基于自动对焦的自适应SAR像素偏移追踪技术，用于高精度滑坡变形反演

《Landslides》：Autofocusing-based adaptive SAR pixel offset tracking for high-accuracy landslide deformation retrieval

　　

摘要

SAR像素偏移跟踪技术利用合成孔径雷达的强度图像，通过克服相位去相关性和相位解缠误差，成为测量大梯度位移的有效工具，而这些误差正是限制干涉合成孔径雷达测量的因素。不过，该技术的精度取决于图像分辨率，当使用如Sentinel-1这样的中分辨率SAR数据时，其性能会显著下降，从而导致匹配错误、位移场存在噪声，以及难以准确捕捉局部滑坡变形情况。为解决这一问题，我们提出了一种基于自动对焦的自适应时间序列POT算法（AF-TSPOT），该算法将基于自动对焦的时间堆叠技术融入时间序列POT框架，用于从中分辨率SAR图像序列中反演滑坡变形。通过在像素级别对时间堆叠的SAR强度图像进行重新对焦，并整合多个时间基线的位移估计值，AF-TSPOT能够有效抑制匹配噪声，从而重建出更稳定的位移时间序列。将该算法应用于2018年金沙江白格滑坡的灾前变形监测，结果表明其得到的变形特征与高分辨率ALOS-2数据的结果相当，与传统APOT+PO-SBAS流程相比，稳定区域的均方根误差降低了54.16%。经过处理的時間序列数据还显示出2016年和2017年秋季有明显的加速信号，这表明降水、冻融过程以及累积的水热效应共同影响了滑坡的发展进程。这些结果说明，AF-TSPOT能够提升基于广泛可用的中分辨率Sentinel-1图像的滑坡变形时间序列反演精度，为山区滑坡的详细监测提供了实用方法。