2020, Vol. 40
我国地质灾害呈现点多面广、类型多样等特点，2017年以来已发生一系列具有隐蔽性、潜伏性及突发性的重大地质灾害。对环境复杂、植被发育程度高、地面调查工作难以开展地区的重大地质灾害隐患进行有效识别，可最大程度地降低生命和财产的损失。
星载InSAR监测技术是获取区域地质灾害隐患分布及变化的主要手段之一，可通过卫星重复观测识别正在滑移和变形的滑坡位置、活动强度及影响范围等。目前，在轨星载SAR系统通常采用聚束(spotlight)、条带(stripmap)、扫描(ScanSAR)、递进式地形扫描(terrain observation by progressive scans, TOPS)等成像模式，其中ScanSAR模式是指雷达在每个波束指向上发射一系列脉冲并接收相应的回波，周期性地改变天线在距离向的指向，在地面形成多个观测子带，并通过子带组合获取更宽的测绘带[1]。由于ScanSAR子带内波束驻留时间小于合成孔径时间，导致方位向分辨率降低，因此ScanSAR模式是以分辨率换取宽测绘带的[1-2]。
ALOS-2卫星由日本宇宙航空研究开发机构(JAXA)于2014-05-24发射，配备全球领先的L波段SAR系统(PALSAR-2)，能够克服多云多雨等恶劣天气对成像的影响，并拥有较强的植被穿透能力。PALSAR-2具有聚束、条带和扫描3种成像模式，但由于ALOS-2卫星的拍摄能力有限，在中国境内不易获取连续重访周期的条带模式SAR数据。因此，充分挖掘ScanSAR模式的干涉能力，不仅可以获取广域范围的地表形变信息，同时还可弥补条带模式数据量的不足，提高数据间的相干性。
JAXA已对2015-02-08之后获取的ScanSAR模式数据进行burst驻留时间同步，可确保ScanSAR-ScanSAR能够进行干涉处理[3]。由于重复轨道星载干涉SAR系统中2次成像时电离层分布存在差异，导致在L波段InSAR处理过程中产生较为明显的相位延迟效应。距离向频谱分割法(range split spectrum)[4]是利用带通滤波器将雷达信号在斜距向上的宽带频谱分解为上、下2个子带，然后对主副图像的上、下子带分别进行差分干涉处理，进而解算出电离层延迟相位和形变信息。目前利用ALOS-2 ScanSAR数据开展滑坡识别的研究较少，本文基于距离向频谱分割法研究ScanSAR模式InSAR滑坡形变信息提取方法，并探讨利用ScanSAR模式进行滑坡早期识别应用的可行性。
1 距离向频谱分割法估计电离层相位长波段(如L波段)星载雷达(SAR)系统成像时，电磁波穿过电离层引起的延迟相位会与高程相位混叠。对于重复轨道干涉SAR系统，主副影像共轭相乘得到的差分干涉相位Δφ(未缠绕)可简化为：
| $ \Delta \varphi=\Delta \varphi_{\text {nondisp }} \frac{f}{f_{0}}+\Delta \varphi_{\text {iono }} \frac{f_{0}}{f} $ | (1) |
式中，Δφnondisp为高程变化、对流层延迟等非色散相位，Δφiono为一阶电离层相位，f0与f分别为原始载频和上、下子带载频。
针对主、副单视复数影像(SLC)M和S，利用带通滤波器在方位向滤波，生成主、副影像的上子带SLC影像Mh、Sh及主、副影像的下子带SLC影像Ml、Sl。上、下子带干涉处理时，通过相应的主、副影像共轭相乘φ=M ·S*，并利用地形高程模型(DEM)补偿地形相位得到上、下子带差分干涉相位。根据式(1)可将上、下子带差分干涉相位Δφh和Δφl(未缠绕)表示为：
| $ \left\{\begin{array}{l} \Delta \varphi_{\mathrm{h}}=\Delta \varphi_{\text {nondisp }} \frac{f_{\mathrm{h}}}{f_{0}}+\Delta \varphi_{\text {iono }} \frac{f_{0}}{f_{\mathrm{h}}} \\ \Delta \varphi_\mathrm{l}=\Delta \varphi_{\text {nondisp }} \frac{f_{\mathrm{l}}}{f_{0}}+\Delta \varphi_{\text {iono }} \frac{f_{0}}{f_\mathrm{l}} \end{array}\right. $ | (2) |
式中，fh和fl分别为上、下子带载频。
采用Goldstein-Werner滤波方法对差分干涉图进行滤波、降低噪声，并对低相干区域进行插值；利用最小费用流算法(MCF)对差分干涉相位进行空间解缠[5]，通过式(2)可得电离层估计相位
| $ \Delta \hat{\varphi}_{\text {iono }}=\frac{f_\mathrm{l} f_{\mathrm{h}}}{f_{0}\left(f_{\mathrm{h}}^{2}-f_\mathrm{l}^{2}\right)}\left(\Delta \varphi_{\mathrm{l}} f_{\mathrm{h}}-\Delta \varphi_{\mathrm{h}} f_\mathrm{l}\right) $ | (3) |
假定上、下子带差分干涉相位具有相同的相位标准差σΔφl, h，则电离层分量的标准差为[6]：
| $ {\sigma _{{\rm{iono }}}} = \frac{{{f_{\rm{l}}}{f_{\rm{h}}}}}{{f_{\rm{h}}^2 - f_{\rm{l}}^{\rm{2}}}}\frac{{\sqrt {f_{\rm{l}}^{\rm{2}} + f_{\rm{h}}^2} }}{{{f_0}}}{\sigma _{\Delta {\varphi _{l, {\rm{h}}}}}} $ | (4) |
利用距离向频谱分割法估计电离层相位的流程如图 1所示。
|
图 1 距离向频谱分割法流程 Fig. 1 Process of range split-spectrum method |
研究区位于金沙江上游的四川巴塘县-青海玉树州河段，地貌上属横断山脉北麓地形陡变带，河段两岸具有复杂的岸坡结构特征[7]。由于岸坡高陡且岩体结构复杂，在重力场持续作用下极易发生破坏变形。研究区多发剥落崩塌、滑坡、泥石流、地裂缝等地质灾害，2018-10-11和2018-11-03发生在白格的2次滑坡就是金沙江河岸边坡大规模重力破坏变形的地质灾害现象。
本文所用数据为覆盖研究区的2景ALOS-2 ScanSAR升轨数据(100 m/350 km)，成像时间分别为2017-08-12和2018-09-22(图 2)。图 3(a)和3(b)分别为迎坡和背坡观测图，由于星载雷达采用侧视成像，考虑到星载雷达入射角θ与局部坡度α的关系，当|α|>|θ|时SAR影像会出现叠掩或阴影现象。由于金沙江上游河段地势陡峭、河谷深切，升轨SAR数据在东侧河岸易出现叠掩现象，西侧河岸更适合观测。
|
图 2 ALOS-2 ScanSAR覆盖(红色)及处理(蓝色)范围 Fig. 2 Coverage (red) and processing (blue) range of ALOS-2 ScanSAR data |
|
图 3 星载SAR测量坡度与入射角关系[8] Fig. 3 Relationship between slope and incidence angle of satellite-borne SAR |
本文所用ALOS-2 ScanSAR数据由5个子条带组合而成，其中子条带5能够完全覆盖金沙江流域，因此仅对子条带5进行差分干涉处理。InSAR差分干涉处理的步骤与条带模式的数据处理类似，主要包括影像配准/重采样、干涉图生成、相干性估计、地形相位去除、差分干涉图滤波、相位解缠、地理编码等。
首先利用带通滤波器将2景全带宽SLC影像在方位向生成上、下子带SLC影像，以2017-08-12为主影像，基于查找表、配准仿射变换函数分别重采样全带宽和上、下子带2018-09-22的影像，查找表中包含与主影像像元坐标相对应的副影像坐标系下距离向和方位向坐标。对全带宽及上、下子带的主、副影像进行差分干涉处理，距离向和方位向的多视比为2 :9；利用Goldstein-Werner滤波方法对差分干涉图进行滤波，解缠滤波后的差分干涉相位；最后利用式(3)估计电离层相位。差分干涉相位Δφ为形变相位Δφdefo、电离层相位Δφiono及轨道/地形/对流层等残余相位Δφother的总和。对于长波长雷达数据，假定Δφother相对较小可忽略不计，形变相位Δφdefo的估计值
| $ \Delta \hat{\varphi}_{\text {defo }}=\Delta \varphi-\Delta \hat{\varphi}_{\text {iono }} $ | (5) |
利用式(5)消除电离层相位得到最终的形变信息。
3.2 结果分析如图 4(a)所示，2017-08-12和2018-09-22两幅SAR影像的时间间隔超过1 a，具有很好的相干性，但生成的差分干涉图中含有明显且复杂的电离层条纹，传统的趋势面拟合估计方法难以消除这种趋势性条纹。本文利用距离向频谱分割方法估计电离层相位(图 4(b))，得到最终的形变相位干涉图(图 4(c))。实例中全带宽和上、下子带SLC影像载频分别为1.236 499 8×109 Hz、1.240 466 1×109 Hz、1.232 533 5×109 Hz，根据式(4)可知，上、下子带干涉图中0.01 rad的相位噪声会产生1.1 rad的电离层相位误差，因此需利用Goldstein-Werner低通滤波器对上、下子带干涉图进行降噪，降低对形变相位的影响。
|
图 4 差分干涉图及估计的电离层相位 Fig. 4 Differential interferograms and estimated ionospheric phase |
从形变相位干涉图(图 4(c))中可识别具有滑动特征的滑坡区域，将扫描模式的差分干涉图(图 5(a))与条带模式(10 m)的差分干涉图(图 5(b))进行对比发现，条带模式干涉图中可识别6处滑坡，扫描模式中也可清晰识别滑坡区域。研究区内的滑坡主要分布在西藏贡觉县敏都乡(图 4(c)中区域A)及四川白玉县金沙乡(图 4(c)中区域B)，InSAR识别的滑坡在Google Earth光学影像上的滑坡解译特征明显(表 1)：1)类型Ⅰ形态上呈明显圈椅状，地形坡度上、下较陡，中部平缓，滑坡前缘在地表水的作用下形成大小不等的冲沟，部分区域坡脚出现滑落堆积体堵塞河道的现象；2)类型Ⅱ、Ⅲ和Ⅳ中滑坡前缘临江且形变迹象明显，可见垮塌、地裂缝等现象，色调浅、纹理粗糙，多呈灰白色、白色图斑，与滑坡体差异大，且规模相对较大。由此可见，综合利用InSAR结果与高分辨率光学遥感影像进行解译，有助于高效识别“隐蔽性”滑坡隐患。
|
图 5 ScanSAR模式和stripmap模式差分干涉图比较 Fig. 5 Comparison of differential interferograms between ScanSAR and stripmap |
|
表 1 InSAR识别滑坡与光学影像解译滑坡对比 Tab. 1 Comparison of landslides identified by InSAR and optical images |
InSAR技术的应用前提是具备相干性，针对不同的观测目标应选择合适的SAR数据。InSAR技术的目标是在滑坡隐患早期识别中通过变形特征确定滑坡位置和范围，不应过度追求监测精度，因此L波段ScanSAR模式在滑坡早期识别中具有很大的应用潜力。
距离向频谱分割法是将全带宽SLC影像分割成2个更窄带宽的不重叠子带，因此该方法要求影像具备高相干性。较短空间和时间基线的SAR影像有助于降低电离层延迟相位估计的不确定性，提高L波段雷达数据的InSAR监测精度。
| [1] |
赵志伟, 杨汝良. 星载ScanSAR干涉处理研究[J]. 电子与信息学报, 2008, 30(8): 1 954-1 958 (Zhao Zhiwei, Yang Ruliang. Study of Space-Borne ScanSAR Interferometry Processing[J]. Journal of Electronics and Information Technology, 2008, 30(8): 1 954-1 958)
(  0) |
| [2] |
刘保坤, 禹卫东. ScanSAR与TOPSAR的对比研究[J]. 中国科学院大学学报, 2011, 28(3): 360-365 (Liu Baokun, Yu Weidong. Comparative Study on ScanSAR and TOPSAR[J]. Journal of University of Chinese Academy of Sciences, 2011, 28(3): 360-365)
( 0) |
| [3] |
Natsuaki R, Motohka T, Shimada M, et al. Burst Misalignment Evaluation for ALOS-2 PALSAR-2 ScanSAR-ScanSAR Interferometry[J]. Remote Sensing, 2017, 9(3): 216 DOI:10.3390/rs9030216
( 0) |
| [4] |
Gomba G, Parizzi A, Zan F D, et al. Toward Operational Compensation of Ionospheric Effects in SAR Interferograms: The Split-Spectrum Method[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 54(3): 1 446-1 461
( 0) |
| [5] |
Wegmuller U, Werner C, Frey O, et al. Reformulating the Split-Spectrum Method to Facilitate the Estimation and Compensation of the Ionospheric Phase in SAR Interferograms[J]. Procedia Computer Science, 2018, 138: 318-325 DOI:10.1016/j.procs.2018.10.045
( 0) |
| [6] |
Fattahi H, Simons M, Agram P. InSAR Time-Series Estimation of the Ionospheric Phase Delay: An Extension of the Split Range-Spectrum Technique[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(10): 5 984-5 996 DOI:10.1109/TGRS.2017.2718566
( 0) |
| [7] |
陈剑平, 李会中. 金沙江上游快速隆升河段复杂结构岩体灾变特征与机理[J]. 吉林大学学报:地球科学版, 2016, 46(4): 1 153-1 167 (Chen Jianping, Li Huizhong. Genetic Mechanism and Disasters Features of Complicated Structural Rock Mass along the Rapidly Uplift Section at the Upstream of Jinsha River[J]. Journal of Jilin Unviersity: Earth Science Edition, 2016, 46(4): 1 153-1 167)
( 0) |
| [8] |
刘斌, 葛大庆, 李曼, 等. 地基InSAR评估爆破作业对露天采矿边坡的稳定性影响[J]. 遥感学报, 2018, 22(增1): 139-145 (Liu Bin, Ge Daqing, Li Man, et al. Using Ground-Based InSAR to Evaluate the Stability of an Open-Pit Slope under Blasting Operation[J]. Journal of Remote Sensing, 2018, 22(S1): 139-145)
( 0) |