， ，， ，瑞菊

(北京建筑大學(xué)，北京 102616)

差分層析SAR(differential TomoSAR，D-Tomo SAR)成像技術(shù)[1]是層析SAR技術(shù)的擴(kuò)展，由F.Lombardini在2005年提出。層析SAR可以獲取目標(biāo)的空間三維(方位-距離-高度)信息，實(shí)現(xiàn)了三維成像能力，但是同一個(gè)方位向-距離向分辨單元內(nèi)不同散射元的高度變化信息被視為相位誤差而補(bǔ)償?shù)袅?，因此無(wú)法獲取形變信息。差分干涉技術(shù)[2](differential InSAR,D-InSAR)雖然可以獲取目標(biāo)的形變信息，但是該技術(shù)是在InSAR技術(shù)[3]基礎(chǔ)上發(fā)展而來(lái)的，故而沒(méi)有擺脫InSAR中高度向分辨能力缺失的問(wèn)題。相比較層析SAR成像技術(shù)和差分干涉技術(shù)，差分層析SAR成像技術(shù)對(duì)同一目標(biāo)進(jìn)行不同空間、時(shí)間位置的多次觀測(cè)，在保持傳統(tǒng)SAR方位-距離向合成孔徑的同時(shí)，在斜距垂向(normal-slant-range,NSR)-形變速率平面內(nèi)形成二維合成孔徑，獲得高程向和形變速率向的分辨能力，實(shí)現(xiàn)了對(duì)目標(biāo)方位-距離-高度-時(shí)間四維成像。該技術(shù)的特點(diǎn)對(duì)實(shí)現(xiàn)城市基礎(chǔ)設(shè)施動(dòng)態(tài)形變監(jiān)測(cè)、古建筑的風(fēng)險(xiǎn)評(píng)估、森林監(jiān)測(cè)預(yù)評(píng)估、重要工程安全監(jiān)測(cè)等應(yīng)用[4-8]具有重要的實(shí)際意義和應(yīng)用價(jià)值。

本文從差分層析SAR技術(shù)的成像原理、數(shù)據(jù)處理、成像算法等幾個(gè)方面，對(duì)差分層析SAR技術(shù)的發(fā)展現(xiàn)狀進(jìn)行綜合分析，并對(duì)其在城市形變監(jiān)測(cè)預(yù)警、提取森林垂直結(jié)構(gòu)信息、地下水位季節(jié)性變化監(jiān)測(cè)、考古學(xué)、冰川運(yùn)動(dòng)等領(lǐng)域的應(yīng)用潛力進(jìn)行研究與闡述，對(duì)差分層析SAR技術(shù)目前存在的問(wèn)題及發(fā)展趨勢(shì)進(jìn)行分析。

1 差分層析SAR成像原理

差分層析SAR成像示意圖如圖1所示，x為方位向，y為距離向，s為層析向，垂直于方位向-斜距向平面，v為形變速率向。假設(shè)在不同位置、時(shí)間對(duì)同一成像區(qū)域進(jìn)行M次觀測(cè)，經(jīng)過(guò)方位向-距離向的二維壓縮得到M幅SAR單視復(fù)(single light complex,SLC)圖像,從中選取一幅圖像作為主圖像，其他圖像以主圖像為標(biāo)準(zhǔn)進(jìn)行配準(zhǔn)、去斜后，得到圖像方位向-距離向分辨單元的復(fù)序列，可表示為[9]

(1)

式中,[-smax,smax]為斜距垂向跨度；a(s)為目標(biāo)的雷達(dá)散射特性函數(shù)；λ為波長(zhǎng)；r為主圖像斜距；bm為航過(guò)影像與主圖像的垂直基線；φm為層析向采樣點(diǎn)處斜距形變速率向的相位項(xiàng)。

在線性形變模型下，相位項(xiàng)φm表示為

(2)

式中，tm為航過(guò)影像與主圖像的時(shí)間基線；v(s)為線性斜距形變速率。將式(2)代入式(1)中，有

m=1,2,…，M

(3)

m=1,2,…，M

(4)

根據(jù)式(4)可知，差分層析SAR的觀測(cè)數(shù)據(jù)為雷達(dá)散射特性函數(shù)在高度向—形變速率向的二維聯(lián)合譜，通過(guò)成像算法反演求出目標(biāo)信號(hào)的散射函數(shù)值，根據(jù)函數(shù)值的位置確定散射點(diǎn)在層析向的位置及形變速率向的大小，實(shí)現(xiàn)差分層析SAR的四維成像。

為獲得差分層析SAR成像結(jié)果，首先獲取序列二維SAR影像，通過(guò)對(duì)時(shí)序SAR影像進(jìn)行復(fù)圖像配準(zhǔn)、去斜、相位誤差補(bǔ)償?shù)忍幚?，利用成像算?如譜估計(jì)算法、壓縮感知算法等)進(jìn)行聚焦處理，從而得到層析向聚焦結(jié)果，獲取高度及形變速率二維成像結(jié)果，最終得到觀測(cè)目標(biāo)的三維結(jié)構(gòu)信息和形變信息。差分層析SAR成像流程如圖2所示。

1.1 復(fù)圖像配準(zhǔn)

獲取SAR圖像時(shí)由于觀測(cè)幾何的差異，導(dǎo)致相鄰圖像間存在一定的變形，為了將對(duì)應(yīng)的同名地物在二維圖像像素序列中對(duì)齊，需要對(duì)圖像進(jìn)行配準(zhǔn)處理。圖像配準(zhǔn)是SAR數(shù)據(jù)處理過(guò)程中最關(guān)鍵的一步，直接影響到后續(xù)的產(chǎn)品質(zhì)量，因此圖像配準(zhǔn)這一步驟顯得尤為重要。已有的配準(zhǔn)方法主要有3類，相關(guān)函數(shù)法[11]、波動(dòng)函數(shù)法[12]、最大頻譜法[13]，另外還有一些混合改進(jìn)算法即基于圖像特征的配準(zhǔn)算法[14]。但是這3類算法主要是針對(duì)某一類型的圖像進(jìn)行配準(zhǔn)，對(duì)其他數(shù)據(jù)不具有普適性和穩(wěn)健性。后來(lái)王青松、瞿繼雙等提出了聯(lián)合實(shí)、復(fù)相關(guān)函數(shù)的圖像配準(zhǔn)方法[15]，可以穩(wěn)健、高效地適應(yīng)于各類實(shí)測(cè)數(shù)據(jù)的處理。

1.2 去 斜

去除中心斜距引起的相位項(xiàng)的操作過(guò)程稱為去斜。觀測(cè)和待估參數(shù)間的頻譜關(guān)系基于主圖像中心斜距相位去除建立，因此去斜操作在差分層析處理中起著至關(guān)重要的作用。最為直接的去斜方法是利用雷達(dá)記錄的電磁波傳輸延遲[16-17]進(jìn)行去斜，但是該方法受大氣擾動(dòng)影響，會(huì)引入額外的大氣相位誤差。目前通過(guò)實(shí)測(cè)數(shù)據(jù)驗(yàn)證，基于模擬干涉相位的去斜方法[18]可以得到較為理想的去斜效果，該方法避免了額外相位誤差的引入,并且使用低精度的地形數(shù)據(jù)即可獲得高精度的去斜效果，提高了成像精度。

1.3 相位誤差補(bǔ)償

在差分層析中，相位誤差主要是由大氣擾動(dòng)及地表形變等因素引起的，同時(shí)相位誤差具有較強(qiáng)的隨機(jī)性，對(duì)成像性能有嚴(yán)重影響。針對(duì)這一問(wèn)題進(jìn)行研究，研究者提出了多時(shí)相差分干涉技術(shù)(multitemporal differential interferometric SAR，MT-DInSAR)[19]，它是地表形變檢測(cè)的一種手段，可以得到大氣相位的估計(jì)，因此通常作為一種相位誤差補(bǔ)償方法，但是處理方法繁瑣。文獻(xiàn)[20]在永久散射體干涉測(cè)量(permanent scatterer InSAR,PS-InSAR)技術(shù)基礎(chǔ)上，基于相位誤差的空間相關(guān)性，提出PS-InSAR中間輸出量的相位誤差補(bǔ)償方法，成像結(jié)果有所改善，但受去斜方法的限制，適應(yīng)性差，無(wú)法進(jìn)行高精度補(bǔ)償;基于這一問(wèn)題，文獻(xiàn)[21]又提出一種PGA(phase gradient autofocus)相位誤差補(bǔ)償方法，算法簡(jiǎn)單，計(jì)算效率高，不受去斜方法的限制，具有良好的適應(yīng)性。

1.4 高度-形變速率二維成像

目前，差分層析SAR的觀測(cè)數(shù)據(jù)通常由SAR系統(tǒng)的重軌飛行任務(wù)獲得。在設(shè)計(jì)之初并未考慮差分層析的應(yīng)用需求，獲取的觀測(cè)數(shù)據(jù)為空間-時(shí)間二維孔徑的稀疏采樣。在稀疏采樣數(shù)據(jù)下，基于傅里葉變換方法得到的成像效果很不理想，不僅旁瓣高，而且分辨率低。文獻(xiàn)[21]中孫希龍?zhí)岢鲆环N基于時(shí)空相關(guān)系數(shù)的二維稀疏孔徑性能的評(píng)價(jià)準(zhǔn)則，以求獲得較優(yōu)的系統(tǒng)性能，但是不能從實(shí)際上改善成像效果的缺失，因此利用稀疏分布的采樣數(shù)據(jù)實(shí)現(xiàn)高度-形變速率向的二維成像是差分層析的難點(diǎn)問(wèn)題。

2 差分層析SAR成像算法研究

本文主要介紹目前差分層析SAR技術(shù)中常用的3種成像方法：傳統(tǒng)的傅里葉變換算法、空間譜估計(jì)算法、壓縮感知算法。對(duì)于目前的四維SAR成像系統(tǒng)，獲取得到的觀測(cè)數(shù)據(jù)在基線-時(shí)間平面內(nèi)是稀疏且不均勻的，因此，用傳統(tǒng)的傅里葉變換算法得到的成像結(jié)果受到高旁瓣影響，分辨率低，容易受到噪聲影響，成像效果差。頻譜估計(jì)算法成像效果優(yōu)于傅里葉變換算法，分辨率得到了提升，但是成像處理過(guò)程中會(huì)進(jìn)行大量矩陣運(yùn)算，同時(shí)需要處理矩陣的病態(tài)問(wèn)題，計(jì)算量大，過(guò)程煩瑣。而壓縮感知成像算法的提出，改善了成像效果，在低采樣數(shù)據(jù)的情況下，將稀疏信號(hào)進(jìn)行重構(gòu)，在保持方位向-距離向分辨率的同時(shí)實(shí)現(xiàn)高度向-形變速率向的高分辨率成像。

2.1 傅里葉變換算法

2000年，文獻(xiàn)[22]首次成功地采用傅里葉變換的算法，實(shí)現(xiàn)了極化機(jī)載合成孔徑雷達(dá)層析成像，對(duì)德國(guó)Oberpfaffenhofen地區(qū)進(jìn)行成像試驗(yàn)，獲得高度向?yàn)?.9 m的分辨率。隨后，研究者將傅里葉變化算法應(yīng)用到差分層析中，但是沒(méi)有獲得較高分辨率的成像效果。文獻(xiàn)[23]對(duì)觀測(cè)數(shù)據(jù)進(jìn)行二維傅里葉變換來(lái)恢復(fù)散射體高度-速率維成像，因強(qiáng)副瓣存在，衰減情況不理想，成像效果很差。文獻(xiàn)[21]基于傅里葉變換的成像方法，采用Envisat數(shù)據(jù)對(duì)意大利Naples地區(qū)和對(duì)美國(guó)Anaheim地區(qū)進(jìn)行仿真成像處理，隨著散射元數(shù)目的增多、觀測(cè)數(shù)的減少，旁瓣變高，不能實(shí)現(xiàn)高分辨率成像。2014年，文獻(xiàn)[6]利用28張超分辨率CSK數(shù)據(jù)，對(duì)意大利的Naples圣保羅體育場(chǎng)進(jìn)行形變監(jiān)測(cè)，時(shí)間跨度1年(形變速率分辨率為15 mm/a)，瑞利高度分辨率為6 m。

在基線和時(shí)間均勻采樣的條件下，二維傅里葉變換可獲得滿意的結(jié)果。然而實(shí)際條件下，傅里葉變換受到基線和時(shí)間數(shù)目較少、采樣不均勻的影響，同時(shí)需要滿足奈奎斯特采樣定理[24]，導(dǎo)致傅里葉變換效果差，旁瓣高，無(wú)法實(shí)現(xiàn)高分辨率成像。

2.2 空間譜估計(jì)算法

2005年，文獻(xiàn)[1]最早提出了差分層析成像概念，并采用Capon譜估計(jì)法成像，該方法具有高度-形變速率向的高分辨率，但是處理過(guò)程中需要使用多視數(shù)據(jù)估計(jì)觀測(cè)協(xié)方差矩陣，降低了方位向-距離向的分辨率且旁瓣高，適用性差。基于奇異值分解(singular value decomposition,SVD)的成像方法[25]計(jì)算量大，同時(shí)需要處理奇異值矩陣的病態(tài)問(wèn)題。2010年，提出基于Wiener型的正則化奇異值分解法[26]，并且擴(kuò)展到四維成像方法上。隨后，任笑真提出一種基于逆問(wèn)題的Backus-Gilbert成像算法[23]，并利用Tikhonov正則化獲得逆問(wèn)題的正則解。奇異值分解法和逆問(wèn)題求解成像算法雖都保持了方位向-距離向分辨率，但高程向-形變速率向分辨率依然較低。為改善高程向-形變速率向分辨率較低的問(wèn)題，2012年，文獻(xiàn)[27]提出基于RELAX算法的差分層析成像算法，該算法是在CLEAN算法基礎(chǔ)上發(fā)展起來(lái)的一種基于非線性最小方差(nonlinear least squares,NLS)準(zhǔn)則的高分辨譜估計(jì)算法，RELAX算法對(duì)噪聲不作任何限定性假設(shè)，具有較強(qiáng)的適應(yīng)性和穩(wěn)健性，可以在保持方位向-距離向分辨率的同時(shí)實(shí)現(xiàn)高度向-形變速率向的高分辨率成像。

空間譜估計(jì)算法的提出，改善了基于傳統(tǒng)傅里葉變換聚焦算法的成像效果，實(shí)現(xiàn)了超分辨率[28-29]，但是這種成像方法也存在局限性，需要使用多視數(shù)據(jù)估計(jì)觀測(cè)的協(xié)方差矩陣，而多視處理會(huì)降低方位向-距離向分辨率。

2.3 壓縮感知算法

壓縮感知(compressive sensing,CS)理論[30-31]由數(shù)學(xué)家Donoho、Candes和Tao等提出,根據(jù)CS理論，其核心內(nèi)容為：在滿足一定條件時(shí)，即使觀測(cè)樣本有限，稀疏信號(hào)也可以通過(guò)解一個(gè)非線性最優(yōu)化問(wèn)題而實(shí)現(xiàn)準(zhǔn)確或近似重構(gòu)。

2011年，朱小香將壓縮感知理論應(yīng)用到差分層析SAR成像技術(shù)中，采用TerraSAR-X影像對(duì)Las Vegas會(huì)議中心區(qū)進(jìn)行四維成像處理，試驗(yàn)采用兩種方法：CS算法和基于Wiener型的奇異值分解方法[32]，通過(guò)分析得出CS算法可以分辨出間隔距離較近的散射體，高度向上的分辨率達(dá)到2 m，從而驗(yàn)證了CS算法的性能。2012年，孫希龍采用基于壓縮感知的方法進(jìn)行差分層析成像，得出在實(shí)際采樣和典型噪聲水平情況下，相比SVD、RELAX方法，壓縮感知方法的分辨能力有較大的提升，驗(yàn)證了基于壓縮感知的差分層析成像方法的有效性[33]。同年，任笑真提出一種新的四維成像方法——加權(quán)壓縮感知(weighted compressive sensing)，該方法的基本原理是考慮高頻雷達(dá)應(yīng)用中實(shí)際目標(biāo)空間的稀疏結(jié)構(gòu)，利用雷達(dá)方位角的稀疏分布和方位角距離壓縮后的信號(hào)形式構(gòu)造基陣和測(cè)量矩陣。并將加權(quán)矩陣引入到優(yōu)化問(wèn)題中，以減少噪聲的影響，模擬數(shù)據(jù)的結(jié)果證實(shí)了成像方法的有效性[34]。文獻(xiàn)[35]提出基于貝葉斯壓縮感知的成像方法，隨著噪聲的增加，該方法的性能可以得到保持，有效避免了虛假目標(biāo)的增加及散射中心的丟失，即使在低信噪比情況下也能獲得良好的聚焦圖像。文獻(xiàn)[36]中朱小香將運(yùn)動(dòng)模型函數(shù)映射成線性，獲得在譜域中達(dá)到的一個(gè)峰值，基于差分層析反演本身提出一個(gè)二維壓縮感知(CS)為基礎(chǔ)的方法——“SL1MMER”,該方法在保持方位-距離向分辨率的同時(shí)獲得高程-形變速率向的超分辨率，有良好的穩(wěn)健性，不受旁瓣干擾的影響。

2016年，任笑真提出了一種基于幅度和相位迭代重建的四維合成孔徑雷達(dá)成像方法[37]，將四維合成孔徑雷達(dá)高度-速率成像問(wèn)題轉(zhuǎn)化為目標(biāo)復(fù)散射系數(shù)的幅度和相位聯(lián)合重建問(wèn)題，通過(guò)在成像過(guò)程中引入相位信息來(lái)改善成像質(zhì)量，并驗(yàn)證了算法的有效性。2017年，王愛(ài)春、向茂生等考慮目標(biāo)的稀疏特性和結(jié)構(gòu)特性這兩種特性，提出一種聯(lián)合Khatri-Rao子空間與塊稀疏壓縮感知[38-40](khatri-rao subspace and block compressive sensing,KRS-BCS)的差分層析成像方法[41]，并通過(guò)模擬仿真數(shù)據(jù)和Envisat衛(wèi)星ASAR實(shí)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果得出KRS-BCS差分層析成像方法不僅保持了高分辨率，而且實(shí)現(xiàn)了結(jié)構(gòu)稀疏信號(hào)目標(biāo)的四維空間信息估計(jì)。

相比傳統(tǒng)的傅里葉變換算法和空間譜估計(jì)算法，壓縮感知算法可以在遠(yuǎn)小于奈奎斯特采樣定理的條件下，用隨機(jī)采樣獲取信號(hào)的離散樣本，通過(guò)非線性重建算法完成信號(hào)重建，改善了成像效果。同時(shí)，國(guó)內(nèi)外研究學(xué)者在壓縮感知理論基礎(chǔ)上，根據(jù)觀測(cè)目標(biāo)本身的結(jié)構(gòu)特性提出改進(jìn)方法，更好地實(shí)現(xiàn)了具有稀疏信號(hào)目標(biāo)的四維空間信息估計(jì)。

3 差分層析SAR主要應(yīng)用及發(fā)展趨勢(shì)

3.1 城市動(dòng)態(tài)形變監(jiān)測(cè)

城市建筑的形變監(jiān)測(cè)是差分層析的重要應(yīng)用領(lǐng)域之一，在城市中，高度向可以造成相位的差異，同時(shí)建筑物的沉降及熱脹冷縮也能造成相位信息的變化，僅高度維成像不足以表達(dá)相位信息，需要獲取高度-形變速率維的高度和形變信息。文獻(xiàn)[42]在2009年首次將ERS實(shí)測(cè)數(shù)據(jù)應(yīng)用于差分層析成像中，對(duì)1992—2001年間意大利Naple市進(jìn)行形變監(jiān)測(cè)，2010年，文獻(xiàn)[43]利用ERS系統(tǒng)自1995—2000年間的43軌數(shù)據(jù)，對(duì)羅馬市區(qū)的城市建筑進(jìn)行了形變監(jiān)測(cè)。文獻(xiàn)[44]利用Envisat衛(wèi)星ASAR數(shù)據(jù)集對(duì)日本千葉茂原區(qū)進(jìn)行地表形變監(jiān)測(cè)，并利用一等水準(zhǔn)點(diǎn)和實(shí)時(shí)測(cè)量的GPS站點(diǎn)數(shù)據(jù)進(jìn)行精度驗(yàn)證，兩種試驗(yàn)方法保持了良好的一致性，而且形變速率整體偏差較小。2016年，文獻(xiàn)[45]采用TerraSAR-X影像數(shù)據(jù)對(duì)香港建筑區(qū)進(jìn)行形變監(jiān)測(cè)。同年，文獻(xiàn)[46]利用單視SAR成像的應(yīng)用案例，對(duì)巴塞羅那城市地區(qū)50幅條帶式TerraSAR-X圖像提取形變信息。

近年來(lái)，我國(guó)城市化進(jìn)程不斷加快，社會(huì)經(jīng)濟(jì)高速發(fā)展，出現(xiàn)了越來(lái)越多的高層建筑及大型綜合設(shè)施，密集建筑群的出現(xiàn)，導(dǎo)致城市地質(zhì)環(huán)境的改變，增加了安全隱患，而差分層析SAR可以對(duì)城區(qū)進(jìn)行長(zhǎng)期持續(xù)形變監(jiān)測(cè)，為城市沉降的監(jiān)測(cè)和安全事故預(yù)警方面提供重要的決策依據(jù)，對(duì)國(guó)民經(jīng)濟(jì)建設(shè)和公共安全具有十分重要的意義。

3.2 森林覆蓋研究

森林地區(qū)的動(dòng)態(tài)監(jiān)測(cè)和森林結(jié)構(gòu)信息提取也是差分層析的一個(gè)重要應(yīng)用領(lǐng)域。2008年，文獻(xiàn)[47]使用E-SAR系統(tǒng)P波段的機(jī)載數(shù)據(jù)對(duì)瑞典Remningstorp的森林地區(qū)進(jìn)行了差分層析試驗(yàn)，由于觀測(cè)數(shù)據(jù)少，成像結(jié)果不理想，卻驗(yàn)證了差分層析在森林地區(qū)成像的能力。2011年，文獻(xiàn)[48]利用E-SAR的多基線P波段數(shù)據(jù)，反演獲取了Remningstorp森林高度，同時(shí)，利用半?yún)?shù)化差分層析處理器來(lái)區(qū)別冠層和地面散射體，通過(guò)對(duì)干擾地面散射的體散射進(jìn)行去耦合，估算冠層下地面的沉降速度。2012年，文獻(xiàn)[49]將層析在森林高度、生物量估計(jì)的應(yīng)用擴(kuò)展到差分層析中，基于非離散頻譜的自適應(yīng)匹配模型，將冠層與地面點(diǎn)的高度進(jìn)行分離，盡管有少量稀疏離散值，但是獲得的森林高度圖與地面LiDAR方式獲取的非常相近，并且相比層析方法分辨率得到了提高。

由于森林體散射機(jī)制對(duì)極化方式具有強(qiáng)依賴性，可以利用不同極化信道[50]獲得SAR數(shù)據(jù)，提高成像散射體垂直位置估計(jì)的精度，因此將極化信息與差分層析技術(shù)結(jié)合，對(duì)獲取森林高度信息、冠層地面下的沉降信息、提取森林結(jié)構(gòu)信息、生物量估計(jì)等方面具有重要意義。

3.3 地下水位季節(jié)性變化監(jiān)測(cè)

2017年，文獻(xiàn)[51]采用2011—2013年間的45幅條帶模式獲取的TerraSAR/TanDEM-X影像數(shù)據(jù)，對(duì)Angkor遺址表層土壤毫米級(jí)形變變化與結(jié)構(gòu)失穩(wěn)信息進(jìn)行提取，通過(guò)分析得出地下水位和石頭熱膨脹的季節(jié)性波動(dòng)變化，導(dǎo)致結(jié)構(gòu)不穩(wěn)定和腐爛加重，增加了古跡倒塌的風(fēng)險(xiǎn)。

差分層析結(jié)合溫度信息獲得地下水位季節(jié)性變化信息，可以有效預(yù)防地下水位變化對(duì)地面建筑結(jié)構(gòu)穩(wěn)定性造成的危害，規(guī)避坍塌危險(xiǎn)的發(fā)生。

3.4 考古學(xué)應(yīng)用

如今，文化遺產(chǎn)的可持續(xù)性面臨著來(lái)自自然界的挑戰(zhàn)，例如，地質(zhì)災(zāi)害和水土流失及人類活動(dòng)(如城市化、資源開(kāi)發(fā)和旅游)，由此產(chǎn)生一些不可恢復(fù)的破壞。為了避免和預(yù)防這些現(xiàn)象，SAR遙感在文化遺產(chǎn)應(yīng)用中起到了至關(guān)重要的作用。

2017年，文獻(xiàn)[52]提出了層析SAR在干旱沙漠景觀的地下成像應(yīng)用，通過(guò)協(xié)同分析SAR數(shù)據(jù)的振幅和相位通道信息，驗(yàn)證了層析SAR用于探測(cè)淺埋考古遺跡的潛力，這一應(yīng)用需要考慮掩埋考古遺跡的深度及層析SAR垂直向分辨率的能力，波長(zhǎng)為L(zhǎng)波段的通?？梢蕴綔y(cè)到0～1.5 m，P波段可以進(jìn)行更深度的地下成像。為了更好地進(jìn)行風(fēng)險(xiǎn)監(jiān)測(cè)與預(yù)防評(píng)估，文獻(xiàn)[53]提出擴(kuò)展的D-TomoSAR方法，結(jié)合TomoSAR的三維成像特點(diǎn)和PS-InSAR技術(shù)的長(zhǎng)時(shí)間形變監(jiān)測(cè)特點(diǎn)，利用2013年5月至2015年2月的26幅TerraSAR-X/TanDEM-X條帶式觀測(cè)數(shù)據(jù)，對(duì)南京市的古城墻(明朝時(shí)期)進(jìn)行地面形變監(jiān)測(cè)及結(jié)構(gòu)穩(wěn)定性監(jiān)測(cè)，顯示靠近玄武門附近的古城墻有抬升趨勢(shì)。

微波SAR信號(hào)通過(guò)穿透植被和干細(xì)粒砂表面，可以檢測(cè)出樹(shù)冠層或沙面掩蓋的考古遺跡，在景觀考古學(xué)和文化遺產(chǎn)破壞程度的風(fēng)險(xiǎn)評(píng)估方面具有很大的潛力。

3.5 冰川應(yīng)用

2014年，文獻(xiàn)[6]通過(guò)對(duì)高度形變速率域中連續(xù)散射體的重構(gòu)，實(shí)現(xiàn)了地面表層的非剛性運(yùn)動(dòng)體散射速度剖面的反演，并通過(guò)試驗(yàn)?zāi)M了冰川運(yùn)動(dòng)情況。

目前，差分層析SAR在冰川運(yùn)動(dòng)方向的應(yīng)用尚處在起步階段，這方面的研究較少，但是近年來(lái)全球氣候變暖，導(dǎo)致冰川發(fā)生溶解和滑移，會(huì)對(duì)整個(gè)生態(tài)系統(tǒng)、農(nóng)業(yè)生產(chǎn)乃至人類生活造成重大影響，積極開(kāi)展冰川方向的研究，具有很大的應(yīng)用潛力。

4 差分層析SAR技術(shù)展望

差分層析SAR成像技術(shù)實(shí)現(xiàn)了四維信息的獲取，但是實(shí)際應(yīng)用中數(shù)據(jù)獲取、成像算法等方面仍然存在大量的問(wèn)題需要研究。以下給出了目前差分層析成像技術(shù)中的問(wèn)題，并對(duì)其發(fā)展趨勢(shì)進(jìn)行了展望。

4.1 大氣效應(yīng)影響

SAR數(shù)據(jù)是一系列時(shí)間序列的影像集，由SAR系統(tǒng)的衛(wèi)星重訪方式獲得，獲取過(guò)程中不可避免地受到大氣變化或時(shí)間失相關(guān)因素帶來(lái)的誤差影響。為避免大氣影響引入的誤差，可以加入氣象數(shù)據(jù)或采用永久散射體技術(shù)(permanent scatterer，PS)[54-55]，PS技術(shù)建立在相干性很高的永久散射體上，可以很好地估計(jì)并去除大氣效應(yīng)。

4.2 高分辨率的成像算法

差分層析四維成像是在層析SAR基礎(chǔ)上，通過(guò)高度-速率二維聚焦成像。如何保持方位-距離向分辨率的同時(shí)保持高度-形變速率的高分辨率，是差分層析成像的一個(gè)難點(diǎn)問(wèn)題。目前，差分層析成像技術(shù)的主要成像算法有：傅里葉變換算法、空間譜分析算法、壓縮感知算法。其中壓縮感知算法不受奈奎斯特定理的約束，可以實(shí)現(xiàn)較高分辨率的成像效果，是目前差分層析成像技術(shù)中最為有效的成像算法。由于實(shí)際目標(biāo)在空間上的稀疏分布，因此針對(duì)目標(biāo)本身特性，研究提出高分辨率成像算法是目前亟待解決的問(wèn)題。

4.3 非線性形變問(wèn)題

在差分層析成像中，由于散射體的運(yùn)動(dòng)不均是線性，可能是熱脹冷縮效應(yīng)導(dǎo)致的非線性形變或其他形變，因此四維SAR層析成像不一定適用于所有情況。為避免目標(biāo)非線性形變產(chǎn)生的誤差，可以將四維模型擴(kuò)展為多維模型。2011年，研究人員將四維SAR層析成像拓展到更多維，提出了一種3+M維SAR層析成像模型，通過(guò)重新排列采集的SAR數(shù)據(jù)，將任何非線性多分量運(yùn)動(dòng)轉(zhuǎn)化為線性分量運(yùn)動(dòng)，通過(guò)將時(shí)間基線投影到人造時(shí)間基線，為“時(shí)間隧道”方法[56]提供了聚焦所需參數(shù)的可能性，使得差分層析擴(kuò)展到(M+1)維[57]變形監(jiān)測(cè)成為可能，具備非線性形變檢測(cè)能力，可使其對(duì)在城市多維動(dòng)態(tài)監(jiān)測(cè)、預(yù)防地下水位變化等應(yīng)用領(lǐng)域具有巨大發(fā)展?jié)摿Α?/p>

4.4 極化信息的應(yīng)用

多通道、全極化是未來(lái)SAR系統(tǒng)的發(fā)展趨勢(shì)，多通道可以提供更加密集的數(shù)據(jù)，在抑制噪聲提高成像能力方面具有優(yōu)勢(shì)，極化SAR對(duì)散射體的形狀和方向具有敏感特性，將極化、多通道信息與差分層析結(jié)合，能夠更全面地提取目標(biāo)信息，對(duì)于監(jiān)測(cè)冰川移動(dòng)、森林垂直結(jié)構(gòu)及冠層下森林地表沉降演變具有重大意義。

5 結(jié) 語(yǔ)

本文介紹了差分層析SAR成像的基本原理和處理流程，重點(diǎn)對(duì)差分層析成像的重構(gòu)算法、國(guó)內(nèi)外最新研究成果進(jìn)行了綜述，并總結(jié)了其在城市動(dòng)態(tài)形變監(jiān)測(cè)、地下水位季節(jié)性變化檢測(cè)、考古學(xué)、冰川移動(dòng)等領(lǐng)域的應(yīng)用潛力；最后，指出了差分層析SAR成像技術(shù)的研究熱點(diǎn)，對(duì)其未來(lái)的發(fā)展趨勢(shì)進(jìn)行了展望。隨著多平臺(tái)(衛(wèi)星、飛機(jī)、地面)、SAR數(shù)據(jù)的批量獲取，差分層析作為一個(gè)較新的四維信息獲取方式，在地球環(huán)境因子定量反演過(guò)程中將會(huì)受到更多的關(guān)注。