第1章绪论
国内外合成孔径雷达干涉（interferometrysynthetic aperture radar，InSAR）卫星朝着多波段、多极化、多工作模式、高空间分辨率等方向发展，但在地形测绘、地表形变监测等应用领域，仍存在亟须解决的难题。本章简要介绍国内外InSAR卫星发展现状，着重介绍复杂地形条件下的InSAR高程测量、广域条件下的InSAR地表形变监测两大热点方向的研究现状，并在此基础上，进一步介绍基于InSAR技术的斜坡地灾易发性分区这一应用方向的制作现状。
1.1国内外InSAR卫星发展现状
近五十年来，国内外成功发射了多颗InSAR卫星，为髙程测量和形变监测的研究和应用提供了丰富的数据基础，InSAR卫星也由仅能提供单波段、单极化、单一工作模式、低空间分辨率、长重访周期的合成孔径雷达（synthetic aperture radar，SAR）数据，逐渐发展为可以提供多波段、多极化、多工作模式、髙空间分辨率、短重访周期、多星串行的SAR数据获取系统。
1978年6月，美国国家航空航天局（NationalAeronautics and Space Administration，NASA）喷气推进实验室（Jet Propulsion Laboratory，JPL）发射了海洋卫星Seasat，作为人类历史上第一颗装载有合成孔径雷达的卫星系统，Seasat开启了星载InSAR对地观测的新篇章（Bometal.，1979）。后来，欧洲空间局（European Space Agency，ESA）分别于1991年和1995年成功发射了ERS-1卫星和ERS-2卫星，两颗卫星均搭载了C波段的SAR系统，采用太阳同步轨道，并大大提高了干涉处理的精度（Francis et al.，1995）。2002年3月，ENYISAT卫星发射升空，这颗卫星在ERS系列卫星的基础上，对成像幅宽和分辨率等方面都进行了改进，并具有多种极化方式。
2007年，德国航空航天中心（DeutschesZentrum fur Luft-und Raumfahrte.V.，DLR）发射了载有X波段合成孔径雷达的TerraSAR-X卫星，该卫星具备高成像分辨率、多成像模式、多极化方式和较短的卫星重访周期等特点。2010年6月，德国航空航天中心又发射了一颗配置几乎相同的卫星TanDEM-X，与TerraSAR-X卫星编队协同飞行，构成了高精度双星干涉测量系统。两颗SAR卫星在相近的阵式中飞行，可以获取高可重构下的理想干涉基线，从而获得髙精度的高程信息，在地形髙程反演方面具有极大优势(Rrieger et al.，2007）。
自2007年6月至2010年11月，意大利航天局（Agenzia Spaziale Italiana，ASI）和意大利国防部陆续发射了4颗COSMO-SkyMed卫星，COSMO-SkyMed星座正式进入四星联动的工作模式。COSMO-SkyMed系列卫星组成的星座工作在X波段，具有SpotLight(聚束成像模式）、StripMap(条带成像模式）和ScanSAR(扫描成像模式）多种工作模式，具有卫星星座重访周期短等特点（Covello et al.，2010）。
欧洲空间局分别于2014年4月3日和2016年4月25日发射了Sentinel-1A卫星和Sentinel-IB卫星，均载有C波段合成孔径雷达。这两颗卫星的独立重访周期为12天，组合重访周期为6天，拥有4种工作模式，被广泛应用于地震形变监测、滑坡形变监测、城市形变监测、矿区形变监测、火山形变监测和冰川移动监测等形变监测领域（Zhangetal.，2020）。
此外，比较典型的InSAR卫星还有加拿大的RADARSAT-1卫星（C波段，1995年11月发射升空）和RADARSAT-2卫星（C波段，2007年12月发射升空）、日本的JERS-1卫星（L波段，1992年2月发射升空）、ALOS卫星（L波段，2006年1月发射升空）和ALOS-2卫星（L波段，2014年5月发射升空）等。
国内对星载InSAR系统的研制虽然起步相对较晚，但至今也取得了显著的成果。2016年8月10日，我国成功发射了高分三号01星，作为国内首颗C波段多极化SAR卫星，其观测幅宽为10～650km，空间分辨率为1～500m，具备12种成像模式，有效改变了我国高分辨率SAR图像依赖进口的状况（余博等，2019）。2021年11月23日和2022年4月7日，我国又相继成功发射了髙分三号02星和髙分三号03星，加上原有的髙分三号01星，高分三号系列卫星“三星组网”大大提升了卫星的重访和应用能力。2019年4月30日和2021年8月19日，天绘二号01组卫星和02组卫星成功发射，天绘二号是我国第一个近距离编队卫星系统，采用异轨道面卫星编队、一发双收雷达收发模式的技术体制，利用卫星编队形成干涉所需的基线，可以快速测制全球1:5万比例尺数字表面模型和雷达正射影像（楼良盛等，2022）。2022年1月26日和2月27日，陆地探测一号01组A星和B星相继成功发射，构建了全球首*用于地表形变干涉测量应用的L波段双星星座。该星座由设计参数相同的两颗L波段SAR卫星组成，在轨具备“跟飞”“绕飞”两种编队飞行模式。“跟飞”编队模式下，双星以地表形变干涉测量为核心任务，可单星或双星联合进行差分干涉，实现大尺度、毫米级高精度地表形变监测，可以有效支持地面沉降、滑坡、地面塌陷、地震形变监测等行业应用；“绕飞”编队模式下，双星通过星间高精度相位、时间、空间三同步实现近距离协同对地观测，可实现干涉SAR高精度地面高程测量，有效支持全国自然资源调查体系构建、全球地理信息资源库建设与更新，以及高精度地形数据更新（晓曲，2022）。
由此可见，国外的InSAR卫星系统已较为成熟，而国内的InSAR卫星在日益增长的应用需求牵引下，近几年也呈现出爆发式发展的形势。然而InSAR卫星的两个重要应用领域——高程测量与地表形变监测，依然面临着一些技术瓶颈。对复杂地形进行高程测量，受到InSAR观测几何特性与相位特征的影响，面临着处理手段困难、产品信息缺失等难题。而对于地表形变监测，随着InSAR数据量的剧增，且我国陆地面积广袤、地形地貌复杂，广域InSAR处理成为重大需求，对误差改正、参数解算、有效信息提取提出了挑战。此外，对于近年来火热的InSAR地质灾害应用方向，如何有效地将InSAR技术与地学手段合理结合，也存在亟须解决的技术性难题。本书将重点围绕以上几个问题详细介绍星载InSAR数据处理关键技术。
1.2复杂地形InSAR高程测量现状
20世纪60年代末至70年代初，InSAR测量*早被用于对金星（Rogers et al.，1969）和月球表面（Ssk，1972）的观测。Graham(1974）通过机载InSAR系统进行地形测量，开创了InSAR技术在对地观测中获取髙程信息的先河。1979年，美国喷气推进实验室成功发射Seasat-A卫星，首次从太空获得地球表面干涉测量的数据(Bom et al.，1979）。Zebker等（1986）利用机载干涉雷达的单轨双天线数据，首次得到了实用性的地表高程结果。Goldstein等（1988）利用Seasat星载SAR数据，采用InSAR技术获取了死亡谷Cottonball盆地的地形图。20世纪90年代以后，随着星载合成孔径雷达卫星的不断升空，SAR数据大大丰富，InSAR地形测量得到了快速发展。
髙程测量是星载InSAR技术的主要应用方向之一，尽管在通常情况下的InSAR测高技术已较为成熟，但对复杂地形情况，通过干涉测量的手段进行地形测量，仍面临着诸多问题。从观测几何的角度来说，复杂地形使SAR影像不可避免地出现阴影、叠掩等斜距成像特有的现象，从而造成干涉相位的不连续性及影像信息缺失等问题；从数据处理的角度来说，复杂地形造成影像相对几何变换关系复杂化、几何失相干现象显著、相位梯度变大等问题，影响了InSAR影像配准、相位滤波、相位解缠等处理环节。因此，本书在InSAR测高方向重点关注复杂地形的测绘技术。
经典的InSAR影像配准方法通过多个配准点的平移量来拟合两幅SAR影像间非线性的几何变换关系，但地形起伏较大、影像对的垂直基线较大、平行基线变化率较高、脉冲重复频率（pulse repetition frequency，PRF）差异较大等因素都会体现到每个以配准点为中心的窗口中，使这些平移量的估计存在较大的模糊度，且影像内部大量的失相干区域同样会导致许多偏移量错估值，这些因素共同导致影像配准不精确。韦海军等(2009）提出了一种适合复杂地形、非线性处理与线性处理相结合的SAR影像配准方法。该方法利用外部数字高程模型（digital elevation model，DEM）数据将辅影像通过一个非线性映射转换到与主影像相同的视角下，从而消除主辅影像之间由于视角差异及地形起伏带来的非线性形变，然后采用传统基于相关系数的方法计算主影像与转换后的辅影像之间的偏移量，从而消除由轨道误差带来的线性形变。张泽昆（2011）提出了一种适用于低相干山地区域、基于边缘和纹理特征相结合的影像配准方法，以边缘和纹理作为基本特征，通过纹理特征的提取对经边缘特征提取后的影像进行修正来提髙配准的精度。周荣荣(2019）提出了一种适用于山地SAR影像的配准方法，该方法先进行SAR影像模拟，然后将向量场一致性的点集匹配算法用于模拟SAR影像与真实SAR影像的匹配，间接得到左右真实影像上的控制点，*终完成山地地形SAR影像的精确配准。针对地形复杂条件下的配准困难问题，多数研究者将目光放在配准算子和配准测度上，做了大量的工作却忽略了影像间非常量的变换关系对配准精度的限制，而有些研究者则把焦点放在解算影像间复杂的相对几何关系上，没有考虑InSAR影像对的相互变换关系实际上极为简单，否则干涉的条件就难以成立的事实。因此，复杂地形条件下，只有兼顾了几何关系给配准精度带来的影响及噪声干扰下误配率高但配准精度要求也高这两方面因素，才能实现InSAR影像的高精度配准。
InSAR相位滤波需要兼顾有效滤除噪声和尽可能地保留相位中有效的信息。目前InSAR相位滤波方法主要分为空间域滤波、频率域滤波和时频滤波。①在空间域滤波方法中，由于复杂地形区域干涉条纹密度较大，传统的均值滤波（唐智等，2004）或中值滤波（Lanari et al.，1996）等不考虑干涉条纹特性的滤波方法并不适用，多视滤波、矢量滤波、传统Lee滤波(Lee et al.，1998）对条纹密度较大影像的滤波效果也不够理想。刘璐等（2013）和Bo等（1999）对空间域滤波方法进行了改进，主要是采用自适应滤波窗口，避免条纹密度大的区域受滤波的影响而导致相位信息损失。②频率域滤波的思路为在频率域下分离有效相位频段和噪声频段，常用的频率域滤波方法有固定通频的低通滤波、髙通滤波、带通滤波和Goldstein滤波等。其中，经典固定通频的低通滤波、髙通滤波和带通滤波均没有考虑条纹频率在影像上的变化，因此并不适用于复杂地形区域，经典Goldstein滤波方法对低相干区域的滤波效果也较差，会丢失大量的边缘信息。Chi等（2021）、Li等（2019）、Song等（2013）和Baran等（2003）在Goldstein滤波方法基础上又提出了改进算法’这些算法主要是对滤波因子的数值进行了调整或将滤波因子调整为自适应因子，使干涉图滤波效果有所改善。③时频滤波方法主要是小波滤波方法，小波分析能够有效区分信号中的噪声和突变部分，因此基于小波分析的相位滤波方法既能去除噪声，又能保持相位突变时的相位值，是一类较好的相位噪声滤波方法。岳焕印等（2002）提出了一种干涉图的小波域多尺度滤波算法，对干涉图的实部和虚部分别进行处理，用Pearson分布系数确定了信号和噪声项小波系数的概率密度函数，然后用*大后验概率准则估计无噪数据的小波系数。靳国旺等（2006
展开
