一种时序InSAR误差的改正方法及相关设备

摘要

本发明提供了一种时序InSAR误差的改正方法及相关设备，改正方法，包括：步骤1，获取研究区域的InSAR时序相位；步骤2，基于多源信号的时空特征，在InSAR时序相位中对空间趋势误差、地形相关误差和形变信号建立联合模型，并对联合模型中的模型参数进行求解，得到空间趋势误差和地形相关误差；步骤3，将空间趋势误差和地形相关误差在InSAR时序相位中减去，得到改正后的InSAR时序形变；有效避免了各类误差单独处理时易受形变或其他误差信号影响的问题，实现了大气延迟和轨道误差的准确估计，显著提高了时序InSAR地表形变测量的精度及可靠性。

权利要求

1.一种时序InSAR误差的改正方法，其特征在于，包括：步骤1，获取InSAR干涉图的InSAR时序相位；

步骤2，基于多源信号的时空特征，在所述InSAR时序相位中对空间趋势误差、地形相关误差和形变信号建立联合模型，并对所述联合模型中的模型参数进行求解，得到空间趋势误差和地形相关误差；

利用一阶多项式对所述空间趋势误差进行建模，得到多项式拟合系数方程；

利用线性模型对所述地形相关误差进行表征，得到线性方程系数方程；

利用三阶多项式函数对形变信号构建虚拟观测方程；

从所有像元中任意选择一个像元作为目标像元；

在时刻 ，以所述目标像元 为中心取大小为 的窗口，建立所述多项式拟合系数方程为：

其中， 为窗口内每个像元处的InSAR相位观测值， 为每一个点处的形变相位， 为地形相关误差相位， 、 、 为多项式拟合系数；

将上式中的观测值向量 纳入总的观测值向量 中，则相应的系数矩阵 会增加行，每一行与上式中观测值向量 的元素相对应，每一行中大部分元素为

0，只有与模型参数向量 中元素相对应的列不为0，其数值为上式中与系数矩阵相应行对应的元素；

利用先验信息建立额外的虚拟观测方程为：

将该虚拟观测方程加入总的观测值向量 中，并在对应的系数矩阵 中加入一行；

基于所述多项式拟合系数方程、线性方程系数方程、所述虚拟观测方程以及额外的虚拟观测方程，建立所述InSAR时序相位中所述空间趋势误差、所述地形相关误差和所述形变信号的联合模型为：其中，为总的观测值向量，为系数矩阵， 为模型参数；

步骤3，去除所述InSAR时序相位中的所述空间趋势误差和所述地形相关误差，得到改正后的InSAR时序形变。

2.根据权利要求1所述的时序InSAR误差的改正方法，其特征在于，所述联合模型中的模型参数包括所有像元的时序形变、所有像元处空间趋势误差的多项式拟合系数以及所有像元处地形相关误差的线性方程系数。

3.根据权利要求2所述的时序InSAR误差的改正方法，其特征在于，所述步骤2还包括：从所有像元中任意选择一个像元作为目标像元；

在时刻 ，以所述目标像元 为中心取大小为 的窗口，建立所述线性方程系数方程：

其中， 为窗口内每个像元处的InSAR相位观测值， 为形变相位， 为趋势相位，为像元 与像元 之间的高程之差， 、 为线性方程系数；

将上式中的观测值向量 纳入总的观测值向量 中，则相应的系数矩阵 会增加行，每一行与上式中观测值向量 的元素相对应，每一行中大部分元素为

0，只有与模型参数向量 中元素相对应的列不为0，其数值为上式中系数矩阵相应行对应的元素。

4.根据权利要求3所述的时序InSAR误差的改正方法，其特征在于，所述步骤2还包括：从所有像元中任意选择一个像元作为目标像元；

在时刻 ，以所述目标像元 为中心取大小为2K+1的时间窗口，构建虚拟观测方程为：其中， ， 为中间模型参数变量，  为时序形变，， 、 、 分别为第 景SAR影像与第 景SAR影像时刻之间的时间差、第 景SAR影像与第 景SAR影像时刻之间的时间差、第景SAR影像与第 景SAR影像时刻之间的时间差， 。

5.一种计算机可读存储介质，用于存储计算机程序，其特征在于，通过执行所述计算机程序，用于实现上述权利要求1‑4中任意一项所述的时序InSAR误差的改正方法。

6.一种时序InSAR误差的改正设备，用于实现上述权利要求1‑4任意一项所述的时序InSAR误差的改正方法，其特征在于，包括：存储器和处理器；

所述存储器用于储存计算机程序；

所述处理器用于执行所述存储器存储的计算机程序。

说明书

一种时序InSAR误差的改正方法及相关设备

技术领域

[0001] 本发明涉及地表形变测量技术领域，特别涉及一种时序InSAR误差的改正方法及相关及设备。

背景技术

[0002] 时序合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar，SAR，InSAR）技术通过分析时序SAR影像可获取研究区域长时序、高空间分辨率的地表形变结果，为相关地质灾害解译、分析和预防提供了重要的数据支撑。然而，受大气延迟（包括湍流大气和分层大气）和轨道误差等因素影响，时序InSAR技术的形变测量精度难以得到有效的保障，进而影响后续的应用分析。在准确的外部气象数据（如温度、气压等）或者其他大地测量资料（如（Global Navigation Satellite System，GNSS）全球卫星导航系统和水准数据）可用的情况下，可以有效地削弱InSAR观测值中的大气误差和轨道误差。但是，一般情况下，这些外部数据难以获取，仅能基于形变、大气延迟、轨道误差等信号在InSAR观测值中的不同时空特性来进行误差改正。例如，轨道误差在空间上可以利用二阶多项式进行建模和改正，分层大气可以通过与地形进行相关分析进行建模和改正，湍流大气可以通过时空滤波进行抑制。尽管现有研究针对各类误差的改正和抑制已开展了相关工作，但是大多数研究是在假定其他误差影响较小的前提下，针对某一类误差进行建模和改正。但是，在实际情况中，轨道误差、湍流大气和分层大气往往是同时存在的，若仅对某一类误差进行建模和改正，其改正精度勃然会受到其他误差信号的影响，最终降低时序InSAR形变测量的可靠性。

发明内容

[0003] 本发明提供了一种时序InSAR误差的改正方法及相关设备，其目的是为了避免各类误差单独处理时易受形变或其他误差信号影响的问题，提升时序InSAR形变测量的精度和可靠性。

[0004] 为了达到上述目的，本发明提供了一种时序InSAR误差的改正方法，包括：

[0005] 步骤1，获取InSAR干涉图的InSAR时序相位；

[0006] 步骤2，基于多源信号的时空特征，在InSAR时序相位中对空间趋势误差、地形相关误差和形变信号建立联合模型，并对联合模型中的模型参数进行求解，得到空间趋势误差和地形相关误差；

[0007] 步骤3，将空间趋势误差和地形相关误差在InSAR时序相位中减去，得到改正后的InSAR时序形变。

[0008] 进一步来说，步骤2包括：

[0009] 利用一阶多项式对空间趋势误差进行建模，得到多项式拟合系数方程；

[0010] 利用线性模型对地形相关误差进行表征，得到线性方程系数方程；

[0011] 利用三阶多项式函数对形变信号构建虚拟观测方程；

[0012] 联立多项式拟合系数方程、线性方程系数方程和虚拟观测方程，得到联合模型。

[0013] 进一步来说，联合模型中的模型参数包括所有像元的时序形变、所有像元处空间趋势误差的多项式拟合系数以及所有像元处地形相关误差的线性方程系数。

[0014] 进一步来说，所述步骤2还包括：

[0015] 从所有像元中任意选择一个像元作为目标像元；

[0016] 在时刻 ，以目标像元 处为中心取大小为 的窗口，建立多项式拟合系数方程为：

[0017]

[0018] 其中， 为窗口内每个像元处的InSAR相位观测值， 为每一个点处的形变相位，为地形相关误差相位， 、 、 为多项式拟合系数；

[0019] 将上式中的观测值向量 纳入总的观测值向量 中，则相应的系数矩阵 会增加 行，每一行与上式中观测值向量 的元素相对应，每一行中大部分元素为
0，只有与模型参数向量 中元素相对应的列不为0，其数值为上式中与系数矩阵
相应行对应的元素。

[0020] 进一步来说，所述步骤2还包括：

[0021] 从所有像元中任意选择一个像元作为目标像元；

[0022] 在时刻 ，以目标像元 为中心取大小为 的窗口，建立线性方程系数方程：

[0023]

[0024] 其中， 为窗口内每个像元处的InSAR相位观测值， 为形变相位， 为趋势相位，为像元 与像元 之间的高程之差， 、 为线性方程系数；

[0025] 将上式中的观测值向量 纳入总的观测值向量 中，则相应的系数矩阵 会增加 行，每一行与上式中观测值向量 的元素相对应，每一行中大部分元素
为0，只有与模型参数向量 中元素相对应的列不为0，其数值为上式中系数矩阵
相应行对应的元素。

[0026] 进一步来说，所述步骤2还包括：

[0027] 从所有像元中任意选择一个像元作为目标像元；

[0028] 在时刻 ，以目标像元 为中心取大小为2K+1的时间窗口，构建虚拟观测方程为：

[0029]

[0030] 其中， 为中间模型参数变量， 为时序形变，， 、 、 分别为第 景SAR影像与第
景SAR影像时刻之间的时间差、第 景SAR影像与第 景SAR影像时刻之间的时间
差、第 景SAR影像与第 景SAR影像时刻之间的时间差，
。

[0031] 进一步来说，所述步骤2还包括：

[0032] 利用先验信息建立额外的虚拟观测方程为：

[0033]

[0034] 将该虚拟观测方程加入总的观测值向量 中，并在对应的系数矩阵 中加入一行。

[0035] 进一步来说，联立多项式拟合系数方程、线性方程系数方程和虚拟观测方程，得到联合模型，包括：

[0036] 基于多项式拟合系数方程、线性方程系数方程、虚拟观测方程以及额外的虚拟观测方程，建立InSAR时序相位中空间趋势误差、地形相关误差和形变信号的联合模型为：

[0037]

[0038] 其中，为总的观测值向量，为系数矩阵， 为模型参数。

[0039] 本发明还提供了一种计算机可读存储介质，用于存储计算机程序，通过执行计算机程序，用于实现上述的时序InSAR误差的改正方法。

[0040] 本发明还提供了一种时序InSAR误差的改正设备，用于实现上述的时序InSAR误差的改正方法，包括：

[0041] 存储器和处理器；

[0042] 存储器用于储存计算机程序；

[0043] 处理器用于执行存储器存储的计算机程序。

[0044] 本发明的上述方案有如下的有益效果：

[0045] 本发明基于形变、大气延迟和轨道误差等多源信号的时空特征，构建了InSAR时序相位中空间趋势误差、地形相关误差和形变信号的联合模型，有效避免了各类误差单独处理时易受形变或其他误差信号影响的问题，实现了大气延迟和轨道误差的准确估计，显著提高了时序InSAR地表形变测量的精度及可靠性。

[0046] 本发明的其它有益效果将在随后的具体实施方式部分予以详细说明。

附图说明

[0047] 图1为本发明实施例的流程原理图；

[0048] 图2为本发明实施例采用不同方法得到的漏斗中心处InSAR时序形变结果对比图。

具体实施方式

[0049] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0050] 在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

[0051] 在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是锁定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

[0052] 此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

[0053] 本发明针对现有的问题，提供了一种时序InSAR误差的改正方法及相关设备。

[0054] 具体来说，本发明实施例是对时序InSAR大气延迟与轨道误差进行联合改正，轨道2
误差在空间上均为认为是低频信号，同时湍流大气误差在小空间范围内，如1×1km也可认为是低频信号，因此在本发明实施例中将轨道误差和湍流大气统称为趋势误差。对于某一像素点处的空间趋势误差而言，可利用空间一定范围内，如5×5像素的观测值进行多项式拟合建模。分层大气主要与局部地形相关，因此被称为地形相关误差，对于某一像素点处的地形相关误差而言，可对空间一定范围内的InSAR观测值和地形进行线性拟合建模，此外，排除地震等突发性事件，一般情况下，地表形变在时间上是一个缓慢变化的过程，在一定时间范围内，可认为时序地表形变满足与时间相关的三次方程，将此假设作为先验约束条件，在InSAR时序相位中对大气延迟误差、轨道误差和形变信号进行时空统一建模，即可有效避免各类误差单独处理时易受到形变或其他误差信号影响的问题，进而提升时序InSAR形变测量的精度和可靠性。

[0055] 如图1所示，本发明的实施例提供了一种时序InSAR误差的改正方法，包括：

[0056] 步骤1，获取InSAR干涉图的InSAR时序相位；

[0057] 步骤2，基于多源信号的时空特征，在InSAR时序相位中对空间趋势误差、地形相关误差和形变信号建立联合模型，并对联合模型中的模型参数进行求解，得到空间趋势误差和地形相关误差；

[0058] 步骤3，将空间趋势误差和地形相关误差在InSAR时序相位中减去，得到改正后的InSAR时序形变。

[0059] 具体来说，本发明实施例基于SBAS（Satellite‑Based Augmentation System）星基增强系统或SqueeSAR分布永久散射体卫星雷达监测技术方法，无需改正InSAR干涉图中的轨道误差和大气延迟误差，直到得到InSAR时序相位，后续的空间趋势误差和地形相关误差改正则是针对InSAR时序相位进行的。

[0060] InSAR干涉图中存在轨道误差和大气延迟误差，其根本是因为组成干涉图的SAR影像中包含相应的轨道误差和大气延迟误差，因此，基于不进行轨道误差和大气延迟误差改正的InSAR干涉图所得到的InSAR时序相位中，不仅包含时序形变还包含每一个时刻所所对应的轨道误差和大气延迟误差因此，直接针对InSAR时序相位进行相应的误差改正是更为合理的。同时，相较于InSAR干涉图而言，InSAR时序相位的数据量可大大降低，进而有利于提高数据处理效率。

[0061] 具体来说，本发明实施例的步骤2，主要考虑三个方面的函数模型建立：

[0062] 1对于空间趋势误差而言，在1km×1km的小窗口范围内，可利用与位置相关的一阶多项式进行建模，得到多项式拟合系数方程；

[0063] 2对于地形相关误差而言，在一定的小窗口范围内，可利用与地形相关的线性模型进行表征，得到线性方程系数方程；

[0064] 3对于形变信号而言，其在一定的空间范围内，往往与空间趋势误差表现为相似的空间特征，不同的是，形变信号在一定的时间窗口内也是相关的，因此可以通过与时间相关的三阶多项式函数，建立与时序形变相关的虚拟观测方程，进而同1和2中的函数模型联立，实现空间趋势误差、地形相关误差和时序形变信号的时空同一建模。

[0065] 在本发明实施例中，假设现有N个时刻的InSAR时序相位，每个时刻的相位为I×J大小的矩阵，则本发明实施例的联合模型中需要求解的模型参数包括：所有像元的时序形变 ，所有像元处空间趋势误差的多项式拟合系数 ，所有像元处地形相关误差的线性方程系数
，其中 表示第 个时刻。

[0066] 上述模型参数是通过建立一个函数模型进行求解的，因此所建立的函数模型中模型参数 的大小为 （一般选第一景影像为参考影像），相应系数矩阵的列数与模型参数向量 的长度一致。此时，若要求解模型参数 的数值，则关键在于构建系数矩阵 和观测值向量 。

[0067] 具体来说，本发明实施例的步骤2还包括：

[0068] 从所有像元中任意选择一个像元作为目标像元为例，介绍建立与该时刻该像元模型参数相关的系数矩阵和观测值向量的具体过程。

[0069] 首先，建立空间趋势误差的多项式拟合系数方程，在 时刻、以目标像元 为中心取大小为 的窗口，则窗口内的InSAR相位可认为是形变相位、空间趋势
误差相位和地形相关误差相位之和，其中，窗口内的模型参数包括每一个像元的形变相位、地形相关误差相位 以及窗口内的空间趋势误差相位的多项式拟合
系数 ，其中 为 区间内的整数，因此，对于窗口内每一
个像元处的InSAR相位观测值 可写为：

[0070] （1）

[0071] 考虑到 时刻窗口内共有 个InSAR相位观测值，则有：（2）

[0072] 其中， 为窗口内每个像元处的InSAR相位观测值，为每一个点处的形变相位，为 区间内的整数， 为地形相关误差相位， 、 、 为多项式拟合系数，T表示矩阵转置。

[0073] 将上式（2）中的观测值向量 纳入总的观测值向量 中，则相应的系数矩阵 会增加 行，每一行与上式（2）中观测值向量 的元素相对应，每一行中大部分元素为0，只有与模型参数向量 中元素相对应的列不为0，其数值为上式（2）中与系数矩阵 相应行对应的元素。

[0074] 具体来说，本发明实施例的步骤2还包括：

[0075] 建立地形相关误差的线性拟合系数方程，在 时刻、以目标像元 为中心取大小为 的窗口，则窗口内的InSAR相位同样可认为是形变相位、趋势相位和地
形相关相位之和，其中不同的是，窗口内的模型参数包括每一个点处的形变相位 、
趋势相位 以及窗口内的地形相关误差的线性拟合系数 ，其
中， 为 区间内的整数，因此，对于窗口内每一个像元处的InSAR相位观测值
可写为：

[0076] （3）

[0077] 考虑到 时刻窗口内共有 个InSAR相位观测值，则有：（4）

[0078] 其中， 为窗口内每个像元处的InSAR相位观测值，为形变相位，为趋势相位，为窗口区间内的整数， 为像元 与像元 之间的高程之差， 、 为线性方程系数；

[0079] 将上式（4）中的观测值向量 纳入总的观测值向量 中，则相应的系数矩阵会增加 行，每一行与上式（4）中观测值向量 的元素相对应，每一行中大
部分元素为0，只有与模型参数向量 中元素相对应的列不为0，其数值为上式（4）中系数矩阵 相应行对应的元素。

[0080] 需要说明的是，由于空间趋势误差和地形相关误差在空间上的尺度一般是不相同的，比如用于地形相关误差建模的空间尺度往往与实际地形相关，而相比之下空间趋势误差的空间尺度往往范围更大，因此上述公式（2）和（4）建立过程中窗口尺寸模型参数一般是不同的。此外，从公式（2）和（4）中可以看出，两类方程中的观测值向量 和中会包含相同的观测值，也就是说对于InSAR时序相位中某一个观测值 可能会在最终的观测值向量 中出现多次。并且，在公式（1）中对窗口内的趋势相位建模时，其空间位置的参考点即为目标像元 ，这种情况下多项式系数中的常数项即为该像元处的
趋势相位数值，进而目标像元 处的趋势相位可能也会作为模型参数出现在其他像元
处建立的方程中，即公式（2）；同理，在公式（3）中对窗口内的地形相关误差建模时，其高程的参考点即为目标像元 处的高程，这种情况下线性方程系数中的常数项即为该像元
处的地形相关误差数值，进而目标像元 处的地形相关误差可能也会作为模型参数出
现在其他像元处建立的方程中，即公式（4）。从上述分析可以看出，针对不同像元建立的公式（2）和（4），会包含其他像元处的模型参数，进而无法通过逐像元进行每个像元处的模型参数求解，只能建立一个关于所有时刻、所有像元处的所有模型参数的大型函数模型，然后进行模型参数的整体求解，求解出模型参数即为空间趋势误差和地形相关误差。

[0081] 具体来说，本发明实施例中的步骤2还包括：

[0082] 假定时序形变在一定的时间窗口范围内通过三次多项式进行拟合，即为时序形变提供了外部约束条件，用于建立与时序形变相关的虚拟观测方程。一般情况下，虚拟观测方程的形式为“0=系数矩阵×模型参数向量”。对于时序形变而言，模型参数向量即为时序形变，因此构建虚拟观测方程的关键在于如何根据外部约束条件确定相应的系数矩阵。

[0083] 在时刻 ，以目标像元 处为例，来说明构建虚拟观测方程的过程如下：

[0084] 首先，以时刻 为中心，取大小为 的时间窗口 ，则相应的模型参数（时序形变）向量为 。当 已
知时，则有以下关系：

[0085] （5）

[0086] 系数矩阵 中， 、 、 分别为第 景SAR影像与第 景SAR影像时刻之间的时间差、第 景SAR影像与第 景SAR影像时刻之间的时间差、第 景SAR影像
与第 景SAR影像时刻之间的时间差，三次多项式系数中的常数项即为 时刻所对应的形变。由于系数矩阵 是已知的，则基于最小二乘方法可得

[0087] （6）

[0088] 进而可得时序形变 的三次多项式拟合值 为

[0089] （7）

[0090] 式中， 和 均为已知量。

[0091] 理论上， 与 之差等于0，则有

[0092] （8）

[0093] 其中， 为中间模型参数变量， 与之差等于0， 为时序形变， 为时序形变 的三次多项式拟合值， 、
、 分别为第 景SAR影像与第 景SAR影像时刻之间的时间差、第 景SAR
影像与第 景SAR影像时刻之间的时间差、第 景SAR影像与第 景SAR影像时刻之间的
时间差， 。

[0094] 公式（8）即为本发明方法中针对时刻 目标像元 处构建的虚拟观测方程。对于每个像元的每一个时刻，均可建立公式（8）的虚拟观测方程，此时在观测值向量 中加入一个0值元素，并且在对应的系数矩阵 中加入一行，这一行中对应公式（8）中模型参数的元素即为公式（8）中系数矩阵相应的元素。可以看出，类似空间上的建模过程，时间上的虚拟观测方程中，对于某一时刻而言，也会包含其他时刻对应像元的模型参数，因此也需要对所有时刻的模型参数进行同时建模和求解。

[0095] 除了上述的三种方程建立方法之外，一般也可以利用其他先验信息建立额外的虚拟观测方程。比如说，在一些研究区域，发生形变的范围往往小于整个SAR影像的覆盖范围，因此就会存在远场区域，认为远场区域是没有发生地表形变的，也就是说：

[0096] （9）

[0097] 类似公式（8），上述虚拟观测方程也可以加入最终的模型参数解算函数模型中（即）。这种先验假设条件往往也是成立的，因为在InSAR数据处理过程中，不可避免的需要在空间上以某个点为参考点进行空间相位解缠，即本身InSAR数据的测量结果是一个相对结果。对于目标研究区域而言，基于先验信息人工选取一些区域，假定其形变为0，这种情况下可进一步提高本发明实施例中联合模型的可靠性。

[0098] 综上，基于公式（2）、（4）、（8）、（9）即可得到用于求解模型参数 的观测值向量和系数矩阵 ，其中 满足以下公式

[0099] （10）

[0100] 式（10）即为建立的InSAR时序相位中空间趋势误差、地形相关误差和形变信号的联合模型，其中，为总的观测值向量，为系数矩阵， 为模型参数。

[0101] 具体来说，在本发明实施例中，由于公式（10）中的系数矩阵 为大型系数矩阵，因此在步骤3中采用现有的稀疏最小二乘迭代算法对模型参数 进行求解，通过matlab中的lsmr函数实现公式（10）中模型参数的快速高精度解算，得到在每个时刻每一个像元处相应的空间趋势误差和地形相关误差。

[0102] 具体来说，步骤4在原始InSAR时序相位中将空间趋势误差和地形相关误差减去，得到改正后的高精度InSAR时序形变。

[0103] 综上所述，本发明实施例在利用传统方法得到InSAR时序相位的基础上，认为在一定的空间范围内（如1km×1km），湍流大气和轨道误差可以利用与位置相关的一阶多项式进行建模；可利用分层大气与局部地形相关进行线性建模；在一定的时间范围内（如1个月），绝大多数地表形变可认为是与时间相关的平滑过程，可利用与时间相关的三次函数进行拟合；在InSAR影像中，远场区域的形变等于0，进而可将这一先验信息作为约束条件辅助建模。本发明基于这4种先验信息，实现了InSAR时序相位中形变、大气延迟和轨道误差等不同信号的联合建模，在此基础上，利用稀疏最小二乘迭代算法进行求解，即可实现InSAR时序相位中大气延迟和轨道误差的高精度估计与改正，进而显著提高InSAR时序形变的测量精度；突破了传统方法对各类误差单独处理的思路，充分考虑了多源信号的时空特征，极大地丰富了时序InSAR地表形变测量的理论与方法体系。

[0104] 下面通过以下模拟实验对本发明实施例作进一步说明：

[0105] 通过SBAS方法模拟得到22个时刻的InSAR时序形变，形变场的空间尺寸为600×600像素，每个像素的空间分辨率为100m×100m。其中，形变的空间特征为漏斗形，每个点在时间上的变化趋势为对数形，即 ，形变 的单位为米，时间
表示相对于参考时刻的时间差，单位为天；利用模拟了每一个时刻整个形变场范围内的轨道误差，其中轨道误差的最大量级为10弧度（对于c波段而言，约为4.4厘米），轨道误差在空间上展示三维趋势方向在每个时刻是随机的；每个时刻的湍流大气误差可利用分型维度为
2.2的分形函数进行模拟，最大量级为10弧度；对于地形相关的分层乏汽而言，考虑到分层大气与地形之间的比例系数在空间不同区域可能不一致，模拟实验中同样利用分形维度为
2.2的分形函数模拟空间上不同区域处分层大气相位与地形之间的比例系数，然后通过模拟得到的比例系数与真实DEM数据（Digital Elevation Model，DEM）全球数字高程数据相乘得到模拟数据中的分层大气分量；将模拟的InSAR时序形变、轨道误差、湍流大气和分层大气相加，即可得到模拟试验所用到的InSAR时序相位。

[0106] 为了对比本发明实施例的优势，将模拟的InSAR时序相位作为观测值，分别利用本发明实施例所提到的方法与传统方法进行InSAR时序相位中的大气延迟误差和轨道误差改正。其中，传统方法是指在整个影像中，将形变区域掩膜，利用非形变区与进行趋势相位和地形相关相位联合建模和求解，然后利用求解得到的模型参数进行形变区域的趋势相位和地形相关相位正演，即可实现整个影像中相关误差的改正，如图2所示展示了漏斗中心处不同方法获取的InSAR时序形变结果可看出本发明实施例所提到的方法比传统方法得到的InSAR时序形变结果更为精确。

[0107] 本发明实施例还提供了一种计算机可读存储介质，用于存储计算机程序，通过执行计算机程序，用于实现上述的时序InSAR误差的改正方法。

[0108] 本发明实施例还提供了一种时序InSAR误差的改正设备，用于实现上述的时序InSAR误差的改正方法，包括：

[0109] 存储器和处理器；

[0110] 存储器用于储存计算机程序；

[0111] 处理器用于执行存储器存储的计算机程序。

[0112] 以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。