基于大氣數據的時序InSAR大氣延遲誤差校正方法比較

來源:用戶上傳      作者:

　　摘  要：針對時序InSAR應用過程中處理較為困難的大氣延遲誤差，文章利用StaMPS時序InSAR方法和TRAIN大氣校正工具箱，以劉家峽水庫及其以北地區為例，研究ERA-I、MERRA-2和GACOS三種常用的大氣數據在時序InSAR大氣延遲誤差校正中的差異。實驗表明，對輕度大氣影響區域，三種數據均可實現較好的校正效果;對中度大氣影響區域，三種數據的使用應當區分不同的研究區域、數據覆蓋程度和大氣影響強弱而定，且三者之間并無明顯的優劣之分;對重度大氣影響區域，在數據滿足基本條件的前提下，應當優先考慮剔除該影像。
　　關鍵詞：時序InSAR;大氣延遲;ERA-I;MERRA-2;GACOS
　　中圖分類號：V247.1+6         文獻標志碼：A         文章編號：2095-2945（2019）11-0023-05
　　Abstract： To deal with the difficult atmospheric delay error in the application of time-series InSAR， this paper uses StaMPS time series InSAR method and TRAIN atmospheric correction toolbox to study the difference of three commonly used atmospheric data ERA-I， MERRA-2 and GACOS. The example is Liujiaxia Reservoir and its northern area. The experiment shows that the three kinds of data can achieve good correction effect for the area with mild atmospheric influence. For the moderate atmospheric impact area， the three kinds of data should be used to distinguish different research areas， data coverage and atmospheric impact strength， and there is no obvious distinction between the three good and bad; for regions with severe atmospheric impacts， the removal of the image should be given priority on the premise that the data meets the basic conditions.
　　Keywords： Time Series InSAR; atmospheric delay; ERA-I; MERRA-2; GACOS
　　1 概述
　　對流層大氣延遲誤差校正是InSAR技術所面臨的最大挑戰之一[1]。其主要由兩次成像時對流層大氣壓力、溫度和相對濕度的不同，導致雷達信號穿過時的延遲量不等而引起。大氣延遲的存在可能掩蓋地表實際微小形變量，影響InSAR地表形變監測精度[2]。因此，研究和選用合適的大氣誤差校正方法，成為InSAR應用中的一項關鍵問題。對流層大氣延遲量，其主要包括三部分[2]：一是由于與近地表異常氣流有關的大氣湍流引起的分量;二是由大氣壓力、溫度和相對濕度變化引起的分量;三是由因地形起伏而引起的與地形有關的延遲分量。大氣延遲量可由輔助數據估算得到，如大氣模型數據、GPS測量數據、多光譜議等。
　　2001年，由Hanssen等[3]的研究表明，對特定高度h=h1和對流層頂部htop之間，沿雷達視線方向對應干濕延遲大氣折射率為：
　　
　　其中，P代表總大氣壓、T為溫度、e為水氣局部氣壓、？茲為入射角、？姿為雷達波長;系數k1、k2'、k3為統計或經驗常數值，通常取k1=77.6KhPa-1、k2'=23.3KhPa-1、k3=3.75·105K2hPa-1[4]。SAR影像成像時大氣壓、溫度等數據可由輔助數據估算得到，由此即便可計算對應大氣相位延遲。需要注意的是對InSAR干涉大氣延遲相位為主輔影像大氣延遲折射率差，而非整體折射率。本文選用三種較為容易獲得，且有質量保證的大氣模型數據，對比分析基于不同數據的大氣延遲誤差校正效果，為時序InSAR應用中的大氣校正研究者提供參考。
　　2 實驗區與數據處理
　　本文以甘肅省與青海省東南交接地區為實驗區，采用Sentinel-1A數據為例，使用DORIS（Delft object-oriented radar interferometric software）和StaMPS（Stanford Method for Persistent Scatterers）[5]開源軟件包完成相關干涉及時序處理。圖1為實驗區位置示意圖，長方形框為研究區地表覆蓋位置，大小約為150km×90km。三角為探空數據監測站位置。
　　實驗區位于青海省和甘肅省交界帶，覆蓋區域主要包括臨夏回族自治州永靖縣、劉家峽水庫、蘭州河口鎮等地。實驗區主要受劉家峽水庫和黃河及其支流影響，大氣條件不均一且復雜多變，特別是在夏季，水庫蒸發量大，影響甚至控制區域大氣環境。實驗區最低點高程1545m，最高點高程2916m，高差1371m。
　　主影像依據Hooper等[5]提出的基于時空基線和多普勒基線的主影像選擇方法優選20170320為主影像，共生成20景干涉圖，時間跨度約為2年。所用外部參考DEM數據為SRTM-3，水平分辨率90m。去除地平及地形相位影響，解纏并經DEM誤差和軌道誤差校正后，在研究區提取共計7531632個PS點。由解纏相位可確定該區域夏季部分影像受大氣影響較重。限于本文篇幅和研究目的，僅給出4景特例，分別代表大氣影響較輕、輕、重、較重，對應解纏并經DEM和軌道誤差校正后的相位見圖2。4景干涉圖輔影像分別為20160206、20171022、20170823、20160816，在后文中分別對應A、B、C、D，構成4個對照組。大氣延遲相位計算使用由Bekaert等研究的TRAIN（Toolbox for Reducing Atmospheric InSAR Noise）[2]工具箱和式（1）、（2）完成。 　　3 基于ERA-I數據的大氣延遲相位校正
　　ERA-I（European Centre for Medium-Range Weather Forecasts Re-Analysis Interim）是由歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）基于其2006年發布的IFS（Integrated Focecast System）circle31r2生產的自1989以來的中期氣象再分析資料[6]，目前提供近實時數據。數據垂直分層60層，水平分辨率約80km（采用T255格網），向上延伸至0.1hPa，采樣時間為每日0、6、12、18時（UTC時間）。觀測量主要包括大氣壓、濕度、溫度、風向等。經實驗，位于本文研究區的ERA-I數據節點9個，為提高校正精度，將研究區進行擴展，實際使用數據節點共計30個。
　　利用由ERA-I估計得到的大氣延遲包括液態水延遲量和濕延遲量（湍流大氣延遲量）。圖3為A～D組總延遲量（第一行）和經誤差校正后相位（第二行）。對大氣影響較輕的A組，在劉家峽水庫東側及西北側均存在不同程度的過校正問題。對大氣影響較重的D組，高海拔地區欠校正，而在沿河道的中海拔地區存在過校正問題。
　　4 基于MERRA/MERRA-2數據的大氣延遲相位校正
　　MERRA-2（the Modern-Era Retrospective Analysis for Research and Applications，version 2）[7]是由NASA Global Modeling and Assimilation Office （GMAO）為現代衛星應用生產的最新大氣再分析資料。相比其前身MERRA（2016年以前），MERRA-2除MERRA所有的數據外，還具有MERRA所不具備觀測數據類型，并且包括對GEOS（Goddard Earth Observing System）模型的數據支持。因此，本文所用數據為MERRA-2，時間為06時和12時數據，由NASA提供（https：//urs.earthdata.nasa.gov/home）。數據垂直分層為72層，水平分辨率為0.5°×0.625°，向上延伸至0.01hPa。經實驗，位于本文研究區的MERRA-2數據節點有15個，同樣進行適當擴展（擴展范圍與ERA-I數據相同），共實際使用數據節點為42個。較ERA-I多12個，數據分辨率有所提高。
　　由MERRA-2估計得到的大氣延遲，與ERA-I類似，包括液態水延遲量和濕延遲量兩部分。圖4為基于MERRA-2數據計算得到的實驗區A～D組大氣總延遲量（第一行）和經大氣誤差校正后相位（第二行）。在受大影響重和較重的C、D組校正相位中，由于校正誤差使位于劉家峽水庫東北側的已知沉降區完全淹沒在大氣相位中。但較ERA-I數據，MERRA-2在數據節點增多后，整體校正效果優于ERA-I結果。因此，本文認為MERRA-2較ERA-I數據，在用于大氣延遲相位校正時大區域校正效果較好，但對地表的形變保相效果較差。
　　5 基于GACOS的大氣延遲相位校正
　　GACOS（Generic Atmospheric Correction Online Service）是由紐卡斯爾大學InSAR研究團隊提供的大氣改正數據[8]。其利用ITD（Iterative Tropospheric Decomposition）模型[9]分離對流層和湍流大氣延遲信號，并且提供用于InSAR大氣校正的高分辨率天頂總延遲圖。該數據使用高分辨率ECMWF天氣模型數據，水平格網大小為0.125°，垂直分層137層，6小時時間分辨率。表2為本實驗區所用GACOS數據信息。
　　GACOS所提供的僅為對應日期研究區的大氣延遲量，而在InSAR中實際大氣延遲量為差分量，需在時間上相對于主影像，空間上相對于共同參考點做差分處理。在經差分后，得到A～D組四個干涉像對對應大氣延遲量和校正后相位，見圖5。其中第一行為大氣校正量，第二行為校正后相位。在大氣影響較輕的A、B組，可以分離出地表形變相位，但部分區域如劉家峽水庫西南區域。對C、D組，則完全不能分離出地表形變相位，且部分區域過校正度隨著大氣影響從ERA-I到MERRA-2隨著數據分辨率的提高，其大區域校正效果明顯提升。而且對較重大氣影響干涉圖的過校正問題同時得到緩解。GACOS數據較ERA-I和MERRA-2數據，在大氣影響較重的干涉圖中并未表現出好的校正效果，反而出現成片過校正區域。由于大氣校正其重點在大氣濕延遲校正，且無論何種方法或數據，都存在過校正或欠校正的問題。因此，在實際應用中，在數據量能夠保證研究時間精度的條件下，應當優先考慮剔除大氣影像較重的干涉圖，僅保留大氣濕延遲未完全淹沒地表形變的干涉圖。在研究范圍較小時，ERA-I和MERRA-2數據空間分辨率會在很大程度上影響大氣校正參數估計，使校正產生偏差。而在研究區范圍過大時，大氣誤差又可能經解纏傳播，影響全局。因此，對ERA-I、MERRA-2等大氣再分析數據，應當依據實際研究范圍和地表形變特征選用。
　　選擇劉家峽水庫東北側一明顯沉降區，對比大氣校正后的時序形變結果。圖6為實驗區地表年均形變速率及劉家峽水庫東北側一沉降區局部?？梢姡诓煌髿鈹祿玫乇砟昃巫兯俾时３窒鄬σ恢?。圖7為圖6中放大局部對應中心形變量曲線。
　　參考文獻：
　　[1]羅海濱，何秀鳳.用GPS改正InSAR大氣延遲誤差的研究[J].大地測量與地球動力學，2007，27（3）.
　　[2]Bekaert D P S，Walters R J，Wright T J，et al.Statistical comparison of InSAR tropospheric correction techniques[J].Remote Sensing of Environment，2015，170：40-47. 　　[3]Hanssen R F.Radar Interferometry[J].2001.
　　[4]Smith E K，Weintraub S.The Constants in the Equation for Atmospheric Refractive Index at Radio Frequencies[J].Proceedings of the Ire，1953，41（8）：1035-1037.
　　[5]Hooper A，Zebker H，Segall P，et al.A new method for measuring deformation on volcanoes and other natural terrains using InSAR persistent scatterers[J].Geophysical Research Letters，2004，31（23）：1-5.
　　[6]ECMWF.ERA-Interim[CP].https：//www.ecmwf.int/en/forecasts/datasets/archive-dataset
　　[7]Gelaro R，Mccarty W，Randles C，et al.The Modern-Era Retrospective Analysis for Research and Applications， Version 2 （MERRA-2）[J].Journal of Climate，2017，30（14）.
　　[8]Chen Y，Zhenhong L，Penna N T，et al.Generic atmospheric correction model for Interferometric Synthetic Aperture Radar observations[J].Journal of Geophysical Research：Solid Earth，2018.
　　[9]Yu C ，Penna N T，Li Z.Generation of real-time mode high-resolution water vapor fields from GPS observations[J].Journal of Geophysical Research：Atmospheres，2017，122（3）：2008-2025.
轉載注明來源:http://www.hailuomaifang.com/1/view-14870514.htm