GPS观测数据驱动的InSAR对流层改正方法及实证分析

"基于GPS观测量的InSAR干涉图中对流层改正方法及其论证 (2008年)，作者：宋小刚、李德仁、廖明生、程亮，发表于《武汉大学学报·信息科学版》第33卷第3期，2008年3月，文献标志码A，中图法分类号P228.41，关键词：对流层延迟改正；雷达干涉测量；支持向量机" 本文探讨的是在InSAR（Interferometric Synthetic Aperture Radar，干涉合成孔径雷达）技术中如何利用GPS（Global Positioning System，全球定位系统）观测数据进行对流层延迟的改正，以提高InSAR干涉图的精度。InSAR作为一种高精度的地形测绘和地面形变监测工具，其有效性受到大气条件的影响，尤其是对流层的延迟效应。 对流层延迟是由于雷达信号在通过对流层时，由于水汽含量的变化导致的折射指数改变，从而产生的相位延迟。这种延迟在不同时间和空间的InSAR观测中会有所不同，对干涉相位产生显著影响，可能导致解译错误。例如，Hanssen的研究指出，大气延迟可能造成0.3至2.3个相位周的误差，极端情况下甚至可达4周。Rigo和Massonnet在分析地震数据时也发现，大气变化显著增加了干涉图的噪声。 为了解决这一问题，作者提出了一种站间和历元间的双差算法，用于计算InSAR结果中的大气改正量。这种方法旨在通过稀疏分布的GPS站网数据，估计并改正InSAR图像中每个像素的对流层延迟。为了实现逐像素的改正，他们引入了自适应参数的支持向量机（Support Vector Machine，SVM）模型。SVM是一种强大的机器学习方法，能够通过少量样本数据进行高效的学习和预测，尤其适用于处理小样本和非线性问题。 利用SCIGN（Southern California Integrated GPS Network）的数据，作者验证了该方法的可行性。SCIGN是一个广泛的GPS观测网络，提供了丰富的对流层延迟数据。通过这种方法，可以有效地利用GPS数据来消除干涉图中长波段的大气噪声，特别是在GPS站间距大于大气信号波长的情况下。 然而，目前利用GPS数据减少InSAR大气影响的方法面临两大挑战：一是GPS站网的空间分布有限，可能无法完全覆盖InSAR观测区域；二是GPS数据的采样率和质量可能不足以精确捕捉瞬时的大气变化。尽管如此，本文提出的方法展示了通过改进算法和利用机器学习技术，如SVM，可以更有效地解决这一问题，提高InSAR结果的准确性和可靠性。 这项工作为InSAR数据处理提供了一种创新的对流层改正策略，它结合了GPS观测和先进的统计学习方法，有望改善对地表形变监测的精度，对于地质灾害预警、城市基础设施安全监控等领域具有重要意义。