Atmospheric Effects on InSAR Measurements and Their Mitigation（Xiao-li Ding，2008）

Abstract

合成孔径雷达干涉测量（InSAR）是一种强大的技术，用于观测地球表面，特别是用于绘制地球的地形和变形。然而，InSAR测量往往受大气的显著影响，因为雷达信号穿过大气层传播，而大气的状态在空间和时间上都有变化。近年来，人们为了更好地了解大气效应的特性并开发方法来减轻这些影响而做出了巨大努力。本文系统地回顾了在这一领域开展的工作。首先介绍了大气效应对重复通过InSAR的基本原理。然后讨论了关于大气效应特性的研究，包括在世界各地确定的效应大小、大气效应的频谱、各向同性特性和效应的统计分布。接着回顾了为减轻大气效应而开发的各种方法，包括基于PSInSAR处理的方法、基于干涉图建模的方法，以及基于GPS观测、地面气象数据和MODIS和MERIS等卫星数据的外部数据的方法。还给出了分别使用MODIS和MERIS数据来校准InSAR大气效应的两个示例。

Introduction

（1）InSAR很优秀-应用广泛
（2）大气误差
SAR的局限性在于大气层对信号的影像，主要是对流层和电离层。
对流层：信号（电磁波）在穿过对流层时会被延迟（削弱），对流层效应限制InSAR技术的应用
电离层：信号（电磁波）在穿过电离层时会被加速（促进），电离层的天顶误差（zenith ionospheric range error）与总电子含量（TEC）成正比。电离层是一种色散介质，作用强弱与波长的平方成正比。
色散介质：电磁波通过时介质对不同频率的电磁波具有不同的传播速度，从而导致信号的频率分离
非色散介质：介质对不同频率的电磁波具有相同的传播速度，不会导致信号频率的分离
（3）这篇文章的主要工作
讨论对流层对InSAR的影响。
大气延迟的原理——研究结果——研究方法

Repeat-Pass SAR Interferometry（InSAR）

（1）讨论重复轨道的InSAR

（2）上图中A1和A2分别表示两次采集对应的雷达平台位置，两个位置的相位可表示为
L1和L2分别表示对应的斜距，λ是雷达信号的波长，干涉相位可以表示为

Q1：公式中为什么是第一个位置的相位减去第二个位置的相位，反过来写行不行？
干涉相位近似可以取值为

α是基线的方向角，θ是入射角
（3）如果地面没起伏（就是入射到了椭球面），可以按照模型b表示为

如果地面有起伏，则会增加一个偏角

联立上面两个式子就可以得到椭球相位

地形高度h与偏角的关系也可以通过几何看出为

因此h可以计算为

上述是建立在地表在两次采样时不发生变化的情况下开展的，DInSAR是用来测量两次间形变的技术。

如上图，我们对一次地表形变建模，d表示地表位移，r表示位移在LOS向的投影。
位移会在干涉相位中有所反应，这种变化与LOS向的形变成比例：

因此，干涉相位包括topography information和deformation information

为了绘制两次SAR的地标性变，必须去除地形影响，DInSAR常用方式包括【1】二轨+DEM【2】三轨【3】四轨。
常用的是二轨+DEM，在计算中，基于DEM和干涉图的集合成像来模拟SAR干涉图（生成地形干涉图），并将其从形变干涉图中去除，三轨和四轨中，地形和形变干涉图都是从SAR图像中生成的，他们惟一的区别在于，在三轨中一个图像由地形和形变干涉图共享。

干涉相位中还包括轨道相位（轨道误差引起的线性相位斜坡）。

The Atmosphere and its Effects on Repeat-Pass InSAR

在SAR干涉图中大气伪影主要是由介质的折射率变化引起的，折射率的变化则是由大气压力、温度和水汽引起的。
（1）气压和温度引起的误差：气压和温度的空间变化不足以在干涉图中引起强烈的局部相位梯度，气压和温度的影响较小，而且通常是均匀分布（很难将其与轨道误差分开）。
（2）水汽引起的误差（湍流）：水汽误差在SAR干涉图像中占主导地位，水汽主要存在于对流层，存在强烈的湍流混合过程，可以导致折射率的三维空间异质性，并且可以在平坦和山地引起局部相位梯度（Turbulent mixing can result in three-dimensional (3D) spatial heterogeneity in the refractivity and can cause localized phase gradient in both flat and mountainous regions）
（3）分层成分：不同垂距的大气折射率存在差异，这种差异在山区更为严重，在山区会产生比湍流更大的对流层延迟
当空气中的水蒸气结晶成可见的水滴或者冰晶时，云就形成了。云可以分两类：stratus clouds and cumulus clouds（层云&积云？）层云的液态水含量低，因此它不会对SAR信号产生显著的距离误差，然而积云的含水量较大，会造成严重的天顶延迟（zenith delays）。
我们在每次SAR观测的值中显式的引入大气延迟误差，就可以把观测到的相位表示为：

Δ L表示大气延迟导致的额外路径，基于此可以重新定义出干涉相位：

第一项是地形和地表形变的干涉相位，第二项为大气延迟相位，可以看出第二项中Δ L的变化是造成InSAR观测误差的原因。
以下两种条件可以抵消大气相位延迟
（1）两次采集时大气状态不发生变化
（2）如果Δ L的变化对于每一个研究区域的像素单元是一个固定的常数
但是这在现实世界几乎不可能发生。
（1）对流层在几小时的变化就很大，即使是一天的重访周期也不可能具有相同的大气延迟。
（2）湍流存在局部性，使得研究区域的全部像素单元很难保持一致且恒定的延迟相位
大气相位延迟对地形和形变测量是直接的：

σφ表示干涉图相位误差，σh表示高程误差，σr表示D-InSAR中的形变误差，假设每个干涉图σφ相同，则三轨和四轨的协方差矩阵可表示为
根据误差传播定理，大气引起的相位误差对三轨和四轨的形变影响是：

Properties of Atmospheric Signals in SAR Interferograms

Atmospheric Signals from SAR Interferograms

干涉相位由地形、形变、大气延迟差异以及各种噪声组成
（1）地形相位可以通过参考DEM来去除
（2）如果研究区域的形变是微小或者已知，则可以消除或者忽略形变
（3）多视和细致的干涉处理可以有效抑制噪声相位。
因此，最终可以获取到仅包含大气特征的干涉图，这时我们需要对大气特征进一步了解才能更好的明白InSAR中的大气效应。此外，大气信号可以用来推导各种大气产品，比如绘制高分辨率的水汽图。

Anisotropic Properties of Atmospheric Signals

（1）Radon transforme（拉东变换）：radon是一种数学变换，用来将二维函数（图像）转换为其他不同角度上的投影，它在医学成像、地震学和其他领域被广泛使用，radon变换可以帮助分析图像中的特定特征。
（2）radon变换是沿着指定角度投影图像强度，单个Radon变换是将图像从二维映射到一维，其中图像强度会折叠成一个轮廓。因此，Radon变换是一种用于研究图像各向异性的工具，因为特定方向上的系统强度变化将显示为一个轮廓

（3）大气信号的radon变换显示出不同程度的各向异性。例如，第一个变换显示出强烈的不对称性，特别是在0-90的位置，这意味着在干涉图的西南角和东北角存在差异较大的大气信号。然而，正如作者指出的那样，没有一个变换显示出信号的复杂变化，也许是因为研究区域非常平坦。这些结果与在山区获得的结果非常不同，山区的大气效应变化显著，也许是由于垂直分层或者山区对流层的“静态”效应以及山脉对当地天气条件的影响。

Gaussianity of Atmospheric Signals

高斯性的确定是信号处理中的重要判断前提，对于高斯和非高斯信号采用的处理策略并不相同。
许多假设检验可以研究信号是否是高斯的。
（1）Jarque-Bera检验：Jarque-Bera检验是一种检验数据是否符合高斯分布的统计检验方法。检验基于数据的偏度和峰度，通过比较样本偏度和峰度与高斯分布假设下的期望值来判断数据是否符合高斯分布。如果样本偏度和峰度与期望值有显著的偏离，就可以拒绝数据集符合高斯分布的假设。
（2）Hinich检验：Hinich检验是一种检验时序数据中存在非随机性的统计检验方法，用于检验时序数据中是否存在周期性、自相关性或者其他非随机的特征。Hinich检验通过比较时序数据中的观测值和它们的滞后值之间的相关性来检验非随机性。
研究表明，干涉图中的大气信号是非高斯的。

Spectral Characteristics of Atmospheric Signals（频谱特征）

干涉图中的大气信号的频谱显示了不同空间尺度上大气效应的能量分布。通过使用（2D）FFT（Fast Fourier Transform）来估计大气信号的二维功率谱（2D power spectra），由于得到的功率谱比较嘈杂，因此通常会将二维功率谱转为一维旋转平均功率谱（rotationally averaged power spectra），研究大气信号的能量分布。
（1）Kolmogorov湍流（Kolmogorov turbulences）：Kolmogorov turbulences是指Kolmogorov理论描述的一种湍流模型（流体动力学研究中的基本理论）。Kolmogorov turbulences描述了湍流流动的行为以及在流动的惯性子范围内能量的分布。根据Kolmogorov理论在这个子范围内，能量谱遵循幂律分布，其特征具有特定的指数（三维湍流为-5/3）。
（2）幂律分布（power law feature，幂律特征）：幂律分布是指一种数学上的概率分布，其密度函数可以表示为f(x) = kx^(-α)，其中k是一个常数，α是分布的幂律指数。在幂律分布中，较大的值相对较少出现，而较小的值相对较常见。这种分布在自然界和社会现象中都有广泛的应用，例如在地震的能量释放、城市人口分布、收入分配等方面都可以观察到幂律分布的特征。
Goldstein等人首次计算了SAR干涉图中大气信号的功率谱，并证明这些谱遵循幂律分布，其幂指数为-8/3。这一特征与Kolmogorov湍流有关，表明了尺度不变性或标度性质。Hanssen分析了荷兰26个SAR干涉图中大气信号的谱。结果也显示了幂律特征。Li等人计算了上海四个干涉图中大气信号的功率谱（图4）。很明显，这些信号整体上符合幂律分布。这些结果与Goldstein等人对加利福尼亚莫哈韦沙漠以及Hanssen对荷兰格罗宁根和弗莱沃兰地区的研究结果是一致的。
幂律可以描述为：

式子左侧为幂律，k表示空间频率，β是指数。理论上，当
时，数据是不平稳的，但是其增量是稳定的。

幂律指数是估计大气效应能够在多大程度上用过外部数据确定和消除的重要参数，可以根据不同尺度的信息积分大气功率来估计大气信号的累积能量。因此，对于上述四个干涉图，计算出的能量的90%对应的空间尺度分别为0.82、1.01、0.94和0.29公里 [33]。这些空间尺度可以被视为外部大气数据所需的最低空间分辨率，以校准SAR干涉图中90%的大气效应。因此，要校准这四个干涉图中90%的大气效应，外部大气数据的空间分辨率（假设没有测量误差）必须分别达到0.82、1.01、0.94和0.29公里 [33]。这可以作为在基于外部数据对InSAR进行大气效应校正时的参考。

Mitigation of Atmospheric Effects on Repeat-Pass InSAR

Correction of Atmospheric Effects based on External data（利用外部数据）

Correction of atmospheric effects based on ground meteorological observations（地面气象观测）

使用地面气象数据可以校准无线电测距中的对流层延迟局限性：
使用气象数据来校正InSAR上的大气效应存在的困难主要包括根据经验对流层模型估计的大气延迟的精度较低以及气象站通常分布稀疏。

Correction of atmospheric effects based on GPS observations（GPS观测）

GPS气象学的发展使得我们可以通过GPS观测来估计对流层延迟，然而，GPS站点的空间分辨率通常远低于InSAR数据，从而限制改正效果。
迄今为止，提出的各种使用GPS观测数据校正InSAR大气效应的方法主要在于使用何种算法从空间上稀疏的GPS大气延迟测量中生成大气延迟图。因此，校正的准确性取决于从稀疏的GPS观测数据中可以检索到多少未采样位置的大气延迟。随着全球GPS网络密度的逐渐增加，这种方法将变得越来越有用。

Correction of atmospheric effects based on high-resolution meteorological models（高分辨率气象模型？——数值模拟）

☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆
数值气象模拟是大气研究中的重要工具。数值气象模拟可以在全球、区域或中尺度上进行。全球和区域数值气象模型通常太粗糙，无法模拟InSAR上的大气效应。中尺度数值气象模型可以具有连续的时间尺度和几公里的水平空间尺度，因此适用于InSAR大气校正。可以从这些模型中检索沿雷达路径的综合水汽含量，并用于校准InSAR上的大气效应。
Wadge等人[59]使用局部尺度的非静力三维模型(NH3D)模拟了埃特纳火山上的水汽路径延迟，并发现NH3D延迟与ERS-2 SAR干涉图和GPS估计结果基本吻合。Webley[65]和Webley等人[64]通过使用从NH3D模型导出的路径延迟，对埃特纳火山上的一个下行和两个上行SAR干涉图进行了大气效应校正的测试。结果显示，校正后，相位标准差可以提高高达28.6%。然而，精度的改善在很大程度上取决于用于初始化NH3D模型的数据。Foster等人[66]使用了MM5模型（由美国大气研究中心（NCAR）/宾夕法尼亚州立大学开发的非静力中尺度气象模型）来预测大气延迟图，并对夏威夷的44个SAR干涉图进行校正。结果显示，平均而言，具有30公里或更长波长的大气效应可以显著减小，而具有小于30公里波长的大气效应无法有效减小。最近，Puysségur等人[67]发现，从Envisat Medium Resolution Imaging Spectrometer (MERIS)和MM5模型估计的水汽含量是一致且无偏的，因此提议将MM5模型和MERIS数据整合用于InSAR大气校正。测试结果显示，约有43%的大气信号可以被去除。尽管需要进一步研究以提高该方法的准确性和可靠性，但高分辨率气象模型为减轻InSAR上的大气效应提供了一些有希望的机会。

Correction of atmospheric effects based on MODIS data（MODIS数据）

（1）MODIS：MODIS是NASA和NOAA联合开发的遥感仪器。它搭载在NASA对地观测卫星上用来获取影像数据。MODIS提供多个波段的光谱数据，包括可见光、近红外和热红外，1 km×1 km（在正对点）的空间分辨率。MODIS主要用于监测地球的气候和环境变化，包括观测大气成分、云层、陆地表面温度、海洋表面温度等。其中，MODIS的近红外水汽产品可以用于研究和校正InSAR（干涉合成孔径雷达）中的大气效应。
（2）SCIGN（Southern California Integrated GPS Network）：SCIGN是一个覆盖南加州地区的全球定位系统（GPS）网络。它由一系列GPS接收器组成，这些接收器分布在南加州地区的不同地点，包括洛杉矶、圣地亚哥和圣贝纳迪诺等地。SCIGN旨在监测地壳运动和地震活动，以及研究地球的地质变化和构造活动。
（3）MODIS对云量敏感，可以帮助InSAR建模大气效应。MODIS空间分辨率比GPS测站高，南加州综合GPS网络（SCIGN），其分辨率也比MODIS的分辨率稀疏十倍以上。

Correction of atmospheric effects based on MERIS data（MERIS 数据）

（1）MERIS： 是欧洲空间局（ESA）的一款中分辨率成像光谱仪，可以测量可见光和近红外光谱范围内的辐射，从而提供有关海洋水质、陆地植被、云覆盖和大气参数等方面的数据。
（2）PWV（Precipitable Water Vapor）：PWV代表大气中的可降水水汽含量，是指大气中的水蒸气的含量。
Envisat上的MERIS每天进行三次全球PWV，并配备了两个近红外水汽通道，可以与ASAR（Advanced SAR）同时获取水汽数据。
MERIS的PWV精度可以达到300m的精度比MODIS的准确性高。因此，MERIS测量为准确建模ASAR测量的大气效应提供可能

Correction of Atmospheric Effects based on Correlation Analysis（相关分析）

两种Correlation Analysis的方法：【1】分析干涉图之间的相关性；【2】分析干涉图中大气延迟相位与海拔之间的相关性
相关性分析方法的优势在于不需要外部数据。然而，该方法在很大程度上依赖于不同干涉图中形变和大气信号之间的相关性。相关性较弱可能会导致大气效应减少不足。

Correction of Atmospheric Effects based on Pair-Wise Logic（成对逻辑，线性组合）

SAR干涉图中的大气特征可以通过成对逻辑方法[21]确定。通过比较跨越不同时间间隔的干涉图，可以识别与当地地面位移模式不同的大气扰动。

Correction of Atmospheric Effects based on PSInSAR Technique（PS-InSAR）

PSInSAR基于永久散射体，可以克服SAR干涉中的相干损失和大气异质性。
在PSInSAR中大气效应被建模为小区域的方位向和距离向上的线性相位坡度，大气模型的参数与其他参数（DEM误差和永久散射体的LOS形变）一起进行估计，最后，对应于每个干涉图的估计大气效应插值回图像网格，并在干涉图中去除。
该方法的一个缺点是需要在相同区域获得大量的SAR图像，通常超过30张，才能获得可靠的结果。

Reduction of Atmospheric Effects with the Stacking Method（叠加，stacking）

Stacking 是一种通过对独立的SAR干涉图进行平均来减少InSAR大气效应的方法。假设干涉图之间的大气效应不相关，平均N个独立的干涉图将把大气信号减少到1/N。、
但是，Stacking会降低InSAR的时间分辨率，当存在非线性地面变形时，该方法可能会丢失非线性变形。

Conclusion

大气效应是重复通过InSAR测量中的限制性误差来源之一。SAR干涉图中的大气信号是各向异性的，并且其分布是非高斯的。大气信号的频谱遵循幂律分布，幂指数非常接近于-8/3。基于地面气象观测、GPS数据、来自MERIS和MODIS等卫星水汽产品以及数值气象模型结果等外部数据，已经开发了各种方法来减轻InSAR测量中的大气效应。这些方法通常能够将大气效应减少约20-40%。其他用于减轻大气效应的方法主要基于简单的数据分析或数值解，包括成对逻辑、叠加、相关分析和PSInSAR方法。每种方法都有其优缺点。应选择最适合的方法，考虑到获取的SAR场景数量、InSAR处理方法、大气条件（如云情况）和可用的外部数据。