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)。
![](/__local/8/DB/95/9475B5FEE4BE9D8E638FA499D68_950FA792_1AF27.png)
图1 LSC-GInSAR方法流程图
![](/__local/7/3D/7F/95CC0A85F43ED020D794E77D3C7_1C50ECE2_2C55B.png)
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.