多时相InSAR相干性估计研究

Coherence of radar echoes is an important observable in interferometric SAR (InSAR) measurements. It provides a quantitative measure of the scattering properties of imaged surfaces and therefore is widely applied to study the physical processes of the earth. However, the estimated coherence values are often biased due to various reasons such as radar signal non-stationarity and the bias in the estimators used. This limits the accuracy of the sample coherence and therefore the InSAR measurements. In this proposal, we focus on the multi-temporal InSAR coherence estimation and present a hybrid approach that mitigates effectively the errors in the estimation. The proposed approach is almost completely self-adaptive, computationally effective and workable for both Gaussian and non-Gaussian SAR scenes. On the other hand, the accurate coherence map without loss of the image resolution can be achieved. The further application of the algorithm to refine the InSAR data processing is also implemented for improving the accuracy of InSAR measurements. It is expected that the research results will contribute to a much better understanding of InSAR technique towards high accuracy.

相干性是合成孔径雷达(InSAR)系统中最重要的观测参数之一，广泛应用于InSAR数据处理和对地观测领域。这些研究依赖于高质量的相干性观测。然而在理论上，相干性的估计是有偏的，并且理论假设十分严格。这直接限制了相干性的观测精度。另外，算法的设计也无法满足影像空间分辨率的要求，成为制约该技术发展和应用的瓶颈。针对这些问题，本课题提出采用多时相SAR影像序列和现代统计学的方法完善相干性估计理论。重点对有偏估计量、影像质地和系统干涉条纹引起的信号非平稳性这三种误差展开研究。在理论研究的基础上，建立一个实用性强的相干性估计处理链，它具有计算高效、完全自适应、假设条件弱的特点，并能够同时获得高精度和全分辨率的估计结果。精确的相干性将被进一步用于改善InSAR后续数据处理步骤的精度，进而改善整个InSAR技术的量测精度。该研究将推动InSAR技术向高精度、精细化的方向发展，是一项有意义的前沿性课题。

本课题从相干性的误差源入手，从本质上分析这些误差对估计精度的影响，并在此基础上对现有理论进行补充，发展了能够满足现实需要的高精度相干性估计算法，从而提升时序InSAR及其延伸技术在形变监测领域的监测精度。该研究对填补现代InSAR数据处理理论和方法空缺、提高InSAR技术的可靠性具有理论意义。同时，在多云多雨或光学遥感难以实时作业的地区，提高基于InSAR技术的形变监测精度和时空分辨率，将更有利于地表参数反演的精准度和防灾减灾工作部署，也为大地测量学、地球动力学等地学研究领域和地震、滑坡与矿山沉陷等地质灾害的监测等工作提供新的技术途径。项目资助相关成果已发表在国际和国内权威期刊SCI杂志和EI杂志上，所研发的算法已经形成SHPS-InSAR软件工具包，并于2017年8月进行全球发布，目前下载量已达120次。全球20多家单位已经下载使用，包括国内外多所知名高校和科研机构。