基于Sentinel-1A的河口DEM构建
“ 从毕业论文中节选了一部分，根据阿拉斯加大学合成孔径雷达生成DEM教程撰写，本研究证明了Sentinel-1雷达数据不适用于河口区DEM的构建，但是这个DEM的构建方法还是值得其他植被稀疏、无云干扰区域借鉴的。”
01
—
Sentinel-1A卫星是欧洲航天局继ERS和ENVISAT之后发射的新一代C波段合成孔径雷达（Synthetic Aperture Radar, SAR）卫星。其主要成像模式为TOPS(Terrain Observation with Progressive Scans)，支持干涉处理的同时，提高了成像的幅宽，能够更大范围快速成像[102]。影像以脉冲序列（Burst）为最小成像单位，方位向上互有重叠度的脉冲序列组成成像子条带，三至五个子条带构成一整幅影像。本研究中使用的是Sentinel-1A卫星干涉宽幅（Interferometric Wide swath）模式的单视复数图像（Single Look Complex, SLC）数据。主要参数如下：
表1 本研究采用的Sentinel-1A卫星与影像参数
主要参数 | |
轨道 | 太阳同步近极地轨道（轨道高度693km） |
重访周期 | 12天 |
入射角 | 20°~45° |
载波波段 | C波段 |
成像模式 | 干涉宽幅（IW） |
极化模式 | VV+VH双极化 |
幅宽 | 240km |
分辨率 | 5m×20m |
02
InSAR生成DEM技术流程
—
使用Sentinel-1数据生成DEM主要由以下几个步骤组成：
1、数据选择
理想的DEM所需数据需要满足以下几个要求：垂直基线大而时间基线小。两幅影像必须重叠。两幅影像必须拥有相同的轨道方向，同为升轨（Ascending）或者同为降轨（Descending），只有相同轨道方向的影像才能进行干涉图生成。用于DEM生成的影像必须具有良好的相干性，必须选择成像时间间隔最短的影像，一方面能保证最小程度的失相干，另一方面让地面变形最小，时间间隔越长，两幅影像的失相干程度越严重。基线也是不容忽视的，干涉图对垂直基线敏感，大的垂直基线能够提高InSAR数据对高程变化的敏感度。然而当基线增大时，相干性会降低，一般情况下当垂直基线大于四分之三的临界基线时影像会出现基线失相干的情况，对于Sentinel-1A数据来说临界基线大约是五公里。
基于以上影像选择的条件，本研究选择了相邻时间的主从两幅影像；本研究采用了17年12月和18年7月的共计四期影像，影像轨道方向均为升轨，具体的影像名称等相关情况如下表2所示：
表2 研究选取Sentinel-1A影像参数
影像名称 | 影像获取时间 | 轨道方向 |
S1A_IW_SLC__1SDV_20171205T100444_20171205T100511_019566_02139E_D586.zip | 2017年12月5日 | ASCENDING |
S1A_IW_SLC__1SDV_20171217T100443_20171217T100510_019741_02190D_231D.zip | 2017年12月17日 | ASCENDING |
S1A_IW_SLC__1SDV_20180709T100447_20180709T100514_022716_02762B_5BB2.zip | 2018年7月9日 | ASCENDING |
S1A_IW_SLC__1SDV_20180721T100448_20180721T100515_022891_027B8F_7120.zip | 2018年7月21日 | ASCENDING |
其中2017年12月5日和2018年7月9日两对影像中先期获取的影像为主影像，后期获取的影像为从影像。在哨兵应用平台软件SNAP中打开其中的一对影像，进行后续的处理。
2、影像配准
干涉处理之前，两幅或更多影像必须先进行配准合成影像堆栈。一幅影像作为主影像，其他的作为从影像。从影像的像素将会根据主影像进行移动，配准精度为亚像素级。对于本文中所需的研究影像来说，由于Sentinel-1以脉冲序列为最小的成像单位，根据图1可知，TOPSAR-Split选项卡中显示黄河口区位于IW3区域内，因此主从影像的Subswath都应选择IW3，由于交叉极化（VH）的雷达回波强度往往比同极化（VV）小很多，因此本研究使用哨兵中的同极化即VV极化方式的数据。应用轨道文件（Apply-Orbit-File）选项卡中可以实现精密定轨（Precise Orbit Determination），有两种方式，一个是精密轨道星历（Precise Orbit Ephemerides， POE）另一种是补偿轨道（Restituted Orbits），精密轨道星历需要在影像获取20天后才可以得到，但是精度较高，本研究中我们使用精密轨道星历对数据进行纠正。然后指定反地理编码（Back-Geocoding）中需要指定所需的数字高程模型，默认是从网络自动下载的航天飞机雷达地形测绘任务（Shuttle Radar Topography Mission, SRTM）三秒精度的影像，但是由于数据老旧和网络障碍的影响会难以下载，因此需要指定本地的数字高程模型数据作为反地理编码依据。
图1 脉冲序列选择
3、生成干涉图
干涉图是主影像和复共轭的从影像的直积运算结果。当两幅影像各自相位不同时它们的振幅相乘形成干涉图。干涉条纹代表了一个完整的2π周期的相位变化。干涉条纹显示为颜色的循环变化，每个循环代表着传感器半个波长的相对变化。两点间相对的地表位移可以通过计算干涉条纹的数量并与传感器半波长相乘的方法得到。干涉条纹越密集，地面变形起伏越大[103]。平坦的地形应该产生连续的或者变化缓慢的干涉条纹，任何两个条纹之间的变化都可以认为是地形的起伏变化。
4、脉冲序列合并
由于Sentinel-1雷达数据采用了TOPS成像模式，为将干涉宽幅成像过程中形成的每个脉冲影像序列合并成一个整体的影像，我们需要使用TOPS Deburst操作将脉冲影像序列合并。
5、相位滤波
干涉相位可能被由时间失相干、几何失相干、体积散射和处理误差产生的噪声打断。哪里发生了失相干，哪里就会出现干涉条纹的丢失。为了能够正确的进行相位解缠，就需要通过相位滤波来提高信噪比。本研究使用哨兵应用平台软件中提供的戈尔德斯坦相位滤波（Goldstein Phase Filtering）工具进行。
6、相位解缠
相位解缠是干涉数据处理中最复杂的步骤，本研究使用SNAPHU程序包进行相位解缠。这个算法将相位解缠视为一个最大后验概率估计（maximuma posteriori probability, MAP）问题，以计算可观测的输入数据最可能的解缠结果[104]。在这里需要将数据从哨兵应用平台软件中导出，使用Linux Virtual Machine(VM)虚拟机运行SNAPHU程序。
7、相位转高程
将虚拟机中相位解缠结果导出，重新导入哨兵应用平台软件中，执行相位转高程（Phase to Elevation），将干涉相位转换为数字高程模型。
8、DEM地理编码
使用元数据中的轨道状态矢量信息，雷达实时标注，倾斜到地面的转换系数等多种参数结合参考DEM获取精确的地理定位信息。
03
DEM制作结果分析
—
四景Sentinel-1A InSAR数据经过4.2节的技术流程处理后，得到的DEM影像如下图所示：
图2 Sentinel-1A雷达DEM处理结果
2018年夏季的DEM完全无法体现黄河三角洲的现势情况。2017年冬季的DEM部分能够体现黄河三角洲的地貌大致趋势。根据历史卫星云图可知，2018年7月9日，2018年7月DEM主影像成像时间黄河口区有着大量云。云的存在会对干涉相位产生影响，产生相位噪声，发生失相干，让地形反演失真[105]。同时Sentinel-1使用的C波段雷达由于波长较短无法完全穿透植被，即C波段获取的DEM数据往往并不一定是地球表面，而是包含了上覆植被的信息。相比之下，L波段的雷达数据由于有着较长的波长，接收的雷达回波和地面更相关，甚至能够穿透森林区域，因此，由于波长较短，这就使得C波段的Sentinel-1获取准确的DEM较L波段的ALOS更加困难。但是由于Sentinel-1拥有着较好的时间分辨率，这让它能够拥有较以前发射的雷达传感器更好的时间相干性。因此，在低植被生长季节Sentinel-1会有着较好的DEM构建精度。
图3 Sentinel-1A数据成像时云图
目前，由InSAR雷达数据生成的DEM受大气、地形和植被等多重影响，精度仍然难以达到可供科研工作定量参考的程度，只能大概看出局部地貌的起伏趋势。仍然需要进一步研究InSAR数据去噪、相位解缠与相位转高程的新方法，进一步提高InSAR数据制作DEM的精度。
当时参考的ALASKA SATELLITE FACILITY相关文档下载链接：
链接：https://pan.baidu.com/s/1uTAu7fAgy9lBDs6IhpbTpw
提取码：c74b