基于DEM辅助后向投影模型的InSAR高程反演方法

胡晓宁 汪丙南 向茂生 王钟斌

胡晓宁, 汪丙南, 向茂生, 等. 基于DEM辅助后向投影模型的InSAR高程反演方法[J]. 雷达学报, 2021, 10(3): 391–401. doi: 10.12000/JR20144
引用本文: 胡晓宁, 汪丙南, 向茂生, 等. 基于DEM辅助后向投影模型的InSAR高程反演方法[J]. 雷达学报, 2021, 10(3): 391–401. doi: 10.12000/JR20144
HU Xiaoning, WANG Bingnan, XIANG Maosheng, et al. InSAR elevation inversion method based on backprojection model with external DEM[J]. Journal of Radars, 2021, 10(3): 391–401. doi: 10.12000/JR20144
Citation: HU Xiaoning, WANG Bingnan, XIANG Maosheng, et al. InSAR elevation inversion method based on backprojection model with external DEM[J]. Journal of Radars, 2021, 10(3): 391–401. doi: 10.12000/JR20144

基于DEM辅助后向投影模型的InSAR高程反演方法

doi: 10.12000/JR20144
基金项目: 国家自然科学基金(62073306),中国科学院青年创新促进会项目资助,国家重点研发计划资助(2017YFC0822400)
详细信息
    作者简介:

    胡晓宁(1994–),女,山东人,2016年获得北京理工大学学士学位,现于中国科学院空天信息创新研究院攻读博士学位。研究方向为InSAR信号处理算法

    汪丙南(1984–),男,安徽人。2011年在中国科学院电子学研究所获博士学位,现为中国科学院空天信息创新研究院副研究员,硕士生导师。主要研究方向为干涉合成孔径雷达信号仿真和处理方法

    向茂生(1964–),男,湖南人。1999年在中国科学院遥感应用研究所获博士学位,现为中国科学院空天信息创新研究院研究员,博士生导师。主要研究方向为双天线干涉、多基线干涉、极化干涉、阵列天线干涉等理论与方法,以及干涉 SAR 面向高精度测绘、复杂地物定位与识别、组合导航等的应用技术

    王钟斌(1994–),男,甘肃人,2017年获得重庆大学学士学位,现于中国科学院空天信息创新研究院攻读博士学位。研究方向为干涉合成孔径雷达技术

    通讯作者:

    汪丙南 wbn@mail.ie.ac.cn

  • 责任主编:靳国旺 Corresponding Editor: JIN Guowang
  • 中图分类号: TN958

InSAR Elevation Inversion Method Based on Backprojection Model with External DEM

Funds: The National Natural Science Foundation of China (62073306), Youth Innovation Promotion Association CAS, National Key R&D Program of China (2017YFC0822400)
More Information
  • 摘要: 利用干涉合成孔径雷达(InSAR)技术获取数字高程模型(DEM)时,在地形起伏剧烈区域,干涉条纹十分密集,增加了相位解缠的难度,影响相位展开和高程反演的精度。为了解决该问题,该文提出了一种基于DEM辅助后向投影模型的InSAR高程反演方法。该方法可以在统一的后向投影成像空间中实现成像和InSAR高程反演,并且引入外源DEM作为辅助信息,去除大部分地形相位,有效地降低了干涉条纹的密度,减少了干涉相位的缠绕。此外,该方法在多数情况下可以避免图像配准和相位解缠过程,简化了传统InSAR的处理流程,并且可以实现高精度的高程反演。通过仿真实验和X波段机载双天线InSAR数据的处理验证了该方法的有效性。

     

  • 图  1  基于BP成像算法的干涉模型

    Figure  1.  The interferometric model based on BP imaging algorithm

    图  2  高程模糊度几何示意图

    Figure  2.  Geometric description of the height of ambiguity

    图  3  InSAR处理流程

    Figure  3.  InSAR processing chain

    图  4  仿真实验结果图

    Figure  4.  Simulation results

    图  5  两种方法的高程反演误差

    Figure  5.  The elevation inversion errors of two methods

    图  6  强散射目标点成像结果

    Figure  6.  The focused images of intense scatterer

    图  7  机载InSAR数据处理结果图

    Figure  7.  Airborne InSAR data processing results

    图  8  机载InSAR山区数据处理结果图

    Figure  8.  Airborne InSAR data processing results of mountainous area

    表  1  仿真参数

    Table  1.   Simulation parameters

    成像仿真参数数值
    载频(GHz)9.6
    距离向带宽(MHz)100
    距离向采样率(MHz)120
    脉冲宽度(μs)3.7
    脉冲重复频率(Hz)300
    平台平均速度(m/s)113.5
    平台平均高度(m)3286.5
    中心下视角(rad)0.8727
    基线长度(m)2.189
    基线倾角(rad)0
    下载: 导出CSV

    表  2  X波段机载InSAR系统参数

    Table  2.   X-band airborne InSAR system parameters

    机载InSAR参数数值
    载频(GHz)9.6
    距离向带宽(MHz)300
    距离向采样率(MHz)500
    脉冲宽度(μs)15
    脉冲重复频率(Hz)1000
    平台平均速度(m/s)108
    平台平均高度(m)4874
    中心下视角(rad)0.7854
    基线长度(m)1.05
    基线倾角(rad)–0.2358
    下载: 导出CSV

    表  3  地面检查点处高程反演误差

    Table  3.   The elevation inversion errors of ground detection points

    地面检查点本文方法(m)传统InSAR方法(m)
    1–0.5765–0.8017
    2–0.1310–0.0824
    3 0.7075 0.8840
    标准差 0.6519 0.8459
    下载: 导出CSV
  • [1] WECHSLER S P. Uncertainties associated with digital elevation models for hydrologic applications: A review[J]. Hydrology and Earth System Sciences, 2007, 11(4): 1481–1500. doi: 10.5194/hess-11-1481-2007
    [2] YANG Kang, SMITH L C, CHU V W, et al. A caution on the use of surface digital elevation models to simulate supraglacial hydrology of the Greenland ice sheet[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(11): 5212–5224. doi: 10.1109/JSTARS.2015.2483483
    [3] SHUKLA G, GARG R D, SRIVASTAVA H S, et al. Performance analysis of different predictive models for crop classification across an aridic to ustic area of Indian states[J]. Geocarto International, 2018, 33(3): 240–259. doi: 10.1080/10106049.2016.1240721
    [4] RUFINO G, MOCCIA A, and ESPOSITO S. DEM generation by means of ERS tandem data[J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(6): 1905–1912. doi: 10.1109/36.729362
    [5] 靳国旺, 徐青, 张红敏. 合成孔径雷达干涉测量[M]. 北京: 国防工业出版社, 2014: 169–183.

    JIN Guowang, XU Qing, and ZHANG Hongmin. Synthetic Aperture Radar Interferometry[M]. Beijing: National Defense Industry Press, 2014: 169–183.
    [6] SEYMOUR M S and CUMMING I G. InSAR terrain height estimation using low-quality sparse DEMs[C]. 3rd ERS Symposium, Florence, Italy, 1997: 421–426.
    [7] LIAO Mingsheng, WANG Teng, LU Lijun, et al. Reconstruction of DEMs from ERS-1/2 Tandem data in mountainous area facilitated by SRTM data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(7): 2325–2335. doi: 10.1109/TGRS.2007.896546
    [8] 刘辉, 靳国旺, 张红敏, 等. DEM辅助的山区InSAR相位解缠[J]. 测绘科学技术学报, 2017, 34(2): 215–220. doi: 10.3969/j.issn.1673-6338.2017.02.019

    LIU Hui, JIN Guowang, ZHANG Hongmin, et al. Phase unwrapping assisted by DEM of InSAR for mountainous terrain[J]. Journal of Geomatics Science and Technology, 2017, 34(2): 215–220. doi: 10.3969/j.issn.1673-6338.2017.02.019
    [9] FARR T G, ROSEN P A, CARO E, et al. The shuttle radar topography mission[J]. Reviews of Geophysics, 2007, 45(2): RG2004. doi: 10.1029/2005RG000183
    [10] FUJISADA H, BAILEY G B, KELLY G G, et al. ASTER DEM performance[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(12): 2707–2714. doi: 10.1109/TGRS.2005.847924
    [11] CRIPPEN R, BUCKLEY S, AGRAM P, et al. NASADEM global elevation model: Methods and progress[C]. XXIII ISPRS Congress, Prague, Czech Republic, 2016: 125–128. doi: 10.5194/isprsarchives-XLI-B4-125-2016.
    [12] LIN Jianhe, LÜ Xiaolei, and LI Rui. Automatic registered back-projection approach based on object orientation for airborne repeat-track interferometric SAR[J]. IET Radar, Sonar & Navigation, 2018, 12(9): 1066–1076. doi: 10.1049/iet-rsn.2018.5053
    [13] DUERSCH M I. Backprojection for synthetic aperture radar[D]. [Ph. D. dissertation], Brigham Young University, 2013.
    [14] 韦顺军, 师君, 张晓玲, 等. 基于曲面投影的毫米波InSAR数据成像方法[J]. 雷达学报, 2015, 4(1): 49–59. doi: 10.12000/JR14137

    WEI Shunjun, SHI Jun, ZHANG Xiaoling, et al. Millimeter-wave interferometric synthetic aperture radar data imaging based on terrain surface projection[J]. Journal of Radars, 2015, 4(1): 49–59. doi: 10.12000/JR14137
    [15] ZEBKER H. User-friendly InSAR products – do we need range-Doppler?[C]. 12th European Conference on Synthetic Aperture Radar, Aachen, Germany, 2018: 1–4.
    [16] 师君, 马龙, 韦顺军, 等. 基于导航数据的Ka波段InSAR成像处理与分析[J]. 雷达学报, 2014, 3(1): 19–27. doi: 10.3724/SP.J.1300.2014.13142

    SHI Jun, MA Long, WEI Shunjun, et al. Ka-band InSAR imaging and analysis based on IMU data[J]. Journal of Radars, 2014, 3(1): 19–27. doi: 10.3724/SP.J.1300.2014.13142
    [17] 潘舟浩, 李道京, 刘波, 等. 基于BP算法和时变基线的机载InSAR数据处理方法研究[J]. 电子与信息学报, 2014, 36(7): 1585–1591. doi: 10.3724/SP.J.1146.2013.00715

    PAN Zhouhao, LI Daojing, LIU Bo, et al. Processing of the airborne InSAR data based on the BP algorithm and the time-varying baseline[J]. Journal of Electronics &Information Technology, 2014, 36(7): 1585–1591. doi: 10.3724/SP.J.1146.2013.00715
    [18] 韦顺军, 张晓玲, 师君, 等. 同空间后向投影InSAR成像及干涉相位提取方法[J]. 宇航学报, 2015, 36(3): 336–343. doi: 10.3873/j.issn.1000-1328.2015.03.013

    WEI Shunjun, ZHANG Xiaoling, SHI Jun, et al. InSAR imaging and interferogram extraction-based the same space back-projection[J]. Journal of Astronautics, 2015, 36(3): 336–343. doi: 10.3873/j.issn.1000-1328.2015.03.013
    [19] SOUMEKH M. Synthetic Aperture Radar Signal Processing with MATLAB Algorithms[M]. New York: Wiley. 1999.
    [20] 王超, 张红, 刘智. 星载合成孔径雷达干涉测量[M]. 北京: 科学出版社, 2002: 33–37.

    WANG Chao, ZHANG Hong, and LIU Zhi. Spaceborne Synthetic Aperture Radar Interferometry[M]. Beijing: Science Press, 2002: 33–37.
  • 加载中
图(8) / 表(3)
计量
  • 文章访问数:  358
  • HTML全文浏览量:  110
  • PDF下载量:  102
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-11-28
  • 修回日期:  2021-03-29
  • 网络出版日期:  2021-04-28
  • 刊出日期:  2021-06-28

目录

    /

    返回文章
    返回