你是否想过，我们脚下坚实的大地，其实一直在进行着微小而持续的“呼吸”与“移动”？城市的地面在缓慢沉降，山体在悄然滑移，矿区因开采而凹陷……这些肉眼难以察觉的形变，背后可能潜藏着巨大的安全隐患。InSAR（合成孔径雷达干涉测量） 遥感技术，犹如一双高悬于太空的“明察秋毫之眼”，毫米级的精度，细微的变化都能够察觉。
一、InSAR：从“双图对比”到“形变解码”的技术逻辑
InSAR的核心原理搭载在各类平台上的雷达，向地表发射微波并接收回波，获取同一区域不同时间的至少两幅SAR影像。尽管地表看起来静止不变，但微小的形变会导致雷达回波信号的相位发生改变。
通过计算这两幅影像的相位差，生成一幅“干涉图”。这张图如同大地的“指纹”，其中的干涉条纹蕴含着丰富的信息。通过一系列复杂的差分处理，可以精确剔除地形起伏和平地效应的影响，最终提取出的，就是两次成像期间地表发生的细微形变。这就像是拥有一把精密的“时空尺子”，能量测出我们肉眼完全无法感知的地表位移。
二、多元技术分支：适配不同场景的InSAR“家族”
随着技术不断发展，InSAR已形成多个功能各异的技术分支，各自在不同监测场景中发挥优势，共同构成了完整的InSAR监测技术体系。
（一）D-InSAR：形变监测的“基础款”
差分干涉合成孔径雷达（D-InSAR）是InSAR技术体系的核心基础，其关键在于通过引入外部DEM去除干涉图中的地形相位，进而生成差分图，聚焦地表形变信息。在实际应用中，D-InSAR的干涉相位包含地形相位、平地相位、形变相位、大气相位和噪声相位五种成分。技术人员通过精密轨道数据去除平地效应，借助滤波技术降噪，再通过解缠获取整周模糊度，最终得到地表形变结果。
不过，D-InSAR技术也存在明显局限。受时空失相干、大气扰动等因素影响，其监测精度易受环境干扰——在多雨、多雾地区，大气相位延迟会显著影响监测结果；当两次成像间隔时间过长或空间距离过远时，地表散射特性变化可能导致信号失相干，降低监测可靠性。因此，D-InSAR更适用于短时间尺度（数天至数年）的形变监测，如地震同震形变、火山喷发前后的地表位移监测等场景。
（二）MT-InSAR：长期形变的“精准追踪者”
为解决D-InSAR在长期监测中面临的大气干扰、时空失相干等问题，时序干涉合成孔径雷达（MT-InSAR）技术应运而生，主要包括永久散射体干涉测量（PS-InSAR）和小基线子集干涉测量（SBAS-InSAR）两大分支，成为长期地表形变监测的“主力军”。
A. PS-InSAR技术的核心，是从覆盖同一研究区域的多景单视复（SLC）SAR影像中，选取一景作为主影像，其余影像与主影像配准后，依据时间序列上振幅（强度）和相位的稳定性，筛选出“永久散射体（PS）目标”——这类目标通常是人工建筑物、灯塔、裸露岩石或人工布设的角反射器，其散射特性在长时间内保持稳定，回波信号较强。通过对这些PS点进行干涉和去地形处理，得到基于PS目标的差分干涉相位，再根据相位成分的不同特性，构建形变模型并结合时空滤波，最终估计出形变相位和地形相位残余。
PS-InSAR技术在城市高分辨率沉降监测中表现突出，尤其适用于桥梁、地铁、高层建筑等重点基础设施的形变监测。通过与同期水准测量、GPS测量数据对比，其监测结果的可靠性已得到充分验证。但该技术也存在局限：通常需要覆盖同一区域的SAR影像数量较多（一般超过25景）才能保证模型解算的可靠性；且基于大量PS点的迭代回归或网评查计算，运算效率较低，不适合大范围地区的地面沉降监测。
B. SBAS-InSAR技术则采用“多主影像”思路，通过选取时空基线较短的干涉对来提取形变信息，有效降低了空间去相干和大气延迟的影响。其技术流程分为三步：首先对覆盖区域不同时间段的多景SAR影像计算时间和空间基线，根据设定阈值选取合适的干涉对；然后对选取的干涉对进行差分干涉处理并完成相位解缠；最后根据干涉图子集情况，采用最小二乘法或奇异值分解（SVD）方法估计形变参数。在实际处理中，还会通过时空滤波去除大气延迟，分离出非线性形变，将估算的低频形变与非线性形变叠加，得到研究区的完整形变信息。
SBAS-InSAR技术通过高相干点（选取方法包括相位稳定性选点法、振幅离差指数选点法等）恢复形变信息，可采用线性模型、二阶多项式模型、周期性形变项等多种数学模型描述形变规律，在大范围区域的长期形变监测中优势显著，如华北平原、长三角地区的地面沉降普查等场景均广泛应用该技术。
（三）DS-InSAR：突破“点目标”限制的创新方向
分布式散射体干涉测量（DS-InSAR）技术的出现，打破了PS-InSAR对“永久散射体点目标”的依赖。在雷达分辨率单元内，若没有单一散射体的后向散射占据主导地位，这类区域被称为“分布式散射体（DS）”。此前，学界多以“相干目标”和“非相干目标”区分散射体，弱化了PS与DS的物理界限，而DS-InSAR技术则专门针对DS目标开展形变监测。
SqueeSAR（被称为“PS-InSAR V2”）是DS-InSAR技术的典型代表，其核心优势在于两点：一是通过同质点选取算法，在时序统计推断框架下，选取具有相同SAR统计分布的像素参与平均，既提高了相位信噪比，又避免了SBAS技术中多视或空间自适应滤波导致的空间分辨率损失，能更好地保留复杂场景中的细节信息，减少形变与非形变区域的误判；二是基于复Wishart分布的样本协方差矩阵，采用极大似然估计的相位优化算法恢复时序SAR影像相位（因需通过非线性优化“挤压”待估参数而得名“SqueeSAR”），且未依赖相位三角关系直接解算时序相位，与传统时序InSAR技术有本质区别。
不过，SqueeSAR也存在局限性：同质选点算法中使用的KS假设检验在小样本条件下功效低，易混入异质点，且计算效率不高；相位优化算法同样面临运算效率问题，难以应用于大范围精细监测。为此，国内外研究人员不断探索改进方案，如采用AD检验、似然比检验等更高效的统计推断方法，利用协方差矩阵奇异值分解提升计算速度，引入M估计量等抗差性更强的估计量保障优化可靠性。如今，SqueeSAR已构成DS-InSAR的技术雏形，广义上，除基于PS点目标的时序InSAR技术外，多数时序方法都或多或少应用了DS目标，为植被覆盖区、郊区等PS点稀少区域的形变监测提供了新思路。
（四）MAI：补充方位向形变的“三维视角”
传统InSAR技术主要获取地表沿雷达视线（LOS）方向的形变信息，而多孔径InSAR（MAI）技术的提出，填补了方位向形变监测的空白。由于方位向与LOS向互相垂直，MAI技术能为D-InSAR的形变检测结果提供重要补充，帮助技术人员获取地表三维形变信息，更全面地掌握地表变化规律。
MAI技术的实现原理，是通过方位向公共频率谱滤波技术重新确定SAR数据的零多普勒中心，将一景SAR影像划分为前视影像与后视影像。随后分别对这两幅影像进行配准、多视处理、干涉图生成、去平地效应、去地形影响及滤波处理，得到前视干涉图与后视干涉图。对这两幅干涉图进行差分后，生成的MAI干涉图中包含的就是地表方位向形变相位信息。
与偏移量追踪方法相比，MAI在方位向形变解算的精度和效率上更具优势。但该技术也存在明显短板：方位向公共频谱滤波相当于缩短了合成孔径时间，导致单个前视或后视影像接收到的回波信号减弱，易受噪声影响，因此不适合近场同震形变信息提取及较快的冰川流速估计；同时，前视与后视干涉对之间的垂直基线差异，会导致MAI干涉图中出现平地和地形效应引起的相位残留——以PALSAR数据为例，在标准幅宽下，0.1米的垂直基线差就会造成20°的平地相位残余，相当于50厘米的方位向形变误差；此外，电离层相位分布的时变性也会对MAI产生干扰，当电离层活跃时，会在干涉影像上造成方位向偏移，进而在MAI获取的方位向形变结果中形成具有一定方向性的“电离层条纹”，且这种现象在L波段SAR数据中尤为明显。
热门跟贴