基于臨時相干目標(biāo)監(jiān)測非城區(qū)地表形變

郭山川，張紹良，侯湖平，朱前林，劉 潤

1. 中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院，江蘇 徐州 221116； 2. 中國礦業(yè)大學(xué)低碳能源研究院，江蘇 徐州 221008

基于永久散射體高信噪比、高相干特性，PSInSAR方法能夠有效克服傳統(tǒng)D-InSAR技術(shù)易受失相干、大氣效應(yīng)等因素干擾的難題[1-4]。在探測地表微小形變及長期緩慢形變方面的突出優(yōu)勢使PSInSAR在城區(qū)形變監(jiān)測、滑坡監(jiān)測、高程修正等方面得到廣泛應(yīng)用[5-7]。樓房、橋梁、道路等人工建筑物作為天然PS點(diǎn)在城區(qū)被密集識別，其密度一般高于100個/km2；但在非城區(qū)PSInSAR的形變監(jiān)測能力十分有限，穩(wěn)定反射物的缺少導(dǎo)致其PS點(diǎn)密度一般不足10個/km2(參見文獻(xiàn)[8])。稀疏PS點(diǎn)網(wǎng)絡(luò)不利于大氣相位、線性形變速率和地形殘差的精確估計，更無法獲取部分關(guān)鍵區(qū)的可靠形變信息。為解決這一大難題，國內(nèi)外學(xué)者展開了深入的研究。

目前，主要有兩類思路提高非城區(qū)PSInSAR適應(yīng)力：一類是優(yōu)化外部條件，包括采用TerraSAR-X、Radarsat-2與ALOS-2等高分辨率SAR數(shù)據(jù)以識別小尺度散射目標(biāo)，合理布設(shè)人工角反射器以提取關(guān)鍵研究區(qū)的形變信息等[9-12]；另一類是基于經(jīng)典PSInSAR提出針對性更強(qiáng)的改進(jìn)算法。第2類算法中，文獻(xiàn)[13—14]通過引入空間相干指數(shù)篩選PS點(diǎn)，同時改進(jìn)了地形殘差估算模型和解纏模型，提出了斯坦福算法(Stanford method for persistent scatterers,StaMPS)；文獻(xiàn)[15—16]采用穩(wěn)定相干指數(shù)、振幅離差指數(shù)控制其追蹤的像元質(zhì)量，并利用被追蹤像元構(gòu)建Delauney三角網(wǎng)分離線性微分相位和非線性形變(coherent pixels technique,CPT)；文獻(xiàn)[17—18]通過對距離、方位向上的配準(zhǔn)偏移量進(jìn)行統(tǒng)計、分析，從而提取臨時相干點(diǎn)(temporarily coherent point)，再通過最小二乘以及粗差探測法解算TCP在時間序列上的線性形變和殘余地形信息(TCPInSAR)；經(jīng)典PSInSAR方法創(chuàng)始人Ferretti提出了新的時序干涉算法——SqueeSAR，只要適當(dāng)?shù)亍皵D壓”每個DS點(diǎn)的相干矩陣以獲取優(yōu)化后DS的相位信息，則DS點(diǎn)可與PS點(diǎn)融入PSInSAR技術(shù)框架中進(jìn)行聯(lián)合處理[8]；文獻(xiàn)[19]從放寬限制條件后篩選出的部分相干目標(biāo)中提取相位信息，顯著提高了非城區(qū)地表形變監(jiān)測的空間覆蓋率(quasi-PS technique,QPS)。

上述PSInSAR改進(jìn)算法的不斷提出有效增加了有效監(jiān)測目標(biāo)在非城區(qū)空間分布密度。本文在經(jīng)典PSInSAR基礎(chǔ)上，綜合各改進(jìn)算法的適用性，提出一種改進(jìn)算法嘗試獲取試驗(yàn)區(qū)靖邊縣非城區(qū)在2014-10-23—2016-05-09期間的可靠形變信息。該算法考慮季節(jié)性周期變化，以相干系數(shù)作為門檻因子篩選干涉對，其連接圖一般不再呈現(xiàn)為放射狀特征；利用振幅離差指數(shù)、干涉對相干性為雙重閾值聯(lián)合篩選干涉圖集中具有穩(wěn)定散射特性TCT點(diǎn)；構(gòu)建TCT空間拓?fù)渚W(wǎng)解析形變分量和高程修正二維分量，同時引入相關(guān)值至迭代計算模型弱化TCT點(diǎn)在相干性較低時的相位貢獻(xiàn)，進(jìn)行差分參數(shù)最優(yōu)解估計；進(jìn)而利用相鄰TCT點(diǎn)大氣效應(yīng)的空間自相關(guān)特性分離目標(biāo)大氣延遲相位，反演地形殘差和視線方向形變。最終通過與經(jīng)典PSInSAR對比分析，驗(yàn)證臨時相干目標(biāo)時序分析方法的有效性和可靠性。

1 研究方法

1.1 臨時相干目標(biāo)

(1)

圖1 地面散射體分類Fig.1 Ground scatterer classification

為利用TCT提取有效形變信息，可通過放寬限制條件同時篩選出TCT與PS，但兩者相位穩(wěn)定性的差別導(dǎo)致PSInSAR方法技術(shù)框架不適用于TCT。而本文采用的處理思路是通過放棄單一的超級主影像式SAR影像連接結(jié)構(gòu)，剔除低相干干涉對，以保留TCT信息備后續(xù)的識別和利用。同時由于目標(biāo)約束條件不變，TCT仍具有較高的信噪比和相干質(zhì)量，因此將TCT融入PSInSAR技術(shù)框架進(jìn)行處理是可行的。

1.2 干涉組合

為深度挖掘蘊(yùn)含在部分時序內(nèi)高相干點(diǎn)，舍棄了單一放射狀時序SAR影像干涉組合方式，采用小基線集(small baseline subset,SBAS)思想，利用相干系數(shù)為門檻控制干涉組合質(zhì)量。與SBAS方法相比，TCT是干涉點(diǎn)目標(biāo)分析技術(shù)，且后者是通過干涉對相干系數(shù)控制干涉對質(zhì)量，而前者采用的是小時空基線方法[21]。

在式(1)的基礎(chǔ)上，平均SAR圖像內(nèi)所有像元的相干系數(shù)得到干涉對(i,k)的相干值γi,k

(2)

式中，M為像元數(shù)量。γi,k用于衡量兩幅SAR影像干涉相位的質(zhì)量，相干性越高，則干涉圖中蘊(yùn)含散射特性穩(wěn)定、相位噪聲小的像元越多，有利于臨時相干目標(biāo)識別、大氣相位分析及差分參數(shù)估計。顧及季節(jié)周期性變化，通過相干性篩選干涉對可以一定程度上多選出一些相干性較好的干涉對。

Ci,k=rect(γi,k-S1-0.5)

(3)

式中，rect()為矩形函數(shù)。當(dāng)Ci,k=0，表示干涉對被放棄。

根據(jù)門檻確定的基本原則，試驗(yàn)中S1取為0.3，干涉對相干矩陣經(jīng)式(3)計算后結(jié)果如圖3(見后文)，通過門檻函數(shù)的控制，共得到74組干涉對。由圖3可以發(fā)現(xiàn)兩點(diǎn)：①干涉組合受到試驗(yàn)區(qū)氣候和季節(jié)影響，秋冬季干涉對連接線較為密集說明期間相干質(zhì)量更好，地物反射特性更穩(wěn)定；②與不同季節(jié)干涉組合相比，同一季節(jié)的干涉組合地物反射特性更穩(wěn)定。可見干涉對相干質(zhì)量不僅與時空基線相關(guān)，也與氣候、季節(jié)等引起地面目標(biāo)散射特性變化的因素相關(guān)，因此采用相干系數(shù)確定干涉組合較SBAS的小基線方法更直接和精確。干涉組合方式通過門檻函數(shù)篩選后，干涉對相干質(zhì)量較高，非城區(qū)TCT信息被保留。

1.3 TCT識別方法

理論上，相干系數(shù)和振幅離差指數(shù)均能衡量像元相位噪聲水平[22]。局部窗口越大，相干系數(shù)可靠程度越高，但犧牲了分辨率，導(dǎo)致孤立的TCT難以被提取，因此同時采用振幅離差指數(shù)聯(lián)合篩選干涉圖集中TCT。對于SAR復(fù)數(shù)影像，像元p的振幅值A(chǔ)在標(biāo)準(zhǔn)差σn下服從Rice分布[1,23]

(4)

(5)

式中，rect()為矩形函數(shù)；H表示由Ci,k門檻函數(shù)篩選后干涉對的總數(shù)量；S2為識別閾值。僅當(dāng)IP=1時，表示像元p被識別為TCT點(diǎn)。

雙閾值聯(lián)合篩選法與雙閾值二次篩選法[24]相比，不同之處有二：①目標(biāo)識別流程簡化，相干系數(shù)粗篩選和振幅離差指數(shù)精篩選的串行流程演變?yōu)殡p閾值并行篩選流程；②目標(biāo)識別范圍異質(zhì)化。圖4中A、B為雙閾值聯(lián)合篩選和二次篩選的異質(zhì)區(qū)域，C為重疊區(qū)域。A對應(yīng)的振幅穩(wěn)定指數(shù)(1-DA)較小，相干系數(shù)較大；而B對應(yīng)的相干系數(shù)較小，振幅穩(wěn)定指數(shù)較大；總體上A區(qū)的振幅穩(wěn)定指數(shù)與相干系數(shù)和高于B區(qū)域。

由1.2節(jié)中試驗(yàn)干涉組合結(jié)果，利用TCT識別函數(shù)模型，在74組干涉對里共識別得到119 489個TCT點(diǎn)，其空間分布密度為81個/km2，結(jié)果如圖5(a)所示。為對比TCT算法和PSInSAR在非城區(qū)形變監(jiān)測點(diǎn)空間分布，采用相同的識別函數(shù)和聯(lián)合閾值進(jìn)行PS點(diǎn)探測，結(jié)果如圖5(b)，經(jīng)典PSInSAR共識別出25 045個PS點(diǎn)，密度僅為17個/km2。

1.4 差分參數(shù)估計

(6)

利用大氣空間自相關(guān)特性，基于TCT構(gòu)建Delaunay三角平差網(wǎng)，對連接邊上空間鄰近的TCT再次進(jìn)行差分以進(jìn)一步削弱大氣相位影響，進(jìn)一步說明了稀疏PS點(diǎn)網(wǎng)絡(luò)不利于大氣相位解算和形變信息提取。建立像元p及其連接邊上的相鄰像元q共H個觀測方程，如式(7)

(7)

盡管各干涉對中的PS點(diǎn)的相位質(zhì)量存在波動性，但PS點(diǎn)是通過了整個時序相位穩(wěn)定性和相干性檢驗(yàn)的高質(zhì)量點(diǎn)，因此PSInSAR對全時序的干涉對相位貢獻(xiàn)采用了等權(quán)方法解算。雙閾值聯(lián)合篩選出的TCT在所有干涉對中也保持了較高的相位穩(wěn)定性。僅從時序角度看，TCT點(diǎn)與PS點(diǎn)類似，可采取等權(quán)方法進(jìn)行參數(shù)解算。然而TCT方法是考慮季節(jié)性變化重建了干涉對連接組合，可能生成以同一SAR影像為主影像的多個干涉對，從而使這些干涉對在共同主影像的時相上對參數(shù)解算的貢獻(xiàn)難以解析。針對該問題，依據(jù)干涉對時相特征將干涉對組合割裂為N-1個小干涉對集，如圖6所示。每個小干涉對集內(nèi)部采用干涉對相干性衡量不同干涉對對參數(shù)解算的貢獻(xiàn)程度，并以其為權(quán)重弱化低相干干涉對的參數(shù)解算貢獻(xiàn)，而N-1個小干涉對集采用等權(quán)方法。其理由是：①在時間維度上，小干涉對集組塊化后可以被視為相對獨(dú)立的整體，所有小干涉對集的集成維持了全時序的連通性和完整性；②小干涉對集內(nèi)已采用相干性衡量不同干涉對的參數(shù)解算權(quán)重；③由雙閾值聯(lián)合法篩選后的TCT在所有干涉對中也是高相干的穩(wěn)定點(diǎn)，如同PS點(diǎn)。

因此本文提出了基于TCT的時序復(fù)相干值ξp計算模型

(8)

Δδ,Δv=arg{max(ξp|)}

(9)

最后，利用經(jīng)典PSInSAR算法，由最佳估值點(diǎn)解纏起始，利用Delaunay網(wǎng)絡(luò)邊對Δδ、Δv進(jìn)行積分迭代運(yùn)算得到TCT點(diǎn)線性形變速率和高程修正值，并分離出大氣延遲相位和非線性形變相位[1,25]。

2 試驗(yàn)結(jié)果

2.1 試驗(yàn)區(qū)及數(shù)據(jù)概況

以陜西榆林市靖邊縣為試驗(yàn)區(qū)域驗(yàn)證基于臨時相干目標(biāo)方法在非城區(qū)地表形變監(jiān)測應(yīng)用的有效性。該區(qū)北部為風(fēng)沙灘區(qū)，南部為丘陵溝壑、梁峁?jié)緟^(qū)，總面積約為1470 km2。結(jié)合圖7和圖5，A為靖邊縣城建成區(qū)，人工建筑的穩(wěn)定反射特性使其范圍內(nèi)有密集分布的TCT點(diǎn)；B為丘陵溝壑區(qū)，蘊(yùn)藏著豐富的石油資源，并有中國第一個全產(chǎn)業(yè)鏈CO2-EOR試點(diǎn)項(xiàng)目在此開展，CO2封存和石油開采活動可能會引起地表形變，該區(qū)域被識別出分布較為密集的TCT；C為風(fēng)沙灘區(qū)，該區(qū)被識別的TCT點(diǎn)密度極低，存在大量的低信噪比LCT點(diǎn)。

圖4 不同雙閾值篩選法識別范圍Fig.4 The distinguished range of different dual-threshold screening methods

圖5 TCT與PS的空間分布Fig.5 Spatial distribution of TCTand PS

圖6 時序SAR影像干涉對時間基線圖Fig.6 Temporal intervals of the multitemporal SAR image pairs

試驗(yàn)獲取的24景C波段Sentinel-1A衛(wèi)星影像為干涉寬(interferometric wide swath,IW)觀測模式的SLC數(shù)據(jù)，IW模式下影像空間分辨率為5×20 m，其時間跨度為2014-10-23—2016-05-09，入射角約為43°。表1列出了采用SAR數(shù)據(jù)的成像日期、時空基線和多普勒質(zhì)心頻率差(以2015年3月28日為基點(diǎn))。采用ESA提供的精密軌道數(shù)據(jù)進(jìn)行配準(zhǔn)、參考面相位去除等處理。采用日本宇宙航空研究開發(fā)機(jī)構(gòu)(JAXA)發(fā)布的AW3D30數(shù)字高程模型為參考DEM去除地形相位。該數(shù)據(jù)由5 m分辨率DSM重采樣得到，分辨率、高程精度和時效性突出優(yōu)勢使其更利于后續(xù)的地形相位去除、地形殘差估值。

2.2 試驗(yàn)結(jié)果

圖3 TCT干涉組合方式Fig.3 Interferometric pairs of TCT

圖7 試驗(yàn)區(qū)光學(xué)影像(Landsat8,假彩色合成6/5/4)Fig.7 Optical images of the experimental area (Landsat8, false color composite 6/5/4)

圖8(a)中可以看到干涉對(2,3)在去除參考面、地形相位貢獻(xiàn)后絕大部分區(qū)域的干涉效果較好，但也含有較為明顯的大氣相位。同時由于失相干原因，水域、溝壑等區(qū)域受到較嚴(yán)重噪聲，這些區(qū)域在圖8(b)相干圖中顏色較暗。

圖8 干涉對(2,3)干涉圖(去平、去地形)及相干圖Fig.8 Interferogram and coherence map of interferometric pair(2,3)

利用雙閾值聯(lián)合篩選法(S2=1.4)同時探測到TCT和PS點(diǎn)信息如圖5所示?？梢园l(fā)現(xiàn)，人工建筑物既能被識別為TCT，也能被識別為PS，城區(qū)TCT、PS點(diǎn)分布密度最高；非城區(qū)植被較為稀疏區(qū)域能識別出較多的TCT，卻由于時間失相干原因存在較少PS點(diǎn)，因此非城區(qū)TCT的分布密度顯著高于PS點(diǎn)密度；在水域、風(fēng)沙灘區(qū)及植被密集的溝壑區(qū)，無論TCT或PS均不能被有效探測，此區(qū)域TCT、PS分布密度極低。

表1 試驗(yàn)區(qū)Sentinel-1A數(shù)據(jù)集

圖9 大氣延遲相位圖Fig.9 Atmospheric phase map

圖10 干涉對(2,3)殘余相位統(tǒng)計Fig.10 Phase residuals statistics of interferometric pair (2,3)

分離殘差相位貢獻(xiàn)后提取到試驗(yàn)區(qū)TCT點(diǎn)的形變速率和高程修正量信息，對其進(jìn)行統(tǒng)計分析以輔助考察地表形變規(guī)律。由表2、表3和圖11可以得到以下3點(diǎn)結(jié)論：①試驗(yàn)區(qū)的TCT點(diǎn)既有抬升，也有沉降，但其值相當(dāng)微小，83.73%的TCT點(diǎn)形變速率絕對值在10 mm/a以內(nèi)；②TCT的高程修正量反映了外部DEM的高程精度，試驗(yàn)區(qū)域地形復(fù)雜多變，119 489個TCT點(diǎn)平均高程修正絕對值小于5 m，一定程度上說明了AW3D數(shù)據(jù)的可靠性；③TCT形變速率平均值為-0.66 mm/a，且其形變服從高斯分布，說明試驗(yàn)區(qū)不存在顯著的大形變場。

表2 TCT點(diǎn)形變速率統(tǒng)計

表3 TCT點(diǎn)高程修正值統(tǒng)計

圖12顯示了基于臨時相干目標(biāo)干涉測量方法提取到試驗(yàn)區(qū)2014-10-23—2016-05-09期間TCT點(diǎn)在雷達(dá)視線向形變速率結(jié)果。利用Kriging內(nèi)插法獲得整個試驗(yàn)區(qū)在觀測期間LOS方向地表形變速率場，如圖13所示?？梢园l(fā)現(xiàn)，試驗(yàn)區(qū)絕大部分區(qū)域地表形變均勻，且形變速率絕對值小于10 mm/a，與統(tǒng)計分析的結(jié)論吻合；南部丘陵溝壑區(qū)TCT形變場得到有效提取，其形變速率為-10～10 mm/a；北部風(fēng)沙灘區(qū)由于TCT點(diǎn)密度小，其形變場結(jié)果存在較大的誤差；而利用Kriging內(nèi)插法時，零星分布的TCT引起的“擴(kuò)散”現(xiàn)象也會造成形變場結(jié)果誤差。

圖11 TCT形變速率和高程修正量統(tǒng)計Fig.11 Deformation velocity and residual height statistical chart of TCT

2.3 驗(yàn)證分析

經(jīng)典PS-InSAR方法自Ferretti提出就引起國內(nèi)外廣泛響應(yīng)，十多年的發(fā)展使永久散射體干涉測量方法的可靠性得到了充分的驗(yàn)證[1,26-27]。在缺少現(xiàn)場地表形變監(jiān)測數(shù)據(jù)情況下，本文采用相同的SAR、DEM和軌道數(shù)據(jù)等對試驗(yàn)區(qū)進(jìn)行了同期的PSInSAR形變監(jiān)測。對比分析臨時相干目標(biāo)干涉測量方法和PSInSAR方法結(jié)果，以說明TCT方法的有效性和可靠性。

基于PSInSAR方法解算出PS點(diǎn)形變信息后，提取到地理編碼后的TCT和PS同名點(diǎn)(經(jīng)緯度重疊)共7764個。因TCT空間分布密度大于PS點(diǎn)，且多數(shù)PS點(diǎn)同被識別為TCT，故同名點(diǎn)空間分布狀況與PS分布相似。依據(jù)同名點(diǎn)緯度序列，對兩種算法獲取的形變速率進(jìn)行一致性和差異性分析，見圖14。由圖14可以發(fā)現(xiàn)3點(diǎn)：①整體上，兩種算法提取的同名點(diǎn)形變速率保持較高的一致性，且形變速率值趨近于零線，與試驗(yàn)結(jié)果相吻合；②同名點(diǎn)形變速率分布方面，其“聚束”效應(yīng)較為明顯，同名點(diǎn)形變速率值集中分布于[-10 mm/a,10 mm/a]，而北部風(fēng)沙灘區(qū)包含孤立存在的同名點(diǎn)，造成緯度相對較高區(qū)間拋射出部分形變速率絕對值較大的同名點(diǎn)；③同名點(diǎn)空間分布密度方面，由于試驗(yàn)區(qū)土地覆被多樣性導(dǎo)致了不同區(qū)域提取的同名點(diǎn)空間密度不同。圖14中a區(qū)域是南部溝壑區(qū)，其提取同名點(diǎn)的密度遠(yuǎn)低于較高緯度的b區(qū)域，因?yàn)閎區(qū)域內(nèi)包含了同名點(diǎn)分布豐富的靖邊縣城建成區(qū)。c區(qū)間對應(yīng)的是縣城東北方向開發(fā)的靖邊新能源產(chǎn)業(yè)園建成區(qū)，所以其同名點(diǎn)分布密度也較高。綜上，通過對比分析緯度序列上兩種算法的形變速率結(jié)果，TCT算法結(jié)果的有效性得到充分的證明。

為進(jìn)一步驗(yàn)證TCT算法的可靠性，構(gòu)建同名點(diǎn)形變速率散點(diǎn)圖(圖15)，散點(diǎn)的橫縱坐標(biāo)分別表示TCT和PS解算的形變速率結(jié)果。從圖15中，可發(fā)現(xiàn)：①散點(diǎn)聚束于趨勢線附近，兩種算法的形變速率結(jié)果的R2值為0.518 1；②散點(diǎn)主要堆積于以(0,0)為中心的區(qū)域內(nèi)，再次證實(shí)了試驗(yàn)區(qū)無顯著形變場結(jié)果。7764個TCT監(jiān)測結(jié)果均方根誤差為6.01 mm/a，顯示出較好的測量精度；形變速率差標(biāo)準(zhǔn)差為5.97 mm/a，導(dǎo)致該結(jié)果的原因可能是TCT方法和PS方法提取的點(diǎn)密度不同造成的時空濾波、相位分解等差異。綜上，通過直接對比兩種算法形變速率結(jié)果并進(jìn)行差值統(tǒng)計分析，說明了TCT監(jiān)測結(jié)果是比較可靠的。

PSInSAR的單一放射狀干涉組合方式使部分時間段相干性較低的TCT相位質(zhì)量不穩(wěn)定，造成較大誤差。而基于小干涉對集的干涉組合方式改變了TCT的相干性，其在時序上的穩(wěn)定性需要檢驗(yàn)。分別提取建成區(qū)、丘陵溝壑區(qū)和風(fēng)沙灘區(qū)的同名樣點(diǎn)(A、B、C)，其區(qū)域位置分布如圖12，時序分析結(jié)果如圖16?？梢妰煞N算法的形變時序結(jié)果在A、B兩點(diǎn)的趨勢較為一致，其差值的絕對均值分別為1.60 mm和1.71 mm；位于C點(diǎn)處的同名點(diǎn)TCT算法結(jié)果與PS相比，表現(xiàn)出部分波動性，其差值的絕對均值為2.50 mm，主要還是由風(fēng)沙灘區(qū)地物反射特性不穩(wěn)定造成的TCT點(diǎn)稀疏引起?？偟膩砜?，以PS點(diǎn)為參考，TCT點(diǎn)的形變時間序列穩(wěn)定性較高。

圖12 試驗(yàn)區(qū)TCT形變速率(LOS)Fig.12 TCT deformation velocity of the area(LOS)

圖13 試驗(yàn)區(qū)形變速率場(LOS)Fig.13 Deformation velocity field of the area(LOS)

圖14 同名點(diǎn)形變速率分布圖Fig.14 Deformation velocity distribution of the same point

圖15 同名點(diǎn)形變速率散點(diǎn)圖Fig.15 Deformation velocity scatter of the same point

圖16 同名點(diǎn)時序形變量Fig.16 Time-series deformation of the same point

3 結(jié) 論

采礦活動、油氣開發(fā)、CO2地質(zhì)封存及滑坡等引起的地表形變過程多發(fā)生于永久散射體稀缺的非城區(qū)，制約了經(jīng)典PSInSAR在此類區(qū)域的監(jiān)測應(yīng)用。本文提出一種基于臨時相干點(diǎn)的方法以監(jiān)測非城區(qū)地表形變。該方法利用空間平均相干系數(shù)過濾低相干干涉對，融合振幅離差指數(shù)和相干性指標(biāo)以提取TCT點(diǎn)；構(gòu)建TCT相位分析網(wǎng)絡(luò)，引入相干系數(shù)估計最優(yōu)差分參數(shù)；利用大氣空間自相關(guān)特性分離延遲相位，反演地表形變信息。利用該算法，采用C波段Sentinel-1A數(shù)據(jù)，以地形、地貌復(fù)雜多變的靖邊縣為試驗(yàn)區(qū)進(jìn)行了形變監(jiān)測試驗(yàn)。

非城區(qū)監(jiān)測點(diǎn)密度方面，TCT方法識別到監(jiān)測目標(biāo)分布密度為81個/m2，較PSInSAR方法提高376%，非城區(qū)目標(biāo)分布密度改善尤為明顯，克服了經(jīng)典PSInSAR在非城區(qū)形變監(jiān)測的局限性。同時利用TCT方法獲取到TCT形變速率和試驗(yàn)區(qū)形變速率場，結(jié)果表明83.73%的TCT點(diǎn)形變速率絕對值小于10 mm/a。為驗(yàn)證TCT方法形變監(jiān)測結(jié)果的有效性和可靠性，與經(jīng)典PSInSAR監(jiān)測結(jié)果進(jìn)行對比分析。提取同名點(diǎn)后分析結(jié)果同時顯示出試驗(yàn)區(qū)無顯著形變場；同名點(diǎn)形變速率值集中分布于[-10 mm/a,10 mm/a]，北部風(fēng)沙灘區(qū)形變速率由于孤立目標(biāo)存在引起形變速率出現(xiàn)“蔓延”現(xiàn)象；由于試驗(yàn)區(qū)土地覆被多樣性導(dǎo)致了不同區(qū)域提取的同名點(diǎn)空間密度不同；TCT和PS解算的形變速率結(jié)果匹配程度較好，TCT監(jiān)測結(jié)果均方根誤差為6.01 mm/a，形變速率差標(biāo)準(zhǔn)差為5.97 mm/a。

綜上所述，本文提出的基于臨時相干點(diǎn)的干涉測量方法能夠彌補(bǔ)經(jīng)典PSInSAR在非城區(qū)形變監(jiān)測空間覆蓋率低和形變反演相位不可靠的缺點(diǎn)，并且考慮季節(jié)性變化的干涉對篩選方法能提取到相干性較好的干涉對。而當(dāng)?shù)孛嬗写蠓秶?、快形變場時，其監(jiān)測結(jié)果與地面實(shí)測數(shù)據(jù)是否保持一致性缺乏進(jìn)一步論證，這也是后續(xù)研究的重點(diǎn)方向。