ID-GInSAR：一种改进的GNSS与InSAR集成方法用于增强复杂地形区地表形变监测

《Geophysical Journal International》：ID-GInSAR: An Improved Methodology for Integrating GNSS to Enhance InSAR-Based Deformation Monitoring

本研究针对传统GNSS增强InSAR(GInSAR)方法在陡峭地形区域难以消除地形相关误差(TCCs)的局限性，提出了迭代分解的GNSS增强InSAR(ID-GInSAR)方法。通过引入迭代分解过程同时解耦空间相关分量(SCCs)和地形相关分量，结合指数模型和统计模型，在加州中央谷地的实验表明该方法使干涉图噪声降低54.8%，位移时间序列与GNSS的RMS平均减少30.4%，能够有效识别同震形变，为复杂地形区地表形变监测提供了新的技术途径。

　　

在地球表面形变监测领域，全球导航卫星系统(GNSS)和干涉合成孔径雷达(InSAR)技术犹如一对"天眼"，持续不断地捕捉着地表的细微变化。从断层蠕动、火山活动到地震引发的地壳运动，再到地下水开采导致的地面沉降，这些空间大地测量技术为我们理解地球动力学过程提供了关键数据。然而，这两种技术各有千秋：InSAR能提供高空间分辨率的视线向(LOS)形变测量，但却容易受到大气延迟、轨道误差、相位解缠误差等多种干扰；而GNSS虽能提供近实时的三维运动序列，但空间分辨率有限。特别是在像圣安德烈斯断裂带、欧洲和中国川滇地区这样的关键构造监测区域，密集布设的GNSS站点为两种技术的融合应用创造了理想条件。

传统上将GNSS与InSAR结合的GInSAR方法，通过建立GNSS与InSAR差异的二次多项式校正表面，有效消除了干涉图中的长波长空间相关误差。但这种方法存在明显局限——它主要关注空间相关分量(SCCs)，却忽视了在陡峭地形区域尤为显著的地形相关分量(TCCs)。研究表明，在地形起伏较大的区域，垂直分层延迟往往主导着干涉图的误差成分，当形变本身与地形相关时，这种忽略可能导致InSAR形变场的严重偏差。

为了解决这一技术瓶颈，天津大学和中国地震局第一监测中心的研究团队在《Geophysical Journal International》上发表了一项创新性研究，提出了基于迭代分解的GNSS增强InSAR方法(ID-GInSAR)。该方法的核心突破在于能够同时解耦和处理干涉图中的空间相关和地形相关误差分量。

研究人员采用了几项关键技术方法：首先收集了加州南部中央谷地109个GNSS站点的三维时间序列数据和Sentinel-1 Path144下降轨道SAR影像(2019-2024年共145景)，使用GMTSAR软件处理生成683个干涉对；然后开发了迭代分解算法，通过交替拟合地形相关的指数模型和空间相关的统计模型(结合变差函数理论和最小二乘配置)，逐步分离TCCs和SCCs；最后通过SBAS方法反演形变时间序列，并采用五种定量指标全面评估方法性能。

4.1 ID-GInSAR在三类代表性干涉图中的表现

研究选取了相位与地形呈正相关、负相关和无显著相关性的三类干涉图进行验证。在2021年11月19日至12月1日的干涉图中，原始相位与地形高度正相关(相关系数0.87)。传统GInSAR校正后，验证点RMS为2.41弧度，虽消除了长波长SCCs，但校正后的干涉图仍与地形高度相关。而ID-GInSAR通过迭代分解获得地形相关指数模型参数，结合最小二乘配置进行空间建模，使RMS降至1.03弧度，降低57%。干涉图标准差从3.74降至2.30弧度，与地形的相关系数降至0.32。变差函数分析显示，空间去相关距离从139公里缩短至73公里，基台值从16.4弧度²降至1.83弧度²，表明该方法能有效减少中等尺度空间误差和噪声水平。

在相位与地形呈负相关的干涉图(2022年9月3日至15日)中，ID-GInSAR同样表现出色，RMS从GInSAR的3.84弧度降至1.28弧度，降低79%。而对于相位与地形无显著相关的干涉图(2021年8月27日至9月8日)，ID-GInSAR的RMS从1.63降至1.27弧度，证明即使在TCCs不主导的情况下，该方法也不会引入额外误差，反而能进一步减少中等尺度空间相关误差。

4.2 ID-GInSAR在所有干涉图中的整体性能

对683个干涉图的系统统计分析显示，原始干涉图与地形的平均相关系数为0.44，其中44.8%的干涉图存在显著相关性(|cc|>0.5)。经GInSAR校正后，这一比例降至28.3%，而ID-GInSAR进一步降至0.3%，充分证明其消除TCCs的有效性。干涉图标准差的平均降低率从GInSAR的39.6%提升至ID-GInSAR的54.8%。变差函数基台值从原始的54.4弧度²降至ID-GInSAR的4.1弧度²，空间去相关距离从99公里缩短至66公里，表明ID-GInSAR能识别和减弱更小尺度的SCCs。

GNSS交叉验证结果表明，ID-GInSAR在所有干涉图中的平均RMS为1.54弧度，比GInSAR(2.36弧度)降低34.7%。特别值得注意的是，随着相位与地形相关性的增强，ID-GInSAR相对于GInSAR的RMS降低幅度更加明显，在|cc|>0.85的干涉图中最高可达55%。

4.3 ID-GInSAR在位移时间序列中的表现

通过SBAS方法反演的位移时间序列表明，ID-GInSAR显著提升了时间序列的稳健性。在59个GNSS验证点上，ID-GInSAR的时间序列RMS平均为6.02毫米，比GInSAR(8.65毫米)降低30.4%。98%的站点显示RMS降低，幅度从4.1%到58.9%不等。即使引入平滑参数(λ=150)，ID-GInSAR仍保持28.1%的平均RMS降低率。这种稳健的时间序列对于研究非线性形变(如震后形变和季节性含水层相关形变)具有重要意义。

4.4 ID-GInSAR在识别瞬时形变中的能力

2019年7月4日M_w6.4和7月5日M_w7.1级Ridgecrest地震的案例显示，ID-GInSAR能有效突出同震形变信号。在BEPK和P573站，ID-GInSAR的时间序列RMS分别为4.75毫米和4.43毫米，显著优于GInSAR的10.45毫米和10.28毫米。地震前后干涉图对比表明，未经校正的干涉图被噪声淹没，而ID-GInSAR校正后的结果清晰显示了东北部的同震形变，与GNSS结果一致。

4.5 ID-GInSAR在速度场中的表现

长期(2019-2024年)速度场分析显示，ID-GInSAR与GInSAR性能相当( RMS均为约1.51毫米/年)，说明长期形变拟合能缓解大气噪声的影响。但对于短时间跨度(小于三年)的速度场，ID-GInSAR表现出明显优势。2019-2021年速度场中，GInSAR结果与地形呈现显著负相关，而ID-GInSAR则不明显，其与GNSS的RMS为2.40毫米/年，优于GInSAR的2.97毫米/年。

研究还深入探讨了GNSS站点分布对方法性能的影响。实验表明，当站点间距小于58公里(站点数大于16)时，ID-GInSAR在所有五个指标上均优于GInSAR。与Remove/Filter/Restore(RFR)和GACOS等方法的对比分析显示，不同方法各有适用场景：RFR适用于构造主导的线性形变区，GInSAR适合地形平缓的非线性形变区，而ID-GInSAR则是复杂地形区的理想选择。

该研究提出的ID-GInSAR方法通过创新性的迭代分解策略，成功解决了传统GNSS-InSAR融合技术在复杂地形区应用的瓶颈问题。不仅保留了GInSAR处理长波长误差的优势，还能有效消除地形相关误差和中等尺度空间误差，显著提升了形变监测的精度和可靠性。这一技术为地震危险性评估、火山活动监测、地下水开采引起的地面沉降等研究提供了更加 robust 的工具，特别是在GNSS站点密集、地形复杂的地区具有重要应用价值。研究方法代码和数据集已公开共享，促进了该领域的进一步研究和发展。