雷达InSAR数据在矿山地表形变监测中的应用研究

《雷达InSAR数据在矿山地表形变监测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com2006年第4期雷达InSAR数据在矿山地表形变监测中的应用研究谷延群等77雷达InSAR数据在矿山地表形变监测中的应用研究谷延群孟昆(河北省遥感中心，河北石家庄050021)摘要：针对矿山地表形变这一特殊区域，开展星载InSAg测量的研究工作，在大量调研的基础上确定技术流程和关键技术及解决方法，选择具有典型意义的河北武安地区，应用InSAg数据，采用三次、二次过境差分法处理，获得了几个时间间隔内矿山开采地表形变图像。经与实际对比应用效果较好。真实地反映了地表形变的动态信息。实践证明，利用InSAg数据进行地表形变动态

2、监测有着重要的现实意义和广泛的应用前景。关键词；地表形变；InSAg；过境差分；干涉测量1引言InSAR(合成孔径雷达干涉测量)是近几年迅速发展起来的高新技术，它是使用卫星或飞机搭载的合成孔径雷达系统，在获取高分辨率的地面反射复数影像中，每一象元的影像信息中不仅包含有地物粗糙度及反射信息，而且还包含干涉所需的相位信号。近十年来，随着合成孔径雷达干涉测量技术的逐渐成熟及新一代星载系统的应用，其图象分辨率和产品精度还将继续得到提高。InSAR技术可以穿过各种大气云层，全天候、全天时地获取地面高程及形变信息。由于InSAR技术具有前所未有的连续空间覆盖和高自动化、高精度的

3、监测地表形变的能力，已经引起了各国有关学者的普遍关注，所以在矿山开采沉陷监测、地震监测、火山运动、地面下沉以及冰川漂移等图1InSAR几何原理观测方面，均已开始运用合成孔径雷达干涉技术，有些已取得了较满意的成果。从Pl发射雷达信号到目标点P且返回到P，得到InSAR技术与GPS的区别在于它具有采样密度测量相位，由于分辨象元内后向散射特性引起相位高、空间延续性好和无需建立地面接收站等优点。偏移，31IiI~P点的瞬时斜距为r。。设雷达信号波InSAR与其它测量形变位移仪器的区别在于它避开了长为入，则=(4丌／入)r。+obi同样，对位于测量仪器成本高、布点少，难以大范

4、围追踪地壳变形另一轨道上的卫星S，可以得到相同的结论，即=等缺点。(4丌／入)(r+△r)式中，△r为S，至P的斜距2理论基础、相对于S至P的斜距的差异量。将两式相减，得到斜2．1InSAR几何原理距差=一，=一(4丌／入)△r这里，相位卫星以一定的时间间隔和轻微轨道偏离(一般相邻差通常被称为干涉相位或绝对相位差。设两个空间配两次重复轨道间隔为几十米至lkm左右)重复某一局准的复数图像分别为C和C，则干涉相位图可通过C部地区成像，为干涉处理提供了条件。如图1，在Pl和和C：的复共轭相乘得到：。=CI‘CP1空间位置的两个载星SAR和地面任意一点P构成的通过两个SLC

5、SAR图像计算所得的干涉图，其面上，尸l，P1至地面点P的斜距分别为R和R．+△，，相位差与式中的相比存在相位整数周期的倍数，为H为Pl到参考面的高度，基线b是两个卫星轨道的偏离计算地面点高程或监测地表形变量，必须确定每一配量，相对于R来说，b是一个非常小的量。准像元对应的整周相位数，这是InSAR技术中尚未完Ⅱ作者简介口谷延群，男，1975年生，汉族，1996年毕业于中国地质太学计算机科学与技术专业，学士学位现为遥感技术应用工程师。擅长遥感动态监测技术．曹拳与；项科研项目并荻奖，已发表有关科技论文篇维普资讯http://www.cqvip.com『2河北遥感200

6、6年第4期全解决的难点，通常被称为相位解缠。方可避免取样假象，即干涉图像产生时不会模糊不清。实际上，绝对干涉相位对应于斜距差，根据卫星实际相位差值应为主幅值加上2丌的倍数。轨道数据可计算空间基线长度及其高度角，由三角函(10)产生数值地形模型：恢复相位后，雷达干涉数关系和相应的几何变换可最终计算地面点的高程，图仍然与地形图有差异，需进行改正，对已知基线长即获得DEM(数字高程模型)。在InSAR处理中，干涉度而言，高程资料为相位差的函数，故改正后再利用图的生成、滤波、相位解缠和基线估计是极为重要的转换函数计算出高程资料，即可获得DEM资料。处理环节。(11)差分干涉

7、雷达：依据SAR数据和DEM的情2．2DEM和差分干涉图产生的主要步骤况选择差分的处理方法，通常有2次过境法、3次过境(。1)像对选择：分析SAR数据的时间间隔、气候法和4次过境法，其中3次过境法最为常用。条件、植被生长及其它噪声情况等，确定SAR像对。3应用实例——矿山沉降(2)亚象元影像套合：SAR影像对需要非常精确3．1武安矿山沉降的影像套合，以避免较大的位移，导致无法产生干涉利用二次差分方法处理了表1所示的像对，处理图。可先以相位值进行相关性匹配，再用最小二乘法方法在上节有比较详细的介绍，本节主要通过图例和对灰度影像进行相干性匹配，以产生次象元精度的匹表