| 地震地壳形变InSAR测量中的关键技术分析 |  [PDF全文] |
收稿日期: 2017-06-16
地震地壳形变是指与地震的孕育和发生过程直接相关的地壳形变。地壳形变测量有助于突破制约地震研究与预报的“时空信息不足”和“应用基础研究薄弱”的瓶颈，推进对地震动力学和地震预报的应用基础研究(周硕愚 等，2002)。为此，一些各具特色且较为有效的监测手段不断涌现，如水准测量、重力测量、甚长基线干涉测量、卫星激光测距、GPS测量、合成孔径雷达干涉测量InSAR(Interferometric Synthetic Aperture Radar)等。InSAR通过对同一地区重复观测所获取的SAR数据进行干涉处理，可以从干涉相位中提取地面高程或地表形变信息，其中的地表形变信息可通过差分干涉D-InSAR(Differential InSAR)技术获得，测量精度可达厘米甚至毫米级(Gabriel 等，1989)；在此基础上发展而来的InSAR时序分析技术通过选取时间序列上受失相干影响较小的具有最优时空基线的SAR数据干涉对组合，对相位信息进行分析建模，分离大气延迟、轨道误差、DEM误差等干扰相位，可高精度获得地面长期累积形变量以及平均形变速率。与其他测量手段相比，InSAR技术可以快速、高效、低成本、高精度、连续无缝地获取空间大范围甚至一些自然条件恶劣、人迹难至区域的地表形变信息。InSAR测量结果是其他地壳形变观测数据的重要补充与拓展，与其他观测结果的有机结合，可为地震动力学研究和地震预报带来更多的发展契机。因而，自Massonnet等人(1993)第一次利用星载InSAR进行地壳形变测量以来，短短的20多年时间里，星载InSAR就迅速发展成为地壳形变测量的重要手段，也成为地震研究与预报所需要时空域信息的新来源。
地震的发生和发展具有周期性特点(Wright，2002)，与之相应的地壳形变也存在着一个“震间→震前→同震→震后→震间→
随着遥感数据政策的变化和卫星对地观测技术的发展，过去一些困扰InSAR技术的不利因素得到有效改善。例如，大量积累的高质量星载SAR数据和一系列公开、免费的数据政策，使得InSAR时序分析对数据需求量较大的问题得以改善；SAR卫星重访周期的大大缩短(Salvi 等，2012)，这使得过去影响InSAR测量精度的时间去相干问题得以有效缓解，过去因重访周期较长而无法实现的震前、同震和震后高时间分辨率的地壳形变InSAR监测有可能实现；SAR图像空间分辨率不断提高，使得空间失相干的问题得到改善，可以开展更精细的地表形变空间结构研究；许多SAR卫星具有宽幅(ScanSAR)工作模式，突破了传统条带模式观测带宽狭窄的限制，改善了大区域数据获取的一致性，为诸如地震地壳形变等大空间尺度现象的研究带来诸多便利；卫星轨道控制能力的不断提升，使得干涉空间基线更为精准，降低了干涉处理的难度，提高了干涉结果的质量；InSAR处理方法的逐渐成熟，使得一些关键技术问题已得到比较有效的解决，如D-InSAR中的配准、滤波、基线重估计、相位解缠等都有公认的经典算法；InSAR时序分析中过去因自然地表高相干目标密度小、质量低而导致的形变测量无解的问题，随着StaMPS和SqueeSAR等技术的提出也得到改观。
但是，InSAR研究中仍存在着许多亟待改进的技术问题，在地震地壳形变监测领域，有些技术问题因监测对象和应用需求的特殊性而变得重要起来，或者说需要特殊考虑。例如，3维形变提取问题，地震研究需要获知地表3维形变信息，而InSAR获得的是雷达视线方向LOS(Line Of Sight)方向的1维形变量，无法获取地表真实3维形变；大气水汽对InSAR测量精度有较大的影响，而地震事件前后通常伴随复杂的天气状况，大气对InSAR测量的影响不可忽视；地震地壳形变的影响范围较大，虽然ScanSAR模式数据干涉可获得比条带模式更宽幅的形变监测结果，但有时仍不能满足地震地壳形变的空间尺度。其中，有些是应用InSAR技术普遍存在的问题，但是在目前的地震地壳形变InSAR研究中未得到足够重视或尚未形成有效的解决方法，如大气校正、InSAR测量结果质量控制问题等，有些是伴随着新型SAR(如Sentinel-1，Geosynchronous SAR等)的出现和数据大量积累而带来的新问题。例如，InSAR数据处理的精度和效率平衡问题等，这些问题对于InSAR时序分析处理更显得突出。为此，本文从地震地壳形变监测对InSAR技术的需求入手，概述了应用中更为关心的技术问题及其研究现状，重点分析和归纳了应用中需要加强重视与进一步深化研究的关键技术问题，并对这些问题尝试给出一些解决的思路或思考方向。
2、研究现状概述 (2.1) 标志性工作纵观InSAR技术的发展轨迹，有一些研究工作在InSAR技术的发展历程中具有里程碑的意义。如20世纪80年代末期，Gabriel等人(1989)首先利用机载SAR数据实现了地表形变的差分干涉测量。1993年Massonnet等人(1993)首次进行了星载SAR地壳形变干涉测量，采用欧洲空间局发射的ERS-1卫星获取的美国南加州地区C波段SAR数据进行差分干涉处理，得到了1992年发生的7.3级Landers地震的同震形变场，在此基础上，结合实测数据和弹性位错模型进行了地震中、远场形变特征研究，指出了D-InSAR测量和弹性位错模型的局限性，即对于临近发震断层的近场形变信息仍需建立更复杂的形变模型进行反演，这一研究成果发表在《Nature》杂志上，引起了国内外学者的广泛关注。王超等人(2000)应用D-InSAR技术，对ERS-1/2 SAR数据进行了重复轨道差分干涉处理，成功提取了1998年张北—尚义地震同震形变场，并对形变特征和震源构造进行了分析，与实测结果进行对比，二者具有很好的一致性，该研究对于D-InSAR及其相关技术在中国的发展起到了重要的推动作用。表1列出了一些针对重大地震事件所进行的InSAR研究与应用，或者是对中国InSAR研究有一定标志性仪式是有研究特色的案例。
|
表 1 地震地壳形变InSAR测量研究的典型案例 Table 1 Typical case studies of seismic crustal deformation measurement by InSAR |
(1) 大气校正。大气延迟相位对InSAR处理结果的影响被称为大气效应，是限制高精度地形及形变信息获取的重要因素(Zebker和Villasenor，1992)。研究表明：大气中相对湿度20%的时空变化可导致干涉测量结果约10—14 cm的误差，已经达到与地壳形变相当的数量级(Zebker 等，1997)。为提高干涉测量结果精度需要尽可能削弱或去除大气效应(Goldstein，1995)。目前，国内外InSAR大气校正的方法主要可分为两大类(崔喜爱 等，2014)：(1)基于SAR数据自身的大气校正，包括逐对分析法(Pair-wise Logic)、层叠法(Stacking)和永久散射体方法。(2)基于外部数据的大气校正，包括基于地面气象观测数据建模的校正方法、基于GPS数据校正法、基于空间辐射计数据(MERIS、MODIS等)校正法和基于大气数值模式校正法。其中，基于大气数值模式的校正法具有其他方法所不具备的特殊优势，成为国际上InSAR领域的研究热点和新方向(曾琪明 等，2016)。通过中尺度大气数值模式计算，可以获得与SAR数据时间同步的大气水汽场信息，还能得到更多的其他大气物理量，如气温、气压、风速等(刘圣伟 等，2007)；大气数值模式计算产生的信息不仅能用于InSAR大气校正，还可以用于InSAR研究的其他方面(Yun 等，2015)。十多年的研究证明了该方法的可行性与有效性，但仍然存在着许多值得深入研究的问题(崔喜爱 等, 2013a, 2013b)，如计算得到的大气水汽场空间分辨率较低、计算精度受初始条件和边界条件影响较大等。
(2) 时序分析。InSAR时序分析是目前高精度监测大面积长期缓慢形变的主要手段，历经近20年发展，已包含众多分支。虽然这些方法的具体算法和流程不尽相同，其本质都是通过大量时间序列SAR数据进行分析，根据不同相位成分的时空变化特征进行分离，从而达到高精度提取形变信息的目的。InSAR时序分析中具有代表性的4种重要技术是(Crosetto 等，2016)：PSInSAR(Permanent Scatterer InSAR)、SBAS(Small BAseline Subset)、StaMPS(Stanford Method for Persistent Scatterers)和SqueeSAR技术。
21世纪初，Ferretti等人(2001)在研究中发现，SAR图像中存在一些散射特性稳定、雷达回波信号较强且具有较高信噪比的目标，这些目标在较长时间内仍保持较高的相干性，他将这些目标称为永久散射体PS(Permanent Scatterers)，并提出了PSInSAR技术。该技术包括一套完整的PS点选取方案，利用一组包含一个公共主影像的SAR数据，选取符合条件的PS点进行时间序列分析，通过这些后向散射特性在长时间内保持稳定的点提取形变信息，分离地形残差相位和大气延迟相位。与D-InSAR测量的是某两个时刻之间的地表形变不同，PS-InSAR获取的则是某一时段内地表形变随时间变化的信息。
SBAS技术是与PS-InSAR并行发展的时序分析方法，通过设定时间基线、空间基线阈值，组合形成多个独立的干涉图子集，利用奇异值分解SVD(Singular Value Decomposition)方法将各子集联立求解，得到未知参数在最小范数意义上的最小二乘解，然后通过时空滤波估计出非线性形变和大气相位，进而得到整个观测时间内的时间序列形变信息(Berardino 等，2002；Lanari 等，2004)。与PS-InSAR相比，SBAS技术对SAR影像数量的要求较低。
StaMPS方法由Hooper等人(2004)提出，后续又发展出了StaMPS/MTI处理软件(Hooper 等，2007；Hooper，2008)。该方法把相位稳定性作为高相干目标选取的重要指标，综合利用振幅离差法和相位空间相关性方法，联合进行高相干目标识别，适合于找到不能通过基于幅度阈值识别的相位稳定的低幅度自然地物目标。StaMPS方法的一个重要优势在于不需要基于先验形变模型假设，适用性更广泛，在自然地表等相干性较低的区域也能获得很好的监测结果。
SqueeSAR技术是2011年由Ferretti等人(2011)提出的第二代InSAR时序分析技术，通过联合处理稳定的PS点目标和分布式散射体DS(Distributed Scatterers)来扩展PS-InSAR算法，能够同时处理高相干点目标和分布式目标，克服了PS-InSAR技术在植被覆盖区域高相干目标提取困难的问题，提高了高相干目标的空间分布密度，适合于植被覆盖地区、非城市地区等自然地表形变信息的获取。
(2.3) 技术应用研究(1) 3维形变信息提取。地震研究需要3维形变信息，而D-InSAR/InSAR时序分析方法只能得到LOS方向的综合形变，无法获得地表真实3维形变分量，即存在干涉雷达的视线向模糊问题(Fialko 等，2005；孙建宝 等，2006)。目前在轨飞行的星载SAR系统主要从近极地轨道以升轨和降轨两种飞行方向进行左、右视观测，这决定了InSAR结果对方位向的形变不敏感。因此，单纯利用D-InSAR或InSAR时序分析技术均无法准确反演真实3维尤其是方位向形变信息(Wright 等，2004b)。为了解决这一问题，可以联合升、降轨LOS方向监测结果，辅以方位向形变测量手段，共同反演地表3维形变信息(Fialko 等，2001)。方位向形变测量的技术主要有偏移量追踪(Offset Tracking)、多孔径干涉技术MAI(Multi-aperture InSAR)等。偏移量追踪技术原本是为了解决震中形变过大导致失相干无法得到形变场的问题，通过计算像对同名像元点的相对偏移得到距离和方位向的形变量，相比差分干涉精度要低(Strozzi 等，2002)，但是聊胜于无。MAI利用前视、后视子孔径干涉图可以获取方位向形变信息(Bechor和Zebker，2006)，该方法精度也不高，但是为构建3维形变场提供了可能 (许才军 等，2015)。综上，目前常见的InSAR3维形变信息提取方法包括D-InSAR/InSAR时序分析与偏移量追踪技术结合，D-InSAR/InSAR时序分析与MAI结合，以及升、降轨偏移量追踪技术(Hu 等，2014)。此外，InSAR技术还可与GNSS技术结合，通过导入GNSS得到的形变分量比例可直接实现3维形变的分解；或者InSAR技术与先验知识模型结合，也可实现3维形变信息的提取。
(2) 大范围形变监测。随着InSAR技术的深入发展，开展大范围地表形变监测已成为许多国家或地区的业务性和日常性工作。2007年开始，意大利开展了覆盖全境的地表形变监测，共处理SAR影像15000多景，覆盖面积达33万km2 (Costantini 等，2015)。通常地震影响的空间范围也非常大，传统的条带模式SAR数据往往无法完全覆盖形变区域。要获得大范围完整一致的地震形变场，可通过干涉测量结果拼接技术或者增加SAR观测幅宽技术实现。
Ge等人(2009, 2010)进行了同轨、邻轨干涉测量结果的拼接研究，运用InSAR时序分析方法对华北平原2007年—2009年地表形变进行了监测，其研究结果覆盖范围可达200×260 km2。德国宇航局研发了大范围InSAR时序分析监测方法，并提供WAP(Wide Area Product)服务，该工作是ESA资助的Terrafirma项目的重点内容之一(Liebhart 等，2012)。熊思婷等人(2014)利用ENVISAT ASAR数据对珠三角地区进行了InSAR时序分析邻轨拼接研究，并分析了入射角和参考点差异对拼接结果的影响。张永红等人(2016)提出了改进的InSAR时序分析技术——多主影像相干目标小基线干涉技术，并以此对京津冀区域1992年—2014年地表形变时空分布特征进行了连续监测，其结果覆盖范围可达9.63万km2，与水准数据对比，精度可达5 mm/a，该方法区别于其他InSAR时序分析方法的一个独特优点是能够实现多景形变结果的平差及镶嵌处理。
ScanSAR工作模式的出现，不仅保证了较大范围内数据获取的一致性，而且一定程度上降低了干涉测量结果拼接技术面临的压力。一景ScanSAR模式数据可覆盖300—500 km范围，大大扩展了传统条带模式数据的观测幅宽(如ENVISAT ASAR约为100 km)。与条带模式SAR数据在InSAR处理中的成熟应用不同，星载ScanSAR数据自身的特点增大了其干涉处理的难度，其中Burst非同步性是ScanSAR干涉所特有的问题，它严重降低了ScanSAR干涉对的相干性，很大程度上限制了ScanSAR干涉的应用。为了解决这一问题，人们提出通过精密轨道数据计算方位向偏移量，根据偏移量将主、从影像的Burst对齐，从而得到Burst中非同步信号的位置并将其去除，提高干涉对的相干性(Holzner和Bamler，2002；Guccione，2006)。梁存任等人(2011)、Liang等人(2013a，2013b，2014a，2014b)对ScanSAR干涉处理中的聚焦和相位补偿问题进行了深入研究，实现了ENVISAT ASAR数据的多种模式混合干涉测量，研究了ScanSAR全孔径干涉质量以及ScanSAR成像后的非同步信号去除问题，并基于ROI_PAC平台开发了ScanSAR干涉处理软件。李鹏等人(2015)利用ScanSAR数据干涉获得了巴姆地震、汶川地震、玉田地震、改则地震以及位于板块边缘东非裂谷火山活动的形变场，定量分析了ENVISAT ASAR条带模式数据与ScanSAR模式数据的入射角与方位角变化对InSAR地表形变监测的影响，并指出ScanSAR干涉测量中各种误差相位的稳健估计与改正是亟待解决的问题。在ScanSAR干涉处理的理论方法与流程研究方面，Liang和Fielding(2017)研究了L波段ALOS-2 ScanSAR数据干涉处理提取方位向形变的方法原理，解决了ScanSAR干涉方位向形变信息提取困难的问题，并通过干涉实验获得了2015年4月25日尼泊尔地震的方位向形变，并将结果与高分辨率RADARSAT-2数据反演的结果对比，二者趋于一致。迄今为止，已有关于RADARSAT-1(Holzner和Bamler，2002)、ENVISAT ASAR(Guccione，2006)、ALOS PALSAR(Natsuaki 等，2017)、TerraSAR-X(Kuenzer 等，2013)、Cosmo-SkyMed(Ciappa 等，2010)等ScanSAR模式干涉研究成果发表，展示了星载ScanSAR干涉测量的应用潜力。
在ScanSAR基础上发展起来的渐进扫描TOPS(Terrain Observation by ProgressiveScans)模式，是新一代SAR卫星Sentinel-1A的日常值班模式。它通过在距离向和方位向周期性调整天线波束指向，有效地提高了观测幅宽并减小了扇贝效应，单幅覆盖宽度可达250 km。得益于Sentinel-1A卫星免费获取的数据政策、TOPS数据突出的宽幅观测优势以及优秀的成像质量，Sentinel-1A TOPS模式数据InSAR处理将在未来的对地观测中发挥巨大的作用。
3、关键技术讨论经过数10年的发展，InSAR技术的理论方法不断趋于成熟，处理软件功能更全面而强大，新一代高分辨率雷达卫星TerraSAR/TanDEM、Sentinel-1、Cosmo-Skymed、RADARSAT等星座也已具备了全球性、短重访周期获取数据的能力，提供了充足的数据保障。与此同时，InSAR技术服务面向的用户群体也越来越广泛，用户对于技术和监测结果的质量与可靠性需求也日益提高。随着InSAR技术研究的不断深入，针对地震地壳形变监测的特定需求，如何进一步提高InSAR技术的应用水平、提高数据处理的效率、评判和改善形变测量结果的质量，本文认为应从如下几个方面加强重视与技术改进。
(3.1) 大气校正及其对时序分析流程改进如前所述，大气效应会严重影响InSAR监测结果的精度和可靠性(Zebker 等，1997)，但是目前在InSAR测量地震地壳形变尤其是同震形变研究中，有关大气校正的研究工作相对较少。离震中较近的近场区域形变量较大，大气对干涉条纹的影响较小，一定程度上可认为在近场大气状况是缓变的，大气带来的影响相比同震形变来说较为和缓，对地震相关的地球物理参数的求解影响不大，因而人们可能对大气效应带来的干扰体会不会很深，重视不够。然而，实际研究中已经可以明显看出在远场大气效应对形变信息提取有影响，因为远场的形变量要比近场小得多，此时大气相位的影响不可忽略，但是具体的作用机理如何，对求取震源机制解的影响有多大，还有待于进一步研究。
一系列研究也表明，InSAR时序分析通过时空特性假设和滤波方法分离出的大气相位与外部数据(如MODIS、MERIS、GNSS数据等)存在差异，即现有的InSAR时序分析方法分离出的大气相位往往不能反映真实的大气状况。InSAR时序分析方法通过提取时间序列上受时空失相干和大气影响较小的高相干点来提取形变信息，一定程度上削弱了大气效应的影响，尤其是在高相干目标密集的城市地区，其大气相位的分离与去除精度已经很高，然而当研究区大气状况复杂、地形起伏较大时，基于模型假设和时空滤波的传统时序分析方法分离出的大气相位，不能真实反应大气状态，进而会影响形变结果的精度，导致大气估计不准确，进而影响形变结果精度(Jung 等，2014；Fornaro 等，2015)。主要原因是：(1)大气季节性周期变动致使大气相位不再符合大多数InSAR时序分析处理中“时域高频”的特征假设；大气垂直方向厚度较大且不均一性明显时，时空滤波处理往往失效。Jung等人(2014)在研究火山地区地表形变时发现，大气垂直相关性明显，且与DEM相关性很大，时空滤波处理后，仍有明显的大气残余相位，如不进行处理会将其误判为形变相位，影响监测结果精度，进而导致对地球物理运动过程的误判。(2)InSAR时序分析是在高相干点上分离各种相位信息的，大气相位分离的精度严重依赖PS点的密度和质量，当研究区范围较大、相干性较低时，该方法精度降低。因此，单纯通过滤波手段进行大气相位的估计和去除会造成以下问题：(1)导致误判。滤波的处理方法主观性较强，大气相位去除不彻底会将不属于形变的信息误判为地表形变；而如果去除过当，又会导致真实形变信息的丢失，进而影响对断层活动、构造运动等过程的判读和解释。(2)大气条纹往往和残余轨道条纹耦合在一起，难以分离，影响基线重估精度，进而导致后续处理流程出现误差累计，降低形变监测结果的可靠性。
为了提高复杂环境下InSAR时序分析形变测量的精度和可靠性，已开始将大气校正引入InSAR时序分析处理流程中。Jung等人(2014)提出了基于WRF模式模拟大气相位改进PS-InSAR方法，进而提高其在大气相位估计及相位分离方面的可靠性，提高地表形变测量的精度。Tang等人(2016)将ECMWF大气数值模式引入PS-InSAR处理中，在地形相位去除之后，相位解缠之前，通过ECMWF模拟大气垂直层流分量，并将其从干涉图中减去，再通过传统InSAR时序分析流程中的时空滤波步骤，去除水平湍流大气相位。Jolivet等人(2014)将ECMWF模式大气校正应用于SBAS处理流程中，获取了埃特纳火山(Mount Etna)2003年—2010年地表形变速率图。除了大气数值模式引入InSAR时序分析流程以外，一些学者还将基于GNSS数据的大气校正引入InSAR时序分析流程，提高了监测精度(Catalão 等，2011；Leighton 等，2013；Alshawaf 等，2015；Fornaro 等，2015)。在软件方面，李振洪等人开发了GACOS(Generic Atmospheric Correction Online Service for InSAR)处理软件(http://ceg-research.ncl.ac.uk/v2/gacos [2017-06-11])，该软件利用ECMWF大气产品(空间分辨率16 km，时间分辨率6 h)和GNSS数据生成高精度大气对流延迟相位进行InSAR大气校正。GACOS具有以下特点：(1)全球覆盖；(2)全天时、全天候；(3)能够近实时的生成与SAR数据获取时刻同步的大气相位；(4)可进行性能指标评价。
未来研究中，一方面有必要继续研究和深化引入大气校正后的InSAR时序分析处理流程的改进，并要重视流程中大气校正的时机及其对基线重估计、PS点提取等其他环节影响的研究；另一方面，政府和决策部门应当倡导和鼓励研究人员在InSAR技术层面开发相关软件，以提升研究水平和技术的应用水平。
(3.2) 3维形变信息提取通过与Offset Tracking、MAI、GNSS或者先验知识模型等方法结合，InSAR能够在一定程度上反演地表3维形变，但其结果误差较大，难以满足高精度监测需求，主要有以下原因：(1)Offset Tracking、MAI技术本身精度不高；(2)GNSS数据空间分布密度低，难以覆盖整个形变场；(3)先验知识的准确性难以保证；(4)3维形变信息提取不是目前在轨飞行的SAR系统主要的任务目标。因此，要实现真正3维形变信息的精确提取，需要在数据获取上下功夫。在未来，应研发大轨道倾角的SAR卫星系统，将“3维信息提取”规划为更高的优先级，实现多轨道对地观测，改变目前极轨SAR卫星对InSAR3维形变信息提取支持度不够的现状。
已列入发射计划的GEO SAR(Geosynchronous SAR)，是将运行在地球同步轨道上的星载合成孔径雷达，20世纪80年代首次由美国Tomiyasu和Pacelli(1983)提出，将为InSAR3维地表形变信息的反演提供新的契机。GEO SAR的轨道高度为36000 km，不同于目前在轨运行的SAR卫星所采用的近极地轨道(轨道倾角一般小于10°)，其轨道倾角较大，约50°左右，具有重访周期短(24 h)和覆盖范围广的优势，然而由于超长的传播距离造成的能量衰减，其对天线尺寸和发射功率有着极高的要求。随着科技的进步，GEO SAR已在工程上可行，因此自21世纪开始GEO SAR再次成为全球关注的研究热点。Hu等人(2017)利用模拟的GEO SAR开展仿真实验，对不同轨道配置和观测地理位置下的3维形变反演性能进行了比较，提出了一种多角度观测数据优化选择策略，以实现厘米级甚至毫米级的3维形变反演精度；Zheng等人(2017)根据GEO SAR轨道倾角较大的特点，探索了从多个观测角度利用D-InSAR技术对GEO SAR模拟数据进行处理得到3维形变量的潜力。
(3.3) 大范围形变监测(1) ScanSAR时序分析。目前几乎所有的民用星载SAR系统都具有ScanSAR工作模式，尽管ScanSAR数据覆盖面积是条带模式数据的几倍，然而其获取的数据用于干涉时效果并不理想，其中主要因素是由于星载SAR系统的设计初衷并非为ScanSAR模式干涉应用服务，数据存在Burst非同步问题，进而导致ScanSAR数据干涉对的相干性较低(Guarnieri和Prati，1996)；此外，ScanSAR模式以降低空间分辨率为代价获得较大的观测幅宽(Holzner和Bamler，2002)，造成高相干目标数量少、密度低的问题更加突出。
将ScanSAR数据应用于InSAR时序分析，难度较大，目前国内外相关研究报告较少。申琳(2016)研究了基于TerraSAR-X ScanSAR数据的InSAR时序分析方法，对星载ScanSAR数据应用于时序分析的主要难点和关键技术进行了分析，提出了星载ScanSAR InSAR时序分析处理策略和流程，并将该技术应用于活动断层形变监测中。在未来研究中，还应进一步加强星载ScanSAR InSAR时序分析的研究，充分利用ScanSAR数据的优势，为大范围长期缓慢地壳形变监测服务。
(2) InSAR形变结果拼接。无论是采用条带模式还是ScanSAR模式数据进行地壳形变监测，其干涉测量结果都存在拼接的可能。拼接中的重点研究内容是解决大面积观测不同条带之间时空基准差异、拼接策略与方法、拼接误差传递及质量控制问题等。针对大范围地表形变监测涉及的时空基准不一致问题，未来有以下方面值得开展研究：首先，由于InSAR处理依赖参考点的选择，未来应研究InSAR监测结果与参考点的关系，研究建立参考点选择准则，探讨保证结果空间一致性的策略和方法。其次，研究建立InSAR处理参考点传递理论模型，研究其传递关系，借鉴平差技术思想实现统一，保证结果的一致性。对于空间坐标系不统一的问题，当两幅SAR影像的重叠区高程差较小时，可选择SAR坐标系(Ketelaar 等，2007)，其中选择一景SAR影像作为主影像，以其坐标系为准，将其他SAR影像通过多项式变换到该SAR坐标系下；如果重叠区高程差较大，上述做法难以确认同名高相干目标，此时可以考虑将需拼接的SAR影像转换到统一的地理坐标系下(Ge 等，2009, 2010)，因为地理编码后同名高相干目标具有相同的地理坐标。
(3.4) 高相干目标选取InSAR时序分析利用时间序列上多幅SAR影像上的高相干目标进行形变信息提取，减少失相干对形变结果的影响。因此，获取足够数量且精确的高相干目标集，是InSAR时序分析顺利进行的基础。高相干目标选取质量及数量会直接影响大气相位分离及相位解缠精度，从而影响形变估计精度，数量越多精度越高，大气分离越准确，解缠精度越有保障。
高相干目标可分为两类：点目标(PS)和分布式目标(DS)。不同的高相干目标选取方法有各自的特点，其优缺点以及应用范围等各不相同(高胜 等，2016；范锐彦 等，2016)。高相干点目标选取方法有幅度相关法(Ferretti 等，2001)、相位分析法(Hooper 等，2004；Shanker和Zebker，2007)、信号杂波比法(Sousa 等，2011)。高相干分布式目标选取方法有基于BWS(Baumgartner-Weiβ-Schindler)检验的像元聚类法(蒋弥 等，2013)、结合统计特性的双样本KS(Kolmogorov-Smirnov)检验法(Ferretti 等，2011)以及幅度与统计特征结合法(Zhang 等，2015)。
InSAR时序分析在应用中面临着自然地表相干性差、高相干点密度低和数量少的问题。特别是在复杂自然环境下，如大范围(数百公里)、稀疏植被覆盖的自然地表选取高相干点将面临困难，主要体现在自然地表缺乏诸如人工建筑等稳定散射体，像元易受失相干影响，PS点稀疏问题将变得十分突出。目前的InSAR时序分析方法都是采用统一的参数阈值策略选取稳定高相干点，在大面积复杂环境尤其是地震地壳形变监测的应用中，会出现PS点分布极不均衡，甚至会出现局部区域无PS点的极端情况，从而导致部分区域计算无解或解算结果不可靠的问题。针对这一问题，在已存在的各类算法中以Ferretti等人(2011)提出的SqueeSAR技术，和以Hooper等人(2004，2007)和Hooper(2008)提出的基于相位相关性分析的StaMPS方法具有代表性，二者在自然地表形变监测中的适用性较好。前者利用双样本KS检验选取同质像元，在此基础之上，选取受时间失相干影响较小的统计像元作为高相干分布式目标，提高了高相干目标的密度和质量，在非城市地区尤为显著；后者将PS重新定义为在空间和时间上具有稳定相位特性的散射体，把相位稳定性作为高相干目标选取的重要指标，通过振幅离差和相位空间相关性联合进行高相干目标提取，首先利用振幅离差法进行PS初选，获得PS候选点，区别于PS-InSAR方法中的振幅离差选点策略，StaMPS在这一步设置的阈值参数较高(PS-InSAR为0.25而StaMPS通常采用0.4)，然后利用其邻近像元辅助计算这些候选点的相位稳定性，通过设定一定的阈值来确定这些候选点是否可作为参与形变解算的正式PS点。
针对自然地表相干性差，难以找到足够多的稳定高相干像元的问题，可考虑发展自适应InSAR时序分析选点方法，对不同区域自适应地采用不同阈值进行稳定高相干像元的识别，即研究制定自适应策略，针对不同环境，采用不同的阈值参数，实现高相干目标密度和数量的均衡。具体包括区域自适应分割方法、阈值参数自适应选择、分区间连接条件和结果质量差异性评价等，以扩大可获得形变结果的范围，并同时给出结果可信度分布图。相关研究目前国内外尚未见到公开报道。
(3.5) 大数据背景下数据处理方法在新卫星发射、计算条件改善、大量数据不断累计的条件下，如何充分利用存档数据，研究高效率、高可靠性的数据处理方法，实现长期、连续、实时/准实时监测及应急响应是行业用户关心的重要问题。Hooper等人(2012)指出，在面临大量新数据不断累积的问题时，要实现连续、动态观测，InSAR时序分析数据处理的方法需要改进，对于每一景新加入的数据，时序分析算法需要以高效、准确的方式进行处理分析，而无需从头开始处理。Ferretti等人(2015)指出，随着数据的大量累积和形变监测范围的不断扩大，InSAR时序分析技术的计算效能面临着巨大考验，分布式存储和云计算将是未来重要的发展方向之一。
近年来，随着星载SAR技术的不断发展，卫星重访周期不断缩短，SAR图像的空间分辨率也在进一步提高。重访周期短，使得同一地区可以在短时间内大量累积数据，庞大的数据量加重了计算和处理的负担。另外，目前InSAR时序分析方法主要针对过去某个时间段内的存档数据进行处理，在时间上具有滞后性，而对于地壳形变监测而言，其过程是一个长期且动态、连续的过程，因此在应用层面也存在大数据量的客观需求。如何充分利用短重访周期的SAR数据，进行高效的InSAR时序分析，实现对地壳形变动态、连续且高效的监测是亟待解决的问题。针对这一问题，未来应研究渐进式InSAR时序分析技术，从过去的集中全部数据进行处理，发展到定期对新增数据进行增量式处理，这应能成为大数据背景下有效数据处理的一种途径。陈继伟(2017)针对Sentine-lA星载SAR干涉数据的高获取能力，研究了一种渐进式SBAS处理方法，针对新增加的SAR数据，该方法不需要“从头开始”处理，而是在已有形变监测结果的基础上递推获得新的形变结果，在连续、动态形变监测应用中可提升时序分析的处理效率。
(3.6) InSAR测量结果质量控制随着InSAR技术应用不断深入和推广，如何评判和保证处理结果的精度是行业应用部门非常关心的问题。在InSAR形变测量过程中，误差源自于其外部和内部的因素，前者包括SAR系统自身、轨道运行、大气运动状况、观测区域地表覆盖的复杂与多样性等，后者包括干涉处理所采用的方法、算法、流程以及为简化问题而进行的各种假设等。各种误差因素交织、耦合在一起，表现在干涉处理结果中，很难准确辨识引起或主导误差产生的某种因素。在误差控制与评价方面，基本采用的都是利用GPS、水准等测量成果进行终极评价即黑箱方法，缺少处理过程中间结果的质量评判与质量控制手段，这样很难有效控制最终InSAR处理成果的质量。另外，不论采用哪种InSAR技术方法，在数据处理中一些关键参数的选择和质量评判由处理人员确定，主观性较强，结果会出现即使对同一区域、采用同样的InSAR技术、在相同的计算条件下进行数据处理也会出现干涉结果质量不一的问题，对于InSAR时序分析处理，因其流程复杂，数据处理步骤较多，上述问题更显突出。ESA资助的两个验证项目Terrafirma Validation Project(Adam 等，2009)和Persistent Scatterer Interferometry Codes Cross-Comparison And Certification(Raucoules 等，2009)，进行不同时序分析处理技术交叉验证、流程中间结果的对比验证等研究，结果证实尽管大家都使用同样的数据，应用同样的InSAR时序分析方法，但所得出的结果却可能不尽相同。
因此，在深化InSAR技术方法研究的同时，应重视和加强InSAR处理过程中内在的质量控制方法研究，针对处理流程中影响形变测量结果精度的各个中间环节的结果，研究其质量评价与控制指标，构建一条环环相扣的质量评价指标和质量控制链条，以灰箱甚至白箱方法消除、减少和控制整个处理流程中的误差，提高测量成果的精度，改善目前只能依据GPS等其他测量成果进行处理结果终极评价的缺陷。
4、结 论InSAR技术在地震研究领域的成功应用，推进了遥感地震应用学科的快速发展。本文从地震地壳形变监测需求出发，结合InSAR技术的特点，从大气效应、视线向模糊、大范围监测、高相干目标选取、大数据高效能计算以及InSAR技术自身质量评价与控制体系的构建等方面分析了目前存在的关键技术问题并给出了相应的解决思路。
地震的发生和发展具有周期性特点，与之相应的地壳形变也具有周期性。在不同阶段的地壳形变监测中，InSAR技术可以发挥不同的作用。
在同震形变监测方面，D-InSAR技术可以快速获取同震形变场，但在应用中存在大气影响、监测范围有限、无法获取3维真实形变信息等缺陷。因此，需要深入研究大气效应的抑制与去除方法；加强ScanSAR干涉测量技术方法研究，充分利用ScanSAR模式数据的宽幅优势；整合集成多种观测方法，研究InSAR、GNSS、水准测量等多种技术的融合策略与方法，以获得高精度3维地壳形变信息。
在震后、震间地壳形变监测方面，InSAR时序分析技术可以获取长期、缓慢的地表形变信息。InSAR时序分析技术自提出以来，经过不断改进，理论方法日趋成熟，但在应用中其仍存在着一些技术层面的不足，影响了形变监测结果的精度、效率和可靠性。目前已有学者开始将大气校正引入InSAR时序分析，进行流程改进，未来还需深入探讨大气相位与同他相位分量之间的耦合关系，探讨流程中大气相位去除的时机以及对后续处理过程所产生的影响。此外，高相干目标提取、相邻轨道形变测量结果的拼接、ScanSAR时序分析以及提升时序分析算法的处理效率和自动化水平、构建InSAR技术流程中内在的质量评价与控制体系等问题，同样需要开展深入的研究。
在震前地壳形变监测方面，利用InSAR技术探测地震先兆是一个充满挑战的课题。目前，相关研究很少，且非常困难，一个重要的限制因素是SAR数据的时间分辨率较低，在短暂的震前阶段难以获得足够的有效观测。随着一系列新型SAR系统的发射，卫星重访周期明显缩短，多卫星组网观测可以达到更高水平，如Sentinel-1卫星单星重访周期为12 d，双星并行可缩短至6 d；Cosmo-SkyMed单星重访周期为16 d，4颗星组网观测可缩短至4 d；规划中的GEO SAR重访周期更可达到24 h。SAR数据的大量累计和时间、空间分辨率的提高，将促进InSAR数据处理新理论和新方法的研究，为震前地壳形变监测提供可能。
综上所述，InSAR技术是进行地壳形变监测的重要手段，在震前–同震–震后–震间这一完整的地壳形变周期监测中都会发挥作用。近年来，中国的空间立体观测技术不断向前推进，高分专项中计划发射多颗SAR卫星，包括SAR测绘卫星和形变监测卫星，其中高分三号卫星的干涉应用掀起了InSAR研究的新热潮。与光学卫星不同，受功率所限，SAR系统往往无法在整个运行周期中持续对地成像。选择对哪些区域重点成像，取决于任务需求，这关系到哪些地区在一段时间内能够累积数据的数量。未来，在进行SAR系统设计与规划时，还需要进一步充分考虑SAR系统的任务优先级、运行周期以及在这一周期中用于成像的时间所占的比例。
历经近30年的发展，InSAR技术已在算法、软件及应用等方面已经取得了长足的进步，未来将向着稳健、普适和高效计算等方向发展，实现天–空–地监测一体化、震前–同震–震后–震间地壳形变监测全覆盖，为地震研究提供更可靠的参考资料，更好地服务于地震监测、震害防御、地震应急、灾后重建等方面。
| [1] | Adam N, Parizzi A, Eineder M and Crosetto M. Practical persistent scatterer processing validation in the course of the Terrafirma project[J]. Journal of Applied Geophysics, 2009, 69 (1) : 59 –65. DOI: 10.1016/j.jappgeo.2009.07.002 |
| [2] | Alshawaf F, Hinz S, Mayer M and Meyer F J. Constructing accurate maps of atmospheric water vapor by combining interferometric synthetic aperture radar and GNSS observations[J]. Journal of Geophysical Research: Atmospheres, 2015, 120 (4) : 1391 –1403. DOI: 10.1002/2014JD022419 |
| [3] | Bechor N B D and Zebker H A. Measuring two-dimensional movements using a single InSAR pair[J]. Geophysical Research Letters, 2006, 331 (16) : L16311 . DOI: 10.1029/2006GL026883 |
| [4] | Berardino P, Fornaro G, Lanari R and Sansosti E. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40 (11) : 2375 –2383. DOI: 10.1109/TGRS.2002.803792 |
| [5] | Bürgmann R, Hilley G, Ferretti A and Novali F. Resolving vertical tectonics in the San Francisco Bay Area from permanent scatterer InSAR and GPS analysis[J]. Geology, 2006, 34 (3) : 221 –224. DOI: 10.1130/G22064.1 |
| [6] | Catalão J, Nico G, Hanssen R and Catita C. Merging GPS and atmospherically corrected InSAR data to map 3-D terrain displacement velocity[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49 (6) : 2354 –2360. DOI: 10.1109/TGRS.2010.2091963 |
| [7] | 陈继伟. 2017. TOPS模式SAR数据的渐进式SBAS时序分析方法. 北京: 北京大学 Chen J W. 2017. Progressive SBAS Time Series Analysis Based on TOPS Mode SAR Data. Beijing: Peking University |
| [8] | Chen Q, Cheng H Q, Yang Y H, Liu G X and Liu L Y. Quantification of mass wasting volume associated with the giant landslide Daguangbao induced by the 2008 Wenchuan earthquake from persistent scatterer InSAR[J]. Remote Sensing of Environment, 2014, 152 : 125 –135. DOI: 10.1016/j.rse.2014.06.002 |
| [9] | Ciappa A, Pietranera L, Coletta A and Jiang X W. Surface transport detected by pairs of COSMO-SkyMed ScanSAR images in the Qingdao region (Yellow Sea) during a macro-algal bloom in July 2008[J]. Journal of Marine Systems, 2010, 80 (1/2) : 135 –142. DOI: 10.1016/j.jmarsys.2009.02.010 |
| [10] | Costantini M, Minati F, Ciminelli M G, Ferretti A and Costabile S. 2015. Nationwide ground deformation monitoring by persistent scatterer interferometry//2015 IEEE InternationalGeoscience and Remote Sensing Symposium. Milan, Italy: IEEE: 1472–1475 [DOI: 10.1109/IGARSS.2015.7326057] |
| [11] | Crosetto M, Monserrat O, Cuevas-González M, Devanthéry N and Crippa B. Persistent scatterer interferometry: a review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 115 : 78 –89. DOI: 10.1016/j.isprsjprs.2015.10.011 |
| [12] | 崔喜爱, 曾琪明, 童庆禧, 焦健, 梁存任. 条带式InSAR大气效应影响分析研究[J]. 北京大学学报(自然科学版), 2013a, 49 (4) : 643 –649. Cui X A, Zeng Q M, Tong Q X, Jiao J and Liang C R. InSAR atmospheric effects analysis of ASAR image mode products[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2013a, 49 (4) : 643 –649. DOI: 10.13209/j.0479-8023.2013.089 |
| [13] | 崔喜爱, 曾琪明, 焦健, 梁存任. 大气效应对合成孔径雷达干涉测量的影响[J]. 中国科技论文, 2013b, 8 (4) : 302 –306. Cui X A, Zeng Q M, Jiao J and Liang C R. Analysis of atmospheric effects on synthetic aperture radar interferometry[J]. China Sciencepaper, 2013b, 8 (4) : 302 –306. DOI: 10.3969/j.issn.2095-2783.2013.04.008 |
| [14] | 崔喜爱, 曾琪明, 童庆禧, 焦健, 梁存任. 重轨星载InSAR测量中的大气校正方法综述[J]. 遥感技术与应用, 2014, 29 (1) : 9 –17. Cui X A, Zeng Q M, Tong Q X, Jiao J and Liang C R. Overview of the atmospheric correction methods in repeat-pass InSAR measurements[J]. Remote Sensing Technology and Application, 2014, 29 (1) : 9 –17. DOI: 10.11873/j.issn.1004-0323.2014.1.0009 |
| [15] | Delouis B, Nocquet J M and Vallée M. Slip distribution of the February 27, 2010 MW=8.8 Maule earthquake, central Chile, from static and high-rate GPS, InSAR, and broadband teleseismic data [J]. Geophysical Research Letters, 2010, 37 (17) : L17305 . DOI: 10.1029/2010GL043899 |
| [16] | ElGharbawi T and Tamura M. Coseismic and postseismic deformation estimation of the 2011 Tohoku earthquake in Kanto Region, Japan, using InSAR time series analysis and GPS[J]. Remote Sensing of Environment, 2015, 168 : 374 –387. DOI: 10.1016/j.rse.2015.07.016 |
| [17] | 范锐彦, 焦健, 高胜, 曾琪明. InSAR时序分析高相干目标选取方法比较研究[J]. 地球信息科学学报, 2016, 18 (6) : 805 –814. Fan R Y, Jiao J, Gao S and Zeng Q M. Comparison research of high coherent target selection based on InSAR time series analysis[J]. Journal of Geo-information Science, 2016, 18 (6) : 805 –814. DOI: 10.3724/SP.J.1047.2016.00805 |
| [18] | Ferretti A, Prati C and Rocca F. Permanent scatterers in SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39 (1) : 8 –20. DOI: 10.1109/36.898661 |
| [19] | Ferretti A, Fumagalli A, Novali F, Prati C, Rocca F and Rucci A. A new algorithm for processing interferometric data-stacks: SqueeSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49 (9) : 3460 –3470. DOI: 10.1109/TGRS.2011.2124465 |
| [20] | Ferretti A, Colombo D, Fumagalli A, Novali F and Rucci A. InSAR data for monitoring land subsidence: time to think big[J]. Proceedings of the International Association of Hydrological Sciences, 2015, 372 : 331 –334. DOI: 10.5194/piahs-372-331-2015 |
| [21] | Fialko Y, Simons M and Agnew D. The complete (3-D) surface displacement field in the epicentral area of the 1999 MW7.1 Hector Mine Earthquake, California, from space geodetic observations [J]. Geophysical Research Letters, 2001, 28 (16) : 3063 –3066. DOI: 10.1029/2001GL013174 |
| [22] | Fialko Y, Sandwell D, Agnew D, Simons M, Shearer P and Minster B. Deformation on nearby faults induced by the 1999 Hector Mine earthquake[J]. Science, 2002, 297 (5588) : 1858 –1862. DOI: 10.1126/science.1074671 |
| [23] | Fialko Y, Sandwell D, Simons M and Rosen P. Three-dimensional deformation caused by the Bam, Iran, earthquake and the origin of shallow slip deficit[J]. Nature, 2005, 435 (7040) : 295 –299. DOI: 10.1038/nature03425 |
| [24] | Fielding E J, Sladen A, Li Z H, Avouac J P, Bürgmann R and Ryder I. Kinematic fault slip evolution source models of the 2008 M7.9 Wenchuan earthquake in China from SAR interferometry, GPS and teleseismic analysis and implications for Longmen Shan tectonics[J]. Geophysical Journal International, 2013, 194 (2) : 1138 –1166. DOI: 10.1093/gji/ggt155 |
| [25] | Fornaro G, D’Agostino N, Giuliani R, Noviello C, Reale D and Verde S. Assimilation of GPS-derived atmospheric propagation delay in DInSAR data processing[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8 (2) : 784 –799. DOI: 10.1109/JSTARS.2014.2364683 |
| [26] | Gabriel A K, Goldstein R M and Zebker H A. Mapping small elevation changes over large areas: Differential radar interferometry[J]. Journal of Geophysical Research: Solid Earth, 1989, 94 (B7) : 9183 –9191. DOI: 10.1029/JB094iB07p09183 |
| [27] | 高胜, 曾琪明, 焦健, 童庆禧. 永久散射体雷达干涉研究综述[J]. 遥感技术与应用, 2016, 31 (1) : 86 –94. Gao S, Zeng Q M, Jiao J and Tong Q X. A review on persistent scatterer interferometric synthetic aperture radar[J]. Remote Sensing Technology and Application, 2016, 31 (1) : 86 –94. DOI: 10.11873/j.issn.1004-0323.2016.1.0086 |
| [28] | Ge D Q, Wang Y, Zhang L, Xia Y and Guo X F. 2009. Large scale land subsidence monitoring with a reduced set of SAR images//2009 IEEE International Geoscience and Remote Sensing Symposium. Cape Town, South Africa: IEEE: IV-558–IV-561 [DOI: 10.1109/IGARSS.2009.5417437] |
| [29] | Ge D Q, Zhang L, Wang Y, Guo X F and Xia Y. 2010. Merging multi-track PSI result for land subsidence mapping over very extended area//2010 IEEE InternationalGeoscience and Remote Sensing Symposium (IGARSS). Honolulu, HI, USA: IEEE: 3522–3525 [DOI: 10.1109/IGARSS.2010.5652430] |
| [30] | Goldstein R. Atmospheric limitations to repeat-track radar interferometry[J]. Geophysical Research Letters, 1995, 22 (18) : 2517 –2520. DOI: 10.1029/95GL02475 |
| [31] | Guarnieri A M and Prati C. ScanSAR focusing and intexferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 1996, 34 (4) : 1029 –1038. DOI: 10.1109/36.508420 |
| [32] | Guccione P. Interferometry with ENVISAT wide swath ScanSAR data[J]. IEEE Geoscience and Remote Sensing Letters, 2006, 3 (3) : 377 –381. DOI: 10.1109/LGRS.2006.873876 |
| [33] | Hamling I J, Hreinsdóttir S, Clark K, Elliott J, Liang C R, Fielding E, Litchfield N, Villamor P, Wallace L, Wright T J, D’Anastasio E, Bannister S, Burbige D, Denys P, Gentle P, Howarth J, Mueller C, Palmer N, Pearson C, Power W, Barnes P, Barrell D J A, van Dissen R, Langridge R, Little T, Nicol A, Pettinga J, Rowland J and Stirling M. Complex multifault rupture during the 2016 MW7.8 Kaikōura earthquake, New Zealand [J]. Science, 2017, 356 (6334) : eaam7194 . DOI: 10.1126/science.aam7194 |
| [34] | Hashimoto M, Enomoto M and Fukushima Y. Coseismic deformation from the 2008 Wenchuan, China, earthquake derived from ALOS/PALSAR images[J]. Tectonophysics, 2010, 491 (1/4) : 59 –71. DOI: 10.1016/j.tecto.2009.08.034 |
| [35] | Holzner J and Bamler R. Burst-mode and ScanSAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40 (9) : 1917 –1934. DOI: 10.1109/TGRS.2002.803848 |
| [36] | Hooper A, Zebker H, Segall P and Kampes B. A new method for measuring deformation on volcanoes and other natural terrains using InSAR persistent scatterers[J]. Geophysical Research Letters, 2004, 31 (23) : L23611 . DOI: 10.1029/2004GL021737 |
| [37] | Hooper A, Segall P and Zebker H. Persistent scatterer interferometric synthetic aperture radar for crustal deformation analysis, with application to Volcán Alcedo, Galápagos[J]. Journal of Geophysical Research, 2007, 112 (B7) : B07407 . DOI: 10.1029/2006JB004763 |
| [38] | Hooper A. A multi-temporal InSAR method incorporating both persistent scatterer and small baseline approaches[J]. Geophysical Research Letters, 2008, 35 (16) : L16302 . DOI: 10.1029/2008GL034654 |
| [39] | Hooper A, Bekaert D, Spaans K and Arıkan M. Recent advances in SAR interferometry time series analysis for measuring crustal deformation[J]. Tectonophysics, 2012, 514-517 : 1 –13. DOI: 10.1016/j.tecto.2011.10.013 |
| [40] | Hu C, Li Y H, Dong X C, Wang R and Cui C. Optimal 3D deformation measuring in inclined geosynchronous orbit SAR differential interferometry[J]. Science China Information Sciences, 2017, 60 (6) : 060303 . DOI: 10.1007/s11432-016-9083-4 |
| [41] | Hu J, Li Z W, Ding X L, Zhu J J, Zhang L and Sun Q. Resolving three-dimensional surface displacements from InSAR measurements: a review[J]. Earth-Science Reviews, 2014, 133 : 1 –17. DOI: 10.1016/j.earscirev.2014.02.005 |
| [42] | Jiang H J, Feng G C, Wang T and Bürgmann R. Toward full exploitation of coherent and incoherent information in Sentinel-1 TOPS data for retrieving surface displacement: application to the 2016 Kumamoto (Japan) earthquake[J]. Geophysical Research Letters, 2017, 44 (4) : 1758 –1767. DOI: 10.1002/2016GL072253 |
| [43] | 蒋弥, 丁晓利, 李志伟, 汪驰升, 朱武, 柯灵红. 基于时间序列的InSAR相干性量级估计[J]. 地球物理学报, 2013, 56 (3) : 799 –811. Jiang M, Ding X L, Li Z W, Wang C S, Zhu W and Ke L H. InSAR coherence magnitude estimation based on data stack[J]. Chinese Journal of Geophysics, 2013, 56 (3) : 799 –811. DOI: 10.6038/cjg20130309 |
| [44] | Jolivet R, Agram P S, Lin N Y, Simons M, Doin M P, Peltzer G and Li Z H. Improving InSAR geodesy using Global Atmospheric Models[J]. Journal of Geophysical Research: Solid Earth, 2014, 119 (3) : 2324 –2341. DOI: 10.1002/2013JB010588 |
| [45] | Jung J, Kim D J and Park S E. Correction of atmospheric phase screen in time series InSAR using WRF model for monitoring volcanic activities[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52 (5) : 2678 –2689. DOI: 10.1109/TGRS.2013.2264532 |
| [46] | Ketelaar G, van Leijen F, Marinkovic P and Hanssen R. 2007. Multi-track PS-InSAR datum connection//IEEE InternationalGeoscience and Remote Sensing Symposium. Barcelona, Spain: IEEE: 2481–2484 [DOI: 10.1109/IGARSS.2007.4423346] |
| [47] | Kuenzer C, Guo H D, Schlegel I, Tuan V Q, Li X W and Dech S. Varying scale and capability of envisat ASAR-WSM, TerraSAR-X scansar and TerraSAR-X stripmap data to assess urban flood situations: a case study of the Mekong delta in Can Tho province[J]. Remote Sensing, 2013, 5 (10) : 5122 –5142. DOI: 10.3390/rs5105122 |
| [48] | Lanari R, Lundgren P, Manzo M and Casu F. Satellite radar interferometry time series analysis of surface deformation for Los Angeles, California[J]. Geophysical Research Letters, 2004, 31 (23) : L23613 . DOI: 10.1029/2004GL021294 |
| [49] | Lanari R, Casu F, Manzo M and Lundgren P. Application of the SBAS-DInSAR technique to fault creep: a case study of the Hayward fault, California[J]. Remote Sensing of Environment, 2007, 109 (1) : 20 –28. DOI: 10.1016/j.rse.2006.12.003 |
| [50] | Leighton J M, Sowter A, Tragheim D, Bingley R M and Teferle F N. Land motion in the urban area of Nottingham observed by ENVISAT-1[J]. International Journal of Remote Sensing, 2013, 34 (3) : 982 –1003. DOI: 10.1080/01431161.2012.714507 |
| [51] | 李鹏, 梁存任, 李振洪, 施闯, 刘经南. 宽幅InSAR监测地震与火山形变研究进展[J]. 地球物理学进展, 2015, 30 (4) : 1597 –1607. Li P, Liang C R, Li Z H, Shi C and Liu J N. Recent advances on the earthquake and volcanic deformation monitoring with wide-swath InSAR observations[J]. Progress in Geophysics, 2015, 30 (4) : 1597 –1607. DOI: 10.6038/pg20150414 |
| [52] | 李永生, 冯万鹏, 张景发, 李振洪, 田云锋, 姜文亮, 罗毅. 2014年美国加州纳帕MW6.1地震断层参数的Sentinel-1 A InSAR反演 [J]. 地球物理学报, 2015, 58 (7) : 2339 –2349. Li Y S, Feng W P, Zhang J F, Li Z H, Tian Y F, Jiang W L and Luo Y. Coseismic slip of the 2014 MW6.1 Napa, California Earthquake revealed by Sentinel-1 A InSAR [J]. Chinese Journal of Geophysics, 2015, 58 (7) : 2339 –2349. DOI: 10.6038/cjg20150712 |
| [53] | Li Z H, Feng W P, Xu Z H, Cross P and Zhang J F. The 1998 MW5.7 Zhangbei-Shangyi (China) earthquake revisited: A buried thrust fault revealed with interferometric synthetic aperture radar [J]. Geochemistry, Geophysics, Geosystems, 2008, 9 (4) : Q04026 . DOI: 10.1029/2007GC001910 |
| [54] | Li Z H, Elliott J R, Feng W P, Jackson J A, Parsons B E and Walters R J. The 2010 MW6.8 Yushu (Qinghai, China) earthquake: Constraints provided by InSAR and body wave seismology [J]. Journal of Geophysical Research: Solid Earth, 2011, 116 (B10) : B10302 . DOI: 10.1029/2011JB008358 |
| [55] | 梁存任, 曾琪明, 崔喜爱, 焦健. Envisat ASAR ScanSAR-Stripmap干涉测量研究[J]. 遥感学报, 2011, 15 (4) : 696 –708. Liang C R, Zeng Q M, Cui X A and Jiao J. ScanSAR-Stripmap interferometry using Envisat ASAR data[J]. Journal of Remote Sensing, 2011, 15 (4) : 696 –708. DOI: 10.11834/jrs.20119240 |
| [56] | Liang C R, Zeng Q M, Jiao J and Cui X A. A new method of removing unsynchronized signal for ScanSAR interferometry[J]. IEEE Geoscience and Remote Sensing Letters, 2013a, 10 (2) : 278 –282. DOI: 10.1109/LGRS.2012.2202872 |
| [57] | Liang C R, Zeng Q M, Jia J Y, Jiao J and Cui X A. ScanSAR interferometric processing using existing standard InSAR software for measuring large scale land deformation[J]. Computers and Geosciences, 2013b, 51 : 439 –448. DOI: 10.1016/j.cageo.2012.08.011 |
| [58] | Liang C R, Zeng Q M and Jiao J. An assessment of ScanSAR interferometric processing using full-aperture approach[J]. IEEE Geoscience and Remote Sensing Letters, 2014a, 11 (9) : 1559 –1563. DOI: 10.1109/LGRS.2014.2301461 |
| [59] | Liang C R, Zeng Q M, Jiao J and Cui X A. On the phase compensation of short ScanSAR burst focused by long matched filter for interferometric processing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014b, 52 (2) : 1299 –1310. DOI: 10.1109/TGRS.2013.2249589 |
| [60] | Liang C R and Fielding E J. Measuring azimuth deformation with L-Band ALOS-2 ScanSAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55 (5) : 2725 –2738. DOI: 10.1109/TGRS.2017.2653186 |
| [61] | Liebhart W, Adam N, Gonzalez F R, Parizzi A and CongX Y. 2012. Four level least squares adjustment in Persistent Scatterer Interferometry for the Wide Area Product//2012 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). Munich, Germany: IEEE: 3859–3862 [DOI: 10.1109/IGARSS.2012.6350570] |
| [62] | 刘圣伟, 张朝林, 郭小方, 楚艳丽, 葛大庆, 范景辉. MODIS水汽反演用于InSAR大气校正的理论研究[J]. 遥感学报, 2007, 11 (3) : 367 –372. Liu S W, Zhang C L, Guo X F, Chu Y L, Ge D Q and Fan J H. Theoretical study for application of MODIS atmospheric water vapor retrieval to InSAR atmospheric correction[J]. Journal of Remote Sensing, 2007, 11 (3) : 367 –372. DOI: 10.11834/jrs.20070350 |
| [63] | Massonnet D, Rossi M, Carmona C, Adragna F, Peltzer G, Feigl K and Rabaute T. The displacement field of the Landers earthquake mapped by radar interferometry[J]. Nature, 1993, 364 (6438) : 138 –142. DOI: 10.1038/364138a0 |
| [64] | Moore J D P, Yu H, Tang C H, Wang T, Barbot S, Peng D J, Masuti S, Dauwels J, Hsu Y J, Lambert V, Nanjundiah P, Wei S J, Lindsey E, Feng L J and Shibazaki B. Imaging and distribution of transient viscosity after the 2016 MW7.1 Kumamoto earthquake [J]. Science, 2017, 356 (6334) : 163 –167. DOI: 10.1126/science.aal3422 |
| [65] | Natsuaki B, Motohka T, Shimada M and Suzuki S. Burst misalignment evaluation for ALOS-2 PALSAR-2 ScanSAR-ScanSAR interferometry[J]. Remote Sensing, 2017, 9 (3) : 216 . DOI: 10.3390/rs9030216 |
| [66] | Peltzer G, Crampé F and King G. Evidence of nonlinear elasticity of the crust from the MW7.6 Manyi (Tibet) earthquake [J]. Science, 1999, 286 (5438) : 272 –276. DOI: 10.1126/science.286.5438.272 |
| [67] | Pollitz F F, Brooks B, Tong X P, Bevis M G, Foster J H, Bürgmann R, Smalley R Jr, Vigny C, Socquet A, Ruegg J C, Campos J, Barrientos S, Parra H, Soto J C B, Cimbaro S and Blanco M. Coseismic slip distribution of the February 27, 2010 MW8.8 Maule, Chile earthquake [J]. Geophysical Research Letters, 2011, 38 (9) : L09309 . DOI: 10.1029/2011GL047065 |
| [68] | Raucoules D, Bourgine B, de Michele M, Cozannet G L, Closset L, Bremmer C, Veldkamp H, Tragheim D, Bateson L, Crosetto M, Agudo M and Engdahl M. Validation and intercomparison of Persistent Scatterers Interferometry: PSIC4 project results[J]. Journal of Applied Geophysics, 2009, 68 (3) : 335 –347. DOI: 10.1016/j.jappgeo.2009.02.003 |
| [69] | Reale D, Nitti D O, Peduto D, Nutricato R, Bovenga F and Fornaro G. Postseismic deformation monitoring with the COSMO/SKYMED constellation[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8 (4) : 696 –700. DOI: 10.1109/LGRS.2010.2100364 |
| [70] | Reilinger R E, Ergintav S, Bürgmann R, McClusky S, Lenk O, Barka A, Gurkan O, Hearn L, Feigl K L, Cakmak R, Aktug B, Ozener H and Töksozl M N. Coseismic and postseismic fault slip for the 17 August 1999, M = 7.5, Izmit, Turkey earthquake[J]. Science, 2000, 289 (5484) : 1519 –1524. DOI: 10.1126/science.289.5484.1519 |
| [71] | Salvi S, Stramondo S, Funning G J, Ferretti A, Sarti F and Mouratidis A. The Sentinel-1 mission for the improvement of the scientific understanding and the operational monitoring of the seismic cycle[J]. Remote Sensing of Environment, 2012, 120 : 164 –174. DOI: 10.1016/j.rse.2011.09.029 |
| [72] | Schmidt D A and Bürgmann R. InSAR constraints on the source parameters of the 2001 Bhuj earthquake[J]. Geophysical Research Letters, 2006, 330 (2) : L02315 . DOI: 10.1029/2005GL025109 |
| [73] | 单新建, 马瑾, 柳稼航, 王长林, 宋晓宇. 星载D-InSAR技术及初步应用—以西藏玛尼地震为例[J]. 地震地质, 2001, 23 (3) : 439 –446. Shan X J, Ma J, Liu J H, Wang C L and Song X Y. The theory of D-InSAR and its application to mapping the displacement fields of earthquake[J]. Seismology and Geology, 2001, 23 (3) : 439 –446. DOI: 10.3969/j.issn.0253-4967.2001.03.011 |
| [74] | Shanker P and Zebker H. Persistent scatterer selection using maximum likelihood estimation[J]. Geophysical Research Letters, 2007, 34 (22) : L22301 . DOI: 10.1029/2007GL030806 |
| [75] | 邵芸, 谢酬, 岳中琦, 万紫, 王世昂, 卞小林, 宫华泽, 张风丽. 青海玉树地震差分干涉雷达同震形变测量[J]. 遥感学报, 2010, 14 (5) : 1029 –1037. Shao Y, Xie C, Yue Z Q, Wan Z, Wang S A, Bian X L, Gong H Z and Zhang F L. Co-seismic ground deformation of Yushu Earthquake detected with D-InSAR technique[J]. Journal of Remote Sensing, 2010, 14 (5) : 1029 –1037. DOI: 10.11834/jrs.20100515 |
| [76] | 申琳. 2016. 星载ScanSAR的InSAR时序分析技术探索. 北京: 北京大学 Shen L. 2016. Exploration of InSAR time series analysis based on spaceborne ScanSAR data. Beijing: Peking University |
| [77] | Sousa J J, Hooper A J, Hanssen R F, Bastos L C and Ruiz A M. Persistent Scatterer InSAR: a comparison of methodologies based on a model of temporal deformation vs. spatial correlation selection criteria[J]. Remote Sensing of Environment, 2011, 115 (10) : 2652 –2663. DOI: 10.1016/j.rse.2011.05.021 |
| [78] | Strozzi T, Luckman A, Murray T, Wegmuller U and Werner CL. Glacier motion estimation using SAR offset-tracking procedures[J]. IEEE Transactions onGeoscience and Remote Sensing, 2002, 40 (11) : 2384 –2391. DOI: 10.1109/TGRS.2002.805079 |
| [79] | 孙建宝, 梁芳, 徐锡伟, 宫鹏. 升降轨道ASAR雷达干涉揭示的巴姆地震(MW6.5)3D同震形变场 [J]. 遥感学报, 2006, 10 (4) : 489 –496. Sun J B, Liang F, Xu X W and Gong P. 3D co-seismic deformation field of the Bam Earthquake (MW6.5) from ascending and descending pass ASAR radar interferometry [J]. Journal of Remote Sensing, 2006, 10 (4) : 489 –496. DOI: 10.11834/jrs.20060473 |
| [80] | Tang W, Liao M S and Yuan P. Atmospheric correction in time-series SAR interferometry for land surface deformation mapping-A case study of Taiyuan, China[J]. Advances in Space Research, 2016, 58 (3) : 310 –325. DOI: 10.1016/j.asr.2016.05.003 |
| [81] | Tomiyasu K and Pacelli J L. Synthetic aperture radar imaging from an inclined geosynchronous orbit[J]. IEEE Transactions on Geoscience and Remote Sensing, 1983, GE-21 (3) : 324 –329. DOI: 10.1109/TGRS.1983.350561 |
| [82] | 王超, 刘智, 张红, 单新建. 张北-尚义地震同震形变场雷达差分干涉测量[J]. 科学通报, 2000, 45 (23) : 2550 –2554. Wang C, Liu Z, Zhang H and Shan X J. The coseismic displace- ment field of the Zhangbei-Shangyi earthquake mapped by differ- ential radar interferometry[J]. Chinese Science Bulletin, 2000, 45 (23) : 2550 –2554. DOI: 10.3321/j.issn:0023-074X.2000.23.017 |
| [83] | Wen Y M, Li Z H, Xu C J, Ryder I and Bürgmann R. Postseismic motion after the 2001 MW7.8 Kokoxili earthquake in Tibet observed by InSAR time series [J]. Journal of Geophysical Research: Solid Earth, 2012, 117 (B8) : B08405 . DOI: 10.1029/2011JB009043 |
| [84] | Wright T, Parsons B and Fielding E. Measurement of interseismic strain accumulation across the North Anatolian Fault by satellite radar interferometry[J]. Geophysical Research Letters, 2001, 28 (10) : 2117 –2120. DOI: 10.1029/2000GL012850 |
| [85] | Wright T J. Remote monitoring of the earthquake cycle using satellite radar interferometry[J]. Philosophical Transactionsof the Royal Society A: Mathematical, Physical and Engineering Sciences, 2002, 360 (1801) : 2873 –2888. DOI: 10.1098/rsta.2002.1094 |
| [86] | Wright T J, Parsons B, England P C and Fielding E J. InSAR observations of low slip rates on the major faults of western Tibet[J]. Science, 2004a, 305 (5681) : 236 –239. DOI: 10.1126/science.1096388 |
| [87] | Wright T J, Parsons B E and Lu Z. Toward mapping surface deformation in three dimensions using InSAR[J]. Geophysical Research Letters, 2004b, 31 (1) : L01607 . DOI: 10.1029/2003GL018827 |
| [88] | 熊思婷, 曾琪明, 焦健, 章晓洁. 邻轨PS-InSAR地面沉降结果拼接处理方法与实验[J]. 地球信息科学学报, 2014, 16 (5) : 797 –805. Xiong S T, Zeng Q M, Jiao J and Zhang X J. Research on connecting PS-InSAR results from adjacent tracks for land subsidence monitoring[J]. Journal of Geo-information Science, 2014, 16 (5) : 797 –805. DOI: 10.3724/SP.J.1047.2014.00797 |
| [89] | 许才军, 何平, 温扬茂, 张磊. 日本2011Tohoku-Oki MW9.0级地震的同震形变及其滑动分布反演: GPS和InSAR约束 [J]. 武汉大学学报(信息科学版), 2012, 37 (12) : 1387 –1391. Xu C J, He P, Wen Y M and Zhang L. Coseismic deformation and slip distribution for 2011 Tohoku-Oki MW9.0 earthquake: constrained by GPS and InSAR [J]. Geomatics and Information Science of Wuhan University, 2012, 37 (12) : 1387 –1391. DOI: 10.13203/j.whugis2012.12.016 |
| [90] | 许才军, 何平, 温扬茂, 刘洋. InSAR技术及应用研究进展[J]. 测绘地理信息, 2015, 40 (2) : 1 –9. Xu C J, He P, Wen Y M and Liu Y. Recent advances InSAR interferometry and its applications[J]. Journal of Geomatics, 2015, 40 (2) : 1 –9. DOI: 10.14188/j.2095-6045.2015.02.001 |
| [91] | Yun Y, Zeng Q M, Green B W and Zhang F Q. Mitigating atmospheric effects in InSAR measurements through high-resolution data assimilation and numerical Simulations with a weather prediction model[J]. International Journal of Remote Sensing, 2015, 36 (8) : 2129 –2147. DOI: 10.1080/01431161.2015.1034894 |
| [92] | Zebker H A and Villasenor J. Decorrelation in interferometric radar echoes[J]. IEEE Transactions on Geoscience and Remote Sensing, 1992, 30 (5) : 950 –959. DOI: 10.1109/36.175330 |
| [93] | Zebker H A., Rosen P A and Hensley S. Atmospheric effects in interferometric synthetic aperture radar surface deformation and topographic maps[J]. Journal of Geophysical Research, 1997, 102 (B4) : 7547 –7563. DOI: 10.1029/96JB03804 |
| [94] | 曾琪明, 章晓洁, 焦健. InSAR生成DEM中WRF大气校正[J]. 遥感学报, 2016, 20 (5) : 1151 –1160. Zeng Q M, Zhang X J and Jiao J. Atmospheric correction of spaceborne repeat-pass InSAR DEM generation based on WRF[J]. Journal of Remote Sensing, 2016, 20 (5) : 1151 –1160. DOI: 10.11834/jrs.20166174 |
| [95] | 张永红, 吴宏安, 康永辉. 京津冀地区1992—2014年三阶段地面沉降InSAR监测[J]. 测绘学报, 2016, 45 (9) : 1050 –1058. Zhang Y H, Wu H A and Kang Y H. Ground subsidence over Beijing-Tianjin-Hebei Region during three periods of 1992 to 2014 monitored by interferometric SAR[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45 (9) : 1050 –1058. DOI: 10.11947/j.AGCS.2016.20160072 |
| [96] | Zhang Z J, Wang C, Tang Y X, Zhang H and Fu Q Y. Analysis of ground subsidence at acoal-mining area in Huainan using time-series InSAR[J]. International Journal of Remote Sensing, 2015, 36 (23) : 5790 –5810. DOI: 10.1080/01431161.2015.1109725 |
| [97] | Zheng W, Hu J, Zhang W, Yang C, Li Z and Zhu J. Potential of geosynchronous SAR interferometric measurements in estimating three-dimensional surface displacements[J]. Science China Information Sciences, 2017, 60 (6) : 0603304 . DOI: 10.1007/s11432-016-9079-8 |
| [98] | 周硕愚, 吴云, 李正媛, 秦小军. 地壳形变测量学之进展与展望[J]. 大地测量与地球动力学, 2002, 22 (3) : 94 –101. Zhou S Y, Wu Y, Li Z Y and Qin X J. Advance and prospect of crustal deformation geodesy[J]. Journal of Geodesy and Geodynamics, 2002, 22 (3) : 94 –101. DOI: 10.14075/j.jgg.2002.03.025 |