杜年春，王玉明，沈向前，謝 翔

1. 湖南師范大學信息科學與工程學院，湖南 長沙 410081； 2. 中國有色金屬長沙勘察設(shè)計研究院有限公司，湖南 長沙 410117

受復雜地質(zhì)條件影響，我國地質(zhì)災(zāi)害頻發(fā)，造成大量人員傷亡和經(jīng)濟財產(chǎn)損失。自然資源部地質(zhì)災(zāi)害技術(shù)指導中心發(fā)布的2020年全國地質(zhì)災(zāi)害災(zāi)情顯示，當年全國共發(fā)生地質(zhì)災(zāi)害7840起，共造成139人死亡(失蹤)、58人受傷，直接經(jīng)濟損失50.2億元，其中滑坡占地質(zhì)災(zāi)害總數(shù)的61.35%。為此，研究測量邊坡形變的設(shè)備以實現(xiàn)滑坡預(yù)警迫在眉睫。微波干涉測量技術(shù)通過相位差分處理，能夠?qū)崿F(xiàn)目標形變值的高精度測量，是邊坡形變監(jiān)測領(lǐng)域中極具前景的創(chuàng)新型技術(shù)手段[1-10]。地基差分干涉雷達就是基于此技術(shù)的測量設(shè)備，它利用微波信號以有源方式工作，可有效穿透云、雨、霧等，不受天氣條件和能見度的影響，可實現(xiàn)在惡劣氣象條件下對邊坡的全天時、全天候不間斷連續(xù)工作，具有優(yōu)越的環(huán)境適應(yīng)性；同時，它的圖像更新速度快，可達1次/min，有利于完成場景的連續(xù)實時監(jiān)測[11-14]。地基差分干涉雷達主要包括地基實孔徑雷達(real aperture radar,RAR)和地基合成孔徑雷達(synthetic aperture radar,SAR)兩類。典型地基RAR系統(tǒng)有瑞士的GPRI(gamma portable radar instrument)[15]、澳大利亞的SSR(slope stability radar)[16]和南非的MSR(movement and surveying radar)[17]。地基SAR可獲得較高的方位分辨率，是當前研究的熱點，典型系統(tǒng)有意大利的IBIS(image by interferometric survey)[18]、韓國國立江原大學開發(fā)的ArcSAR(arc-scanning SAR)[19]、中國科學院電子學研究所的Arc FMCW-SAR[20]及北京理工大學研發(fā)的MIMO-SAR[21]等。

ArcSAR是一種特殊合成孔徑方式的地基SAR，其應(yīng)用于形變測量的優(yōu)勢主要體現(xiàn)在：①雷達作用距離遠，監(jiān)測范圍廣，可獲得監(jiān)測區(qū)域內(nèi)邊坡表面的空間連續(xù)形變信息，有效監(jiān)測點數(shù)可達數(shù)萬點，以供分析滑坡體的整體形變情況；②雷達電磁波的波長遠大于光波，因此對于地面草叢、灌木等植被具有一定的穿透能力和相位平滑能力，同時對在有風條件下植被擺動更不敏感，對地表覆植被情況的適應(yīng)性較好；③雷達采用非接觸式方式工作，可以直接測量形變，無須在邊坡，特別是高位邊坡、松軟邊坡表面安裝任何附屬設(shè)備，確保人員和設(shè)備的安全；④雷達能實現(xiàn)方位向360°高分辨率掃描，具有部署靈活的特點，在復雜山區(qū)環(huán)境下可實現(xiàn)大范圍和多區(qū)域的監(jiān)測，尤其是在“兩山夾一溝”區(qū)域、大范圍接續(xù)礦坑等場景有較大的應(yīng)用需求；⑤雷達在全方位掃描時，其方位向分辨率可保持不變，這為后續(xù)信息處理流程的一致性及快速算法的設(shè)計提供了有力支撐。

ArcSAR形變測量誤差由相位差誤差引起，而相位差誤差則由噪聲和大氣相位引起。其中噪聲引起的誤差與時間無關(guān)，不會在長時間持續(xù)監(jiān)測中引起形變誤差的累積；而大氣相位因不均勻媒質(zhì)對微波傳播路徑和方向影響產(chǎn)生，由其引起誤差則是時間的函數(shù)，會在長時間持續(xù)監(jiān)測中引起形變誤差的累積，造成形變值的較大偏離，進而影響滑坡預(yù)警，故需對大氣相位引起的形變測量誤差進行校正。

目前，針對利用微波干涉測量技術(shù)的各種形變監(jiān)測設(shè)備，國內(nèi)外已經(jīng)開展了一些大氣相位校正的研究[22-32]。主要分為兩類：一是基于氣象數(shù)據(jù)等的間接校正算法；二是基于監(jiān)測點相位差的直接校正算法。文獻[22]使用自制角反射器作為監(jiān)測目標，利用溫度、氣壓和濕度等氣象數(shù)據(jù)，根據(jù)大氣折射模型估算出大氣折射率的變化，進而校正大氣擾動引起的相位誤差，對小范圍內(nèi)目標點大氣相位校正獲得較好效果。文獻[23]通過氣象數(shù)據(jù)集對大氣相位擾動進行統(tǒng)計評估，并基于此研究了基于氣象參數(shù)的大氣相位補償方法。文獻[24]將永久散射(permanent scattering,PS)點應(yīng)用于大氣相位校正，取得了較好校正結(jié)果。文獻[25]基于IBIS-L系統(tǒng)平臺，利用地面控制點對大氣進行校正的方法進行分析，提出基于穩(wěn)定點的大氣校正方法和不同改正模型，獲得較好的效果。文獻[26—28]提出一種改進的地基干涉SAR圖像非線性大氣相位補償方法，通過對PS點進行子區(qū)域劃分，反距離加權(quán)插值估計出所有PS點的大氣相位，解決了常規(guī)方法中多參數(shù)模型無法準確模擬大氣相位，從而無法對部分干涉相位圖進行有效校正的問題。文獻[29]利用強PS點作為形變相位為零的控制點，進行雙向曲線擬合，進而得到較為完整的大氣相位。文獻[30]提出一種基于迭代的大氣補償方案，以補償空間三維非均勻折射率分布引起的大氣相位波動，而無須任何移動位置的先驗知識。文獻[31]根據(jù)雷達看到的三維地形結(jié)構(gòu)的高度和范圍，對觀測到的相位進行建模，提出了一種兩階段半經(jīng)驗算法來補償空域中大氣相位。

間接校正算法由于獲取數(shù)據(jù)的空間密度小，使用較少。直接校正算法主要基于PS點進行處理，應(yīng)用較為廣泛，但也還存在著一些問題：一是選擇PS點時用到的幅度離差、相位離差等指標的閾值是人為設(shè)定的，這使得其對環(huán)境的適應(yīng)性還有待提高，同時這些PS點的選擇是一次性，缺乏在線更新機制，難以去掉奇異點；二是使用標靶做PS點用于校正時，需提前布置，工作量大，而使用自動提取的PS點做控制點的算法，又容易選中滑坡區(qū)域PS點，影響大氣校正結(jié)果；三是當PS點使用率不高時，由于用于大氣相位估計的點較少，校正算法可靠性不高，而當PS點使用率較高時，由于采用運算量較大的聚類等算法，校正算法運算速度不高；四是在校正過程中，大氣相位模型主要采用一維的斜距模型，而二維模型中方位也只采用線性模型，對大角度場景的情況適用性不夠。

本文針對上述問題進行研究，并基于自研的ArcSAR系統(tǒng)，提出一種邊坡形變監(jiān)測雷達的大氣校正方法。首先，建立大氣相位在方位向和距離向上的模型，解決大視角條件下大氣相位擾動隨方位變化的問題；然后，給出大氣相位校正流程及細節(jié)，先通過PS點特征提取及歸一化，并利用線性分類器解決PS點自動篩選以及穩(wěn)定PS點自動篩選的問題，再利用PS點及穩(wěn)定PS點實現(xiàn)兩階段的大氣相位校正消除滑坡形變對大氣相位估計的影響，提高形變測量的準確性，再通過網(wǎng)格劃分，提高大氣相位估計速度，解決算法實時實現(xiàn)的問題；最后，進行實測數(shù)據(jù)處理，通過對比分析大氣相位校正前后PS點相位變化歷程和形變測量值，驗證本文方法的有效性。

1 大氣相位模型

監(jiān)測點的形變值根據(jù)其在兩幅復圖像中的相位差進行計算，設(shè)形變值為ΔR,則

ΔR=Δφλ/4π

(1)

式中，λ為微波信號波長；Δφ為相位差。設(shè)監(jiān)測點在圖像值分別為A1ejφ1、A2ejφ2,則Δφ可由式(2)計算[33]

Δφ=angle(A2ejφ2×(A1ejφ1)*)

(2)

式中，angle(·)表示計算相角；*表示復共軛。值得注意的是，Δφ實際值可能超出[-π,π],需要進行相位解纏，考慮到其不影響本文算法研究，這里不討論。

由于大氣相位和噪聲的影響[33-36]，相位差Δφ可表示為

Δφ=Δφd+Δφa+Δφη

(3)

式中，Δφd為目標形變引起的相位差；Δφa為大氣引起的相位差；Δφη為噪聲相位差。

Δφa由空氣折射率變化Δη(r,θ)引起，模型為

(4)

式中，r為微波傳輸距離；θ為目標到雷達相對于真北方向的夾角；t為時間?？紤]到ArcSAR監(jiān)測范圍可達360°，故Δη是隨時間變化與(r,θ)相關(guān)的二維函數(shù)。根據(jù)國際電信聯(lián)盟最新定義[37]，空氣折射率η與氣象參數(shù)之間的關(guān)系可近似表示為

(5)

式中，Pd和e分別代表了干燥大氣壓力(單位為百帕hPa)和濕大氣壓力(單位為百帕hPa)；Ta為絕對溫度(K)；k1=77.6、k2=72、k3=3.75×105為經(jīng)驗測定系數(shù)?？梢姶髿獾臏囟取穸入S時間t在(r,θ)的變化，造成了電磁特性的非均勻，從而使得信號的傳播速度和傳播方向在穿過整個大氣層時不斷變化。因此本文直接建立大氣相位在距離向和方位向的二元二次函數(shù)模型為

(6)

2 大氣相位校正算法

圖1給出了本文大氣校正算法流程，包括兩個階段：一階段通過PS點篩選和基于網(wǎng)格的大氣相位估計，實現(xiàn)全場景快速大氣相位校正，分離形變區(qū)域和穩(wěn)定區(qū)域；二階段通過穩(wěn)定PS點篩選和基于網(wǎng)格的大氣相位估計及時域濾波，去除形變PS點的影響及大氣相位估計奇異點的影響，實現(xiàn)高性能大氣相位校正。

圖1 本文大氣校正算法流程Fig.1 Flowchart of atmospheric phase correction algorithm in this paper

2.1 PS點篩選

在滑坡預(yù)警中，測量邊坡區(qū)域的形變值，需要設(shè)置監(jiān)測點，故構(gòu)成其監(jiān)測點的PS點篩選工作至關(guān)重要。為在SAR圖像中自動提取PS點，本文采取先特征提取后分類的方法進行PS點篩選。PS點篩選流程如圖2所示，包括序列圖像的特征提取及分類兩個部分。

圖2 PS點篩選流程Fig.2 The screening process of PS point

設(shè)序列圖像為Xn,1≤n≤N，其中N為序列圖像的數(shù)目。xn(i,j)表示圖像Xn在像素點(i,j)處的復數(shù)值。這里給出主要特征幅度離差、相位離差和相關(guān)系數(shù)的具體定義。

幅度離差特征Fd首先計算雷達序列圖像中每個像元的xn(i,j)的幅度均值m(i,j)和標準差σ(i,j)，F(xiàn)d表示為

(7)

幅度離差越小，則表示幅度信息越穩(wěn)定。幅度離差只使用了該像素點的幅度信息，具有計算量小，容易提取的優(yōu)點。

相位離差特征Fpd首先計算雷達序列圖像中每個像元的xn(i,j)的相位pn(i,j)，然后分別計算相位的均值mp(i,j)和標準差σp(i,j)，F(xiàn)pd表示為

(8)

相位離差越小，則表示相位信息越穩(wěn)定。相位離差較幅度離差多了相位計算過程，計算量有所增加。

相關(guān)系數(shù)特征Fc首先需要計算序列圖像各像素點的相關(guān)系數(shù)

cn-1(i,j)=

(9)

式中，I和J為滑動鄰域窗口大?。?表示復數(shù)共軛。然后對序列cn(i,j)計算每個像元的均值mc(i,j)。則Fc表示為

Fc=1/mc(i,j)

(10)

相關(guān)系數(shù)越大，則相關(guān)系數(shù)特征Fc越小，表示相關(guān)性越強。相關(guān)系數(shù)特征涉及像素的鄰域，計算量大，但特征穩(wěn)定，受噪聲的干擾較小。

將每個提取到的特征組成矢量，F(xiàn)=[Fd,Fpd,Fc]?？紤]到特征矢量各分量的數(shù)值不統(tǒng)一，對線性分類器的影響不同，需對其進行歸一化。本文根據(jù)馬氏距離度量原理[38]，通過協(xié)方差來解決維度分布不同的問題。協(xié)方差矩陣可通過下式得到

C=(F-μF)(F-μF)T

(11)

式中，μF為特征矢量均值。同時由于C是實對稱矩陣，可以正交對角化

C=UTΣFU

(12)

式中，U為酉矩陣；ΣF為特征值矩陣。則歸一化的特征矢量為Fu為

(13)

由于特征矢量進行了協(xié)方差歸一化，且每一特征都是單一閾值判決。散射點各特征值越小，其是PS點的概率越大，故分類可選擇線性分類器。在分類過程中，首先建立線性分類判決準則

h(Fu)=WTFu+ω0

(14)

式中，WT和ω0為加權(quán)系數(shù)。在實際數(shù)據(jù)處理時，可先在場景標定未形變區(qū)域，篩選其中的PS點，訓練得到加權(quán)系數(shù)的值。值得注意的是篩選后PS點本身既要有較高的可信度，其數(shù)量也能對監(jiān)測區(qū)域有較高的采樣。由于雷達工作性能的穩(wěn)健性和一致性較好，在信噪比滿足監(jiān)測條件時，該分類過程具有拓展性，相應(yīng)的訓練參數(shù)可在其他場景中使用。

2.2 基于網(wǎng)格的大氣相位估計

為解決聚類等方法引起的運算量大、實時性不高的缺點，本文算法進行網(wǎng)格化大氣相位估計。首先將監(jiān)測區(qū)域圖像沿方位向和距離向分別等間隔劃分網(wǎng)格，方位網(wǎng)格長度為ΔA、距離向網(wǎng)格長度為ΔR。然后分別用最小二乘算法估計每個網(wǎng)格參數(shù)β=[β0,β1,β2,β3,β4,β5]。為了兼顧運算速度和大氣相位估計的精度，方位網(wǎng)格長度和距離向網(wǎng)格長度常根據(jù)實際監(jiān)測區(qū)域的大小和實時處理的時間確定。實時性越高，網(wǎng)格劃分越稀疏，反之亦然。監(jiān)測區(qū)域越大，網(wǎng)格劃分越稀疏，反之亦然。

大氣模型的矩陣化表示為

(15)

式中，e為噪聲矩陣，而

(16)

通過篩選的Γ個PS點，用矩陣表示為

(17)

則利用最小二乘算法可得

(18)

進而估計可得

(19)

故可形成一個由網(wǎng)格組成的全場景大氣相位，然后根據(jù)網(wǎng)格和PS點的位置對應(yīng)關(guān)系，對場景中PS進行第一次大氣相位校正。值得注意的是，由于噪聲影響，估計得到的部分網(wǎng)格大氣相位值可能存在異變，為此，利用大氣相位的緩變特性，在全網(wǎng)格空間對其進行空間均值濾波，提高估計相位的穩(wěn)定性和準確性。

2.3 二次大氣相位估計及時域濾波

針對第一階段篩選的PS點可能存在形變且影響大氣相位校正精確度的問題，需要重新選取穩(wěn)定的PS點進行大氣相位估計。由于穩(wěn)定PS點在零值附近隨機變化，而形變PS點通過積累，可出現(xiàn)較大的數(shù)值，且形變區(qū)域較大，故可采用閾值算法將兩者進行分離。具體方法為根據(jù)一次大氣相位校正的形變結(jié)果，選取其60%最接近0的形變值，求取它們的均值md和標準差sd，然后以md+sd為閾值進行分割。

進行二次穩(wěn)定PS點篩選后，采用與2.2節(jié)相同的方法進行大氣相位估計、空間濾波。由于空間濾波并不能完全消除大氣相位估計時出現(xiàn)的異變值，為保證后續(xù)校正的準確性和可靠性，根據(jù)大氣溫度和濕度變化的時間連續(xù)性，本文對每一網(wǎng)格估計的大氣相位進行卡爾曼濾波，進一步減小大氣相位異變值影響。建立狀態(tài)轉(zhuǎn)移矩陣為

(20)

式中，ωk-1是服從高斯分布的噪聲。建立觀測方程為

(21)

當形變測量誤差優(yōu)于0.1 mm時，系統(tǒng)波長為12 mm，則v對應(yīng)的相位誤差為3°，其方差為9；而溫度引起的噪聲為Q=4。且F1=1，F(xiàn)2=1，即可實現(xiàn)大氣相位的時域濾波。

由于部分網(wǎng)格存在形變PS點，沒有估計大氣相位，故采用二維線性插值對這些網(wǎng)格點進行補全，然后實現(xiàn)對全場景PS點進行大氣相位校正。

3 試驗及分析

本文處理的試驗數(shù)據(jù)源自對云南思茅礦山的監(jiān)測，時間起始于2020年12月12日。試驗區(qū)范圍為100.523 1°E，22.793 1°N，在位置如圖3所示，滑坡主要集中在新開采區(qū)域。試驗采用的ArcSAR工作頻率為24 GHz，帶寬500 MHz，轉(zhuǎn)臂長度為1 m，旋轉(zhuǎn)速度(revolutions per minute,rpm)為1轉(zhuǎn)/min，數(shù)據(jù)更新時間為2 min。試驗場景如圖4所示。雷達工作在監(jiān)測邊坡底部，做固定處理，順時針掃描監(jiān)測。

圖3 試驗場景位置Fig.3 Location of outfield experiment sence

圖4 自研ArcSAR系統(tǒng)及試驗場景Fig.4 Self-developed ArcSAR and sence of outfield experiment

ArcSAR系統(tǒng)的圖像距離向分辨率為0.15 m，方位向分辨率為0.12°，成像范圍距離為1 km，方位范圍為180°。圖5給出全試驗場景的直角坐標散射圖像，圖6給出了試驗場景和相應(yīng)散射圖像疊加結(jié)果。可以看出，散射圖像紋理能夠很好地表示監(jiān)測區(qū)域的地貌特征，水平地勢散射強度較弱，邊坡地勢散射強度高，有利于形變監(jiān)測點提取。

圖5 試驗場景散射圖像Fig.5 Scattering image of outfield scene

圖6 試驗場景和散射圖像疊加結(jié)果Fig.6 Superposition result of outfield scene and scattering image

圖7給出了某一時刻PS點特征提取及篩選結(jié)果。圖7(a)為幅度離差的倒數(shù)，由于幅度離差值越小表示PS點越穩(wěn)定，為便于顯示， 這里采用幅度離差的倒數(shù)， 可見在3以上的值能表征邊坡區(qū)域。圖7(b)為相位離差的倒數(shù)，由于相位離差也是值越小表示PS點越穩(wěn)定，為便于顯示，這里采用相位離差的倒數(shù)，可見在3.5以上的值能表征邊坡區(qū)域。圖7(c)為相關(guān)系數(shù)，由于相關(guān)系數(shù)值越大表示PS點越穩(wěn)定，可見在0.6以上的值能表征邊坡區(qū)域。經(jīng)過幅度離差、相位離差和相關(guān)特征的綜合加權(quán)分析，試驗場景中篩選出PS點的圖像如圖7(d)所示，用深紅色表示。與圖5對比可知，篩選得到的PS點數(shù)量較多且其位置與重點關(guān)注區(qū)域吻合，能夠充分保證邊坡形變的監(jiān)測。

圖7 PS點特征提取及篩選結(jié)果Fig.7 Feature extraction and screening results of PS points

圖8給出了試驗場景中穩(wěn)定PS點和形變PS點的分割結(jié)果圖像，深紅色表示形變PS點，綠色表示穩(wěn)定PS點。在本文分析的16 h的數(shù)據(jù)中，圖8中形變PS點主要集中在紅色橢圓區(qū)域。橢圓區(qū)域A為實際滑坡區(qū)域，橢圓區(qū)域B和C則有車輛進行施工作業(yè)?？梢钥闯觯疚姆椒ü烙嫷男巫働S點和穩(wěn)定PS點與實際情況吻合，具有較高的準確性。值得注意的是，這里篩選的PS點隨時間實時更新，后續(xù)處理監(jiān)測區(qū)域的形變值也是所有PS點的累積。因此，圖8給出的分割圖中，多幀累積的PS點較圖7中PS點多。

圖8 穩(wěn)定PS點(綠色)和形變PS點(紅色)篩選結(jié)果Fig.8 The screening result of stable PS points (green) and deformable PS points (red)

圖9給出了場景中兩個穩(wěn)定PS點大氣相位校正前后的相位變化歷程，共16 h。本文分別以距離向30 m，方位向30 m為間隔進行網(wǎng)格劃分，然后估計相應(yīng)的大氣相位模型參數(shù)。PS點1距離雷達343 m，PS點2距離雷達152.8 m。通過大氣相位校正前變化曲線比較可知，距離雷達越遠，大氣相位擾動影響越大。同時可知，前8 h大氣相位擾動影響較小，后8 h大氣相位擾動影響變大。通過本文方法處理后，兩個穩(wěn)定PS點的相位均被校正到較小的區(qū)間內(nèi)?？梢?，本文方法能夠有效實現(xiàn)大氣相位校正。

圖9 兩個穩(wěn)定PS點的相位變化歷程Fig.9 The phase change history of two stable PS points

為分析全監(jiān)測場景大氣相位校正效果，圖10給出了大氣相位校正前后監(jiān)測區(qū)域形變圖像，幅度單位為毫米，PS點向靠近雷達方向移動，值為負，表示為藍色；PS點向遠離雷達方向移動，值為正，表示為紅色。圖10(a)為雷達大氣相位校正前的形變值(監(jiān)測時長8 h)，圖10(b)為雷達大氣相位校正后的形變值(監(jiān)測時長8 h)，兩者差異不大，與圖9所示的情況一致，前8 h大氣相位擾動影響不明顯，未能引起形變值的大幅度變化。圖10(c)為雷達大氣相位校正前的形變值(監(jiān)測時長16 h)，由于大氣相位擾動明顯加劇，形變值偏差出現(xiàn)累積，穩(wěn)定區(qū)域的形變值也發(fā)生較大變化。圖10(d)為雷達大氣相位校正后的形變值(監(jiān)測時長16 h)，穩(wěn)定區(qū)域的形變值被校正在合理區(qū)間，沒有出現(xiàn)較大偏差累積的現(xiàn)象，同時滑坡區(qū)域(負值)和施工區(qū)域(多為正值)的形變值也被準確反映。

圖10 大氣相位校正前后監(jiān)測區(qū)域形變值圖像Fig.10 Deformation value image of monitoring area before and after atmospheric phase correction

圖11給出了2021年9月26日云南思茅礦山監(jiān)測區(qū)域的三維場景與其PS點形變值的疊加。與圖8中的橢圓區(qū)域A對應(yīng)，該部分已于2021年4月發(fā)生了可見滑坡，其他紅色區(qū)域和藍色區(qū)域也都與現(xiàn)場施工情況一致，紅色多為挖掘區(qū)域，而藍色為填充區(qū)域。可以看出，本文方法能夠有效實現(xiàn)ArcSAR長時間監(jiān)測所需的大氣相位校正，進而為其準確測量形變奠定基礎(chǔ)。

圖11 試驗場景與PS點形變值疊加結(jié)果Fig.11 Superposition result of outfield scene and PS points deformation values

4 結(jié) 論

大氣相位校正是形變監(jiān)測雷達長時間監(jiān)測關(guān)注區(qū)域穩(wěn)定性、可靠性的重要保障。本文提出了基于網(wǎng)格劃分的兩階段大氣相位校正算法。首先通過分類算法，實現(xiàn)PS點的篩選；然后通過劃分網(wǎng)格、空間濾波等方法，利用所有PS點估計大氣相位，進行第一階段的大氣相位校正；接著通過閾值分割算法，實現(xiàn)了穩(wěn)定PS點和形變PS點的分離，利用穩(wěn)定PS點再次估計大氣相位，并使用卡爾曼濾波器在時間維度對大氣相位濾波，完成第二階段的大氣相位校正；最后實際數(shù)據(jù)處理表明本文算法的可行性和有效性。本文算法充分利用了網(wǎng)格劃分進行大氣相位估計的運算速度優(yōu)勢，又通過PS點的篩選、穩(wěn)定PS點的篩選、大氣相位空間濾波、大氣相位時間序列濾波等方法保證了校正的準確度。但本文算法也存在著不足，一是時間序列濾波算法較為簡單，未引入大氣溫濕度變及滑坡物理過程的相關(guān)信息；二是本文使用的網(wǎng)格尺寸大小由經(jīng)驗給出，計算效率的提高存在不確定性，且網(wǎng)格中PS點密度差異過大也會對大氣相位空間濾波造成差異，故需進一步研究自適應(yīng)網(wǎng)格劃分方法。