《Remote Sensing》：A Two-Step Dual-Polarimetric Sparse Bayesian Learning D-TomoSAR Method for Urban Building Deformation Monitoring
编辑推荐：
SAR层析成像（TomoSAR）能够在同一距离-方位分辨单元内分离不同高程处的散射体。差分SAR层析成像（D-TomoSAR）进一步引入时间维信息，实现散射体高程与形变速度的联合估计。现有稀疏反演方法大多依赖单极化观测，跨极化通道观测的联合利用仍较为有限，复杂
SAR层析成像（TomoSAR）能够在同一距离-方位分辨单元内分离不同高程处的散射体。差分SAR层析成像（D-TomoSAR）进一步引入时间维信息，实现散射体高程与形变速度的联合估计。现有稀疏反演方法大多依赖单极化观测，跨极化通道观测的联合利用仍较为有限，复杂城市叠掩场景中相邻及弱散射体的分离仍具挑战性。稀疏贝叶斯学习（SBL）具备强大的稀疏支撑恢复与超分辨参数估计能力。当SBL在二维高程-形变参数空间的全局细网格上应用时，相邻字典原子间的高相关性可能阻碍相邻散射体的分离并影响稀疏支撑恢复的稳定性。针对上述问题，本文提出一种带双极化共享支撑约束的两步稀疏贝叶斯学习（TSSBL）D-TomoSAR方法。首先，利用HH/VV观测在粗网格上执行联合正交匹配追踪（OMP）搜索，实现潜在散射体的全局粗定位；随后，围绕候选位置构建局部细网格，并在HH/VV共享支撑约束下执行SBL，实现散射体高程与线性形变速度的精细化估计；最后，基于残差缩减的统计检验确定有效散射体数目。仿真与实测数据实验验证了该方法在散射体分离及高程-形变联合估计方面的优越性能。利用22景PAZ HH/VV影像，所提Dual-Pol TSSBL方法对5栋具有参考高度的建筑实现了2.72 m的建筑高度均方根误差（RMSE）。结果表明，将双极化共享支撑与由粗到细的SBL反演相结合，可在有限观测条件下有效提升D-TomoSAR中城市建筑高程-形变联合估计性能，并有望在未来应用于基于长SAR时间序列的大规模城市建筑形变监测。
一、研究背景与问题
随着城市化进程持续推进，城市建筑密度不断增加，地表与建筑物形变问题日益突出。在建筑密集、人口众多的城市环境中，不均匀地面沉降和局部差异形变可能引发建筑倾斜、地基失稳、道路损坏及城市管网系统退化，严重时甚至导致结构破坏和安全事故，威胁城市运行安全和居民生命财产安全。高效、大规模、长期形变监测对于城市更新、基础设施安全评估、城市规划和灾害风险防范具有重要意义。
传统形变监测技术主要包括水准测量和全球导航卫星系统（GNSS），虽测量精度较高，但依赖地面观测点布设，空间覆盖有限、外业工作量大、监测成本较高，难以满足城市大范围高密度连续形变监测需求。合成孔径雷达（SAR）具备全天时、全天候、大范围成像能力，结合干涉SAR（InSAR）及时间序列InSAR技术可获取地表及人工目标的高精度形变信息。然而，常规SAR和InSAR观测最终投影到二维距离-方位平面，当建筑屋顶、立面与地面等多个散射体落入同一距离-方位分辨单元时，二维SAR成像无法有效区分来自不同高程的散射贡献。SAR层析成像（TomoSAR）利用多轨道、多基线SAR观测合成高程向孔径，可在同一分辨单元内分离不同高程处的多个散射体，支持建筑高度估计与三维结构重建。差分SAR层析成像（D-TomoSAR）进一步引入时间信息，实现散射体高程与形变速度的联合估计。
TomoSAR依赖数量有限且不均匀分布的多基线观测，高程反演具有欠定性。D-TomoSAR中同时离散化高程与形变速度使候选字典规模扩大，在估计精度、分辨率和计算成本之间形成权衡。现有稀疏反演方法大多基于单极化观测，跨极化通道联合利用有限；复杂城市叠掩场景中相邻及弱散射体分离仍具挑战性。稀疏贝叶斯学习（SBL）具备强大的稀疏支撑恢复和超分辨参数估计能力，但当其在二维高程-形变参数空间全局细网格上应用时，相邻字典原子间的高相关性可能阻碍相邻散射体分离并影响稀疏支撑恢复稳定性。因此，开展双极化联合观测与由粗到细SBL反演相结合的D-TomoSAR方法研究具有重要意义。
二、研究内容与结论
研究人员提出一种带双极化共享支撑约束的两步稀疏贝叶斯学习（TSSBL）D-TomoSAR方法，用于城市建筑形变监测。该方法首先利用HH/VV观测在粗网格上执行联合正交匹配追踪（OMP）搜索实现潜在散射体全局粗定位，随后围绕候选位置构建局部细网格并在HH/VV共享支撑约束下执行SBL实现散射体高程与线性形变速度精细化估计，最后基于残差缩减的统计检验确定有效散射体数目。仿真与实测数据实验验证了该方法在散射体分离及高程-形变联合估计方面的优越性能。
三、主要技术方法
研究人员采用以下关键技术方法开展研究：一是双极化共享支撑模型，利用HH/VV双极化观测对同一高程-形变位置的共同约束，允许通道依赖的复散射系数；二是两步反演策略，先以OMP在粗网格上进行全局粗定位，再在候选邻域构建局部细网格执行SBL精细反演，大幅缩减字典规模；三是极化广义似然比检验（Pol-GLRT），基于残差能量缩减确定最终散射体数目。实验数据采用覆盖中国江苏省南京市某高层建筑区域的22景PAZ HH/VV双极化SAR影像，影像获取时间为2025年5月17日至2026年1月14日，空间基线跨度为446.14 m，时间基线跨度为242天。
四、研究结果
仿真实验：TomoSAR仿真中，SBL在单极化条件下高程RMSE为0.84 m，双极化条件下降至0.20 m，散射体数目判定成功率从92.86%提升至97.62%。D-TomoSAR仿真设置两个场景：理想双散射体场景中，TSSBL单极化高程RMSE为0.32 m、形变速度RMSE为1.18 mm/y，双极化分别降至0.14 m和0.45 mm/y；二维亚瑞利场景中，TSSBL单极化高程RMSE为2.76 m、形变速度RMSE为1.06 mm/y，双极化分别降至1.69 m和0.75 mm/y，均优于BF和OMP。计算效率方面，TSSBL将SBL反演所用字典列数减少96.54%和98.27%，显著降低处理时间。
实测数据处理：经筛选获得HH通道153,867个、VV通道122,948个持久散射体候选（PSC），双极化并集包含206,650个候选监测点，较HH和VV分别增加34.30%和68.08%。不同极化条件和反演方法获得的建筑高程结果整体高度一致，主要建筑结构及其相对高度均稳定恢复。建筑形变速度估计在整体空间变化模式上具有一致性。针对5栋具有公开参考高度的代表性建筑，单极化条件下BF、OMP、TSSBL的建筑高度RMSE分别为7.62 m、7.21 m和6.81 m；双极化条件下分别降至4.02 m、3.13 m和2.72 m，其中Dual-Pol TSSBL取得最低RMSE。
五、讨论与结论
讨论部分指出，散射体分离取决于两个参数维度的差异；建筑高度RMSE的降低反映候选点覆盖与参数估计精度的综合效应；字典规模是计算成本的重要影响因素；估计的形变速度代表242天观测区间内的等效线性趋势，可能吸收部分季节性或非线性建筑运动分量，需结合更长时序、温度观测和独立形变测量进一步区分。
研究结论：本文提出一种Dual-Pol TSSBL D-TomoSAR方法用于城市建筑形变监测。通过共享高程-形变支撑约束联合利用HH/VV观测，结合极化依赖散射信息提升有限观测条件下的参数估计稳定性；采用SBL进行二维高程-形变联合反演，利用其稀疏支撑恢复与超分辨参数估计能力；两步策略将OMP全局粗定位与局部SBL精细反演相结合。仿真实验验证了亚瑞利散射体分离与联合估计能力，实测实验中Dual-Pol TSSBL对5栋建筑实现2.72 m的高度RMSE。结果表明，双极化共享支撑与由粗到细SBL反演相结合可在有限观测和复杂建筑叠掩条件下提升D-TomoSAR估计性能，有望应用于大规模城市建筑形变监测。
