4InSAR變形監測的挑戰
4.1多維形變測量
眾所周知，InSAR技術只能監測地表形變在雷達視線方向(line-of-sight，LOS)上的一維投影。然而在現實中，地質災害引發的地表形變都是發生在三維空間框架下的，即所謂的三維形變場。理論上，融合3個或以上平臺或軌道的InSAR形變觀測值就可以重建三維地表形變。但受限于現有SAR衛星的極軌飛行和側視成像模式，InSAR形變觀測值對南北向形變極其不敏感，導致該方法只能在忽略南北向形變的前提下得到可靠的垂直向和東西向形變[89]。因此，InSAR形變觀測值極有可能導致對地質災害的誤判甚至錯判，這已經成為限制InSAR技術應用和推廣的主要瓶頸之一。
為了克服InSAR技術的上述缺陷，部分學者開始研究利用偏移量跟蹤(OFT)[90]和MAI[37]技術監測LOS向之外(即方位向)的地表形變結果。其中，OFT方法是利用主輔SAR影像的配準偏移量信息來監測地表在方位向(即衛星飛行方向)上的形變信息。國內外的研究成果表明，融合升軌和降軌的DInSAR和OFT/MAI觀測值，可以較好的重建由地震、火山噴發和冰川漂移等大型地質災害的三維形變場。另一方面，GPS是目前最為常用的三維地表形變監測技術，但是只能獲得稀疏的GPS地面站所在位置的測量結果。通過融合InSAR和GPS資料，可以充分利用二者的優點，獲取高分辨率的三維形變場[91]。
通過上述分析可知，對于絕大多數沒有布設足量GPS的研究區域，現有的InSAR方法都難以得到高精度的三維形變(特別是南北向形變)結果，從而導致InSAR在監測某些地質災害時力不從心，例如近南北走向的走滑斷層活動、近東西走向的逆沖斷層活動、朝南或朝北的山體滑坡等。已經進入可行性論證階段的高軌SAR衛星，其成像幾何與目前低軌SAR衛星的成像幾何差異較大，已有研究表明，融合高軌和低軌InSAR觀測值，可以獲取高精度的三維形變場[92]。另一方面，不同平臺、不同軌道SAR數據的獲取時間和重返周期都有所差異，導致現有模型在解算三維時序形變存在秩虧問題，需要借助附件條件進行約束，這不僅有損InSAR三維時序形變結果的估計精度，而且每獲取一景新的SAR數據，都需要將其與之前所有的存檔數據一起重新處理，極大地浪費了時間和精力。動態平差方法(如卡爾曼濾波)則為解決該問題提供了新的思路。
4.2低相干區測量
相干性是InSAR技術無法回避的問題之一[3-4]。受各成像時刻分辨率單元內散射體變化、傳感器姿態變化和雷達波透射比等因素制約，雷達回波信號不同程度地遭受著時空去相干的影響，導致干涉相位隨機噪聲增加，相干性衰減，測量精度降低。當兩次回波信號的線性相似程度為0時，則產生完全失相干現象，致使InSAR技術失效。
低相干或快速去相干區域目前并沒有明確的定義，一般是指時間或空間相干性小于某個臨界值時的研究對象，如牧草地或濕地區域的干涉質量隨時間變化呈指數衰減，是典型的低相干區域。從InSAR的技術特點出發，傳統D-InSAR由于觀測有限，很難直接捕捉到這類區域的形變特征。反之，時序InSAR，特別是基于分布式目標的時序InSAR技術因觀測數增多、信噪比增強等特點能夠部分恢復低相干區域的形變歷史[27,29]。然而，這對于InSAR數據處理是一項極具挑戰性的任務，主要體現在兩個方面：①相干性是評價相位質量的唯一指標，因此相干性的參數估計問題是整個質量控制的關鍵；②在時間維，僅有限的觀測用于解算時序形變，在最小范數框架下，設計矩陣面臨秩虧，增加約束條件是影響最終產品精度的關鍵[21]。在第①點中，由于樣本相干性是有偏估計量，在低相干區域產生更高的系統偏差，使得相干值并不能客觀反映相位質量，導致實際選取的點目標相位質量差。若要提取正確的點目標，去除系統誤差是關鍵。但是，相干性估計量的統計屬性十分復雜，且無解析表達式。當前行之有效的解決方法是采用Bootstrapping或Jackknife非參數統計技術在無分辨率損失的情況下逐點去除觀測偏差[11]。在第②點中，解的穩定性取決于觀測數量和約束條件與現實時序形變的吻合程度，目前通用的方法是采用截尾SVD分解或Tikhonov正則化方法(拉普拉斯平滑算子)進行補償[21]。
不同波長的傳感器具有不同的抗失相干能力。隨著SAR影像的累積，同一區域可能覆蓋多個傳感器的數據棧。將多源傳感器數據進行聯合解算以便增加觀測數并同時提高時間分辨率是實現低相干區域InSAR形變監測的主流方法[93]。這不僅對不同平臺的數據配準有更高的要求，而且不可避免地衰減空間分辨率。然而，在干涉條件較差的環境下，利用犧牲空間分辨率換取估計精度的可靠性可能是目前低相干區域測量的唯一手段，而在沒有先驗知識的情況下一味追求對形變解算方法的改進很可能導致錯誤的解譯結果。
瞬時形變，如同震引起的地表破裂常使得斷層附近的觀測完全失相干，上述InSAR監測方法完全失效。備擇方案是采用SAR圖像偏移量技術獲取近場變形或以偏移量方法輔助恢復干涉條紋信息。
4.3大氣誤差改正
大氣延遲的影響是當前InSAR地表形變監測中的主要誤差源之一。SAR衛星發射的微波信號穿過大氣層時，會由于大氣層中傳播介質的非均勻性而影響電磁波的傳播速度和傳播路徑，從而產生額外的大氣信號。由于大氣層在不同時刻呈現的狀態不一樣，導致SAR衛星在不同成像時刻受大氣的影響也不相同，兩次成像時刻的大氣信號之差即所謂的“大氣延遲”。大氣層中的電離層和對流層是導致大氣延遲的主要介質層[4]。
電離層對微波信號的影響主要與傳播路徑上的總自由電子數目(TEC)有關，其中電離層中自由電子的數目主要受太陽表面黑子活動強度的影響，InSAR中的電離層影響則主要是由于兩次SAR成像時刻沿傳播路徑上電離層自由電子數目的變化導致，且影響程度與傳播信號頻率的平方成正相關，則頻率越高影響越大。在相同電離層情況下，L-波段(1.275MHz)SAR衛星受電離層的影響程度大約是C-波段(5.29MHz)的17倍[94]。此外，TEC在不同維度帶的分布及其不均勻，通常情況下赤道附近的InSAR電離層影響相比于中高緯度地區要更明顯。當前對于InSAR電離層的改正主要有以下幾種方法：①利用外部探測手段監測到的TEC數據(例如GPS)來改正干涉圖中的電離層誤差[95]；②通過計算SAR影像在方位向上的Offset-tracking來估計電離層誤差[96]；③利用MAI監測出方位向上的形變來估計電離層影響[97]；④通過分裂距離向雷達頻譜的方法(RangeSplit-spectrumInterferometry,RSI)得到基于兩個不同頻率獲得的干涉圖來估算出與電離層相關的大氣誤差[94]。然而以上方法都還存在著一些自身的局限性，第1種方法受限與外部數據的空間分辨率，例如GPS站的空間分辨率往往達到了數十千米；第2種方法則非常依賴于像素匹配的精度，而且估計結果會受方位向形變信號的影響；第3種方法則非常依賴于前后孔徑干涉圖的空間相關性以及MAI相位沿方位向上的積分精度；第4種方法則受限于SAR衛星本身的載波頻率帶寬，例如當前的SAR衛星帶寬通常只有14MHz或者28MHz。因此，對于InSAR中電離層影響的校正依然是一個較為棘手的問題。
相比于電離層的影響主要集中在低緯度地區以及長波段SAR干涉圖中，對流層(又稱中性大氣層)延遲對于InSAR干涉圖的影響則更為普遍[4]。電磁波在對流層中的傳播主要與大氣壓強、溫度以及空氣中的水汽含量的有關。由于壓強和溫度在空間上的變化比較緩慢，空間尺度比較大，因此InSAR干涉圖中的對流層延遲主要與水汽含量的空間分布有關。兩個SAR成像時刻的水汽含量只要變化20%，則可以導致10~14cm的InSAR形變誤差[3]。空間上的InSAR對流層延遲在物理機制上可以將其分為兩部分：垂直分層部分和湍流部分。其中垂直分層部分的對流層延遲與地形起伏相關，在多山地區的影響較為明顯，湍流部分的對流層延遲則與地形無關，而受大氣的湍流作用影響[4]。當前InSAR對流層誤差的校正主要可以分為如下兩大類方法：第1類，基于外部大氣數據的對流層誤差改正方法[98]；第2類，利用InSAR對流層延遲在時空上的統計特性基于統計學的方法來削弱其影響[14]。其中第1類方法中的外部大氣數據源主要有：①GPS估計出的天頂延遲數據；②MODIS、MERIS光學傳感器獲得的水汽數據；③氣象模型(如WRF，NWM)估計出的對流層延遲數據。這一類基于外部數據的校方法非常受限于外部數據自身的觀測質量以及數據的時空分辨率，例如GPS數據雖然有較好的時間分辨率，但空間分辨率遠低于SAR影像，MODIS數據和MERIS數據則只在白天工作，而且數據質量受云污染的影響嚴重，氣象模型則受限于原始氣象數據的空間分辨率(數十千米)，而且氣象模型不能估計湍流部分的對流層延遲。第2大類對流層校正方法則主要有以下兩種：①通過分析對流層延遲與地形起伏的關系，在空間上建立對流層延遲的函數模型[99]；②利用時間序列上的干涉圖，在時間域通過濾波或者平差的手段來削弱對流層的影響[14]。然而這一類方法也存在著一些自身的缺陷以及局限性，例如空間域對流層函數模型建模的方法則只能削弱垂直分層部分的大氣延遲，通過時許濾波的方法則往往都是基于時間域對流層延遲符合高斯分布的假設，而這往往不符合實際情況的。
相信隨著外部探測技術的不斷完善、SAR傳感器的不斷改進以及算法的不斷優化，InSAR大氣延遲的校正可以得到進一步的改善和提高，這對于InSAR技術的推廣以及更高精度地表形變的提取也是至關重要的。
