通过SBAS InSAR与双曲正切阶梯模型相结合的方法，提升了同震变形检测的精度

《International Journal of Applied Earth Observation and Geoinformation》：Improved coseismic deformation detection via SBAS InSAR-Hyperbolic tangent step model integration

地震形变监测中基于SBAS-InSAR与双曲正切步函数的融合方法，通过引入tanh步函数解决传统方法在复杂环境中的相位不连续问题，显著提升厘米级形变监测精度（RMSE降低15%-55%）。在2021 Yangbi 6.1级地震中验证，噪声抑制效率达18%-61%，并有效分离线性构造运动与震源形变，为小震中机制反演提供新工具。方法计算效率高（单震秒级解算），适用于植被覆盖区等低相干环境，推动InSAR在地震机制分析中的应用边界。

　　在地球科学领域，地震引发的厘米级地表形变研究对于理解地壳活动和改进地震形变数据库具有重要意义。随着遥感技术的发展，合成孔径雷达干涉测量（InSAR）成为一种重要的观测手段，尤其在监测大型地震引起的显著形变方面表现突出。然而，在复杂的地表环境中，厘米级地震形变的观测精度往往受到限制，特别是对于中等强度的地震，传统方法如差分干涉测量（DInSAR）和堆叠（Stacking）技术在捕捉细微形变信号时面临挑战。为了突破这些限制，研究团队提出了一种新的方法，将SBAS-InSAR与双曲正切函数（tanh）的阶梯模型相结合，从而提高形变监测的准确性和可靠性。

SBAS-InSAR技术是一种时间序列InSAR方法，它通过使用多主影像网络和小基线策略，能够有效处理长期地表形变。然而，在处理阶梯状形变时，传统SBAS方法在相位解缠过程中可能会出现断层，影响形变估计的连续性。为此，研究团队引入了tanh函数，其具有连续可微的特性，能够很好地模拟阶梯状形变，并且在形变边界处保持相位的连续性。通过这种方式，tanh模型不仅能够有效去除局部波动，还能增强对地表形变的准确估计。

在模拟实验中，研究团队利用Sentinel-1卫星数据和MintPy处理框架，系统地比较了所提出方法与传统方法在不同地震场景下的表现。结果表明，所提出的方法在不同形变幅度下均表现出优越的性能。对于最大形变为5厘米、2厘米和1厘米的合成地震，该方法的均方根误差（RMSE）分别为0.42厘米、0.39厘米和0.37厘米，相较于传统DInSAR和Stacking方法，误差减少了15%-55%。这表明该方法在复杂环境中能够更有效地识别和提取地震形变信号。

此外，研究团队将该方法应用于2021年中国阳比Mw6.1地震的实际案例，验证了其在真实地震情况下的有效性。通过分析不同轨道（升轨和降轨）的形变数据，团队发现该方法在植被覆盖区域和低相干性地区均表现出良好的性能。在升轨数据中，所提取的形变模式完整且空间梯度平滑，而在降轨数据中，虽然植被覆盖区域的相干性有所下降，但关键的形变特征仍然得以保留。时间序列分析进一步揭示了该方法在识别不同区域的形变特征方面的能力，特别是在低相干区域，其噪声抑制效果显著，相较于传统方法，形变估计的精度提高了18%-61%。

研究还指出，该方法在地震源参数估计方面具有重要价值。通过对比不同方法的形变数据，团队发现所提出方法能够更准确地估算地震的滑动量，从而提高对地震机制的理解。此外，团队还探讨了该方法在不同时间基线策略下的表现，发现即使在延长的时间跨度下，该方法仍能保持较高的精度和稳定性。这一特性使其在实际应用中具有广泛的适用性，尤其是在数据获取受限的情况下。

综上所述，这项研究提出了一种新的SBAS-InSAR与tanh阶梯模型相结合的方法，显著提高了对厘米级地震形变的监测能力。该方法不仅在模拟实验中表现出色，而且在实际地震案例中也验证了其有效性。通过减少噪声和保持相位连续性，该方法为地震学研究提供了新的工具，有助于更深入地理解小规模地震的力学特性，并推动InSAR技术在地震灾害评估中的应用。未来，结合深度学习的高精度大气校正方法，有望进一步提升该方法的性能，使其在地震监测和灾害评估中发挥更大的作用。