基于InSAR技术的区域滑坡早期动态识别监测有效区域确定方法与流程

本发明属于航天遥感地质灾害早期动态识别监测技术领域，是解决应用干涉合成孔径雷达insar(interferometricsyntheticapertureradar)技术进行区域滑坡早期动态识别监测时由于卫星姿态参数及复杂地形因素影响而无法全面有效覆盖又不能精确判定究竟哪些区域为有效监测区域的难题，而通过建立相关算法模型精确计算和确定有效监测区域的方法。

背景技术：

近年来，干涉合成孔径雷达insar技术已经成为大范围长时间系列地表形变灾害调查监测的重要手段，也被广泛的应用在滑坡调查监测上，尤其是区域滑坡早期动态识别监测上已经成为国内外专家研究应用的热点。

然而，由于滑坡灾害孕灾环境的山区及高山峡谷等复杂地形特征以及合成孔径雷达sar卫星侧视成像特征，使得无法全部有效识别监测目标山区尤其高山峡谷区，但怎样确定哪些区域为有效监测区域成为insar技术是否能在滑坡辨识监测领域普适应用的难点，国际相关领域的专家也对此进行了多方面的深入研究和探索。seeplank等(2012)提出基于gis(geographicalinformationsystem)的建模模拟方法预测分析不同卫星成像模式下影响复杂地形区滑坡辨识监测的阴影和叠掩区，2014年notti等又在seeplank等研究基础上应用地形及卫星成像模式对persistentscattererinsar(ps-insar)方法下不同地面覆盖条件ps提取和获取能力的大小进行了初步探讨，取得了一定的理论成果，但由于研究过程中采用模拟预测仅给出了大致的定性分析。因此，所得结果无法精确判定有效监测区域，无法精确识别监测结果的真实有效性。

技术实现要素：

本发明的目的在于针对滑坡灾害孕灾环境的复杂地形特征及卫星侧视成像特征，在精确分析地形因子坡度、坡向及卫星成像入射角、方位角等姿态参数相互作用关系基础上，提出和建立了地形与卫星姿态参数据响应关系综合因子——即地面局部入射角(groundlocalincidenceangle，glia)算法模型；并通过日本alos(theadvancedlandobservationsatellite)卫星palsar(phasedarray-typel-bandsyntheticapertureradar)升降轨数据及地形dem(digitalelevationmodel)数据，精确计算和模拟升降轨模式下地面每一监测点的地面局部入射角，并对地面局部入射角进行分类分析，详细分析其与insar技术干涉特性(后向散射强度系数与相干系数)的相互影响及变化关系，并精确确定有效监测区域及无法有效监测的叠掩和阴影区域，从而实现不同复杂地形区、不同卫星侧视成像姿态参数下区域滑坡辨识监测有效监测范围的精确确定，实现时序insar技术区域滑坡早期动态辨识监测的精准分析。

为实现上述目的，本发明采用的技术方案为基于insar技术的区域滑坡早期动态识别监测有效区域确定方法，该方法具体包括以下步骤：

步骤1：建立地形与卫星姿态参数据响应关系综合因子即地面局部入射角(groundlocalincidenceangle，glia)算法模型。

对受地形坡度、坡向及卫星侧视成像轨道运行参数入射角、方位角等综合影响的地面局部入射角给出确定性的定义，并建立几何关系模型；对几何关系模型中每一参数进行定义和解释；并给出不同成像模式下参数的取值，对几何关系模型中围绕地面局部入射角形成的封闭三角形的三条矢量边进行详细的投影换算和分解；最后，依据余玄定理，根据三条边的换算标量关系，得出地面局部入射角的几何关系模型计算公式。

步骤2：地面局部入射角glia算法模型应用。

地面局部入射角算法模型推导出的地面局部入射角计算公式是由地面坡度坡向δ及卫星入射角θ、视线向水平角ω决定的三角函数及反三角函数关系计算式。其中，地面坡度及坡向δ从地形数据dem里通过栅格计算分析提取；卫星入射角θ及视线向水平角ω从卫星数据头文件里分析提取。最后，依据步骤1推导出的glia计算公式并通过区域栅格数据的计算分析处理，得到研究区域每一地面监测点的地面局部入射角glia值，应用alos卫星palsar升降轨数据(升轨数据为alos-1数据、降轨数据为alos-2数据)和srtm(theshuttleradartopographymission)的dem数据，对库区坝址附近约400平方公里的滑坡易发高山峡谷区域进行地面局部入射角计算模拟，得出研究区内升降轨数据下地面局部入射角的详细分布图；为后续简化分析，将研究区内各点地面局部入射角进行分组分析，除叠掩(glia负值的区域，即由于地形影响该区域雷达接收的反射信号为不同点的反射叠加)和阴影(glia大于90°的区域，即由于该区域地形陡峭不能被雷达信号照射到的区域)区各分列一组外，其余以10°区间为一组进行划分，得出研究区升降轨数据地面局部入射角详细的分布和重分类图。

步骤3：地面局部入射角glia与时序insar干涉特性的相关性分析。

应用升降轨数据获取的地面局部入射角glia与应用19景升轨数据通过时序insar技术和应用2景降轨数据通过d-insar技术获取的升降轨数据平均后向散射强度系数bsc(backwardscatteringcoefficient)及平均相干系数cc(coherencecoefficient)值进行相互作用影响关系变化分析，详细分析不同区间地面局部入射角对时序insar干涉特征的影响。

步骤4：可靠干涉区域即有效监测区域确定。

通过地面局部入射角glia与升降轨数据insar技术后向散射平均强度系数bsc及平均相干系数cc值的影响变化趋势分析，得出地面局部入射角glia与后向散射平均强度系数bsc及平均相干系数cc值的变化影响关系，详细分析不同区间的地面局部入射角所在区域的地面后向散射强度及相干性大小，并给出确定性定量结论；最后给出了当地面局部入射角处于0°-90°区间时insar技术所得干涉测量结果都是可靠而有效地，而当地面局部入射角处于大于90°的阴影区和小于0°的叠掩区时insar技术所得干涉测量结果都是不可靠而无效的。从而确定了水电库区坝址附近易发滑坡的高山峡谷区有效和无效监测区域。

得出地面局部入射角glia越小其干涉性能越强，且insar技术在山区及高山峡谷区应用的地面局部入射角glia最佳区间是10°-20°，且地面局部入射角glia在0°-90°的区间所处的区域都是insar技术干涉结果的有效监测范围。

与现有技术相比，本发明解决了以下两个方面的难题：

一方面，本发明精确建立了地形和卫星姿态参数综合影响因子即地面局部入射角glia算法模型，能够定量计算和分析地形与卫星成像姿态参数综合因子地面局部入射角glia对insar技术干涉特性的影响，精确确定了insar技术在高山峡谷地形复杂区域进行滑坡早期动态识别监测时的有效监测范围，提高了insar技术在区域滑坡早期动态辨识和监测应用上的实用性和精准性；另一方面，给出了insar技术进行区域滑坡早期辨识监测时地形与卫星成像姿态参数综合因子地面局部入射角glia的最佳范围，为应用insar技术进行不同区域滑坡早期动态识别监测时选用哪种模式的卫星雷达数据提供理论计算依据。

附图说明

图1本发明所涉及方法流程框架结构图；

图2地面局部入射角(glia)几何关系模型；

图3升轨alospalsar数据的地面局部入射角(glia)分布和重分类图；

图4降轨alospalsar数据的地面局部入射角(glia)分布和重分类图；

图5升降轨数据地面局部入射角(glia)与后向散射强度影响变化趋势图；

图6升降轨数据地面局部入射角(glia)与相干系数影响变化趋势图；

图7库区坝址附近采用时序insar技术的有效监测区域确定分布图。

具体实施方式

下面将结合附图和算法对本发明作进一步的详细说明。

如图1-7所示，本发明所涉及方法流程框架结构如附图1所示，包括以下步骤：

步骤1：建立地形与卫星姿态参数据响应关系即地面局部入射角(glia)算法模型。

地面局部入射角是侧视合成孔径雷达对地成像时雷达电磁波的入射方向与地面点的法线方向之间的夹角，该夹角是由雷达对地成像时卫星传感器的入射角、方位角及地面成像点的坡度、坡向所决定，如附图1所示。

附图2中，θ为卫星传感器的入射角，为地面点的坡度角，θloc即为地面局部入射角glia；δ和ω分别为地面点的坡向角和卫星视线向的水平角，以正北方向为0°方向，以顺时针旋转为正方向。图中和分别为卫星视线向矢量、地面点法线向矢量，以及卫星视线向矢量、地面点法线向矢量的合矢量。

对于视线向水平角ω，当卫星传感器右视成像时，取值为：ω＝卫星方位角+90°；当卫星传感器左视成像时，取值为：ω＝卫星方位角-90°。由于应用的雷达数据多采用右视成像，因此，右视成像中，附图1为右视成像的地面局部入射角glia几何关系模型。

将附图2中视线向矢量分别投影到x、y、z方向，结果如下：

其中，xvs、yvs、zvs分别为矢量在x、y、z方向的投影值。

地面点法线矢量分别投影到x、y、z方向，结果如下：

其中，xvn、yvn、zvn分别为矢量在x、y、z方向的投影值。

得矢量在x、y、z方向的投影结果如下：

xva＝xvn+xvs

(7)

yva＝yvn+yvs

(8)

zva＝zvn+zvs

(9)

其中，xva、yva、zva分别为矢量在x、y、z方向的投影值。

应用余弦定理可得如下：

因此，推导地面局部入射角glia模型计算公式如下：

步骤2：地面局部入射角算法模型应用。

应用alos卫星palsar升降轨数据(升轨数据为alos-1数据、降轨数据为alos-2数据)对水电库区坝址附近约400平方公里滑坡易发区应用上述模型公式及计算分析进行地面局部入射角glia提取，其中，地面每一观测点的入射角θ和卫星视线向水平角ω能够通过alospalsar升降轨数据进行分析和提取，而坡度角和坡向角从30米分辨率的srtmdem数据中通过栅格计算获取

依据公式(11)，研究区每一地面点的地面局部入射角被获取，升降轨数据地面局部入射角的范围分别为26.58–101.97°(升轨)和32.51–116.50°(降轨)，其中，地面局部入射角glia为负值的区域为叠掩区，而大于90°的区域为阴影区，研究区内每一点的地面局部入射角的值是不同的。为了简化后续分析，将地面局部入射角以10°区间为1组进行划分，叠掩和阴影区域分别分列，因此，在研究区升降轨数据地面局部入射角都分别被划为11组，其地面局部入射角详细的分类及划分见附图3和附图4所示。

至此，应用alospalsar升降轨数据通过步骤1所建立的算法模型，水电站库区坝址附近滑坡易发区地面局部入射角glia被详细的计算和分析。

步骤3：地面局部入射角glia与insar技术干涉特性的影响关系分析。

步骤3.1：地面局部入射角glia与后向散射强度的影响关系分析

为了获取地面局部入射角glia与insar技术后向散射强度的关系，应用上述升轨19景alos-1palsar数据通过时序insar技术与应用上述降轨2景alos-2palsar数据通过d-insar技术分别获取其后向平均散射强度系数bsc，依据步骤2中地面局部入射角glia分组分析结果对后向散射强度系数bsc进行区域强度平均统计分析，并对其地面局部入射角(glia)与后向散射强度系数bscs影响变化关系进行详细分析，其详细的影响变化变化趋势见附图5。

附图5结果表明：随着地面局部入射角glia增大升降轨数据的后向散射强度系数都逐渐减小。然而，对于升轨数据，当地面局部入射角glia小于10°区间内时其后向散射强度系数值相对高而稳定；而降轨数据，则是当地面局部入射角glia小于30°区间内时其后向散射强度系数相对高而稳定。而后，在地面局部入射角glia增至到50°-60°区间后升降轨数据都是随着地面局部入射角glia的增大其与后向散射强度系数bsc的影响变化梯度迅速减缓；但，叠掩区后向散射强度系数bsc值是最高的而阴影区后向散射强度系数bsc值是最低的。

步骤3.2：地面局部入射角glia与干涉相干性的影响关系分析

为了获取地面局部入射角glia与干涉相干性的关系，应用上述过时序insar技术获取升轨数据的平均相干系数cc与应用上述d-insar技术获取降轨数据的平均相干系数cc，依据步骤2中地面局部入射角glia分组分析结果对相干系数值进行区域平均统计分析，并对地面局部入射角(glia)与相干系数影响变化关系进行详细分析，其详细的影响变化趋势见附图6。

附图6结果表明：起初，随着地面局部入射角glia增大升降轨数据的相干系数平均值也都随之增大，至10°-20°的区间时相干系数cc平均值都达到最大；而后，随着地面局部入射角glia的增大相干系数cc平均值逐渐降低，然而升轨数据在地面局部入射角glia达到50°-60°区间以后其相干系数cc平均值又随之增大而轻微增加，而降轨数据则仍随着地面局部入射角glia的增大而逐渐减小。这表明，在50°-60°区间以前升降轨数据相干性随着地面局部入射角的增加变化趋势是一致的，而到达50°-60°以后升降轨数据的变化发生了相反的变化趋势。

步骤4：可靠干涉区域即有效监测区域确定。

通过以上地面局部入射角glia与后向散射强度系数bsc及相干系数cc影响关系的综合分析，以下结论被得出：地面局部入射角glia越小后向散射强度越大；同时，地面局部入射角越小其insar技术干涉性能越强，且地面局部入射角在10°-20°的区间时是insar技术在山区及高山峡谷区应用的最佳区间；当地面局部入射角glia处在0°-90°的区间时insar技术干涉结果是相对稳定而有效的，但，叠掩区(地面局部入射角小于0°)和阴影区(地面局部入射角大于90°)的干涉结果是不可靠而无效的。

因此，本发明中应用19景升轨alos-1数据通过时序insar技术获取的水电库区坝址附近区域滑坡监测干涉结果的有效监测区域如附图7所示，叠掩和阴影区为不可靠而无效的监测区域，其他区域为地面局部入射角glia为0°-90°的区域，为可靠而有效的监测区域。

至此，本发明基于insar技术的区域滑坡早期动态识别监测有效区域确定方法被完成和实现。