Сборник тезисов докладов шестнадцатой Всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса", Москва, ИКИ РАН, 2018 год

(http://smiswww.iki.rssi.ru/d33_conf)

О поиске распределенных отражателей с использованием свободно распространяемого программного обеспечения (StaMPS/MTI)

Киселева Е.А. (1), Михайлов В.О. (1), Черепанцев А.С. (2), Смольянинова Е.И. (1), Дмитриев П.Н. (1)
(1) Институт физики Земли им. О.Ю. Шмидта РАН, Москва, Россия
(2) Института нанотехнологий, электроники и приборостроения Южного Федерального Университета, Таганрог, Россия
В последнее время все более широкое распространение получают методы оценки смещений земной поверхности, основанные на применении радаров с синтезированной апертурой (спутниковая РСА-интерферометрия, или InSAR). При анализе серий снимков применяются различные модификации технологии поиска устойчивых отражателей (PS), например, PSInSAR (Feretti, 2001), в которых рассчитываются временные ряды и средние скорости смещений для отдельных устойчиво отражающих площадок за период, покрываемый снимками. Число устойчиво отражающих площадок в пределах одного снимка для областей с развитой промышленной инфраструктурой или городской застройкой может достигать многих десятков тысяч, однако на природных объектах плотность данных отражателей обычно невелика, что естественно влияет на устойчивость проведения процедуры развертки фазы и, как следствие, снижает качество полученного в результате поля смещений. Параллельно с развитием методов поиска устойчивых отражателей среди пикселей, демонстрирующих хорошую корреляцию в течение всего периода съемки, начали разрабатываться методы извлечения информации о смещениях из пикселей, подверженных декореляции на некоторых временных интервалах. Один из возможных подходов заключается в том, что для уменьшения эффекта декорреляции из всего набора возможных интерферометрических пар выбираются те, которые имеют малые временные либо пространственные (расстояние между положениями спутника в моменты съемки) базовые линии (методы SBAS, Berardino et al., 2002). Полученные таким образом отражатели названы распределенными отражателями (от англ. Distributed Scatterers, DS). Отметим, что в методе SBAS все выбранные интерферограммы прежде всего фильтруются (пространственная осреднение или малтилукинг - multilooking) для того, чтобы уменьшить вызывающий декорреляцию шум. Некоторое промежуточное положение между этими двумя подходами занимает метод, предложенный А. Хупером и реализованный в программном пакете StaMPS/MTI (Hooper et al., 2007, Hooper et al., 2008). Метод основан на фазовой стабильности как критерии выбора устойчивого отражателя. Количество устойчивых отражателей на природных объектах, найденных по этому методу, превышает количество PS, найденных по методу PS InSAR, однако их плотность часто недостаточна, временные серии для устойчивых отражателей, полученных на природных объектах зачастую достаточно зашумлены. Следующим шагом стали технологии, которые позволяют проводить совместный поиск и устойчивых и распределенных отражателей (например, SqueeSAR, ILS SM-phase estimation и др., см. работы 2008; Ferretti et al.,2011; Lanari et al., 2013; Samiei-Esfahany et al. 2016; Wang et al., 2016 и др.), используя при этом все возможные интерферограммы для данного стека снимков. Применение этих методов, как правило, увеличивает пространственную плотность отражателей на природных объектах с сохранением всей высококачественной информации, полученной в результате анализа высококогерентных точечных отражателей. Эти методы позволяют существенно уменьшить число ошибок при выполнении развертки фазы и повысить точность оценки полей смещений.
Один из возможных подходов к решению данной задачи, реализуемый в настоящее время авторами доклада, заключается в следующем. Отражатели на природных ландшафтах часто обнаруживаются в областях с невысокой (на отдельных временных интервалах) когерентностью фаз, в которых, однако, многие соседние пиксели показывают схожую отражательную способность, так как они принадлежат одному и тому же природному объекту. Поэтому вначале проводится процедура адаптивной фильтрации амплитуды стека снимков и выделяются пространственно связанные кластеры статистически однородных пикселей (см., например, Киселева и др., 2017). Для оценки статистической однородности нами используется двухвыборочный критерий Смирнова, называемый также критерием Колмогорова-Смирнова (см. Большев, Смирнов, 1983, Feretti, 2011). В случае, если количество статистически однородных "соседей" для данного пикселя превышает некоторое наперед заданное пороговое значение
- выполняется фильтрация значения амплитуды во всей временной цепочке снимков в данном кластере;
- проводится оценка интерферометрической когерентности для всех пар снимков из рассматриваемого набора;
- проводится фильтрация фазы с использованием метода, предложенного в (Samiei-Esfahany et al. 2016), при этом задача поиска значений фильтрованной фазы сводится к решению системы линейных уравнений, в которую включены дополнительные целочисленные неизвестные. Для решения данной задачи используется целочисленный метод наименьших квадратов: взвешенным методом наименьших квадратов находится вещественное решение рассматриваемой системы уравнений, а затем с помощью целочисленного бутстреп-метода (integer bootstrap, см, Teunissen, 1998) вычисляются и целочисленные неизвестные и искомые значения фазы.
Алгоритм реализован в виде программного модуля, который удалось встроить в стандартный граф обработки радарных спутниковых снимков программного пакета StaMPS/MTI. Приведены результаты тестирования данного алгоритма на примере снимков со спутников ALOS PALSAR и ENVISAT.
Работа выполнена при финансовой поддержке РФФИ (проект No 16-05-00937).

Ключевые слова: РСА-интерферометрия, распределенные отражатели, StaMPS/MTI
Литература:
  1. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 1983. 416 с.
  2. Киселева Е.А., Михайлов В.О., Смольянинова Е.И., Дмитриев П.Н. К вопросу мониторинга смещений земной поверхности методами радарной спутниковой интерферометрии // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 5. С. 122-132. DOI: 10.21046/2070-7401-2017-14-5-122-132
  3. Berardino P., G. Fornaro, R. Lanari, E. Sansosti A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms // IEEE transact. geoscience and remote sensing. 2002. Vol. 40. No. 11. P. 2375–2383.
  4. Ferretti A., C. Prati, and F. Rocca Permanent scatterers in SAR interferometry //IEEE Trans. Geosci. Remote Sens. 2001. Vol. 39. No. 1, P. 8–20.
  5. Ferretti A., A. Fumagalli, F. Novali, C. Prati, F. Rocca and A. Rucci A new algorithm for processing interferometric datastacks: Squeesar // IEEE Transactions on Geoscience and Remote Sensing. 2011. Vol. 49, No. 9. P. 3460 –3470.
  6. Hooper, A., Segall, P., and Zebker, H. Persistent scatterer InSAR for crustal deformation analysis, with application to volcan alcedo, galapagos. Journal of Geophysical Research. 2007. v.112. pp. 1-21
  7. Hooper, A. A multi-temporal InSAR method incorporating both persistent scatterer and small baseline approaches. Geophysical Research Letters. 2008. v. 35. L16302.
  8. Lanari R., M. Manzo, A. Pepe, Y. Yang, P. Tizzani, G. Zeni, A full exploitation of the enhanced SBAS-DInSAR approach in volcanic and seismogenic areas // IGARSS. 2013. Proceedings. Melbourne 21-26 july 2013.
  9. Samiei-Esfahany S., J. E. Martins, F. van Leijen, R. F. Hanssen Phase Estimation for Distributed Scatterers in InSAR Stacks Using Integer Least Squares Estimation // IEEE Transactions on Geoscience and Remote Sensing. 2016. Vol. 54. No. 10. P. 5671-5686.
  10. Teunissen P. J. G. Success probability of integer GPS ambiguity rounding and bootstrapping // Journal of Geodesy. 1998. Vol.72. P. 606-612
  11. Wang M., Li T., Jiang L. Monitoring reclaimed lands subsidence in Hong Kong with InSAR technique by persistent and distributed scatterers // Natural hazards. 2016. Vol. 81. No. 1. P. 541–543

Технологии и методы использования спутниковых данных в системах мониторинга

95