[SARscape] InSAR技术基础应用 - 反演DEM

快来打我* 2023-06-26 10:41 66阅读 0赞

### 文章目录 ###

*   *  InSAR技术反演DEM
     *   *  数据要求
         *  反演DEM的步骤
         *   *   *  一、基线估算
                 *  二、配准
                 *  三、生成干涉图&干涉去平
                 *  四、自适应滤波&相干性计算
                 *  五、相位解缠
                 *  六、轨道精炼&重去平
                 *  七、相位转高程&地理编码
                 *  八、结果说明

【InSAR】InSAR技术是利用雷达系统获取**同一地区两幅SAR影像**所提供的相位信息进行干涉处理，来获取地表的三维信息，可以建立目标地区的数字高程模型。另外一个重要应用是获取地表的形变

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70]

## InSAR技术反演DEM ##

【思路】利用一对SAR数据的相干相位信息反演DEM

### 数据要求 ###

若要反演DEM，则必须满足以下5个要求的数据对

1.  SLC数据对，要具有相位信息。例如做多视处理后相位信息就丢失了
2.  数据拍摄的几何形态要一致，即入射角要一致
3.  极化方式（VV、VH）要一致
4.  轨道方向（升轨、降轨）要一致
5.  数据覆盖范围具有重叠区

### 反演DEM的步骤 ###

可先利用默认参数将过程跑一边，查看结果的快视图，判断哪个地方出了问题，再根据帮助文档（在工具左下角的问号图标打开帮助文档）修改相应参数

【工具位置】SARscape提供反演DEM的工具流，方便流程化处理：`SARscape-->Interferometry-->InSAR DEM workflow`

【使用前的准备工作】

1.  【设置工作的默认文件夹】使用此工具流之前，设置系统参数，将数据缓存地址，输出地址等提前设置好，默认缓存数据的文件夹在C盘（`C:\Users\PasserQi\AppData\Local\Temp\SARsTmpDir_***`）
2.  【设置符合数据源的系统参数】使用此工具流之前，选择你使用数据的系统参数。例如此选择的是COSMO SkyMed HIMAGE 3米的数据，则选用VHR的系统参数：`SARscape-->Preferences-->Load Preference-->VHR(better than 10m)`
3.  【设置制图精度】即DEM反演结果的分辨率，例如COSMO SkyMed HIMAGE 3米的数据可选择5米：`SARscape-->Preferences-->General parameters-->Cartographic Grid Size(m)-->修改为5`
4.  【事先导入】使用此工具前，数据要先导入成slc数据
5.  【保存工程】此工具流可以保存成工程（工具中间下放有一个保存按钮），方便随时打开重做
6.  【生成快视图】在每一步中，可以在Global参数中，将`Generate Quick Look`设置成True，即生成快速图，方便查看和出图

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 1]

##### 一、基线估算 #####

**（1）基线估算的背景**  
【空间基线】卫星两次拍摄的位置是有一定的距离的，这个距离称为空间基线  
【失相干】如果空间基线较长，两个数据就有可能失相干（即相位之间没有干涉信息）。故空间基线要满足一定的阈值，才能够进行InSAR分析  
【时间基线】两次拍摄的时间相隔太长也会导致失相干（此为时间失相干）  
只有在获得地面反射至少有两个天线重叠的时候才可以产生干涉，当基线垂直分量超过了临界值的时候，没有位相信息，相干性丢失，就无法做干涉

**（2）基线估算的作用**  
用来评价干涉影像对的质量，检查数据是否满足基线阈值。计算基线、轨道偏移（距离向和方位向）和其他系统参数。  
1.时间基线：越短越好  
2.空间基线：在一定范围内越长（但要一定要远小于阈值），对地形、高程的探测敏感越高

**（3）基线估算的工具**  
基线估算有两个工具

1.  两景数据：`SARScape-->Interferometry-->Interferometric Tools-->Baseline Estimation`
2.  多景数据：`SARscape-->Interferometry-->Interferometric Tools-->Multi Baseline Calculation`

**（4）Baseline Estimation工具（两景数据的基线估算）说明**  
工具位置：`SARScape-->Interferometry-->Interferometric Tools-->Baseline Estimation`  
操作说明：

1.  `Input Master File`：输入主影像，一般更早的那景为主影像
2.  `Optional Files-->Output Baseline Root Name`：可选，即输出结果。若不填即表示计算完打印一下就好，不输出到文件中

结果说明：

<table> 
 <thead> 
  <tr> 
   <th>结果</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>Normal Baseline(m) = 180.504</code></td> 
   <td>空间基线，在拍摄时两个传感器间隔的距离180.504米</td> 
  </tr> 
  <tr> 
   <td><code>Critical Baseline min-max(m) = [-6400.098] - [6400.098]</code></td> 
   <td>临界基线，即若空间基线大于6400.098表示两个数据失相干了。一般在应用中需要小于临界基线的十分之一</td> 
  </tr> 
  <tr> 
   <td><code>Absolute Time Baseline (Days)=1</code></td> 
   <td>时间基线</td> 
  </tr> 
  <tr> 
   <td><code>Range Shift (pixels) = 0.515 Azimuth Shift (pixels)=0.038</code></td> 
   <td>数据在方面向、距离向的偏移量，之后可以通过配准来校正</td> 
  </tr> 
  <tr> 
   <td><code>2 PI Ambiguity height (InSAR) (m) = 58.925</code></td> 
   <td>2PI模糊高程（即一周期的相位变化对应的高程变化）。相位变化是周期性的，相位变化2PI对应的高程变化量是58.925。此参数越小，高程测量的精度越高。此参数与空间基线是反比关系。</td> 
  </tr> 
  <tr> 
   <td><code>2 PI Ambiguity displacement (DInSAR) (m) = 0.016</code></td> 
   <td>DInSAR精度为0.016</td> 
  </tr> 
  <tr> 
   <td><code>1 Pixel Shift Ambiguity height(Stereo Radargrammetry) (m) = 6285.378</code></td> 
   <td>立体量测的精度6285.378m（哨兵数据适合做InSAR、不适合应用于立体量测）</td> 
  </tr> 
  <tr> 
   <td><code>1 Pixel Shift Ambiguity displacement (Amplitude Tracking (m) = 1.666</code></td> 
   <td>振幅偏移量测，做大的形变（完全失相干的形变，如滑坡、冰川移动等）的精度是1.666米</td> 
  </tr> 
  <tr> 
   <td><code>Master Incidence Angle = 48.963 Absolute Incidence Angle difference = 0.011</code></td> 
   <td>主影像入射角48.963，主从影像相差0.011</td> 
  </tr> 
 </tbody> 
</table>

##### 二、配准 #####

【配准】主辅影像基于相位的配准  
【作用】将多幅SAR影像进行地理配准，统一栅格单元的位置  
【工具位置】`SARscape-->Basic-->Intensity Processing-->Coregistration`  
【配准结果】`_rsp`文件。若没有配准好，将多景进行彩色显示，会产生重影  
【说明】  
1.`Input File List`：参与配准的SAR影像（\_pwr强度数据）  
2.`Input Reference File`：配准的主影像（\_pwr强度数据）  
3.`DEM File`：可选项（\_dem文件）。若是Sentinel数据必须提供，哨兵数据就是基于DEM进行配准的  
4.`Coregistration With DEM`：是否用DEM配准，设置为True

##### 三、生成干涉图&干涉去平 #####

【生成干涉图&干涉去平】两个相位共轭相乘所得结果即为干涉图。但干涉图具有平地效应，需要干涉去平

**【干涉条纹】**：即是干涉相位图形化显示的结果，可以打开`*_int_ql.tif`干涉快视图进行查看

1.  一个颜色周期就代表相位的一次2π变化：红色-黄色-蓝绿色为一个完整的2PI变化周期
2.  干涉条纹越密集，此地方的地表高程变化越大，起伏的越厉害。**这些是要保留下来的地形相位**
3.  间隔相同，有规律的条纹是由于平地效应所造成的，可以**通过去平工具去除**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 3]  
**【去平之后的干涉图像】**：去除间隔相同，由平地效应造成的干涉条纹。保留因地形起伏、高程起伏所导致的干涉条纹。可以打开`*_dint_ql.tif`来查看。接下来就是进行滤波，去除一些噪声，让干涉条纹变得更加平滑。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 4]

##### 四、自适应滤波&相干性计算 #####

【自适应滤波&相干性计算】对干涉图进行滤波，抑制斑点噪声，提高相干性，使干涉条纹更加平滑。得到相干性图（`_cc_ql.tif`）、滤波后的干涉图（`_fint_ql.tif`)

【工具说明】  
1.`Adaptive Filter and Coherence Generation-->Filtering-->Goldstein Min Aplha、Goldstein Max Alpha`  
若要增加滤波强度，可同步增加这两个参数，Max不要超过4，Min可以改为1

【滤波后干涉图】  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 5]  
【相干性图】代表每个像元的相干性，值处于0到1之间

1.  值越大（图中亮的区域），表示相干性越好，得到的结果越精确
2.  黑色区域代表无意义、无信号的区域，噪声很大，都是不可信，需要利用插值进行处理

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 6]

##### 五、相位解缠 #####

**（1）相位解缠**  
得到连续的地形变化  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 7]  
**（2）分解等级**  
`Unwrapping Decomposition Level`  
解缠会对数据进行过采样，即先采样成低的分辨率，再进行解缠，解缠结束后，再采样成高分辨率。  
分解等级即是指此采样的倍数，最高不能超过3。倍数越大，重采样更粗，处理的速度更快，可以避免一些解缠的错误。一般对特殊地形采取更高的采样倍数。若保持原有分辨率进行采样，可设置为-1

**（3）解缠相干性阈值**  
`Unwrapping Coherence Threshold`  
表示：相干性小于此阈值的区域不具有意义，故不进行解缠。这个值设的越大，代表对相干性越严格，解缠结果就越少

**（4）结果**  
解缠结果（`*_upha.tif`）出现类似状况，可以增大解缠相干性阈值，忽略噪声区域，让结果更平滑  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 8]

##### 六、轨道精炼&重去平 #####

**（1）轨道精炼&重去平**  
【背景】当轨道参数不够精确，影响从干涉相位转变为地形高度

1.  使用GCP重新定义基线参数
2.  计算相位偏移（如获取绝对相位值）
3.  重新修改解缠图像的头文件中的轨道参数

【轨道优化】通过人为添加的GCP点，进行轨道重计算  
【效果】轨道参数不精确会导致干涉图上有大的轨道残差（即分布在整个干涉图上的大条纹），通过GCP控制，轨道误差去除的效果是非常明显的

**（2）工具使用说明**  
【步骤一】创建控制点  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 9]  
【步骤二】选择参考文件  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 10]  
【步骤三】选择控制点  
**背景**：在光学遥感中GCP代表的是已知坐标的点（如河流拐点、道路交点等地表特征点）。但在SAR影像中，GCP选的是相位稳定的点，相干性高，相位没有发生变化的点，即平地点  
**GCP点个数**：轨道精炼是基于多项式，若GCP点太少，程序会将默认的三次多项式降到二次多项式，建议选择10个以上  
**选择原则**：选高程没有变化的地方（即平地）

1.  在`_fint`滤波后干涉图像中，平地即是条纹未变化区域，即要避免选择条纹变化区域（地形起伏的区域），用彩色显示干涉条纹辅助观察（`右键out_fint数据-->Change Color Table->Rainbow`）
2.  由于`upha`解缠结果即代表地形起伏，则在解缠结果中，平地即是比较平滑点，要避开噪声点

![在这里插入图片描述][20200101213456256.png]  
【步骤四】选择GCP之后，即是Refinement and Re-flattening

**（3）结果说明**  
**重去平结果：**`_reflat_upha`即根据新的轨道参数重新去平的结果  
**结果报告**：若精度较差，可在刚才的基础上再次选择GCP，再做一两次  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 11]

##### 七、相位转高程&地理编码 #####

**（1）产品的相干性阈值**  
`Product Coherence Threshold`：此要大于等于解缠的阈值。小于此阈值的不转换为高程  
**（2）小波等级**  
【地形残差】参考的DEM一般分辨率是比较粗的（比如SRTM的90米分辨率的DEM），但通过此工具反演的分辨率可以达到5米，而90米作为5米的参考，就会导致一个地形残差（可以理解为数据空洞）  
【小波等级】`Wavelet number of levels`，利用此方法修正的地形残差  
【公式】 S A R 数 据 的 分 辨 率 ∗ 2 n ≈ 参 考 D E M 的 分 辨 率 SAR数据的分辨率\*2^n ≈ 参考DEM的分辨率 SAR数据的分辨率∗2n≈参考DEM的分辨率，求出n即是此参数的值  
例如：SAR分辨率为3米，参考的DEM使用的是90米的分辨率，可以解算出n=5（ 3 ∗ 2 5 ≈ 90 3\*2^5≈90 3∗25≈90），则`Wavelet number of levels`设成5  
**（3）输出类型**  
1.`Ellipsoidal`：椭球高  
2.`Ellipsoidal and Geoidal`  
**（4）设置内插**  
对小于产品相干性阈值的部分，用内插的方法进行填充。  
在Geocoding参数中，`Relax Interpolation`设置为True  
`Dummy Removal`：有效数据之外的边框数据是否去除，设置为True（将边框外的值改为NoData）

##### 八、结果说明 #####

【结果文件说明】  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 12]  
【结果预览】  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 13]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191231154845756.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20191231154807865.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200101184931142.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200101192203483.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200101192904361.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200101201438594.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200101202936760.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20200101204031821.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20200101211224145.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20200101211454894.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/202001012117071.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[20200101213456256.png]: https://img-blog.csdnimg.cn/20200101213456256.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/20200101215024860.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 12]: https://img-blog.csdnimg.cn/2019123116195486.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 13]: https://img-blog.csdnimg.cn/20200101221148734.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70