基于鲁棒M估计协方差矩阵相位优化的DSInSAR矿区形变监测研究

针对时序干涉合成孔径雷达(Interferometric Synthetic Aperture Radar,InSAR)技术在矿区所处区域内耕地、裸地等自然地表地物上无法识别有效监测点信息,致使矿区地表形变信息不足及形变解译困难等问题,提出一种基于鲁棒M估计协方差矩阵特征值分解相位优化的DSInSAR技术,并基于34景Sentinel-1A影像获取了霄云煤矿2022年的地表时序形变。推导基于鲁棒M估计协方差矩阵估计公式,提高对样本异常值及异质像素的鲁棒性,开展基于鲁棒M估计协方差矩阵特征值分解的相位优化处理,分析了上述优化模型与通用相位优化模型的相似性,最终通过对优化估计相位开展相位信息解译处理来获取最终的形变信息。实验结果表明:基于鲁棒M估计协方差矩阵特征值分解相位优化的DSInSAR技术较常规SBAS技术及基于最大似然估计协方差矩阵的DSInSAR技术在监测点密度上分别提高了约11.4倍、0.2倍,且与水准数据对比具有最小的均方根误差,约22 mm;此外,霄云煤矿共包含三个主要形变场,其地表沉降的时序变化呈现出较显著的非线性趋势,煤矿内地表的视线向最大沉降量约418 mm。研究成果为矿区地表形变规律反演及矿区灾害防控提供重要数据支撑。