基于InSAR的DEM获取数据处理流程及方法

合成孔径雷达干涉测量技术（InSAR）是以复数据提取的相位信息为源获取地表三维信息,与传统的获取数字高程模型的方法相比,InSAR技术在获取DEM方面具有全天候、大范围、高精度等优势。详细介绍了基于InSAR的DEM获取数据处理流程及方法。     

基于TanDEM-X和ERS数据的InSAR提取DEM的实验研究

以天山地区为研究区域,利用干涉合成孔径雷达干涉测量技术(In SAR)分别对Tan DEM-X和ERS获取的数据进行干涉处理生成数字高程模型(DEM),结合SRTM DEM和我国1∶5万数字高程模型标准,对所获取的DEM的精度进行比较和分析.结果显示,由于实验区域地形复杂、高程变化剧烈且植被茂密,2组数据生成的DEM与SRTM DEM之间的整体差值偏大,标准差分别为11.55 m和16.74 m,但Tan DEM-X数据获取的DEM精度更高.结果表明,在地形复杂区域Tan DEM-X数据能够监测到C波段数据所不能监测到的细节,其生成DEM的结果较ERS数据具有明显优势.     

InSAR技术提取矿区DEM方法研究及应用

重点研究了应用InSAR提取矿区DEM的技术方法,探讨了数据选取和实际数据处理时针时矿区特点应注意的问题,时进一步提高DEM精度提出了建议.     

InSAR技术的理论与应用研究现状及其展望

介绍了合成孔径雷达的发展历史．概述了合成孔径雷达干涉测量和差分合成孔径雷达干涉测量的理论和应用研究现状，对今后的研究焦点进行了展望和分析。     

利用InSAR干涉测量区域的数字高程

介绍了合成孔径雷达干涉测量(InSAR)区域数字高程的原理和方法,分析和讨论了主要的计算过程和关键技术.最后,通过中国青海可可西里地区的两幅ERS-2卫星SLC(single looking complex)图像对该地区的数字高程进行了计算研究,计算结果表明,合成孔径雷达干涉测量能有效获取高分辨、高精度的局部三维数字高程.     

DEM辅助的InSAR零中频处理基线估计方法

为了提高无地面控制点信息和精密轨道数据时合成孔径雷达干涉测量(InSAR)基线估计的精确性和实用性,借鉴零中频矢量滤波的思想,提出了数字高程模型(DEM)辅助的InSAR零中频处理基线估计方法.该方法利用卫星轨道法估计基线参数初值,并根据该基线参数值,由低精度DEM模拟覆盖区的干涉图,将模拟干涉图与原始干涉图做差分处理得到差分干涉图.以零中频为判别依据,对差分干涉图进行快速傅里叶变换(FFT)基线估计,获取基线参数初值的改正量,并修正基线参数初值,通过迭代直至差分干涉图的二维中心频率接近于0.利用甘肃兰州地区和伊朗BAM地区ENVISAT ASAR数据进行了验证,实验结果表明:利用该方法能有效进行基线估计,可得到与精密轨道基线估计方法相近的结果,具有不依赖于精密轨道参数和地面控制点的优势.     

DEM最优线性生成技术——MADEM

讨论了DEM生成方法和高精度、高保真问题.指出评价生成方法的误差必须顾及内插模型的截断误差,并把它作为主要部分;给出了新型的地图代数DEM生成方法--MADEM(map algebra DEM),它是定义在最速下降线水平投影上的线性插值方法,通过赋值点线间的加权Voronoi的递归内插过程实现.它在同样条件下,具有远高于Delaunay构网下三角形上的线性插值方法精度,并具有高保真特性.分析和实例比较表明它是目前DEM最优的线性内插方法.     

利用DLG进行DEM的高程提取

大比例尺数字线划地形图(DLG)是目前我国建立数字高程模型(DEM)的一个主要数据来源，通过分析DEM的建立过程得出由DLG建立DEM的关键问题是从DLG中高效获取有效的高程数据。对提取高程数据工作中可能出现的数据格式多样性、数据提取效率和有效数据丢失等情况提出了相应的解决办法。     

利用DWG格式地形图建立城市DEM

采用VBA语言编程，提取离散高程点及其高程注记，并将高程点与高程注记匹配存储；对等高线进行有效的离散化，提取等高线的高程信息．而后将提取的高程数据在ArcGIS以三维可视化的人机交互的方式剔除粗差，最后生成DEM．实践证明，用此方法生成DEM速度快、精度高，是建立城市DEM的一种理想的方法．     

利用DLG进行DEM的高程提取

大比例尺数字线划地形图(DLG)是目前我国建立数字高程模型(DEM)的一个主要数据来源,通过分析DEM的建立过程得出由DLG建立DEM的关键问题是从DLG中高效获取有效的高程数据.对提取高程数据工作中可能出现的数据格式多样性、数据提取效率和有效数据丢失等情况提出了相应的解决办法.     

基于遗传神经网络的DEM空间内插法研究

在总结传统ＤＥＭ空间内插方法的基础上,提出了基于遗传神经网的空间内插新方法,并结合实例详细讨论了整体遗传神经网络内涵法,剖分遗传内捭组合遗传神经网络内插法,最后指出了三种方法的优缺点及适用条件。     

Monitoring crustal deformation by GPS and InSAR in the three gorge area

The on-going Three Gorges Project (TGP) aims to build one of the largest hydropower stations in the world. Previous investigations have concluded that the reservoir is likely to induce medium-to-intense earthquakes. 23 GPS stations have been established to maintain a geodetic and seismological monitoring network around the reservoir to monitor seismicity and crustal deformation, and to facilitate mitigation activities in case an intense earthquake occurs. The velocity of GPS site was derived from 3 repeated GPS surveys. Meanwhile, another effort has been made to investigate the feasibility of application of satellite interferometric synthetic aperture radar (InSAR) techniques in detecting crustal deformation possibly caused by impoundment of the Three Gorges Reservoir. It has been made to derive digital elevation models (DEM) using European Remote Sensing (ERS) synthetic aperture radar (SAR) imagery. Pairs of ERS SAR images in raw format are processed to generate digital elevation models. This effort will help us evaluate the accuracy of the InSAR techniques for further derivation of background deformation patterns and future detection of reservoir-induced crustal deformation in the area. Foundation item: Supported by the Seismological Union Foundation of China (602015), NASA grant of US(NAG5-9065) and Key Project of China Seismological Bureau(95-12-02) Biography: Qiao Xue-jun(1968-), male, Associated professor, research direction: crustal deformation.     

基于M估计的DEM精度评价

为了克服数字高程模型(DEM)精度估计中传统方法受误差分布非正态性的影响,发展了基于自适应M(AM)估计的DEM精度评价.AM估计以高崩溃污染率的估计值为DEM误差指标初值,以误差残差分布为误差权重选择依据,通过对估值结果多次迭代,最终实现DEM误差估计.以DEM误差均值和标准差为精度指标,数值试验和实例分析表明,传统的非抗差估计法受粗差影响最为严重,使其估计结果远偏离真值;尽管"3σ准则"和传统的抗差估计法能够剔除部分粗差,但一定程度上仍受粗差影响,使结果的精度较低;AM估计受粗差影响最小,对DEM误差指标估计精度最高,可用于误差非正态分布的DEM精度评价.     

基于InSAR点目标的测高误差仿真与分析

测高精度是InSAR系统设计中的一个重要指标,而相位误差是影响测高精度的一大因素.分析推导出了SAR系统幅相误差、调频率误差等在目标处引入的相位误差.为了定量仿真误差对测高精度的影响,提出了利用InSAR点目标提取干涉相位,从而得到目标高程,相位误差和测高误差的方法,避免了分布目标仿真中不利于定量分析的缺点.最后,仿真了不同误差对测高精度的影响,实验结果符合理论分析的结果,为系统设计提供了一定依据.     

基于DEOS精密轨道数据和插值的InSAR高精度配准方法

探讨了InSAR复数据配准的实用化方法.提出了基于DEOS精密轨道数据和插值相干系数矩阵的实用化配准方法,详细地叙述了该方法的数据处理过程.该方法通过对DEOS精密轨道数据进行插值处理,获取景中心的初始偏移量,采用对粗配准得到的相干系数矩阵进行插值处理的方法来代替对主从影像的过采样处理,可以提高配准精度和执行效率.最后以我国西部某山区的ERS-1/2串联飞行数据为例进行了试验,证明本文提出的方法能够满足干涉图生成的要求.     

基于克里金法的数字高程模型插值研究

数字高程模型(DEM)是对实际地面模拟的一种有效方式,它的数据来源于实地测量,由于客观条件的限制,实地测量数据是一种抽样数据,样本密度影响了数字高程模型的精密度。针对这一问题,探讨了运用克里金法对数据样本进行插值处理的算法,将样本进行加密,从而提高数字高程模型的适应度,满足不同的需求。     

Obtaining digital elevation data in different terrain and physiognomy regions with spaceborne InSAR and its application analysis

Synthetic Aperture Radar Interferometry (for short, InSAR) is a new kind of earth observation technology, which has obtained great development in recent ten years and has a great development potential and successful future. In this note, three typical regions with different physiognomies and terrains have been selected as study regions to extract their Digital Elevation Model (DEMs). Compared with the existing 1: 250000 DEM and by analyzing their results, we have obtained its accuracy and applicable scopes. The results show that in the region (plains, mountains or highlands) with dry surface and sparse vegetation, because of the better correlatability of images, the DEM obtained by InSAR is evidently better than the existing 1: 250000 DEM and the accuracy can reach 4–6 m; in the thick-vegetation-covering region, correlatability between images descends and the accuracy of InSAR DEM can only reach about 30 m worse than its existing 1: 250000 DEM; in the middle covering field, the accuracy of InSAR DEM with tandem images can reach about 10 m as well; yet in water space, such as lakes and rivers, InSAR DEM shows a big error since there is only quite faint signal reflected to the sensor. Then the conclusion has been got: in the west of China, where it has a lack-vegetation and dry ground, InSAR is completely feasible to be applied to such a complicated nature environment region.