时序InSAR相位连接方法研究进展

沈鹏; 汪长城; 廖明生; 张路; 董杰; 戴可人

doi:10.13203/j.whugis20250004

您当前的位置：

首页 >

文章列表页 >

时序InSAR相位连接方法研究进展

综述 | 更新时间：2026-11-05

- 时序InSAR相位连接方法研究进展
- Research Progress of Phase Linking Method in Time-Series InSAR
- 武汉大学学报（信息科学版） 2025年50卷第8期页码：1483-1497
- 作者机构：
  
  1.武汉大学遥感信息工程学院，湖北武汉，430079
  2.成都理工大学地质灾害防治与地质环境保护全国重点实验室，四川成都，610059
  3.中南大学地球科学与信息物理学院，湖南长沙，410083
  4.武汉大学测绘遥感信息工程全国重点实验室，湖北武汉，430079
- 作者简介：
  
  沈鹏，博士，博士后，主要从事时序极化InSAR地表形变监测与森林参数反演研究。shen-peng@whu.edu.cn
  廖明生，博士，教授。liao@whu.edu.cn
- 基金信息：
  
  国家自然科学基金(42404029;42471422);中国博士后创新人才支持计划(BX20240270);中国博士后科学基金(2024M752479);湖北省博士后资助项目(2024HBBHCXA062);地质灾害防治与地质环境保护全国重点实验室开放基金(SKLGP2024K018);中国科技部-欧洲空间局“龙”计划6期项目(95436)
- DOI：10.13203/j.whugis20250004
  中图分类号： P237
- 收稿：2024-12-31，
  
  纸质出版：2025-08-05
- 稿件说明：
移动端阅览
沈鹏,汪长城,廖明生，等.时序InSAR相位连接方法研究进展[J].武汉大学学报（信息科学版）,2025,50(8):1483-1497.

SHEN Peng,WANG Changcheng,LIAO Mingsheng,et al.Research Progress of Phase Linking Method in Time-Series InSAR[J].Geomatics and Information Science of Wuhan University,2025,50(8):1483-1497.
沈鹏,汪长城,廖明生，等.时序InSAR相位连接方法研究进展[J].武汉大学学报（信息科学版）,2025,50(8):1483-1497. DOI：10.13203/j.whugis20250004

SHEN Peng,WANG Changcheng,LIAO Mingsheng,et al.Research Progress of Phase Linking Method in Time-Series InSAR[J].Geomatics and Information Science of Wuhan University,2025,50(8):1483-1497. DOI：10.13203/j.whugis20250004

摘要

合成孔径雷达干涉测量（interferometric synthetic aperture radar，InSAR）技术可获取广域高精度地表形变量，被广泛应用于地质灾害监测等领域，但是其监测性能取决于散射体在不同观测时间之间散射特性的相关程度。相位连接（phase linking，PL）方法利用多时相干涉相位分析恢复系统相位序列，是解决时序InSAR（time-series InSAR，TSInSAR）低相干地表监测难题的关键所在。近十几年来，学者们提出了一系列行之有效的实现方法，其算法差异可归纳于所采用的定权策略不一致。从研究动机、统计基础、方法进展和结果分析等多个方面介绍了现有PL方法在TSInSAR地表形变监测等领域的研究进展，并对未来发展趋势进行了讨论。首先，从干涉相位分量和失相干源出发，分析永久散射体与分布式散射体相位一致性差异及其原因，并指出相位连接研究的必要性；其次，在介绍复协方差矩阵及其统计分布的基础上，对现有PL方法进行归类和对比，并指出极大似然估计器的优势及局限性和相位优化理论精度上限；然后，结合蒙特卡洛模拟实验和真实数据实验，定性和定量分析现有PL方法在干涉相位优化、形变测量精度和算法计算效率等方面的差异；最后，总结了PL方法在TSInSAR形变监测应用的局限性，并讨论其未来发展方向。

Abstract

Objectives

Interferometric synthetic aperture radar (InSAR) can acquire wide-area high-precision surface morphology

which is widely used in the field of geohazard monitoring

etc. However

its monitoring performance strongly depends on the correlation degree of scattering characteristics of scatterers between different imaging moments. The phase linking (PL) method utilizes multi-reference interferometric phase analysis to recover the systematic phase series

which is the key to solving the problem of time-series InSAR (TSInSAR) coherence-low surface monitoring. In recent decades

scholars have proposed a series of effective implementation methods

whose differences can be attributed to the inconsistency of the adopted weighting strategy.

Methods

We introduce the research progress of the existing PL methods in the TSInSAR surface deformation monitoring and other fields from various aspects

including research motivation

statistical basis

method progress and result analysis

and then discuss the future development trend. First

from the perspective of the interferometric phase components and decorrelation sources

we analyze the differences in phase consistency between both persistent and distributed scatterers and their reasons

and point out the necessity of PL research. Second

based on the introduction of complex covariance matrices and their statistical distributions

we categorize and compare the existing PL methods and point out the advantages and limitations of the maximum likelihood estimator and its accuracy upper limit for the phase optimization theory.

Results

The simulated experiment uses the Monte Carlo simulation to generate the multilooking time-series covariance matrix under both exponential and seasonal temporal decorrelation models

and quantificationally compare five classical PL methods in terms of interferometric phase optimization

deformation measurement accuracy and algorithm computational efficiency. In the real experiment

the Daguangbao landslide triggered by the 5·12 Wenchuan Mw 7.9 earthquake and the 56 scenes of Senetinel-1 SAR images in VV polarization are selected as the experimetal data and the study area

respectively. In addtion to the persistent scatterer interferometry technology

three PL methods are qualitatively compared and analyzed in the three aspects

similar to the simulated experiment.

Conclusions

The existing PL methods are summarized and their limitations in TSInSAR deformation monitoring

data compression and SAR tomography are pointed out. With the development of spaceborne SAR platforms towards multi-band

multi-polarization and high spatiotemporal resolution

the research hotspot

technical challenge and future development direction of the PL method are discussed.

关键词

Keywords

references

舒宁 . 雷达影像干涉测量原理［M］. 武汉：武汉大学出版社， 2003 .

SHU Ning . Principle of Radar Image Interferometry ［M］. Wuhan ： Wuhan University Press ， 2003 .

朱建军，李志伟，胡俊 . InSAR变形监测方法与研究进展［J］. 测绘学报， 2017 ， 46 （ 10 ）： 1717 - 1733 .

ZHU Jianjun ， LI Zhiwei ， HU Jun . Research Progress and Methods of InSAR for Deformation Monitoring ［J］. Acta Geodaetica et Cartographica Sinica ， 2017 ， 46 （ 10 ）： 1717 - 1733 .

XUE F Y ， LÜ X L ， DOU F J ， et al . A Review of Time-Series Interferometric SAR Techniques： A Tutorial for Surface Deformation Analysis ［J］. IEEE Geoscience and Remote Sensing Magazine ， 2020 ， 8 （ 1 ）： 22 - 42 .

李振洪，宋闯，余琛，等 . 卫星雷达遥感在滑坡灾害探测和监测中的应用：挑战与对策［J］. 武汉大学学报（信息科学版）， 2019 ， 44 （ 7 ）： 967 - 979 .

LI Zhenhong ， SONG Chuang ， YU Chen ， et al . Application of Satellite Radar Remote Sensing to Landslide Detection and Monitoring： Challenges and Solutions ［J］. Geomatics and Information Science of Wuhan University ， 2019 ， 44 （ 7 ）： 967 - 979 .

HANSSEN B R F . Radar Interferometry： Data Interpretation and Error Analysis ［M］. Dordrecht ： Kluwer Academic ， 2001 .

李振洪，刘经南，许才军 . InSAR数据处理中的误差分析［J］. 武汉大学学报（信息科学版）， 2004 ， 29 （ 1 ）： 72 - 76 .

LI Zhenhong ， LIU Jingnan ， XU Caijun . Error Analysis in InSAR Data Processing ［J］. Geomatics and Information Science of Wuhan University ， 2004 ， 29 （ 1 ）： 72 - 76 .

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 .

FERRETTI A ， PRATI C ， ROCCA F . Permanent Scatterers in SAR Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2002 ， 39 （ 1 ）： 8 - 20 .

OSMANOĞLU B ， SUNAR F ， WDOWINSKI S ， et al . Time Series Analysis of InSAR Data： Methods and Trends ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2016 ， 115 ： 90 - 102 .

HOOPER A ， ZEBKER H ， SEGALL P ， et al . A New Method for Measuring Deformation on Volcanoes and Other Natural Terrains Using InSAR Persistent Scatterers ［J］. Geophysical Research Letters ， 2004 ， 31 （ 23 ）： L23611 .

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 .

李珊珊，李志伟，胡俊，等 . SBAS-InSAR技术监测青藏高原季节性冻土形变［J］. 地球物理学报， 2013 ， 56 （ 5 ）： 1476 - 1486 .

LI Shanshan ， LI Zhiwei ， HU Jun ， et al . Investigation of the Seasonal Oscillation of the Permafrost over Qinghai-Tibet Plateau with SBAS-InSAR Algorithm ［J］. Chinese Journal of Geophysics ， 2013 ， 56 （ 5 ）： 1476 - 1486 .

GUARNIERI A M ， TEBALDINI S . On the Exploitation of Target Statistics for SAR Interferometry Applications ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2008 ， 46 （ 11 ）： 3436 - 3443 .

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 .

廖明生，王腾 . 时间序列InSAR技术与应用［M］. 北京：科学出版社， 2014 .

LIAO Mingsheng ， WANG Teng . Time Series InSAR Technology and Its Application ［M］. Beijing ： Science Press ， 2014 .

CASU F ， ELEFANTE S ， IMPERATORE P ， et al . SBAS-DInSAR Parallel Processing for Deformation Time-Series Computation ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2014 ， 7 （ 8 ）： 3285 - 3296 .

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 .

CAO N ， LEE H ， JUNG H C . A Phase-Decomposition-Based PSInSAR Processing Method ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 2 ）： 1074 - 1090 .

SAMIEI-ESFAHANY S ， MARTINS J E ， VAN LEIJEN F ， et al . Phase Estimation for Distributed Scatterers in InSAR Stacks Using Integer Least Squares Estimation ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 10 ）： 5671 - 5687 .

ANSARI H ， de ZAN F ， BAMLER R . Efficient Phase Estimation for Interferogram Stacks ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2018 ， 56 （ 7 ）： 4109 - 4125 .

SHEN P ， WANG C C ， AN B . AdpPL： An Adaptive Phase Linking-Based Distributed Scatterer Interferometry with Emphasis on Interferometric Pair Selection Optimization and Adaptive Regularization ［J］. Remote Sensing of Environment ， 2023 ， 295 ： 113687 .

SEYMOUR M S ， CUMMING I G . Maximum Likelihood Estimation for SAR Interferometry ［C］// 1994 IEEE International Geoscience and Remote Sensing Symposium ， Pasadena， CA， USA ， 2002 .

ZEBKER H A ， VILLASENOR J . Decorrelation in Interferometric Radar Echoes ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 1992 ， 30 （ 5 ）： 950 - 959 .

ROCCA F . Modeling Interferogram Stacks ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2007 ， 45 （ 10 ）： 3289 - 3299 .

PARIZZI A ， CONG X ， EINEDER M . First Results from Multifrequency Interferometry. a Comparison of Different Decorrelation Time Constants at L ， C， and X Band［C］// ESA FRINGE Workshop 2009 ， Frascati， Lazio， Italian ， 2009 .

JENNISON R C . A Phase Sensitive Interferometer Technique for the Measurement of the Fourier Transforms of Spatial Brightness Distributions of Small Angular Extent ［J］. Monthly Notices of the Royal Astronomical Society ， 1958 ， 118 （ 3 ）： 276 - 284 .

DE ZAN F ， ZONNO M ， LÓPEZ-DEKKER P . Phase Inconsistencies and Multiple Scattering in SAR Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2015 ， 53 （ 12 ）： 6608 - 6616 .

LEE J S ， POTTIER E . Polarimetric Radar Imaging： From Basics to Applications ［M］. Boca Raton ： CRC Press ， 2017 .

GOODMAN N R . Statistical Analysis Based on a Certain Multivariate Complex Gaussian Distribution （an Introduction）［J］. The Annals of Mathematical Statistics ， 1963 ， 34 （ 1 ）： 152 - 177 .

ZHAO C J ， LI Z ， TIAN B S ， et al . A Ground Surface Deformation Monitoring InSAR Method Using Improved Distributed Scatterers Phase Estimation ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2019 ， 12 （ 11 ）： 4543 - 4553 .

WANG C S ， WANG X S ， XU Y P ， et al . A New Likelihood Function for Consistent Phase Series Estimation in Distributed Scatterer Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 5227314 .

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 .

SHEN P ， WANG C C ， LUO X J ， et al . Interferometric Phase Reconstruction with Temporal Decorrelation Model Constraints for Time-Series InSAR Surface Deformation Monitoring ［J］. International Journal of Digital Earth ， 2024 ， 17 （ 1 ）： 2426511 .

WANG Y Y ， ZHU X X . Robust Estimators for Multipass SAR Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 2 ）： 968 - 980 .

ZWIEBACK S . Cheap， Valid Regularizers for Improved Interferometric Phase Linking ［J］. IEEE Geoscience and Remote Sensing Letters ， 2022 ， 19 ： 4512704 .

ANSARI H ， DE ZAN F ， BAMLER R . Sequential Estimator： Toward Efficient InSAR Time Series Analysis ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2017 ， 55 （ 10 ）： 5637 - 5652 .

HO TONG MINH D ， NGO Y N . Compressed SAR Interferometry in the Big Data Era ［J］. Remote Sensing ， 2022 ， 14 （ 2 ）： 390 .

TEBALDINI S ， ROCCA F ， d’ALESSANDRO M M ， et al . Phase Calibration of Airborne Tomographic SAR Data via Phase Center Double Localization ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 3 ）： 1775 - 1792 .

CAO N ， LEE H ， JUNG H C . Mathematical Framework for Phase-Triangulation Algorithms in Distributed-Scatterer Interferometry ［J］. IEEE Geoscience and Remote Sensing Letters ， 2015 ， 12 （ 9 ）： 1838 - 1842 .

LI H C ， DONG J ， WANG Y A ， et al . Monitoring Surface Deformation Using Distributed Scatterers InSAR ［J］. Journal of Geodesy and Geoinformation Science ， 2024 ， 7 （ 1 ）： 42 - 58 .

GUARNIERI A M ， TEBALDINI S . Hybrid Cramér–Rao Bounds for Crustal Displacement Field Estimators in SAR Interferometry ［J］. IEEE Signal Processing Letters ， 2007 ， 14 （ 12 ）： 1012 - 1015 .

ANSARI H ， DE ZAN F ， PARIZZI A . Study of Systematic Bias in Measuring Surface Deformation with SAR Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2021 ， 59 （ 2 ）： 1285 - 1301 .

LEE J S ， GRUNES M R ， KWOK R . Classification of Multi-look Polarimetric SAR Imagery Based on Complex Wishart Distribution ［J］. International Journal of Remote Sensing ， 1994 ， 15 （ 11 ）： 2299 - 2311 .

SHEN P ， WANG C C ， HU C H ， et al . JPPL： A Joint-Polarization Phase Linking Algorithm for Phase Optimization of TSPolInSAR Data ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2022 ， 112 ： 102889 .

WANG Y A ， LUO J Y ， DONG J ， et al . Sequential Polarimetric Phase Optimization Algorithm for Dynamic Deformation Monitoring of Landslides ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2024 ， 218 ： 84 - 100 .

赵峰，张雷昕，王腾，等 . 城市地表形变的双极化Sentinel-1数据极化时序InSAR技术监测［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 9 ）： 1507 - 1514 .

ZHAO Feng ， ZHANG Leixin ， WANG Teng ， et al . Polarimetric Persistent Scatterer Interferometry for Urban Ground Deformation Monitoring with Sentinel-1 Dual Polarimetric Data ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 9 ）： 1507 - 1514 .

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

长期GNSS坐标序列有色噪声建模及其影响

融合多基线观测信息的PolInSAR森林高反演正则化方法

面向时序InSAR相位链接的鲁棒相干矩阵精化方法

卫星观测约束下的地下燃空区时空演化数值模拟研究

基于时序InSAR技术的武汉大型垃圾填埋场形变监测与分析