4InSAR变形监测的挑战
4.1多维形变测量
众所周知，InSAR技术只能监测地表形变在雷达视线方向(line-of-sight，LOS)上的一维投影。然而在现实中，地质灾害引发的地表形变都是发生在三维空间框架下的，即所谓的三维形变场。理论上，融合3个或以上平台或轨道的InSAR形变观测值就可以重建三维地表形变。但受限于现有SAR卫星的极轨飞行和侧视成像模式，InSAR形变观测值对南北向形变极其不敏感，导致该方法只能在忽略南北向形变的前提下得到可靠的垂直向和东西向形变[89]。因此，InSAR形变观测值极有可能导致对地质灾害的误判甚至错判，这已经成为限制InSAR技术应用和推广的主要瓶颈之一。
为了克服InSAR技术的上述缺陷，部分学者开始研究利用偏移量跟踪(OFT)[90]和MAI[37]技术监测LOS向之外(即方位向)的地表形变结果。其中，OFT方法是利用主辅SAR影像的配准偏移量信息来监测地表在方位向(即卫星飞行方向)上的形变信息。国内外的研究成果表明，融合升轨和降轨的DInSAR和OFT/MAI观测值，可以较好的重建由地震、火山喷发和冰川漂移等大型地质灾害的三维形变场。另一方面，GPS是目前最为常用的三维地表形变监测技术，但是只能获得稀疏的GPS地面站所在位置的测量结果。通过融合InSAR和GPS资料，可以充分利用二者的优点，获取高分辨率的三维形变场[91]。
通过上述分析可知，对于绝大多数没有布设足量GPS的研究区域，现有的InSAR方法都难以得到高精度的三维形变(特别是南北向形变)结果，从而导致InSAR在监测某些地质灾害时力不从心，例如近南北走向的走滑断层活动、近东西走向的逆冲断层活动、朝南或朝北的山体滑坡等。已经进入可行性论证阶段的高轨SAR卫星，其成像几何与目前低轨SAR卫星的成像几何差异较大，已有研究表明，融合高轨和低轨InSAR观测值，可以获取高精度的三维形变场[92]。另一方面，不同平台、不同轨道SAR数据的获取时间和重返周期都有所差异，导致现有模型在解算三维时序形变存在秩亏问题，需要借助附件条件进行约束，这不仅有损InSAR三维时序形变结果的估计精度，而且每获取一景新的SAR数据，都需要将其与之前所有的存档数据一起重新处理，极大地浪费了时间和精力。动态平差方法(如卡尔曼滤波)则为解决该问题提供了新的思路。
4.2低相干区测量
相干性是InSAR技术无法回避的问题之一[3-4]。受各成像时刻分辨率单元内散射体变化、传感器姿态变化和雷达波透射比等因素制约，雷达回波信号不同程度地遭受着时空去相干的影响，导致干涉相位随机噪声增加，相干性衰减，测量精度降低。当两次回波信号的线性相似程度为0时，则产生完全失相干现象，致使InSAR技术失效。
低相干或快速去相干区域目前并没有明确的定义，一般是指时间或空间相干性小于某个临界值时的研究对象，如牧草地或湿地区域的干涉质量随时间变化呈指数衰减，是典型的低相干区域。从InSAR的技术特点出发，传统D-InSAR由于观测有限，很难直接捕捉到这类区域的形变特征。反之，时序InSAR，特别是基于分布式目标的时序InSAR技术因观测数增多、信噪比增强等特点能够部分恢复低相干区域的形变历史[27,29]。然而，这对于InSAR数据处理是一项极具挑战性的任务，主要体现在两个方面：①相干性是评价相位质量的唯一指标，因此相干性的参数估计问题是整个质量控制的关键；②在时间维，仅有限的观测用于解算时序形变，在最小范数框架下，设计矩阵面临秩亏，增加约束条件是影响最终产品精度的关键[21]。在第①点中，由于样本相干性是有偏估计量，在低相干区域产生更高的系统偏差，使得相干值并不能客观反映相位质量，导致实际选取的点目标相位质量差。若要提取正确的点目标，去除系统误差是关键。但是，相干性估计量的统计属性十分复杂，且无解析表达式。当前行之有效的解决方法是采用Bootstrapping或Jackknife非参数统计技术在无分辨率损失的情况下逐点去除观测偏差[11]。在第②点中，解的稳定性取决于观测数量和约束条件与现实时序形变的吻合程度，目前通用的方法是采用截尾SVD分解或Tikhonov正则化方法(拉普拉斯平滑算子)进行补偿[21]。
不同波长的传感器具有不同的抗失相干能力。随着SAR影像的累积，同一区域可能覆盖多个传感器的数据栈。将多源传感器数据进行联合解算以便增加观测数并同时提高时间分辨率是实现低相干区域InSAR形变监测的主流方法[93]。这不仅对不同平台的数据配准有更高的要求，而且不可避免地衰减空间分辨率。然而，在干涉条件较差的环境下，利用牺牲空间分辨率换取估计精度的可靠性可能是目前低相干区域测量的唯一手段，而在没有先验知识的情况下一味追求对形变解算方法的改进很可能导致错误的解译结果。
瞬时形变，如同震引起的地表破裂常使得断层附近的观测完全失相干，上述InSAR监测方法完全失效。备择方案是采用SAR图像偏移量技术获取近场变形或以偏移量方法辅助恢复干涉条纹信息。
4.3大气误差改正
大气延迟的影响是当前InSAR地表形变监测中的主要误差源之一。SAR卫星发射的微波信号穿过大气层时，会由于大气层中传播介质的非均匀性而影响电磁波的传播速度和传播路径，从而产生额外的大气信号。由于大气层在不同时刻呈现的状态不一样，导致SAR卫星在不同成像时刻受大气的影响也不相同，两次成像时刻的大气信号之差即所谓的“大气延迟”。大气层中的电离层和对流层是导致大气延迟的主要介质层[4]。
电离层对微波信号的影响主要与传播路径上的总自由电子数目(TEC)有关，其中电离层中自由电子的数目主要受太阳表面黑子活动强度的影响，InSAR中的电离层影响则主要是由于两次SAR成像时刻沿传播路径上电离层自由电子数目的变化导致，且影响程度与传播信号频率的平方成正相关，则频率越高影响越大。在相同电离层情况下，L-波段(1.275MHz)SAR卫星受电离层的影响程度大约是C-波段(5.29MHz)的17倍[94]。此外，TEC在不同维度带的分布及其不均匀，通常情况下赤道附近的InSAR电离层影响相比于中高纬度地区要更明显。当前对于InSAR电离层的改正主要有以下几种方法：①利用外部探测手段监测到的TEC数据(例如GPS)来改正干涉图中的电离层误差[95]；②通过计算SAR影像在方位向上的Offset-tracking来估计电离层误差[96]；③利用MAI监测出方位向上的形变来估计电离层影响[97]；④通过分裂距离向雷达频谱的方法(RangeSplit-spectrumInterferometry,RSI)得到基于两个不同频率获得的干涉图来估算出与电离层相关的大气误差[94]。然而以上方法都还存在着一些自身的局限性，第1种方法受限与外部数据的空间分辨率，例如GPS站的空间分辨率往往达到了数十千米；第2种方法则非常依赖于像素匹配的精度，而且估计结果会受方位向形变信号的影响；第3种方法则非常依赖于前后孔径干涉图的空间相关性以及MAI相位沿方位向上的积分精度；第4种方法则受限于SAR卫星本身的载波频率带宽，例如当前的SAR卫星带宽通常只有14MHz或者28MHz。因此，对于InSAR中电离层影响的校正依然是一个较为棘手的问题。
相比于电离层的影响主要集中在低纬度地区以及长波段SAR干涉图中，对流层(又称中性大气层)延迟对于InSAR干涉图的影响则更为普遍[4]。电磁波在对流层中的传播主要与大气压强、温度以及空气中的水汽含量的有关。由于压强和温度在空间上的变化比较缓慢，空间尺度比较大，因此InSAR干涉图中的对流层延迟主要与水汽含量的空间分布有关。两个SAR成像时刻的水汽含量只要变化20%，则可以导致10~14cm的InSAR形变误差[3]。空间上的InSAR对流层延迟在物理机制上可以将其分为两部分：垂直分层部分和湍流部分。其中垂直分层部分的对流层延迟与地形起伏相关，在多山地区的影响较为明显，湍流部分的对流层延迟则与地形无关，而受大气的湍流作用影响[4]。当前InSAR对流层误差的校正主要可以分为如下两大类方法：第1类，基于外部大气数据的对流层误差改正方法[98]；第2类，利用InSAR对流层延迟在时空上的统计特性基于统计学的方法来削弱其影响[14]。其中第1类方法中的外部大气数据源主要有：①GPS估计出的天顶延迟数据；②MODIS、MERIS光学传感器获得的水汽数据；③气象模型(如WRF，NWM)估计出的对流层延迟数据。这一类基于外部数据的校方法非常受限于外部数据自身的观测质量以及数据的时空分辨率，例如GPS数据虽然有较好的时间分辨率，但空间分辨率远低于SAR影像，MODIS数据和MERIS数据则只在白天工作，而且数据质量受云污染的影响严重，气象模型则受限于原始气象数据的空间分辨率(数十千米)，而且气象模型不能估计湍流部分的对流层延迟。第2大类对流层校正方法则主要有以下两种：①通过分析对流层延迟与地形起伏的关系，在空间上建立对流层延迟的函数模型[99]；②利用时间序列上的干涉图，在时间域通过滤波或者平差的手段来削弱对流层的影响[14]。然而这一类方法也存在着一些自身的缺陷以及局限性，例如空间域对流层函数模型建模的方法则只能削弱垂直分层部分的大气延迟，通过时许滤波的方法则往往都是基于时间域对流层延迟符合高斯分布的假设，而这往往不符合实际情况的。
相信随着外部探测技术的不断完善、SAR传感器的不断改进以及算法的不断优化，InSAR大气延迟的校正可以得到进一步的改善和提高，这对于InSAR技术的推广以及更高精度地表形变的提取也是至关重要的。
