李振洪，朱 武，余 琛，張 勤，張成龍，劉振江，張雪松，陳 博，杜建濤，宋 闖，韓炳權(quán)，周佳薇

1. 長安大學地質(zhì)工程與測繪學院，陜西 西安 710054； 2. 長安大學地學與衛(wèi)星大數(shù)據(jù)研究中心，陜西 西安 710054； 3. 西部礦產(chǎn)資源與地質(zhì)工程教育部重點實驗室，陜西 西安 710054； 4. 紐卡斯爾大學工程學院，英國 紐卡斯爾 NE1 7RU

星載合成孔徑雷達干涉測量(InSAR)因其全天時、全天候、高精度、高分辨率等優(yōu)點已快速發(fā)展為成熟的空間對地觀測技術(shù)，具有以米級精度繪制全球地形[1]，以亞厘米級精度和分米至數(shù)十米的空間分辨率監(jiān)測地表形變的能力[2-3]。雷達干涉測量的應用最早可追溯到1969年，文獻[4]首次將干涉測量技術(shù)應用到雷達上，成功獲取金星和月球表面的高程信息。文獻[5]首次將雷達干涉測量技術(shù)應用到機載雷達上，利用振幅條紋和光學處理技術(shù)獲取了地表地形。此后，美國航空航天局噴氣動力學實驗室(Jet Propulsion Laboratory，JPL)進行了一系列的機載SAR試驗，并于1978年6月發(fā)射世界上第一顆星載SAR衛(wèi)星SEASAT，其在軌工作105 d，獲得了大量的地球表面雷達干涉測量數(shù)據(jù)，為InSAR技術(shù)的初期發(fā)展奠定了基礎。此后，ERS-1/2、JERS-1、Radarsat-1/2、Envisat等多顆SAR衛(wèi)星相繼發(fā)射，為InSAR技術(shù)的快速發(fā)展提供了豐富的數(shù)據(jù)資源。InSAR最初是利用兩幅同一區(qū)域SAR影像的相位差提取地表高程[1]。文獻[2]首次提出差分干涉測量技術(shù)，實現(xiàn)了地面高程和形變信號的分離，并使用SEASAT數(shù)據(jù)獲得了美國加利福尼亞州大面積農(nóng)田厘米級精度的地表形變。隨后InSAR在地表形變監(jiān)測中得到了廣泛應用[6-9]，但隨著應用領域的不斷深入，傳統(tǒng)InSAR的局限性也不斷凸顯：① 時間和空間失相干；② 大氣延遲的影響；③ 外部數(shù)字高程模型(DEM)不精確引起的地形相位誤差；④ 只能獲取一維衛(wèi)星視線向形變(line of sight，LOS)；⑤ 無法獲取形變時間序列。進而學者們相繼提出了InSAR Stacking[10]、PS-InSAR[11-12]、SBAS-InSAR[13]、MAI[14]、DS-InSAR[15]等技術(shù)，被廣泛應用于地震、火山噴發(fā)、滑坡、地面沉降、冰川運動及人工建構(gòu)筑物變形監(jiān)測等領域的研究[16]。

我國機載SAR的研制從20世紀70年代中期開始，80年代中后期便擁有了自己的機載SAR系統(tǒng)(中科院電子所)。我國InSAR研究起步相對較晚，文獻[17]利用昆侖山地區(qū)的雷達影像成功提取了DEM，展示了InSAR在地形信息獲取方面的優(yōu)越性和應用前景。文獻[18]首次在國內(nèi)較為系統(tǒng)地介紹了星載InSAR的處理流程，并利用InSAR技術(shù)獲取了1992年Landers地震位移場。文獻[19]在長江三峽庫區(qū)利用歐洲空間局(European Space Agency，ESA)提供的1992—2000年42幅ERS-1/2影像，生成了較為理想的干涉圖像，進而探討了利用InSAR監(jiān)測三峽工程蓄水過程地表變形的可行性。文獻[20—21]基于InSAR技術(shù)獲取了南極格羅夫山及其東部地區(qū)的冰流速場，通過與實測資料對比驗證，表明利用InSAR技術(shù)可以快速地提取內(nèi)陸冰蓋地區(qū)的大范圍復雜冰流信息，是精密測量復雜冰流的有效手段。文獻[22]利用InSAR技術(shù)獲取了長白山地區(qū)的形變場，顯示1995—1998年期間長白山東南側(cè)的間白山火山存在6～12 cm的形變，而長白山天池火山無明顯形變，處于平靜期。在科學引文索引(science citation index，SCI)中統(tǒng)計了1990—2021年年底主題(TS)為InSAR的發(fā)文量，發(fā)現(xiàn)自2000年以來，國內(nèi)InSAR技術(shù)得到快速發(fā)展，國內(nèi)發(fā)文總量占到全球發(fā)文總量的35%(圖1)。

圖1 1990—2021年TS=InSAR文獻發(fā)表統(tǒng)計

經(jīng)過幾十年的發(fā)展，InSAR技術(shù)方法不斷得到改進，應用領域也不斷得到拓展。本文旨在回顧InSAR技術(shù)的基本原理，分析InSAR技術(shù)面臨的主要挑戰(zhàn)及其在各應用領域的研究現(xiàn)狀，使讀者對雷達影像干涉測量InSAR的挑戰(zhàn)、機遇與發(fā)展趨勢有更全面系統(tǒng)的了解。本文首先概述InSAR的基本原理并介紹目前常用的InSAR技術(shù)方法；其次，介紹InSAR技術(shù)的主要挑戰(zhàn)及相應的解決方案；然后，介紹InSAR技術(shù)的主要應用及其研究現(xiàn)狀；最后，討論InSAR技術(shù)未來的發(fā)展趨勢。

1 InSAR發(fā)展現(xiàn)狀和技術(shù)概況

1.1 SAR衛(wèi)星的發(fā)展現(xiàn)狀

自1972年美國發(fā)射第一顆地球資源技術(shù)衛(wèi)星(earth resources technology satellite，ERTS)開始，衛(wèi)星以其更新速度快、覆蓋范圍廣、響應時間短等優(yōu)點迅速成為空間對地觀測的主要平臺。SAR衛(wèi)星通過搭載在衛(wèi)星平臺上的合成孔徑雷達發(fā)射并接收特定波長的電磁波進行成像，根據(jù)不同的工作波段可分為X(～3 cm)、C(～5 cm)、S(～9 cm)及L(～23 cm)等類型。由于飛行高度、入射角度和成像寬度等不同，不同的SAR衛(wèi)星對全球成像需要幾天到幾周時間不等。

1978年，JPL發(fā)射了世界上第一個載有成像雷達的衛(wèi)星SEASAT，ESA分別于1991年和1995年發(fā)射了兩顆C波段衛(wèi)星ERS-1和ERS-2，同時期日本宇宙航空機構(gòu)(Japan Aerospace Exploration Agency，JAXA)于1992年發(fā)射了L波段的JERS-1衛(wèi)星，加拿大空間局(Canadian Space Agency，CSA)于1995年發(fā)射了商用C波段Radarsat-1衛(wèi)星。這些衛(wèi)星系統(tǒng)的穩(wěn)定性、軌道控制逐漸得到優(yōu)化，獲取的影像被廣泛應用于InSAR理論和技術(shù)研究以及應用試驗中，極大地推動了大氣延遲改正、相位解纏和時間序列分析等InSAR關鍵數(shù)據(jù)處理技術(shù)的發(fā)展與突破。

21世紀初期，SAR衛(wèi)星的硬件制造水平得到進一步提升。2002年ESA發(fā)射了ERS-1/2的后續(xù)衛(wèi)星Envisat，其搭載的ASAR系統(tǒng)具有多極化、多角度、多模式成像能力；2006年，JAXA發(fā)射了ALOS衛(wèi)星，搭載的相控陣PALSAR傳感器，是全球第一個L波段星載全極化干涉SAR衛(wèi)星，由于L波段具有更強的穿透能力，為地震、火山等災害應急和環(huán)境監(jiān)測提供了可靠的數(shù)據(jù)源。上述SAR衛(wèi)星獲取的中低分辨率SAR影像成為21世紀早期InSAR技術(shù)發(fā)展的主要數(shù)據(jù)源。

隨著新一代SAR衛(wèi)星的發(fā)射，SAR影像進入了高分辨率時代，傳感器功能也從單一極化方式、單一成像模式、單一波段、固定入射角向著多極化、多模式、多波段、可變?nèi)肷浣堑姆较虬l(fā)展。圖2總結(jié)了從1975年開始的主要SAR衛(wèi)星發(fā)射情況以及未來發(fā)射計劃，而表1列出了各SAR衛(wèi)星的系統(tǒng)參數(shù)。德國航空航天中心(German Aerospace Center，DLR)于2007年6月發(fā)射了高空間分辨率衛(wèi)星TerraSAR-X，意大利航天局和國防部(Agenzia Spaziale Italiana,ASI)同年6月發(fā)射了第一顆COSMO-SkyMed，兩顆衛(wèi)星均為X波段的高空間分辨率對地觀測SAR衛(wèi)星系統(tǒng)，ASI在2007年12月至2010年11月期間又連續(xù)發(fā)射了3顆COSMO-SkyMed衛(wèi)星，組成四星一體的星座，DLR于2010年6月發(fā)射了TanDEM-X衛(wèi)星與TerraSAR-X組成星座，這些都大大提高了SAR衛(wèi)星的時間分辨率。JAXA于2014年發(fā)射了ALOS的后續(xù)衛(wèi)星ALOS-2，空間分辨率高達1 m，在地表沉降、地殼監(jiān)測、防災減災、農(nóng)林漁業(yè)、海洋觀測及資源勘探等領域都發(fā)揮著較高的應用價值。ESA在2014年和2016年分別發(fā)射了C波段的Sentinel-1 A/B衛(wèi)星，兩顆衛(wèi)星組成星座，實現(xiàn)了全球12 d、部分地區(qū)6 d重訪的高時間分辨率，且實行數(shù)據(jù)全球免費共享政策，進一步推動了InSAR技術(shù)的快速發(fā)展與廣泛應用。目前，JPL正在積極開展NISAR衛(wèi)星的研制工作，計劃于2023年發(fā)射，其將搭載NASA研制的L波段合成孔徑雷達和印度空間研究組織(Indian Space Research Organization，ISRO)提供的S波段合成孔徑雷達，采用數(shù)據(jù)免費共享政策，將至少提供連續(xù)5 a的12 d重訪周期、3～10 m分辨率的SAR影像，NISAR的發(fā)射將SAR衛(wèi)星的觀測能力推向一個新的高度。

表1 SAR衛(wèi)星系統(tǒng)參數(shù)

圖2 SAR衛(wèi)星的發(fā)展

與國外SAR衛(wèi)星的快速發(fā)展相比，國內(nèi)起步較晚，但也取得了很多成果。2012年11月19日發(fā)射的首顆S波段環(huán)境一號C星(HJ-1C)是環(huán)境與災害監(jiān)測預報小衛(wèi)星星座中的雷達成像衛(wèi)星。2016年高分三號衛(wèi)星成功發(fā)射，于2017年3月生成了我國第一幅衛(wèi)星SAR干涉影像，并從影像中提取到上海地區(qū)亞厘米級精度的地面沉降信息，實現(xiàn)了我國衛(wèi)星SAR影像干涉測量零的突破(http:∥www.spacechina.com/n25/n2014789/n2014804/c1615763/content.html;https:∥kepu.gmw.cn/2017-03/27/content_24062411.htm)。海絲一號(Hisea-1)是國內(nèi)發(fā)射的首顆1 m空間分辨率、C波段商業(yè)SAR遙感衛(wèi)星；2022年1月26日，陸探一號(LT-1)01組A星成功發(fā)射，其搭載了先進的L波段多極化多通道SAR載荷，具有全天時、全天候、多模式對地觀測能力，具備多種成像模式，最高分辨率3 m，最大觀測幅寬可達400 km；2022年2月27日發(fā)射了陸探一號01組B星，組成了雙星星座，可開展跟飛、繞飛兩種飛行模式，跟飛模式具備單星8 d、雙星4 d重復軌道觀測能力，可應用于InSAR形變監(jiān)測。陸探一號衛(wèi)星的發(fā)射將提供覆蓋范圍廣、測量點密度大、重復觀測頻率高的L波段SAR影像，有效緩解我國對國外高精度SAR衛(wèi)星影像的依賴。

1.2 InSAR技術(shù)概況

1.2.1 InSAR基本原理

InSAR技術(shù)利用SAR影像的相位差重建高精度DEM或監(jiān)測地表形變[23-24]。早期InSAR技術(shù)主要應用于地形的獲取，如金星、月球和地球表面的地形測量等[1,4-5,25]。 自文獻[2]首次利用InSAR技術(shù)獲取美國加利福尼亞州大面積農(nóng)田厘米級地表形變后，InSAR技術(shù)被廣泛應用于地表形變測量，并逐漸發(fā)展出InSAR Stacking、時間序列InSAR及分頻干涉測量等多種先進InSAR技術(shù)，本文聚焦InSAR在地表形變測量方面的研究與應用。

常用的InSAR方法主要有兩軌法、三軌法和四軌法等，其中兩軌法最為常見，其基本原理是利用同一軌道兩景SAR影像，精密配準后進行共軛相乘得到干涉相位，然后從中減去由外部DEM模擬的地形相位部分，從而獲取地面目標的形變信息[2,26]，干涉相位可表示為

φint=φtopo+φdef+φatm+φorb+φnoise

(1)

式中，φint為InSAR總干涉相位；φtopo為地形相位；φdef為地表形變相位；φatm表示由大氣延遲造成的相位誤差；φorb為軌道誤差引起的相位；φnoise則包含了熱噪聲、失相干等其他誤差相位。大氣延遲相位φatm、軌道相位φorb以及噪聲相位φnoise可采用一定的方法削弱，因此式(1)中主要考慮地形和形變相位。若已知研究區(qū)域的DEM，則可采用式(2)模擬出地形相位[27]

(2)

式中，B⊥為干涉對的垂直基線長度；h為地面目標高度；λ為雷達波長；R為衛(wèi)星到地面目標的斜距；θ為雷達入射角。式(1)中去除φtopo地形相位便可以得到地表形變相位，實現(xiàn)InSAR對地表形變信息的獲取，圖3為兩軌法差分InSAR提取地表形變的簡化流程。

圖3 兩軌法差分InSAR處理框架

InSAR測量的主要誤差源有地形誤差、大氣誤差、軌道誤差、解纏誤差和失相干誤差等。地形誤差是指用于模擬地形相位的DEM導致的相位誤差[28]，如式(2)所示，干涉相位測量中的地形誤差與垂直基線長度成正比，垂直基線越長，DEM誤差的影響就越大，垂直基線越短，DEM誤差的影響越小，垂直基線為零時，InSAR形變測量中無地形誤差。大氣誤差是指兩次獲取SAR影像時雷達波穿過大氣層，由于大氣環(huán)境的時空變化導致的相位誤差，其是重軌InSAR主要的誤差源之一[29]。軌道誤差是指使用軌道產(chǎn)品去除衛(wèi)星軌道幾何貢獻后干涉影像中仍存在的相位誤差，其往往表現(xiàn)為貫穿整幅干涉影像的干涉條紋。軌道誤差通常可以通過從解纏相位中去除一個最佳擬合平面或二次曲面來削弱其影響，但需要注意的是，該方法可能會同時去除形變信號中的長波分量[30]。解纏誤差是指將干涉相位從纏繞相位恢復到連續(xù)相位的過程中引進的2π整數(shù)倍的相位誤差，在低相干性區(qū)域和大形變梯度情況下，解纏誤差是獲取可靠InSAR觀測值的主要限制因素之一。失相干誤差是指由于地表后向散射特性在重復成像時發(fā)生較大變化，或地表形變梯度過大等原因引起的干涉影像相干性降低，進而造成的誤差。

1.2.2 InSAR Stacking

為了削弱大氣延遲等誤差的影響，提高干涉影像的信噪比，InSAR Stacking技術(shù)被逐漸發(fā)展起來[10]。InSAR Stacking的基本假設是研究區(qū)域內(nèi)的地表形變速率呈線性變化，通過對InSAR技術(shù)所獲取的一段時間內(nèi)的解纏相位進行加權(quán)平均，進而估計大區(qū)域的平均形變速率場。設ΔT是第i幅干涉圖的時間基線，則平均形變速率(ph_rate)為

(3)

式中，phi為第i幅干涉圖的解纏相位[31]。

InSAR Stacking的本質(zhì)是通過平均值濾波來削弱隨機誤差的影響，獨立觀測值越多，效果越佳。文獻[32]首次利用InSAR Stacking技術(shù)獲得土耳其境內(nèi)北安納托利亞斷層的震間微小形變速率。值得指出的是，大氣對流層延遲誤差往往與地形起伏相關，不可簡單地視為隨機誤差。因此，在干涉圖堆疊前削弱諸如大氣誤差等系統(tǒng)誤差的影響，有助于精密獲取形變速率場，故文獻[31]提出一種大氣誤差改正模型輔助下的InSAR Stacking方法，并成功應用于華北平原的沉降監(jiān)測。盡管干涉圖堆疊技術(shù)現(xiàn)已被廣泛應用于礦山形變監(jiān)測、地面沉降監(jiān)測和滑坡廣域探測與監(jiān)測等[31,33-34]，但干涉圖堆疊技術(shù)只能獲取形變速率場，無法獲取形變時間序列，沒有完全發(fā)揮InSAR技術(shù)的潛力。

1.2.3 時間序列InSAR

如前所述，InSAR獲取高精度地表形變受限于各種誤差源的影響，包括地形誤差、大氣延遲誤差、軌道誤差、解纏誤差和失相干誤差等[27,30-31]，其中大氣誤差和解纏誤差是InSAR形變測量的主要瓶頸。為了削弱這些誤差的影響，提高形變測量的精度和可靠性，InSAR時間序列處理技術(shù)被提出并得到了廣泛的應用，包括SBAS-InSAR[13]、PS-InSAR[11,12,35-37]和DS-InSAR[15,38-39]等。

1.2.3.1 SBAS-InSAR

為了提取地表形變時間序列，文獻[13]提出一種基于多主影像且只利用時空基線較短的干涉對來提取地表形變信息的InSAR時間序列方法，即SBAS-InSAR技術(shù)。SBAS-InSAR技術(shù)的基本原理是選取較短時間和空間基線閾值內(nèi)的干涉影像用于時間序列分析，確保失相干和地形相位誤差都較小，最終得到穩(wěn)定可靠的時間序列形變。

1.2.3.2 PS-InSAR

傳統(tǒng)InSAR技術(shù)監(jiān)測地表形變常常受限于時間和空間失相干以及大氣擾動的影響，且InSAR Stacking技術(shù)很難對非線性形變速率進行估計，為了克服這些缺陷，文獻[11—12,35]提出了PS-InSAR技術(shù)。PS-InSAR的基本原理是：利用覆蓋同一地區(qū)的多景SAR影像，通過統(tǒng)計分析所有影像的幅度與相位信息，探測出一部分不受時間、空間影響而維持高相干性的地物作為觀測對象，這些點被稱為永久散射體(persistent scatterer，PS)[12]。如圖4所示，從物理特征上看PS點大多是某些建筑物轉(zhuǎn)角或屋頂，也可能是裸露巖石等(圖4(b)藍線)。若研究區(qū)域存在足夠數(shù)量PS點，可以很大程度避免干涉失相干的影響，獲取高精度的地面時間序列形變信息。

圖4 不同的SAR像元散射機制

PS-InSAR技術(shù)自1999年提出以來，經(jīng)過20多年的發(fā)展得到廣泛應用[59-64]，相關算法也已趨于成熟，建立在PS-InSAR核心思想基礎上的相關算法還包括瑞士GAMMA公司的IPTA算法[65]、斯坦福大學的StaMPS算法[66]、POLIMI的Quasi-PS InSAR[65-67]，以及西班牙加泰羅尼亞理工大學的CPT算法[68]等。PS-InSAR技術(shù)的主要限制是它僅限于具有足夠高相干性的散射體，而對于低PS點密度的非城市區(qū)域，其應用會大大受限[69]；另外，PS-InSAR要求大量PS點參與迭代回歸或網(wǎng)平差計算，運算效率不高，大范圍變形監(jiān)測應用不易推廣[70]。

1.2.3.3 DS-InSAR

為克服PS點密度過低的難題，文獻[15]提出了第二代永久散射體技術(shù)SqueeSAR，其后DS-InSAR研究迅速成為時序InSAR領域的研究熱點[71]。DS-InSAR的基本思想是在低PS點密度的區(qū)域，通過同質(zhì)選點算法提取分布式散射體(distributed scatterer，DS)，提升PS點密度，使得相位解纏進行構(gòu)網(wǎng)時相鄰兩點之間的相位梯度更容易滿足相位連續(xù)性假設，從而減小相位解纏誤差，提取出更加可靠的形變信息。作為DS-InSAR的雛形，SqueeSAR技術(shù)除了選擇常規(guī)的PS點外，增加選擇區(qū)域內(nèi)DS點，比如平坦的路面、矮樹叢等(圖4(c)藍線)。選擇的DS點信號強度弱于PS點，但高于噪聲點，再通過一定的統(tǒng)計方法保留相位穩(wěn)定的DS點，最終與PS點聯(lián)合求解時間序列形變。與PS-InSAR技術(shù)相比，SqueeSAR技術(shù)保留了高精度的特點，尤其適合于非城市區(qū)的形變觀測。

DS-InSAR數(shù)據(jù)處理主要分為兩個步驟：同質(zhì)點選取和時序DS優(yōu)化。在同質(zhì)選點算法中，SqueeSAR使用的KS假設檢驗功效低，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[72]。因此提出計算更為高效或估計精度更高的統(tǒng)計推斷方法成為DS-InSAR研究的一個熱點，代表性的算法有AD檢驗[73]、似然比檢驗[72]、自適應檢驗和置信區(qū)間估計[74]及最優(yōu)參數(shù)統(tǒng)計同質(zhì)樣本選擇[71]等。在相位優(yōu)化算法中，計算效率是SqueeSAR的主要缺陷，目前的解決方案有文獻[75]提出的協(xié)方差矩陣奇異值分解方法；在相位優(yōu)化可靠性方面，文獻[76]提出了用M估計量提高相位估計的抗差性，文獻[77—78]提出了序貫相位估計量和基于特征值分解的似然估計量方法來提高相位估計的可靠性。

1.2.4 分頻干涉測量

例4.Compared with humans,dogs are“far superior at tracking down odors,”says Marian Bailey.That’s because dogs have millions of olfactory receptors,or smell nerves,in their noses.

SBI是通過帶通濾波將SAR影像分解為兩個子帶影像，然后利用子帶主從影像分別生成干涉圖，最后進行子帶干涉圖之間的差分處理得到分頻干涉圖，進而估計距離向或方位向上的形變量。分頻的思想首先在SAR影像的快速精密匹配得到廣泛的應用[79]，后來逐漸被拓展到距離向和方位向上的形變測量[14,80-81]，常見的方法包括方位向分頻干涉測量，也稱多孔徑干涉測量(multiple-aperture interferometry,MAI)和距離向分頻干涉測量(range split-spectrum interferometry,R-SSI)。

1.2.4.1 MAI

傳統(tǒng)InSAR技術(shù)僅可提取LOS向的地表形變量，而對軌道飛行方向上的地表運動不敏感。文獻[14]首次提出MAI思想提取方位向形變。通過MAI技術(shù)獲取的方位向地表位移，與InSAR的LOS向相結(jié)合即可獲取地表二維形變場信息；相對于SAR像素偏移量追蹤(pixel offset tracking，POT)技術(shù)而言，MAI方法在方位向的形變量解算精度和效率更高。MAI的基本原理是沿軌道飛行方向?qū)⒁痪癝AR影像劃分為前視和后視兩景子影像，通過對主輔影像的前視與后視影像進行干涉處理分別獲得前視與后視干涉圖，進一步差分處理獲得前后視的差分相位基本上可轉(zhuǎn)化為軌道飛行方向的形變量，具體方程如下[14]

(4)

式中，φMAI為MAI差分相位；φforward為前視干涉相位；φback為后視干涉相位；λ為雷達波長；α為雷達天線的角波束寬度；x為沿軌道方向的形變。

MAI技術(shù)現(xiàn)已被應用于地震、火山、冰川、滑坡等地表形變測量[82-86]。值得指出的是，由于MAI影像存在斑點噪聲等誤差相位，其通常只被應用于大形變信號或高相干區(qū)域的場景中[80]。

1.2.4.2 R-SSI

相較于MAI技術(shù)，因為R-SSI觀測量的方向與傳統(tǒng)InSAR相同，而精度卻要低不少，R-SSI一開始并未被應用于地表形變測量。在大形變梯度場景(如強震地表破裂、滑坡、礦區(qū)沉降等)下，傳統(tǒng)InSAR往往出現(xiàn)失相干的現(xiàn)象，而距離向分頻干涉測量(R-SSI)方法卻體現(xiàn)出了可提取大梯度形變的獨特優(yōu)勢[81]。R-SSI的基本原理是通過距離向帶通濾波將一景SAR影像劃分為上頻帶和下頻帶兩景影像，分別進行干涉處理生成上下頻帶干涉圖，進一步復共軛相乘后得到R-SSI干涉影像，進行濾波和相位解纏即可獲取大梯度的形變量。為了提高形變量精度，文獻[87]提出了R-SSI與傳統(tǒng)InSAR集成的方法(即將R-SSI提取的地表形變作為一階形變量從傳統(tǒng)InSAR干涉影像中剔除，對殘余相位進行相位解纏后再加回去)，不僅可提取出大梯度的形變量，又可保持傳統(tǒng)InSAR的形變測量精度。目前，R-SSI方法已經(jīng)被應用于強震形變監(jiān)測[81]，滑坡監(jiān)測[86]和礦區(qū)形變測量[87]等領域。

2 InSAR面臨的主要技術(shù)挑戰(zhàn)

2.1 相位失相干

重復軌道InSAR技術(shù)可以獲取大范圍厘米級甚至亞厘米級的地表形變信息，但前提是影像具有一定程度的相干性[88]。相干性不僅是評價局部干涉條紋質(zhì)量的重要指標，同時也是一個散射體特性的重要表征參數(shù)[89]。重復軌道觀測期間，由于植被生長或氣象原因特別是雨、雪等情況導致各像元內(nèi)散射體后向散射特性的變化[90]；或由于地震、火山、滑坡、礦山開采等引起的大梯度形變以及傳感器姿態(tài)變化和雷達波透射比等因素，導致干涉相位相干性降低，稱為失相干噪聲。

植被的后向散射特性與植被的種類、生長情況、土壤含水量等有關，植被對相干性的影響與傳感器的波長、影像的空間分辨率及影像對的時空基線直接相關[91-92]。目前減少失相干噪聲的主要方法有：①使用較短時間間隔的SAR影像，可以有效降低由地物顯著變化引起的失相干[93]；②采用較高空間分辨率的SAR影像，可以使單位像素內(nèi)的散射體種類更加單一，降低失相干噪聲；③使用較長波長(如S和L波段)的SAR影像增強雷達波段對植被的穿透能力，提高干涉相位的相干性[94]；④使用時序InSAR技術(shù)，特別是基于分布式散射體的時序InSAR技術(shù)，增強信噪比[71]，盡可能多地恢復形變信號。

地震、火山、滑坡、礦山開采的形變中心區(qū)域相鄰像元間相位差很容易超過π(即1/2周期)，相干性往往很低，甚至完全失相干，這類超過臨界相位梯度的形變一般稱為大梯度形變[95]。實踐中解決這類失相干問題常用的方法有：①采用波長較長的SAR影像，單個干涉條紋可記錄更大的形變，例如L波段的SAR系統(tǒng)其單個條紋可記錄的形變是C波段的4倍、是X波段7倍，使用波長更長的SAR系統(tǒng)得到的同一形變區(qū)域的干涉條紋更稀疏，有利于相位解纏，但很多情景下，即使采用長波長的SAR影像也不足以測量大梯度形變；②采用前文介紹的MAI或R-SSI方法來測量大梯度地表形變[96]；③采用SAR像素偏移量技術(shù)，雖然其監(jiān)測精度較傳統(tǒng)InSAR方法偏低，但可以有效彌補由于失相干噪聲導致的數(shù)據(jù)缺失等情況[97]。

2.2 大氣延遲

衛(wèi)星雷達信號在地球大氣層傳播過程中都會受到大氣延遲影響，其是重復軌道InSAR測量中最為顯著的誤差源之一，很容易掩蓋真實地表形變信號，造成地表形變提取的困難。大氣延遲誤差主要由兩部分構(gòu)成，一部分是信號穿過電離層(距離地面約50～1000 km)過程中產(chǎn)生的延時誤差，稱為電離層誤差；另一部分是信號穿過對流層(距離地面約0～12 km)過程中產(chǎn)生的延時誤差，稱為對流層延遲。

電離層對SAR信號的影響與傳播路徑上的總自由電子數(shù)目(total electron content,TEC)有關。TEC主要受太陽表面黑子活動強度的影響，InSAR中的電離層影響則主要是由于兩次SAR成像時刻沿傳播路徑上TEC的時空變化導致，且影響程度與傳播信號頻率的平方呈正相關，頻率越高影響越大。由于受到太陽活動的影響，電離層的分布極其不均，隨高度、地域、時間變化而變化，正是由于電離層分布的不均勻性，其對星載SAR的成像會產(chǎn)生振幅閃爍、時延、色散、相位偏移、法拉第旋轉(zhuǎn)及電離層吸收等影響。電離層誤差在L波段雷達影像上更為顯著，而在C波段影像上的誤差一般只有L波段的1/6[98]，然而隨著雷達影像的覆蓋范圍不斷增大，C波段影像的應用中也發(fā)現(xiàn)了較為顯著的電離層延遲誤差，比如2016Mw 6.4臺灣地震同震形變影像[99]，極地地區(qū)以及冰川運動等方面的研究[100-101]。目前InSAR電離層誤差改正方法大致可分為3類：法拉第旋轉(zhuǎn)法、方位向偏移量法和距離向頻譜分割法[102-103]。法拉第旋轉(zhuǎn)法的基本原理是利用全極化SAR數(shù)據(jù)極化面旋轉(zhuǎn)角的不同來反演電離層TEC含量，然后利用主輔影像TEC含量的不同改正差分干涉相位[104]。方位偏移法是根據(jù)電離層相位的方位向?qū)?shù)與方位向偏移呈線性關系來獲取電離層相位屏，進而改正InSAR干涉圖像中的電離層延遲誤差[105-106]。距離向頻譜分割法主要基于分頻技術(shù)對干涉影像進行距離向最優(yōu)化分頻，得到兩個不同頻率下的相位觀測值，利用電離層延遲與頻率成反比的性質(zhì)對兩景干涉影像進行線性組合達到削弱其影響的目的[107-109]。

與電離層誤差不同，對流層誤差與雷達信號頻率無關，在相同天氣條件下，不同波段影像的對流層延遲誤差大小相等，在量級上可達5～20 cm(取決于影像范圍)。對流層延遲主要由對流層中水汽含量、溫度及氣壓的時空變化引起[27]，衛(wèi)星大地測量學中常將對流層延遲分為與大氣水汽相關且時空變化劇烈的濕延遲(在垂直方向上通常在0～0.3 m范圍內(nèi))，以及受大氣水汽影響小、在時空上較為穩(wěn)定的干延遲(在垂直方向上約2.3 m)。由于InSAR的差分特性，大部分的干延遲誤差被消除，在InSAR干涉影像上的對流層延遲誤差主要由濕延遲主導，需要注意的是，在某些極端天氣或者劇烈地形起伏的情況下，干延遲引起的誤差也不容忽視[110]。對流層延遲的主要表現(xiàn)形式包括與高程強相關的延遲[111]和大氣隨機擾動的延遲[112]。與高程強相關的延遲主要是因為大氣水汽在空間上的分層效應，不同高度大氣水汽含量不同，在干涉影像上表現(xiàn)出與地形的強相關性，在山區(qū)或高原地區(qū)尤為明顯；大氣隨機擾動的延遲是不規(guī)則的大氣對流運動引起的對流層延遲，表現(xiàn)為空間上聚集的團狀、波狀或完全隨機、離散的形狀；與高程相關的信號和大氣隨機擾動信號耦合在一起交互影響，難以利用單一的模型將對流層延遲進行精密建模，進而影響重復軌道InSAR提取地表形變量的精度。目前較為常見的對流層改正技術(shù)有利用獨立成分分析或機器學習的改正算法[113]，基于高程與相位相關的經(jīng)驗模型改正算法[114]，利用全球定位導航系統(tǒng)估計對流層延遲的改正算法[112,115]，基于高分辨率大氣數(shù)值模型改正算法[116]和全球首個通用型InSAR大氣改正在線服務系統(tǒng)(GACOS:http:∥www.gacos.net)[116-117]。

GACOS結(jié)合了GNSS獲取的PWV數(shù)據(jù)和ECMWF(European Centre for Medium-Range Weather Forecasts)，被證明可以很好地改善對流層延遲，特別是長波分量和與地形相關的部分[117]，已成為國際主流InSAR大氣誤差改正科研服務型系統(tǒng)。對于時序InSAR的干涉影像，在GACOS改正后的子網(wǎng)(subnetwork)中使用主成分分析(principal component analysis，PCA)的方法，可估計并削弱由于外部數(shù)據(jù)分辨率以及精度等原因?qū)е碌臍埓娴亩滩ǚ至恳约安糠峙c時間相關的大氣相位，該方法被稱為GACOS+PCA方法[118]，圖5展示的是使用SBAS-InSAR在美國加州地區(qū)得到的結(jié)果中的一景干涉影像，主副影像成像時間為2019-10-08—2019-10-14，其中(a)為原始干涉影像，(b)是經(jīng)過GACOS改正后得到的干涉影像，(c)是使用GACOS+PCA方法改正后得到的干涉影像，干涉影像標準差分別為2.44、1.38、0.70 cm。在相隔6 d的干涉影像中存在大量的大氣相位，GACOS很好地估計并削弱了長波部分，GACOS+PCA對于殘余的大氣相位有較好的削弱效果。

圖5 美國加州地區(qū)的干涉影像

2.3 相位解纏誤差

由于SAR系統(tǒng)發(fā)射和接收信號的限制，在干涉影像中只能獲取不大于2π的絕對相位，被稱為纏繞相位；相位解纏是將干涉影像中各個像元的相位值從纏繞相位(-π～π)恢復到實際連續(xù)相位的過程，是InSAR數(shù)據(jù)處理必不可少的關鍵一步，也是難點所在。

一般來說，干涉影像的二維相位解纏要顧及其一致性和精確性[119]。一致性表示在解纏后的干涉影像中任意兩點之間的相位差與這兩點之間的路徑無關，這也是二維相位解纏的首要假設；精確性表示解纏后的相位數(shù)據(jù)應能真實地反映實際的地表變化，這是評價解纏算法好壞的重要指標。理論上，干涉影像的解纏問題可以通過沿路徑積分等方法得以解決，然而由于存在各種不同的噪聲，造成相鄰像元的相位值并非連續(xù)，大大增加了解纏的難度。實際中，影響解纏的主要因素有：①失相干噪聲，由于地物反射特性變化等導致干涉影像中像元相干性降低，影像中像元的相位值不能準確反映真實地表變化，并且相干性降低將造成不能形成連續(xù)的干涉條紋，導致解纏出錯[120]；②地形起伏造成的疊掩、陰影等，由于SAR系統(tǒng)是側(cè)視成像，電磁波以一定的角度到達地面并反射，在地形起伏較大、地形突然變化的區(qū)域SAR系統(tǒng)無法正確成像，從而在干涉影像中形成噪聲或相位錯誤，影響解纏結(jié)果[120]；③形變梯度過大造成的解纏錯誤，當兩個相鄰像元間的形變量大于雷達波長的1/4時，將會產(chǎn)生相位混疊，對于礦區(qū)開采導致的快速變形、地震、滑坡等導致的瞬時形變等情況，現(xiàn)有算法很難將混疊的相位或干涉條紋區(qū)分開，因此會導致解纏失敗或解纏錯誤[121]；④解纏算法的資源占用，隨著時序InSAR技術(shù)的快速發(fā)展，一次任務需要解纏的干涉影像可達數(shù)十或上百幅，而目前常用的算法解纏一幅影像就需要大量的計算資源以及存儲資源，并且耗時較長，所以有限的計算資源也會限制InSAR干涉影像的解纏[122]。

最早的一維相位解纏算法由文獻[123]于1977年提出，之后不斷有新的相位解纏算法被提出。這些解纏算法從二維或三維的角度進行解纏，大致可分為路徑跟蹤算法和路徑無關算法。路徑跟蹤算法遵循纏繞階段的路徑，并局部展開每個像素。最早使用路徑跟蹤算法的是Goldstein提出的枝切法[120]，其中的相位殘余、相位梯度及枝切的思想一直沿用至今。以Goldstein枝切法為基礎，又衍生出不同的方法來繪制枝切圖，如最小費用方法[124]、穩(wěn)定連接方法[125]、改進的最近鄰算法[126]、相位場方向法[127]、剩余向量法[128]及最近鄰算法[129]等。枝切法也被應用于三維展開，定義了二維枝切曲面[130]。路徑無關解纏算法采用更全局的方法，并最小化解纏和纏繞相位梯度之間的某些不匹配，由于該算法在完整干涉影像上全局運行，因此不需要展開路徑。L-p范數(shù)方法是最主要的路徑解纏算法，其假設為解纏數(shù)據(jù)的導數(shù)與纏繞數(shù)據(jù)復相位的導數(shù)之間應該盡可能匹配[131]。剩余切割算法調(diào)整加權(quán)L-p范數(shù)的權(quán)重，從而減少數(shù)據(jù)之間的不匹配，利用網(wǎng)絡理論對剩余切割算法進行擴展，得到二維相位展開問題的有效解[132-134]。SNAPHU是一種用于相位展開的統(tǒng)計成本網(wǎng)絡流算法，它使用不同的統(tǒng)計成本模型來解決地形和變形的展開問題，并結(jié)合網(wǎng)絡理論得到近似L0的范數(shù)解[135]。

由于傳統(tǒng)解纏技術(shù)使用的是單基線解纏，其中相位解纏繞問題屬于病態(tài)問題。因此，單基線解纏在地形突變的區(qū)域往往無法得到可靠的結(jié)果，例如在山區(qū)或者高樓林立的城區(qū)。為了解決這一問題，科研人員在近年來提出了多基線InSAR相位解纏技術(shù)。多基線InSAR相位解纏技術(shù)利用干涉相位圖垂直基線的多樣性，以中國余數(shù)定理為基礎，充分地拓展了干涉相位的模糊區(qū)間，從而將傳統(tǒng)InSAR技術(shù)從病態(tài)問題轉(zhuǎn)變?yōu)榉遣B(tài)問題。多基線技術(shù)克服了傳統(tǒng)單基線中相位連續(xù)性假設的限制，能夠求解復雜地形，大規(guī)模相位解纏技術(shù)通過“分而治之”策略能快速獲得大規(guī)模數(shù)據(jù)的高精度結(jié)果[119]。大多數(shù)InSAR解纏方法都專注于單個影像的解纏，因此是二維的。隨著多時相InSAR的出現(xiàn)，三維(3D)相位解纏變得越來越重要[130]，也逐漸成為相位解纏的重要方法。

2.4 斜視影像幾何畸變

由于成像雷達系統(tǒng)固有的側(cè)視觀測方式，地面坡度和類似的地形特征將導致SAR系統(tǒng)獲取的圖像出現(xiàn)幾何畸變主要包括透視收縮、疊掩和陰影(圖6)。在側(cè)視的觀測幾何圖形中，面向傳感器的斜坡在雷達圖像上將被收縮(即透視收縮)，其幾何背景如圖6(a)所示，圖中A點和B點之間的斜坡將被收縮成圖像區(qū)域A′B′，其透視收縮量與系統(tǒng)的入射角θ和坡度α相關，α越大收縮越嚴重，且在α=θ時達到最大。在α>θ時透視收縮將轉(zhuǎn)變?yōu)榀B掩，如圖6(b)所示，山峰頂部在山峰底部之前成像，將造成雷達圖像距離向山頂與山底影像倒置，如坡面DE表現(xiàn)在雷達圖像中為E′D′。增大入射角θ可減少透視收縮和疊掩，但較大的θ將會產(chǎn)生更多的陰影，當后坡坡度β>90°-θ時，如圖6(c)中HIJ區(qū)域所示，導致雷達波束無法照射，最終生成陰影區(qū)域。與地形相關的幾何畸變不能完全消除，但多位學者針對該問題提出了多種解決方案。如文獻[136]定量計算了川藏鐵路沿線升降軌Sentinel-1影像的幾何畸變區(qū)域，發(fā)現(xiàn)升降軌聯(lián)合觀測可有效將幾何畸變區(qū)域縮小至1.5%；文獻[137]結(jié)合16景升軌ALOS影像和18景降軌Envisat影像，利用InSAR技術(shù)為舟曲地區(qū)滑坡的監(jiān)測提供了更全面的認識；文獻[138]直接利用DEM及SAR系統(tǒng)幾何參數(shù)計算了研究區(qū)域的陰影和疊掩區(qū)；文獻[139]提出了基于多分辨率密集解碼器網(wǎng)絡自動提取SAR圖像中的水體和陰影的方法。綜上所述，針對SAR圖像幾何畸變問題，可通過以下方式應對：①結(jié)合升降軌SAR影像、具有不同入射角的多軌道影像和不同衛(wèi)星平臺的SAR影像，從多個成像幾何下獲取圖像，最大程度降低SAR影像幾何畸變的影響[140]。②對中等分辨率的雷達影像，利用外部DEM及SAR系統(tǒng)幾何參數(shù)可提前量化幾何畸變；而對高分辨率的雷達影像，利用機器學習方法無須外部高分辨率DEM即可精確識別雷達影像的陰影和疊掩區(qū),通過對其掩膜可大幅度提高數(shù)據(jù)處理效率[140]。

圖6 SAR側(cè)視成像幾何畸變

2.5 多維變形測量

InSAR技術(shù)用于形變測量的另一挑戰(zhàn)是僅能獲取一維形變，即地表真實變化在LOS向的投影[140]，而LOS方向上一維形變測量可導致地表形變的低估和誤判，已成為制約InSAR技術(shù)應用和推廣的瓶頸之一[70]，如何有效恢復地表真實二維或者三維形變場亦是InSAR技術(shù)亟須解決的難點問題。

SAR衛(wèi)星的近極軌飛行和側(cè)視成像特征決定了InSAR對南北向的形變不敏感，以往的研究往往忽略南北向形變從而獲取地表垂向和東西向的形變。作為對傳統(tǒng)InSAR的補充，基于SAR強度信息的像素偏移量追蹤技術(shù)和由分頻思想發(fā)展而來的MAI技術(shù)可用于獲取沿軌道(近南北)方向的位移。此外，文獻[141]提出一種利用Sentinel-1 TOPS寬幅成像模式下相鄰兩個burst之間重疊區(qū)域兩次不同視角觀測來恢復沿軌道方向位移的新方法，稱為burst重疊干涉測量(burst overlap interferometry，BOI)。該方法的基本原理與MAI類似，不同的是MAI通過帶通濾波將一幅SAR影像分頻成為前視影像和后視影像，而BOI則是直接將TOPS寬幅模式burst之間的重疊區(qū)域兩次不同視角成像視為前視影像和后視影像，然后通過對主、輔影像每個burst重疊區(qū)域的前視與后視影像進行干涉處理獲得前視與后視干涉圖，然后對前視和后視干涉圖進一步差分處理獲得的前后視的差分相位基本上可轉(zhuǎn)化為軌道飛行方向的形變量，具體公式為[141-142]

(5)

式中，φovl為BOI差分相位；Δaz為沿軌道飛行方向位移；λ為雷達波長；Δψovl為重疊區(qū)域兩次觀測的傾斜視角差。目前該方法已經(jīng)被應用于同震[84,141-143]、震間[142]方位向形變的獲取。

隨著SAR衛(wèi)星的發(fā)展，用于同一研究區(qū)域的SAR數(shù)據(jù)源逐漸增多，利用多平臺、多軌道SAR數(shù)據(jù)的測量結(jié)果理論上可以分解出三維地表形變。近年來的研究表明，融合升降軌InSAR和POT/MAI的觀測值可以較好地重建三維形變場。文獻[144]利用升、降軌的ERS衛(wèi)星雷達影像的相位干涉測量和強度方位向偏移量追蹤測量獲取了1997年美國加州Hector Mine地震的三維形變場；文獻[145]討論了不同觀測幾何(升降軌、入射角和左右視)下地表三維形變分解的可行性和精度，并利用4幅不同觀測幾何的Radarsat-1干涉圖獲取Nenana Mountain地震三維形變場，分析表明南北向形變的測量誤差最大；文獻[146]融合不同軌道觀測結(jié)果提出多維小基線集(multidimensional small baseline subset,MSBAS)技術(shù)可以獲取地表多維形變時間序列，并開發(fā)了開源的數(shù)據(jù)處理程序包(https:∥insar.ca/)。

利用形變先驗模型對InSAR觀測值進行約束是獲取地表三維形變的一個有效思路，中南大學在該領域開展了大量開拓性的研究。例如，在礦區(qū)沉陷監(jiān)測中，水平或近水平煤層開采條件下礦區(qū)地表水平位移與下沉梯度之間呈線性關系，基于該先驗模型，利用InSAR獲取的單軌LOS形變值即可實現(xiàn)礦區(qū)地表三維形變監(jiān)測[147-148]；文獻[149—150]將地表應力應變模型(SM)納入到同震三維形變場的求解當中，并引入方差分量估計(VCE)進行定權(quán)，該方法能夠顯著提高三維地表形變的估計精度，并在2021年瑪多地震、2022年門源地震的三維形變重建中得到成功應用[84,143]。

3 InSAR主要應用情況

3.1 地震周期

地震是地球巖石圈層演化過程中出現(xiàn)的自然現(xiàn)象?；顒訑鄬又g的應力始終周而復始地積累和釋放，一個完整的地震周期通常包括震間(地震孕育)、同震(地震爆發(fā))和震后(應力調(diào)整)3個階段[151-179](圖7)。地震全周期形變監(jiān)測是InSAR技術(shù)應用最廣泛和最成功的范例[152-153]。地震同震階段往往造成較大的地表形變，利用InSAR技術(shù)能獲取高精度的地表形變場，一方面為應急救援和災情評估提供觀測資料；另一方面可以利用InSAR數(shù)據(jù)約束，基于彈性半空間的Okada位錯模型反演發(fā)震斷層幾何參數(shù)和滑動分布，基于所得到的斷層參數(shù)計算靜態(tài)庫侖應力變化，研究地震觸發(fā)關系和評估發(fā)震區(qū)域未來地震危險性。震后和震間階段的地表形變通常比較緩慢，尤其是震間階段的地表形變通常為mm/a的數(shù)量級，考慮到衛(wèi)星軌道和大氣效應所引起的相位誤差以及時間失相干現(xiàn)象，往往需要利用時序InSAR技術(shù)來獲取高精度的震后、震間地表形變場。利用震后形變時間序列，可以進行震后形變機制的模擬與分析，進一步理解地震成因機制。利用震間形變速率，基于相應的物理模型，可以反演斷層的閉鎖深度和滑移速率，為評估斷層的地震危險性提供資料。

圖7 InSAR與地震周期[162-163,178-179]

利用InSAR技術(shù)獲取高空間分辨率、高精度同震地表形變場，進而確定震源參數(shù)對理解地震機制和防災減災具有重要的意義。文獻[6]以Landers地震為案例，首次利用InSAR技術(shù)獲取了地震的同震形變場。在國內(nèi)，文獻[154]采用ERS-1/2影像成功獲取了1998年張北-尚義地震的同震地表形變場，文獻[155]通過Okada彈性半空間位錯模型反演獲取了張北-尚義地震的震源機制，這些研究開啟了中國學者利用InSAR相關技術(shù)在地震形變場獲取以及震源參數(shù)反演的研究。文獻[156]根據(jù)InSAR資料用于震源參數(shù)反演參數(shù)的特點，提出了一種PSO混合算法反演策略，并成功應用到3種不同類型地震震源參數(shù)的反演。文獻[157]聯(lián)合SAR影像、地震體波數(shù)據(jù)和光學遙感數(shù)據(jù)對2010年玉樹地震進行研究，為該區(qū)域地震危險性評估提供了重要的數(shù)據(jù)支撐。文獻[158]利用Sentinel-1A衛(wèi)星獲取的第一對同震干涉圖對2014年美國加州納帕Mw 6.1地震進行了研究。文獻[159—160]基于InSAR技術(shù)獲取了2017年九寨溝地震的同震形變場，計算了同震庫侖應力對余震分布和周邊斷層應力的影響，并對發(fā)震構(gòu)造進行了討論。文獻[161]針對伊朗桑塞菲德2017年Mw 6.1地震盲斷層傾向確定存在爭議的問題，提出了一種結(jié)合多傳感器SAR數(shù)據(jù)，使用約束最小二乘動力學反演和貝葉斯反演方法相結(jié)合的解決方案。針對InSAR技術(shù)只能獲取一維的LOS形變，文獻[144]對1999年Mw 7.1 Hector Mine地震進行了研究，聯(lián)合InSAR技術(shù)和POT技術(shù)首次提取了地震三維形變場。文獻[84]利用升降軌Sentinel-1和ALOS-2數(shù)據(jù)，采用InSAR、POT、MAI和BOI等技術(shù)，通過SM-VCE方法獲取了2021年青?，敹嗟卣鸬娜S同震形變場。針對發(fā)震區(qū)域應力場的局部擾動，文獻[162]利用InSAR數(shù)據(jù)約束并反演墨西哥西南海岸的2012年Mw 7.4、2018年Mw 7.2和2020年Mw 7.4 3次大型俯沖型地震事件的精細滑動分布，基于庫侖失穩(wěn)準則計算3次事件產(chǎn)生的靜態(tài)庫侖應力變化，評估強震對該區(qū)域未來地震危險性的影響。文獻[163]基于Sentinel-1衛(wèi)星雷達觀測獲取了2016年Mw 5.9和2022年Mw 6.7青海門源地震同震形變場，利用位錯模型反演確定了兩次地震的震源參數(shù)和滑動分布，結(jié)合靜態(tài)庫侖應力變化，分析了2016年門源地震對2022年門源地震的觸發(fā)關系。類似的庫侖應力觸發(fā)地震事件在北安納托利亞斷裂地震序列[164]、巴顏喀拉塊體東端的地震序列[165]等震例中均有研究。綜上所述，國內(nèi)外研究人員在同震地表形變場獲取、震源參數(shù)反演和同震應力擾動等方面已經(jīng)開展了大量的研究工作，InSAR技術(shù)已然成為陸地地震研究的必備手段之一。

震后地表形變過程往往能提供一些重要的信息，如揭示地形地貌的塑造作用、地下深層結(jié)構(gòu)的流變學性質(zhì)和地震對鄰近斷層的影響等。地震震后形變的機理較為復雜，目前普遍認可的是震后的上地殼的孔隙彈性回彈、下地殼和上地幔的黏彈性松弛和同震破裂區(qū)域周圍的震后余滑[166-169]。文獻[170]在研究Landers地震時，首次利用InSAR數(shù)據(jù)在靠近發(fā)震斷層的階區(qū)觀測到孔彈性回彈變形。文獻[171]通過InSAR數(shù)據(jù)觀測到2000年冰島地區(qū)Mw 6.5地震震后的地表四象限分布形變形式和實測井水位變化資料，推斷該地表形變?yōu)榭紫稄椥曰貜椧l(fā)。文獻[172]基于2003—2008年跨越5個軌道的Envisat衛(wèi)星數(shù)據(jù)研究了2001年可可西里地震震后2～6 a的地表形變演化，利用震后余滑模型、黏彈性模型及兩者混合模型進行建模，研究表明震后斷層最大滑移量為60 cm、西藏北部下地殼的黏滯系數(shù)為2×1019Pa s。文獻[173]利用Envisat衛(wèi)星數(shù)據(jù)對2008年當雄地震同震及震后形變機制進行了研究，揭示了同震滑動、余滑和余震之間的關系，并通過黏彈性松弛模擬得出了青藏高原內(nèi)部的中、下地殼黏滯系數(shù)的下限為1×1018Pa s。文獻[174]利用2017年Darbandikhan地震震后4個月的InSAR數(shù)據(jù)獲取了震后形變，并結(jié)合震后余滑運動學反演和黏彈性松弛模擬進行了震后機制模擬研究。文獻[53]提出了一種TS-GACOS-APS時序InSAR框架，獲取了2016年新西蘭Kaikōura地震的高精度震后形變場，結(jié)合震后的InSAR資料和GNSS觀測，對Kaikōura地震進行了震后余滑模擬。

監(jiān)測震間形變、反演斷層的滑動速率和震間閉鎖狀態(tài)對評估斷裂的地震危險性、合理推測未來地震發(fā)生的可能性具有重要意義。文獻[32]首次采用InSAR Stacking技術(shù)獲取北安納托利亞斷裂的震間形變速率，并確定其震間閉鎖深度。文獻[175]采用ERS數(shù)據(jù)，發(fā)現(xiàn)北安納托利亞活動斷裂帶Ismetpasa段的震間淺層蠕滑長約70 km，蠕滑深度達7 km，推斷該蠕滑現(xiàn)象可能開始于1944年此地區(qū)的地震事件。文獻[176]使用時序InSAR技術(shù)對1992—2000年期間圣安德烈亞斯斷層系統(tǒng)南部地震震間形變進行了監(jiān)測，證實圣安德烈亞斯斷層南段可能接近地震周期的震間結(jié)束階段。文獻[177]利用1992—2001年間的歐空局的SAR數(shù)據(jù)，采用改進的SBAS-InSAR算法獲取了Hayward與Calaveras斷層的高精度震間形變場。文獻[178]以InSAR和GNSS觀測得到的震間形變作為約束，反演得出北安納托利亞斷裂的應變累積率在整個過去250年的震間階段是恒定的。文獻[179]利用自動化Sentinel-1數(shù)據(jù)處理系統(tǒng)獲取了安納托利亞區(qū)域的長時間、大范圍的三維形變速率和應變率。文獻[180]綜合利用InSAR和GPS觀測數(shù)據(jù)研究爐霍-道孚段的運動特征，提出一種適用于研究震間形變的InSAR和GPS數(shù)據(jù)融合方法，結(jié)果表明斷層深部滑動速率為8.12～9.30 mm/a，閉鎖深度約9.8 km。文獻[181]提出一種基于深度學習的InSAR時間序列毫米級形變自動提取方法，為全球活動斷層的識別提供了可能。

3.2 火山活動

火山是由火山碎屑和熔巖組成的錐形地貌，通常由噴出口、火山錐和火山口組成。21世紀以來，全球多座火山發(fā)生噴發(fā)并帶來巨大損失，如2022年1月湯加海域洪阿哈阿帕伊島火山發(fā)生噴發(fā)并引發(fā)大范圍海嘯，此次火山噴發(fā)導致湯加國及附近島嶼被火山灰覆蓋，海底網(wǎng)絡電纜和電話信號中斷，并造成6人死亡。火山構(gòu)造活動(巖漿的積累或后撤、火山側(cè)翼活動等)會導致地表發(fā)生形變，理解火山區(qū)域地表形變對火山內(nèi)部巖漿的來源、火山監(jiān)測與預警等具有重要指導意義[7,182-201](圖8)。通常情況下火山構(gòu)造區(qū)域地形復雜，當火山出現(xiàn)噴發(fā)前兆或正在噴發(fā)時，傳統(tǒng)的形變監(jiān)測手段難以實施；而InSAR技術(shù)可以進行連續(xù)、大范圍火山形變監(jiān)測，獲取火山形變區(qū)的精細形變場。文獻[7]通過InSAR技術(shù)獲取了意大利Etna火山的地表形變，發(fā)現(xiàn)Etna火山噴發(fā)造成了火山附近區(qū)域明顯的地表收縮。隨后SBAS-InSAR[184]、PS-InSAR[36,64]和DS-InSAR[39]等多種時序InSAR技術(shù)相繼用于火山形變的探測與監(jiān)測。

圖8 火山的探測、監(jiān)測和預警流程[186,192,201]

大多數(shù)休眠火山復活時都伴有地表形變活動，因此利用InSAR技術(shù)對全球火山進行探測對理解火山復活、及時對火山進行監(jiān)測及火山災害的減災防災具有重要意義。文獻[185]利用2002—2008年的SAR影像對拉丁美洲的火山進行了形變探測，發(fā)現(xiàn)了11個火山變形的區(qū)域，其中一些火山之前被認為是休眠火山。文獻[186]采用Envisat和Sentinel-1數(shù)據(jù)集系統(tǒng)地處理了全球超過900座火山的干涉圖，首次使用機器學習方法在InSAR大數(shù)據(jù)集中自動檢測火山變形，證明了InSAR技術(shù)在開發(fā)基于衛(wèi)星圖像預警系統(tǒng)方面的潛力。文獻[187]為了探測中國臺灣北部大屯山火山群的活動狀況，利用時序InSAR方法對2007—2011年的19幅L波段ALOS/PALSAR影像進行處理，結(jié)果表明該地區(qū)的火山群在2007—2010年期間以恒定的速度沉降，2010年7月以后其沉降略有加速。

火山活動伴隨著巖漿房的膨脹，火山山頂和山側(cè)會出現(xiàn)地表隆升和擴張變形。因此，可以利用時序InSAR技術(shù)對火山形變進行持續(xù)監(jiān)測，并通過理論模型合理解釋火山活動的演化過程，預測未來災害的發(fā)展趨勢。目前，基于彈性半空間的理論模型主要有Mogi點源模型[188]、Yang長橢球模型[189]及Sill模型[190-191]。文獻[192]利用InSAR技術(shù)獲取了厄瓜多爾加拉帕戈斯群島火山群的高空間分辨率地表形變，并利用Mogi模型和Sill模型進行了火山和斷層建模，通過火山口的斷層活動解釋了Sierra Negra火山出現(xiàn)較大膨脹變形而不伴隨火山噴發(fā)的原因。文獻[193—194]通過二軌法獲取了阿拉斯加Okmok火山噴發(fā)前、噴發(fā)時和噴發(fā)后引起的地表變形，基于彈性半空間下的Mogi模型，反演得到了巖漿房的位置和深度，并估計出巖漿的體積下限和熔巖流的厚度。文獻[195]利用InSAR技術(shù)獲取了Dabbahu裂谷的三維地表變形，基于彈性半空間下的Mogi模型，反演地下巖漿活動情況，揭示了巖漿活動在大陸破裂時的裂谷分割作用。為了研究阿留申火山活動，文獻[196]處理1990—2010年間的ERS-1/2、JERS-1、Radarsat-1、Envisat、ALOS和TerraSAR-X等近12 000張SAR影像，獲取了大約25 000張干涉圖，研究表明阿留申火山的形變模式和相關的巖漿活動機制在時間和空間上都是多樣的。在深度學習方面，為了克服深度學習InSAR火山形變識別中由于缺少標記樣本造成的識別精度差的問題，文獻[197]提出一種自監(jiān)督對比學習方法從InSAR數(shù)據(jù)中識別高質(zhì)量隱藏標記，并將其用于冰島Fagradalsfjall火山噴發(fā)前的形變監(jiān)測，結(jié)果表明該方法有效提升了InSAR火山形變信號監(jiān)測精度。

當前通過InSAR技術(shù)已成功監(jiān)測到全球超過160座火山的地表形變，但如何利用前期的火山形變對火山噴發(fā)進行預警，一直是火山研究中的重點和難點。文獻[198]利用InSAR技術(shù)研究了Westdahl火山的變化時間序列，發(fā)現(xiàn)該火山噴發(fā)前后巖漿房體積呈現(xiàn)出指數(shù)變化的規(guī)律，該研究提升了對區(qū)域未來火山噴發(fā)的預警能力。文獻[199]利用Envisat ASAR與ALOS影像重建了Kizimen火山在2010年噴發(fā)前兩年的地表形變，研究表明巖漿于2008年8月開始侵入，2010年9月巖漿體積隨時間線性增加，直到2010年11月火山噴發(fā)，通過對火山巖漿動力學的研究，為火山的預警工作提供了理論支撐。文獻[200]提出了多源數(shù)據(jù)獲取-地貌演化監(jiān)測-地表形變監(jiān)測-環(huán)境響應探測-災害損毀評估-災后恢復決策一整套火山噴發(fā)遙感響應技術(shù)框架，利用InSAR等遙感技術(shù)快速解譯了湯加火山的噴發(fā)過程，實現(xiàn)了對湯加火山地形變化的跟蹤和災害評估。

3.3 滑 坡

滑坡是指斜坡巖土體沿著貫通的剪切破壞面所發(fā)生的滑移地質(zhì)現(xiàn)象。由于滑坡災害的發(fā)展與發(fā)生過程十分復雜，其不僅會受到斜坡自身結(jié)構(gòu)、外部特征的控制，還會受到諸如強降雨、地下水位變化、工程開挖等外部因素的影響。經(jīng)過長時期的試驗研究表明，滑坡破壞前的蠕變加速可分為3個階段：初級蠕變階段、次級蠕變階段和三級蠕變階段。初級蠕變的特征是應變速率隨時間逐漸減小，這種減小通常持續(xù)很短時間，在某些情況下甚至不存在；次級蠕變的特點是以幾乎恒定的速度緩慢移動，但由于降雨等外部因素的影響會導致實際形變出現(xiàn)波動，需要注意的是次級蠕變盡管不斷發(fā)生位移，但持續(xù)時間具有不確定性；三級蠕變的特征是快速加速位移直至滑坡最終失穩(wěn)[201-209]?；聡乐赝{著人類和基礎建筑設施的安全，尤其是一些高位遠程滑坡及其造成的災害鏈，蘊含著巨大的能量和異常高的流動性，每年造成數(shù)百人死亡和數(shù)十億美元的損失[210]。為減少此類災害的發(fā)生，許多研究者致力于滑坡的探測、監(jiān)測和預警。

InSAR技術(shù)在滑坡的廣域探測和制圖，以及中期的監(jiān)測中起到舉足輕重的作用，在短期預警中同樣也起到重要的輔助作用。要實現(xiàn)滑坡的預警，首先要在滑坡發(fā)生失穩(wěn)前探測到潛在滑坡的確切位置。文獻[211]使用PS-InSAR技術(shù)處理了ERS-1/2和Envisat影像，對意大利托斯卡納(Tuscany)的滑坡進行了探測并將該區(qū)域的滑坡編目進行詳細更新，為該區(qū)域滑坡的監(jiān)測和預警打下堅實的基礎。文獻[212]將光學遙感與SBAS-InSAR技術(shù)相結(jié)合，在金沙江流域白格滑坡上游30 km和下游100 km的區(qū)域內(nèi)探測出7處形變較明顯的滑坡隱患點，為白格滑坡附近區(qū)域地質(zhì)災害防治起到了積極的作用。為避免白格滑坡事件的再次發(fā)生，文獻[213]利用常規(guī)InSAR技術(shù)對Sentinel-1和ALOS-2影像進行處理，繪制了整個金沙江走廊的活動性滑坡圖。由此可知，利用InSAR技術(shù)可以快速有效地對地形復雜、隱蔽性強、高海拔、人跡罕至區(qū)域的滑坡進行廣域探測，可通過長波段的SAR影像和升降軌道影像聯(lián)合處理減少植被覆蓋和SAR影像的幾何畸變產(chǎn)生的漏判現(xiàn)象。InSAR更適合用于探測相對緩慢的活動性滑坡，當形變梯度過大時，研究區(qū)域會失相干，需要通過SAR像素偏移量[214]或距離向分頻干涉測量[86]的技術(shù)來彌補滑坡形變梯度過大帶來的漏判現(xiàn)象。除此之外，利用InSAR年形變速率和時間序列結(jié)果人為選取滑坡隱患點時，可能會出現(xiàn)漏判現(xiàn)象，文獻[215—218]利用深度學習的方法對解纏圖和干涉圖進行廣域探測給我們帶來重要的啟示作用。

通過InSAR技術(shù)探測到活動滑坡的確切位置之后，通常利用InSAR時間序列進一步確定滑坡體的關鍵活動部位。文獻[219]利用ERS-1/2影像對美國Berkley地區(qū)的滑坡進行了PS-InSAR監(jiān)測，通過分析發(fā)現(xiàn)該滑坡的形變與季節(jié)性的降水和孔隙水的壓力有關，該項研究在一定程度上推動了InSAR時間序列技術(shù)在滑坡監(jiān)測的應用[220-224]。文獻[33]利用GACOS輔助下InSAR Stacking和InSAR時間序列(SBAS和LiCSBAS)技術(shù)對金沙江下游的滑坡群進行監(jiān)測，將該滑坡群分為A-G 7個區(qū)域，為川藏鐵路的選線與該滑坡群的預警工作做出貢獻。文獻[220]基于StaMPS軟件，利用SBAS-InSAR技術(shù)對2014—2019年的Sentinel-1影像進行處理，結(jié)合地震噪聲數(shù)據(jù)對Bolivia的單體滑坡進行形變監(jiān)測，將滑坡體分為3個不同塊體滑動，并估算出滑坡體積。因此針對單體滑坡進行InSAR時間序列分析，可以有效確定滑坡體的關鍵監(jiān)測位置，為下一步的預警做好充分的準備。

InSAR時間序列分析不僅可以確定滑坡體的關鍵監(jiān)測位置，還可以獲取滑坡運動對外界因素如季節(jié)降水、地震震動的敏感性[221-223]。InSAR獲取的定量時間序列分析可以探測到滑坡失穩(wěn)前5～17 d的加速運動[224]，在SAR衛(wèi)星中，時間分辨率為星載InSAR進行預警的主要限制條件，目前COSMO-SkyMed最小重訪周期為1 d[225]，Sentinel-1A/B為6 d，TerraSAR-X為11 d，其他衛(wèi)星則更長。所以為達到預警作用，需要在確定的滑坡體上安裝一個多傳感器集成系統(tǒng)，不僅包括GNSS接收機、裂縫計、雨量計、伸傾角計和孔隙水壓力計等傳感器，還包括實時傳輸系統(tǒng)，組成天-空-地-體一體化的實時監(jiān)測系統(tǒng)，將有關信息實時傳輸?shù)綌?shù)據(jù)中心。將InSAR和GNSS在時間和空間上的優(yōu)勢進行互補，對一個地區(qū)的滑坡隱患進行實時監(jiān)測，通過手機等便攜通信手段實時精確提供滑坡的運動信息，最后通過專家研判以及與當?shù)卣臏贤▉韺崿F(xiàn)滑坡的預警目的(圖9)。

圖9 滑坡的探測、監(jiān)測和預警流程

3.4 地面沉降

地面沉降是由于自然或者人類工程活動引發(fā)的地下松散巖層固結(jié)壓縮并導致一定區(qū)域內(nèi)地表高程降低的地質(zhì)現(xiàn)象，能夠毀壞建筑物和生產(chǎn)設施，影響城市規(guī)劃和資源開發(fā)，甚至威脅到居民生命安全。為掌握地面沉降發(fā)生的成因并采取有效的措施減輕其危害，需要對地面沉降的強度、速率、時間和空間變化進行持續(xù)監(jiān)測。地面沉降通常出現(xiàn)在人口密度較高的大型城市和平原地區(qū)，且空間分布比較廣泛，特別適合利用InSAR技術(shù)對其進行監(jiān)測。伴隨著城市化進程的加快，人口激增導致城市用水需求快速增長，超量抽取地下水致使全球范圍內(nèi)多座城市出現(xiàn)了不同程度的地面沉降災害，InSAR技術(shù)已在美國休斯敦[226]、印度尼西亞雅加達[227]、墨西哥城[228]等城市的地面沉降監(jiān)測得到成功應用。我國地面沉降比較嚴重的區(qū)域為汾渭盆地、華北平原等，其中又以西安[229-230]、太原[231]、北京[232-233]、天津[234-235]等城市的地面沉降災害最為突出。例如，文獻[229]采用InSAR技術(shù)監(jiān)測得到西安市魚化寨在2005—2012年累積地面沉降達750 mm，之后文獻[230]處理了2012—2018年的多源SAR影像，結(jié)果顯示魚化寨沉降區(qū)仍有820 mm的累積沉降量，嚴重的地面沉降災害對西安地鐵3號線的安全運營造成了一定威脅。北京市地面沉降主要分布在城市北部局部區(qū)域及東部的通州-朝陽一帶，最大年沉降速率超過120 mm/a，此外，文獻[232—233]監(jiān)測研究表明北京地面沉降的空間分布受盆地內(nèi)多條活動斷層的控制，順義-良鄉(xiāng)斷層橫穿首都國際機場，造成機場跑道、航站樓等基礎設施出現(xiàn)了30 mm/a的不均勻沉降，影響航班正常起降。

經(jīng)過20余年的發(fā)展，InSAR應用于地面沉降監(jiān)測已相當成熟，區(qū)域性甚至全國范圍內(nèi)的地面沉降InSAR監(jiān)測工作在多國相繼開展。文獻[236]通過PS-InSAR技術(shù)，對覆蓋意大利全國的1992—2014年間近20 000幅ERS、Envisat及COSMO-SkyMed等SAR影像進行處理，監(jiān)測結(jié)果提供了一個意大利全國在過去20年的地表形變數(shù)據(jù)庫，這項工作為意大利的地質(zhì)災害監(jiān)測和預防提供了開創(chuàng)性的并且極具價值的服務。我國幅員遼闊，目前的地面沉降大范圍監(jiān)測工作主要集中在東部平原地區(qū)，文獻[237]對整個汾渭盆地內(nèi)不同尺度和梯度的形變類型進行監(jiān)測，重點分析了地面沉降與地裂縫之間的空間關系。文獻[238]通過多源SAR影像分析了京津冀地區(qū)1992—2014年的地面沉降時空演化特征，研究結(jié)果對緩減該區(qū)域地面沉降的決策部署具有重要意義。文獻[239]處理了蘇錫常地區(qū)不同時間段的Envisat和Sentienl-1影像，結(jié)果顯示2007—2010年蘇州、無錫、常州均有不同量級的沉降漏斗，而2018—2021年蘇錫常地區(qū)的地面沉降有所緩減。最近幾年，中國地質(zhì)調(diào)查局自然資源航空物探遙感中心開展了我國中東部10省市75萬平方千米3年度一期的InSAR更新監(jiān)測，重點沉降區(qū)實現(xiàn)年度監(jiān)測，該項大范圍常態(tài)化監(jiān)測工作為我國地面沉降災害的治理提供強有力的數(shù)據(jù)支撐。InSAR用于地面沉降監(jiān)測的未來發(fā)展趨勢主要體現(xiàn)在：①進一步解決非城市區(qū)失相干問題，提高監(jiān)測結(jié)果的可靠性；②海量數(shù)據(jù)的(近)實時處理，實現(xiàn)城市群級別區(qū)域性動態(tài)更新。

3.5 冰川運動

冰川運動的形式主要分為重力流和擠壓流兩種，往往在冰川運動過程中會伴隨冰崩、冰湖潰決、滑坡和泥石流等自然災害的發(fā)生，給周圍地區(qū)的道路、房屋、農(nóng)田等帶來嚴重損壞，所以對冰川運動的監(jiān)測顯得尤為重要。全球覆蓋的星載InSAR能夠在大范圍內(nèi)以高空間和時間分辨率追蹤冰川流動[240]。InSAR在冰川學中最重要的兩個應用是冰川流動速度和冰川質(zhì)量平衡的監(jiān)測，它們對于理解冰川動力學，研究冰川涌動或冰崩等現(xiàn)象具有重要意義[241]。

在冰川流速監(jiān)測方面，InSAR技術(shù)的首次應用可以追溯到1993年，文獻[3]使用InSAR處理了1992年2月8日和14日的兩幅ERS-1影像，從而恢復了南極洲Rutford冰流在此期間的速度場。這一開創(chuàng)性的研究引領了InSAR在監(jiān)測南極洲[242-243]、格陵蘭島[244-245]、喜馬拉雅[246]和阿拉斯加[247]等區(qū)域冰川運動方面的廣泛應用?；陂L周期連續(xù)InSAR觀測獲取的冰川流速，還可以創(chuàng)建大范圍的冰川目錄，例如，文獻[248]使用時序InSAR技術(shù)處理了2016—2019年的Sentinel-1影像，并根據(jù)獲取的平均速率在青藏高原Nyainqêntanglha西部探測出1433個巖石冰川。同樣的InSAR技術(shù)也被用于建立喜馬拉雅中部[249]和美國猶他州Uinta山脈[250]的巖石冰川目錄。然而，由于InSAR在大梯度形變位移下會產(chǎn)生嚴重的失相干，InSAR更適合用于探測和監(jiān)測相對緩慢的冰川運動(<100 m/a)，而且在研究中應盡可能使用高時間分辨率(如1～12 d的間隔)的SAR影像對。對于更快冰川流速的測量，在InSAR失相干的情況下，精度偏低但不受形變梯度大小限制的SAR偏移量追蹤方法更為有效[251]。

在冰川質(zhì)量平衡的監(jiān)測方面，InSAR技術(shù)可以用于生成高質(zhì)量的DEM，而根據(jù)冰川DEM在不同時期的差異可以推演冰川質(zhì)量平衡的變化。由于InSAR測量相位同時包含地形和形變信號，因此通過InSAR技術(shù)獲取冰川DEM需要避免冰川形變的影響，理想的解決方案包括單軌道雙天線干涉(如SRTM)和雙基站星座干涉(如TanDEM-X)。NASA JPL基于C波段InSAR在2000年獲取的全球SRTM DEM已經(jīng)成為冰川質(zhì)量平衡研究中的重要歷史高程參考[252]，盡管其對于高海拔冰川的高程存在一定程度的低估(可達10 m)[253]。TanDEM-X發(fā)射于2010年6月，作為TerraSAR-X的擴展與其同步編隊飛行。由于在雙基站星座下InSAR干涉對的時間周期很短，避免了形變信號的影響，因此TanDEM-X在冰川高程測量方面發(fā)展迅速[254-255]。通過比較SRTM和TanDEM-X的高程差異可以估算2000—2010年的冰川質(zhì)量平衡變化[256]。TanDEM-X的連續(xù)運行和較短的重訪周期也為冰川質(zhì)量平衡的動態(tài)監(jiān)測提供了數(shù)據(jù)支撐，從而有助于研究冰川質(zhì)量的瞬態(tài)[257]和周期性變化[258]。

3.6 人工建構(gòu)筑物位移變形

變形監(jiān)測是人工建構(gòu)筑物安全運維的一個重要環(huán)節(jié)，相對傳統(tǒng)單點測量手段，InSAR具有面狀監(jiān)測的技術(shù)優(yōu)勢，可以獲取人工建構(gòu)筑物的整體形變情況，而且SAR衛(wèi)星和時序分析技術(shù)的發(fā)展使InSAR具備了監(jiān)測微小形變的能力，從而在大壩、高層建筑和線性工程等人工建構(gòu)筑物的變形監(jiān)測中得到廣泛應用。

文獻[259]基于Envisat ASAR影像研究三峽大壩及其周邊區(qū)域的穩(wěn)定性，并提出了Quasi-PS技術(shù)來解決庫區(qū)失相干比較嚴重的問題，該研究證明InSAR技術(shù)在大壩形變監(jiān)測領域具有很大的應用潛力。文獻[260]基于CPT-InSAR技術(shù)，利用多源SAR影像恢復了西班牙La Pedrera大壩1995—2010年歷史形變時間序列，為研究大壩的長時空形變演化特征提供參考。文獻[261]通過處理高分辨率COSMO-SkyMed和TerraSAR-X影像發(fā)現(xiàn)意大利Pertusillo拱形壩的周期性形變與季節(jié)膨脹和靜水壓力有關。文獻[262]采用ALOS PALSAR影像監(jiān)測湖北清江水布埡大壩的形變，利用InSAR結(jié)果和有限元法對大壩進行數(shù)值模擬分析，并預測了大壩的形變。文獻[263]聯(lián)合Sentinel-1影像與GPS、水準實測數(shù)據(jù)分析了兩伊地震對伊拉克Darbandikhan大壩穩(wěn)定性的影響，研究表明震前大壩位移速率約4 mm/a，而震后壩頂?shù)奈灰扑俾蔬_到70 mm/a。InSAR監(jiān)測大壩變形的一個主要局限是雷達側(cè)視成像引起的大壩斜坡透視收縮現(xiàn)象會嚴重低估大壩的形變量，多軌道SAR數(shù)據(jù)聯(lián)合監(jiān)測能在一定程度上克服這一局限。

InSAR技術(shù)用于城市高層建筑的變形監(jiān)測具有很大的挑戰(zhàn)性，這主要取決于SAR影像的空間分辨率，目前利用InSAR評估單個高層建筑穩(wěn)定性的研究案例主要采用高分辨率的COSMO-SkyMed和TerraSAR-X影像。例如，文獻[264]利用1 m分辨率TerraSAR-X Spotlight影像分析美國拉斯維加斯會議中心由于熱膨脹引起的屋頂形變，然而單個軌道的SAR影像無法揭示建筑物完整的形變信息以及PS點在水平和垂直方向上的位移分量。文獻[265]基于升降軌TerraSAR-X影像，提出一種多軌道PS點云的融合方法，從而實現(xiàn)建筑物東西向和垂向位移分量的分離，并以德國柏林市內(nèi)的建筑物為例驗證該方法的有效性。國內(nèi)相關研究較少，文獻[266]采用TerraSAR-X影像對天津市渤海大樓和中國大戲院進行變形監(jiān)測研究，并與水準測量結(jié)果進行對比，論證了InSAR用于建筑物監(jiān)測可以達到毫米級精度。PS點位的高精度恢復是高層建筑物變形監(jiān)測中需要考慮的一個重要環(huán)節(jié)，層析SAR(Tomo-SAR)的發(fā)展為解決這一問題提供了全新的技術(shù)途徑。

在線性工程的穩(wěn)定性監(jiān)測方面，InSAR的大范圍監(jiān)測優(yōu)勢可以為國家重大基礎設施工程的安全運維提供技術(shù)支撐。青藏鐵路是世界上海拔最高的鐵路，亟須一種有效的測量手段對沿線地面沉降進行長期監(jiān)測。文獻[267]利用Envisat ASAR和TerraSAR-X影像分析拉薩-那曲段2003—2012年地表形變，研究表明2007年通車后局部路段出現(xiàn)了20 mm/a的下沉。文獻[268]利用Sentinel-1影像對港珠澳大橋2018—2020年期間的變形情況進行PS-InSAR時序分析，結(jié)果顯示珠海澳門客運樓、東人工島和香港客運樓分別出現(xiàn)10、17和14 mm/a的沉降速率，而大橋則表現(xiàn)出與溫度相關的周期性形變。此外，InSAR技術(shù)的高效低成本優(yōu)勢使其成為大范圍公共交通網(wǎng)絡定期安全監(jiān)測的首選手段。文獻[269]利用2010—2015年數(shù)百景Radarsat-2影像對荷蘭全國3000多千米的鐵路網(wǎng)絡進行高精度的沉降監(jiān)測，并形成一套基于衛(wèi)星遙感的全國鐵路網(wǎng)監(jiān)測系統(tǒng)。由于PS點的選擇不具有先驗性，導致局部區(qū)域的點密度較低，從而無法獲取可靠的地面沉降信息，在重點監(jiān)測區(qū)布設一定數(shù)量的人工角反射器能夠提高InSAR監(jiān)測的有效性。另外，海量SAR數(shù)據(jù)的近實時自動化處理也是InSAR大范圍交通路網(wǎng)沉降定期監(jiān)測中的重要研究方向。

3.7 大氣水汽含量估計

大氣水汽通常被認為是InSAR技術(shù)的一種主要誤差源?？紤]到InSAR觀測量對大氣水汽造成的對流層延遲的敏感度，與其對地表形變量的敏感度完全一致[23,270]，InSAR技術(shù)可以用來估計高空間分辨率的大氣水汽分布[271]，這個新興的方向被稱為InSAR氣象學。利用單幅干涉影像估計大氣水汽含量時，需要假設研究區(qū)域沒有地表形變；當利用多時相干涉影像估計大氣水汽含量時，通常需要假設地表形變可以忽略或形變模型已知。文獻[67]通過假設線性形變模型，分離出了衛(wèi)星視線方向的大氣相位屏(atmospheric phase screen，APS)，其可通過對流層濕延遲與可降水汽含量(precipitable water vapor,PWV)之間關系轉(zhuǎn)化為大氣水汽含量。文獻[52]引入了子網(wǎng)(sub-network)和瞬間線性速率模型(temporarily linear velocity,TLV)的概念估計APS，將星載中分辨率成像光譜儀(MERIS)觀測得到的高分辨率近紅外水汽場轉(zhuǎn)化為衛(wèi)星視線方向的延遲量后，進行對比驗證，發(fā)現(xiàn)兩者之差的中誤差在3～5 mm，相關系數(shù)達0.84～0.98。文獻[272]利用同樣的技術(shù)處理了美國西部Sierra Nevada地區(qū)跨度為18 a的ERS-1/2和Envisat的衛(wèi)星影像，并與10 a的GPS連續(xù)跟蹤數(shù)據(jù)進行了比較，發(fā)現(xiàn)兩者形變速率的差值為0.7 mm/a，且兩者估計出來的對流層延遲的差值為5 mm。文獻[273]采用PS-InSAR技術(shù)處理Envisat雷達影像，反演大氣水汽含量，與MERIS大氣水汽觀測值相比達到1.7 mm的中誤差。文獻[274]利用InSAR反演的高分辨率大氣水汽含量圖研究了2015年6—7月發(fā)生在西班牙阿德拉市的極端強對流天氣，通過InSAR水汽圖及三維變分技術(shù)初始化大氣數(shù)值模型，成功預測了強對流天氣的發(fā)生時刻及空間分布，極大限度地提升了傳統(tǒng)氣象觀測手段的時空分辨率。文獻[275]綜合利用InSAR及全球?qū)Ш叫l(wèi)星系統(tǒng)反演了不同觀測點斜路徑對流層延遲，由此對研究區(qū)域上空進行對流層延遲層析，并指出，InSAR對流層延遲圖的加入極大地增大了層析模型的分辨率及可靠性。文獻[276]分析了時序InSAR中大氣延遲的時空特征，介紹了時空濾波法、最小二乘配置(LSC)法和結(jié)合現(xiàn)代測量平差的強制約束法等估算時序InSAR非差分大氣水汽圖的方法，并討論了這些方法的優(yōu)缺點及適用情況。文獻[277]考慮到湍流大氣的物理特性，提出了一種基于網(wǎng)絡的方差-協(xié)方差估計(NVCE)方法，利用24景Sentinel-1A影像，對2018年5月3日噴發(fā)的Kilauea火山進行了研究，驗證了時序InSAR中湍流大氣隨機建模的潛力，并被用來減少湍流大氣對形變相位的影響。

4 總結(jié)與展望

星載SAR及InSAR技術(shù)近30年來蓬勃發(fā)展，在防災減災、地質(zhì)調(diào)查、工程建設、精確制圖、軍事偵察、環(huán)境遙感及行星探測等領域已得到廣泛應用[277-278]。當前星載SAR實現(xiàn)了從米級到亞米級，從單通道向多通道，從單一極化到全極化的技術(shù)跨越。隨著利用星載SAR監(jiān)測等面向不同應用需求的增加，未來星載SAR將在體制、概念、技術(shù)、模式等方面取得突破，如高分辨率寬帶成像、高時間分辨率、輕小型化、智能化等，從而不斷拓展星載SAR的觀測維度，實現(xiàn)多維度信息獲取，從而促進InSAR技術(shù)以及其應用場景的不斷發(fā)展[279-280]。

4.1 高時空分辨率寬帶成像SAR衛(wèi)星技術(shù)

自星載SAR技術(shù)廣泛應用以來，在災害隱患評估、目標檢測識別、地形測繪等應用領域，要求SAR影像擁有更高的空間分辨率；在海洋目標監(jiān)視、災區(qū)應急勘探等方面，要求SAR系統(tǒng)可獲取更寬幅的影像[281]。通過高分辨率星載SAR系統(tǒng)對地球進行連續(xù)高精度觀測，對獲得的高分辨率SAR影像進行干涉處理可以精確測量地物高程、海冰、洋流等目標的運動信息。傳統(tǒng)星載SAR系統(tǒng)的空間分辨率與帶寬相互制約，寬幅成像要求在俯仰向具有較寬的波束，而越寬波束對應天線高度越小，降低了衛(wèi)星信號的發(fā)射頻率，導致影像的信噪比降低，使高空間分辨率和寬幅成像難以同時滿足。目前主要存在以下4種方法來解決在高分辨率觀測的同時實現(xiàn)寬幅成像觀測：①基于多通道、方位多波束的高分辨率寬幅成像技術(shù)；②基于變脈沖重復頻率的高分辨率寬幅成像技術(shù)；③基于大角度波束掃描的高分辨率寬幅成像技術(shù)；④基于俯仰向數(shù)字波束(digital beam forming，DBF)技術(shù)。這些技術(shù)方法均可以在保證高分辨率成像的同時增加有效幅寬[282-284]。

隨著星載SAR的發(fā)展，其時間分辨率從數(shù)月縮短到數(shù)小時。如德國的SAR-Lupe組網(wǎng)衛(wèi)星由5顆位于不同軌道面的SAR衛(wèi)星組成，重訪周期降為6 h；意大利的COSMO-SkyMed星座由4顆近似均勻分布在同一軌道面SAR衛(wèi)星組成，時間分辨率約為12 h；美國的Lacrosse和FIA系列SAR衛(wèi)星通過結(jié)合多顆SAR衛(wèi)星和正逆行大傾斜軌道面來實現(xiàn)快速重訪。

4.2 輕小型化SAR衛(wèi)星技術(shù)

大型星載SAR系統(tǒng)由于造價高，研制周期長，穩(wěn)定性要求高等技術(shù)要求限制了其發(fā)展和應用，低成本、定制化的輕小型SAR衛(wèi)星應運而生。輕小型化SAR衛(wèi)星包括重量一般在1000 kg以下的小型SAR衛(wèi)星和重量在500 kg以下的微小型衛(wèi)星[285]。國際目前在軌運行的小型SAR衛(wèi)星有國內(nèi)的Hisea-1、芬蘭的ICEYE衛(wèi)星系統(tǒng)、德國的SAR-Lupe衛(wèi)星星座、以色列的TecSAR衛(wèi)星，印度的RISAT-2衛(wèi)星、日本的MicroSAR衛(wèi)星等。

輕小型星載SAR系統(tǒng)在構(gòu)建多星組網(wǎng)或分布式星載SAR系統(tǒng)方面存在優(yōu)勢，如可提高影像的時間分辨率、滿足數(shù)據(jù)的時效性和連續(xù)性要求、降低觀測盲區(qū)等，這也是大型單顆星載SAR難以實現(xiàn)的。國內(nèi)外多個商業(yè)輕小型SAR衛(wèi)星公司相繼成立，如芬蘭的ICEYE公司在輕小型SAR衛(wèi)星行業(yè)具有代表性，目前已發(fā)射16顆小型SAR衛(wèi)星，計劃于2022年將在軌衛(wèi)星數(shù)增加到18顆以上；美國的Capella Space公司擬建設一個由36顆衛(wèi)星組網(wǎng)的SAR衛(wèi)星星座，以實現(xiàn)將重訪周期降低至每小時；美國的Umbra公司擬構(gòu)建一個由12顆星組成的星座，以實現(xiàn)將空間分辨率提高至15 cm；日本的Synspective公司擬發(fā)射25顆小型SAR衛(wèi)星，以實現(xiàn)組成可覆蓋全球的遙感星座，提供全球的SAR衛(wèi)星數(shù)據(jù)。我國的天儀研究院和中國電科38所合作計劃于2023年完成56顆SAR衛(wèi)星組網(wǎng)，到2025年實現(xiàn)96顆高分辨率SAR星座的組網(wǎng)，將部署在多個軌道面，為我國海洋環(huán)境、災害監(jiān)測及土地利用等領域提供數(shù)據(jù)支持；“海絲”系列衛(wèi)星是廈門大學同天儀研究院、中國電科38所合作研制的星座系統(tǒng)，目前“海絲一號”和“海絲二號”衛(wèi)星已經(jīng)成功發(fā)射，“海絲”系列衛(wèi)星星座計劃由32顆SAR、水色和高分辨光學衛(wèi)星等構(gòu)成。輕小型SAR系統(tǒng)在多元化和多樣化市場要求和星載SAR載荷技術(shù)跨越式發(fā)展的推進下將迎來蓬勃的發(fā)展[286]。

4.3 自動化大數(shù)據(jù)快速處理技術(shù)

隨著SAR衛(wèi)星和InSAR技術(shù)的不斷發(fā)展，利用InSAR在全球范圍內(nèi)開展系統(tǒng)性、連續(xù)性的形變監(jiān)測逐漸成為可能。盡管擁有海量的SAR影像，按照目前的算法仍很難得到全球形變信息，因為利用InSAR技術(shù)得到的形變信息，需要研究區(qū)域的先驗知識和專家的詳細解譯，耗時耗力，較難成功。隨著市場需求多樣化，可擴展的自動化數(shù)據(jù)分析正在滿足新市場的需求，應用機器學習技術(shù)支持InSAR處理流程或分析干涉圖，可以進一步補充InSAR算法的研究，提高SAR影像的處理效率、生產(chǎn)力和可持續(xù)性。機器學習比人更容易累積經(jīng)驗，可以迭代地學習某些函數(shù)的近似值，而且該過程無須人工干預解譯和區(qū)域的先驗信息，因此基于深度學習技術(shù)對InSAR時間序列干涉圖進行學習，可以實現(xiàn)亞厘米級形變的自動提取，但目前如何從形變時間序列中得到連續(xù)的瞬時信號仍然是一個關鍵難點。利用自動化大數(shù)據(jù)快速處理技術(shù)在全球范圍內(nèi)得到系統(tǒng)性、連續(xù)性的形變結(jié)果，對于觀測地震、火山、滑坡、地面沉降、冰川運動等造成的形變都會有更深、更詳細的理解，更加接近瞬間地表真實的形變，減少人工引入誤差的影響[13,113,287]。

4.4 創(chuàng)新應用場景

InSAR技術(shù)的進步為SAR衛(wèi)星提出了更多、更高的要求，同時SAR衛(wèi)星的發(fā)展也推動著InSAR技術(shù)應用于更多、更新的場景。近年來，地球同步軌道SAR(GEO SAR)衛(wèi)星、生物量監(jiān)測SAR衛(wèi)星、高分辨率SAR衛(wèi)星、雙頻SAR衛(wèi)星等一些新型衛(wèi)星體制相繼被提出，這些新型衛(wèi)星的出現(xiàn)進一步豐富了InSAR技術(shù)的應用場景。

GEO SAR利用輕微的軌道擾動形成合成孔徑[288]，具有每日重訪、分鐘級即時訪問、大面積覆蓋、即時數(shù)據(jù)傳輸?shù)臏蔬B續(xù)成像能力，再加上SAR對變形、相干變化及水汽的敏感性，GEO SAR將通過利用后向散射、相干性和干涉相位提供一個有價值的監(jiān)測系統(tǒng)[289]。目前，各國對GEO SAR衛(wèi)星的飛行及成像模式還在積極的論證和試驗中，可以預想未來GEO SAR的應用場景可能包括但不限于：①高分辨率大氣水汽含量的估計；②分鐘級災害應急制圖；③特定區(qū)域每日變形監(jiān)測；④其他各種SAR和InSAR數(shù)據(jù)產(chǎn)品。

SAR的極化特性在地表形變監(jiān)測領域往往容易被忽視，但將干涉觀測和極化觀測進行組合的極化InSAR(Pol-InSAR)技術(shù)，在定量化監(jiān)測森林、農(nóng)業(yè)等生物量方面取得了重大進展，各種單基線、多基線模型在X、L和P等SAR波段都得到了成功驗證[290-291]，利用Pol-InSAR可以實現(xiàn)：①對于復雜的森林垂直結(jié)構(gòu)進行反演[292]；②高空間分辨率和高垂直精度的森林高度的估計[293-294]；③對苔原、森林、城市等區(qū)域生物量的估計[295-297]。對森林結(jié)構(gòu)以及各種區(qū)域生物量的監(jiān)測有利于加快降低碳排放的步伐，有利于引導綠色技術(shù)創(chuàng)新，指導“雙碳”目標的完成。為了進一步研究森林在碳循環(huán)的作用，歐洲空間局計劃于2023年發(fā)射第一顆攜帶用于干涉成像的全極化P波段SAR衛(wèi)星——Biomass衛(wèi)星，用于監(jiān)測森林狀況及其變化。

現(xiàn)代高分辨率SAR衛(wèi)星(如TerraSAR-X/TanDEM-X、COSMO-SkyMed等)可以提供極高分辨率(very high resolution,VHR)影像，為InSAR形變監(jiān)測提供了新的應用場景：①傳統(tǒng)InSAR較低的空間分辨率限制了其在小尺度監(jiān)測方面的應用，而VHR影像極高的空間分辨率和InSAR技術(shù)對形變測量的極高敏感性，在跨海橋梁等小尺度建筑物等基礎設施的安全監(jiān)測中顯示出獨特的優(yōu)勢，并得到了成功的驗證[268,298]；②利用VHR影像的Tomo-SAR技術(shù)可以對建筑物表面進行二維或三維重建[299]，可對人工建構(gòu)筑物進行遠程監(jiān)測[300]，對城市進行大范圍3D建模[301]；③Tomo-PS InSAR技術(shù)結(jié)合了PS-InSAR和Tomo-SAR技術(shù)，擴展了干涉測量的概念，克服傳統(tǒng)InSAR技術(shù)空間分辨率低的局限[302]，利用Tomo-SAR的方法可以解析同一像素中的多個散射體，改進了對單一相干目標的監(jiān)測，在人工建構(gòu)筑物的監(jiān)測方面取得了成功應用，成功提取出小尺度建筑物的運動異常以及熱力學形變[303]。

雙頻SAR衛(wèi)星也是近年來各國重點研究的新型衛(wèi)星體制之一，雙頻SAR衛(wèi)星搭載兩個波段的雷達成像儀，可分別或同時對地表進行成像，這兩個波段一長一短、互為補充、相互驗證，并且具有單極化、雙極化及全極化的成像能力。雙頻SAR衛(wèi)星通常具有多個任務屬性，例如計劃于2023年發(fā)射的NASA-ISRO SAR(NISAR)衛(wèi)星，其搭載了L和S波段的雷達成像儀，計劃在生態(tài)環(huán)境、地球科學、災害監(jiān)測預警與應急響應以及氣象等多個領域開展具體研究[304]。得益于兩個波段的雷達成像儀可以同時成像但具有不同穿透能力的特性，雙頻SAR衛(wèi)星的出現(xiàn)將可能開辟一些新的引用場景：①根據(jù)不同的穿透能力，同一事件在不同波段的觀測下可能會有所不同，從而可以從不同層次更好地理解事件的全貌；②同一地物在不同波段不同極化方式的影像上的表現(xiàn)不同，可以幫助研究學者更好地理解地物的反射特性，進一步優(yōu)化地物的后向散射模型；③不同波段對形變的敏感度不同，能夠捕獲的形變范圍也不同，利用雙頻SAR衛(wèi)星干涉測量可更好地對冰蓋崩塌、火山噴發(fā)、地震活動、山體滑坡等自然災害的復雜過程進行精細化監(jiān)測并開展應急響應。