联合M估计和贝叶斯估计的DS-InSAR形变解算方法

李晓田; 谢磊; 江坤; 单宝俊; 朱凌杰; 许文斌

doi:10.13203/j.whugis20240125

您当前的位置：

首页 >

文章列表页 >

联合M估计和贝叶斯估计的DS-InSAR形变解算方法

摄影测量与遥感 | 更新时间：2026-11-05

- 联合M估计和贝叶斯估计的DS-InSAR形变解算方法
- A Joint M-Estimation and Bayesian Estimation Method for DS-InSAR Deformation Solution
- 武汉大学学报（信息科学版） 2026年51卷第3期页码：519-530
- 作者机构：
  
  中南大学地球科学与信息物理学院,湖南长沙，410083
- 作者简介：
  
  李晓田，硕士，主要从事城市地表形变研究。215012178@csu.edu.cn
  谢磊，博士，讲师。leixie_geo@csu.edu.cn
- 基金信息：
  
  国家自然科学基金(42304037;42174023);国家杰出青年基金项目(41925016);国家重点研发计划(2022YFB3903602);湖南省自然科学基金重点项目(2024JJ3031);中南大学前沿交叉研究项目(2023QYJC006)
- DOI：10.13203/j.whugis20240125
  中图分类号： P237
- 收稿：2024-10-21，
  
  纸质出版：2026-03-05
- 稿件说明：
移动端阅览
李晓田,谢磊,江坤，等.联合M估计和贝叶斯估计的DS-InSAR形变解算方法[J].武汉大学学报（信息科学版）,2026,51(3):519-530.

LI Xiaotian,XIE Lei,JIANG Kun,et al.A Joint M-Estimation and Bayesian Estimation Method for DS-InSAR Deformation Solution[J].Geomatics and Information Science of Wuhan University,2026,51(3):519-530.
李晓田,谢磊,江坤，等.联合M估计和贝叶斯估计的DS-InSAR形变解算方法[J].武汉大学学报（信息科学版）,2026,51(3):519-530. DOI：10.13203/j.whugis20240125

LI Xiaotian,XIE Lei,JIANG Kun,et al.A Joint M-Estimation and Bayesian Estimation Method for DS-InSAR Deformation Solution[J].Geomatics and Information Science of Wuhan University,2026,51(3):519-530. DOI：10.13203/j.whugis20240125

摘要

合成孔径雷达干涉测量（interferometric synthetic aperture radar

InSAR）中的联合永久散射体（persistent scatterer

PS）和分布式散射体（distributed scatterer

DS）估计地表形变，可增加非城市区域的相干目标监测密度。然而，目前仍存在相干目标点数量与参数估计精度难以兼顾的问题，因此，提出了一种联合M估计和贝叶斯估计的DS-InSAR形变解算方法（joint M-estimation and Bayesian estimation-InSAR

MB-InSAR）。所提方法使用三弧段构建PS-DS弧段网，将加权贝叶斯估计和M估计分别应用于不同方差水平的DS点形变参数估计。模拟实验结果表明，相较于传统最大似然估计和普通贝叶斯估计，MB-InSAR对长时间序列的速率估计精度提高了47%，且受PS点密度和噪声的影响较小。在真实实验中，所提方法与3个GPS站点结果比对显示出了良好的一致性。模拟实验和真实实验验证了MB-InSAR方法在分布式目标形变参数估计中的有效性，提高了DS-InSAR技术在复杂地表环境下的形变解算精度，并保证了相干目标点密度，有助于揭示精细地表的形变特征。

Abstract

Objectives

As a deformation monitoring technique based on surface observation

interferometric synthetic aperture radar (InSAR) has been widely used in the study of surface deformation monitoring for its advantages of high precision and wide range. However

there is still a contradiction between the number of measuring points and the measurement accuracy in the common methods of surface deformation monitoring using InSAR

which limits its application in urban low-coherence areas. Distributed scatterer-InSAR (DS-InSAR) has emerged as a powerful remote sensing technique that significantly increases the number of coherent target pixels in non-urban areas without sacrificing spatial resolution. However

there remains a challenge in balancing the quantity of coherent targets with the accuracy of deformation estimation in conventional DS-InSAR method. To address this issue

we propose a new DS-InSAR method that integrates M-estimation and Bayesian estimation (MB-InSAR)

further improving the accuracy of parameter estimation for deformation rates in low-coherence areas.

Methods

The proposed method applies a three-arc strategy to construct the persistent scatterer-disctributed scatterer (PS-DS) arcs network

which provides a more accurate prior distribution for the DS estimator. Subsequently

the MB-InSAR method uses the obtained PS point parameter to provide the prior distribution of the parameters for DS solution. The DS points to be solved are divided into points with different interpolation error levels through the velocity interpolation variance threshold. The DS point parameters with small interpolation error are obtained based on weighted Bayesian estimation

and the DS point parameters with large interpolation error are obtained based on M estimation. The robustness of DS parameter estimation is further improved.

Results

Quantitative evaluation using simulated data shows that the MB-InSAR method can provide more stable and accurate estimation results than maximum likelihood estimation (MLE) and Bayesian estimation for observation noise and uneven distribution of observation points. The MB-InSAR method improves the accuracy of long time series velocity estimation by 47%

compared with traditional MLE and Bayesian estimation. Moreover

the MB-InSAR method exhibits less sensitivity to PS density and noise. The experiments in Katy and Sienna region

Houston city

USA

indicate that the MB-InSAR method increases the number of measurement points by 160% and 125%

respectively. Futhermore

the velocity obtained by the MB-InSAR method shows strong consistency with GPS observation

and the maximum difference between the MB-InSAR method and GPS is less than 2.5 mm/a.

Conclusions

The MB-InSAR method is effective in improving the estimation accuracy for the DS targets

which can shed more light on deciphering the fine-scale deformation characteristics with the complex surface environment.

关键词

Keywords

references

XU W B ， XIE L ， BÜRGMANN R ， et al . The 2022 Eruption of Wolf Volcano， Galápagos： The Role of Caldera Ring-Faults During Magma Transfer from InSAR Deformation Data ［J］. Geophysical Research Letters ， 2023 ， 50 （ 14 ）： e2023GL103704 .

XU W B ， RUCH J ， JÓNSSON S . Birth of Two Volcanic Islands in the Southern Red Sea ［J］. Nature Communications ， 2015 ， 6 ： 7104 .

ZHAO L ， XU W B ， XIE L ， et al . Fault Geometry and Low Frictional Control of the Near-Field Postseismic Deformation of the 2021 Mw 7.3 Maduo Earthquake ［J］. Tectonophysics ， 2023 ， 863 ： 230000 .

赵磊，陈志丹，谢磊，等 . 2024年1月23日Mw 7.0乌什地震InSAR同震形变场和断层滑动分布［J］. 地球与行星物理论评（中英文）， 2024 ， 55 （ 4 ）： 453 - 460 .

ZHAO Lei ， CHEN Zhidan ， XIE Lei ， et al . Coseismic Deformation and Slip Model of the 2024 Mw 7.0 Wushi Earthquake Obtained from InSAR Observation ［J］. Reviews of Geophysics and Planetary Physics ， 2024 ， 55 （ 4 ）： 453 - 460 .

李少为，许文斌，李志伟，等 . 东昆仑断裂带托索湖段现今形变特征及其与2021玛多地震相互作用［J］. 地球物理学报， 2023 ， 66 （ 12 ）： 4928 - 4943 .

LI Shaowei ， XU Wenbin ， LI Zhiwei ， et al . Present Interseismic Deformation Along the Tuosuo Lake Segment of the East Kunlun Fault Zone and Its Interaction with the 2021 Madoi Earthquake ［J］. Chinese Journal of Geophysics ， 2023 ， 66 （ 12 ）： 4928 - 4943 .

王磊，吕广涵，杜建涛，等 . 黄河上游玛沁段活动滑坡InSAR探测与时空特征分析［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 11 ）： 2226 - 2235 .

WANG Lei ， LÜ Guanghan ， DU Jiantao ， et al . InSAR Detection and Spatiotemporal Characteristics of Active Landslides in the Maqin Section of the Upper Yellow River ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 11 ）： 2226 - 2235 .

DU Y N ， XU Q ， ZHANG L ， et al . Recent Landslide Movement in Tsaoling， Taiwan Tracked by TerraSAR-X/TanDEM-X DEM Time Series ［J］. Remote Sensing ， 2017 ， 9 （ 4 ）： 353 .

李晨程，江利明，吴宇轩，等 . 基于时序InSAR技术的武汉大型垃圾填埋场形变监测与分析［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 8 ）： 1694 - 1704 .

LI Chencheng ， JIANG Liming ， WU Yuxuan ， et al . Monitoring Ground Displacement of Large-Scale Landfills in Wuhan Using Time-Series InSAR Technology ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 8 ）： 1694 - 1704 .

黄委彬，杨梦诗，赵志芳，等 . 星载InSAR数据驱动的城市建筑稳定性评估：以昆明市为例［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 8 ）： 1669 - 1681 .

HUANG Weibin ， YANG Mengshi ， ZHAO Zhifang ， et al . Satellite-Based InSAR Data-Driven Urban Building Stability Assessment： A Case Study of Kunming City ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 8 ）： 1669 - 1681 .

DELGADO BLASCO J M ， FOUMELIS M ， STEWART C ， et al . Measuring Urban Subsidence in the Rome Metropolitan Area （Italy） with Sentinel-1 SNAP-StaMPS Persistent Scatterer Interferometry ［J］. Remote Sensing ， 2019 ， 11 （ 2 ）： 129 .

SANDWELL D T ， PRICE E J . Phase Gradient Approach to Stacking Interferograms ［J］. Journal of Geophysical Research： Solid Earth ， 1998 ， 103 （ B12 ）： 30183 - 30204 .

FERRETTI A ， PRATI C ， ROCCA F . Nonlinear Subsidence Rate Estimation Using Permanent Scatterers in Differential SAR Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2000 ， 38 （ 5 ）： 2202 - 2212 .

BERARDINO P ， FORNARO G ， LANARI R ， et al . A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2002 ， 40 （ 11 ）： 2375 - 2383 .

FERRETTI A ， FUMAGALLI A ， NOVALI F ， et al . A New Algorithm for Processing Interferometric Data-Stacks： SqueeSAR ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2011 ， 49 （ 9 ）： 3460 - 3470 .

吴宏安，张永红，康永辉，等 . 利用FS-InSAR技术精细监测内蒙古新井露天矿地表形变［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 3 ）： 389 - 399 .

WU Hongan ， ZHANG Yonghong ， KANG Yonghui ， et al . Fine Mapping of Surface Deformation in Xinjing Open-Pit Mine， Inner Mongolia Using FS-InSAR Technique ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 3 ）： 389 - 399 .

杜玉玲，闫世勇，张豪磊，等 . 融合区域生长的DS-InSAR相位优化与应用［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 2 ）： 216 - 224 .

DU Yuling ， YAN Shiyong ， ZHANG Haolei ， et al . Research and Application of DS-InSAR Phase Optimization Based on Regional Growth ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 2 ）： 216 - 224 .

GOEL K ， ADAM N . A Distributed Scatterer Interferometry Approach for Precision Monitoring of Known Surface Deformation Phenomena ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2014 ， 52 （ 9 ）： 5454 - 5468 .

JIANG M ， DING X L ， HANSSEN R F ， et al . Fast Statistically Homogeneous Pixel Selection for Covariance Matrix Estimation for Multitemporal InSAR ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2015 ， 53 （ 3 ）： 1213 - 1224 .

FORNARO G ， VERDE S ， REALE D ， et al . CAESAR： An Approach Based on Covariance Matrix Decomposition to Improve Multibaseline‐Multitemporal Interferometric SAR Processing ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2015 ， 53 （ 4 ）： 2050 - 2065 .

JIANG M ， GUARNIERI A M . Distributed Scatterer Interferometry with the Refinement of Spatiotemporal Coherence ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2020 ， 58 （ 6 ）： 3977 - 3987 .

SHI G Q ， LIN H ， MA P F . A Hybrid Method for Stability Monitoring in Low-Coherence Urban Regions Using Persistent and Distributed Scatterers ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2018 ， 11 （ 10 ）： 3811 - 3821 .

LI G ， DING Z G ， LI M F ， et al . Bayesian Estimation of Land Deformation Combining Persistent and Distributed Scatterers ［J］. Remote Sensing ， 2022 ， 14 （ 14 ）： 3471 .

GAUVAIN J L ， LEE C H . Maximum a Posteriori Estimation for Multivariate Gaussian Mixture Observations of Markov Chains ［J］. IEEE Transactions on Speech and Audio Processing ， 1994 ， 2 （ 2 ）： 291 - 298 .

OLIVER M A ， WEBSTER R . Kriging： A Method of Interpolation for Geographical Information Systems ［J］. International Journal of Geographical Information Systems ， 1990 ， 4 （ 3 ）： 313 - 332 .

SU Y H ， PENG J H ， SHI M Y ， et al . An M-Estimation Method for InSAR Nonlinear Deformation Modeling and Inversion ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 5207912 .

MA P F ， LIN H . Robust Detection of Single and Double Persistent Scatterers in Urban Built Environments ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 4 ）： 2124 - 2139 .

HALEY M ， AHMED M ， GEBREMICHAEL E ， et al . Land Subsidence in the Texas Coastal Bend： Locations， Rates， Triggers， and Consequences ［J］. Remote Sensing ， 2022 ， 14 （ 1 ）： 192 .

HOOPER A ， SEGALL P ， ZEBKER H . Persistent Scatterer Interferometric Synthetic Aperture Radar for Crustal Deformation Analysis， with Application to Volcán Alcedo， Galápagos ［J］. Journal of Geophysical Research： Solid Earth ， 2007 ， 112 （ B7 ）： 2006 JB004763.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

顾及偏移参数先验信息的海底控制点贝叶斯估计模型

星载温室气体激光雷达技术发展与展望

关于智慧海图的思考

船舶航行海洋地理信息三态融合保障问题研究

浅源中等地震近场剧烈形变的高分辨率L波段InSAR研究