基于InSAR的积雪深度反演研究

Snow depth is one of the key parameters in Snow Water Equivalent (SWE) estimation, and takes an important part of hydrological applications in cold and arid regions. Active microwave remote sensing is the most important means to monitor snow parameters at regional scale. Synthetic Aperture Radar (SAR) has the ability to monitor the surface deformation at centimeter-level effectively, with a certain penetration and interference measurement capability. A promising technique for snow depth inversion is to use spaceborne satellite repeat-pass SAR interferometric (InSAR) measurements. It is not yet a consolidated but promising application. The refraction of microwaves in dry snow is shown to have a significant effect on the interferometric phase, and a relation between changes in snow depth and interferometric phase can be derived. This proposal aims to research and explore the theories and methods of a practical snow depth inversion model with high-precise based on InSAR measurements. By using multisource SAR data and carrying out ground-based observations experiments, this research includes: ① to classify dry snow and wet snow, and make sure dry snow in existence when satellite was passing by, in order to overcome decorreltation due to wet snow; ② to optimize differential InSAR processing, to obtain clear and right phase due to snow cover, and then build up snow depth inversion model; ③ to analyze the sensitivity of parameters (snow layer structure, snow density, local incident angle) influence on snow depth inversion results, and figure out the value scope of the parameters when reliable inversion results can be obtained, therefore, to elevate the accuracy of inversion result. The expected achievements may be regarded as a theoretic reference in snow depth inversion at regional scale, and applied in snowmelt runoff simulation and forecast, especially in snow water utilization and management.

积雪深度是决定雪水当量的关键因子之一，对寒区流域水文研究具有非常重要的意义。主动微波遥感是流域尺度的积雪参数的最重要的研究手段。合成孔径雷达（SAR）干涉测量（InSAR）能力在雪深反演中具有很大的潜力：降雪前后的干涉图包含降雪导致的相位差（积雪相位），并与雪深具有线性几何关系。本项目旨在针对反演中面临的失相干、反演结果可靠性验证等关键问题，开展基于InSAR的雪深反演的关键理论和技术研究，包括：①确定卫星过境时期积雪的干湿状态，明确干雪覆盖范围，克服湿雪导致的失相干；②优化InSAR处理过程，进行差分处理，获取完整的积雪相位，建立雪深反演模型；③对反演参数（雪层结构、雪密度、入射角等）进行敏感性分析，确定反演结果可靠时，参数的取值范围，进行精度评价，增强反演方法的适用性。研究成果对流域尺度的雪深反演具有理论参照价值，为流域积雪水资源利用与管理提供科学依据，具有实际应用和推广价值。

积雪深度作为其主要特征之一，是提供雪水当量的最重要的参数，对于区域水文、融雪径流、雪灾预警具有非常重要的意义。本项目针对利用InSAR技术反演积雪深度过程中面临的的失相干、反演结果可靠性验证等关键问题，重点围绕干湿雪分类、雪深反演模型的建立以及参数的敏感性分析三个方面开展研究。 首先，在多次实地考察与地面同步观测基础上，利用非积雪期、积雪期和融雪期的Radarsat-2和高分一号（GF-1）卫星遥感影像，通过积雪信息的遥感表征分析，利用两种传感器的互补性，去除云对光学遥感数据的干扰，克服地形对SAR分类结果的影响实现了积雪的表面类型和干湿状态的同时识别。其次，干涉像对会因为积雪覆盖的变化导致后向散射系数不同，引起失相干，进而导致反演积雪深度失败。在对研究区的积雪进行微波特性模拟和分析的基础上，结合相干性探讨了选择合适的干涉像对的指导条件，以及干涉测量过程中的处理步骤的优化算法，有效去除地形、平地和大气相位，获得积雪相位，并分析了积雪相位的特点及其误差来源。根据积雪深度与积雪相位变化的线性几何关系，构建了积雪深度的InSAR反演模型，并确定模型的输入参数——入射角、积雪密度和积雪相位，分析和探讨了入射角和积雪密度两个输入参数，利用了研究区雪密度经验值，以局部入射角代替卫星入射角，修正入射角参数，反演积雪深度。最后，根据反演模型，结合误差传播定律对反演模型中涉及的入射角、雪密度对积雪相位分别进行敏感性分析，指出入射角在InSAR相位的延迟以及积雪深度的反演中敏感性较强。项目的研究成果为山区融雪径流模拟与预报、积雪水资源利用与管理提供科学依据，研究成果具有重要的科学参考意义与实际应用、推广价值。本项目主要成果包括，建立了干雪和湿雪覆盖分类的理论与方法，利用InSAR技术反演积雪深度和雪水当量的反演模型及敏感性分析，提交年度报告2份及结题报告1份，发表相关论文9篇（其中SCI 3篇）。