基于高分辨率PAZ SAR影像的相位解缠与长波误差联合校正方法研究——以西班牙阿尔科伊地区毫米级地表形变监测为例

本研究针对X波段高分辨率PAZ SAR影像在监测小尺度地表形变时面临的相位解缠误差与长波大气延迟问题，提出时空联合约束的相位解缠校正算法和基于PCA分块的长波误差消除方法。通过21景HS模式PAZ影像（2019-2021）验证，该方法使干涉图标准差最大降低68.4%，GPS验证精度达3 mm，成功识别阿尔科伊盆地41处年形变速率>5 mm的活动区，并利用ICA和k-means聚类揭示滑坡、沉降等三种形变模式，为短波长SAR系统形变监测提供了方法论范本。

　　

【研究背景】
在地表形变监测领域，X波段合成孔径雷达(SAR)卫星PAZ以其高时空分辨率优势（最高达HS模式）成为研究热点。然而，当面对建筑物密集区或复杂地形时，相位解缠(phase unwrapping)误差与长波长大气延迟(long-wavelength atmospheric delays)如同两把"双刃剑"——前者导致干涉条纹断裂，后者则可能掩盖真实形变信号。西班牙阿尔科伊盆地作为典型地质活跃区，其毫米级微小形变监测需求与现有技术局限形成尖锐矛盾。传统方法如GACOS校正和简单三重相位闭合(TPC)在应对高分辨率PAZ影像时捉襟见肘，亟需创新解决方案。

【研究方法】
中国科学院等机构研究人员Xiaojie Liu团队提出"两步走"策略：首先通过时空双域约束的阈值检测-三重相位闭合联合算法校正相位解缠误差；继而开发基于主成分分析(PCA)的分块校正法消除残余长波误差。研究采用21景2019-2021年HS模式PAZ影像，结合SBAS-InSAR（小基线集干涉测量）和GPS/地形数据验证，最终通过独立成分分析(ICA)与k-means聚类解析形变时空模式。

【研究结果】

1. 相位解缠误差校正评估
   对比传统TPC方法，联合校正策略使干涉图相位残差标准差降低37.7%-68.4%。图6-7显示校正后干涉条纹连续性显著改善，尤其在建筑物密集区（如阿尔科伊市中心）效果突出。

2. PAZ反演的阿尔科伊形变特征
   2019-2021年间发现41处年形变速率>5 mm的活动区（图12e）。图S8揭示区域整体稳定，但局部存在三类典型形变：

• 滑坡活动：表现为非线性加速形变，与雨季降水呈强相关性
• 地面沉降：线性形变特征，与地下水开采井分布高度吻合
• 工程沉降：阶梯状形变曲线，对应建筑施工周期

【结论与意义】
该研究首次实现PAZ影像毫米级形变监测（精度<3 mm），提出的PCA分块校正法突破传统大气延迟校正瓶颈，对TSX/TDX等短波长SAR系统具有普适价值。发现的41处活动区为阿尔科伊地质灾害防控提供精准靶区，ICA聚类结果则揭示不同地质过程的动力学机制。论文发表于《Remote Sensing of Environment》，为高分辨率SAR形变监测树立新范式，其方法论框架可扩展至城市沉降、矿山塌陷等多元场景。