[发明专利]一种基于点目标分层分析的时序InSAR地表沉降监测方法

说明书

本发明提供了一种基于点目标分层分析的时序InSAR地表沉降监测方法，适用于地表沉降监测。首先根据时序SAR影像的平均幅度，识别同质像元，构建相干矩阵；随后基于相干性加权的PT算法，优化相位并计算时间相干性；以大于同质像元阈值的像元为DS候选点，利用时间相干性阈值进行分层提取DS，采用皮尔逊相关系数进行逐点分析，抑制低质量点目标的误差传播。最后利用振幅离差阈值选择PS点，联合DS和PS进行形变解算。本方法在保证测量精度的情况下，增加了测量点的空间密度，获取了更详细的形变结果，可为地面沉降的防护与治理提供真实可靠的信息。

技术领域：

本发明涉及一种时序InSAR地表沉降监测方法，尤其适用于地表沉降监测技术领域一种基于点目标分层分析的时序InSAR地表沉降监测方法。

背景技术：

地表沉降是较为普遍的地质灾害，国内外诸多学者将时序SAR干涉法(Interferometric Synthetic Aperture Radar，InSAR)应用于地表沉降监测。自2011年第二代永久散射体技术SqueeSAR被提出后，联合永久散射体(Permanent scatterer，PS)和分布式散射体(Distributed Scatterers，DS)的时序InSAR技术得到了大力发展。与PS不同，DS属于干涉对中的中等相干性区域的图像像元，其中许多相邻像元具有相似的反射率。值得注意的是，DS受时间、几何去相关的影响，致使干涉相位的信噪比较低。因此，DS的选取和相位优化是极其关键的步骤。

已有研究表明，采用相位三角(Phase Triangulation，PT)算法重建的干涉相位比空间滤波的干涉相位噪声更小，相位解缠过程更加稳健；时间相干性较高的相位权重较大，相干性加权的PT算法比等权PT算法对去相关更具鲁棒性。因此，相干性加权的PT算法在相位优化方面更具优势。在DS的选择过程中，时间相干性是一个重要参数。

但是，在不同的时间相干性阈值下，DS的数目是不同的。具体来说，时间相干性κ的值越大，DS就越少，不能提供详细的形变信息。κ值越小，DS就越多，对测量精度有不利影响。因此急需一种在不损失测量精度的情况下，从中等相干像元中尽可能选择较多的DS像元的方法。

发明内容

针对现有技术的不足之处，提供一种基于点目标分层分析的时序InSAR地表沉降监测方法，能够在不损失测量精度的情况下，从中等相干像元中尽可能选择较多的DS，利用识别出来的同质像元构建相干矩阵，基于相干性加权的PT算法优化DS相位，并且根据时间相干性进行分层处理，提取更多的测量点，利用皮尔逊相关系数PCC衡量数据在时间和空间上的相关性，有效保证了监测的可靠性。

为实现上述技术效果，本发明的一种基的于点目标分层分析的时序InSAR地表沉降监测方法，步骤如下：

首先根据时序SAR影像的平均幅度识别同质像元，根据同质像元构建相干矩阵；然后基于相干性加权的PT算法，优化相位并计算时间相干性；以大于同质像元阈值的像元为DS候选像元，利用时间相干性阈值进行分层提取DS像元，采用皮尔逊相关系数进行逐点分析获得可靠DS像元，抑制低质量点目标的误差传播，通过分层策略选择的DS像元的相位优化值代替原始SAR影像相应的相位值，利用振幅离差阈值选取永久散射体像元PS，最后根据常规的小基线方法对选定的DS像元和PS像元的相位进行形变解算，估计出DS像元和PS像元的地表沉降速率。

具体步骤如下：

S1.选取覆盖研究区域的时序SAR影像，以时序SAR影像中的第一景影像为公共主影像进行多视和精细配准，对所有的影像进行裁剪，从而根据时序SAR影像的平均幅度，利用快速统计同质像元选取FaSHPS算法识别统计同质像元SHP，使用预设的同质像元阈值选取分布式散射体DS的候选像元；

S2.根据同质像元构建SAR数据的相干矩阵T；

S3.根据SAR数据的相干矩阵T，利用相干性加权的相位三角测量PT算法，优化分布式散射体DS相位并计算时间相干性κ；