朱建軍，李志偉，胡 俊

中南大學(xué)地球科學(xué)與信息物理學(xué)院，湖南 長沙 410083

InSAR變形監(jiān)測方法與研究進(jìn)展

朱建軍，李志偉，胡 俊

中南大學(xué)地球科學(xué)與信息物理學(xué)院，湖南 長沙 410083

變形監(jiān)測是星載InSAR技術(shù)應(yīng)用最為成熟的領(lǐng)域之一。本文首先介紹了InSAR變形監(jiān)測的基本原理和衛(wèi)星數(shù)據(jù)來源；然后對(duì)InSAR變形監(jiān)測方法進(jìn)行了系統(tǒng)性的分類，分析了D-InSAR、PS-InSAR、SBAS-InSAR、DS-InSAR和MAI等方法的技術(shù)特點(diǎn)和適用范圍；進(jìn)而從應(yīng)用的角度分析了InSAR技術(shù)在城市、礦山、地震、火山、基礎(chǔ)設(shè)施、冰川、凍土和滑坡等領(lǐng)域的研究現(xiàn)狀和不足之處；最后總結(jié)出InSAR變形監(jiān)測在多維形變和低相干區(qū)測量、大氣和軌道誤差去除和精度評(píng)定等方面的前沿問題。

InSAR；變形監(jiān)測；星載；綜述

星載合成孔徑雷達(dá)干涉測量(interferometric synthetic aperture radar,InSAR)因其高精度、高分辨率、全天候等優(yōu)點(diǎn)已迅速成為常用的大地測量技術(shù)之一，旨在通過計(jì)算兩次過境時(shí)SAR影像的相位差來獲取數(shù)字高程模型[1-2]。隨之而來的差分雷達(dá)干涉技術(shù)(differential interferometric synthetic aperture radar,D-InSAR)則是通過引入外部DEM或三軌/四軌差分實(shí)現(xiàn)了地表變形監(jiān)測。除了地形因素外，時(shí)空失相干、大氣、軌道等也是影響DInSAR技術(shù)的形變監(jiān)測精度的主要因素[3-4]。與此同時(shí)，衛(wèi)星硬件的不斷發(fā)展，重返周期越來越短會(huì)導(dǎo)致微小形變與噪聲之間的混疊，空間分辨率越來越高也會(huì)導(dǎo)致噪聲更加復(fù)雜，這些都對(duì)常規(guī)D-InSAR的形變監(jiān)測提出更高的挑戰(zhàn)。此外，D-InSAR技術(shù)獲取的形變是地表真實(shí)三維形變在雷達(dá)視線方向(line-of-sight,LOS)上的投影，目前多通過除以入射角的余弦值得到垂直向的形變。但是，這需要假設(shè)水平方向上無形變[5]，很多情況下并不滿足，從而導(dǎo)致形變信號(hào)的錯(cuò)誤解譯。

為了突破DInSAR技術(shù)的這些限制，學(xué)者們提出了多時(shí)相InSAR技術(shù)(multi-temporal InSAR,MT-InSAR)來進(jìn)行高精度的形變監(jiān)測，如永久散射體(persistent scatterer InSAR,PS-InSAR)、小基線集(small baseline subsets InSAR,SBAS-InSAR)和分布式散射體(distributed scatterer InSAR,DS-InSAR)等。此外，為了彌補(bǔ)D-InSAR或MT-InSAR技術(shù)只能獲取LOS形變的缺陷，學(xué)者又提出多孔徑InSAR(multi-aperture InSAR,MAI)技術(shù)來獲取方位向(即衛(wèi)星飛行方向)上的形變信息。以上這些InSAR技術(shù)已廣泛應(yīng)用于各類形變監(jiān)測中，如城市地面沉降、礦區(qū)沉降、地震及板塊運(yùn)動(dòng)、火山噴發(fā)、基礎(chǔ)設(shè)施變形、冰川漂移、凍土形變、滑坡等。

本文旨在通過分析以上這些InSAR技術(shù)及其在各應(yīng)用領(lǐng)域的研究現(xiàn)狀，使讀者能夠?qū)nSAR變形監(jiān)測有更為系統(tǒng)性的理解。本文章節(jié)安排如下：第1節(jié)介紹InSAR技術(shù)與現(xiàn)狀，包括雷達(dá)干涉測量原理和SAR衛(wèi)星現(xiàn)狀；第2節(jié)介紹目前主流的幾種InSAR變形監(jiān)測方法及進(jìn)展；第3節(jié)介紹InSAR變形監(jiān)測在重點(diǎn)應(yīng)用領(lǐng)域的研究現(xiàn)狀；第4節(jié)則對(duì)InSAR變形監(jiān)測的挑戰(zhàn)進(jìn)行分析。

1 InSAR技術(shù)與現(xiàn)狀

1.1 雷達(dá)干涉測量原理

合成孔徑雷達(dá)干涉測量技術(shù)(InSAR)集合成孔徑雷達(dá)技術(shù)與干涉測量技術(shù)于一體。合成孔徑雷達(dá)(SAR)是一種主動(dòng)式微波遙感，用來記錄地物的散射強(qiáng)度信息及相位信息，前者反映了地表屬性(含水量、粗糙度、地物類型等)，后者則蘊(yùn)含了傳感器與目標(biāo)物之間的距離信息。干涉的基本原理是同一區(qū)域兩次或多次過境的SAR影像的復(fù)共軛相乘，來提取地物目標(biāo)的地形或者形變信息。雷達(dá)干涉的模式分為：沿軌道干涉法、交叉軌道干涉法、重復(fù)軌道干涉法。其中利用重軌干涉最為常用的方式，以此為例，所得到的干涉相位表達(dá)式為[4]

φint=φflat+φtopo+φdef+φatmo+φnoise

(1)

式中，φflat為平地相位；φtopo為地形相位，該相位可以用來恢復(fù)地形信息；φdef為地表形變引起的相位；φatmo為大氣延遲相位；φnoise為觀測噪聲引起的相位。

將平地相位、地形相位、噪聲相位、大氣相位去除，即可得到地表形變相位，這樣的雷達(dá)干涉技術(shù)被稱為雷達(dá)差分干涉技術(shù)(D-InSAR)，文獻(xiàn)[2]首次論證該項(xiàng)技術(shù)可用于探測厘米級(jí)的地表形變。其幾何關(guān)系如圖1所示。

圖1 差分干涉測量幾何關(guān)系Fig.1 Geometric relation of differential interferometry

從圖3中可以導(dǎo)出以下關(guān)系

(2)

式中，Δr為所要求解的地面目標(biāo)點(diǎn)的LOS向形變信息；λ為雷達(dá)波長。

1.2 SAR衛(wèi)星的發(fā)展現(xiàn)狀

1978年，美國發(fā)射了L波段SEASAT衛(wèi)星，在1981、1984年又相繼發(fā)射了SIR-A和SIR-B衛(wèi)星，為最初的研究提供了少量的星載數(shù)據(jù)。隨后其他國家也相繼研究并研發(fā)了不同波段的中低分辨率的SAR衛(wèi)星。1991年7月、1995年4月歐洲空間局(ESA)相繼發(fā)射了C波段ERS-1和ERS-2衛(wèi)星，采用相同的軌道參數(shù)，組成串行飛行模式，為對(duì)地觀測提供了大量的數(shù)據(jù)，極大地推動(dòng)了InSAR技術(shù)的發(fā)展。1992年日本空間局發(fā)射了L波段JERS-1衛(wèi)星，長波段的穿透力強(qiáng)，使其在InSAR監(jiān)測中具有很強(qiáng)的優(yōu)勢，但JERS-1衛(wèi)星并不是專門針對(duì)干涉測量而設(shè)計(jì)的，軌道誤差較為嚴(yán)重，影響了它的適用性。1995年，加拿大發(fā)射了C波段RADARSAR-1衛(wèi)星，獲取了覆蓋全球的大量數(shù)據(jù)。21世紀(jì)以后，SAR衛(wèi)星系統(tǒng)的硬件得到更大的改進(jìn)，專門針對(duì)干涉測量的衛(wèi)星陸續(xù)發(fā)射成功。2000年美國實(shí)施的SRTM計(jì)劃，利用航天飛機(jī)獲取了全球80%的30 m和90 m分辨率的DEM數(shù)據(jù)，對(duì)差分干涉測量提供了可靠的外部DEM數(shù)據(jù)。歐空局2002年3月發(fā)射的ERS系列后繼衛(wèi)星ENVISAT不僅提供了SAR數(shù)據(jù)，還提供了MERIS水汽數(shù)據(jù)，對(duì)InSAR數(shù)據(jù)中大氣延遲誤差的改正提供了極大的幫助。2006年1月日本空間局發(fā)射了L波段的ALOS-1衛(wèi)星，因其長波長穿透性強(qiáng)、抗失相干的特性在地震、礦山等方面的監(jiān)測得到了廣泛的應(yīng)用。ERS-1/2、ENVISAT、ALOS-1、RADARSAT-1獲取豐富的中低分辨率SAR數(shù)據(jù)成為21世紀(jì)早期InSAR技術(shù)發(fā)展的主要數(shù)據(jù)源，大部分的研究成果也是基于這些數(shù)據(jù)得到。

在上述的中低分辨率的SAR衛(wèi)星陸續(xù)停止服務(wù)后，新一代高分辨率衛(wèi)星相繼發(fā)射，而且這些SAR衛(wèi)星系統(tǒng)也從單一極化、模式、波段、固定入射角向多極化、多模式、多波段、可變?nèi)肷浣前l(fā)展。由此，SAR衛(wèi)星系統(tǒng)迎來了一個(gè)全新的時(shí)代。2007年德國航空航天局成功發(fā)射了X波段TerraSAR-X衛(wèi)星，隨后在2010年發(fā)射了其姊妹星TanDEM-X，構(gòu)成分布式協(xié)同工作模式，可以提供全球高精度的數(shù)據(jù)及數(shù)字高程模型，分辨率最高可達(dá)0.25 m。意大利空間局設(shè)計(jì)的X波段COSMO-SkyMed星座包括4顆星，分別于2007年6月、2007年12月、2008年10月、2010年11月成功發(fā)射，分辨率高達(dá)1 m，重訪周期短，在風(fēng)險(xiǎn)預(yù)警、災(zāi)害管理等方面發(fā)揮著重要的作用。2007年12月加拿大發(fā)射的C波段RADARSAT-2衛(wèi)星繼承了RADARSAT-1衛(wèi)星的工作模式，還增加了多極化成像等，增強(qiáng)了其在地形監(jiān)測領(lǐng)域的觀測能力。2014年4月歐空局成功發(fā)射了首顆環(huán)境監(jiān)測衛(wèi)星C波段Sentinel-1A衛(wèi)星，并于2016年4月發(fā)射了Sentinel-1B衛(wèi)星，對(duì)全球大范圍的地質(zhì)、環(huán)境災(zāi)害的監(jiān)測提供了豐富的數(shù)據(jù)。2014年5月日本成功發(fā)射的L波段ALOS-2衛(wèi)星，空間分辨率最高達(dá)到1 m，其在大型地質(zhì)災(zāi)害(如地震)監(jiān)測領(lǐng)域具有獨(dú)一無二的優(yōu)勢。與此同時(shí)，我國也在積極的研發(fā)SAR衛(wèi)星，并于2016年8月10日在太原成功發(fā)射了高分三號(hào)(GF-3)衛(wèi)星，實(shí)現(xiàn)了我國衛(wèi)星SAR影像干涉測量零的突破。

現(xiàn)有的SAR衛(wèi)星系統(tǒng)具體參數(shù)如表1所示。在未來，SAR衛(wèi)星系統(tǒng)的設(shè)計(jì)將會(huì)針對(duì)不同的研究領(lǐng)域而進(jìn)行規(guī)劃，例如，歐空局規(guī)劃在2020年發(fā)射P波段BIOMASS衛(wèi)星是為森林樹高測繪和生物量反演而設(shè)計(jì)；德國航天局預(yù)計(jì)在2022年發(fā)射的L波段TanDEM-L衛(wèi)星，主要針對(duì)全球陸表動(dòng)態(tài)變化監(jiān)測而設(shè)計(jì)。

表1 現(xiàn)有SAR衛(wèi)星系統(tǒng)具體參數(shù)

續(xù)表1

2 InSAR變形監(jiān)測方法與進(jìn)展

2.1 D-InSAR方法

D-InSAR是在傳統(tǒng)的InSAR技術(shù)上發(fā)展起來的方法，主要通過引入外部DEM去除InSAR獲取的干涉圖中的地形相位，進(jìn)而得到差分干涉圖[2]。而這差分干涉相位中除了地形相位外，還存在平地效應(yīng)、形變信號(hào)、大氣以及噪聲成分。由于該差分干涉相位仍然是纏繞的，因此需對(duì)剩余的相位成分進(jìn)行整周模糊度求解。具體地，通過精確的軌道信息來去除平地效應(yīng)，利用一定的濾波來降噪，通過外部數(shù)據(jù)或模型來去除大氣相位[6]，通過相應(yīng)的相位解纏方法來獲取整周模糊度[7]。自Gabriel在1989年首次利用D-InSAR成功獲取了農(nóng)田區(qū)的形變信息后，學(xué)者們相繼對(duì)DInSAR技術(shù)做了一系列的改進(jìn)，如濾波算法的提出和改進(jìn)[8-9]、軌道相位的去除[10]、相干性的穩(wěn)健性估計(jì)、電離層的去除[12]等。同時(shí)，D-InSAR也從最初的地震、火山等大范圍地表形變監(jiān)測慢慢發(fā)展到局部形變監(jiān)測，如結(jié)合角反射器的礦區(qū)、滑坡、油氣田以及城市地表形變。雖然D-InSAR已取得了一定的成果，但因監(jiān)測精度仍受時(shí)空失相干、大氣等因素的影響，因此基于D-InSAR發(fā)展起來的MT-InSAR是現(xiàn)今InSAR技術(shù)監(jiān)測變形的研究熱點(diǎn)。

2.2 PS-InSAR方法

文獻(xiàn)[13—14]首次提出了PS-InSAR方法，其基本思想是：第一，利用覆蓋同一研究區(qū)的多景單視SAR影像，選取其中一景SAR影像作為主影像，其余SAR影像分別與主影像配準(zhǔn)，依據(jù)時(shí)間序列上的幅度和(或)相位信息的穩(wěn)定性選取永久散射體(Persistent Scatterer，PS)目標(biāo)；第二，經(jīng)過干涉和去地形處理，得到基于永久散射體目標(biāo)的差分干涉相位，并對(duì)相鄰的永久散射體目標(biāo)的差分干涉相位進(jìn)行再次差分；第三，根據(jù)兩次差分后的干涉相位中各個(gè)相位成分的不同特性，采用構(gòu)建形變相位模型和時(shí)空濾波或方式估計(jì)形變和地形殘余信息。

PS-InSAR技術(shù)不是針對(duì)SAR影像中的所有像元進(jìn)行數(shù)據(jù)處理，而是選取在時(shí)間上散射特性相對(duì)穩(wěn)定、回波信號(hào)較強(qiáng)的PS點(diǎn)作為觀測對(duì)象。這些PS點(diǎn)通常包括人工建筑物、燈塔、裸露的巖石以及人工布設(shè)的角反射器等[14]。PS點(diǎn)的準(zhǔn)確選取可以確保即便在干涉對(duì)的時(shí)間或空間基線很長的條件下(甚至達(dá)到臨界基線)，PS點(diǎn)依然呈現(xiàn)出較好的相干性和穩(wěn)定性。常用PS點(diǎn)選取方法包括振幅離差閾值法[14]、相干系數(shù)法[16]、相位分析法[17]，以及這些方法的組合等。而形變和地形殘差解算通常采用解空間搜索法[14]、LAMBDA方法[18]和StamPS中的三維解纏法[19]等。

目前，PS-InSAR技術(shù)已在多個(gè)城市的高分辨率地面沉降監(jiān)測中得到廣泛應(yīng)用，特別是城市重點(diǎn)基礎(chǔ)設(shè)施的高分辨率形變監(jiān)測。通過對(duì)比同期的水準(zhǔn)和GPS測量數(shù)據(jù)，證實(shí)了PS-InSAR技術(shù)具有較高的可靠性(mm級(jí)的精度)[20]，因此對(duì)掌握城市地面沉降動(dòng)態(tài)規(guī)律以及分析地面沉降的成因等具有重要意義。

然而PS-InSAR技術(shù)也存在自身的缺陷。首先，其通常要求覆蓋同一區(qū)域的SAR影像數(shù)目較多(通常要求大于25景)，便于保證模型解算的可靠性。其次，PS-InSAR技術(shù)由于是基于大量PS點(diǎn)的迭代回歸或網(wǎng)平差計(jì)算，運(yùn)算效率不高，因此不適合大范圍地區(qū)高分辨率的地面沉降監(jiān)測。

2.3 SBAS-InSAR方法

SBAS-InSAR是一種基于多主影像的InSAR時(shí)間序列方法，只利用時(shí)空基線較短的干涉對(duì)來提取地表形變信息，文獻(xiàn)[21]提出并利用該技術(shù)進(jìn)行意大利南部Campi Flegrei火山口和Naples市的時(shí)間序列形變估計(jì)，證明了該方法具有能夠準(zhǔn)確估計(jì)形變的能力。SBAS-InSAR技術(shù)克服了PS-InSAR因選取一幅影像作為公共主影像而引起的部分干涉圖相干性較差的不足，同時(shí)降低了對(duì)SAR數(shù)據(jù)的需求量，運(yùn)算效率較高。

SBAS-InSAR技術(shù)是以多主影像的干涉對(duì)為基礎(chǔ)，基于高相干點(diǎn)恢復(fù)研究區(qū)域的時(shí)間序列形變信息，其原理如下：首先對(duì)覆蓋某個(gè)地區(qū)的不同時(shí)間段的多景SAR影像計(jì)算時(shí)間空間基線，選擇恰當(dāng)?shù)臅r(shí)空基線閾值選取干涉對(duì)；然后對(duì)選取的干涉對(duì)進(jìn)行差分干涉處理并進(jìn)行相位解纏；最后根據(jù)自由組合的干涉圖形成子集的情況，對(duì)所有干涉圖組成相位方程采用最小二乘法或者SVD方法進(jìn)行形變參數(shù)的估計(jì)。在實(shí)際處理中會(huì)采用時(shí)空濾波的方法去除大氣延遲的影像分離出非線性形變，估算的低頻形變與此非線性形變的總和即為整個(gè)研究區(qū)的形變信息。

針對(duì)SBAS-InSAR技術(shù)，各國學(xué)者展開了許多研究，在高相干點(diǎn)選取方面主要有相位穩(wěn)定性選點(diǎn)法[22]、振幅離差指數(shù)選點(diǎn)法[13]、空間相干性[23]等方法；在形變觀測的數(shù)學(xué)模型選取方面，主要有線性模型[23]、二階多項(xiàng)式形變模型[21]、周期性形變項(xiàng)[24]等；在參數(shù)估算方面主要有最小二乘法[23]、SVD法[21]、基于L1范數(shù)的解算方法[26]等。

為了提高高質(zhì)量相干點(diǎn)的密度、減弱誤差的影像、改善形變參數(shù)估計(jì)結(jié)果的精度，國內(nèi)外學(xué)者提出了一些融合PS-InSAR和SBAS-InSAR優(yōu)點(diǎn)的算法，如文獻(xiàn)[23]提出了基于最小二乘網(wǎng)絡(luò)的平差法，利用少量的SAR數(shù)據(jù)獲取干涉圖中高相干點(diǎn)的地表形變信息。文獻(xiàn)[27]應(yīng)用PS-InSAR和SBAS-InSAR融合技術(shù)于Eyjafjallajokull火山的形變監(jiān)測中，獲取了該區(qū)域的時(shí)間序列形變結(jié)果。文獻(xiàn)[28]提出了時(shí)域相干點(diǎn)法(TCP-InSAR)，對(duì)形變參數(shù)、軌道誤差同時(shí)進(jìn)行估計(jì)，提高了監(jiān)測精度。

2.4 DS-InSAR方法

自2011年文獻(xiàn)[29]發(fā)布第二代永久散射體技術(shù)SqueeSAR以來，時(shí)序InSAR領(lǐng)域的研究熱點(diǎn)逐漸轉(zhuǎn)向?qū)Ψ植际侥繕?biāo)(distributed scatterer,DS)的探索。與PS目標(biāo)的物理屬性不同，DS是指在雷達(dá)分辨率單元內(nèi)沒有任何散射體的后向散射占據(jù)統(tǒng)治地位的點(diǎn)目標(biāo)[30]。事實(shí)上，利用DS-InSAR進(jìn)行形變監(jiān)測的概念早在SBAS技術(shù)和StamPS技術(shù)中已經(jīng)建立[21,27]，當(dāng)時(shí)學(xué)界更多的是以相干、非相干目標(biāo)加以區(qū)分，而弱化了PS與DS之間的物理界限。因此，從數(shù)據(jù)處理的角度來說，以SBAS為代表的小基線技術(shù)與SqueeSAR技術(shù)及其變種有本質(zhì)不同，但它們又同時(shí)強(qiáng)調(diào)DS目標(biāo)的信噪比，因而均屬于相位濾波。

SqueeSAR的技術(shù)要點(diǎn)是：①通過同質(zhì)點(diǎn)選取算法增強(qiáng)時(shí)序InSAR協(xié)方差矩陣的估計(jì)精度，并同時(shí)輔助PS與DS目標(biāo)的分離；②通過相位優(yōu)化算法從協(xié)方差矩陣中恢復(fù)時(shí)序SAR影像的相位。在第1個(gè)步驟中，其前提條件是相同SAR影像質(zhì)地的像素具有相同相位中心，因此在時(shí)序統(tǒng)計(jì)推斷的框架下，選取具有相同SAR統(tǒng)計(jì)分布的像素參與平均不僅可以提升相位信噪比，還能保留圖像的空間分辨率[32]。相比之下，SBAS多采用常規(guī)多視處理或空間(自適應(yīng))濾波，是一種以犧牲空間分辨率為代價(jià)換取相位質(zhì)量提升的方法[29]。在復(fù)雜形變特征環(huán)境下，這類方法極易損失細(xì)節(jié)，并伴隨形變非形變區(qū)域的誤讀。在第2個(gè)步驟中，SqueeSAR在樣本協(xié)方差矩陣服從復(fù)Wishart分布的基礎(chǔ)之上，采用極大似然估計(jì)方法得到優(yōu)化后的時(shí)序相位。由于似然估計(jì)量無解析表達(dá)式，需采用非線性優(yōu)化“擠壓”待估參數(shù)，便成為“Squeeze”一詞命名的由來。值得注意的是，SqueeSAR一方面運(yùn)用了所有干涉對(duì)的信息，另一方面卻并未從濾波后的干涉相位中直接提取時(shí)序相位，這與大多數(shù)時(shí)序InSAR技術(shù)采用相位三角關(guān)系從濾波后的干涉相位中直接解算時(shí)序相位有本質(zhì)區(qū)別[29]。在優(yōu)化DS之后，與PS目標(biāo)一起融入傳統(tǒng)PS-InSAR數(shù)據(jù)處理框架就可以獲得精度更高、空間分辨率增強(qiáng)的時(shí)序形變產(chǎn)品。

SqueeSAR技術(shù)也有其缺陷。在同質(zhì)選點(diǎn)算法中，使用的KS假設(shè)檢驗(yàn)功效低，特別在小樣本條件下易使選取的同質(zhì)集合中包含許多異質(zhì)點(diǎn)，而且計(jì)算效率低下[32]。因此，近年來國內(nèi)外學(xué)者紛紛提出了計(jì)算更為高效或估計(jì)精度更高的統(tǒng)計(jì)推斷方法，具有代表性的是AD檢驗(yàn)[33]、似然比檢驗(yàn)[32]、自適應(yīng)檢驗(yàn)和置信區(qū)間估計(jì)等[34]。在相位優(yōu)化算法中，計(jì)算效率是該方法的主要詬病之處，使得大范圍的精細(xì)監(jiān)測幾乎無法施展，備擇的方案是文獻(xiàn)[35]提出的協(xié)方差矩陣奇異值分解方法。在優(yōu)化可靠性方面，可采用抗差性更強(qiáng)的估計(jì)量，如M估計(jì)量等[36]。

上述改進(jìn)算法與SqueeSAR技術(shù)一起構(gòu)成了當(dāng)今DS-InSAR的雛形，旨在提高計(jì)算效率、增加觀測密度和改善估計(jì)精度。廣義的，除基于PS目標(biāo)之外的時(shí)序InSAR技術(shù)都或多或少地應(yīng)用了DS的概念，而聯(lián)合PS-InSAR和DS-InSAR或許是提高最終產(chǎn)品精度的最佳方案[27,29]。

2.5 MAI方法

MAI技術(shù)的提出旨在獲取地表方位向的形變信息，由于方位向和LOS向相互垂直，因此為D-InSAR的監(jiān)測結(jié)果起到很好的補(bǔ)充作用，進(jìn)而獲取地表三維形變信息[37]。而相對(duì)于偏移量跟蹤(Offset-tracking)方法而言，MAI方法在方位向上的形變解算精度和效率都更高，從而為形變的精確解譯起到較好的促進(jìn)作用，現(xiàn)已廣泛應(yīng)用于地震、火山、冰川的等相關(guān)的三維形變測量中[38-39]。

MAI的技術(shù)原理主要是通過方位向公共頻譜濾波技術(shù)重新確定SAR數(shù)據(jù)的零多普勒中心，進(jìn)而將一景SAR影像重新劃分為前視與后視兩景影像。通過對(duì)主影像和從影像的前視與后視影像分別進(jìn)行影像配準(zhǔn)、多視處理、生成干涉圖、去平地相位、去地形相位以及濾波處理得到前視干涉圖與后視干涉圖，再對(duì)前視與后視干涉圖進(jìn)行差分處理后，即可得到MAI干涉圖，其包含的即為方位向形變相位[37]。

由于MAI技術(shù)進(jìn)行了方位向公共頻譜濾波，相當(dāng)于縮短了合成孔徑時(shí)間，單個(gè)前視或者后視影像接收到的回波信號(hào)會(huì)減弱，因此相比于傳統(tǒng)的InSAR技術(shù)，MAI技術(shù)更易受到失相關(guān)噪聲的影響，不適用于近場的同震形變信息提取以及較快的冰川流速估計(jì)[40]。針對(duì)該問題，文獻(xiàn)[39]將Stacking思想引入MAI技術(shù)中，通過對(duì)多個(gè)干涉對(duì)進(jìn)行疊加，有效地抑制了失相關(guān)噪聲對(duì)MAI觀測的影響。另一方面，由于前視與后視干涉對(duì)之間的垂直基線存在有細(xì)微的差別，會(huì)導(dǎo)致MAI干涉圖中出現(xiàn)由平地和地形效應(yīng)引起的相位殘留。以PALSAR數(shù)據(jù)為例，在標(biāo)準(zhǔn)幅寬下，0.1 m的垂直基線差會(huì)造成20°的平地相位殘余，相當(dāng)于50 cm的方位向形變。文獻(xiàn)[41]對(duì)MAI干涉圖中的相位殘余進(jìn)行了分析，給出垂直基線差與相位殘余間的關(guān)系，同時(shí)提出了使用多項(xiàng)式模型對(duì)相位殘余進(jìn)行模擬和消除的方法。再一個(gè)限制MAI技術(shù)應(yīng)用與發(fā)展的因素是電離層相位對(duì)MAI干涉圖所造成的影響。由于電離層分布的時(shí)變性，當(dāng)電離層活躍時(shí)，其會(huì)在干涉影像上造成方位向偏移，進(jìn)而在MAI獲取的方位向形變上表現(xiàn)出一定方向性的條紋，即電離層條紋，且在L波段上該現(xiàn)象尤為明顯。文獻(xiàn)[38]根據(jù)電離層條紋的空間特性，提出了基于方向性濾波與插值的MAI電離層趨勢的改正方法。

3 InSAR變形監(jiān)測的應(yīng)用與進(jìn)展

3.1 城市沉降監(jiān)測

隨著全球城市化進(jìn)展的不斷加快，導(dǎo)致城市形變的原因也越來越多元化，如地下資源的過度開發(fā)/采、建筑物及基礎(chǔ)設(shè)施的大量修建以及軟土層的壓實(shí)等導(dǎo)致的地表形變。城市區(qū)域內(nèi)多為人工建筑物，其散射特性比較穩(wěn)定，可以很大程度地減少InSAR技術(shù)中的時(shí)間失相干，從而得到較為可靠的形變信號(hào),因此城市監(jiān)測技術(shù)及應(yīng)用研究一直是InSAR技術(shù)的研究熱點(diǎn)[42]。

根據(jù)城市沉降的主要成因，InSAR城市沉降監(jiān)測主要包括：①因過度抽取地下水而導(dǎo)致的大范圍、大量級(jí)形變的城市，如上海[17]、北京[43]等區(qū)域的時(shí)序形變監(jiān)測都取得了顯著效果；②因基礎(chǔ)設(shè)施的大量修建等導(dǎo)致的地表形變，如上海、深圳、廣州等地鐵沿線的形變[44]；③因軟土地質(zhì)壓實(shí)導(dǎo)致的形變，如填海區(qū)的時(shí)序形變監(jiān)測[44]。

隨著SAR影像分辨率的提高和軌道重返周期的縮短，InSAR在城區(qū)監(jiān)測中的應(yīng)用會(huì)越來越廣泛的同時(shí)也面臨著一些挑戰(zhàn)。例如，由于高分影像中因高樓而導(dǎo)致的條紋過于密集，從而導(dǎo)致相位解纏困難的問題；由于已有的外部DEM數(shù)據(jù)分辨率和精度均較低，導(dǎo)致大量DEM相位殘留的問題；由于常用的MT-InSAR技術(shù)均假設(shè)各PS/DS點(diǎn)上的形變均為線性形變，而在很多城市形變并不滿足這一條件，導(dǎo)致形變信息誤估的問題。

3.2 礦山形變監(jiān)測

自從2000年文獻(xiàn)[45]利用DInSAR監(jiān)測了法國Gardanne附近煤礦的地表沉降以來，InSAR技術(shù)已逐漸成為礦區(qū)地表形變監(jiān)測和預(yù)計(jì)的重要工具之一。目前，InSAR技術(shù)在礦區(qū)應(yīng)用研究主要包括以下兩個(gè)方面：①礦區(qū)地表InSAR三維形變高精度監(jiān)測；②基于InSAR的礦區(qū)地表變形預(yù)計(jì)。

在礦區(qū)地表三維或三維時(shí)序形變高精度監(jiān)測方面，文獻(xiàn)[46]將SBAS-InSAR用于監(jiān)測湖南冷水江錫礦山地表LOS向形變以來，其他時(shí)序InSAR技術(shù)(如Stacking InSAR和PS-InSAR)，也被相繼引入了礦區(qū)地表LOS向時(shí)序形變監(jiān)測。但由于獲取的時(shí)序形變沿著LOS方向，而非地表真實(shí)三維形變，因此，文獻(xiàn)[47]提出利用3個(gè)不同平臺(tái)或軌道SAR數(shù)據(jù)估計(jì)地表三維時(shí)序形變。但該方法對(duì)于數(shù)據(jù)要求比較苛刻，所以實(shí)際應(yīng)用前景有限。文獻(xiàn)[48]引入開采沉陷模型，實(shí)現(xiàn)了基于單個(gè)InSAR干涉對(duì)的礦區(qū)地表三維形變估計(jì)。文獻(xiàn)[49]將Li的方法擴(kuò)展到基于單個(gè)雷達(dá)成像幾何學(xué)SAR數(shù)據(jù)的礦區(qū)地表三維時(shí)序形變監(jiān)測。

在基于InSAR的礦區(qū)地表變形預(yù)計(jì)方面，文獻(xiàn)[50]提出結(jié)合概率積分法模型和InSAR技術(shù)實(shí)現(xiàn)了礦區(qū)地表沉降預(yù)計(jì)。然而，由于該方法方法忽略了水平移動(dòng)對(duì)LOS形變的貢獻(xiàn)，且無法估計(jì)全部的概率積分法參數(shù)，所以其實(shí)際應(yīng)用受到了一定的制約。文獻(xiàn)[51]建立了概率積分法全部參數(shù)與InSAR LOS向形變之間的函數(shù)模型，實(shí)現(xiàn)了基于InSAR的礦區(qū)全盆地任意方向的形變預(yù)計(jì)。文獻(xiàn)[52]引入Boltzmann函數(shù)改進(jìn)了其2016年提出的函數(shù)模型，實(shí)現(xiàn)了不同采動(dòng)程度下的礦區(qū)地表全盆地變形預(yù)計(jì)。

礦區(qū)地表形變范圍小、梯度大，因此失相關(guān)是目前InSAR礦區(qū)應(yīng)用的主要瓶頸。但隨著目前長波長、短時(shí)空基線的SAR衛(wèi)星的發(fā)射，如ALOS 2和Sentinel-1A/B(見表1)，該問題應(yīng)該有所突破。此外，當(dāng)前的InSAR礦區(qū)應(yīng)用主要著眼于地表形變監(jiān)測和預(yù)計(jì)，對(duì)于如何利用InSAR分析礦區(qū)沉降機(jī)理以及礦區(qū)生態(tài)環(huán)境修復(fù)等領(lǐng)域則較少涉足。

3.3 地震形變監(jiān)測

地震的形變監(jiān)測是目前InSAR技術(shù)應(yīng)用最為廣泛和成功的領(lǐng)域之一。文獻(xiàn)[53]利用InSAR技術(shù)成功獲得1992 Lander地震形變以來，世界范圍內(nèi)數(shù)以百計(jì)的地震已經(jīng)通過InSAR技術(shù)進(jìn)行了研究。根據(jù)InSAR監(jiān)測的形變量級(jí)大小和技術(shù)來分，可以分為兩類：InSAR同震形變監(jiān)測和InSAR震后或震間形變監(jiān)測。

同震的形變量級(jí)一般較大(分米至米級(jí))，雖然D-InSAR技術(shù)可以獲得較好的監(jiān)測效果，但是由于InSAR技術(shù)側(cè)視成像幾何的限制，無法估計(jì)地震三維形變[40]。因此，近年來圍繞如何融合不同觀測幾何和不同衛(wèi)星傳感器觀測獲得有益于地震解釋的三維形變場開展了大量的研究，在該方面文獻(xiàn)[40]進(jìn)行了較系統(tǒng)的綜述。同時(shí)，為了提高地震形變監(jiān)測的精度，大量學(xué)者針對(duì)D-InSAR技術(shù)中軌道誤差、大氣誤差和電離層異常誤差的去除也開展了一系列研究[12]。另外，由于InSAR相位在大形變量級(jí)的近場往往會(huì)失相干，無法獲得有效觀測值，Offset-Tracking技術(shù)成為目前大地震近場形變監(jiān)測的重要補(bǔ)充。

震后和震間形變量級(jí)一般較小(厘米至毫米級(jí))，需要應(yīng)用精度更高的MT-InSAR技術(shù)才能滿足精度要求。目前MT-InSAR技術(shù)在時(shí)間失相干和大氣誤差的改進(jìn)都對(duì)震間和震后形變的監(jiān)測起到了幫助，已經(jīng)成功在世界范圍內(nèi)的多個(gè)重要斷裂上得到應(yīng)用，如美國加州的San Andreas斷裂[54]，土耳其的North Anatolian斷裂[55]等。InSAR技術(shù)也在我國的海源斷裂和鮮水河斷裂也有大量的嘗試和研究工作[55]。另外，由于受到茂盛植被的影響，CR-InSAR等人工散射體技術(shù)也被用于輔助震間形變的監(jiān)測[56]。

InSAR地震形變監(jiān)測一方面得益于技術(shù)的提高和創(chuàng)新，可以為地震參數(shù)反演提供更為精確可靠的觀測值；另一方面也跟SAR衛(wèi)星軟硬件的提高緊密相連，特別是SAR數(shù)據(jù)的全球無縫覆蓋和高密度重返都會(huì)為抗震救災(zāi)，地震監(jiān)測提供重要的數(shù)據(jù)源。

3.4 火山活動(dòng)監(jiān)測

InSAR十分適合測量由于火山巖脈入侵，巖漿囊膨脹和收縮和地?zé)嵯到y(tǒng)引起的復(fù)雜地表形變。文獻(xiàn)[57]首次利用InSAR監(jiān)測了Etna火山的地表形變。通過分析32景升軌和60景降軌干涉圖，文獻(xiàn)[57]從12景相干性較好的干涉圖識(shí)別出伴隨著1993年Etna火山噴發(fā)的穩(wěn)定的地表收縮信號(hào)。

文獻(xiàn)[60]利用InSAR觀測了位于哥拉帕戈斯群島的Fernandina火山產(chǎn)生的地表形變，發(fā)現(xiàn)入侵的火山巖脈的傾角在淺層發(fā)生了大約為35°的旋轉(zhuǎn)。文獻(xiàn)[61]通過研究覆蓋該火山多次噴發(fā)的一系列干涉圖，發(fā)現(xiàn)火山巖脈的入侵可以改變應(yīng)力場從而控制下次巖脈入侵的幾何和位置。文獻(xiàn)[62]監(jiān)測了位于哥拉帕戈斯群島最北端的Wolf火山發(fā)生了噴發(fā)；通過反演InSAR監(jiān)測的地表形變，發(fā)現(xiàn)Wolf火山體淺層存在兩個(gè)巖漿囊，它們分別位于地下1 km和5 km處。最著名的離散板塊邊界火山活動(dòng)監(jiān)測當(dāng)屬2005年至2010年位于埃塞俄比亞的Dabbahu巖脈入侵[63]和2014年位于冰島的Bardarbunga巖脈入侵[64]。巖漿容積約為1 km3的巖脈傳播大約65 km的距離。InSAR的監(jiān)測結(jié)果表明該入侵致使地表產(chǎn)生了大約6 m地表形變并在巖脈的上方形成了2～3 km寬的地塹。通過利用高分辨率的COSMO-SkyMed數(shù)據(jù)，文獻(xiàn)[64]成功提取了2014年Bardarbunga巖脈入侵產(chǎn)生的地表三維形變場。

在火山弧監(jiān)測方面，文獻(xiàn)[65]利用C波段InSAR普查了Andes山脈大約900座火山。他們發(fā)現(xiàn)了4處明顯的地表形變區(qū)域并估計(jì)處火山的巖漿囊可能處于地下5～17 km之間。文獻(xiàn)[66]進(jìn)一步利用InSAR數(shù)據(jù)普查了拉丁美洲和Andes南部的火山并發(fā)現(xiàn)了11處火山形變明顯區(qū)域。L波段InSAR數(shù)據(jù)被廣泛的應(yīng)用于熱帶地區(qū)火山形變的監(jiān)測。以印度尼西亞為例，文獻(xiàn)[67]的InSAR普查結(jié)果顯示6座火山正處于膨脹階段其中3座火山于觀察后發(fā)生了噴發(fā)。

盡管至今InSAR已經(jīng)成功的觀測了至少160座火山的地表形變，但是如何利用InSAR形變監(jiān)測數(shù)據(jù)進(jìn)行火山噴發(fā)早期預(yù)警，如何聯(lián)合地表形變和物理模型準(zhǔn)確的估計(jì)地下巖漿囊具體物理參數(shù)，如何有效地考慮建模時(shí)地形的影響，仍然是InSAR在火山學(xué)研究中需要考慮和解決的一些重要問題。

3.5 基礎(chǔ)設(shè)施形變監(jiān)測

基礎(chǔ)設(shè)施，如高速公路、高速鐵路、發(fā)電設(shè)施、碼頭等，是社會(huì)經(jīng)濟(jì)發(fā)展的鏈條。受區(qū)域不合理的人類工程活動(dòng)等因素的影響，基礎(chǔ)設(shè)施周邊出現(xiàn)嚴(yán)重的地表形變，影響基礎(chǔ)設(shè)施的地基穩(wěn)定性，對(duì)基礎(chǔ)設(shè)施的安全運(yùn)營造成潛在的安全威脅。因此，監(jiān)測基礎(chǔ)設(shè)施地表形變，對(duì)于保障基礎(chǔ)設(shè)施穩(wěn)定安全運(yùn)營具有重要的現(xiàn)實(shí)意義。MT-InSAR技術(shù)能夠快速提供高精度、高空間分辨率以及大范圍空間連續(xù)覆蓋的地表形變監(jiān)測結(jié)果，為基礎(chǔ)設(shè)施地表形變監(jiān)測提供更全面有效的手段[68]。

近年來，隨著SAR衛(wèi)星的不斷發(fā)展，SAR影像的空間分辨率不斷提高，最高達(dá)到0.25 m，極大地提高了InSAR技術(shù)的精細(xì)化形變監(jiān)測能力[69]，使得InSAR技術(shù)在基礎(chǔ)設(shè)施的形變監(jiān)測應(yīng)用不斷擴(kuò)寬。盡管InSAR在基礎(chǔ)設(shè)施形變監(jiān)測中取得了較好的應(yīng)用效果，但是InSAR在實(shí)際應(yīng)用中仍存在挑戰(zhàn)。由于受最小天線面積的限制，傳統(tǒng)SAR傳感器無法在滿足影像分辨率和幅寬的同時(shí)提高，因而難以實(shí)現(xiàn)超大范圍高分辨率基礎(chǔ)設(shè)施的形變監(jiān)測，例如我國京廣高鐵線路(上千千米長度)。

3.6 冰川運(yùn)動(dòng)監(jiān)測

由于微波能穿透一定深度的冰/雪面，InSAR觀測可以不受冰雪表面光學(xué)對(duì)比度/紋理的制約。此外，冰川區(qū)經(jīng)常被云層覆蓋，而微波卻可以穿透云層。因此，在冰川動(dòng)態(tài)監(jiān)測方面InSAR相對(duì)其他手段有巨大優(yōu)勢。當(dāng)前，InSAR技術(shù)在冰川的應(yīng)用主要體現(xiàn)在3個(gè)方面；①利用InSAR相干性提取冰川邊界。由于形變和融化等影響，冰面相干性普遍要低于非冰面，快速流動(dòng)冰面普遍要低于緩慢流動(dòng)冰面，因此根據(jù)相干性分布可以提取冰川邊界以及入海冰川的陸上部分[70]。 ②利用D-InSAR技術(shù)監(jiān)測冰川流速。1993年Goldstein等首次利用D-InSAR技術(shù)獲取了南極Rutford冰川的流速。隨后，D-InSAR技術(shù)被廣泛應(yīng)用于格陵蘭島[66]、南極[71]、斯瓦爾巴特群島[72]等區(qū)域的冰川流速監(jiān)測中。然而在中低緯度區(qū)域，受冰面InSAR相干性低的限制，相關(guān)的研究僅局限于部分流速較為緩慢的冰川，例如珠峰地區(qū)Khumbu冰川和Kangshung冰川[73]，唐古拉山冬克瑪?shù)妆╗70]。由于測量的是一維形變，單軌道D-InSAR很難反映冰川真實(shí)流速信息。針對(duì)這一問題，基于冰面平行于河床流動(dòng)的假設(shè)和升降軌數(shù)據(jù)融合，文獻(xiàn)[74]采用D-InSAR技術(shù)估計(jì)格陵蘭島的Storstr?mmen冰川的三維流速。很明顯，這種三維流速解算并不是嚴(yán)格的。于是文獻(xiàn)[75]通過4個(gè)Radarsat影像干涉來重建埃爾斯米爾島北部Henrietta Nesmith冰川的真三維流速。但這種基于多角度的嚴(yán)格三維觀測需要有足夠的數(shù)據(jù)支撐，在中低緯度區(qū)域很難滿足。雖然采用MAI技術(shù)基于單個(gè)SAR影像對(duì)可以同時(shí)獲取冰川在雷達(dá)視線向和方位向的流度，但事實(shí)上MAI技術(shù)對(duì)影像的相干性要求更高。因此，一般情況下的冰川三維流速監(jiān)測須聯(lián)合D-InSAR、MAI、Offset-tracking等多種SAR技術(shù)[40]，而如何給各個(gè)觀測值合理定權(quán)則具有一定的挑戰(zhàn)性。③利用InSAR技術(shù)監(jiān)測冰川的厚度變化。2000年基于單軌雙天線InSAR技術(shù)獲取的SRTM DEM因其精度穩(wěn)定被廣泛采納為冰川厚度變化監(jiān)測中的歷史或最新高程數(shù)據(jù)來源[76]。然而其他SAR衛(wèi)星任務(wù)多為常規(guī)重復(fù)軌道單天線模式，InSAR技術(shù)因?yàn)槭艿酱髿夂捅ㄐ巫兊扔绊懞茈y準(zhǔn)確獲取冰川高程。純InSAR技術(shù)成功監(jiān)測冰川厚度變化的案例集中出現(xiàn)在TanDEM-X數(shù)據(jù)公開后(2013年)。TerraSAR-X和姊妹星TanDEM-X組成的雙基站星座可以獲取幾乎不受大氣變化和冰面形變影響的干涉對(duì)。自2013以來，利用TanDEM-X雙基站干涉對(duì)與SRTM DEM來獲取冰川厚度變化的研究在南極洲[77]、格陵蘭島[78]、高亞洲[79]等地區(qū)陸續(xù)開展，極大地豐富了社會(huì)對(duì)山岳冰川響應(yīng)全球氣候變化的認(rèn)知。

3.7 凍土過程監(jiān)測

近年來，在全球氣候變暖和人類活動(dòng)的干擾下，全球多年凍土均發(fā)生了不同程度的退化，引起了水土流失、草場退化和環(huán)境變化，對(duì)寒區(qū)的重點(diǎn)工程和設(shè)施的安全造成了威脅。大范圍高精度高分辨率的對(duì)多年凍土區(qū)的進(jìn)行形變監(jiān)測和活動(dòng)層厚度變化監(jiān)測，對(duì)寒區(qū)安全平穩(wěn)的可持續(xù)發(fā)展具有非常重要的科學(xué)意義。

InSAR為多年凍土區(qū)形變監(jiān)測方法和活動(dòng)層厚度的監(jiān)測提供了一種全新的、非常有效的測量方法。文獻(xiàn)[80]采用D-InSAR探測加拿大北部地區(qū)的凍土區(qū)地表變形，開創(chuàng)了InSAR技術(shù)在凍土區(qū)形變監(jiān)測方面的先河。隨著InSAR技術(shù)的發(fā)展，PS-InSAR、SBAS-InSAR技術(shù)也相繼被用于監(jiān)測凍土區(qū)地表形變。但由于凍土區(qū)地表形變復(fù)雜，文獻(xiàn)[81、83、25、85]分別提出了并采用考慮凍土融化時(shí)發(fā)生沉降累積時(shí)間的形變觀測模型、三次冪函數(shù)形變模型、周期性模型、顧及氣候因子影響的形變模型用于監(jiān)測不同凍土區(qū)的地表形變，取得了比較可靠的結(jié)果。利用InSAR技術(shù)獲取凍土活動(dòng)層厚度的研究仍處于探討階段。文獻(xiàn)[82]根據(jù)水質(zhì)量守恒，建立形變-活動(dòng)層厚度反演模型，反演了美國阿拉斯加州北部靠近普拉德霍灣的多年凍土活動(dòng)層厚度。文獻(xiàn)[24]考慮凍土的熱物理性質(zhì)，提出了基于InSAR形變結(jié)果與土壤一維熱傳導(dǎo)模型的活動(dòng)層厚度反演方法，得到了青藏高原當(dāng)雄凍土區(qū)平均活動(dòng)層厚度。文獻(xiàn)[86]采用Liu等提出活動(dòng)層厚度反演方法估計(jì)了青藏高原腹地地區(qū)活動(dòng)層厚度及其變化速率，與實(shí)測數(shù)據(jù)較為吻合。

InSAR技術(shù)在凍土研究中具有廣泛的應(yīng)用潛力。如何利用InSAR監(jiān)測凍土活動(dòng)層物理參數(shù)，如凍結(jié)融化深度、活動(dòng)層厚度、凍土上限等，仍是一個(gè)棘手的問題，仍是未來該技術(shù)在該領(lǐng)域應(yīng)用的研究熱點(diǎn)。

3.8 滑坡災(zāi)害監(jiān)測

早期用于滑坡動(dòng)態(tài)監(jiān)測的數(shù)據(jù)主要是ERS-1/2的串行數(shù)據(jù)，利用傳統(tǒng)的D-InSAR技術(shù)取得了一系列有益的結(jié)果。但是由于滑坡所處環(huán)境一般比較復(fù)雜，如地形起伏嚴(yán)重、植被覆蓋較為茂密、部分滑坡滑動(dòng)快速等，使得InSAR觀測滑坡較為困難。為了解決這些問題，MT-InSAR技術(shù)逐漸被運(yùn)用到了滑坡形變的監(jiān)測中。

首次PS-InSAR技術(shù)的成功試驗(yàn)是文獻(xiàn)[13—14]在2000年對(duì)意大利Ancona地區(qū)開展的滑坡監(jiān)測。文獻(xiàn)[87]嘗試將SBAS-InSAR方法用于意大利Maratea山谷的滑坡監(jiān)測，形變測量精度也得到了實(shí)地EDM和GPS觀測結(jié)果的驗(yàn)證。文獻(xiàn)[88]利用PS-InSAR技術(shù)對(duì)美國Berkley地區(qū)的滑坡展開監(jiān)測，結(jié)果表明該滑坡形變歷史進(jìn)程與厄爾尼諾現(xiàn)象存在明顯的相關(guān)性，該成果發(fā)表于國際著名的雜志《Science》上。隨后，諸多學(xué)者利用或結(jié)合PS-InSAR和SBAS-InSAR監(jiān)測了國內(nèi)外諸多滑坡。在此期間，歐空局發(fā)起了MUSCL和SLAM項(xiàng)目，得到了一系列令人振奮的成果。我國科技部與歐空局的合作項(xiàng)目——“龍計(jì)劃”，三峽庫區(qū)重點(diǎn)災(zāi)害監(jiān)測點(diǎn)安裝了角反射器，對(duì)我國三峽地區(qū)的滑坡泥石流等地質(zhì)災(zāi)害進(jìn)行了監(jiān)測。

然而，由于已有的MT-InSAR技術(shù)基本都是基于地面沉降監(jiān)測發(fā)展而來，對(duì)于滑坡監(jiān)測而言無法達(dá)到其最佳性能。此外，地形起伏引起的幾何畸變和植被覆蓋導(dǎo)致的低相干仍然是InSAR滑坡監(jiān)測的主要難題，嚴(yán)重時(shí)會(huì)導(dǎo)致無法得到有效的監(jiān)測結(jié)果。

4 InSAR變形監(jiān)測的挑戰(zhàn)

4.1 多維形變測量

眾所周知，InSAR技術(shù)只能監(jiān)測地表形變在雷達(dá)視線方向(line-of-sight，LOS)上的一維投影。然而在現(xiàn)實(shí)中，地質(zhì)災(zāi)害引發(fā)的地表形變都是發(fā)生在三維空間框架下的，即所謂的三維形變場。理論上，融合3個(gè)或以上平臺(tái)或軌道的InSAR形變觀測值就可以重建三維地表形變。但受限于現(xiàn)有SAR衛(wèi)星的極軌飛行和側(cè)視成像模式，InSAR形變觀測值對(duì)南北向形變極其不敏感，導(dǎo)致該方法只能在忽略南北向形變的前提下得到可靠的垂直向和東西向形變[89]。因此，InSAR形變觀測值極有可能導(dǎo)致對(duì)地質(zhì)災(zāi)害的誤判甚至錯(cuò)判，這已經(jīng)成為限制InSAR技術(shù)應(yīng)用和推廣的主要瓶頸之一。

為了克服InSAR技術(shù)的上述缺陷，部分學(xué)者開始研究利用偏移量跟蹤(OFT)[90]和MAI[37]技術(shù)監(jiān)測LOS向之外(即方位向)的地表形變結(jié)果。其中，OFT方法是利用主輔SAR影像的配準(zhǔn)偏移量信息來監(jiān)測地表在方位向(即衛(wèi)星飛行方向)上的形變信息。國內(nèi)外的研究成果表明，融合升軌和降軌的DInSAR和OFT/MAI觀測值，可以較好的重建由地震、火山噴發(fā)和冰川漂移等大型地質(zhì)災(zāi)害的三維形變場。另一方面，GPS是目前最為常用的三維地表形變監(jiān)測技術(shù)，但是只能獲得稀疏的GPS地面站所在位置的測量結(jié)果。通過融合InSAR和GPS資料，可以充分利用二者的優(yōu)點(diǎn)，獲取高分辨率的三維形變場[91]。

通過上述分析可知，對(duì)于絕大多數(shù)沒有布設(shè)足量GPS的研究區(qū)域，現(xiàn)有的InSAR方法都難以得到高精度的三維形變(特別是南北向形變)結(jié)果，從而導(dǎo)致InSAR在監(jiān)測某些地質(zhì)災(zāi)害時(shí)力不從心，例如近南北走向的走滑斷層活動(dòng)、近東西走向的逆沖斷層活動(dòng)、朝南或朝北的山體滑坡等。已經(jīng)進(jìn)入可行性論證階段的高軌SAR衛(wèi)星，其成像幾何與目前低軌SAR衛(wèi)星的成像幾何差異較大，已有研究表明，融合高軌和低軌InSAR觀測值，可以獲取高精度的三維形變場[92]。另一方面，不同平臺(tái)、不同軌道SAR數(shù)據(jù)的獲取時(shí)間和重返周期都有所差異，導(dǎo)致現(xiàn)有模型在解算三維時(shí)序形變存在秩虧問題，需要借助附件條件進(jìn)行約束，這不僅有損InSAR三維時(shí)序形變結(jié)果的估計(jì)精度，而且每獲取一景新的SAR數(shù)據(jù)，都需要將其與之前所有的存檔數(shù)據(jù)一起重新處理，極大地浪費(fèi)了時(shí)間和精力。動(dòng)態(tài)平差方法(如卡爾曼濾波)則為解決該問題提供了新的思路。

4.2 低相干區(qū)測量

相干性是InSAR技術(shù)無法回避的問題之一[3-4]。受各成像時(shí)刻分辨率單元內(nèi)散射體變化、傳感器姿態(tài)變化和雷達(dá)波透射比等因素制約，雷達(dá)回波信號(hào)不同程度地遭受著時(shí)空去相干的影響，導(dǎo)致干涉相位隨機(jī)噪聲增加，相干性衰減，測量精度降低。當(dāng)兩次回波信號(hào)的線性相似程度為0時(shí)，則產(chǎn)生完全失相干現(xiàn)象，致使InSAR技術(shù)失效。

低相干或快速去相干區(qū)域目前并沒有明確的定義，一般是指時(shí)間或空間相干性小于某個(gè)臨界值時(shí)的研究對(duì)象，如牧草地或濕地區(qū)域的干涉質(zhì)量隨時(shí)間變化呈指數(shù)衰減，是典型的低相干區(qū)域。從InSAR的技術(shù)特點(diǎn)出發(fā)，傳統(tǒng)D-InSAR由于觀測有限，很難直接捕捉到這類區(qū)域的形變特征。反之，時(shí)序InSAR，特別是基于分布式目標(biāo)的時(shí)序InSAR技術(shù)因觀測數(shù)增多、信噪比增強(qiáng)等特點(diǎn)能夠部分恢復(fù)低相干區(qū)域的形變歷史[27，29]。然而，這對(duì)于InSAR數(shù)據(jù)處理是一項(xiàng)極具挑戰(zhàn)性的任務(wù)，主要體現(xiàn)在兩個(gè)方面：①相干性是評(píng)價(jià)相位質(zhì)量的唯一指標(biāo)，因此相干性的參數(shù)估計(jì)問題是整個(gè)質(zhì)量控制的關(guān)鍵；②在時(shí)間維，僅有限的觀測用于解算時(shí)序形變，在最小范數(shù)框架下，設(shè)計(jì)矩陣面臨秩虧，增加約束條件是影響最終產(chǎn)品精度的關(guān)鍵[21]。在第①點(diǎn)中，由于樣本相干性是有偏估計(jì)量，在低相干區(qū)域產(chǎn)生更高的系統(tǒng)偏差，使得相干值并不能客觀反映相位質(zhì)量，導(dǎo)致實(shí)際選取的點(diǎn)目標(biāo)相位質(zhì)量差。若要提取正確的點(diǎn)目標(biāo)，去除系統(tǒng)誤差是關(guān)鍵。但是，相干性估計(jì)量的統(tǒng)計(jì)屬性十分復(fù)雜，且無解析表達(dá)式。當(dāng)前行之有效的解決方法是采用Bootstrapping或Jackknife非參數(shù)統(tǒng)計(jì)技術(shù)在無分辨率損失的情況下逐點(diǎn)去除觀測偏差[11]。在第②點(diǎn)中，解的穩(wěn)定性取決于觀測數(shù)量和約束條件與現(xiàn)實(shí)時(shí)序形變的吻合程度，目前通用的方法是采用截尾SVD分解或Tikhonov正則化方法(拉普拉斯平滑算子)進(jìn)行補(bǔ)償[21]。

不同波長的傳感器具有不同的抗失相干能力。隨著SAR影像的累積，同一區(qū)域可能覆蓋多個(gè)傳感器的數(shù)據(jù)棧。將多源傳感器數(shù)據(jù)進(jìn)行聯(lián)合解算以便增加觀測數(shù)并同時(shí)提高時(shí)間分辨率是實(shí)現(xiàn)低相干區(qū)域InSAR形變監(jiān)測的主流方法[93]。這不僅對(duì)不同平臺(tái)的數(shù)據(jù)配準(zhǔn)有更高的要求，而且不可避免地衰減空間分辨率。然而，在干涉條件較差的環(huán)境下，利用犧牲空間分辨率換取估計(jì)精度的可靠性可能是目前低相干區(qū)域測量的唯一手段，而在沒有先驗(yàn)知識(shí)的情況下一味追求對(duì)形變解算方法的改進(jìn)很可能導(dǎo)致錯(cuò)誤的解譯結(jié)果。

瞬時(shí)形變，如同震引起的地表破裂常使得斷層附近的觀測完全失相干，上述InSAR監(jiān)測方法完全失效。備擇方案是采用SAR圖像偏移量技術(shù)獲取近場變形或以偏移量方法輔助恢復(fù)干涉條紋信息。

4.3 大氣誤差改正

大氣延遲的影響是當(dāng)前InSAR地表形變監(jiān)測中的主要誤差源之一。SAR衛(wèi)星發(fā)射的微波信號(hào)穿過大氣層時(shí)，會(huì)由于大氣層中傳播介質(zhì)的非均勻性而影響電磁波的傳播速度和傳播路徑，從而產(chǎn)生額外的大氣信號(hào)。由于大氣層在不同時(shí)刻呈現(xiàn)的狀態(tài)不一樣，導(dǎo)致SAR衛(wèi)星在不同成像時(shí)刻受大氣的影響也不相同，兩次成像時(shí)刻的大氣信號(hào)之差即所謂的“大氣延遲”。大氣層中的電離層和對(duì)流層是導(dǎo)致大氣延遲的主要介質(zhì)層[4]。

電離層對(duì)微波信號(hào)的影響主要與傳播路徑上的總自由電子數(shù)目(TEC)有關(guān)，其中電離層中自由電子的數(shù)目主要受太陽表面黑子活動(dòng)強(qiáng)度的影響，InSAR中的電離層影響則主要是由于兩次SAR成像時(shí)刻沿傳播路徑上電離層自由電子數(shù)目的變化導(dǎo)致，且影響程度與傳播信號(hào)頻率的平方成正相關(guān)，則頻率越高影響越大。在相同電離層情況下，L-波段(1.275 MHz)SAR衛(wèi)星受電離層的影響程度大約是C-波段(5.29 MHz)的17倍[94]。此外，TEC在不同維度帶的分布及其不均勻，通常情況下赤道附近的InSAR電離層影響相比于中高緯度地區(qū)要更明顯。當(dāng)前對(duì)于InSAR電離層的改正主要有以下幾種方法：①利用外部探測手段監(jiān)測到的TEC數(shù)據(jù)(例如GPS)來改正干涉圖中的電離層誤差[95]；②通過計(jì)算SAR影像在方位向上的Offset-tracking來估計(jì)電離層誤差[96]；③利用MAI監(jiān)測出方位向上的形變來估計(jì)電離層影響[97]；④通過分裂距離向雷達(dá)頻譜的方法(Range Split-spectrum Interferometry,RSI)得到基于兩個(gè)不同頻率獲得的干涉圖來估算出與電離層相關(guān)的大氣誤差[94]。然而以上方法都還存在著一些自身的局限性，第1種方法受限與外部數(shù)據(jù)的空間分辨率，例如GPS站的空間分辨率往往達(dá)到了數(shù)十千米；第2種方法則非常依賴于像素匹配的精度，而且估計(jì)結(jié)果會(huì)受方位向形變信號(hào)的影響；第3種方法則非常依賴于前后孔徑干涉圖的空間相關(guān)性以及MAI相位沿方位向上的積分精度；第4種方法則受限于SAR衛(wèi)星本身的載波頻率帶寬，例如當(dāng)前的SAR衛(wèi)星帶寬通常只有14 MHz或者28 MHz。因此，對(duì)于InSAR中電離層影響的校正依然是一個(gè)較為棘手的問題。

相比于電離層的影響主要集中在低緯度地區(qū)以及長波段SAR干涉圖中，對(duì)流層(又稱中性大氣層)延遲對(duì)于InSAR干涉圖的影響則更為普遍[4]。電磁波在對(duì)流層中的傳播主要與大氣壓強(qiáng)、溫度以及空氣中的水汽含量的有關(guān)。由于壓強(qiáng)和溫度在空間上的變化比較緩慢，空間尺度比較大，因此InSAR干涉圖中的對(duì)流層延遲主要與水汽含量的空間分布有關(guān)。兩個(gè)SAR成像時(shí)刻的水汽含量只要變化20%，則可以導(dǎo)致10～14 cm的InSAR形變誤差[3]?？臻g上的InSAR對(duì)流層延遲在物理機(jī)制上可以將其分為兩部分：垂直分層部分和湍流部分。其中垂直分層部分的對(duì)流層延遲與地形起伏相關(guān)，在多山地區(qū)的影響較為明顯，湍流部分的對(duì)流層延遲則與地形無關(guān)，而受大氣的湍流作用影響[4]。當(dāng)前InSAR對(duì)流層誤差的校正主要可以分為如下兩大類方法：第1類，基于外部大氣數(shù)據(jù)的對(duì)流層誤差改正方法[98]；第2類，利用InSAR對(duì)流層延遲在時(shí)空上的統(tǒng)計(jì)特性基于統(tǒng)計(jì)學(xué)的方法來削弱其影響[14]。其中第1類方法中的外部大氣數(shù)據(jù)源主要有：①GPS估計(jì)出的天頂延遲數(shù)據(jù)；②MODIS、MERIS光學(xué)傳感器獲得的水汽數(shù)據(jù)；③氣象模型(如WRF，NWM)估計(jì)出的對(duì)流層延遲數(shù)據(jù)。這一類基于外部數(shù)據(jù)的校方法非常受限于外部數(shù)據(jù)自身的觀測質(zhì)量以及數(shù)據(jù)的時(shí)空分辨率，例如GPS數(shù)據(jù)雖然有較好的時(shí)間分辨率，但空間分辨率遠(yuǎn)低于SAR影像，MODIS數(shù)據(jù)和MERIS數(shù)據(jù)則只在白天工作，而且數(shù)據(jù)質(zhì)量受云污染的影響嚴(yán)重，氣象模型則受限于原始?xì)庀髷?shù)據(jù)的空間分辨率(數(shù)十千米)，而且氣象模型不能估計(jì)湍流部分的對(duì)流層延遲。第2大類對(duì)流層校正方法則主要有以下兩種：①通過分析對(duì)流層延遲與地形起伏的關(guān)系，在空間上建立對(duì)流層延遲的函數(shù)模型[99]；②利用時(shí)間序列上的干涉圖，在時(shí)間域通過濾波或者平差的手段來削弱對(duì)流層的影響[14]。然而這一類方法也存在著一些自身的缺陷以及局限性，例如空間域?qū)α鲗雍瘮?shù)模型建模的方法則只能削弱垂直分層部分的大氣延遲，通過時(shí)許濾波的方法則往往都是基于時(shí)間域?qū)α鲗友舆t符合高斯分布的假設(shè)，而這往往不符合實(shí)際情況的。

相信隨著外部探測技術(shù)的不斷完善、SAR傳感器的不斷改進(jìn)以及算法的不斷優(yōu)化，InSAR大氣延遲的校正可以得到進(jìn)一步的改善和提高，這對(duì)于InSAR技術(shù)的推廣以及更高精度地表形變的提取也是至關(guān)重要的。

4.4 軌道誤差改正

由于軌道狀態(tài)矢量存在誤差，導(dǎo)致基線估計(jì)不準(zhǔn)確，給InSAR數(shù)據(jù)處理帶來的誤差，稱之為軌道誤差。根據(jù)InSAR原理，基線存在的誤差不僅影響平地相位的去除，同時(shí)會(huì)影響高程與地形相位轉(zhuǎn)換參數(shù)的計(jì)算，其一方面在InSAR地形測繪中直接降低DEM的計(jì)算精度，另一方面在差分InSAR中影響外部地形貢獻(xiàn)的去除，從而降低差分InSAR形變監(jiān)測的可靠性。影響InSAR干涉測量精度的些誤差中，基線誤差對(duì)InSAR干涉測量精度的影響是系統(tǒng)性的[100]，尤其突出。無論是傳統(tǒng)的差分InSAR，還是在PS-InSAR和SBAS-InSAR等時(shí)序形變分析方法，軌道誤差都是必須考慮的誤差源。為了消除基線估計(jì)不精確導(dǎo)致的相位誤差，從數(shù)據(jù)處理處理角度出發(fā)，目前有兩種可選方法，即基線精確估計(jì)[101]、干涉相位誤差校正。

在基線精確估計(jì)方面，文獻(xiàn)[101]提出了利用地面控制點(diǎn)精化InSAR干涉基線的方法，根據(jù)已知的解纏相位和地面控制點(diǎn)高程建立觀測方程，采用最小二乘方法進(jìn)行基線參數(shù)的求解。但是很多情況下，我們沒法獲得研究區(qū)域的地面控制點(diǎn)。近年來，有學(xué)者將基線精化研究工作轉(zhuǎn)移到結(jié)合多時(shí)域InSAR的研究上，提出了多時(shí)域基線精化方法[102]，但是這些方法采用的基線精化模型在計(jì)算雷達(dá)視線方向矢量時(shí)仍高度依賴精確的地面高程信息[103]，這在很大程度上影響了基線精確估計(jì)結(jié)果的精度水平。在干涉相位誤差校正方面，研究工作主要集中于利用多項(xiàng)式模型去除軌道誤差，包括線性模型、二次多項(xiàng)式模型。然而，采用多項(xiàng)式擬合方法對(duì)干涉相位進(jìn)行校正僅能去除平地相位誤差，而由于基線誤差導(dǎo)致的地形殘余仍留在干涉圖中，這部分誤差與高程高度相關(guān)，容易被認(rèn)為是與高程相關(guān)的大氣誤差[104]。

4.5 精度評(píng)定

目前，InSAR的形變測量結(jié)果基本都依賴于實(shí)地測量數(shù)據(jù)(如水準(zhǔn)、GPS等)來檢核其精度和可靠性。其中最科學(xué)合理的方法是在研究區(qū)域布設(shè)人工角反射器，在SAR影像獲取時(shí)刻利用實(shí)地測量手段對(duì)角反射器進(jìn)行精密測量，并以此為標(biāo)準(zhǔn)對(duì)InSAR結(jié)果進(jìn)行精度評(píng)定[105]。對(duì)于絕大部分沒有布設(shè)角反射器的區(qū)域，則一般是根據(jù)實(shí)地測量數(shù)據(jù)的地理坐標(biāo)選擇最近的或一定范圍內(nèi)的InSAR監(jiān)測點(diǎn)進(jìn)行比較。然而值得注意的是，實(shí)地測量手段和InSAR技術(shù)所監(jiān)測的地面點(diǎn)往往并不一致。例如，在城區(qū)形變監(jiān)測時(shí)，InSAR技術(shù)所監(jiān)測的地面點(diǎn)一般是建筑物等反射信號(hào)穩(wěn)定的地物，而水準(zhǔn)監(jiān)測點(diǎn)大多是沿馬路進(jìn)行布設(shè)，GPS監(jiān)測站則可能建立在基巖上，這就導(dǎo)致實(shí)地測量數(shù)據(jù)不能準(zhǔn)確、客觀地評(píng)價(jià)InSAR形變監(jiān)測結(jié)果。

由上述介紹可知，目前InSAR精度評(píng)定受限于實(shí)地測量數(shù)據(jù)的數(shù)量和可靠性，因此未來有必要研究一種不依賴于外部數(shù)據(jù)的InSAR精度評(píng)定方法。相干性是衡量InSAR干涉圖質(zhì)量的一個(gè)重要指標(biāo)，但如何實(shí)現(xiàn)相干性的精確估計(jì)、以及如何將相干性與InSAR形變監(jiān)測精度相關(guān)聯(lián)，都有待進(jìn)一步研究。然而，大氣延遲的影響噪聲在相干性中難以得到體現(xiàn)，因此對(duì)于大氣影響嚴(yán)重的InSAR形變監(jiān)測結(jié)果，需要考慮引入更為復(fù)雜的模型(如協(xié)相關(guān)函數(shù))來估計(jì)大氣噪聲的方差[106]。另一方面，方差分量估計(jì)理論可以通過平差得到的觀測值改正數(shù)來迭代估計(jì)觀測量的方差，不受到任何先驗(yàn)信息的限制，有望在InSAR精度評(píng)定中取得突破[107]。

5 結(jié) 論

自InSAR技術(shù)提出以來，大量學(xué)者針對(duì)如何提高D-InSAR變形監(jiān)測的精度和維度作出了大量努力，提出了PS-InSAR、SBAS-InSAR、DS-InSAR和MAI等經(jīng)典技術(shù)，并且在城市、礦山、地震、火山、基礎(chǔ)設(shè)施、冰川、凍土、滑坡等領(lǐng)域取得了大量的成功應(yīng)用。但是，InSAR技術(shù)也存在自身的局限性，例如對(duì)南北向形變的不敏感性、由失相關(guān)、大氣延遲和軌道誤差導(dǎo)致的不確定性、以及缺乏有效的精度評(píng)定方法等，這些都在一定程度上阻礙了InSAR工程化和市場化進(jìn)程。隨著SAR衛(wèi)星的成像質(zhì)量和時(shí)空分辨率等越來越高，如何進(jìn)一步挖掘SAR數(shù)據(jù)的時(shí)空幾何物理特性在InSAR誤差改正和多源融合等方面的潛力，實(shí)現(xiàn)高精度三維時(shí)序變形監(jiān)測和精度評(píng)定，將是未來該領(lǐng)域的主要研究方向。

致謝:本文在撰寫過程中得到了河海大學(xué)蔣彌、香港理工大學(xué)許文斌、湖南師范大學(xué)孫倩等的協(xié)助，在此一并表示感謝。

[1] 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.

[2] 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.

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

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

[5] GALLOWAY D L, HUDNUT K W, INGEBRITSEN S E, et al. Detection of Aquifer System Compaction and Land Subsidence Using Interferometric Synthetic Aperture Radar, Antelope Valley, Mojave Desert, California[J]. Water Resources Research, 1998, 34(10): 2573-2585.

[6] LIU Shizhuo, HANSSEN R F, MIKA. Feasibility of Retrieving Spatial Variations of Atmospheric Phase Screen at Epochs of SAR Acquisitions from SAR Interferometry[C]∥Sixth International Workshop on ERS/Envisat SAR Interferometry. Frascati, Italy: [s.n.], 2009: 5.

[7] COSTANTINI M, ROSEN P A. A Generalized Phase Unwrapping Approach for Sparse Data[C]∥Proceedings of IEEE 1999 International Geoscience and Remote Sensing Symposium. Hamburg: IEEE, 1999, 1: 267-269.

[8] GOLDSTEIN R M, WERNER C L. Radar Interferogram Filtering for Geophysical Applications[J]. Geophysical Research Letters, 1998, 25(21): 4035-4038.

[9] LI Zhiwei, DING Xiaoli, ZHENG Dawei, et al. Least Squares-Based Filter for Remote Sensingimage Noise Reduction[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(7): 2044-2049.

[10] XU Bing, LI Zhiwei, WANG Qijie, et al. A Refined Strategy for Removing Composite Errors of SAR Interferogram[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(1): 143-147.

[11] JIANG Mi, DING Xiaoli, LI Zhiwei, et al. InSAR Coherence Estimation for Small Data Sets and Its Impact on Temporal Decorrelation Extraction[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(10): 6584-6596.

[12] FENG Guangcai, JNSSON S, KLINGER Y. Which Fault Segments Ruptured in the 2008 Wenchuan Earthquake and Which Did Not? New Evidence from Near-fault 3D Surface Displacements Derived from SAR Image Offsets[J]. Bulletin of the Seismological Society of America, 2017, 107(3). DOI: 10.1785/0120160126.

[13] 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.

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

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

[16] 陳強(qiáng). 基于永久散射體雷達(dá)差分干涉探測區(qū)域地表形變的研究[D]. 成都: 西南交通大學(xué), 2006.

CHEN Qiang. Detection Regional Ground Deformation by Differential SAR Interferometry Based on Permanent Scatters[D]. Chengdu: Southwest Jiaotong University, 2006.

[17] 熊文秀, 馮光財(cái), 李志偉, 等. 顧及時(shí)空特性的SBAS高質(zhì)量點(diǎn)選取算法[J]. 測繪學(xué)報(bào), 2015, 44(11): 1246-1254. DOI: 10.11947/j.AGCS.2015.20140547.

XIONG Wenxiu, FENG Guangcai, LI Zhiwei, et al. High Quality Targets Selection in SBAS-InSAR Technique by Considering Temporal and Spatial Characteristic[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(11): 1246-1254. DOI: 10.11947/j.AGCS.2015.20140547.

[18] KAMPES B M, HANSSEN R F. Ambiguity Resolution for Permanent Scatterer Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(11): 2446-2453.

[19] HOOPER A, ZEBKER H A. Phase Unwrapping in Three Dimensions with Application to INSAR Time Series[J]. Journal of the Optical Society of America A, 2007, 24(9): 2737-2747.

[20] 李德仁, 廖明生, 王艷. 永久散射體雷達(dá)干涉測量技術(shù)[J]. 武漢大學(xué)學(xué)報(bào)(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.

[21] 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.

[22] HOOPER A J. Persistent Scatter Radar Interferometry for Crustal Deformation Studies and Modeling of Volcanic Deformation[D]. California: Stanford University, 2006.

[23] 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.

[24] LI Zhiwei, ZHAO Rong, HU Jun, et al. InSAR Analysis of Surface Deformation over Permafrost to Estimate Active Layer Thickness Based on One-dimensional Heat Transfer Model of Soils[J]. Scientific Reports, 2015, 5: 15542.

[25] 李珊珊, 李志偉, 胡俊, 等. SBAS-InSAR技術(shù)監(jiān)測青藏高原季節(jié)性凍土形變[J]. 地球物理學(xué)報(bào), 2013, 56(5): 1476-1486.

LI Shanshan, LI Zhiwei, HU Jun, et al. Investigation of the Seasonal Oscillation of the Permafrost over Qinghai-Tibet Plateau with SBAS-InSAR Algorithm[J]. Chinese Journal of Geophysics, 2013, 56(5): 1476-1486.

[26] 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.

[27] HOOPER A. A Multi-Temporal InSAR Method Incorporating Both Persistent Scatterer and Small Baseline Approaches[J]. Geophysical Research Letters, 2008, 35(16): L16302.

[28] ZHANG Lei, LU Zhong, DING Xiaoli, et al. Mapping Ground Surface Deformation Using Temporarily Coherent Point SAR Interferometry: Application to Los Angeles Basin[J]. Remote Sensing of Environment, 2012, 117: 429-439.

[29] 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.

[30] LEE J S, POTTIER E. Polarimetric Radar Imaging: From Basics to Applications[M]. Boca Raton: CRC Press, 2009.

[31] HOOPER A, BEKAERT D, SPAANS K, et al. Recent Advances in SAR Interferometry Time Series Analysis for Measuring Crustal Deformation[J]. Tectonophysics, 2012, 514-517: 1-13.

[32] 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.

[33] 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.

[34] 蔣彌, 丁曉利, 何秀鳳, 等. 基于快速分布式目標(biāo)探測的時(shí)序雷達(dá)干涉測量方法: 以Lost Hills油藏區(qū)為例[J]. 地球物理學(xué)報(bào), 2016, 59(10): 3592-3603.

JIANG Mi, DING Xiaoli, HE Xiufeng, et al. FaSHPS-InSAR Technique for Distributed Scatterers: A Case Study over the Lost Hills Oil Field, California[J]. Chinese Journal of Geophysics, 2016, 59(10): 3592-3603.

[35] 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.

[36] WANG Yuanyuan, ZHU Xiaoxiang. Robust Estimators for Multipass SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(2): 968-980.

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

[38] HU J, LI Z W, DING X L, et al. 3D Coseismic Displacement of 2010 Darfield, New Zealand Earthquake Estimated from Multi-aperture InSAR and D-InSAR Measurements[J]. Journal of Geodesy, 2012, 86(11): 1029-1041.

[39] JO M J, JUNG H S, WON J S. Measurement of Precise Three-Dimensional Volcanic Deformations via TerraSAR-X Synthetic Aperture Radar Interferometry[J]. Remote Sensing of Environment, 2017, 192: 228-237.

[40] 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.

[41] JUNG H S, WON J S, KIM S W. An Improvement of the Performance of Multiple-aperture SAR Interferometry (MAI)[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(8): 2859-2869.

[42] CHAUSSARD E, AMELUNG F, ABIDIN H, et al. Sinking Cities in Indonesia: ALOS PALSAR Detects Rapid Subsidence Due to Groundwater and Gas Extraction[J]. Remote Sensing of Environment, 2013, 128: 150-161.

[43] ZHANG Yonghong, WU Hongan, KANG Yonghui, et al. Ground Subsidence in the Beijing-Tianjin-Hebei Region from 1992 to 2014 Revealed by Multiple SAR Stacks[J]. Remote Sensing, 2016, 8(8): 675.

[44] XU Bing, FENG Guangcai, LI Zhiwei, et al. Coastal Subsidence Monitoring Associated with Land Reclamation Using the Point Target Based SBAS-InSAR Method: A Case Study of Shenzhen, China[J]. Remote Sensing, 2016, 8(8): 652.

[45] CARNEC C, MASSONNET D, KING C. Two Examples of the Use of SAR Interferometry on Displacement Fields of Small Spatial Extent[J]. Geophysical Research Letters, 1996, 23(24): 3579-3582.

[46] 尹宏杰, 朱建軍, 李志偉, 等. 基于SBAS的礦區(qū)形變監(jiān)測研究[J]. 測繪學(xué)報(bào), 2011, 40(1): 52-58.

YIN Hongjie, ZHU Jianjun, LI Zhiwei, et al. Ground Subsidence Monitoring in Mining Area Using DInSAR SBAS Algorithm[J]. Acta Geodaetica et Cartographica Sinica, 2011, 40(1): 52-58.

[47] NG A H M, GE Linlin, ZHANG Kui, et al. Deformation Mapping in Three Dimensions for Underground Mining Using InSAR-Southern Highland Coalfield in New South Wales, Australia[J]. International Journal of Remote Sensing, 2011, 32(22): 7227-7256.

[48] I Zhiwei, YANG Zefa, ZHU Jianjun, et al. Retrieving Three-dimensional Displacement Fields of Mining Areas from a Single InSAR Pair[J]. Journal of Geodesy, 2015, 89(1): 17-32.

[49] 楊澤發(fā), 朱建軍, 李志偉, 等. 基于單個(gè)雷達(dá)成像幾何學(xué)SAR影像的礦區(qū)三維時(shí)序形變監(jiān)測方法: 中國, 201610546270.1[P]. 2016-12-14.

YANG Zefa, ZHU Jianjun, LI Zhiwei, et al. Based on the Timing of Individual Mines Dimensional Radar Imaging Geometry SAR Image Deformation Monitoring Methods: China, 201610546270.1[P]. 2016-12-14.

[50] FAN H D, CHENG D, DENG K Z, et al. Subsidence Monitoring Using D-InSAR and Probability Integral Prediction Modelling in Deep Mining Areas[J]. Survey Review, 2015, 47(345): 438-445.

[51] YANG Zefa, LI Zhiwei, ZHU Jianjun, et al. InSAR-Based Model Parameter Estimation of Probability Integral Method and Its Application for Predicting Mining-Induced Horizontal and Vertical Displacements[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(8): 4818-4832.

[52] YANG Zefa, LI Zhiwei, ZHU Jianjun, et al. An Extension of the InSAR-Based Probability Integral Method and Its Application for Predicting 3-D Mining-Induced Displacements under Different Extraction Conditions[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(7): 3835-3845. DOI: 10.1109/TGRS.2017.2682192.

[53] MASSONNET D, FEIGL K, ROSSI M, et al. Radar Interferometric Mapping of Deformation in the Year after the Landers Earthquake[J]. Nature, 1994, 369(6477): 227-230.

[54] TONG Xiaopeng, SMITH-KONTER B, SANDWELL D T. Is There A Discrepancy Between Geological and Geodetic Slip Rates along the San Andreas Fault System?[J]. Journal of Geophysical Research: Solid Earth, 2014, 119(3): 2518-2538.

[55] ELLIOTT J R, WALTERS R J, WRIGHT T J. The Role of Space-Based Observation in Understanding and Responding to Active Tectonics and Earthquakes[J]. Nature Communications, 2016, 7: 13844.

[56] 徐小波. 多手段InSAR技術(shù)研究及其在同震、震間形變監(jiān)測中的應(yīng)用[J]. 國際地震動(dòng)態(tài), 2016(6): 34-36.

XU Xiaobo. Multi-means InSAR Research and Its Application in Coseismic and Interseismic Deformation Monitoring[J]. Recent Developments in World Seismology, 2016(6): 34-36.

[57] MASSONNET D, BRIOLE P, ARNAUD A. Deflation of Mount Etna Monitored by Spaceborne Radar Interferometry[J]. Nature, 1995, 375(6532): 567-570.

[58] BRIOLE P, MASSONNET D, DELACOURT C. Post-Eruptive Deformation Associated with the 1986-87 and 1989 Lava Flows of Etna Detected by Radar Interferometry[J]. Geophysical Research Letters, 1997, 24(1): 37-40.

[59] LANARI R, LUNDGREN P, SANSOSTI E. Dynamic Deformation of Etna Volcano Observed by Satellite Radar Interferometry[J]. Geophysical Research Letters, 1998, 25(10): 1541-1544.

[61] BAGNARDI M, AMELUNG F, POLAND M P. A New Model for the Growth of Basaltic Shields Based on Deformation of Fernandina Volcano, Galápagos Islands[J]. Earth and Planetary Science Letters, 2013, 377-378: 358-366.

[62] XU Wenbin, RUCH J, JNSSON S. Birth of Two Volcanic Islands in the Southern Red Sea[J]. Nature Communications, 2015, 6: 7104.

[63] WRIGHT T J, EBINGER C, BIGGS J, et al. Magma-Maintained Rift Segmentation at Continental Rupture in the 2005 Afar Dyking Episode[J]. Nature, 2006, 442(7100): 291-294.

[64] RUCH J, WANG Teng, XU Wenbin, et al. Oblique Rift Opening Revealed by Reoccurring Magma Injection in Central Iceland[J]. Nature Communications, 2016, 7: 12352.

[65] PRITCHARD M E, SIMONS M. An InSAR-Based Survey of Volcanic Deformation in the Central Andes[J]. Geochemistry, Geophysics, Geosystems, 2004, 5(2): Q02002.

[66] FOURNIER T J, PRITCHARD M E, RIDDICK S N. Duration, Magnitude, and Frequency of Subaerial Volcano Deformation Events: New Results from Latin America Using InSAR and A Global Synthesis[J]. Geochemistry, Geophysics, Geosystems, 2010, 11(1): Q01003.

[67] CHAUSSARD E, AMELUNG F. Precursory Inflation of Shallow Magma Reservoirs at West Sunda Volcanoes Detected by InSAR[J]. Geophysical Research Letters, 2012, 39(21): L21311.

[68] EPPLER J, RABUS B. Monitoring Urban Infrastructure with An Adaptive Multilooking InSAR Technique[C]∥Proceedings of Fringe 2011. Frascati, Italy: ADS, 2012: 68.

[69] BAKON M, PERISSIN D, LAZECKY M, et al. Infrastructure Non-Linear Deformation Monitoring via Satellite Radar Interferometry[J]. Procedia Technology, 2014, 16: 294-300.

[70] 周建民, 李震, 邢強(qiáng). 基于雷達(dá)干涉失相干特性提取冰川邊界方法研究[J]. 冰川凍土, 2010, 32(1): 133-138.

ZHOU Jianmin, LI Zhen, XING Qiang. Deriving Glacier Border Information Based on Analysis of Decorrelation in SAR Interferometry[J]. Journal of Glaciology and Geocryology, 2010, 32(1): 133-138.

[71] BELL R E, STUDINGER M, SHUMAN C A, et al. Large Subglacial Lakes in East Antarctica at the Onset of Fast-Flowing Ice Streams[J]. Nature, 2007, 445(7130): 904-907.

[72] STROZZI T, KOURAEV A, WIESMANN A, et al. Estimation of Arctic Glacier Motion with Satellite L-band SAR Data[J]. Remote Sensing of Environment, 2008, 112(3): 636-645.

[73] LUCKMAN A, QUINCEY D, BEVAN S. The Potential of Satellite Radar Interferometry and Feature Tracking for Monitoring Flow Rates of Himalayan Glaciers[J]. Remote Sensing of Environment, 2007, 111(2-3): 172-181.

[74] MOHR J J, REEH N, MADSEN S N. Three-Dimensional Glacial Flow and Surface Elevation Measured With Radar Interferometry[J]. Nature, 1998, 391(6664): 273-276.

[75] GRAY L. Using Multiple RADARSAT InSAR Pairs to Estimate a Full Three-Dimensional Solution for Glacial Ice Movement[J]. Geophysical Research Letters, 2011, 38(5): L05502.

[76] AIZEN V B, KUZMICHENOK V A, SURAZAKOV A B, et al. Glacier Changes in the Tien Shan as Determined from Topographic and Remotely Sensed Data[J]. Global and Planetary Change, 2007, 56(3-4): 328-340.

[77] ROTT H, FLORICIOIU D, WUITE J, et al. Mass Changes of Outlet Glaciers along the Nordensjk?ld Coast, Northern Antarctic Peninsula, Based on TANDEM-X Satellite Measurements[J]. Geophysical Research Letters, 2014, 41(22): 8123-8129.

[78] BEVAN S L, LUCKMAN A, KHAN S A, et al. Seasonal Dynamic Thinning at Helheim Glacier[J]. Earth and Planetary Science Letters, 2015, 415: 47-53.

[79] NECKEL N, BRAUN A, KROPá?EK J, et al. Recent Mass Balance of the Purogangri Ice Cap, Central Tibetan Plateau, by Means of Differential X-band SAR Interferometry[J]. The Cryosphere, 2013, 7(5): 1623-1633.

[80] WANG Zhijun, LI Shusun. Detection of Winter Frost Heaving of the Active Layer of Arctic Permafrost Using SAR Differential Interferograms[C]∥Proceedings of IEEE 1999 International Geoscience and Remote Sensing Symposium. Hamburg: IEEE, 1999, 4: 1946-1948.

[81] LIU Lin, ZHANG Tingjun, WAHR J. InSAR Measurements of Surface Deformation over Permafrost on the North Slope of Alaska[J]. Journal of Geophysical Research: Earth Surface, 2010, 115(F3): F03023.

[82] LIU Lin, SCHAEFER K, ZHANG Tingjun, et al. Estimating 1992-2000 Average Active Layer Thickness on the Alaskan North Slope from Remotely Sensed Surface Subsidence[J]. Journal of Geophysical Research: Earth Surface, 2012, 117(F1): F01005.

[83] 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.

[84] CHEN Fulong, LIN Hui, ZHOU Wei, et al. Surface Deformation Detected by ALOS PALSAR Small Baseline SAR Interferometry over Permafrost Environment of Beiluhe Section, Tibet Plateau, China[J]. Remote Sensing of Environment, 2013, 138: 10-18.

[85] ZHAO Rong, LI Zhiwei, FENG Guangcai, et al. Monitoring Surface Deformation Over Permafrost with an Improved SBAS-InSAR Algorithm: With Emphasis on Climatic Factors Modeling[J]. Remote Sensing of Environment, 2016, 184: 276-287.

[86] JIA Yuanyuan, KIM J W, SHUM C K, et al. Characterization of Active Layer Thickening Rate over the Northern Qinghai-Tibetan Plateau Permafrost Region Using ALOS Interferometric Synthetic Aperture Radar Data, 2007-2009[J]. Remote Sensing, 2017, 9(1): 84.

[87] BERARDINO P, COSTANTINI M, FRANCESCHETTI G, et al. Use of Differential SAR Interferometry in Monitoring and Modelling Large Slope Instability at Maratea (Basilicata, Italy)[J]. Engineering Geology, 2003, 68(1-2): 31-51.

[88] 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.

[89] MANZO M, RICCIARDI G P, CASU F, et al. Surface Deformation Analysis in the Ischia Island (Italy) Based on Spaceborne Radar Interferometry[J]. Journal of Volcanology and Geothermal Research, 2006, 151(4): 399-416.

[90] 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.

[91] GUDMUNDSSON S, SIGMUNDSSON F, CARSTENSEN J M. Three-dimensional Surface Motion Maps Estimated from Combined Interferometric Synthetic Aperture Radar and GPS Data[J]. Journal of Geophysical Research: Solid Earth, 2002, 107(B10): ETG 13-1-ETG 13-14.

[92] ZHENG Wanji, HU Jun, ZHANG Wei, et al. Potential of Geosynchronous SAR Interferometric Measurements in Estimating Three-Dimensional Surface Displacements[J]. Science China Information Sciences, 2017, 60(6): 060304.

[93] PEPE A, SANSOSTI E, BERARDINO P, et al. On the Generation of ERS/ENVISAT DInSAR Time-Series via the SBAS Technique[J]. IEEE Geoscience and Remote Sensing Letters, 2005, 2(3): 265-269.

[94] MEYER F J, CHOTOO K, CHOTOO S D, et al. The Influence of Equatorial Scintillation on L-band SAR Image Quality and Phase[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(2): 869-880.

[95] REUVENI Y, BOCK Y, TONG Xiaopeng, et al. Calibrating Interferometric Synthetic Aperture Radar (InSAR) Images with Regional GPS Network Atmosphere Models[J]. Geophysical Journal International, 2015, 202(3): 2106-2119.

[96] CHEN A C, ZEBKER H A. Reducing Ionospheric Effects in InSAR Data Using Accurate Coregistration[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(1): 60-70.

[97] LIU Zhen, JUNG H S, LU Zhong. Joint Correction of Ionosphere Noise and Orbital Error in L-band SAR Interferometry of Interseismic Deformation in Southern California[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(6): 3421-3427.

[98] 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.

[99] BEKAERT D P S, HOOPER A, WRIGHT T J. A Spatially Variable Power Law Tropospheric Correction Technique for InSAR Data[J]. Journal of Geophysical Research: Solid Earth, 2015, 120(2): 1345-1356.

[100] 屈春燕, 單新建, 張國宏, 等. 干涉基線對(duì)地震形變場的影響——以瑪尼地震同震-震后形變場為例[J]. 地震地質(zhì), 2012, 34(4): 672-683.

QU Chunyan, SHAN Xinjian, ZHANG Guohong, et al. Influence of Interferometric Baseline on Measurements of Seismic Deformation: A Case Study on the 1997 MANI, TibetM7.7 Earthquake[J]. Seismology and Geology, 2012, 34(4): 672-683.

[101] SMALL D, WERNER C, NUESCH D. Baseline Modelling for ERS-1 SAR Interferometry[C]∥Proceedings of 1993 International Geoscience and Remote Sensing Symposium, 1993. Better Understanding of Earth Environment. Tokyo: IEEE, 1993, 3: 1204-1206.

[103] LIU Guang, HANSSEN R F, GUO Huadong, et al. Nonlinear Model for InSAR Baseline Error[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(9): 5341-5351.

[104] 張亞利, 游揚(yáng)聲, 蘭敬松. 基線誤差、相位誤差和大氣延遲誤差對(duì)InSAR數(shù)據(jù)處理的影響分析[J]. 遙感技術(shù)與應(yīng)用, 2010, 25(3): 399-403.

ZHANG Yali, YOU Yangsheng, LAN Jingsong. Error Analysis of Baseline, Phase and Atmosphere Delay in InSAR Data Processing[J]. Remote Sensing Technology and Application, 2010, 25(3): 399-403.

[105] 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.

[106] REFICE A, BELMONTE A, BOVENGA F, et al. On the Use of Anisotropic Covariance Models in Estimating Atmospheric Dinsar Contributions[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(2): 341-345.

[107] HU Jun, LI Zhiwei, SUN Qian, et al. Three-Dimensional Surface Displacements from InSAR and GPS Measurements with Variance Component Estimation[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(4): 754-758.

(責(zé)任編輯：張艷玲)

Research Progress and Methods of InSAR for Deformation Monitoring

ZHU Jianjun,LI Zhiwei,HU Jun

School of Geosciences and Info-Physics, Central South University, Changsha 410083, China

Deformation monitoring is one of the most mature applications of space-borne InSAR technique. Firstly, we introduce the basic principle of InSAR in the monitoring of deformation and the current SAR satellites. The deformation monitoring methods of InSAR are then classified into the groups of D-InSAR, PS-InSAR, SBAS-InSAR, DS-InSAR and MAI, which are analyzed in the aspects of technical features and application scopes. Subsequently, we analyze the research progress and deficiencies of InSAR in the investigation of urban, mining area, earthquake, volcano, infrastructure, glacier, permafrost and landslide. Finally, some advanced academic problems such as deformation monitoring in multi-demension and low coherence area, atmospheric and orbital errors mitigation, and accuracy assessment are concluded.

InSAR; deformation monitoring; space-borne; review

The National Basic Research Program of China (973 Program) (No. 2013CB733303); The National Natural Science Foundation of China (Nos. 41371335; 41404011); The Major Projects of High Resolution Earth Observation (Civil Part) (No. 03-Y20A11-9001-15/16)

ZHU Jianjun (1962—), male, professor, PhD supervisor, majors in surveying adjustment and InSAR data processing.

朱建軍，李志偉，胡俊.InSAR變形監(jiān)測方法與研究進(jìn)展[J].測繪學(xué)報(bào)，2017,46(10)：1717-1733.

10.11947/j.AGCS.2017.20170350.

ZHU Jianjun,LI Zhiwei,HU Jun.Research Progress and Methods of InSAR for Deformation Monitoring[J]. Acta Geodaetica et Cartographica Sinica,2017,46(10):1717-1733. DOI:10.11947/j.AGCS.2017.20170350.

P237

A

1001-1595(2017)10-1717-17

國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)(2013CB733303)；國家自然科學(xué)基金(41371335；41404011)；高分辨率對(duì)地觀測系統(tǒng)重大專項(xiàng)(民用部分)(03-Y20A11-9001-15/16)

2017-06-26

修回日期： 2017-09-13

朱建軍(1962—)，男，教授，博士生導(dǎo)師，研究方向?yàn)闇y量平差與InSAR數(shù)據(jù)處理。

E-mail： zjj@mail.csu.edu.cn