利用Sentinel-1A 數據提取青藏高原地區DEM

王紹賢，周春霞，雷皓博，朱懿愷

（1. 武漢大學中國南極測繪研究中心，湖北 武漢 430079；2. 極地測繪科學自然資源部重點實驗室，湖北 武漢 430079）

Sentinel-1A 是歐洲航空局（ESA）于2014-04-03發射的C波段SAR衛星。該衛星的主要觀測模式是干涉寬幅觀測模式（I W），模式幅寬達到250 km，距離向和方位向分辨率分別為5 m 和20 m[1-4]。與此同時，該觀測模式采用的TOPS 成像技術對干涉處理過程提出了新的技術要求[5]。國內學者已開展大量實驗[6-9]。本文針對Sentinel-1A 寬幅影像范圍大，分辨率高的特點，引入了差分干涉思想，改進了傳統的寬幅影像InSAR提取DEM的方法，獲取了青藏高原高精度DEM，并將本文改進方法獲取的DEM同傳統InSAR方法進行比較，證明了改進的InSAR方法能夠進一步提高利用Sentinel-1A寬幅數據提取DEM的精度。

1 差分干涉法生成DEM原理

差分干涉技術是傳統干涉技術的擴展，該技術主要是利用多景SAR 影像，或者聯合DEM 數據，以達到測量地表微小形變等目的。單景干涉影像是無法直接求解形變的，但當兩次SAR成像的傳感器位置參數已知且研究區域的外部DEM數據存在時，便可用二軌差分干涉方法求解形變參量。二軌差分干涉法主要思想是利用已知的外部DEM數據去除去平地干涉圖中的地形相位，從而得到形變相位。差分干涉法生成DEM的主要思想是基于二軌差分干涉法，利用外部DEM去除干涉圖中的地形相位，得到差分干涉相位，并在此基礎上，將該差分干涉相位作為殘余高程相位，進行濾波和解纏，作為殘余高程項完成高程校正，從而達到改善DEM精度的目的。

本文采用的基于Sentinel-1A 寬幅數據生成DEM的數據處理流程與常規利用InSAR技術略有不同。傳統InSAR技術生成DEM的步驟包括影像配準、干涉成像、基線估計、去平地效應、噪聲濾除、相位解纏和高程計算[2]。而本文中的實驗區域地形復雜，高程變化劇烈，干涉條紋過于密集，從而導致解纏相位跳躍、不連續，同時還存在基線誤差引起的趨勢面誤差。因此，利用傳統InSAR技術會帶來由解纏誤差等因素產生的高程誤差，明顯影響DEM 精度。針對這個不足之處，文章改進了傳統InSAR流程，引入了差分干涉的思想，利用外部DEM 與主輔影像干涉圖進行相位差分的方法來生成該地區的DEM。該方法稱之為差分干涉法。差分干涉的原理如下：干涉相位由多部分組成，包括參考相位φref；地形相位φtop；形變相位φref；軌道誤差引起的相位φorb；大氣相位延遲φatm以及熱噪聲等引起的相位噪聲φn。一般在不考慮大氣相位延遲、熱噪聲等引起的相位噪聲和軌道誤差引起的相位時，干涉相位即：

通過引入外部DEM進行兩軌差分可得到兩軌差分干涉圖，該差分相位中就只包含形變相位φdef和殘余的地形相位信息，對該相位進行相位解纏將大大提高解纏效率，同時減小由解纏帶來的相位殘差[10]。

2 實驗區和數據

2.1 實驗區

實驗影像所在區域是中國青藏高原中部的那曲地區，影像橫跨西藏和青海兩個省。該影像區域分布著大規模的冰川（包括普若崗日冰川）。普若崗日冰川是藏北高原由數個冰帽型冰川合成的大冰原，冰川覆蓋面積達422.58 km2，是地球上除兩極地區以外最大的冰原[11-12]。影像區域海拔在4 300 ～6 400 m之間。該區域植被稀少，氣候干旱，但是存在大量的冰川群、高原湖泊，地形較為復雜，每年有9個月存在降雪現象。

2.2 實驗數據

本文選取的數據是Sentinel-1A衛星于2019-05-28和2019-06-09 獲得的兩景干涉寬幅影像，時間基線為12 d，基線長度為113.84 m。兩景數據的基本參數如表1所示。

表1 實驗區影像對參數

本文差分干涉處理中的外部DEM 是TanDEM-X DEM，是由TerraSAR-X 和TanDEM-X 兩顆衛星編隊飛行、通過InSAR 技術生成的全球數字高程模型[13]，其數據采集于2015年1月，全球DEM于2016年9月完成。本文使用的是2018 年發布的分辨率為90 m 的產品TanDEM-X 90，其高程基準為WGS84。

本文在結果分析中使用的DEM 對比產品包括SRTM DEM 和ASTER GDEM。SRTM DEM 是美國航天飛機于2000-02-11～2000-02-22（這11 d）利用雷達測圖技術獲得的全球數字高程模型。本文使用的是分辨率為90 m 的產品SRTM3，其高程基準是EGM96大地水準面，標稱絕對高程精度為±16 m，標稱絕對平面精度為±20 m[14-15]。

3 數據處理

數據處理的第一步是進行預處理。對兩景SAR數據進行預處理步驟，即進行Sentinel-1 TOPS 數據導入、影像配準、多視處理流程。影像配準包括粗配準和精配準，先利用精密定軌星歷數據修正軌道數據進行粗配準，再利用強度互相關算法進行精配準并迭代使精度達到0.001個像素[16]。通過采用20∶4的多視參數以抑制影像噪聲，圖1為兩景SAR影像的強度圖。

圖1 兩景SAR影像的強度圖

本文通過設置對比實驗，將差分干涉法生成DEM 同傳統InSAR 生成DEM 的方法及結果進行對比分析。

3.1 傳統InSAR方法

在影像配準后，根據傳統的InSAR處理方法（圖2），先得到兩景影像的干涉圖，再進行基線估計與去平地計算；采用Goldstein 方法，對干涉圖進行濾波；計算相干性圖（如圖4a 所示），設置0.3 的相干性閾值生成解纏掩膜，同時選擇影像區域的穩定參考點，采用最小費用流方法對干涉圖進行相位解纏，生成DEM 相位并進行插值計算，填補相位空洞。由于實驗數據的限制，本實驗區中的控制點數量不是很多，DEM 需大量GCP 點進行實驗[17]，因此通過外部DEM 確定GCP 點，選擇相干性高、解纏效果好的點用于基線精化。最后，對解纏后的DEM 相位轉高程，并進行地理編碼，將SAR坐標轉換為地理坐標。

圖2 傳統InSAR方法生成DEM的流程圖

3.2 差分干涉方法

差分干涉方法生成DEM 與傳統InSAR 方法生成DEM 的差異在于利用了外部DEM，通過對差分干涉圖解纏以降低解纏誤差，其實驗流程如圖3 所示。首先將DEM 轉換到SAR 影像斜距/方位向坐標系，生成模擬SAR 影像，并模擬生成解纏后的地形相位；然后，將去平后得到的相位同模擬地形作差分計算，生成差分相位。為了在同一基礎上進行比較，同樣用Goldstein 方法對該差分相位濾波。設置0.3 的相干性閾值生成解纏掩膜，進行相位解纏，并插值填補相位空值。2 種方法相位解纏后的結果如圖4b、c 所示。再將該解纏相位同模擬地形相位相加，得到最終的DEM 相位，隨后參考傳統InSAR的流程，基線精化后相位轉高程并地理編碼，生成DEM。

圖3 兩軌差分干涉流程圖

圖4 相干圖和解纏相位圖

4 結果分析

研究結果分析如圖5、6和表2所示。

表2 DEM誤差統計結果

圖5 研究區域DEM高程圖

圖6 DEM差值統計

5 結 語

本文利用兩景Sentinel-1A 寬幅數據，引入了差分干涉思想，改進了傳統的寬幅影像InSAR提取DEM的方法。利用差分干涉法成功提取了中國青藏高原中部那曲地區的高精度DEM。通過將該方法所得的DEM分別與傳統InSAR，以及SRTM DEM、ASTER DEM、TanDEM-X 90進行比較驗證，發現利用差分干涉法生成的DEM相比傳統InSAR的算法結果的差值均值和均方根誤差均有一定改進，分別從15 m和35 m改進到8 m和28 m。結果證明，改進的InSAR方法能夠降低解纏誤差和隨機誤差的影響，在一定程度上提高了在復雜地形中提取DEM的精度。