大气延迟效应是InSAR形变监测中一项最重要的误差源，被称之为InSAR高精度形变测量的“最后一公里障碍”。通常采用外部气象模型改正、相位与地形线性回归和时空域滤波等方法予以处理。受各种因素影响，现有方法对大气延迟湍流分量的处理效果往往不尽如人意。针对此，Neely等（2020）年提出GInSAR方法，利用GNSS基准站观测数据估计大气相位延迟，通过多项式内插改正InSAR大气延迟湍流长波分量；受站点数量限制，建立的低阶多项式仅能反映系统性趋势，无法顾及更高阶信息。团队基于最小二乘配置理论提出了LSC-GInSAR方法（图1），通过构建协方差函数方式进行随机模型内插改正。相较于GInSAR方法采用函数模型插值，LSC-GInSAR方法随机模型可以反映出更高阶的空间相关信息，改正更多的干涉图大气延迟误差（图2）。

图1 LSC-GInSAR方法流程图

图2 LSC-GInSAR与GInSAR方法长波误差估计结果比较

该研究成果发表于地球科学领域期刊《GJI》，研究工作获得了国家自然科学基金项目（41974002，42274005）的资助。

论文引用：

Hailu Chen, Yunzhong Shen. 2024. LSC-GInSAR: a GNSS-enhanced InSAR approach by using least squares collocation. Geophys. J. Int. 236, 49–61. https://doi.org/10.1093/gji/ggad413

参考文献：

Neely, W.R., Borsa, A.A. & Silverii, F., 2020. GInSAR: a cGNSS correction for enhanced InSARtime series,IEEE Trans. Geosci. Remote Sens., 58(1),136–146.