面向山区InSAR形变提取的外部引导分区多源融合对流层校正方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Adaptive Multi-Source Atmospheric Phase Fusion for Robust InSAR Deformation Retrieval in Complex Mountainous Terrain

　　对对流层延迟仍然是山区InSAR形变提取的主要限制因素。在山区，强烈的地形起伏和快速变化的水汽使得直接使用单一大气产品进行校正的可靠性降低。本研究提出了一种外部引导的分区多源融合框架，用于稳健的对流层校正，重点在于外部大气信息的稳健本地化使用和质量驱动的融合。该方法不是将GACOS或ERA5作为固定校正场进行减法处理，而是将它们作为局部信息预测变量使用。局部建模窗口大小的选取参考了每张干涉图基于半变函数的空间相关尺度，并采用M估计构建稳健的局部大气模型，以减少形变、解缠误差以及其他非大气成分的影响。随后，基于逐窗口的GACOS和ERA5估计值根据局部模型质量进行插值和融合，从而生成全场景大气相位校正。仿真实验和金沙河滑坡易发区的Sentinel-1升轨/降轨案例研究表明，与基于DEM的、直接ERA5/GACOS校正以及单源局部建模策略相比，所提方法更有效地抑制了长波长大气残差，降低了相位和形变速率的离散度，提高了SBAS时序稳定性，并保留了局部化的滑坡异常。结果表明，稳健的局部外部数据引导建模和质量驱动的多源融合为复杂山地环境中高精度InSAR大气校正提供了一条可靠途径。