地形阴影伪迹的时空异质性建模及其在光学影像相关位移测量中的校正研究

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Spatiotemporal heterogeneity and modeling of topographic shadowing artifact for displacement measurement with the optical image correlation technique

本文针对光学影像相关技术中普遍存在的地形阴影伪迹（TSA）干扰问题，提出了一种物理约束的TSA时空模型。研究人员通过分析TSA在南北（NS）方向呈正弦函数、东西（EW）方向呈不规则周期函数的演化规律，并结合坡度（17°~67°）和坡向（0°~90°、240°~360°）等空间特征，构建了能够量化TSA时空异质性的模型。应用该模型对巴基斯坦稳定区域的TSA观测时间序列进行校正，使EW和NS方向的平均值分别降低94.38%和98.22%，标准差降低47.18%和62.83%。进一步提出的模型校正（MC）方法在2013年巴基斯坦地震和2023年土耳其地震案例中，将NS同震位移的RMSE从0.71m/0.93m提升至0.52m/0.42m。该研究为提升光学影像相关技术在地表位移监测中的精度提供了重要理论基础。

　　

当我们试图通过卫星图像捕捉地表的细微运动时，一个看似微不足道却影响深远的问题始终困扰着研究人员——地形阴影伪迹（Topographic Shadowing Artifact, TSA）。这种由太阳光照条件变化引起的系统性误差，如同幽灵般隐藏在光学影像相关技术获取的位移测量结果中，特别是在地形复杂的山区，TSA导致的伪位移信号甚至可能掩盖真实的地表形变信息。

光学影像相关技术作为一种高效获取大梯度地表位移的手段，已被广泛应用于冰川运动、滑坡监测和地震形变分析等领域。然而，该技术依赖于被动光学成像中的太阳光照条件，季节性的太阳几何变化会导致地表辐射特征发生周期性改变。这种变化在复杂地形区域尤为显著，山地阴影的时空迁移会在多时相影像匹配过程中引入与地形特征空间相关的伪位移信号，即TSA。研究表明，即使是2-3周的短时间基线，在复杂地形中也会产生十米级的TSA，严重制约了分米级至米级真实位移信号的提取精度。

以往研究虽然认识到TSA的严重影响，并发展了基于时空基线优化的误差抑制策略，但对其时空演化规律的理解仍不够系统，缺乏能够定量表征TSA时空异质性的综合模型。正是为了解决这一关键技术瓶颈，丁超研究员团队在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》上发表了这项创新性研究。

研究人员创新性地提出了辐射基线（Radiometric Baseline, RB）的概念，将其定义为量化两景光学影像间太阳辐照度变化的归一化指标。通过分析巴基斯坦稳定区域的Landsat-8影像时间序列（83景影像，2013-2019年），团队发现TSA的时间演化在NS方向遵循正弦函数规律，而在EW方向呈现不规则周期性。更重要的是，TSA对NS位移分量的污染程度显著高于EW分量，幅度相差约4-5倍。

空间上，TSA主要影响坡度17°~67°、坡向0°~90°和240°~360°的阴坡区域，这些区域的阴影遮蔽度值通常低于0.4。基于这些发现，研究团队构建了一个物理约束的TSA时空模型，该模型将TSA分解为空间系数与时间函数的乘积，其中时间函数包含与RB相关的周期性项和线性项。

关键技术方法方面，研究采用辐射基线物理模型量化太阳高度角和方位角变化对地形阴影的影响，通过最小二乘时间序列反演方法推导RB和TSA观测时间序列，结合地形参数（坡度、坡向、阴影遮蔽度）分析TSA空间异质性，并建立多影像配对网络（如66对Landsat-8影像和78对Sentinel-2影像）应用模型校正（MC）方法。

TSA时空异质性分析结果

研究结果显示，TSA观测时间序列与RB时间序列存在显著相关性（AVG相关系数0.94-0.97，STD相关系数0.70-0.80）。在稳定区域验证中，TSA时空模型使EW和NS位移的平均值分别从-0.18~0.13m和-0.40~0.48m缩减至-0.05~0.07m和-0.13~0.10m，标准差从0~1.89m和0~2.74m降低至0~1.13m和0~1.06m。

同震位移测量验证

将MC方法应用于2013年巴基斯坦M_w7.7地震和2023年土耳其M_w7.8-7.5地震序列的同震位移校正。在巴基斯坦案例中，NS位移测量值与SPOT-5高分辨率数据的RMSE从0.71m提升至0.52m；在土耳其案例中，与SM-VCE方法结果的RMSE从0.93m提升至0.42m，改善幅度分别达26.76%和54.84%。

讨论与结论

本研究首次系统揭示了TSA的时空演化规律，并建立了物理约束的TSA时空模型。该模型不仅能够有效抑制稳定区域的TSA噪声（AVG降低94.38%-98.22%，STD降低47.18%-62.83%），更重要的是为同震位移测量提供了可靠的校正手段。MC方法通过多时相影像联合解算，在保留真实位移信号的同时显著降低了TSA干扰，为复杂地形区的地表形变监测提供了新的技术途径。

研究也指出，当前模型尚未充分考虑影像相关算法参数（如空间核尺寸、匹配算子）的影响，且在更高空间分辨率的多光谱数据集中的应用效果仍需验证。未来工作将聚焦于结合非线性反演方法（如模拟退火算法、神经网络算法）优化模型参数估计，并探索TSA时空模型与基线网络优化的协同抑制策略。

这项研究为提升光学影像相关技术在地表位移监测中的精度提供了重要理论基础，对地震学、滑坡监测、冰川运动研究等领域具有广泛的应用价值。随着高分辨率光学卫星星座的发展，该模型有望在连续地表形变监测中发挥更大作用。