一种基于GNSS和机器学习的InSAR大气改正方法

作者：武帅莹; 刘国祥^*; 贾洪果; 张波; 张瑞; 毛文飞; 吴婷婷

来源：武汉大学学报(信息科学版), 2023, 1-26.

• InSAR
• 对流层延迟
• 机器学习
• GNSS
• 气象模型
• K-means

准确分离干涉相位中的大气延迟是提高合成孔径雷达干涉测量技术（InSAR）形变监测精度的关键所在。为此，本文提出一种基于机器学习的GNSS大气延迟建模方法，以南加州地区为研究区域，对2019年夏季和2020冬季各一副Sentinel-1短时基线干涉图进行大气改正。结果表明，经该方法大气改正后的InSAR干涉相位均方根误差(RMSE)平均降低了78%，显著优于基于相位-高程关系的幂律函数和广泛使用的气象模型改正效果。同时，通过模拟实验，验证了本文方法在存在地表形变情况时仍然可靠。本研究可为基于GNSS大气数据的InSAR对流层延迟时空制图提供参考。

• 单位
  西南交通大学