雷达干涉测量技术获取多分辨率山区高程模型①

薛继群,邓喀中,范洪冬,祝传广

(1.中国矿业大学国土环境与灾害监测国家测绘局重点实验室,江苏徐州221116,2.中国矿业大学江苏省资源环境信息工程重点实验室,江苏徐州221116)

0 引 言

合成孔径雷达干涉测量技术[1-4](InSAR)是从覆盖同一地区的两幅合成孔径雷达(SAR)影像的对应像素提取相位差图(即干涉图),并借助雷达姿态数据生成数字高程模型的一种新技术,在地形测绘[3-4]、地表形变监测[5-7]、冰川运动[8-9]研究等方面都表现出快速、高精度、全天时、全天候、大区域等突出优势。随着高分辨率SAR卫星的研制与成功发射(COSMO-SkyMed和TerraSAR-X),InSAR技术已经成为目前发展迅速、极具潜力的对地观测及测绘新技术之一。InSAR技术的基本原理是利用单轨双天线同时接收雷达回波或者重轨单天线间隔一定时间两次接收雷达回波,获取统一区域的两个雷达回波信号,然后,根据这两个雷达回波信号之间产生的相位差和一些轨道数据来计算地面目标的高程信息。

2000年,美国使用“奋进号”航天飞机进行雷达地形测绘任务(SRTM),只利用11天就获取了全球80%的陆地表面的干涉数据,绘制了4600多万张地貌图片,生成了高分辨率的DEM数据,此次任务后得到的 DEM 数据就称为 SRTM DEM[10]。对于我国分辨率为90 m,其高程方向的精度大约为10 m左右,在地形起伏较大的地区,精度会相应的更低些[11]。

在西部空白区缺少地面实测资料的前提下,SRTM DEM是现阶段最为可靠的参考DEM.随着高分辨率SAR影像的出现,使得利用InSAR技术获取的DEM的分辨率也随之提高,同时也能获取较低分辨率的DEM.在不同分辨率、不同地形条件、不同相干性条件下,如何有效地利用SRTM DEM信息来评价现有InSAR技术获取的DEM精度也就成了现时亟需探讨的问题。

因此,利用两幅 2010年1月间隔仅 1天的COSMO-Skymed影像,基于GAMMA软件平台,结合从SRTM DEM中选取的有效控制点,获取西部某山区4个不同分辨率(4 m、10 m、20 m、50 m)的DEM,分别以高坡度、低坡度、低相干性三个区域为研究对象,与该地区的SRTM DEM进行比较,评价InSAR DEM的精度。

1 InSAR获取DEM基本流程及技术路线

1.1 基本流程

InSAR技术获取DEM的基本流程如图1所示。从图中可以看出,InSAR生成DEM的过程比较复杂,其中基线估计是现阶段研究的热点,也是整个处理过程中的难点问题。

基线是InSAR以及差分雷达干涉(D-InSAR)的关键参数,低精度的基线会严重影响平地效应以及干涉相位与高程之间的转换。研究表明[14]:厘米级的基线精度是必须的,因此,基线估计是相当重要的环节。基线估计的主要方法[15-17]:

1)利用卫星轨道数据进行计算;

2)基于干涉条纹图的基线估计方法;

3)基于地面控制点的基线估计方法;第3种方法是目前使用最广泛、精度最高的方法。

图1 InSAR获取DEM流程[12-13]

由于本次实验针对高山地区缺乏地面实测控制点数据,从SRTM DEM中获取控制点是最为可靠的途径。为了排除控制点选取对DEM数据的影响,本文选取了相同位置的16个控制点,这些控制点分布均匀、相干系数高且多在地势平坦地区。

1.2 技术路线

DEM不同的分辨率意味着每个像元点在地面的面积也就不相同。分辨率低则每个像元表示的地面点面积就大,这样容易忽略一些细节信息。比如在分辨率高的DEM上显示的沟壑,而在分辨率低的DEM就可能只是一块平坦的区域。由于SRTM DEM对于我国来说分辨率为90 m,其高程方向的精度大约为l0 m左右,在地形起伏较大的地区,精度会相应的更低些,所以易忽略一些细节信息。

图2 技术路线图

基于图2的技术路线,利用InSAR技术通过不同的多视处理得到不同分辨率的DEM,而其他步骤保持一致,包括采用相同的滤波方法、相位解缠方法(基于最小成本流技术和不规则三角网)、基线估计时选择相同的控制点,以避免除分辨率外的其它因素对DEM精度造成影响。

2 实验结果与分析

2.1 实验数据

试验区位于我国西部地区,该区域平均气温为0～8℃,平均海拔5000 m,植被稀少,地表无较大水系,但地势起伏,坡度较大,且该地区常年被积雪覆盖,普通的光学遥感无法有效地对其进行探测。本次实验选取两幅COSMO-Skymed影像(表1),并根据实验目的选取ABC三个区域(如图3,底图为10 m分辨率的InSAR DEM)为研究对象进行进一步的详细分析。

表1 用于实验的干涉雷达影像参数

图3 选取的三个研究区域ABC

2.2 整体DEM精度分析

根据图1与图2的InSAR处理流程,获取该区域四种不同分辨率的数字高程模型(如图3),分别为4 m、10 m、20 m、50 m;以SRTM DEM为参考标准,做差比较(如图4),并计算整体、A B C区域平均高程差值(表2)。

表2 不同分辨率DEM平均高程差值

结合图4、5可以看到,该高山地区的海拔很高,同时落差也很大。由图5看出:大部分区域的差值呈现黑色,这说明利用InSAR技术获取的DEM与SRTM DEM基本保持一致,尤其是50 m分辨率高程差值绝大部分呈现深黑色,表明更接近SRTM DEM;表2的数据则更为直观,高程平均差值相对于该高山地区的海拔而言都较小,且分辨率越低,与SRTM DEM的平均高程差值就越小。

图4 四种不同分辨率的数字高程模型

图5 InSAR DEM与SRTM DEM高程差值

2.3 高、低坡度区域分析

坡度是反映地形特征的重要指标,也是 In-SAR DEM 精度的重要影响因素[10]。

图6 高坡度区域A高程差值图

图7 低坡度区域B高程差值图

在该高山地区,A和B为典型的高、低坡度区域。A区域的最高坡度达60.9°,B区域的最高坡度为23.6°。图6、图7分别为四种分辨率下A区域、B区域的高程差值图。

由图6、图7及表2可以看出:

1)在坡度大的A区域,利用InSAR技术获取的DEM与SRTM DEM高程差值异常大(亮白部分),远远大于B区域差值;

2)无论坡度高低,其分辨率越高,其差值越大;

3)相比于低坡度地区,高坡度地区的高程差值对分辨率的变化更为敏感,表2中A区域平均高程差值从4 m到20 m分辨率减少了近169.17 m,而B区域为105.67 m.

2.4 低相干区域分析

C区域相干系数为0.137,低相干区域C高程差值图如图8。可以看出,C区域DEM高程差值不同于A、B区域,呈现明显的规律性变化,尤其是D区域,分辨率为10 m图8(b)时与SRTM DEM高程差值比20 m图8(c)、50m图8(d)更小。此外,C区域不同分辨率的InSAR DEM(表2)与SRTM DEM高程差值也很大,即使其50 m分辨率的DEM与SRTM DEM的平均高程差值也达到380 m.笔者认为:该区域的DEM坡度大,在干涉成像时易出现雷达阴影、叠掩等现象,造成相干性较差,其所获取的DEM精度有待商榷。

图8 低相干区域C高程差值图

3 结 论

利用一组COSMO-Skymed影像获取西部某山区4个不同分辨率(4 m、10 m、20 m、50 m)的DEM,分别以高坡度、低坡度、低相干性三个区域为研究对象,比较4个不同分辨率的DEM精度。实验结论如下:

1)本次利用雷达干涉测量技术获取的DEM与SRTM DEM基本保持一致;

2)低坡度区域比高坡度区域的DEM精度更高,这说明SRTM DEM能更有效地评价低坡度区域的InSAR DEM精度;

3)相比于低坡度地区,高坡度地区的高程差值对分辨率的变化更为敏感;

4)DEM分辨率越高,它与SRTM DEM的差值就越大,笔者认为这与SRTM DEM本身的分辨率较低有关。由于SRTM DEM的分辨率为90 m,在采样时易忽略一些地区的细节信息,而用In-SAR技术获取的DEM的分辨率明显更高,高程变化信息也更丰富,这就造成了其与SRTM DEM的差异。同时,随着InSAR技术获取的DEM分辨率愈小,其细节更为粗糙,高程变化信息更为模糊,这就与SRTM DEM相近;

5)对于低相干区域,其DEM的精度大致上有第3条的规律,但其可靠性不强,即使其50 m分辨率的DEM与SRTM DEM也存在较大差距。

[1] 王 超,张 红,刘 智.星载合成孔径雷达干涉测量[M].北京:科学出版社,2002.

[2] Zebker H A,Goldstein R M.Topographic mapping from interferometric SAR observations[J].Journal of Geophysical Research,1986,91(B5):4993-5001.

[3] Solberg S,Weydahl D J,Nasset E.Simulating X-band interferometric height in a spruce forest from airborne laser scanning[J].IEEE T ransactions on Geoscience and Remote Sensing,2010,9(48):2702-2704.

[4] Baselice F,Ferraioli G,Pascazio V.DEM reconstruction in layover areas from SAR and auxiliary input data[J].IEEE Geoscience and Remote Sensing Letters,2009,6(2):253-257.

[5] Yu J H,Ge L L.Automatic exclusion of surface deformation in InSAR DEM generation using differential radar interferometry[C]∥IEEE International Geoscience and Remote Sensing Symposium(IGARSS 2010),2010:2916-2919.

[6] Xia Y,Kaufvmann H.High resolution D-INSAR measurement for land subsidence[C]∥IEEE International Geoscience and Remote Sensing Symposium(IGARSS 2010),2010:1541-1544.

[7] Ge D Q,Wang Y,Zhang L.Large scale land subsidence monitoring with a reduced set of SAR images[C∥IEEE International Geoscience and Remote Sensing Symposium(IGARSS 2009),2009(4):558-561.

[8] Floricioiu D,Eineder M,Rott H,et al.Velocities of ajor outlet glaciers of the patagonia icefield observed by terraSA R-X[C]∥IEEE International Geoscience and Remote Sensing Symposium(IGARSS 2008),2008:347-350.

[9] 周建民,李 震,李新武.基于ALOS/PALSAR雷达干涉数据的中国西部山谷冰川冰流运动规律研究[J].测绘学报,2009,8(4):341-347.

[10] United States Geological Survey.Shuttle radar topography mission(SRTM)[EB/OL].(2003-07-01).http://egsc.usgs.gov/isb/pubs/factsheets/fs07103.html.

[11] 陈俊勇.对SRTM3和GTOPO30地形数据质量的评估[J].武汉大学学报.信息科学版,2005,30(11):941-944.

[12] 靳国旺.InSAR获取高精度DEM关键处理技术研究[D].郑州:解放军信息工程大学,2007.

[13] 刘国祥,丁晓利,李志林,等.使用InSAR建立DEM的试验研究[J].测绘学报,2001,30(1):336:342.

[14] Small D,Werner C,Nuesch D.Baseline modeling for ERS-1 SAR interferometry[C]∥International Geoscience and Remote Sensing Symposium Proceedings(IGARSS 1993),1993:1204-1206.

[15] Knedlik S,Lofeld O,Hein A,et al.A novel approach to accurate baseline estimation[C]∥ IEEE 1999 International Geoscience and Remote Sensing Symposium(IGARSS 1999),1999(1):254-256.

[16] 范洪冬,邓喀中.InSAR组合基线估计方法研究[J].大地测量与地球动力学,2009,29(3):135-140..

[17] Zhang K,Ng A H,Li X J.A new approach to improve the accuracy of baseline estimation for spaceborne radar interferometry[C]∥International Geoscience and Remote Sensing Symposium(IGARSS 2009),2009(5):162-165.