论文部分内容阅读
近十几年发展起来的多时相InSAR技术(包括永久散射体、短基线集方法等)通过对时间序列上的SAR影像进行联合分析，可以更好地抑制InSAR固源误差(如时空失相关噪声、大气延迟和地形残差等)的影响，因此已经成为目前InSAR监测地表形变的主要手段。然而，现有的多时相InSAR技术只能处理一个轨道上获取的SAR影像，这导致得到的地表形变只是沿雷达视线方向上一维结果。随着越来越多的SAR卫星发射升空，如TerraSAR-X、COSMO-SkyMed、Sentinel-1和ALOS-2等，融合不同平台的SAR数据是获取三维地表形变的有效途径。然而，传统方法受限于不同SAR卫星数据的时态差异，只能对多源异质InSAR 测量值进行静态平差求解，获取地表的瞬时三维形变或三维形变速率，而无法估计三维形变序列，牺牲了SAR数据的时间分辨率。基于此，本研究提出一种基于卡尔曼滤波的多平台多时相InSAR技术。卡尔曼滤波是一种动态数据处理方法，不仅顾及了数据在时间域上的状态和关联性，而且不需要存储大量的历史数据，是一个不断预测和修正的过程。在本次研究中，卡尔曼滤波方法通过时序融合和动态平差不同平台、不同轨道和不同时刻获取的InSAR观测量，不仅可以获取地表的三维形变序列结果，而且提高了该结果的时间分辨率。新方法首先通过模拟数据进行验证，然后成功地应用于美国南加州地区，为研究该地区的震间应力累计和季节性形变提供了必要的数据支撑。