双极化Sentinel-1数据在城市沉降监测中的对比研究

目的 针对地面沉降监测仅考虑VV极化Sentinel-1数据而忽略VH极化数据的问题,方法采用PS-InSAR和SBAS-InSAR技术处理延安新区2018年8月—2021年5月的84景双极化Sentinel-1数据,获取地面沉降信息,对比两种极化的沉降监测结果,探讨VH极化在不同实验方法中的意义,并提出一种双极化时序InSAR融合监测新方法。结果 结果表明,新区大部分区域为较稳定区域,形变速率为-8~8 mm/a,此外,还探测到3个较大的沉降区,分别位于桥儿沟流域、高家沟流域和新区东北部填方区域;Sentinel-1不同极化数据的监测结果相关性较高,形变趋势一致;VV极化数据整体优于VH极化,但部分区域VH极化数据得到的地表形变信息更详细;VV-VH极化PS-InSAR形变监测中,VH极化数据能够有效补充VV极化数据监测结果的不足,使结果更加密集,因此,与单一极化监测结果相比,VV-VH极化PS-InSAR形变监测更加详细地反演了地表变形情况;VV-VH极化SBAS-InSAR形变速率结果比单一极化数据相干性和稳定性更高。结论 基于双极化Sentinel-1数据的时序InSAR融合监测技术可以获得比单一极化数据更好的城市地表形变监测结果。

基于Sentinel1A双极化时序数据的甘蔗株高反演方法

甘蔗株高为甘蔗品种与土壤、气象、水文等因素的综合反映,是甘蔗长势监测与估产的重要指标。研究以华南地区气候与天气条件为基础,通过对覆盖甘蔗全生长期的23景时间序列Sentinel1A数据进行预处理、矩阵转换与CloudePottier分解,求得双极化雷达植被指数(Dual-pol radar vegetation index,DPRVI)。分析了该指数与甘蔗长势参数(株高)随甘蔗不同生长期的动态变化规律。采用4种经典的经验回归模型(线性、二次多项式、指数、对数),以分段函数形式对不同生长期的甘蔗株高进行反演,建立最佳反演模型。实验结果表明,拟合模型在分蘖期前相关性最高,二次多项式模型拟合效果最优,决定系数R^(2)与均方根误差分别达到了0.882与0.118 cm,对反演效果最好的分蘖期之前的二次函数模型进行验证,结果表明决定系数R^(2)达0.839,平均绝对偏差为7.4%,说明DPRVI反演甘蔗株高是有效的。将DPRVI与其他3种经典的反演参数进行对比,结果表明,DPRVI的性能优于其他3种参数。通过分析可得,DPRVI可以较好地反演甘蔗生长前期的株高变化,反演的株高参数可供农业管理部门参考。

融合双极化Sentinel-1数据监测大型桥梁形变

针对合成孔径雷达在面对结构较为复杂的桥梁时,会出现部分区域点状目标密度低、精度低的问题,提出了一种融合双极化Sentinel-1数据监测大型桥梁的方法:(1)采用PS-InSAR和SBAS-InSAR技术获取桥梁VV和VH极化的时序形变结果;(2)根据不同极化数据对相同区域响应能力的差异,利用双策略对双极化结果进行优化与融合,以提升桥面点目标密度和精度;(3)对比分析双极化与单一极化结果的差异性。结果显示,桥面上的低相干性区域,VV和VH极化数据能够互补,融合结果较单一极化结果的点目标数提升了15%~20%。结果表明:本文提出的双极化融合方法,提高了对雷达影像信息的利用与挖掘,对悬索桥与斜拉桥的形变监测结果有较大提升。

城市地表形变的双极化Sentinel‑1数据极化时序InSAR技术监测

利用双极化Sentinel⁃1数据有望得到较单极化数据更好的城市地表形变监测结果。以典型受地表沉降灾害影响的两座超大城市(墨西哥的墨西哥城和中国北京市)为研究区,分别基于长时序单、双极化Senti⁃nel⁃1数据,利用时序合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术和极化时序InSAR技术对两城市近年地表形变进行监测研究。结果表明,利用双极化Sentinel⁃1数据对干涉图进行极化优化后,干涉图相位质量得到提升,高质量像元比例明显增加。使用双极化数据后,形变监测点密度有显著提升,相比于单极化数据结果,墨西哥城和北京市监测点密度分别提升88%和50%;更高的监测点密度使部分区域双极化数据反演地表形变的准确性更高。与单极化Sentinel⁃1数据相比,利用双极化Sentinel⁃1数据进行城市地表形变监测可得到监测点密度更高、可靠性更好的结果。

双极化Sentinel-1数据极化时序InSAR技术地表形变监测——以上海市浦东机场为例

不同极化的合成孔径雷达SAR (Synthetic Aperture Radar)数据对地物具有不同响应,利用极化信息可提升InSAR的地表形变监测能力。针对利用免费Sentinel-1数据的双极化信息进行地表形变监测这一问题,本文提出了一种基于双极化Sentinel-1数据的自适应极化时序InSAR技术方法 PolPSI (Polarimetric Persistent Scatterer Interferometry)。该方法针对研究区永久散射体PS (Persistent Scatterer)与分布式散射体DS (Distributed Scatterer)的不同特点,基于不同优化准则分别进行自适应极化优化,得到极化优化干涉图并进行地表形变监测。为了证明方法的有效性,以上海市浦东国际机场为研究区,基于34景双极化(VV-VH) Sentinel-1影像进行了实验。结果表明,所提出方法在降低干涉图相位噪声、提升干涉质量的同时较好地保持了地物边缘细节,相较于常规的时序PS与DS技术,提出PolPSI技术获取的变形监测点密度分别提高了103.0%和30.8%,更加详细地反演了机场区域变形状况。综上所述,本文提出的基于双极化Sentinel-1数据PolPSI方法通过对极化信息的利用与挖掘,可一定程度上提高Sentinel-1数据在地表形变监测应用中的能力。

基于Sentinel-1和MODIS数据反演农田地表土壤水分—以REMEDHUS地区为例

土壤水分是陆地生态系统和水循环的重要状态变量,在植被生长监测、农作物产量评估等研究中均发挥着重要作用。为了消除植被散射的影响,进而实现农田地表土壤水分的高精度反演,以时间序列Sentinel-1影像及MODIS产品为实验数据,基于高级积分方程模型和比值植被模型的耦合模型,通过采用不同光学植被参数和VH交叉极化后向散射系数,分别对农田植被散射贡献进行表征,消除植被散射的影响,进而实现土壤水分的高精度反演。结果表明:当利用VH极化进行参数化植被散射贡献时,标定的耦合模型,虽然可消除对光学植被参数的依赖并较好地模拟Sentinel-1卫星观测,但土壤水分反演结果效果欠理想,相关系数R最大仅为0.54;与VH极化相比,利用光学植被参数表征植被散射贡献时,土壤水分整体反演效果较理想,R最大达到0.79,但光学植被参数反演结果在不同站点存在显著的空间差异性,R介于0.07~0.79之间。因此,在未来研究中可尝试将雷达数据与光学数据协同反演,以期在消除植被散射影响的基础上,实现植被覆盖区域土壤水分的高精度反演及动态变化监测。

基于SAR纹理信息的农作物识别研究——以农安县为例

以吉林省农安县为研究区,以Sentinel-1B双极化数据为数据源,提取出典型农作物玉米、大豆、水稻的多个纹理特征值,筛选出最佳农作物识别纹理信息参数,结合eCognition软件中的规则库,充分挖掘SAR数据中农作物纹理特征包含的属性信息,构建决策树,基于面向对象分类方法对典型农作物进行提取,通过SAR农作物提取结果的分析,获得研究区农作物最佳分类时相及最佳农作物识别纹理信息组合,对各典型农作物进行分类制图,探讨基于SAR影像后向散射特征提高农作物识别精度的可行性。结果表明:SAR数据相对于光学数据,能提供更丰富的农作物纹理信息,选取合适的纹理信息作为分类辅助数据,可以有效解决光学数据中"异物同谱"现象,提高农作物识别精度,对于研究区农作物提取贡献最大的3种SAR纹理特征依次为:均值、方差和相异性。