双波段相位解缠算法和L1-norm单波段相位解缠算法对比实验,结果表明两种解缠算法均存在较短波段解缠精度较低的问题。（2）由于TSPA双波段相位解缠结果中短波段解缠结果精度较低等原因,为克服这一缺陷,结合差分滤波解缠算法的思想,提出基于TSPA的差分滤波双波段相位解缠算法。以更复杂的山谷地形仿真数据为研究对象,对TSPA差分滤波双波段相位解缠算法的性能进行分析及实验验证。最后,结合评价分析指标对本文方法性能进行归纳分析。本文基本实现了在复杂地形区域获得高精度解缠结果的算法,改善了复杂地形双波段相位解缠中短波段的解缠绕精度,均方根误差约0.85,接近于较长波段解缠绕结果的均方根误差。
陈欢[2]（2020）在《基于TOPS模式的时序InSAR电离层大气校正方法研究》文中进行了进一步梳理InSAR时间序列分析是在传统的InSAR技术上的进一步发展,旨在分析地表形变的时间演化。采用TOPS模式进行地表观测的哥白尼哨兵1A/B卫星星座为使用InSAR技术测量大尺度地表形变带来了前所未有的机会。虽然哨兵卫星搭载的是C波段的传感器,其受电离层大气影响的程度仅为L波段的十六分之一,但由于其特殊的TOPS成像模式,短波长信号的测量精度也会受到影响。随着InSAR应用对精度要求的提高,以及干涉宽幅TOPS模式SAR数据的广泛使用,TOPS模式干涉图的电离层大气校正越来越受到专家学者的关注。在国内,对于TOPS模式InSAR电离层大气校正的研究主要是针对单个干涉对,TOPS模式时序InSAR电离层大气校正的研究非常少。本文将围绕这一问题展开研究,主要研究内容如下:1)本文从电离层的基本性质以及时空分布规律出发,分析了电离层对SAR信号的影响以及对TOPS模式图像采集的影响。详细阐述了在单层电离层背景下TOPS模式成像所受到的两个影响以及最终在干涉图上的表现形式,并采用覆盖智利北部的250km×520km范围的TOPS干涉图展示了 TOPS模式干涉图上电离层大气的影响。2)本文详细阐述了适用于TOPS模式电离层大气校正的频谱分裂法,并采用该方法对受电离层大气较为严重的干涉图进行电离层大气校正,展示了 TOPS模式干涉图电离层大气校正的效果。3)提出了一种时序InSAR干涉图选择性电离层大气校正的方法,并选择覆盖智利北部的149轨道的90景Sentinel-1A IW TOPS模式数据以及156轨道52景Sentinel-1B IW TOPS模式数据进行NSBAS时序电离层大气校正实验。实验表明经过电离层大气校正后,时序结果有明显改善,通过两个轨道时序结果的对比,验证了该方法是有效的。
高海英[3]（2020）在《InSAR地表形变监测中对流层延迟校正研究》文中研究指明InSAR技术是近几年迅速发展起来的基于面观测的空间大地测量新技术。然而,InSAR技术受对流层延迟效应的严重影响,降低InSAR技术本身的监测精度,限制了 InSAR技术在高精度地表形变监测领域的应用。本文选用45景Sentinel-1A数据,利用小基线集InSAR技术结合MODIS水汽产品和GACOS大气校正模型,监测贵州省六盘水市盘县在2018年1月至2019年7月间的地表形变情况,并对两种大气校正方法以及二者结合的方法在研究区使用效果进行了对比分析;对盘县监测到的12煤矿采空沉降区域进行了时间序列分析;为验证Sentinel-1A时序InSAR监测结果的准确性,使用L波段ALOS-2数据对监测结果进行精度比较。本文主要研究工作如下:（1）针对InSAR地表形变中对流层延迟误差对监测结果的影响,重点分析了对流层中大气水汽对重复轨道InSAR测高和D-InSAR监测形变的影响机理。介绍了对流层延迟效应在InSAR测量结果中的具体表现形式,主要可分为垂直分层延迟的影响和湍流混合延迟的影响,二者在干涉图中表现形式不同,影响区域也不同,因此在去除干涉图中的大气相位时,应分别考虑二者的影响。除此之外,归纳总结了 InSAR测量中对流层延迟校正的方法。（2）使用覆盖贵州省六盘水市盘县45景C波段Sentinel-1 A数据,利用MODIS、GACOS及本文提出的MODIS+GACOS方法去除干涉图中大气相位,联合时序InSAR技术获取研究区内准确的地表形变信息。选取典型形变区域,对比MODIS、GACOS和MODIS+GACOS三种不同大气校正方法联合时序InSAR得到的研究区平均形变速率,实验结果表明,使用MODIS方法精度提高2.3%,使用GACOS方法精度提高12.9%,使用MODSI+GACOS方法精度提高了 20.5%,结果表明二者结合的方法能够更为有效的去除大气相位误差。（3）利用L波段ALOS-2数据对形变监测结果从两个方面进行精度比较:1)判断两种数据源监测结果中,形变区域的范围和形变中心点是否一致。实验结果表明二者获取的形变区域范围较为一致,选取的典型形变区a1形变范围差0.26km2,a7差0.1km2,a9差0.42km2,形变中心点位置基本一致。2)判断两种数据监测结果中,形变区内形变量的大小是否一致。结果显示两种数据源获取得到的形变区形变量值变化趋势一致。对比三处典型区域平均形变速率发现a1相关性0.68,a7相关性0.9,a9相关性0.84。本文通过对贵州省六盘水市盘县典型形变区进行InSAR地表形变监测,并对监测结果进行对流层延迟校正,结合时序InSAR技术获取更加精确的地表形变信息,经过对监测结果进行分析验证,获取研究区较为准确的变形范围和变形量,为预防滑坡,保证人民生命财产安全提供重要的判断依据。
谷翼策[4]（2020）在《多通道干涉SAR数据仿真及通道相位误差校正技术研究》文中认为多通道（多基线/多频率）干涉合成孔径雷达（Interferometric Synthetic Aperture Radar,InSAR）测量技术是在此前的单基线InSAR技术理论上扩展出来的一种新生的合成孔径雷达地表测量技术,结合了合成孔径成像原理和干涉测量技术,通过回波信号的相位信息获得地物的高精度三维空间信息,提高了 InSAR对复杂地形的测绘精度,能够在全天时、全天候情况下获得大探测范围、高精度、高可靠性的地表空间高分辨率图像,是现在利用遥感技术得到目标三维信息和细小形变信息的点面观测方式的不二法门。本文主要对多通道InSAR数据仿真及通道相位误差校正技术进行了研究,主要工作包括:（1）提出了一种顾及叠掩与阴影情况的多通道InSAR干涉图仿真方法。此方法结合多通道InSAR系统参数计算获得各个干涉通道的真实干涉相位;根据干涉相位的概率密度函数生成相应的相位噪声加入到真实干涉相位中;将叠掩部分的干涉相位进行加权叠加,从而得到顾及叠掩与阴影的多通道InSAR干涉相位图。（2）提出了一种适用于InSAR系统相位误差校正的高频正弦信号相位差测量方法,并确定了下采样条件下对应的采样率选择准则。该方法根据已知的采样率选择准则选择合适的下采样率对两个相同频率的正弦信号进行采样;对采样后的信号进行限幅递推平均滤波,同时以基带信号的周期为周期进行相干积累;对处理过的采样信号采用离散傅里叶变换法、数字相关法和希尔伯特变换法等方法计算出两个正弦信号的相位差,并进行了对比分析。如上所述,本文在多通道InSAR数据仿真方面及通道相位误差校正技术取得了一定的成果。在多通道InSAR数据仿真方面,提出了一种考虑叠掩及阴影因素的数据仿真方法,此方法简化了实验步骤,易于操作,能够为各种多通道InSAR研究进行性能比较和定量评估提供适合的仿真数据。在通道误差校正方面,提出了一种下采样条件下基于限幅递推平均滤波和相干积累的相位差测量方法,并确定了下采样条件下的采样频率选择准则,为广大研究工作者们提供了一种切实可靠的通道相位差处理方法。
朱邦彦[5]（2017）在《InSAR对流层延迟校正及其在地表沉降监测中的应用研究》文中研究表明近三十年,合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar,InSAR）作为一种新兴大地测量技术,在地表形变监测领域得到了广泛应用。时序InSAR分析方法的出现为克服相位去相干和大气延迟误差提供了可能,但仍然存在一些困难和问题,比如相干目标识别的稳定性和密度,大气延迟估计的准确性和可靠性等。其中,大气延迟误差仍然是InSAR大地测量应用最大的挑战之一,没有精确的延迟估计及校正很难获得精度可靠的（毫米级）微小地表位移信息。因此,开发稳健可靠的大气延迟估计算法仍然是InSAR技术亟需解决的问题之一。本论文针对InSAR技术中的大气延迟问题展开研究,探索InSAR观测中大气效应影响的理论和校正方法,旨在提高InSAR技术探测地表形变的精度和可靠性。本文重点研究的内容包括:（1）深入分析和探讨了InSAR对流层延迟效应。利用探空气球（radiosonde）气象数据分析了 InSAR对流层延迟分布特性,实验表明InSAR对流层延迟随高度的增加具有收敛特性,同时验证了湿延迟在InSAR大气效应中占据了主导地位,是制约InSAR对流层延迟改正精度提高的主要因素。一般地,对流层中的垂直分层占主导地位,且与地形相关,而湍流混合对干涉图的影响具有随机性。（2）时序InSAR技术中的大气校正问题研究及应用。由于大气延迟的季节性周期变化导致传统时空滤波方法估计大气延迟存在偏差,本文将ERA-Interim模型融入时序InSAR分析方法中改善大气改正效果,并联合ENVISAT ASAR数据和TerraSAR-X数据对常州地面沉降进行了反演,对结果进行了内外符合精度的评定,探讨了高分辨率SAR的优势,并分析了沉降特征及原因。三种方法揭示的地面沉降严重程度不同,SBAS方法和PSM方法反演的结果精度更高、一致性更高。TerraSAR-X获得结果的精度最高,与验证点的RMSE为2.1 mm/y。2004年7月-2013年5月,常州武进区存在明显的地面沉降,主要以两个沉降中心和一个沉降带为特征。常州的地质条件是发生地面沉降的物质基础,地下水位下降、建筑物荷载与地面沉降密切相关。（3）目前,传统经验方法的主要缺点是非常依赖SAR场景的空间范围,有时会错误的估算对流层分层中的空间变化量。为此,本文给出了一种稳健和多重加权的对流层延迟校正方法（RMW）,并提出了一种校正时序InSAR对流层延迟的解决方案。RMW方法的核心思想是:①采用一种扩展形式的稳健估计算法来计算相位-高程尺度因子;②利用多重加权的方法克服经验模型对SAR场景空间范围的依赖;③利用空间带通滤波（band-filtering）降低其他信号（如形变、轨道误差等）对大气延迟估计的影响。本文以美国南加州地区的ENVISAT ASAR影像为例,利用PSI方法提取了时序沉降和形变速率,以检验RMW方法的有效性。实验结果表明RMW方法的改善效果优于传统线性方法,且与GPS监测的结果更加吻合。（4）ERA-Interim再分析资料受限于较低的时空分辨率,ERA-Interim方法校正大气延迟时需要对提取的气象要素在时空上进行插值处理,这样往往会对结果带来不确定性。针对这一问题,本文提出了一种基于ERA-Interim再分析资料的幂律模型方法（PLE）。干涉图的对流层延迟趋势（幂指数）和收敛特性（约束高程）通过ERA-Interim再分析资料和经验模型联合模拟获取。与RMW方法类似,基于带通滤波相位与参考高程的相关性,采用高效率的稳健估计方法计算相位-高程尺度因子。通过实验,本文比较分析了传统线性方法、ERA-Interim方法和PLE方法估计的InSAR对流层延迟校正效果,实验结果表明PLE方法具有一定优势,并且与MERIS水汽产品估计的对流层延迟更加吻合。
唐伟[6]（2017）在《利用气象再分析资料研究InSAR大气对流层延迟与水汽反演》文中研究指明过去近30年,合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar,InSAR）作为一种大地测量的手段,在地面高程获取和地表形变监测领域得到了广泛应用。气压、温度和相对湿度等气象要素的时空变化引起的对流层延迟是InSAR大地测量应用的主要误差源,为了获取高精度的地表高程或形变信息,必须消除或削弱大气延迟“噪声”。反之,这种大地测量应用上的“噪声”却是对大气科学的一种极为有用的“信号”。由于大气水汽总量的时空变化是引起InSAR对流层延迟的最主要因素,一旦从干涉相位图中精确求得这一延迟“信号”,就可以反演对流层中的水汽总量（precipitable water vapor,PWV）。本文针对InSAR技术中对流层延迟校正及大气水汽反演问题,开展了如下三方面的研究工作:（1）对气象再分析资料校正InSAR对流层延迟的有效性和鲁棒性进行了研究和探索。以美国南加州地区的51景Envisat ASAR数据形成的69幅干涉图为例,对比分析了两种气象再分析资料（ERA-Interim和North American Regiona l Reanalysis,NARR）的校正效果,通过与MERIS水汽延迟校正结果比较,验证了该方法的有效性,对在不同的气象条件下（垂直分层延迟和湍流混合延迟）气象再分析资料的校正效果进行了统计分析,并给出了该方法的适用性条件。（2）时间序列InSAR分析方法假设大气延迟在时间上是不相关的,从而采用时间维-空间维滤波方法分离形变相位和大气延迟相位。但大气水汽的季节性变化使得大气延迟在时间上存在相关性的信号,不满足大气时间不相关的假设条件。本文以太原盆地为实验区,分析了该地区大气延迟的季节性周期变化,这种大气延迟可以分为系统项（季节性信号）和随机项（非季节性信号）,系统项的季节性信号是造成时空滤波器滤除大气存在偏差的主要原因。针对以上问题,提出了基于气象再分析资料对流层延迟校正的时序InSAR分析方法:利用气象再分析资料估计和去除大气的季节性延迟,将残余延迟相位视为随机项,再利用时空滤波方法减弱随机项的影响。将该方法应用于太原盆地地表形变监测,利用MERIS数据验证了大气延迟校正方法的有效性,并与地面GPS站的形变时间序列及地面重力数据比较分析盆地地面沉降的时空变化特征。（3）针对InSAR气象学应用,本文提出融合InSAR干涉图、气象再分析资料和地面GPS水汽产品获取高空间分辨率、高精度大气水汽分布信息的算法。为了从InSAR干涉相位中（包括静力学延迟和湿延迟）提取湿延迟分量,本文提出利用ERA-Ⅰ计算并扣除静力学延迟的影响,同时提出利用ERA-Ⅰ进行湿延迟到PWV转换系数的计算。针对InSAR解缠相位为相对量的问题,提出了利用GPS对InSAR获得的大气水汽含量进行定标的算法。利用美国南加州的8景Envisat ASAR影像组成10幅干涉图进行实验,对InSAR技术反演大气水汽总量的可靠性和精度进行验证,结果表明InSAR反演大气水汽总量PWV的精度达到2 mm,满足气象学上探测大气水汽的精度要求。综合分析认为,气象再分析资料的优势在于其数据可随时获得、免费和全球覆盖,它可以显着减弱大尺度的垂直分层延迟对干涉图相位的影响。将气象再分析资料融入时间序列InSAR分析方法中,可减弱垂直分层延迟的季节性影响,结合时空滤波器可进一步减弱湍流混合延迟,从而获取更真实可靠的地形高程和地表形变信息。InSAR还可以应用于气象学上进行大气水汽含量的反演,特别是随着SAR数据的时空分辨率的不断提升（如Sentinel-1卫星的升空）,同时通过融合多传感器、多角度的各种SAR卫星数据,InSAR可以实时或近实时地获取大范围的、高空间分辨率的大气水汽时空分布。这种高精度、高空间分辨率的大气水汽时空分布信息对于数值天气预报和短时临近天气预报极具应用价值,这将进一步推动大气科学研究乃至气象学的发展。
陈振炜[7]（2017）在《国产合成孔径雷达卫星干涉数据处理关键技术研究》文中指出星载合成孔径雷达干涉（Interferometric Synthetic Aperture Radar,InSAR）技术通过微波相位的干涉信息实现地表三维重建或微小形变探测等应用。目前全球的InSAR卫星数量已逾数十颗,但我国仍然没有能够稳定服务于InSAR技术的卫星在轨工作,而随着我国在星载InSAR领域的加强规划和加大投入,关于星载InSAR技术的研究受到越来越多的重视,其中InSAR数据的基本处理技术是充分用好卫星数据的关键所在。中国遥感29号和高分3号在国内率先实现了干涉成像,是我国InSAR卫星发展的先驱和重要经验,而干涉数据处理则是国产合成孔径雷达（Synthetic Aperture Radar,SAR）卫星数据从实现干涉成像到具备干涉测量能力的关键技术之一,也是从干涉测量到发展常态化、业务化InSAR卫星的重要参考。本文就InSAR数据处理的若干关键技术展开研究,并侧重于挖掘拓展和切实用好国产SAR卫星干涉数据,同时通过本文提出和改进的处理技术,验证了中国遥感29号卫星和高分3号卫星已初步具备干涉测量的能力,并能够达到较高的干涉测量精度。本文的主要研究内容可分为四个方面:（1）困难条件下的InSAR影像精配准研究干涉对空间垂直基线大、空间平行基线时变快、观测区域的高程起伏大、两次观测时的脉冲重复频率差异较大、信噪比低或失相干等因素均会导致InSAR像对的偏移量估计精度低,进而引起InSAR影像配准困难。针对这些问题,本文充分考虑并详细分析了 InSAR观测时的具体成像几何特征和辐射特征在配准中定性和定量的影响,同时讨论总结了 InSAR影像配准的特性,给出了 InSAR影像配准的关键点。在此基础上提出了兼顾影像间相对几何变形较大、变换关系较复杂及失相干严重情况下的InSAR影像精配准方法,通过消除影像间复杂的非平移关系,并进行高质量配准点的自动定位和提取,通过实验证明了该方法能够提高配准精度、稳定性和计算效率。（2）InSAR相位噪声滤波改进方法研究InSAR相位滤波在滤除噪声的同时应尽可能完整地保留相位边缘和细节信息,小波分析方法作为一种时频局部化分析方法,能够有效的区分信号中的噪声和突变部分,本文在分析了 InSAR相位统计特征和失相干的基础上,对InSAR相位噪声进行建模,研究并提出了一种改进的小波域多尺度InSAR相位噪声滤波方法,并在该算法中利用了 InSAR相干图,为每个小波分解级生成自适应的掩膜,通过实验证明了该算法具有较好的噪声滤除能力以及相位边缘和细节的保持能力。（3）局部不连续及噪杂相位的解缠方法研究相位噪声和相位跳变是影响相位解缠精度的主要因素,本文在总结前人研究工作的基础上,针对InSAR像对相干性低或相位不连续等情况时解缠困难的问题,构建了干涉相位的马尔科夫随机场模型,并依此提出了一种改进的基于马尔科夫随机场的路径无关相位解缠方法。该算法通过构建先验分布,利用贝叶斯估计实现能量最小化,以重建原始相位场,类似于求解二次函数极小值的问题。同时算法中利用了干涉相位分布原理,对该随机模型优化定义了一个自适应的能量函数,并设计了基于梯度下降法的能量函数最小化迭代求解方法。该解缠方法克服了相位解缠中常见的问题,具有较好的鲁棒性和稳定性,对于局部相位不连续以及可能包含了无效信息区域的噪杂缠绕相位具有较好的解缠结果。（4）国产SAR卫星的InSAR技术测高及形变监测实验与评估遥感29号卫星和高分3号卫星是我国目前在轨运行的卫星中,具备一定的干涉成像能力的SAR卫星,是我国发展InSAR卫星的先驱和重要参考经验。而对于InSAR卫星的发展而言,形成干涉成像是前提,满足干涉测量是重点,而能够常态化、业务化地服务于InSAR技术领域则是目的。本文针对国产卫星遥感29号、高分3号的干涉数据,采用所提出的数据处理方法,进行高程测量和地表形变监测的实验和分析,验证本文的处理方法,同时验证了目前国产SAR卫星在干涉成像、干涉测量方面的能力,并评估了测量精度。
王晓文[8]（2017）在《基于InSAR和MAI的电离层误差校正及同震三维形变场计算与断层滑动反演》文中研究说明地震是地球上破坏力最强的自然灾害之一,我国境内地震活动非常频繁。精确测量地震导致的同震形变场,是了解和认识地震发生机制最为直接的手段。结合地表形变观测和地球物理模型模拟,对揭示区域断层活动规律和评估中远期地震风险具有重要意义。作为一种新的空间大地测量技术,合成孔径雷达差分干涉测量（Differential Interferometric Synthetic Aperture Radar, DInSAR）自上世纪 90 年代诞生以来,已在全球地震形变测量中展现出了无可替代的地位。得益于其全天时和全天候成像观测能力、广覆盖范围和高分辨率等优势,DInSAR已被应用于全球一百多个地震同震形变场的测量和模拟。然而,针对地震导致的复杂形变场,DInSAR仍面临着局部地区相位失相干严重、大气延迟长波信号干扰以及单轨观测难以完整揭示同震形变特征等局限性。靠近发震断层附近的同震形变往往具有较大的形变梯度,故容易使DInSAR测量结果由于相位失相干而产生空值。虽然利用长波段SAR数据（如L波段）恢复大梯度形变具有独特优势,但其容易受大气电离层干扰影响,并可能导致数十厘米的形变测量误差。此外,DInSAR测量的地表形变其实为地表真实位移场沿卫星视线向（Line of Sight, LOS）投影值,因而采用单一干涉对往往无法对复杂特征的同震形变场进行准确解译。DInSAR的这些局限性阻碍了对地震形变机制准确认识,也进一步限制了断层参数的准确反演。为克服DInSAR技术在同震形变测量中面临的这些局限性,本文系统研究了测量SAR方位向形变的多孔径雷达干涉技术（Multi-Aperture InSAR,MAI）,并基于MAI测量的方位向偏移研究了同震SAR干涉对电离层干扰误差校正方法,旨在扩展基于SAR影像的多维地表形变测量能力和提高同震形变场测量精度。本文还提出了新的地震同震三维（Three-dimensional,3D）形变场计算方法,并结合实际震例进行了 3D同震形变测量和反演,以验证本文所提方法的有效性和优势。MAI是基于一对SAR影像进行分孔径干涉处理以获取地表方位形变的技术,可以有效弥补常规DInSAR仅对地表视线向形变敏感的缺陷。本文系统研究了 SAR分孔径成像原理、MAI干涉模型和数据处理流程,并定量评估了 MAI的测量精度。以2016年Mw7.1级日本熊本地震为例,MAI测量结果显示该地震导致地表产生长约45km的地表破裂,并且由南北两盘的形变方向可清晰判断其为右旋走滑型地震,而这些信息无法从常规DInSAR测量结果反映出来。分析表明,MAI测量精度与相位失相干程度密切相关,并且与SAR卫星系统参数和数据处理配置参数有关。理论计算显示,当SAR相干系数为0.8时,基于PALSAR的MAI测量精度优于0.08 m。针对同震SAR干涉图中的电离层干扰误差,本文提出基于SAR方位偏移量和断层模型的校正方法。为了获取高分辨SAR方位向偏移场,提出融合MAI和像素偏移追踪（Pixel Offset Tracking, POT）两种方法测量的方位向偏移思路,即综合利用SAR相位和振幅信息实现两者的优势互补。为了获取电离层干扰引起的方位向偏移,提出利用已有断层模型去除SAR方位向偏移中的地表形变贡献,从而改善电离层误差校正精度。以汶川地震T471轨道PALSAR20080229-20080531同震干涉对为例,进行了电离层误差校正实验。结果显示该干涉对中电离层相位最大贡献量约为17rad,对应地表约0.32m的LOS向形变。校正结果成功恢复了 T471轨道断层南盘的三个连续干涉条纹。计算显示,远场三个区域内干涉相位的标准差在校正后分别降低了 50%、65%和84%。针对基于DInSAR 一维视线向形变难以全面揭示同震形变特征,本文提出联合DInSAR、MAI 和形变梯度张量模型（Displacement Gradient Tensor,DGT）的 InSAR-DGT 3D形变计算方法。该方法首先利用DInSAR和MAI测量值采用经典线性反演方法估计地表初始3D同震变形场,然后根据DGT模型构建初始3D形变场中高质量合格点（Valid Points,VPs）与低质量点之间的函数关系,并采用加权最小二乘法重新估计3D同震位移。将该方法应用于2011年缅甸Mw6.8级Tarlay地震,结果显示InSAR-DGT可显着减少震中区域失相干空值点。相对于经典方法计算结果,InSAR-DGT可将东西、南北和垂直向的形变测量精度分别提高22%、36%和24%。精度分析显示当VPs数目超过80时,东西和垂直向的形变误差小于1cm;当VPs的数目超过166时,南北向的形变误差小于2 cm。根据3D形变结果,可以容易地判断Tarlay地震发震断层以左旋走滑为主,并伴随有微量的倾滑分量。为深入探讨3D同震形变场对地震特征解译的帮助和震源参数反演精度的影响,本文以2010年中国青海Mw6.9玉树地震为例,联合DInSAR和MAI测量并反演了其同震3D形变场。结果显示玉树地震造成地表在东西、南北、垂直向最大形变量分别达到-40.4、113.8和-65.7 cm。特别地,玉树地震的垂直向形变在以往研究中多被低估或者被忽略,而本文发现玉树以西6-30 km范围内的地表由于逆冲挤压发生明显的垂直向形变。根据3D形变计算地表位错形变场结果显示玉树地震产生了长约74 km的地表破裂带,走向约为300°。将发震断层划分为5段,基于Okada弹性位错模型非线性反演结果显示玉树地震发生在地壳浅层,断层上表面深度低于2km,除第2段断层以66.2°倾向于西南向外,其它断层均以近乎垂直的倾角（84°-89°）倾向于东北向。所有断层均以左旋走滑为主,但在第三段断层处呈现出明显的倾滑分量,弹性反演获得的地震矩为 2.43 × 1019 Nm,对应矩阵级为 Mw6.92,与 GCMT （Global Centroid Moment Tensor Catalog）公布结果近似。线性反演获的断层滑动分布显示,断层滑动集中于地表往下10 km内,并在靠近震中偏右深约5 km的位置有着最大2.23 m的滑动量。在与地震波、GPS、野外调查和单独LOS向形变等手段反演结果对比后发现,高分辨率的连续3D形变场对提升震源参数反演质量具有非常重要的价值。
王立伟[9]（2015）在《基于D-InSAR数据分析的高山峡谷区域滑坡位移识别》文中研究说明滑坡监测是滑坡防治应用方面的采用的最主要手段。而目前传统的监测都是针对已知的和单体的滑坡,并投入大量的人力、物力、财力。实际工作中滑坡的发生发展及成灾常常超出既有滑坡的调查评价范围及人们的预想危险区域。西南高山峡谷水库区区域滑坡的早期动态识别是库区地质灾害防治最有效的手段之一。D-InSAR（合成孔径雷达差分干涉测量）技术在预见性的滑坡早期发现和监测方面能够起到了开创性的作用。然而,国内外D-InSAR技术目前在高山峡谷区滑坡监测方面还存在着一些问题。例如,地形地貌的影响,卫星数据自身精度及数据处理精度的限制,以及非岩土体移动引起的地表形变,这些干扰因素影响了滑坡位移监测的识别。本论文以金沙江乌东德库区枢纽区域为对象,采用编程的SAR数据进行了多年的试验研究。基于D-InSAR分析方法及雷达数据的特征分析,建立了高山峡谷区D-InSAR成果的可信区域分析方法、滑坡可识别位移量及误差估算方法；基于D-InSAR干涉差分成果各种影响因素分析,建立了区分滑坡岩土体位移的滤波分析方法。通过发现变动、位移识别等关键问题研究,从滑坡岩土体移动本质特征与SAR遥感差分图斑时空变化表象特征的关系出发,建立了高山峡谷水库区区域滑坡位移早期动态识别的技术方法。通过已知的金坪子滑坡、托支座滑坡及另外几处新发现滑坡的活动性证明了该方法的可行性。论文的主要探讨及研究内容如下：1、在深入分析了InSAR（合成孔径雷达干涉测量）和D-InSAR（差分干涉测量）监测形变的原理和数据处理流程的基础上,探讨了小基线子集技术在D-InSAR数据处理过程中的应用。2、通过对比平原地区,总结了高山峡谷区域地形因子及SAR数据的特征。进而研究了高山峡谷区域在特定拍摄角度下地形因子对SAR数据的后向散射系数和影像间相干系数的影响。结果表明不同的局部入射角对后向散射强度和相干系数的产生不同影响,用SAR传感器的方向角、入射角、地形坡度和坡向计算出局部入射角,基于数据统计发现局部入射角和后向散射系数和相干系数的相关关系、粗糙度与相干系数的相关关系等,从而提出了基于局部入射角的SAR数据可信区域滤波方法。利用后向散射系数稳定区域（河流）和永久散射体（人工角反射器）的位移量确定西南干热河谷地区岩土体位移误差。利用该误差范围设定非岩土体位移阈值为4cm-6cm。应用该误差准则进行滤波,可以用以识别SAR观测期产生较大（4cm以上）滑坡位移。3、引入边坡单元作为新的判别模式,对所属不同边坡的SAR处理数据进行分析和滤波,为前期D-InSAR数据处理流程进行重要补充。根据滑坡在移动过程中具有一定的区域整体性和长时间蠕变的特点,提出了在滑坡监测数据识别过程中,监测结果判读的空间连续性判别准则和时间连续性的判别准则,并基于以上研究建立了一套D-InSAR应用于高山峡谷区滑坡位移识别的技术流程,通过已知的活动的金坪子滑坡及基于SAR监测所发现的托支座活动滑坡的比较分析及现场调查表明,该方法及数据分析流程可用于区域滑坡较大移动的识别及动态监测。
李永生[10]（2014）在《高级时序InSAR地面形变监测及地震同震震后形变反演》文中指出差分干涉测量技术（Differential interferometry technique, D-InSAR）是在InSAR技术基础上发展起来的，主要应用于测量地表微小形变。随着差分干涉测量技术在地震形变，火山活动，冰川运动，城市地面沉降以及山体滑坡等监测领域的广泛应用，实际研究中存在很多局限性，比如轨道参数误差、地形数据误差、大气延迟误差、时空去相关引起的相位解缠误差以及系统噪音误差等。这些因素成为InSAR高精度形变探测应用的主要限制。InSAR时序分析方法是目前解决常规D-InSAR处理过程中各种精度制约因素的主要方法之一。本文以InSAR时序分析中几个关键技术问题为研究目标，开展InSAR时序关键技术研究，本文取得的创新点如下：（1）在传统相干点提取方法的基础上，提出了一种新的提取方法：满秩相干点。该方法将干涉冗余网络图中节点和边结合起来构建满秩矩阵，并依此作为相干点提取指标。实验结果表明满秩相干点提取法不仅能有效提高相干点的空间分布密度，而且能保留相干点的最优测量精度。（2）本文将大气延迟相位分成三种分量，即长波长大气相位，短波长大气相位以及地形相关的大气相位。在此基础上，利用网络法分别对三种类型大气延迟相位进行校正。网络法可以估算出每个时刻的大气延迟误差，再重构每一幅干涉图的大气延迟误差。实验结果分析表明，采用网络法能精确模拟出每个时刻大气延迟误差和每幅干涉图中的大气延迟相位。（3）离散点相位解缠误差是时序分析过程中主要误差源之一，直接影响后续时序分析结果的精度。本文提出一种利用网络闭合环残差方法，对离散相干点相位解缠误差进行检测和校正。该方法可以有效识别出离散相干点解缠相位中相位跳变，同时，本文也介绍了离散相干点解缠相位跳变校正的方法。（4）本文基于相干矩阵满秩条件提出一种新的InSAR时序反演策略。利用干涉冗余网络图中各条边和节点之间的关系，采用最小二乘方法解算各个时刻点的形变特征，以有效解决传统InSAR时序反演过程中的秩亏问题。通过Bam地震震后时序形变场提取，羊八井电站地热开采地下水引起地面沉降监测以及北京市地面沉降监测等几种典型应用中验证了该方法的有效性和精确性。在关键技术突破的基础上，本文利用提出的新方法获取了2008年10月6日西藏当雄Mw6.3地震同震形变和震后地表形变时序。研究发震断层参数和震后运动过程的动力学机制。利用同震形变反演得到断层几何参数及滑动分布模型为先验知识，以InSAR时序方法获得震后形变时序资料为约束，分别利用震后余滑模型和震后黏弹性松弛模型研究当雄地震震后断层的运动过程，同时对青藏高原南部中低地壳或者上地幔的黏性系数进行估计，并给出了最优拟合解。
二、InSAR干涉图的相位关系分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、InSAR干涉图的相位关系分析（论文提纲范文）
（1）双波段相位解缠方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 多波段相位解缠算法研究现状 |
| 1.3 软件研究现状 |
| 1.4 论文结构及工作安排 |
| 2 相位解缠 |
| 2.1 相位解缠理论 |
| 2.2 单基线相位解缠 |
| 2.3 多基线相位解缠 |
| 2.4 本章小结 |
| 3 基于TSPA的差分滤波双波段相位解缠 |
| 3.1 双波段InSAR相位解缠算法 |
| 3.2 双波段InSAR基本原理 |
| 3.3 TSPA双波段InSAR相位解缠方法 |
| 3.4 TSPA的差分双波段相位解缠算法 |
| 3.5 滤波算法 |
| 3.6 本章小结 |
| 4 实验与分析 |
| 4.1 模拟仿真数据 |
| 4.2 仿真数据实验分析 |
| 4.3 本章小结 |
| 5 总结和展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
| 学位论文数据集 |
（2）基于TOPS模式的时序InSAR电离层大气校正方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与结构安排 |
| 2 电离层对TOPS模式成像的影响 |
| 2.1 电离层概述 |
| 2.2 电离层对TOPS模式图像采集的影响 |
| 2.3 本章小结 |
| 3 TOPS模式的时序InSAR电离层大气校正方法 |
| 3.1 InSAR技术原理 |
| 3.2 频谱分裂法 |
| 3.3 时序InSAR的电离层大气校正 |
| 3.4 本章小结 |
| 4 TOPS模式时序InSAR电离层大气校正实验 |
| 4.1 研究区概况 |
| 4.2 实验数据 |
| 4.3 单个TOPS模式干涉对的电离层大气校正 |
| 4.4 时序InSAR的电离层大气校正结果 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（3）InSAR地表形变监测中对流层延迟校正研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 选题目的和意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及安排 |
| 2 InSAR原理及误差分析 |
| 2.1 D-InSAR地表形变测量原理 |
| 2.2 InSAR误差分析 |
| 2.3 SBAS技术 |
| 2.4 本章小结 |
| 3 InSAR对流层延迟效应 |
| 3.1 对流层对InSAR的影响 |
| 3.2 对流层延迟校正方法 |
| 3.3 本章小结 |
| 4 联合对流层延迟改正与时序InSAR地表形变监测 |
| 4.1 试验区概况 |
| 4.2 数据源 |
| 4.3 SAR数据差分干涉处理 |
| 4.4 MODIS/Sentinel-1A对流层延迟改正 |
| 4.5 GACOS/Sentinel-1A对流层延迟改正 |
| 4.6 MODIS-GOCAS结合时序InSAR对流层延迟校正 |
| 4.7 InSAR形变监测对流层延迟校正结果分析 |
| 4.8 精度比较 |
| 4.9 本章小结 |
| 5 总结与展望 |
| 5.1 研究成果和结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（4）多通道干涉SAR数据仿真及通道相位误差校正技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 多通道InSAR数据仿真研究现状 |
| 1.1.2 通道相位误差校正研究现状 |
| 1.2 多通道干涉SAR发展概述 |
| 1.2.1 单波段单极化SAR |
| 1.2.2 多波段多极化SAR |
| 1.2.3 极化和干涉SAR |
| 1.2.4 新阶段综合SAR |
| 1.3 SAR发展趋势 |
| 1.4 本文内容及工作安排 |
| 第二章 InSAR理论基础 |
| 2.1 引言 |
| 2.2 InSAR高程测量基础理论 |
| 2.2.1 高程测量原理 |
| 2.2.2 InSAR高程重建数据处理流程 |
| 2.3 叠掩与阴影 |
| 2.3.1 叠掩形成原理 |
| 2.3.2 阴影形成原理 |
| 2.3.3 叠掩与阴影特性 |
| 2.4 本章小结 |
| 第三章 顾及叠掩与阴影的多通道InSAR干涉图仿真方法 |
| 3.1 引言 |
| 3.2 叠掩与阴影的检测 |
| 3.2.1 叠掩与阴影形成原理 |
| 3.2.2 叠掩与阴影检测方法 |
| 3.3 仿真模型及方法 |
| 3.3.1 多通道InSAR系统仿真模型 |
| 3.3.2 干涉相位噪声仿真模型 |
| 3.3.3 相干系数计算模型 |
| 3.3.4 叠掩区域叠加模型 |
| 3.3.5 多通道InSAR干涉相位仿真流程 |
| 3.4 仿真与分析 |
| 3.4.1 仿真数据验证及分析 |
| 3.4.2 真实数据验证及分析 |
| 3.5 本章小结 |
| 第四章 用于InSAR系统相位误差校正的相位差测量方法 |
| 4.1 引言 |
| 4.2 采样频率的选择 |
| 4.3 基于限幅递推平均滤波和相干积累的信号滤波 |
| 4.3.1 正弦信号采样 |
| 4.3.2 限幅递推平均滤波 |
| 4.3.3 相干积累 |
| 4.4 不同相位测量方法 |
| 4.4.1 离散傅里叶变换法 |
| 4.4.2 数字相关法 |
| 4.4.3 希尔伯特变换法 |
| 4.5 实验结果分析 |
| 4.6 讨论 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A (攻读硕士学位期间发表论文目录) |
| 附录B (攻读硕士学位期间参与的项目) |
（5）InSAR对流层延迟校正及其在地表沉降监测中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究发展及现状 |
| 1.2.1 星载SAR系统 |
| 1.2.2 InSAR技术及其存在的问题 |
| 1.3 论文的研究意义、目的和内容 |
| 1.3.1 研究意义及目的 |
| 1.3.2 研究内容 |
| 第2章 InSAR及时序InSAR技术基本理论 |
| 2.1 引言 |
| 2.2 SAR成像原理及特性 |
| 2.2.1 SAR传感器及工作方式 |
| 2.2.2 SAR成像原理 |
| 2.2.3 SAR成像特性 |
| 2.3 InSAR测量技术基本原理 |
| 2.3.1 InSAR高程测量原理 |
| 2.3.2 DInSAR地表形变测量原理 |
| 2.4 InSAR测量的基本误差源 |
| 2.4.1 去相干 |
| 2.4.2 DEM误差 |
| 2.4.3 轨道误差 |
| 2.4.4 大气效应误差 |
| 2.5 时序InSAR技术 |
| 2.5.1 PSInSAR技术 |
| 2.5.2 SBAS技术 |
| 2.5.3 StaMPS方法 |
| 2.6 本章小结 |
| 第3章 InSAR对流层延迟效应 |
| 3.1 引言 |
| 3.2 大气的组成与分层理论 |
| 3.3 InSAR对流层延迟效应 |
| 3.4 InSAR对流层延迟分布特性 |
| 3.4.1 对流层延迟收敛特性 |
| 3.4.2 垂直分层与湍流混合 |
| 3.5 对流层延迟对InSAR测量的影响 |
| 3.6 本章小结 |
| 第4章 时序InSAR反演长江三角洲地区-常州地面沉降 |
| 4.1 引言 |
| 4.2 常州地质背景与沉降概况 |
| 4.3 数据描述与研究范围 |
| 4.4 时序InSAR数据处理与结果 |
| 4.4.1 采用的时序InSAR数据处理方法 |
| 4.4.2 ENVISAT ASAR数据处理及结果 |
| 4.4.3 TerraSAR-X数据处理及结果 |
| 4.5 时序InSAR结果精度评定 |
| 4.5.1 内符合精度评定 |
| 4.5.2 外符合精度评定 |
| 4.6 时序InSAR反演常州地面沉降结果分析 |
| 4.6.1 常州地面沉降特征分析 |
| 4.6.2 TerraSAR-X数据在形变监测中的优势 |
| 4.6.3 常州地面沉降的原因分析 |
| 4.7 本章小结 |
| 第5章 基于稳健估计和多重加权的经验模型方法校正InSAR对流层延迟 |
| 5.1 引言 |
| 5.2 InSAR数据及处理 |
| 5.3 基于RMW方法的对流层延迟改正 |
| 5.3.1 建立经验模型 |
| 5.3.2 最小二乘法的基本原理和稳健估计方法 |
| 5.3.3 有关矩阵的扩展形式及实验 |
| 5.3.4 PS点相位与高程尺度因子的多重加权方法 |
| 5.4 对流层延迟改正的结果与讨论 |
| 5.4.1 时序InSAR结果 |
| 5.4.2 轨道误差对RMW方法的影响 |
| 5.4.3 大气湍流混合延迟的影响 |
| 5.5 本章小结 |
| 第6章 基于全球气象再分析资料的幂律模型方法校正InSAR对流层延迟 |
| 6.1 引言 |
| 6.2 数据和方法描述 |
| 6.2.1 InSAR数据和ERA-I再分析资料预处理 |
| 6.2.2 利用ERA-I方法估计InSAR对流层延迟 |
| 6.2.3 基于ERA-I再分析资料的幂律模型方法(PLE) |
| 6.3 实验结果和讨论 |
| 6.3.1 参数的估计 |
| 6.3.2 对流层延迟的估计 |
| 6.3.3 对流层延迟校正方法的统计比较 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 主要的工作与总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 攻读博士学位期间的主要成果与工作 |
| 致谢 |
（6）利用气象再分析资料研究InSAR大气对流层延迟与水汽反演（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究内容及组织结构 |
| 第二章 InSAR及时间序列InSAR技术基本原理 |
| 2.1 InSAR干涉测量基本原理 |
| 2.1.1 InSAR提取地表高程 |
| 2.1.2 InSAR提取地表形变 |
| 2.2 干涉测量的基本误差源 |
| 2.2.1 失相干 |
| 2.2.2 DEM误差 |
| 2.2.3 轨道误差 |
| 2.2.4 大气延迟误差 |
| 2.3 时间序列InSAR分析方法 |
| 2.3.1 点目标识别 |
| 2.3.2 大气延迟估计 |
| 2.3.3 轨道误差校正 |
| 2.3.4 参数估计 |
| 2.4 本章小结 |
| 第三章 干涉图的对流层延迟效应 |
| 3.1 大气分层理论 |
| 3.2 大气折射率 |
| 3.3 干涉图中的对流层延迟 |
| 3.4 对流层延迟对InSAR测高及形变的误差分析 |
| 3.4.1 对测高的误差分析 |
| 3.4.2 对形变的误差分析 |
| 3.5 InSAR对流层延迟校正方法及软件 |
| 3.6 本章小结 |
| 第四章 基于气象再分析资料的对流层延迟校正 |
| 4.1 气象再分析资料简介 |
| 4.2 实验区与数据 |
| 4.3 对流层延迟校正效果评价与分析 |
| 4.3.1 静力延迟的重要性 |
| 4.3.2 与MERIS改正结果比较 |
| 4.3.3 ERA-Ⅰ与NARR再分析资料的比较 |
| 4.3.4 垂直分层延迟与湍流混合延迟 |
| 4.4 本章小结 |
| 第五章 基于气象再分析资料对流层延迟校正的时间序列InSAR分析方法 |
| 5.1 StaMPS大气时空滤波的局限性 |
| 5.2 研究区和实验数据 |
| 5.2.1 太原盆地概况 |
| 5.2.2 太原盆地地面沉降历史与现状 |
| 5.2.3 实验数据 |
| 5.3 大气的季节性变化 |
| 5.4 ERA-Ⅰ对流层延迟校正的InSAR时序方法 |
| 5.5 实验结果和分析 |
| 5.5.1 对流层延迟改正效果 |
| 5.5.2 太原盆地地面沉降结果 |
| 5.5.3 InSAR形变与GPS比较 |
| 5.5.4 太原盆地地面沉降与重力变化 |
| 5.6 本章小结 |
| 第六章 InSAR技术反演大气水汽总量 |
| 6.1 从InSAR大地测量学到InSAR气象学 |
| 6.1.1 现有的水汽探测手段及特点 |
| 6.1.2 InSAR反演大气水汽含量研究进展 |
| 6.2 实验区与数据 |
| 6.3 InSAR水汽遥感的理论与方法 |
| 6.3.1 InSAR干涉图提取湿延迟 |
| 6.3.2 天顶湿延迟与大气水汽总量转换系数 |
| 6.3.3 InSAR遥感大气水汽总量的理论精度分析 |
| 6.4 基于地面GPS-PWV数据定标 |
| 6.5 InSAR遥感大气水汽总量的基本流程 |
| 6.6 实验结果与分析 |
| 6.6.1 GPS大气水汽总量观测结果 |
| 6.6.2 InSAR大气水汽总量观测结果 |
| 6.6.3 InSAR △PWV与MERIS △PWV比较分析 |
| 6.7 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 未来研究计划 |
| 参考文献 |
| 研究成果及参与科研项目 |
| 致谢 |
（7）国产合成孔径雷达卫星干涉数据处理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 InSAR影像对配准的研究 |
| 1.2.2 基线参数和平地相位估计的研究 |
| 1.2.3 InSAR相位滤波的研究 |
| 1.2.4 InSAR相位解缠的研究 |
| 1.3 研究内容和论文组织结构 |
| 2 InSAR测量机理和数据处理 |
| 2.1 SAR定位几何模型 |
| 2.2 InSAR地形测量 |
| 2.2.1 InSAR地形测量几何 |
| 2.2.2 平地相位估计 |
| 2.2.3 基线参数误差 |
| 2.3 DInSAR地表形变探测 |
| 2.3.1 DInSAR地表形变探测几何 |
| 2.3.2 地形相位估计 |
| 2.3.3 地表形变测量误差 |
| 2.4 InSAR数据基本处理 |
| 2.4.1 SAR影像结构与干涉计算 |
| 2.4.2 InSAR数据基本处理方法 |
| 3 困难情况下InSAR影像配准改进方法 |
| 3.1 InSAR影像配准特征 |
| 3.2 InSAR影像配准经典方法 |
| 3.3 顾及相对变形大和失相干严重的InSAR影像配准 |
| 3.3.1 InSAR影像对配准关系和关键问题分析 |
| 3.3.2 顾及相对变形大和失相干严重的配准方法 |
| 3.4 实验与分析 |
| 3.4.1 遥感29号数据实验 |
| 3.4.2 PALSAR数据实验 |
| 3.5 本章小结 |
| 4 小波域多尺度相位滤波新方法 |
| 4.1 InSAR相位特征 |
| 4.1.1 InSAR相位统计特征 |
| 4.1.2 失相干的影响 |
| 4.1.3 InSAR相位噪声模型 |
| 4.2 多尺度法的InSAR相位噪声消除 |
| 4.2.1 小波域下的多尺度图像滤波 |
| 4.2.2 InSAR相位滤波的复数小波模型 |
| 4.3 实验与分析 |
| 4.3.1 模拟干涉图滤波实验 |
| 4.3.2 真实干涉图滤波实验 |
| 4.4 本章小结 |
| 5 基于MRF模型的InSAR相位解缠 |
| 5.1 干涉相位MRF随机场模型 |
| 5.1.1 基本概念 |
| 5.1.2 干涉相位的MRF建模 |
| 5.2 先验模型和后验模型 |
| 5.3 梯度下降法求解最小能量 |
| 5.4 实验与分析 |
| 5.5 本章小结 |
| 6 国产SAR卫星干涉处理实验与验证 |
| 6.1 实验数据 |
| 6.1.1 遥感29号 |
| 6.1.2 高分3号 |
| 6.2 国产InSAR地形测量实验 |
| 6.2.1 遥感29号地形测量 |
| 6.2.2 高分3号地形测量 |
| 6.2.3 综合对比 |
| 6.3 国产星载InSAR地表形变监测实验 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 下一步工作与展望 |
| 参考文献 |
| 攻博期间发表的科研成果目录 |
| 致谢 |
（8）基于InSAR和MAI的电离层误差校正及同震三维形变场计算与断层滑动反演（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 DInSAR测量与反演同震形变场研究现状分析 |
| 1.2.1 SAR及DInSAR技术发展现状 |
| 1.2.2 电离层干扰误差校正研究现状 |
| 1.2.3 同震三维形变场恢复方法研究现状 |
| 1.2.4 DInSAR震源参数反演研究现状 |
| 1.3 研究问题 |
| 1.4 研究目标与研究内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.5 论文章节内容的组织 |
| 第2章 合成孔径雷达干涉测量理论基础 |
| 2.1 合成孔径雷达成像基本原理 |
| 2.1.1 真实孔径雷达成像介绍 |
| 2.1.2 合成孔径雷达成像与多普勒频率分析 |
| 2.2 合成孔径雷达干涉基本原理 |
| 2.2.1 SAR干涉几何 |
| 2.2.2 干涉相位组成 |
| 2.2.3 干涉相位质量评价 |
| 2.3 DInSAR形变探测方法 |
| 2.3.1 二轨法DInSAR探测地表形变原理 |
| 2.3.2 二轨法DInSAR探测地表形变:以熊本地震为例 |
| 2.4 DInSAR技术缺陷分析 |
| 2.4.1 SAR干涉相位失相干 |
| 2.4.2 SAR信号的大气延迟效应 |
| 2.4.3 DInSAR视线向形变模糊 |
| 2.5 小结 |
| 第3章 多孔径雷达干涉理论基础及精度分析 |
| 3.1 SAR前后视成像及子孔径SLC影像分割 |
| 3.1.1 SAR前视和后视成像 |
| 3.1.2 前视、后视子孔径SLC影像分割 |
| 3.2 多孔径雷达干涉测量基本原理 |
| 3.2.1 方位向形变与MAI干涉相位关系 |
| 3.2.2 MAI干涉图残余参考和地形相位去除 |
| 3.2.3 MAI测量方位向地表形变:以熊本地震为例 |
| 3.3 MAI方位向形变测量精度分析 |
| 3.3.1 MAI理论精度分析 |
| 3.3.2 MAI与像素偏移追踪技术比较 |
| 3.4 小结 |
| 第4章 基于方位向偏移和断层模型校正同震DInSAR电离层误差相位 |
| 4.1 SAR干涉相位中电离层干扰效应 |
| 4.1.1 电离层对SAR信号和干涉相位的影响 |
| 4.1.2 SAR信号受电离层干扰探测 |
| 4.1.3 基于方位向偏移的电离层干扰相位校正方法 |
| 4.2 基于SAR方位向偏移和断层模型校正电离层干扰相位 |
| 4.2.1 SAR方位向偏移精确估计 |
| 4.2.2 电离层干扰导致的方位向偏移精确估计 |
| 4.2.3 电离层干扰相位校正数据处理流程 |
| 4.3 DInSAR电离层干扰相位校正实验与分析 |
| 4.3.1 汶川地震T471轨道电离层干扰相位校正 |
| 4.3.2 电离层干扰相位校正效果对比与分析 |
| 4.4 小结 |
| 第5章 联合DInSAR、MAI和DGT模型的三维同震形变场计算方法 |
| 5.1 基于升降轨SAR LOS向和方位向形变的经典解算模型 |
| 5.2 利用InSAR-DGT方法改善三维形变场 |
| 5.2.1 确定初始3D形变场中高质量有效点 |
| 5.2.2 融入DGT模型的三维形变计算模型 |
| 5.2.3 InSAR-DGT三维形变解算模型误差传播分析 |
| 5.3 模拟实验验证InSA R-DGT有效性 |
| 5.3.1 基于断层滑动模型模拟观测数据 |
| 5.3.2 估计和比较3D形变场 |
| 5.3.3 断层滑动分布反演与比较 |
| 5.4 利用InSAR-DGT测量Tarlay地震3D同震形变 |
| 5.4.1 实验区及SAR数据处理 |
| 5.4.2 Tarlay地震LOS向和方位向形变场 |
| 5.4.3 Tarlay地震三维形变场解算结果 |
| 5.5 Tarlay地震3D同震形变误差分析与验证 |
| 5.5.1 VPs数量与InSAR-DGT测量精度之间的关系 |
| 5.5.2 与野外测量的地表形变对比与分析 |
| 5.5.3 与已知断层模型模拟3D形变结果对比 |
| 5.6 小结 |
| 第6章 玉树地震三维同震形变场测量与断层滑动反演 |
| 6.1 构造背景与SAR数据 |
| 6.1.1 玉树地震构造背景 |
| 6.1.2 SAR数据处理与三维形变计算 |
| 6.2 断层参数反演方法 |
| 6.2.1 Okada弹性位错模型 |
| 6.2.2 断层几何参数和均匀滑动参数反演方法 |
| 6.2.3 断层非均匀滑动分布反演方法 |
| 6.3 同震形变分析 |
| 6.3.1 视线向和方位向形变场 |
| 6.3.2 三维同震形变场 |
| 6.4 断层参数反演结果 |
| 6.4.1 断层几何参数和均匀滑动量 |
| 6.4.2 断层非均匀滑动分布 |
| 6.5 三维形变场反演分析 |
| 6.5.1 与野外调查和GPS测量结果对比 |
| 6.5.2 与其它已有断层模拟结果对比 |
| 6.5.3 断层走滑和倾滑分量讨论 |
| 6.6 小结 |
| 第7章 结论与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间参与的科研项目 |
| 攻读博士学位期间发表的学术论文 |
（9）基于D-InSAR数据分析的高山峡谷区域滑坡位移识别（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 插图清单 |
| 附表清单 |
| 缩写清单 |
| 名词解释 |
| 1 引言 |
| 2 绪论 |
| 2.1 研究背景与意义 |
| 2.1.1 滑坡灾害监测的重要性 |
| 2.1.2 滑坡监测的几种方法 |
| 2.1.3 现有滑坡监测方法的不足 |
| 2.1.4 遥感监测技术 |
| 2.1.5 论文研究意义 |
| 2.2 InSAR技术的研究现状 |
| 2.2.1 SAR卫星技术的发展 |
| 2.2.2 D-InSAR技术的国外研究现状 |
| 2.2.3 D-InSAR技术的国内研究现状 |
| 2.2.4 小基线集在InSAR技术发展与应用 |
| 2.3 研究内容与论文结构 |
| 2.3.1 研究内容 |
| 2.3.2 论文的结构 |
| 3 SAR卫星及其测量技术应用 |
| 3.1 合成孔径雷达干涉(InSAR)测量原理及流程 |
| 3.2 合成孔径雷达差分干涉(D-InSAR)测量原理及流程 |
| 3.3 小基线集技术(SBAS-InSAR)测量原理及流程 |
| 3.4 本章小结 |
| 4 高山峡谷库区SAR数据特征分析 |
| 4.1 研究对象及其平原区比照对象 |
| 4.1.1 研究对象 |
| 4.1.2 所用SAR数据及其过程参量 |
| 4.1.3 平原区比照对象 |
| 4.2 研究区域及对比区域的地形因子 |
| 4.2.1 地形因子计算方法 |
| 4.2.2 地形因子计算结果 |
| 4.3 SAR数据处理过程及算法研究 |
| 4.3.1 后向散射系数计算方法研究 |
| 4.3.2 局部入射角计算方法研究 |
| 4.4 应用D-InSAR技术处理数据特征 |
| 4.4.1 差分干涉数据特征 |
| 4.4.2 后向散射系数特征 |
| 4.4.3 相干系数特征 |
| 4.4.4 局部入射角、叠掩及阴影 |
| 4.4.5 SBAS-InSAR方法反演结果 |
| 4.5 基于边坡单元分析地形对SAR数据影响 |
| 4.5.1 边坡单元的定义与划分 |
| 4.5.2 基于边坡单元的地形因子统计分类 |
| 4.5.3 基于边坡单元研究地形对后向散射系数的影响 |
| 4.5.4 基于边坡单元研究地形对相干系数的影响 |
| 4.6 可信区域 |
| 4.7 误差分析 |
| 4.7.1 D-InSAR监测结果误差来源分析 |
| 4.7.2 误差处理方法 |
| 4.8 本章小结 |
| 5 基于D-InSAR处理数据的滑坡位移识别 |
| 5.1 基于D-InSAR数据的滤波分析 |
| 5.1.1 滤波分析方法 |
| 5.1.2 垂直位移滤波 |
| 5.1.3 坡向位移滤波 |
| 5.2 利用边坡单元进行滤波分析 |
| 5.2.1 边坡单元的应用 |
| 5.2.2 SAR数据处理的滤波流程建立 |
| 5.3 滑坡的D-InSAR动态监测方法研究 |
| 5.3.1 空间连续性研究 |
| 5.3.2 时间连续性研究 |
| 5.3.3 滑坡的D-InSAR动态监测方法 |
| 5.3.4 实例分析及现场调查 |
| 5.4 本章小结 |
| 6 结论 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（10）高级时序InSAR地面形变监测及地震同震震后形变反演（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 图例索引 |
| 表格索引 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 相关研究现状 |
| 1.3 亟需解决的关键问题 |
| 1.4 主要研究内容和章节安排 |
| 1.4.1 论文主要研究内容 |
| 1.4.2 论文组织结构 |
| 第二章 INSAR 及 INSAR 误差源分析 |
| 2.1 概述 |
| 2.2 INSAR 技术概况 |
| 2.3 D-INSAR 技术概况 |
| 2.4 主要 INSAR 卫星系统 |
| 2.5 INSAR 主要误差源概述 |
| 2.5.1 轨道误差 |
| 2.5.2 大气延迟误差 |
| 2.5.3 相位解缠误差 |
| 2.5.4 DEM 误差 |
| 2.6 本章小结 |
| 第三章 INSAR 时序分析方法 |
| 3.1 概述 |
| 3.2 层叠法 |
| 3.3 PSINSAR 时序分析技术 |
| 3.4 SBAS 时序分析技术 |
| 3.5 其他时序分析算法 |
| 3.5.1 StaMPS |
| 3.5.2 STUN |
| 3.5.3 DePSI |
| 3.5.4 InSAR TS+AEM |
| 3.5.5 PI-RATAE |
| 3.5.6 MInSAR |
| 3.6 时序分析中部分关键技术 |
| 3.6.1 相干点及其提取方法概述 |
| 3.6.2 轨道误差去除方法概述 |
| 3.6.3 大气相位误差去除方法概述 |
| 3.6.4 离散点相位解缠方法概述 |
| 3.6.5 新一代 InSAR 处理算法-ISCE |
| 3.7 本章小结 |
| 第四章 INSAR 时序关键技术研究 |
| 4.1 最佳网络构建方法 |
| 4.2 矩阵满秩相干点的提取 |
| 4.3 离散点相位解缠及误差探测与校正 |
| 4.3.1 多分辨率离散点相位解缠 |
| 4.3.2 离散点相位解缠误差的识别和校正 |
| 4.4 轨道误差校正 |
| 4.5 大气相位误差校正 |
| 4.5.1 大气相位分类 |
| 4.5.2 网络法大气相位去除方法 |
| 4.6 本章小结 |
| 第五章 高级 INSAR 时序分析处理策略研究 |
| 5.1 FRAM-SBAS 时序分析处理策略 |
| 5.1.1 时序方程组反演方法 |
| 5.1.2 满秩方程组最小二乘反演 |
| 5.1.3 FRAM-SBAS 时序反演流程 |
| 5.2 BAM 地震震后形变场 |
| 5.3 羊八井热电站地面沉降 |
| 5.4 北京市地面沉降监测 |
| 5.5 本章小结 |
| 第六章 当雄地震同震及震后形变场反演 |
| 6.1 地震周期 |
| 6.2 同震形变场及断层滑动分布反演 |
| 6.2.1 同震形变场反演概述 |
| 6.2.2 同震位错反演 |
| 6.3.3 PSO 反演策略 |
| 6.2.4 当雄同震形变场断层参数反演 |
| 6.3 震后形变及余滑和黏滑模型研究 |
| 6.3.1 震后形变反演概述 |
| 6.3.2 震后余滑和震后黏滑模型 |
| 6.3.3 InSAR 震后形变场 |
| 6.3.4 震后余滑模型反演 |
| 6.3.5 震后黏弹性模型反演 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要工作与结论 |
| 7.2 后续工作与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简介 |
| 攻读博士期间主要参与的课题 |
| 攻读博士学位期间发表的文章 |
四、InSAR干涉图的相位关系分析（论文参考文献）
- [1]双波段相位解缠方法的研究[D]. 程国旗. 山东科技大学, 2020(06)
- [2]基于TOPS模式的时序InSAR电离层大气校正方法研究[D]. 陈欢. 山东科技大学, 2020(06)
- [3]InSAR地表形变监测中对流层延迟校正研究[D]. 高海英. 山东科技大学, 2020(06)
- [4]多通道干涉SAR数据仿真及通道相位误差校正技术研究[D]. 谷翼策. 长沙理工大学, 2020(07)
- [5]InSAR对流层延迟校正及其在地表沉降监测中的应用研究[D]. 朱邦彦. 武汉大学, 2017(06)
- [6]利用气象再分析资料研究InSAR大气对流层延迟与水汽反演[D]. 唐伟. 武汉大学, 2017(06)
- [7]国产合成孔径雷达卫星干涉数据处理关键技术研究[D]. 陈振炜. 武汉大学, 2017(06)
- [8]基于InSAR和MAI的电离层误差校正及同震三维形变场计算与断层滑动反演[D]. 王晓文. 西南交通大学, 2017(02)
- [9]基于D-InSAR数据分析的高山峡谷区域滑坡位移识别[D]. 王立伟. 北京科技大学, 2015(06)
- [10]高级时序InSAR地面形变监测及地震同震震后形变反演[D]. 李永生. 中国地震局工程力学研究所, 2014(03)