林 琿，馬培峰,3，王偉璽

1. 香港中文大學(xué)太空與地球信息科學(xué)研究所，香港 沙田； 2. 香港中文大學(xué)深圳研究院，廣東 深圳 518057； 3. 西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院，四川 成都 611756； 4. 深圳市數(shù)字城市工程研究中心，廣東 深圳 518057

監(jiān)測城市基礎(chǔ)設(shè)施健康的星載MT-InSAR方法介紹

林 琿1,2，馬培峰1,2,3，王偉璽4

1. 香港中文大學(xué)太空與地球信息科學(xué)研究所，香港 沙田； 2. 香港中文大學(xué)深圳研究院，廣東 深圳 518057； 3. 西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院，四川 成都 611756； 4. 深圳市數(shù)字城市工程研究中心，廣東 深圳 518057

星載合成孔徑雷達干涉測量(InSAR)技術(shù)是近年來迅猛發(fā)展的一種空間對地觀測技術(shù)，在InSAR基礎(chǔ)上提出的多時相InSAR(MT-InSAR)方法，利用同一地區(qū)的多景SAR影像對時序穩(wěn)定點(PS)進行精確分析，極大地降低了大氣延遲等帶來的測量誤差，使得形變監(jiān)測精度達到了厘米級到毫米級，可對城市基礎(chǔ)設(shè)施進行大范圍高精度的連續(xù)監(jiān)測。本文通過對MT-InSAR技術(shù)發(fā)展的綜述，總結(jié)了目前MT-InSAR技術(shù)在基礎(chǔ)設(shè)施健康監(jiān)測方面的關(guān)鍵問題和應(yīng)用領(lǐng)域，并對未來MT-InSAR在城市應(yīng)用方面的發(fā)展提出了展望。

合成孔徑雷達干涉；多時相InSAR；永久散射體；城市基礎(chǔ)設(shè)施；形變監(jiān)測

星載合成孔徑雷達干涉測量(synthetic aperture radar interferometry,InSAR)技術(shù)是近年來迅猛發(fā)展的一種空間對地觀測技術(shù)，在InSAR基礎(chǔ)上提出的多時相InSAR(multi-temporal InSAR，MT-InSAR)方法，利用同一地區(qū)的多景SAR影像對時序穩(wěn)定點(persistent scatterer，PS)進行精確分析，極大地降低了大氣延遲等帶來的測量誤差，使得形變監(jiān)測精度達到了厘米級到毫米級，在角反射器的輔助下甚至可實現(xiàn)亞毫米級監(jiān)測精度，相對于傳統(tǒng)測量方法，可提取城市區(qū)域大范圍、高精度的地表三維信息和形變信息。

城市基礎(chǔ)設(shè)施是人居環(huán)境的重要組成部分，基礎(chǔ)設(shè)施的結(jié)構(gòu)健康問題直接關(guān)系城市環(huán)境和社會經(jīng)濟的可持續(xù)發(fā)展。然而近年來，由地下水抽取、地下空間開發(fā)等引起的地面沉降和基礎(chǔ)設(shè)施形變問題日益嚴重，造成基礎(chǔ)設(shè)施的結(jié)構(gòu)變形和損毀，甚至造成人員傷亡事故。在《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要》(2006—2020年)中，明確將“地質(zhì)災(zāi)害的監(jiān)測、預(yù)警和應(yīng)急處置關(guān)鍵技術(shù)”列為了重點領(lǐng)域及優(yōu)先主題。而近年來多分辨率、多頻段SAR衛(wèi)星的發(fā)射推動了基礎(chǔ)設(shè)施健康衛(wèi)星監(jiān)測技術(shù)的發(fā)展，MT-InSAR技術(shù)的進步提高了監(jiān)測的精細化和精準化，使得利用衛(wèi)星從太空中給整個城市做“體檢”成為可能。本文將集中介紹星載MT-InSAR技術(shù)在城市基礎(chǔ)設(shè)施健康監(jiān)測方面的技術(shù)發(fā)展和應(yīng)用情況。城市基礎(chǔ)設(shè)施健康泛指城市地面設(shè)施沉降和形變狀況。

1 MT-InSAR發(fā)展綜述

多時相InSAR(MT-InSAR)是在InSAR基礎(chǔ)上發(fā)展起來的一項利用多景SAR影像實現(xiàn)高精度、高密度測量點提取分析的技術(shù)，尤其適應(yīng)于城市地面沉降和基礎(chǔ)設(shè)施形變監(jiān)測。InSAR發(fā)展初始是用來提取大范圍地表高程信息的一項技術(shù)，其通過兩幅SAR影像共軛相乘即可得到與高程相關(guān)的干涉條紋信息[1-2]，如NASA生產(chǎn)的全球DEM產(chǎn)品SRTM(shuttle radar topographic mission)就是由InSAR技術(shù)獲取的[3]。InSAR相位信息除了與高程相關(guān)還與形變相關(guān)，因此在高程提取基礎(chǔ)上，發(fā)展為差分InSAR技術(shù)(D-InSAR)用以獲取地面微小形變信息，并在Seasat數(shù)據(jù)上進行了試驗驗證[4]。傳統(tǒng)D-InSAR方法通過外部DEM數(shù)據(jù)，只利用兩幅時序SAR影像即可獲取兩個時刻的地表形變信息。傳統(tǒng)D-InSAR形變監(jiān)測主要有兩個誤差源。去相干因子[5]和大氣延遲效應(yīng)[6]。去相干因子包括幾何去相干和時間去相干，幾何去相干指的是當兩幅圖像干涉的時候，由于對地成像的角度不同，在地距向到斜距向投影時會出現(xiàn)偏移，當偏移量大于距離向帶寬時，干涉相對會出現(xiàn)完全失相干，此時的垂直基線稱為極限基線。時間去相干是由于重軌兩幅干涉影像由于拍攝時間不同，地物發(fā)生變化導(dǎo)致的去相干因子。大氣延遲誤差包括電離層和對流層引起的信號延遲，也是影響傳統(tǒng)D-InSAR測量精度的最大的誤差源，通常由沿高度向分層大氣和局部湍流成分組成[7]，其中對流層中20%的濕度差異就會導(dǎo)致大約10 cm的形變誤差，在多云多雨區(qū)域誤差會更大[6]。為了消除大氣延遲誤差，很多學(xué)者在研究D-InSAR形變監(jiān)測時利用外部數(shù)據(jù)模擬大氣相位[8-9]，但只能去除大尺度的大氣效應(yīng)，適應(yīng)于中低分辨率SAR數(shù)據(jù)。綜上所述，在去相干因子和大氣延遲效應(yīng)的影響下，傳統(tǒng)D-InSAR方法實現(xiàn)的形變監(jiān)測精度一般不高，為分米到厘米級[10-11]，而工程上對基礎(chǔ)設(shè)施的監(jiān)測精度要求達到毫米級，因此D-InSAR在城市基礎(chǔ)設(shè)施監(jiān)測應(yīng)用中還有很大的局限性。

為了克服傳統(tǒng)D-InSAR受大氣延遲、時間去相干等因子的影響，提高D-InSAR技術(shù)在基礎(chǔ)設(shè)施監(jiān)測中的應(yīng)用能力，MT-InSAR技術(shù)慢慢發(fā)展起來并成為當前研究的熱點[12]，見表1。MT-InSAR技術(shù)利用多幅SAR影像，根據(jù)大氣空間低通和時間高通的性質(zhì)去除大氣延遲誤差，探測在SAR影像中永久散射體(persistent scatter，PS)點并估計形變信息，測量精度可以達到厘米到毫米級，在角反射器的輔助下甚至可實現(xiàn)亞毫米級監(jiān)測精度[13]。MT-InSAR一開始利用干涉圖stacking技術(shù)提取時序形變[14]，發(fā)展到現(xiàn)在比較有代表性的是以單一影像為主影像的永久散射體干涉(persistent scatterer InSAR，PSInSAR)方法[15-16]和以多幅影像為主影像的小基線(small baseline subsets，SBAS)方法[17]。

以單一主影像的MT-InSAR算法起源于PSInSAR，在其之上發(fā)展起來的算法主要包括IPTA[18]、STUN[19]、StaMPS[20-21]、PSP[22]、SqueeSAR[23]、QPS[24]、Geodetic PSInSAR[25]、SL1MMER[26]和Tomo-PSInSAR[27]等。所謂PS點指的是時序影像中相位穩(wěn)定的像元點，其對應(yīng)自然環(huán)境中的基礎(chǔ)設(shè)施和裸露巖石等，PSInSAR(permanent scatterer interferometry)技術(shù)由Tele-Rilevamento Europa公司申請了專利，后面研究為了避免沖突通常使用Persistent Scatterer的叫法。相比傳統(tǒng)D-InSAR技術(shù)，PSInSAR通過提取時序相干目標抑制了時間去相干和大氣延遲的影響。在PSInSAR方法提出之后，大量的研究工作投入到PSInSAR技術(shù)的研究中用以提高PS的測量精度和空間分布密度。相干點目標分析法(interferometric point target analysis)通過對干涉圖點目標的時空特征分析，提高了時序分析方法的穩(wěn)健性[18]。在監(jiān)測低相干區(qū)域(如山區(qū))時，為了提高PS點空間分布密度，可以通過布設(shè)角反射器作為有效的人工PS點，以達到輔助監(jiān)測的目的[28]。STUN技術(shù)將LAMBDA算法引入到PSInSAR中用于PS點的探測[19]，其使用二層構(gòu)網(wǎng)方法實現(xiàn)了點的擴展，并引入了概率統(tǒng)計模型用于精度的評價。在STUN基礎(chǔ)上又發(fā)展為基于大地測量理論的PSInSAR方法(geodetic PSInSAR)[25]，并將非線性模型自適應(yīng)用于局部基礎(chǔ)設(shè)施的形變反演。為了提高PSInSAR在低相干區(qū)域的監(jiān)測能力，斯坦福永久散射體干涉算法(Stanford method for persistent scatterers algorithm,StaMPS)利用三維時空解纏算法獲取目標的時序形變信息[20,29]，主要適用于火山、地震監(jiān)測，在城市應(yīng)用中StaMPS主要用于提取區(qū)域性沉降信息。基于相鄰像元大氣一致假設(shè)，PSP(persistent scatterer pairs)算法通過解算相鄰PS點不斷往外擴展，利用不同的種子點進行誤差控制，最終實現(xiàn)全局解算[22]。傳統(tǒng)的PSInSAR只能探測人工建筑比較密集的區(qū)域，在PS點稀少的城市區(qū)域，如路面和草坪區(qū)，主要以分布式散射體(distributed scatterer，DS)點為主，SqueeSAR利用同質(zhì)濾波提高DS點的相干性[23]，然后使用時序相位重估重新得到了DS點的相位信息，使得DS點可以和PS點聯(lián)合解算，被稱為第二代PSInSAR，很多學(xué)者又從同質(zhì)濾波、參數(shù)估計等方面對DS點分析做了進一步研究[30-32]。監(jiān)測在建工程設(shè)施時，通常會存在半相干點，即PS點在一定的時序子集內(nèi)呈現(xiàn)穩(wěn)定性，對于半相干點需要通過選擇一定的子集進行探測[24]，但同時也需要更多的計算時間。高分辨率SAR衛(wèi)星的發(fā)射提高了PS測量點的空間密度[33]，同時也加重了復(fù)雜城市環(huán)境中的疊掩現(xiàn)象，基礎(chǔ)設(shè)施之間會產(chǎn)生大量的疊掩散射體，差分SAR層析(D-TomoSAR)方法通過沿高度向?qū)游龀上窨蓪B掩散射體分離[34]，尤其是近年來壓縮感知算法的提出實現(xiàn)了超分辨率層析成像[35-36]，成為SAR層析領(lǐng)域研究的重點。為了解決超高層、高密度城市大氣空間異質(zhì)性的問題，Tomo-PSInSAR算法通過二層構(gòu)網(wǎng)，在無需時空濾波去大氣的條件下實現(xiàn)單散射體和疊掩散射體的探測，并引入穩(wěn)健估計提高參數(shù)估計精度和穩(wěn)健性，實現(xiàn)了PSInSAR和TomoSAR的有機結(jié)合[27]。

以多副SAR影像為主影像的SBAS算法主要適應(yīng)于影像數(shù)量有限的情況，通過小的時間基線和空間基線干涉處理，減小了時間失相干和地形對相位的影響[17]，之后基于小基線理念發(fā)展起來的算法主要包括基于單視操作的SBAS[37]、CT[38]、StaMPS[20-21]、TCP-InSAR[39]、PSIG[40]等。SBAS多視處理會損失空間分辨率，因此提出了基于單視處理的SBAS算法用來探測點目標[37]。另外有基于相干系數(shù)選點的相干目標法(coherent target)[38]，并結(jié)合小基線干涉策略，適用于時序影像數(shù)量少的情況下PS點的提取。StaMPS在單基線配置基礎(chǔ)上也提供了小基線策略下的形變估計方法。TCP-InSAR算法在小基線配置下假設(shè)弧段間DEM和大氣噪聲對相位貢獻值都相對較小，可以直接利用最小二乘實現(xiàn)參數(shù)估計[39]，同時通過弧段質(zhì)量檢驗剔除粗差。PSIG(PSI chain of the geomatics)方法利用2+1D解纏解算形變，適用于城區(qū)、非城區(qū)、植被區(qū)大范圍的監(jiān)測[40]?；谛』€理念的MT-InSAR算法一般需要二維解纏，但是由于城市區(qū)域干涉條紋復(fù)雜性比較高，二維解纏面臨很大的挑戰(zhàn)，另外在小基線配置下提取的高程誤差較大，在城市應(yīng)用中給PS點精確定位帶來很大難度，因此小基線在城區(qū)只適應(yīng)于大尺度的沉降漏斗反演，而在基礎(chǔ)設(shè)施高精度細節(jié)監(jiān)測方面還有很大局限。

國內(nèi)也有許多學(xué)者先后利用MT-InSAR技術(shù)對城市區(qū)域性沉降和基礎(chǔ)設(shè)施形變進行了研究，如對PSInSAR技術(shù)方法和應(yīng)用前景的總結(jié)和展望為國內(nèi)InSAR研究提供了參考[41]；PSInSAR技術(shù)應(yīng)用在蘇州地區(qū)沉降監(jiān)測，其監(jiān)測結(jié)果經(jīng)與水準數(shù)據(jù)對比達到高度一致[42]；網(wǎng)絡(luò)化思想引入到MT-InSAR研究中提高了解算的連通性[43]；大范圍的區(qū)域性InSAR沉降監(jiān)測結(jié)果為全國地面沉降調(diào)查提供了重要的參考資料[44]；多項式模型替代線性模型被引入到PSInSAR中，并對太原地區(qū)沉降進行了監(jiān)測[45]；MT-InSAR技術(shù)用于監(jiān)測青藏高原凍土沉降和青藏鐵路的路基穩(wěn)定性，并分析兩者的相互影響關(guān)系[46]；小基線法分析了地下煤火引起的地面不穩(wěn)定性問題[47]。目前MT-InSAR技術(shù)已經(jīng)開始在各種基礎(chǔ)設(shè)施監(jiān)測中使用，包括鐵路、公路、大壩、橋梁、房屋、機場、地下水開采區(qū)、人工邊坡等，同時在不同類型的基礎(chǔ)設(shè)施監(jiān)測中又面臨各種問題。

表1 代表性MT-InSAR算法

2 MT-InSAR城市應(yīng)用關(guān)鍵問題

MT-InSAR通過多景SAR影像干涉處理對城市基礎(chǔ)設(shè)施形變進行連續(xù)觀測，圖1為MT-InSAR示意圖，其中兩景SAR影像進行共軛相乘得到的干涉相位可以表示為

φ=φhei+φdef+φflat+φatm+φnoise

(1)

圖1 MT-InSAR衛(wèi)星監(jiān)測示意圖Fig.1 The space-borne MT-InSAR monitoring diagram

2.1 大氣誤差消除

大氣延遲誤差是MT-InSAR基礎(chǔ)設(shè)施形變監(jiān)測中主要的誤差源[48]，大氣延遲主要集中在電離層和對流層[49-50]。目前，大氣誤差消除的方法主要分為3類：第1類基于輔助數(shù)據(jù)如大氣壓力、溫度、水汽、對流層折射率等建立大氣效應(yīng)模型用于大氣相位估計與糾正，如采用GPS數(shù)據(jù)對大氣及水汽效應(yīng)進行擾動模型建立及去除[8]和采用ENVI SATMERIS水汽數(shù)據(jù)可沉淀水汽校正模型或及多光譜數(shù)據(jù)中尺度氣象模型進行大氣誤差改正[51]；第2類是根據(jù)一定的物理模型對大氣相位進行估計和改正，如隨機模型通常用于描述大氣延遲的空間結(jié)構(gòu)，而干涉SAR數(shù)據(jù)中的大氣信號具有各向異性，因此各向異性模型目前常被用于大氣信號估計[52]；第3類是考慮大氣相位空間低頻和時間高頻特性，從而在SAR干涉相位成分估計時采用合適濾波步驟對其進行估計及去除，時空濾波方法相對于前兩種方法是從SAR干涉圖中直接估計大氣并消除，是目前MT-InSAR中去除大氣最有效的方法[16,53]。

雖然InSAR領(lǐng)域中已經(jīng)提出各種方法來消除大氣誤差，但在實際應(yīng)用中大氣誤差的消除又面臨各種挑戰(zhàn)，尤其在多云多雨環(huán)境中利用高分辨率SAR影像監(jiān)測城市基礎(chǔ)設(shè)施時，大氣相位時空分布復(fù)雜性增加，主要表現(xiàn)在：受多云多雨氣候影響，大氣延遲在SAR影像中時間變化頻率和空間變化頻率變高；高層建筑的大氣分層效應(yīng)導(dǎo)致大氣延遲隨著高度的變化而變化，表現(xiàn)在影像中是高樓頂端像元和臨近的地面像元大氣相位不一致，進一步增加了大氣的空間異質(zhì)性。大氣的時空復(fù)雜性增加導(dǎo)致傳統(tǒng)時空濾波去大氣不能有效地去除大氣噪聲，因此提出了各種精密構(gòu)網(wǎng)方法，通過臨近點去大氣來提高形變參數(shù)估算的穩(wěn)健性[22,27]。總之，大氣效應(yīng)在不同分辨率SAR影像、不同區(qū)域都顯示出其獨特的特性，如何提出大氣消除的穩(wěn)健性和普適性方法也將是InSAR領(lǐng)域今后一直研究的重點。

2.2 物理參數(shù)估計

MT-InSAR估計的參數(shù)一般包括高度、平均形變速度和時序形變量，在非線性形變模型加入時還有非線性形變幅度，參數(shù)估算直接決定了最終測量精度。

在參數(shù)估算之前首選要選取有效的高相干候選點，SAR影像包括PS、DS、疊掩PS、半相干點、PS旁瓣和噪聲點6種像元類型，其中除去噪聲點都可以作為MT-InSAR監(jiān)測中的有效點。目前提取候選點方法主要包括幅度離差法[15]、空間相干系數(shù)法[38]、強度閾值法[27]、信噪比閾值法[19]等。幅度離差法利用幅度穩(wěn)定性和相位穩(wěn)定性的關(guān)系通過計算幅度穩(wěn)定性提取PS候選點，也是目前提取PS候選點最有效的方法，但此方法適用于幅度定標質(zhì)量高的影像，如ERS、TerraSAR-X等。由于PS旁瓣和主瓣有相似的時序特征，利用幅度離差法提取的PS點可能會包含旁瓣點，這種情況可以利用旁瓣概率圖剔除旁瓣點[54]?？臻g相干系數(shù)法可用于中低分辨率SAR影像PS候選點的選取，如Envisat-ASAR、ALOS等，提取的候選點包括PS、DS和PS旁瓣，空間相干系數(shù)法由于需要通過窗口處理因此會造成聚簇效應(yīng)，所以也需要旁瓣去除。在選取疊掩PS點時由于疊掩PS點不具有幅度穩(wěn)定和空間相干性質(zhì)，因此提取疊掩PS點候選點需要通過強度閾值法來實現(xiàn)。

PSInSAR直接利用候選點進行參數(shù)解算，而SBAS則需要首先進行相位解纏再進行參數(shù)估算，形變參數(shù)估計算法主要包括下面幾種：①周期圖法使用時序相干系數(shù)閾值來確定解算參數(shù)的精度并提取對應(yīng)的參數(shù)[15-16]；②STUN將GPS中使用的LAMBDA算法引入PSInSAR，并提出整體最小二乘算法解算參數(shù)[19]；③TCP InSAR假設(shè)弧段相位已解纏，提出利用最小二乘算法進行參數(shù)估計[39]；④SL1MMER將壓縮感知算法引入TomoSAR中進行參數(shù)估計[36]；⑤Tomo-PSInSAR利用波束形成法和M估計器提高參數(shù)估計的穩(wěn)健性[27]；⑥SBAS算法中利用奇異值分解(SVD)方法估計形變參數(shù)[17]，為了提高參數(shù)估計精度和穩(wěn)定性，L1范數(shù)也用在小基線中解算形變[55]。目前各種參數(shù)估計算法主要研究點就是如何在有噪聲觀測量的情況下提取正確的形變信息，因此近年來穩(wěn)健估計算法(如M估計器、嶺估計、L1范數(shù)等)成為研究的熱點。

2.3 非線性形變估計

MT-InSAR算法在解算形變時需要假設(shè)時序形變模型函數(shù)進行時間維解纏，形變函數(shù)模型決定了在時序相位分析中模型擬合度，線性形變函數(shù)模型是目前描述地學(xué)運動中最重要和最通用的模型，也是MT-InSAR形變反演中最常用的模型[15-16]。但在城市地面沉降和基礎(chǔ)設(shè)施形變監(jiān)測時，不同地物目標在不同時期往往呈現(xiàn)出非線性形變特征，為了提高對非線性形變的擬合度，在時間維解纏時可以加入非線性函數(shù)進行擬合，目前MT-InSAR中使用的非線性形變模型主要包括二次項模型、三次項模型、三角函數(shù)模型、指數(shù)模型、溫度模型等。如采用三次項模型對太原市進行形變反演，提高了反演的精度和空間點密度[45]，利用三角函數(shù)擬合由地下水周期性開采和回灌導(dǎo)致的季節(jié)性抬升和下沉[56]，利用指數(shù)模型來擬合填海區(qū)自然沉降過程[57]，通過引入溫度模型分離了由溫度變化引起的周期性熱脹冷縮和線性形變[58-59]。

目前MT-InSAR中非線性形變模型的引入往往基于對地物目標運動規(guī)律的先驗知識認識，如工程學(xué)和地質(zhì)學(xué)相關(guān)知識，這個對InSAR從業(yè)者往往要求較高，這些先驗知識一般來源于工程地質(zhì)專家，因此也強調(diào)了InSAR在實際應(yīng)用中跨學(xué)科研究的重要性。值得注意的是，非線性形變模型的錯誤引入有可能會導(dǎo)致參數(shù)的過度擬合和函數(shù)的耦合現(xiàn)象，尤其是非線性函數(shù)和線性函數(shù)的高相關(guān)性會導(dǎo)致形變參數(shù)的錯誤估計，一般來講，在引入非線性形變函數(shù)估計中一般要求數(shù)據(jù)時間跨度足夠大，才能降低非線性函數(shù)和線性函數(shù)的相關(guān)性。目前MT-InSAR非線性函數(shù)的引入并沒有統(tǒng)一有效的方法，一般是基于案例分析的，如何在基礎(chǔ)設(shè)施監(jiān)測時自適應(yīng)地加入非線性函數(shù)以此來提高形變反演精度也是今后研究的重點內(nèi)容。

2.4 特殊散射體探測

除了永久散射體點(PS)，城市區(qū)域的特殊散射體包括DS點、疊掩散射體和半相干點。DS點對應(yīng)城市低相干區(qū)域，如路面和草坪等；疊掩散射體指同一像素內(nèi)有多個PS點的像素，如樓房墻面和地面發(fā)生疊掩；半相干點指在一段時間內(nèi)具有時序穩(wěn)定性特征的目標，如在建基礎(chǔ)設(shè)施。這些特殊散射體沒有時序穩(wěn)定性特征，單純的PS點探測無法識別出來，在基礎(chǔ)設(shè)施監(jiān)測時會損失細節(jié)信息。

目前MT-InSAR中能探測低相干目標的方法主要包括SBAS[17]和DSInSAR[23]。SBAS基本思想是將所有SAR影像根據(jù)時間基線和空間基線在一定范圍內(nèi)的干涉對組合成小基線集，限制了時空去相干因子從而提高形變監(jiān)測精度，但是目前SBAS一般需要通過最小費用流[60]和枝切法[61]等進行二維解纏，而城市中復(fù)雜的干涉條紋往往導(dǎo)致二維解纏很難有效地進行，影響了SBAS算法在城市中的應(yīng)用。其中以SqueeSAR為代表的DSInSAR方法，通過同質(zhì)濾波方法提取DS點，主要包括KS假設(shè)檢驗[23]、AD假設(shè)檢驗[62]、似然比檢驗[63]等，在保留PS點信息的同時實現(xiàn)了和DS點的聯(lián)合探測，比SBAS更適應(yīng)于城市低相干目標的探測。

在SAR斜距成像模式下，復(fù)雜城市環(huán)境中高密度、高層建筑設(shè)施會導(dǎo)致大面積的疊掩區(qū)，一個疊掩像元中可能會包含兩個或兩個以上的PS點，疊掩現(xiàn)象在高分辨率SAR影像中更為突出，傳統(tǒng)PSInSAR技術(shù)只能處理一個像素中有單個PS點的情況，無法分離疊掩的多個PS點，因此容易造成形變細節(jié)信息的損失。最近發(fā)展起來的SAR層析成像(TomoSAR)技術(shù)是目前解決疊掩問題最有效的方法，用來SAR層析成像的算法稱為譜分析方法，主要包括Beamforming[64]、Capon[34]、SVD[65]、MUSIC[66]、壓縮感知[36]等，層析成像后可利用模式識別[26]算法提取最終的疊掩散射體。

MT-InSAR中對半相干點的探測一般通過選取一定時間內(nèi)SAR影像的子集進行時序分析[24]，在子集內(nèi)利用和PS探測相同的方法進行解算，理論相對簡單，但是在搜索子集時需要花費大量的計算時間，因為不是所有的半相干點都在一個子集內(nèi)，因此在實際應(yīng)用當中除非研究區(qū)域有大量的在建設(shè)施，否則一般不必探測半相干點。

2.5 PS點精確定位及精度分析

在MT-InSAR基礎(chǔ)設(shè)施形變監(jiān)測中，需要將提取的測量點對應(yīng)到具體地物中，以便于后續(xù)解譯和分析，隨著高分SAR衛(wèi)星(如TerraSAR-X)的發(fā)射，PS測量點密度相比中低分辨率數(shù)據(jù)(如Envisat)增加了100～200倍[33]，由于測量點本身不帶有物理性質(zhì)，因此，測量點的定位精度對于基礎(chǔ)設(shè)施形變解譯和精度驗證具有重要的意義。一般來說，PS點的定位精度包括水平定位精度和垂直定位精度。水平定位精度與衛(wèi)星數(shù)據(jù)分辨率和衛(wèi)星軌道精度等相關(guān)，如TerraSAR-X在角反射器輔助下水平定位精度可以達到厘米級別[67]，而垂直定位精度一般與PS點高度解算的精度相關(guān)，高分辨率SAR影像PS點高度精度可達到亞米級水平[68]。在實際形變解譯中，為了提高PS點定位精度，可以通過模擬的高分SAR影像和真實SAR影像匹配來實現(xiàn)[69]，另外PS點在光學(xué)影像、LiDAR等數(shù)據(jù)的輔助下進行精確匹配也成為當前PS點解譯應(yīng)用中的熱點[70]。

InSAR測量結(jié)果的精度分析一般包括理論分析和與實地數(shù)據(jù)對比分析。歐空局組織的PSIC4和the Terrafirma Validation Project中，由不同的科學(xué)家小組對同一數(shù)據(jù)進行處理然后交叉驗證，得出的形變速度差異標準差為0.4～0.5 mm/a，形變量標準差在1.1～4.0 mm。STUN算法基于隨機模型提出利用協(xié)方差矩陣從理論上描述參數(shù)估計精度[19]。與實地數(shù)據(jù)對比，包括與水準、GPS、LiDAR等測量數(shù)據(jù)的對比，在角反射器輔助試驗下，PS驗證精度達到亞毫米級[13]，TerraSAR-X數(shù)據(jù)反演結(jié)果和水準點直接驗證精度達到毫米級別[71]。值得一提的是，雖然與水準等測量數(shù)據(jù)的比對是目前驗證InSAR監(jiān)測結(jié)果最有效的方法，但是鑒于實際操作中測量點位置不一致和時間不一致會引起對比誤差，另外，InSAR只能測量單一方向(LOS)形變，而LOS向形變只對東西向和垂直向形變敏感，雖然也可以利用偏移量跟蹤[72]或MAI技術(shù)[73]進行南北向形變測量，但是一般誤差較大，因此與水準等對比出的精度也需要客觀評價。

3 城市基礎(chǔ)設(shè)施健康監(jiān)測應(yīng)用案例

城市基礎(chǔ)設(shè)施是城市環(huán)境的重要組成部分，基礎(chǔ)設(shè)施的結(jié)構(gòu)安全問題直接關(guān)系城市環(huán)境和社會經(jīng)濟的可持續(xù)發(fā)展。然而近年來，由地下水抽取、地下空間開發(fā)等引起的地面沉降和基礎(chǔ)設(shè)施形變問題日益嚴重，造成基礎(chǔ)設(shè)施的結(jié)構(gòu)變形和損毀，甚至造成人員傷亡事故，新型地質(zhì)災(zāi)害已經(jīng)成為自然和人類活動共同作用下的結(jié)果。憑借大范圍同步和連續(xù)觀測的優(yōu)勢，星載MT-InSAR技術(shù)可以為不同城市基礎(chǔ)設(shè)施健康狀況提供周期性監(jiān)測服務(wù)，從而保障城市公共設(shè)施安全。

3.1 大型線狀地物形變

重大工程中大型線狀人工地物(如公路、鐵路、大壩、橋梁、輸電線路等)已成為人地關(guān)系的重要標志，與人類生活緊密相連，猶如人類居住地球的動脈，永不停息地承載著能量和物質(zhì)交換。大型線狀人工地物安全運營、有效監(jiān)測是防災(zāi)、減災(zāi)前提，并已刻不容緩。高分辨率商業(yè)SAR衛(wèi)星的發(fā)射使得大型線狀地物的常態(tài)化、精細化監(jiān)測成為可能，如結(jié)合InSAR和GPS監(jiān)測大型線狀地物——青藏鐵路，研究青藏鐵路與凍土變化之間的關(guān)系[46]，利用TerraSAR-X數(shù)據(jù)研究高架橋的熱證冷縮效應(yīng)導(dǎo)致的水平移動[74]，利用TerraSAR-X影像對上海軌道交通網(wǎng)絡(luò)的沉降進行了監(jiān)測[75]，揭示了早期建成的路段穩(wěn)定性高于晚期建成的路段，高架路段穩(wěn)定性高于地下路段。由于大型線狀地物獨特的細長型結(jié)構(gòu)，PS點空間分布不均，因此MT-InSAR需要精密的構(gòu)網(wǎng)才能實現(xiàn)全局連通，另外由于MT-InSAR只對東西向和垂直向形變敏感，當線性地物主要形變呈現(xiàn)南北向時，單純MT-InSAR形變監(jiān)測面臨很大挑戰(zhàn)，需要結(jié)合多角度、多平臺InSAR觀測量或GNSS、水準等數(shù)據(jù)進行聯(lián)合監(jiān)測[76]。

圖2是對深圳灣大橋的監(jiān)測結(jié)果，此結(jié)果利用的是香港中文大學(xué)自主研發(fā)的Skysense軟件完成。由于橋梁受熱脹冷縮效應(yīng)明顯，為了避免參數(shù)估計時相位模型的欠擬合，本次試驗在形變估計時加入了季節(jié)性溫度模型，利用季節(jié)性溫度模型來擬合橋梁的熱脹冷縮效應(yīng)。圖2(a)是得到的橋梁的線性形變結(jié)果，代表了除去溫度變化導(dǎo)致熱脹冷縮的形變部分，圖2(b)是熱膨脹幅度結(jié)果，代表了由溫度變化引起的熱脹冷縮部分。從圖2(b)熱膨脹圖中可以看出，大橋呈現(xiàn)出周期性變化特征，這是由于當溫度變化時橋體發(fā)生熱證冷縮產(chǎn)生水平移動，每隔一段橋體都有一個熱膨脹縫用于承載熱脹冷縮導(dǎo)致的水平移動，由于水平積累效應(yīng)形變的幅度在接縫處最大，最大達到LOS向2 mm/°C，熱膨脹幅度與橋梁材料的熱膨脹系數(shù)和橋體長度相關(guān)，因此在熱膨脹幅度圖上呈現(xiàn)出周期性特征，形變跳變的位置就對應(yīng)熱膨脹縫的位置。從線性形變圖中可以看出，大橋除了熱脹冷縮外無其他明顯變形，因此深圳灣大橋主要緩慢變形就是溫度變化引起的熱脹冷縮。

3.2 地下和半地下空間開發(fā)引起的地面設(shè)施沉降

隨著城市化速度的加快，為了滿足城市需求，大量的基礎(chǔ)設(shè)施正在建設(shè)，尤其是地下和半地下空間開發(fā)，會對地面穩(wěn)定性造成影響，地下、半地下工程會通過改變地下空隙壓力和地下結(jié)構(gòu)引發(fā)地面及周邊區(qū)域沉降甚至坍塌危險。MT-InSAR對于地下工程建設(shè)造成的地面隱伏災(zāi)害監(jiān)測具有重要意義，如SqueeSAR技術(shù)用于監(jiān)測倫敦Jubilee線路在挖掘過程中發(fā)生的沉降，反演的沉降線路與Jubilee挖掘線路一致，沉降量大約在2 cm左右[77]，COSMO-SkyMed數(shù)據(jù)用于監(jiān)測上海新建地鐵9號線和10號線沉降[78]，還有研究MT-InSAR用于監(jiān)測隧道挖掘?qū)Φ孛娣€(wěn)定性的影響[79]。圖3是利用COSMO-SkyMed數(shù)據(jù)對深圳市某基坑建設(shè)期間周邊基礎(chǔ)設(shè)施的監(jiān)測結(jié)果，圖3中矩形范圍為基坑位置，從平均形變速度圖中可以看出基坑建設(shè)期間周邊地面明顯發(fā)生了沉降(紅色點)，從圖3中時序曲線結(jié)果中可以看出，在基坑建設(shè)之前地面呈穩(wěn)定狀態(tài)，而建設(shè)期間地面明顯發(fā)生了沉降，最大沉降量達到20 mm，建成之后基坑又達到了穩(wěn)定狀態(tài)，MT-InSAR有效地監(jiān)測了基坑建設(shè)引起的地面沉降。

圖2 線性形變速度與熱膨脹幅度Fig.2 Linear deformation velocity map and thermal amplitude map

3.3 沿海城市填海區(qū)沉降

為了解決土地資源稀少的問題，沿海城市通常會通過填海造陸擴大土地面積，填海區(qū)在地面壓實過程會產(chǎn)生沉降，從而可能影響地面建筑設(shè)施的穩(wěn)定性，造成基礎(chǔ)設(shè)施的結(jié)構(gòu)變形和損毀，而填海區(qū)大量的地下工程建設(shè)和高層建筑的重力載荷，會進一步加劇填海區(qū)沉降和形變地質(zhì)災(zāi)害發(fā)生的可能性。因此，對填海區(qū)基礎(chǔ)設(shè)施進行長期的監(jiān)測，尤其是對重大基礎(chǔ)設(shè)施及周邊變形進行有效地監(jiān)測與分析，從而對潛在的危險進行預(yù)警和輔助決策，顯得尤為必要。例如，Envisat-ASAR數(shù)據(jù)用于對填海型機場沉降的提取，獲得了與水準數(shù)據(jù)一致的結(jié)果[80-81]；針對填海區(qū)逐漸減速的沉降特征，通過引入非線性模型提高了對填海區(qū)沉降相位的擬合度[57]。填海區(qū)在一開始時期沉降量比較大，會導(dǎo)致地面失相干，MT-InSAR監(jiān)測時可能無法提取有效的PS點，可以借助傳統(tǒng)D-InSAR技術(shù)輔助分析較大沉降區(qū)域，另外填海區(qū)一般位于沿海城市，大氣效應(yīng)比較明顯，如何有效地去除大氣誤差也是研究的熱點問題。

3.4 地下水開采區(qū)沉降

過度的地下水開采是地面沉降和基礎(chǔ)設(shè)施形變的一個主要誘因，傳統(tǒng)的基于點的測量手段對于沉降的范圍和程度描述都有一定的局限性，MT-InSAR憑借其大范圍高密度的測量點分布在地下水開采導(dǎo)致的沉降監(jiān)測中有獨特的優(yōu)勢。例如，PSInSAR技術(shù)對Las Vegas Valley由于長時間周期性抽水造成的地面沉降進行了反演，分別提取了3個時間段的地面沉降信息來進行分析和對比驗證[82]；Envisat-ASAR數(shù)據(jù)用于提取北京市2003—2010年的沉降，揭示了最大沉降速度達到11 cm/年，證明了地下水抽取是北京沉降的主要誘因[83]；通過對德州地區(qū)InSAR沉降監(jiān)測結(jié)果的分析得出了該地區(qū)地面沉降主要受地下水季節(jié)性開采及年降水量變化的控制，形成了每年3—8月快速下降，9月至翌年2月逐步回彈的變化特征[84]。地下水開采導(dǎo)致的地面沉降一般是大范圍的區(qū)域性沉降，如何提取區(qū)域內(nèi)基礎(chǔ)設(shè)施的差異性沉降是判斷結(jié)構(gòu)安全的重要指標。

3.5 采煤區(qū)、采礦區(qū)和采油區(qū)沉降

煤炭、礦產(chǎn)、石油等能源的開采產(chǎn)生了巨大的經(jīng)濟和社會效益，但同時也對當?shù)氐牡刭|(zhì)和生態(tài)環(huán)境產(chǎn)生了嚴重破壞，容易造成采空區(qū)而導(dǎo)致地面沉降和基礎(chǔ)設(shè)施形變?yōu)暮?。為保證能源開采區(qū)經(jīng)濟建設(shè)順利發(fā)展，在開采過程中必須對地面沉降的原因、過程、趨勢進行全面的監(jiān)測，常規(guī)的以點為基礎(chǔ)的測量方法盡管精度高，但成本高、采樣少、測量時間周期長，已無法滿足能源開采區(qū)監(jiān)測要求，而InSAR具有大面積同步測量的優(yōu)勢，已經(jīng)應(yīng)用在采煤區(qū)、采礦區(qū)和采油區(qū)沉降監(jiān)測，例如，監(jiān)測露天礦和地下礦對地表穩(wěn)定性的影響[77]，利用DInSAR技術(shù)提取峰峰礦區(qū)地表沉降監(jiān)測結(jié)果[85]。采煤區(qū)、采礦區(qū)和采油區(qū)一般人工建筑比較少，大部分屬于低相干區(qū)域，傳統(tǒng)PSInSAR技術(shù)往往獲取的測量點較少，DSInSAR技術(shù)在這些區(qū)域地面和設(shè)施監(jiān)測中會發(fā)揮巨大的優(yōu)勢。

3.6 山體滑坡和人工邊坡位移

城市中有大量的邊坡設(shè)施，一旦發(fā)生邊坡位移或山體滑坡會對周邊的居民生命財產(chǎn)造成很大的危害。MT-InSAR技術(shù)已經(jīng)應(yīng)用于滑坡和邊坡的監(jiān)測，例如，PSInSAR技術(shù)用于對緩慢性滑坡的運動反演，分析了滑坡和厄爾尼諾現(xiàn)象的相關(guān)關(guān)系，證明了滑坡位移主要是受降水的影響[86]，SBAS算法用于分析香港大嶼山邊坡位移[87]。MT-InSAR進行城市邊坡和滑坡監(jiān)測時，往往受地面植被覆蓋影響，造成干涉信號中有很大的噪聲，為了解決這個問題，一方面可以利用具有一定穿透能力的長波段衛(wèi)星數(shù)據(jù)(如L波段的ALOS數(shù)據(jù))進行監(jiān)測，另一方面可以通過布設(shè)角反射器提高地面信號的信噪比，用以輔助滑坡監(jiān)測[86]，也可以結(jié)合GPS技術(shù)對邊坡穩(wěn)定性進行聯(lián)合監(jiān)測[88]。

4 未來展望

MT-InSAR在城市地面沉降和基礎(chǔ)設(shè)施健康監(jiān)測領(lǐng)域已經(jīng)有了很多的成功案例，但由于影響InSAR監(jiān)測的因子很多，目前多以試驗研究為主，距離真正的工程化應(yīng)用尚有一段距離，除了MT-InSAR自身技術(shù)的發(fā)展外，如何與其他先進技術(shù)手段進行結(jié)合而更好地對地面和基礎(chǔ)設(shè)施健康進行監(jiān)測成為以后發(fā)展的方向。

4.1 融合天-空-地多源數(shù)據(jù)構(gòu)建全方位立體監(jiān)測網(wǎng)

星載MT-InSAR作為一項對地觀測技術(shù)，其優(yōu)勢在于大范圍、高密度、同步性和連續(xù)測量，但是還無法做到實時定點精準觀測，并且還可能因為SAR影像陰影的存在出現(xiàn)監(jiān)測盲點。為了做到城市基礎(chǔ)設(shè)施的全方位監(jiān)測，可以結(jié)合其他測量手段，如GNSS、水準、物聯(lián)網(wǎng)等構(gòu)建天-空-地全方位立體監(jiān)測網(wǎng)，為城市公共設(shè)施安全保駕護航。

4.2 星載SAR大數(shù)據(jù)處理系統(tǒng)

隨著國外SAR衛(wèi)星數(shù)據(jù)的開放，國產(chǎn)高分三號衛(wèi)星的成功發(fā)射及多顆國產(chǎn)SAR衛(wèi)星的立項，尤其是歐空局Sentinel-1數(shù)據(jù)的免費開放，現(xiàn)在SAR數(shù)據(jù)以每天TB量級接收，未來會達到每天PB的量級，如何將海量SAR數(shù)據(jù)進行快速分布式處理，是實現(xiàn)城市基礎(chǔ)設(shè)施健康常態(tài)化監(jiān)測非常重要的方面。

4.3 借助SAR形變數(shù)據(jù)進行災(zāi)害信息的深度挖掘及早期預(yù)警

MT-InSAR能夠及時提取基礎(chǔ)設(shè)施已經(jīng)發(fā)生的變形信息，但是如何利用這些信息進行災(zāi)害預(yù)警還需要結(jié)合當?shù)氐乃摹⒐こ?、氣象等專家知識進行進一步同化與信息挖掘，隨著人工智能、尤其是深度學(xué)習(xí)的快速發(fā)展，利用MT-InSAR監(jiān)測的形變信息進行基礎(chǔ)設(shè)施危險的早期預(yù)警已經(jīng)成為未來重要的研究方向。

[1] GOLDSTEIN R M, ZEBKER H A, WERNER C L. Satellite Radar Interferometry: Two-dimensional Phase Unwrapping[J]. Radio science, 1988, 23(4): 713-720.

[2] ZEBKER H A, GOLDSTEIN R M. Topographic Mapping from Interferometric Synthetic Aperture Radar Observations[J]. Journal of Geophysical Research: Solid Earth, 1986, 91(B5): 4993-4999.

[3] JARVIS A, REUTER H I, NELSON A, et al. Hole-filled SRTM for the Globe Version 4[EB/OL]. [2017-04-15]. http:∥srtm.Csi.Cgiar.org.

[4] GABRIEL A K, GOLDSTEIN R M, ZEBKER H A. Mapping Small Elevation Changes over Large Areas: Differential Radar Interferometry[J]. Journal of Geophysical Research: Solid Earth, 1989, 94(B7): 9183-9191.

[5] ZEBKER H A, VILLASENOR J. Decorrelation in Interferometric Radar Echoes[J]. IEEE Transactions on Geoscience and Remote Sensing, 1992, 30(5): 950-959.

[6] ZEBKER H A, ROSEN P A, HENSLEY S. Atmospheric Effects in Interferometric Synthetic Aperture Radar Surface Deformation and Topographic Maps[J]. Journal of Geophysical Research: Solid Earth, 1997, 102(B4): 7547-7563.

[7] DOIN M P, LASSERRE C, PELTZER G, et al. Corrections of Stratified Tropospheric Delays in SAR Interferometry: Validation with Global Atmospheric Models[J]. Journal of Applied Geophysics, 2009, 69(1): 35-50.

[8] LI Zhenhong, MULLER J P, CROSS P, et al. Interferometric Synthetic Aperture Radar (InSAR) Atmospheric Correction: GPS, Moderate Resolution Imaging Spectroradiometer (MODIS), and InSAR Integration[J]. Journal of Geophysical Research: Solid Earth, 2005, 110(B3): B03410.

[9] NICO G, TOME R, CATALAO J, et al. On the Use of the WRF Model to Mitigate Tropospheric Phase Delay Effects in SAR Interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(12): 4970-4976.

[10] BAMLER R, HARTL P. Synthetic Aperture Radar Interferometry[J]. Inverse Problems, 1998, 14(4): R1-R54.

[11] ROSEN P A, HENSLEY S, JOUGHIN I R, et al. Synthetic Aperture Radar Interferometry[J]. Proceedings of the IEEE, 2000, 88(3): 333-382.

[12] CROSETTO M, MONSERRAT O, CUEVAS-GONZLEZ M, et al. Persistent Scatterer Interferometry: A Review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 115: 78-89.

[13] FERRETTI A, SAVIO G, BARZAGHI R, et al. Submillimeter Accuracy of InSAR Time Series: Experimental Validation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(5): 1142-1153.

[14] SANDWELL D T, PRICE E J. Phase Gradient Approach to Stacking Interferograms[J]. Journal of Geophysical Research: Solid Earth, 1998, 103(B12): 30183-30204.

[15] FERRETTI A, PRATI C, ROCCA F. Permanent Scatterers in SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 8-20.

[16] FERRETTI A, PRATI C, ROCCA F. Nonlinear Subsidence Rate Estimation Using Permanent Scatterers in Differential SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(5): 2202-2212.

[17] BERARDINO P, FORNARO G, LANARI R, et al. A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11): 2375-2383.

[18] WERNER C, WEGMULLER U, STROZZI T, et al. Interferometric Point Target Analysis for Deformation Mapping[C]∥Proceedings of the 2003 IEEE International Geoscience and Remote Sensing Symposium. Toulouse, France: IEEE, 2003: 4362-4364.

[19] KAMPES B M. Radar Interferometry: Persistent Scatterer Technique[M]. Dordrecht, The Netherlands: Springer, 2006.

[20] HOOPER A, ZEBKER H, SEGALL P, et al. A New Method for Measuring Deformation on Volcanoes and other Natural Terrains Using InSAR Persistent Scatterers[J]. Geophysical Research Letters, 2004, 31(23): L23611.

[21] HOOPER A, SEGALL P, ZEBKER H. Persistent Scatterer Interferometric Synthetic Aperture Radar for Crustal Deformation Analysis, with Application to Volcán Alcedo, Galápagos[J]. Journal of Geophysical Research: Solid Earth, 2007, 112(B7): B07407.

[22] COSTANTINI M, FALCO S, MALVAROSA F, et al. A New Method for Identification and Analysis of Persistent Scatterers in Series of SAR Images[C]∥Proceedings of the IEEE International Geoscience and Remote Sensing Symposium. Boston, MA: IEEE, 2008: II-449-II-452.

[23] FERRETTI A, FUMAGALLI A, NOVALI F, et al. A New Algorithm for Processing Interferometric Data-stacks: SqueeSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(9): 3460-3470.

[24] PERISSIN D, WANG Teng. Repeat-pass SAR Interferometry With Partially Coherent Targets[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(1): 271-280.

[25] VAN LEIJEN F J. Persistent Scatterer Interferometry Based on Geodetic Estimation Theory[D]. Delft: Delft University of Technology, 2014.

[26] ZHU Xiaoxiang, BAMLER R. Super-Resolution Power and Robustness of Compressive Sensing for Spectral Estimation with Application to Spaceborne Tomographic SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(1): 247-258.

[27] MA Peifeng, LIN Hui. Robust Detection of Single and Double Persistent Scatterers in Urban Built Environments[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(4): 2124-2139.

[28] YE Xia, KAUFMANN H, GUO X F. Landslide Monitoring in the Three Gorges Area Using D-InSAR and Corner Reflectors[J]. Photogrammetric Engineering & Remote Sensing, 2004, 70(10): 1167-1172.

[29] HOOPER A, SEGALL P, ZEBKER H. Persistent Scatterer Interferometric Synthetic Aperture Radar for Crustal Deformation Analysis, WITH Application to Volcán Alcedo, Galápagos[J]. Journal of Geophysical Research: Solid Earth, 2007, 112(B7): B07407.

[30] GOEL K, ADAM N. A Distributed Scatterer Interferometry Approach for Precision Monitoring of Known Surface Deformation Phenomena[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(9): 5454-5468.

[31] FORNARO G, VERDE S, REALE D, et al. CAESAR: An Approach Based on Covariance Matrix Decomposition to Improve Multibaseline-Multitemporal Interferometric SAR Processing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(4): 2050-2065.

[32] WANG Yuanyuan, ZHU Xiaoxiang, BAMLER R. Retrieval of Phase History Parameters from Distributed Scatterers in Urban Areas Using Very High Resolution SAR Data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012, 73: 89-99.

[33] GERNHARDT S, ADAM N, EINEDER M, et al. Potential of Very High Resolution SAR for Persistent Scatterer Interferometry in Urban Areas[J]. Annals of GIS, 2010, 16(2): 103-111.

[34] LOMBARDINI F. Differential Tomography: A New Framework for SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(1): 37-44.

[35] ZHU Xiaoxiang, BAMLER R. Very High Resolution Spaceborne SAR Tomography in Urban Environment[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(12): 4296-4308.

[36] ZHU Xiaoxiang, BAMLER R. Tomographic SAR Inversion byL1-Norm Regularization-The Compressive Sensing Approach[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(10): 3839-3846.

[37] LANARI R, MORA O, MANUNTA M, et al. A Small-baseline Approach for Investigating Deformations on Full-resolution Differential SAR Interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(7): 1377-1386.

[38] MORA O, MALLORQUI J J, BROQUETAS A. Linear and Nonlinear Terrain Deformation Maps from a Reduced Set of Interferometric SAR Images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(10): 2243-2253.

[39] ZHANG Lei, DING Xiaoli, LU Zhong. Modeling PSInSAR Time Series without Phase Unwrapping[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(1): 547-556.

[40] DEVANTHéRY N, CROSETTO M, MONSERRAT O, et al. An Approach to Persistent Scatterer Interferometry[J]. Remote Sensing, 2014, 6(7): 6662-6679.

[41] 李德仁, 廖明生, 王艷. 永久散射體雷達干涉測量技術(shù)[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2004, 29(8): 664-668.

LI Deren, LIAO Mingsheng, WANG Yan. Progress of Permanent Scatterer Interferometry[J]. Geomatics and Information Science of Wuhan University, 2004, 29(8): 664-668.

[42] 湯益先, 張紅, 王超. 基于永久散射體雷達干涉測量的蘇州地區(qū)沉降研究[J]. 自然科學(xué)進展, 2006, 16(8): 1015-1020.

TANG Yixian, ZHANG Hong, WANG Chao, Study on Settlement of Suzhou Area Based on Permanent Scatterer Interferometry[J]. Progress in Natural Science, 2006, 16(8): 1015-1020.

[43] LIU Guoxiang, LUO Xiaojun, CHEN Qiang, et al. Detecting Land Subsidence in Shanghai by PS-Networking SAR Interferometry[J]. Sensors, 2008, 8(8): 4725-4741.

[44] 葛大慶, 郭小方, 張玲. 華北平原地面沉降區(qū)InSAR監(jiān)測[R]. 北京: 中國國土資源航空物探遙感中心, 2010.

GE Daqing, GUO Xiaofang, ZHANG Ling. InSAR Monitoring of Ground Subsidence Area in North China Plain[R]. Beijing: China Aero Geophysical Surveying and Remote Sensing Center for Land and Resources, 2010.

[45] 張永紅, 吳宏安, 孫廣通. 時間序列InSAR技術(shù)中的形變模型研究[J]. 測繪學(xué)報, 2012, 41(6): 864-869, 876.

ZHANG Yonghong, WU Hongan, SUN Guangtong. Deformation Model of Time Series Interferometric SAR Techniques[J]. Acta Geodaetica et Cartographica Sinica, 2012, 41(6): 864-869, 876.

[46] CHEN Fulong, LIN Hui, LI Zhen, et al. Interaction between Permafrost and Infrastructure along the Qinghai-Tibet Railway Detected via Jointly Analysis of C- and L-band Small Baseline SAR Interferometry[J]. Remote Sensing of Environment, 2012, 123: 532-540.

[47] JIANG Liming, LIN Hui, MA Jianwei, et al. Potential of Small-Baseline SAR Interferometry for Monitoring Land Subsidence Related to Underground Coal Fires: Wuda (Northern China) Case Study[J]. Remote Sensing of Environment, 2011, 115(2): 257-268.

[48] IANNINI L, GUARNIERI A M. Atmospheric Phase Screen in Ground-based Radar: Statistics and Compensation[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(3): 537-541.

[49] HANSSEN R F. Radar Interferometry: Data Interpretation and Error Analysis[M]. Netherlands: Springer, 2001.

[50] HANSSEN R F, WECKWERTH T M, ZEBKER H A, et al. High-resolution Water Vapor Mapping from Interferometric Radar Measurements[J]. Science, 1999, 283(5406): 1297-1299.

[51] PUYSSéGUR B, MICHEL R, AVOUAC J P. Tropospheric Phase Delay in Interferometric Synthetic Aperture Radar Estimated from Meteorological Model and Multispectral Imagery[J]. Journal of Geophysical Research: Solid Earth, 2007, 112(B5): B05419.

[52] CHAABANE F, AVALLONE A, TUPIN F, et al. A Multitemporal Method for Correction of Tropospheric Effects in Differential SAR Interferometry: Application to the Gulf of Corinth Earthquake[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(6): 1605-1615.

[53] ROCCA F, PRATI C, FERRETTI A. Space-borne SARs: Impact of Wavelengths and Scan Modes on Ground Motion Studies[J]. Annals of GIS, 2010, 16(2): 69-79.

[54] IGLESIAS R, MALLORQUI J J. Side-lobe Cancelation in DInSAR Pixel Selection with SVA[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(4): 667-671.

[55] LAUKNES T R, ZEBKER H A, LARSEN Y. InSAR Deformation Time Series Using AnL1-norm Small-Baseline Approach[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(1): 536-546.

[56] COLESANTI C, FERRETTI A, NOVALI F, et al. SAR Monitoring of Progressive and Seasonal Ground Deformation Using The Permanent Scatterers Technique[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(7): 1685-1701.

[57] KIM S W, WDOWINSKI S, DIXON T H, et al. Measurements and Predictions of Subsidence Induced by Soil Consolidation Using Persistent Scatterer InSAR and a Hyperbolic Model[J]. Geophysical Research Letters, 2010, 37(5): L05304.

[58] MA Peifeng, LIN Hui, LAN Hengxing, et al. Multi-dimensional SAR Tomography for Monitoring the Deformation of Newly Built Concrete Buildings[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 106: 118-128.

[59] MONSERRAT O, CROSETTO M, CUEVAS M, et al. The Thermal Expansion Component of Persistent Scatterer Interferometry Observations[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(5): 864-868.

[60] REFICE A, SATALINO G, STRAMAGLIA S, et al. Weights Determination for Minimum Cost Flow InSAR Phase Unwrapping[C]∥Proceedings of the IEEE 1999 International Geoscience and Remote Sensing Symposium. Hamburg: IEEE, 1999, 2: 1342-1344.

[61] GUTMANN B, WEBER H. Phase Unwrapping with the Branch-cut Method: Role of Phase-field Direction[J]. Applied Optics, 2000, 39(26): 4802-4816.

[62] GOEL K, ADAM N. An Advanced Algorithm for Deformation Estimation in Non-urban Areas[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012, 73: 100-110.

[63] PARIZZI A, BRCIC R. Adaptive InSAR Stack Multilooking Exploiting Amplitude Statistics: A Comparison between Different Techniques and Practical Results[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(3): 441-445.

[64] REIGBER A, MOREIRA A. First Demonstration of Airborne SAR Tomography Using Multibaseline L-Band Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(5): 2142-2152.

[65] FORNARO G, REALE D, SERAFINO F. Four-Dimensional SAR Imaging for Height Estimation and Monitoring of Single and Double Scatterers[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(1): 224-237.

[66] GINI F, LOMBARDINI F, MONTANARI M. Layover Solution in Multibaseline SAR Interferometry[J]. IEEE Transactions on Aerospace and Electronic Systems, 2002, 38(4): 1344-1356.

[67] ZHU Xiaoxiang, MONTAZERI S, GISINGER C, et al. Geodetic SAR Tomography[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(1): 18-35.

[68] MA Peifeng, LIN Hui, LAN Hengxing, et al. On the Performance of ReweightedL1Minimization for Tomographic SAR Imaging[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(4): 895-899.

[69] AUER S, GERNHARDT S, BAMLER R. Investigations on the Nature of Persistent Scatterers Based on Simulation Methods[C]∥Proceedings of the 2011 Joint Urban Remote Sensing Event (JURSE). Munich: IEEE, 2011: 61-64.

[70] WANG Yuanyuan, ZHU Xiaoxiang, ZEISL B, et al. Fusing Meter-resolution 4D InSAR Point Clouds and Optical Images for Semantic Urban Infrastructure Monitoring[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(1): 14-26.

[71] LIU Guoxiang, JIA Hongguo, NIE Yunju, et al. Detecting Subsidence in Coastal Areas by Ultrashort-baseline TCPInSAR on the Time Series of High-resolution TerraSAR-X Images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(4): 1911-1923.

[72] MICHEL R, AVOUAC J P, TABOURY J. Measuring Ground Displacements from SAR Amplitude Images: Application to the Landers Earthquake[J]. Geophysical Research Letters, 1999, 26(7): 875-878.

[73] BECHOR N B D, ZEBKER H A. Measuring Two-dimensional Movements Using a Single InSAR Pair[J]. Geophysical Research Letters, 2006, 33(16): L16311.

[74] CROSETTO M, MONSERRAT O, CUEVAS-GONZLEZ M, et al. Measuring Thermal Expansion Using X-band Persistent Scatterer Interferometry[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 100: 84-91.

[75] 秦曉瓊, 楊夢詩, 王寒梅, 等. 高分辨率PS-InSAR在軌道交通形變特征探測中的應(yīng)用[J]. 測繪學(xué)報, 2016, 45(6): 713-721. DOI: 10.11947/j.AGCS.2016.20150440.

QIN Xiaoqiong, YANG Mengshi, WANG Hanmei, et al. Application of High-resolution PS-InSAR in Deformation Characteristics Probe of Urban Rail Transit[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(6): 713-721. DOI: 10.11947/j.AGCS.2016.20150440.

[76] HU J, LI Z W, DING X L, et al. Resolving Three-dimensional Surface Displacements from InSAR Measurements: A Review[J]. Earth-Science Reviews, 2014, 133: 1-17.

[77] COLOMBO D, TRE E. Measuring Deformation from Space. InSAR as An Operational Tool for Mining Sector[C]∥SASGI Proceedings 2013. [S.l.]:[s.n.], 2013.

[78] PERISSIN D, WANG Zhiying, LIN Hui. Shanghai Subway Tunnels and Highways Monitoring through Cosmo-SkyMed Persistent Scatterers[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012, 73: 58-67.

[79] BARLA G, TAMBURINI A, DEL CONTE S, et al. InSAR Monitoring of Tunnel Induced Ground Movements[J]. Geomechanics and Tunnelling, 2016, 9(1): 15-22.

[80] JIANG Liming, LIN Hui. Integrated Analysis of SAR Interferometric and Geological Data for Investigating Long-Term Reclamation Settlement of Chek Lap Kok Airport, Hong Kong[J]. Engineering Geology, 2010, 110(3-4): 77-92.

[81] ZHAO Qing, LIN Hui, GAO Wei, et al. InSAR Detection of Residual Settlement of an Ocean Reclamation Engineering Project: A Case Study of Hong Kong International Airport[J]. Journal of Oceanography, 2011, 67(4): 415-426.

[82] BELL J W, AMELUNG F, FERRETTI A, et al. Permanent Scatterer InSAR Reveals Seasonal and Long-Term Aquifer-System Response to Groundwater Pumping and Artificial Recharge[J]. Water Resources Research, 2008, 44(2): W02407.

[83] CHEN Mi, TOMS R, LI Zhenhong, et al. Imaging Land Subsidence Induced by Groundwater Extraction in Beijing (China) Using Satellite Radar Interferometry[J]. Remote Sensing, 2016, 8(6): 468.

[84] 葛大慶, 殷躍平, 王艷, 等. 地面沉降-回彈及地下水位波動的InSAR長時序監(jiān)測——以德州市為例[J]. 國土資源遙感, 2014, 26(1): 103-109.

GE Daqing, YIN Yueping, WANG Yan, et al. Seasonal Subsidence-Rebound and Ground Water Level Changes Monitoring by Using Coherent Target InSAR Technique: A Case Study of Dezhou, Shandong[J]. Remote Sensing for Land & Resources, 2014, 26(1): 103-109.

[85] 劉廣, 郭華東, HANSSEN R, 等. InSAR技術(shù)在礦區(qū)沉降監(jiān)測中的應(yīng)用研究[J]. 國土資源遙感, 2008, 20(2): 51-55.

LIU Guang, GUO Huadong, HANSSEN R, et al. The Application of InSAR Technology to Mining Area Subsidence Monitoring[J]. Remote Sensing for Land & Resources, 2008, 20(2): 51-55.

[86] HILLEY G E, BüRGMANN R, FERRETTI A, et al. Dynamics of Slow-moving Landslides from Permanent Scatterer Analysis[J]. Science, 2004, 304(5679): 1952-1955.

[87] CHEN Fulong, LIN Hui, HU Xianzhi. Slope Superficial Displacement Monitoring by Small Baseline SAR Interferometry Using Data from L-band ALOS PALSAR and X-band TerraSAR: A Case Study of Hong Kong, China[J]. Remote Sensing, 2014, 6(2): 1564-1586.

[88] AKBARIMEHR M, MOTAGH M, HAGHSHENAS-HAGHIGHI M. Slope Stability Assessment of the Sarcheshmeh Landslide, Northeast Iran, Investigated Using InSAR and GPS Observations[J]. Remote Sensing, 2013, 5(8): 3681-3700.

(責(zé)任編輯:張艷玲)

Urban Infrastructure Health Monitoring with Spaceborne Multi-temporal Synthetic Aperture Radar Interferometry

LIN Hui1,2,MA Peifeng1,2,3,WANG Weixi4

1. Institute of Space and Earth Information Science, The Chinese University of Hong Kong, Hong Kong, China; 2. Shenzhen Research Institute, The Chinese University of Hong Kong, Shenzhen 518057, China; 3. Faculty of Geosciences and Environmental Engineering , Southwest Jiaotong University, Chengdu 611756, China; 4. Shenzhen Research Center of Digital City Engineering, Shenzhen 518057, China

Synthetic aperture radar interferometry (InSAR) is a well developed earth observation technology in the last two decades. It can measure minute movements and digital elevation model with high accuracy over large areas by inteferometric processing of two SAR images. In particular, multi-temporal InSAR (MT-InSAR) can achieve centimetric to millimetric deformation monitoring by properly removing atmospheric delay using multiple SAR images. This paper gives a review of current cutting-edge MT-InSAR algorithms. The focus is on the key technologies of MT-InSAR and the primary application fields for urban infrastructural health monitoring. Finally, we give some suggestions for the future development of this technology.

InSAR; MT-InSAR; PS; urban infrastructure; deformation monitoring

The Open Fund of Key Laboratory of Urban Land Resources Monitoring and Simulation，Ministry of Land and Resources; The National Key Basic Research Program of China (2015CB954103); The National Natural Science Foundation of China (41601356)

LIN Hui(1954—)，male, PhD, professor, majors in geoinformation science

MA Peifeng

林琿，馬培峰，王偉璽.監(jiān)測城市基礎(chǔ)設(shè)施健康的星載MT-InSAR方法介紹[J].測繪學(xué)報，2017,46(10)：1421-1433.

10.11947/j.AGCS.2017.20170339.

LIN Hui,MA Peifeng,WANG Weixi.Urban Infrastructure Health Monitoring with Spaceborne Multi-temporal Synthetic Aperture Radar Interferometry[J]. Acta Geodaetica et Cartographica Sinica,2017,46(10):1421-1433. DOI:10.11947/j.AGCS.2017.20170339.

P227

A

1001-1595(2017)10-1421-13

國土資源部城市土地資源監(jiān)測與仿真重點實驗室開放基金；國家重點基礎(chǔ)研究發(fā)展計劃(2015CB954103)；國家自然科學(xué)基金(41601356)

2017-06-21

修回日期： 2017-09-11

林琿(1954—)，男，博士，教授，研究方向為地理信息科學(xué)。

E-mail： huilin@cuhk.edu.hk

馬培峰

E-mail： mapeifeng@cuhk.edu.hk