多孔径SAR干涉测量实现熊本地震精确的三维反演

工程6（2020）927研究大地测量与测量工程-文章通过基于偏移的解包裹和改进的多孔径SAR干涉测量的集成在大的和复杂的变形区域中精确的三维变形反演：应用于2016年熊本地震Won-Kyung Baek，Hyung-SupJung首尔大学地理信息学系，韩国首尔02504阿提奇莱因福奥文章历史记录：收到2018年2020年3月28日修订2020年6月29日接受2020年7月3日在线发布保留字：合成孔径雷达（SAR）常规合成孔径雷达干涉测量（InSAR）多孔径合成孔径雷达干涉测量（MAI）2016年熊本地震A B S T R A C T传统的合成孔径雷达（SAR）干涉测量（InSAR）已成功地用于精确测量视线（LOS）方向上的地表形变，而多孔径SAR干涉测量（MAI）已提供沿航迹（AT）方向上的精确地表形变。InSAR和MAI方法的集成使得能够从干涉对精确测量二维（2D）变形;最近，上升和下降对的集成使得能够观测精确的三维（3D）变形。精确的3D变形测量已被应用于更好地了解地震和火山爆发等地质事件。与2016年熊本地震有关的地表变形在断层线附近大而复杂;因此，尚未尝试精确的3D变形反演。本研究的目的是：①通过整合基于偏移的解包裹和改进的多孔径SAR干涉图，在大而复杂的形变区域进行精确三维形变反演的可行性测试;②观察与2016年熊本地震相关的三维形变场，即使在断层线附近两个上升对和一个下降的高级陆地观测卫星-2（ALOS-2）相控阵列型L波段合成孔径雷达-2（PALSAR-2）对用于三维形变反演。11个现场全球定位系统（GPS）测量被用来验证的三维变形测量精度。在东、北、上三个方向上的精度分别约为2.96、3.75和2.86 cm。结果表明，即使在大而复杂的变形的情况下，通过集成的改进的方法，精确的三维变形测量的可行性。©2020 THE COUNTORS.Elsevier LTD代表中国工程院出版，高等教育出版社有限公司。这是一篇CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍传统的合成孔径雷达（SAR）干涉测量（InSAR）是一种强大的工具，可以在大于1000km2的大面积范围内精确测量地表形变。该技术已成功应用于地震形变[1-6]、然而，由于InSAR方法只能观测卫星中的一维（1D）形变，*通讯作者。电子邮件地址：hsjung@uos.ac.kr（H.- S. Jung）。用这种方法几乎不可能进行视线然而，多孔径SAR干涉测量（MAI）由Bechor和Zebker[22]提出，并由Jung进一步改进等[23MAI方法能够精确测量AT方向上的1D表面变形。该方法克服了InSAR方法的局限性。MAI处理包括以下步骤：①生成前视差分干涉图使用的前瞻性多普勒频谱;②利用后视多普勒频谱生成后视差分干涉图;③通过估计两幅干涉图的相位差生成MAI干涉图。众所周知，MAI性能比方位偏移跟踪好几倍[22https://doi.org/10.1016/j.eng.2020.06.0122095-8099/©2020 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程杂志主页：www.elsevier.com/locate/eng928W.- K. 白， H.- S. Jung /工程 6 （2020）927--利用干涉合成孔径雷达（InSAR）和多天线干涉仪（MAI）的组合，可以从一对干涉仪中精确测量二维地表形变。此外，集成使得能够使用上升和下降干涉对观察三维（3D）变形。SuperSAR多方位SAR系统的可行性已被测试用于精确的3D变形测量[27]。3D检索已广泛用于测量火山变形[8，9，28- 在东、北和向上方向，使用地中海盆地观测-SkyMed（COSMO-SkyMed）InSAR和MAI集成方法的X波段小卫星星座的存档3D测量性能分别约为0.86、1.04和1.05。0.55 cm，分别为[29]。然而，三维变形恢复仍然是具有挑战性的，在大的和复杂的变形地区，由于MAI相干损失和InSAR相位展开误差。最近，Jung等人[26]引入了前视和后视残差干涉图来降低相位噪声水平。结果，该方法大大增强了MAI的相干性，特别是对于由于大而复杂的变形而去相关的区域。Baek等人。[41]介绍了多核偏移跟踪方法[13，15，42]，以最大限度地减少高陡变形区域中的相位展开误差。他们表明，使用多核偏移跟踪方法估计的高级陆地观测卫星-2（ALOS-2）相控阵列型L波段合成孔径雷达-2（PALSAR-2）偏移图与用于最大限度地减少相位展开误差的偏移图一样精确。由于InSAR测量在大面积复杂形变区域不适用，但偏移量图是有效的，因此可以采用多核偏移量跟踪方法进行视线形变测量。改进的InSAR和MAI测量的集成使得即使在由于大而复杂的表面变形而去相关的区域中也能够精确地绘制3D变形然而，这种整合方法从未应用于生成3D变形图。在这项研究中，我们证明了基于偏移的展开InSAR[41]和改进的MAI方法[26]的集成使得即使在由于大而复杂的表面变形而去相关的区域中也能够观察到3D变形场变形利用改进的InSAR和MAI方法对2016年熊本地震三维形变场进行了观测2016年4月14日，日本熊本发生地震，地表变形沿断层线附近与地震相关的地表变形较大且复杂;因此，尚未尝试使用InSAR和MAI集成进行精确的3D地表变形反演。在这项研究中，获得了两个上升对和一个下降的 ALOS-2PALSAR-2干涉测量对，并进行了处理，以反演2016年熊本地震的三维形变场。利用11个全球定位系统（GPS）站点的测量数据，对改进的InSAR和MAI组合进行三维形变测量的性能进行了评估2. 研究领域和数据2016年4月14日，日本熊本发生了两次矩震级为Mw 6. 2和Mw 6. 0的地震;在主要事件之后观察到了140多次余震。随后，表1Mw 7.0的主震发生在约28小时后。 据报道，2016年熊本地震导致在沿NE-SW向走滑断层的大而复杂的变形中在断裂带附近观察到约2.1 m的沉降和约0.3 m的隆起被测量。还观察到约2.0 m的向东变形[40]。因此，与2016年熊本地震有关的地表形变大而复杂，特别是在断层带附近。本研究使用了两个上行对和一个下行ALOS-2 PALSAR-2其中一个 上 行 对 于 2015 年 11 月 19 日 和 2016 年 6 月 16 日 获 得（20151119_20160616），另一个于2016年2月11日和2016年6月2日获得（20160211_20160602）。下行对于2016年3月7日和2016年4月18日获得（20160307_20160418）。这三对的垂直基线短至30、74和121米，时间基线分别为210、140和42天。表1总结了用于本研究的同震干涉测量对的干涉测量参数 图图1显示了日本熊本的阴影地形图，包括两个上升对和一个下降干涉对的边界。 如图 1、利用GPS观测站测量数据（用实心三角形标记）来评估所测量的三维变形的精度。3. 方法在大面积复杂形变区域，由于InSAR处理中的解包裹误差和MAI处理中的相干损失，三维形变反演比较困难。基于偏移的相位展开已成功应用于ALOS-2 PALSAR-2干涉图[41]。因此，据报道，通过参考文献[41]中提出的改进的InSAR方法（包括基于偏移的相位展开），即使在大而复杂的变形区域也可以观察到InSAR测量的LOS变形。同时，自Bechor和Zebker[22]首次提出MAI处理方法以来，已经开发了MAI处理方法以减轻MAI相干性降低。最近，MAI处理器通过经由残余前视和后视干涉图计算MAI干涉图而得到改进[26]。如参考文献[26]中所讨论的，改进的MAI处理器在减轻MAI相干性损失方面是有效的。因此，即使在大而复杂的变形区域中，也可以获得精确的MAI测量AT变形[26]。这些技术改进使InSAR和MAI集成技术能够应用于大规模复杂三维形变的精确测量 图图2显示了改进的InSAR和MAI集成用于3D变形反演的详细工作流程。一个精确的2D变形图可以使用InSAR和MAI处理器由Baek等人改进[41]Jung et al.[26]. 给定上升和下降采集，可以从上升和下降的2D变形图精确地创建3D变形图，如图所示。 2 [26，41]。3.1. 改进的InSAR方法改进的InSAR方法主要包括五个步骤：①包裹差分干涉图的生成;②距离偏移图像的计算和滤波;③残差干涉图的相减从ALOS-2 PALSAR-2数据在上升和下降轨道上获得的同震干涉对轨道硕士奴隶周边基线（m）时间基线（d）上升2015年11月19日星期一2016年6月1630210上升下降2016年2月112016年3月7日星期一2016年6月22016年4月18日星期一-74-12114042W.- K. 白， H.- S. Jung /工程 6 （2020）927929图1.一、日本熊本市的RGB地图（Sentinel-2），包括两个上升和一个下降干涉对的边界灰色的线是断裂，黄色的星星表示2016年熊本地震的震中。白色和黑色三角形表示GPS站的位置。其中，白色三角形用于验证3D测量。标签图二. 3D变形检索的详细工作流程。SLC：单一外观复杂。来自经包裹的差分干涉图的经滤波的距离偏移图像;通过对展开的残余相位和滤波的距离偏移求和来创建展开的差分干涉图。有关该过程的更多详细信息，请参见参考文献[41]。在该方法中，有效剩余干涉图的生成是关键。通常情况下，由于偏移法的精度远低于InSAR法的精度，几乎不可能生成有效的剩余干涉图。然而，通过使用ALOS-2 PALSAR-2干涉仪对并通过将使用多个内核的改进的偏移跟踪方法应用于该对[41，42]，可以克服该限制。ALOS-2 PALSAR-2干涉仪对的偏移跟踪性能很高，因为它具有更高的空间分辨率和改进的偏移跟踪测量[13，41，42]。这种InSAR方法使得即使在大而复杂的变形区域也可以精确测量LOS3.2. 对改进的MAI方法的简要描述改进的MAI方法主要包括五个步骤：①通过带通分别对主图像和从图像使用全孔径以及前向和后向孔径带宽进行滤波;②从三个SLC主图像和从图像生成三个差分干涉图;③通过从前向和后向孔径差分相位中减去全孔径差分相位来创建两个残余干涉图;通过计算两个残余干涉图之间的相位差来创建MAI干涉图;以及对残余相位进行反向在第一步中，三个SLC图像必须具有相同的图像位置，这通过应用相同的距离单元迁移校正来实现。在第二步中，通过使用全孔径干涉对来估计配准参数，然后将其应用于三个干涉对。在第三步中，应使用自适应滤波器（如Goldstein滤波器）对全孔径差分干涉图进行硬滤波。硬滤波可以通过迭代地应用具有大窗口内核大小的滤波器来执行。如果在第四步期间在相位差计算之前对两个残余干涉图进行轻微滤波，则效果更好。有关处理的更多详情，请参阅930W.- K. 白， H.- S. Jung /工程 6 （2020）927××nm×××××不× ××在参考文献[26]中。在多址干涉处理中，由两幅残差干涉图生成多址干涉图是一个关键问题。重要的是，硬滤波的全孔径差分干涉图应仔细生成，因为它被假定为无噪声干涉图。为了生成更好的硬滤波干涉图，8或1616个像素可以迭代地适用于自适应滤波器。这种MAI方法允许精确测量AT变形，即使在大的和复杂的变形区域。3.3. 三维变形反演3D变形可以通过组合上升和下降2D变形测量来恢复。变形矢量（r）可以通过使用上升和下降InSAR变形以及上升和下降MAI变形来定义，如参考文献所提供的。[3,8,43]，如下：r¼U·d1其中d是3D表面变形向量，U可以定义如下：U½uInSARuMAI· ··uInMARn uMA Im]2其中，uInSAR和uMAI分别是InSAR和MAI测量的第n和第m个单位InSAR矢量定义如下：不获得了两个上升对和一个下降同震干涉测量对，以分析2016年熊本地震（表1）。通过七个处理步骤创建三个包裹差分干涉图，如下：①方位公共频带滤波; ②偏移参数估计; ③从SLC图像恢复;二次干涉图生成;使用航天飞机雷达地形任务数字高程模型的二次合成干涉图生成;二次包裹差分干涉图生成和使用方位和距离方向上的（15× 12）像素查看的多查看;以及核尺寸为32的二次包裹差分干涉图滤波。图3示出了上升对20151119_ 20160616和20160211_20160602以及下降对20160307_20160418的缠绕差分干涉图。InSAR相位梯度很陡，因为存在大的同震形变，如图所示。3.第三章。最陡的变形出现在断层带附近（图1）. 3）。在这些地区的干涉相位不能正确地为了克服这一局限性，多核偏移跟踪方法被用来处理这三对。使用16种不同的内核大小从32 - 32到256 - 256像素，共获得了16个偏移测量值。在每个像素的最终偏移测量估计使用3D中值滤波与3 - 3 - 16像素的内核大小。最终的距离偏移图从像素转换为弧度，然后使用具有（1111）像素核大小的非局部（NL）均值滤波器进行平滑，以生成包裹的残差干涉图。因此，包裹后的剩余干涉图可以很容易地被预处理。使用传统的最小成本流（MCF）精确展开uInSAR¼½sinh cos/- sinh sin/- cosh]ð3Þ算法[45]。其中，T表示矢量的转置，h和f分别是雷达入射角和来自北方的卫星轨迹角，单位MAI矢量可以定义如下：uMAI½ sin hcos/ 0]140最后，3D表面变形可以通过最小二乘解生成，如下所示，其中R是InSAR和MAI测量的协方差矩阵[8]：图4示出了上升对20151119_20160616和20160211_20160602以及下降对20160307_20160418的展开差分干涉图。值得注意的是，图4中的一个条纹不同于图3中的条纹。图4中的一个条纹对应于4p。参见图 4.在断层附近的高条纹率区域，干涉相位得到了适当的解包裹。正确展开的相位被发现，即使在没有任何条纹图案附近的故障线的地区在这些区域中，干涉相位没有条纹图案，而距离偏移具有d ¼。UTR-1UTR-1·UTR-1r 5有效的测量。这是因为在这些区域中变形复杂且大，而去相关因子低。因此，在本发明中，InSAR测量包含水平和垂直形变分量，但北向分量较少。 然而，MAI测量在东部和向上的方向几乎没有关系。此外，从上升和下降轨道获得的MAI几何形状是在相反的方向，但相似。因此，如果两个MAI测量中的一个不好，MAI测量之一不用于恢复向北变形。因此，为了最佳地分离东、北和垂直形变，总测量值应大于三个，包括至少两个分别来自上升和下降轨道的InSAR测量值和一个MAI测量值，如等式2所示。（二）、4. 结果利用InSAR和MAI集成的三维形变反演应用于2016年熊本地震，以测试其可行性通过改进的InSAR和MAI集成技术，在复杂的大变形区域内精确测量三维地表变形。众所周知，2016年熊本地震是沿着右行走滑断层发生的。据报道，与地震有关的变形在垂直方向上约为2.1米，在水平方向[40，44]。所测量的干涉相位是有效的，尽管由于低的去相关，它不产生任何条纹图案。结果表明，改进的InSAR方法能较好地测量出断裂带测量结果与GPS得到的LOS变形相匹配。对于asc1、asc2和dsc对，最终干涉图的存档精度约为2.88、1.96和1.90 cm[41，44]。因此，我们认为附加的电离层校正是不必要的。为了生成多址干扰干涉图，ALOS-2 PALSAR-2 SLC图像在方位角方向上进行了傅立叶变换，多普勒频谱使用汉明窗分成前视和后视带宽。在此步骤中，由于多普勒频谱已经使用加窗函数应用，因此我们首先移除应用的窗口，然后对多普勒频谱应用分带滤波。然后，为了生成剩余干涉图，我们将全孔径差分干涉图应用于硬滤波器，硬滤波器被设计为具有256 256、128 128和64的核尺寸64像素。 硬滤波后的差分干涉图被假定为无噪声干涉图;因此，我们可以通过硬滤波后的干涉图与前视和后视干涉图之间的相位相减来创建前视和后视残差干涉图。在前视和后视剩余干涉图被稍微过滤W.- K. 白， H.- S. Jung /工程 6 （2020）927931××图三.由干涉对（a）20151119_20160616、（b）20160211_20160602和（c）20160307_20160418生成的包裹InSAR干涉图。1弧度=180°/p。图4. 未包装InSAR干涉图创建使用的改进InSAR处理器从的（一）20151119_20160616，（b）第（1）款20160211_20160602，和(c)20160307_20160418干涉对。白色框显示3D测量的覆盖范围。使用Goldstein滤波器，通过两个剩余干涉图的复共轭产生MAI干涉图。由于MAI干涉图具有地形和平地相位，因此使用参考文献[23]中提出的方法校正相位。有些MAI干涉图有电离层效应，这应该被减轻，因此，我们应用方向滤波方法的MAI干涉图。方向滤波的更多细节可以在参考文献中找到。[13，15，46，47]。图5示出了从20151119_20160616和20160211_20160602的上升对和20160307_20160418的下降对生成的MAI干涉图。当MAI干涉图在图。 5与图1中的InSAR干涉图进行了比较。 4、MAI干涉图由于采用子孔径处理，空间分辨率较低。值得注意的是，图中的一个条纹。 5对应于0.2p。参见图 5.在断层带附近的高条纹率区域以及在断层线附近没有任何条纹图案的区域中，MAI相位被适当地测量。这是因为前视和后视残差干涉图具有有效的由于低的去相关性，结果表明，改进的MAI方法能较好地测量两个上行AT变形测量的准确度约为8.13和9.87 cm（图1和2）。5（a）和（b）），而下降的AT变形的精度约为3.36 cm（图5（c））。前两次测量的较大误差是因为上升MAI干涉图中包含严重的电离层畸变，如图1和图2所示。6（a）和（b）。为了减轻图6（a）所示的电离层失真，我们迭代地应用了一个方向中值滤波器，旋转角度为45°，窗口内核为151 63像素，沿电离层条纹方向和交叉电离层条纹方向。此外，还对图6（b）所示的MAI干涉图迭代地应用了旋转角为50°、窗口核为751.63像素的方向中值滤波器。有关电离层缓解的更多细节，在参考文献中。[13，46]。通过定向中值滤波减轻电离层失真可以在图1A和1B中看到。5（a）和（b）。通过这种缓解，我们提高了准确性，图五.使用来自（a）20151119_20160616、（b）20160211_20160602和（c）20151119_20160616的改进MAI处理器创建的电离层校正MAI干涉图(c)20160307_20160418干涉对。白色框显示3D测量的覆盖范围932W.- K. 白， H.- S. Jung /工程 6 （2020）927×约52.29和47.55 cm至约8.13 cm，9.87cm，分别在上升对20151119_20160616和20160211_20160602中。然而，上升AT变形的精度远低于下降AT变形的精度。因此，未使用上升AT变形来检索3D变形场。干涉解相关是影响InSAR和MAI干涉图测量精度的主要因素。特别地，MAI测量精度对以下因素更敏感：去相关比InSAR。因此，在使用MAI干涉图之前需要考虑去相关因子[26]。空间、时间、热和体积去相关是众所周知的去相关分量[48]。相干性可以很好地描述相位去相关，并且通常用于估计理论误差水平[25，48]。由于相干性计算相位信号的空间稳定性，因此在高梯度变形区域中可能会被低估[41]。换句话说，相干性不能用于决定大变形是否存在复杂变形区。在大变形和复杂变形地区，应更仔细地分析。图图7示出了从下降的前视残余干涉图和被小于0.5的相干性掩蔽的下降的MAI干涉图估计的相干图。使用5个5像素的移动窗口计算相干性。大部分地区的相干值接近1.0，相干值从0.5到1.0。0.7 在断层线附近被观察到如图7（b）所示，低相干值主要分布在非常陡的变形区。在这些区域中，计算的相干值不能用于估计MAI精度;因此，我们不能决定在这些区域中的变形测量是否有效使用相干或不。因此，偏移跟踪信息还用于确定有效测量。图8显示了通过整合改进的InSAR和MAI方法创建的2016年熊本地震3D地表形变场。我们使用从两个上升对和一个下降对测量的LOS变形图和AT图六、电离层校正前的MAI干涉图：（a）20151119_20160616;（b）20160211_20160602。图7.第一次会议。（a）下降的前视剩余干涉图的相干图;（b）在下降的MAI干涉图上以0.5为标准的相干阈值图黑色像素表示相干性低于0.5的区域;q表示相干性值。见图8。使用InSAR和MAI综合方法创建的2016年熊本地震的3D地表变形场：（a）向东，（b）向北，（c）向上变形。（a）-（c）上的彩色菱形W.- K. 白， H.- S. Jung /工程 6 （2020）927933---从下降对测量的变形图。 如图 8、三维变形场的反演效果良好，即使在大变形和复杂变形情况下也能很好地反演。正向和负向最大变形分别约为1.78和1.81 m（图8（a）），向北约为1.57和1.04 m（图8（b）），向上约为2.49和0.56 m（图8（c））。图图9示出了通过组合向东和向北的变形计算的水平变形矢量场。如图9所示，向量场的底图源自向上变形。矢量场显示，2016年熊本地震是沿着一条右旋走滑断层发生的此外，在断层的西部观察到约2.49 m的隆起，而在断层的东部测量到约0.56 m的沉降这意味着2016年熊本地震的特征是右行走滑和正断层运动。为了测试使用InSAR和MAI集成获得的3D地表变形场的准确性，我们将SAR衍生的变形与从11个站点获得的原位GPS变形数据进行了比较（图11）。 10）。SAR衍生的变形是使用三次插值方法从11个站位置提取的在东、北和向上方向，SAR衍生和原位GPS变形之间的均方根误差（RMSE）分别约为2.96、3.75和2.86 cm。见图9。水平形变矢量场是由向东和向北形变组合而成的。向量场的底图是向上变形的。很好InSAR和MAI集成与北向形变场的现场GPS测量结果之间的一致性比东向和向上形变场差，因为使用InSAR的LOS形变比使用MAI的AT形变更精确。结果表明，在去相关因子较低的情况下，改进的InSAR与MAI组合可以在大面积复杂形变区域内获得精确的三维形变场。为了评估在复杂且大的变形区域中去相关是否低，可以使用偏移跟踪方法。如果可以从该区域获得有效的偏移测量，则由于高度相关性，可以获得有效的3D变形测量。否则，该区域中测量的3D变形无效。精确测量的3D变形可以更好地了解地震和火山爆发等地质事件。5. 结论我们测试了通过集成改进的InSAR和MAI方法在大的和复杂的变形区域获得精确的三维变形测量的可行性。为此，使用积分方法观测了2016年熊本地震3D地表形变场。2016年熊本地震相关的形变在断层线附近大而复杂;因此，尚未使用InSAR和MAI集成进行精确的3D地表形变反演。在本研究中，使用两个上升对和一个下降的ALOS-2 PALSAR-2干涉对进行三维形变反演。对SLC干涉对进行常规InSAR处理，生成3幅包裹差分干涉图，并采用多核偏移跟踪方法生成3幅距离偏移图。距离偏移跟踪法较好地测量了断层附近复杂的大形变场。这意味着去相关在断层线附近较低因此，我们尝试使用基于偏移的解缠方法对三幅差分干涉图进行解缠;解缠方法很好地应用于三幅干涉图。这表明基于炮检距测量的解包裹方法成功地观测到了断裂带附近的大而复杂的形变。使用前视和后视剩余干涉图生成三幅MAI干涉图由于低的去相关性，他们很好地测量了断层线附近复杂而大的形变场。两幅上行MAI干涉图存在严重的电离层畸变，并进行了校正。然而，修正后的上升MAI干涉图的RMSE比修正后的上升MAI干涉图的RMSE低三倍图10个。在（a）东（ux）、（b）北（uy）和（c）上（uz）方向上SAR衍生变形与原位GPS变形的比较RMSE：均方根误差。934W.- K. 白， H.- S. Jung /工程 6 （2020）927下降MAI干涉图。因此，两个上升MAI干涉图不用于检索3D变形。利用三幅解包差分干涉图和下降MAI干涉图反演了2016年熊本地震三维地表形变场。三维变形图清晰地显示了三维变形场的反演效果，即使在大而复杂的变形区也是如此。从3D形变图可以清楚地看出，2016年熊本地震的特征是右行走滑和正断层运动。通过将SAR反演结果与GPS实测结果进行比较，对三维形变场进行了性能测试东、北、上三个方向的RMSE分别约为2.96、3.75和2.86 cm。结果表明，在低去相关条件下，利用改进的InSAR和MAI组合可以在大面积复杂形变区域内获得精确的三维形变场。精确测量的3D变形可以更好地了解地震和火山爆发等地质事件。确认本研究由韩国气象局研发计划（KMI 2017 -9060）和韩国政府资助的韩国国家研究基金会（NRF-2018 M1 A3 A3 A02066008）资助。此外，本研究中使用的ALOS-2 PALSAR-2数据归日本航空航天探索机构所有，并通过日本航空航天探索机构1412）。GPS数据由日本地理空间信息局提供遵守道德操守准则Won-Kyung Baek和Hyung-Sup Jung声明他们没有利益冲突或财务冲突需要披露。引用[1] Biggs J，Amelung F，Gourmelen N，Dixon TH，Kim SW. 2007年坦桑尼亚裂谷事件的InSAR观测显示未成熟大陆裂谷中的混合断层和堤坝延伸。 Geophys J Int2009;179（1）：549-58.[2] 杨伟，王伟，王伟. InSAR揭示的2010年4月4日El Mayor-Cucapah MW 7.2地震引发 的 I m p e r i a lV a l l e y 断 层 滑 动 。 Geophys Res Lett2011;38 （ 1 ） ：L01308.[3] JungHS，Hong SM. 利用先进的卫星雷达干涉测量法绘制2010年海地地震造成的三维地表变形图。 PLoSONE 2017;12（11）：e0188286。[4] Jo MJ，Jung HS，Yun SH.通过多传感器SAR联合反演反演2014年M6.0南纳帕地震的精确三维形变。Sci Rep 2017;7（1）：5485。[5] Jo MJ，Jung HS，Chae SH.卫星雷达观测三维形变制图的进展：对2003年巴姆地震的应用。Geomatics Nat Hazards Risk 2018;9（1）：678-90.[6] 李伟杰，卢智，郑国辉，吉良。从多时相合成孔径雷达干涉测量法测量同震小形变场 ： 应 用 于 2004 年 9 月 19 日 Huntoon 山 谷 地 震 。 Geomatics Nat Hazards Risk2017;8（2）：1241-57.[7] Lu Z，Dzurisin D，Biggs J，Wicks C Jr，McNutt S.地表变形模式，岩浆供应和岩浆储存在Okmok火山，阿拉斯加，从InSAR分析：1。1997-2008年爆发间变形。JGeophys Res2010;115：B00B02.[8] Jung HS，Lu Z，Won JS，Poland MP，Miklius A.通过结合多孔径干涉测量和常规干涉测量绘制三维表面变形：应用于2007年6月夏威夷基拉韦厄火山爆发。IEEEGeosci Remote Sens Lett2011;8（1）：34-8.[9] Jo MJ，Jung HS，Won JS.通过TerraSAR-X合成孔径雷达干涉测量法精确测量三维火山变形。《环境遥感》2017;192：228-37。[10] Lee WJ，Lu Z，Jung HS，Park SC，Lee DK.使用改进的SBAS算法来确定2003-2010年塱原破火山口及其周围地区的地表变形。 Korean J Remote Sens 2018;34（1）：101-15.[11] QuF，Lu Z，Poland M，Freymueller J，Zhang Q，Jung HS. 2008-2014年阿拉斯加Okmok火山喷发后的膨胀，来自InSAR。远程传感器2015;7（12）：16778-94。[12] 格雷湖使用多个雷达卫星InSAR对估计冰川冰运动的全三维解。Geophys Res Lett2011;38（5）：L05502.[13] 蔡熙，李伟杰，郑协，张良. 精确观测新地岛冰川速度变化的L波段合成孔径雷达偏移测量的电离层校正。IEEE J Sel Top Appl Earth Obs Remote Sens 2017;10（8）：3591-603.[14] Boncori JPM，Andersen ML，Dall J，Kusk A，Kamstra M，Andersen SB，etal. 格陵兰冰盖CCI项目内SAR基冰速度测量技术的相互比较和验证。远程传感器2018;10（6）：929。[15] Baek WK，Jung HS，Chae SH，Lee WJ.使用TerraSAR-X偏移跟踪方法对斯瓦尔巴 特 群 岛 Uvêrsbreen 冰 川 的 二 维 速 度 测 量 。 Korean J Remote Sens 2018;34（3）：495-506.[16] Choi JK，Won JS，Lee S，Kim SW，Kim KD，Jung HS.韩国Taebaek煤矿沉陷危险图的沉陷模型和SAR干涉测量的集成。Int J Remote Sens 2011;32（23）：8161-81.[17] 张玲，丁翔，陆志，郑海胜，胡军，冯刚。一种新的多时相InSAR形变率和轨道误差联合估计模型。IEEE TransGeosciRemote Sens 2014;52（6）：3529-40.[18] ChoiJH，KimSW.Comparisonofobservationperformanceofurbandisplacement using ALOS-1 L-band PALSAR and COSMO-SkyMed X-band SARtime series images. Korean J Remote Sens 2018;34（2）：283-93.[19] Baek WK，Jung HS，Jo MJ，Lee WJ，Zhang L.利用多时相雷达干涉法观测垃圾填埋场地面沉降。Int JUrban Sci 2019;23（3）：406-21.[20] LuZ，Kwoun O. Radarsat-1和ERS在路易斯安那州东南沿海的InSAR分析：在沼泽森林下绘制水位变化的影响。IEEE TransGeosci Remote Sens2008;46（8）：2167-84.[21] 作者：Hong SH，Wdowinski S.利用天基合成孔径雷达（SAR）观测监测佛罗里达州南部大沼泽湿地的综述。Korean J Remote Sens 2017;33（4）：377-90.[22] Bechor NBD，Zebker HA。使用单个InSAR对测量二维运动。Geophys ResLett2006;33（16）：L16311.[23] 郑文胜，王建生，陈文生.多孔径SAR干涉测量的性能改进. IEEE TransGeosciRemote Sens 2009;47（8）：2859-69.[24] 郑海胜，陆志，张良.利用Sentinel-1干涉仪宽测绘带模式进行沿航迹位移测量的可行性。IEEE TransGeosci RemoteSens 2013;51（1）：573-8.[25] 作者：Jung HS，Lee WJ，Zhang L.多孔径干涉测量法（MAI）沿航迹位移测量的理论精度。传感器2014;14（9）：17703-24.[26] Jung HS，Yun SH，Jo MJ.在复杂和大的视线变形存在下多孔径SAR干涉测量性能的改进。IEEE J Sel Top Appl Earth Obs Remote Sens 2015;8（4）：1743-52.[27] Jung HS，Lu Z，Shepherd A，Wright T. SuperSAR多方位合成孔径雷达成像系 统 精 确 测 量地 表 三维位 移 仿 真 。 IEEE TransGeosci Remote Sens2015;53（11）：6196-206.[28] Jo MJ，Jung HS，Won JS，Poland MP，Miklius A，Lu Z.从有效的多孔径SAR干涉测量（MAI）叠加测量沿航迹缓慢移动位移。J Geod 2015;89（5）：411-25.[29] JoMJ，Jung HS，Won JS，Lundgren P. COSMO-SkyMedX波段雷达干涉测量三维地表变形：应用于2011年3月夏威夷Kødlauea火山Kamoamoa裂缝喷发。 远程传感环境2015;169：176-91。[30] Jo MJ，Jung HS，Won JS. 通过对Kılauea火山的三维InSAR观测探测最近的山顶膨胀源位置。 远程传感器2015;7（11）：14386-402。[31] 作者：Morishita Y，Kobayashi T，Yarai H利用左右视ALOS-2 InSAR对2015年樱岛堤防侵入事件进行三维变形测绘。 Geophys Res Lett 2016;43（9）：4197-204.[32] 胡军，丁晓林，张玲，孙强，李志文，朱俊杰，等。基于InSAR和形变建模的三维地表位移估计。IEEE Trans GeosciRemote Sens 2017;55（4）：2007-16.[33] 胡军，李志文，丁晓林，朱俊杰，张玲，孙庆。根据多孔径InSAR和D-InSAR测量估算的2010年新西兰Darfield地震的3D同震位移。J Geod 2012;86（11）：1029-41.[34] BoncoriJPM，Papoutsis I，Pezzo G，Tolomei C，Atzori S，Ganas A，等. 2014年2月Cephalonia地震（希腊）：3D变形场和多SAR技术的震源建模。 Seismol ResLett 2014;86（1）：1-14.[35] Wang X，Liu G，Yu B，Dai K，Zhang R，Chen Q，et al.从DInSAR和多孔径InSAR测量中推断的2010年玉树地震（中国）的3D同震形变和震源参数。远程传感环境2014;152：174-89。[36] 王新，刘刚，于斌，戴凯，张荣，马东，等.基于DInSAR、MAI和位移梯度张量的2011年缅甸Tarlay地震三维同震形变场综合成图方法. 远程传感环境2015;170：388-404。[37] Grandin R，Klein E，Métois M，Vigny C. 2015年Mw8.3 Illapel地震（智利）的三维位移场，W.- K. 白， H.- S. Jung /工程 6 （2020）927935Sentinel-1 TOPS干涉仪Geophys Res Lett 2016;43（6）：2552-61.[38] 胡军，李志文，李军，张莉，丁晓丽，朱俊杰，等. D-InSAR、MAI和偏移距跟踪相结合的青藏高原高山冰川三维运动制图-