(一)研究背景

近年来，卫星InSAR技术被广泛应用于山区滑坡等地质灾害调查。然而，受到高山峡谷地区复杂的大气延迟扰动约束,InSAR测量精度不高，进而导致滑坡识别和监测性能不佳。传统的经验线性模型或基于外部气象数据的方法不能准确地反映大气延迟的空间异质性。同时，复杂山区经常出现的InSAR相位解缠错误和滑坡形变对局部建模影响很大。

(二)研究内容

武汉大学雷达遥感团队在国家自然科学基金项目和中欧“龙”计划五期项目的支持下，研究提出了一种多时间移动窗口迭代线性模型(MMLM)方法来校正大范围对流层延迟。采用仿真数据实验说明了MMLM模型抵抗空间异质性大气、滑坡形变和局部相位解缠错误的有效性。以某水电站库区降轨和升轨Sentinel-1数据集为例，将MMLM模型与ERA5、GACOS、时空滤波和传统LM模型比较，进一步证明了MMLM模型的优越性。改正后的准确变形改善了滑坡调查，有助于在空间上划定滑坡边界。

研究结果表明MMLM模型可应用于现有InSAR技术的大气延迟相位改正中，有效提高广域滑坡形变提取的精度。主要研究亮点包括：（1）MMLM建模了多时相解缠相位来估计对流层延迟，减轻了局部湍流相位、局部滑坡变形和局部相位解缠错误对参数估计的影响；（2）MMLM模型在每个滑动局部窗口内为相位建立了一个迭代线性模型，并将参数插值到每个测量点，可以有效表征空间异质的大气延迟相位；（3）MMLM模型与各种对流层延迟改正方法的对比，证明了其对单个干涉图、变形速率和位移时间序列的对流层改正的优势。在上述方法中，Sentinel-1降轨和升轨的数据集原始解缠相位的标准偏差在经过MMLM 模型校正后，分别降低了超过35%和50%；（4）利用MMLM模型对某库区进行了InSAR滑坡调查。改正后的变形速率图有助于滑坡灾害识别和边界划定，且其改正后的时间序列形变，有助于灾害预警和滑坡机理分析。

(三) 成果发表

该研究成果以“Refined InSAR tropospheric delay correction for wide-area landslide identification and monitoring”为题，发表在遥感领域顶级期刊Remote Sensing of Environment上，论文第一作者是王一安博士，通讯作者为董杰副研究员。

(四)参考文献

1) Wang, Y., Dong, J.*, Zhang, L., Zhang, L., Deng, S., Zhang, G., Liao, M., & Gong, J. (2022). Refined InSAR tropospheric delay correction for wide-area landslide identification and monitoring. Remote Sensing of Environment, 275, 113013 (DOI: https://doi.org/10.1016/j.rse.2022.113013)

2) Dong, J., Zhang, L.*, Liao, M., & Gong, J. (2019). Improved correction of seasonal tropospheric delay in InSAR observations for landslide deformation monitoring. Remote Sensing of Environment, 233, 111370 (DOI: https://doi.org/10.1016/j.rse.2019.111370)

3) Zhang, L., Dong, J.*, Zhang, L., Wang, Y., Tang, W., & Liao, M. (2022). Adaptive Fusion of Multi-Source Tropospheric Delay Estimates for InSAR Deformation Measurements. Frontiers in Environmental Science, 10 (DOI: 10.3389/fenvs.2022.859363)

4) 李思慧, 董杰*, 张路, & 廖明生 (2022). 时序InSAR对流层大气延迟改正的相位堆叠方法. 遥感学报, 1-12 (DOI: 10.11834/jrs.20221736)