由于干涉相干条件和SAR硬件技术的限制,并不是所有的地表形变都能被DInSAR技术检测到――过大和过小的地表变形都无法检测。本项目旨在针对不同SAR平台,建立一定梯度的地表变形能否被DInSAR技术检测到的预测函数模型。具体地,本项目将从干涉测量的约束条件入手,全面分析影响DInSAR可检测的形变梯度的相关因素;研究形变条纹的定量检测算法,针对不同SAR平台分别构建最大和最小形变梯度的多参数线性和非线性函数模型;比较不同平台的函数模型,划分各传感器适合监测的形变梯度范围和参数区域。本项目(1)对准确选择监测对象,提高DInSAR形变监测工作的针对性,避免盲目工作导致的人力物力浪费具有重要的现实意义;(2)对理解差分技术的内核,进行合理的干涉处理配置(如视数、波段、入射角的选择等),提高DInSAR监测精度,具有重要的科学意义;(3)对未来SAR硬件系统的设计和参数选择具有一定的指导意义。
InSAR;deformation monitoring;deformation gradient;function model;
本项目针对Envisat、ALOS和TerraSAR等SAR平台,建立了一定梯度的地表变形能否被D-InSAR技术检测到的预测函数模型。项目首先从雷达成像几何条件和干涉测量的约束条件入手,系统分析了影响D-InSAR可检测的形变梯度的相关因素,发展了形变条纹的定量检测算法。然后,针对Envisat、ALOS和TerraSAR等SAR平台,分别构建了不同视数条件下基于相干性参数的最大和最小形变梯度的线性函数模型。在此基础上,经过模型拟合,建立了基于视数和相干性等参数非线性统一函数模型,并对不同平台的模型进行了比较分析,最后开展了D-InSAR监测三维形变的实例研究。项目发表论文46篇,其中SCI论文16篇,EI论文12篇,申请发明专利2项。