高分三号卫星影像制作DEM的试验
The following article is from 测绘科学 Author 测绘科学
针对很多地区受天气影响无法采用国产光学立体像对制作DEM的问题，基于高分三号（GF3）卫星西安地区的影像，利用InSAR技术，采用“基于块的自适应于不同相干性特性的滤波方法”“大规模并行单基线相位解缠”，获取高精度的DEM，并从LiDAR点云中提取检测点，对DEM的精度进行检测。理论分析和处理结果表明：针对QPSI模式的GF3影像，相干系数约大于0.8的大范围区域才可满足生产1∶25 000、1∶50000 DEM的要求；研究区山地起伏较大，影像获取时间是2017年的5—6月，植被比较茂盛，有较大的干涉相位噪声，DEM的精度受到很大影响。“基于块的自适应于不同相干性特性的滤波方法”对不同相干性区域均有较好的滤波效果；“大规模并行单基线相位解缠” 保证了局部解和全局解的一致性，并行比例高。针对高分三号影像的特点，制定流程化的生产方案，为后续DEM的批量生产提供了作业依据。
作者：杨珍1，孙鹏超1，谢青2，张文军3，叶凯4
1.自然资源部 第一航测遥感院
2.陕西省地质调查院
3.中陕核工业集团地质调查院有限公司
4.深圳市城市公共安全技术研究院
0 引言
1 高分三号卫星影像概述
2 利用高分三号卫星影像制作DEM
3 精度检测
4 结束语
目前，我国尚未生产出覆盖全球的高精度数字高程模型（digital elevation model，DEM），利用高分辨率的国产光学立体像对制作DEM数据，受制于天气影响，很多地区无法获取有效数据。重轨卫星InSAR技术由于具有主动成像、可穿云透雾等特点，使之成为大范围获取 DEM 的研究热点。文献[1]将Stereo和InSAR进行联合，构建平差模型，提高了DEM的平面和高程精度，但研究的主要是机载InSAR获取的DEM。文献[2]利用TanDEM-X和ERS数据获取天山地区的DEM，参考1∶50 000 DEM的地形精度标准，与SRTM进行对比，但是SRTM本身格网间距为90 m，标称的绝对高程是±16 m，相比基础测绘DEM，精度较低。文献[3]以哨兵数据为例，获取了江川县区域的DEM数据，以30 m格网间距的GDEM为标准，对DEM进行精度评价，但只是相对评价，并不涉及真实的高程值。文献[4]利用协方差函数方法来评价TanDEM-X生成的DEM精度。文献[5]采用ALOS PALSAR L波段数据获取了四川省茂县、安县地区的DEM，并对大气效应进行了分析。文献[6-7]利用TanDEM-X进行DEM的生成和分析研究。这些研究虽然在提高DEM的精度方面得到了进展，但针对的都是国外的卫星数据。本文基于西安地区的高分三号（GF3）卫星影像，利用InSAR技术，采用“基于块的自适应于不同相干性特性的滤波方法”“大规模并行单基线相位解缠”，获取高精度的DEM，并从LiDAR点云中提取检测点，对DEM的精度进行检测。
高分三号卫星搭载的传感器是C频段多极化合成孔径雷达，是迄今为止世界上成像模式最多的星载合成孔径雷达，该雷达具有全极化电磁波收发功能，并涵盖了诸如条带、聚束、扫描等12种成像模式。空间分辨率从1 m到500 m，幅宽10 km到650 km。既可探地，又可观海，达到“一星多用”的效果。高分三号有效载荷技术指标见表1。
表1 GF3卫星有效载荷技术指标
采用InSAR技术对高分三号数据进行处理，获取DEM具体实现流程如图1所示。
图1 InSAR技术获取DEM数据处理流程
2.1 试验数据分析
该研究区经度范围109.03°~109.42°E，纬度范围34.23°~34.58°N，位于西安市的东北部。主要有平地、山地两种地貌类型，有少量的丘陵和高山地。数据参数列表见表2，数据分布范围如图2所示。外部参考DEM选用的是SRTM DEM，分辨率90 m。
表2 数据参数列表
图2 数据分布范围
根据研究区已有的坡度资料，确定出地形类别，地形类别分布如图3所示。
图3 地形类别分布图
由于影像的成像模式是QPSI，分辨率标称是8 m，方位向分辨率8 m，距离向分辨率是6~9 m。依据基础测绘1∶25 000，1∶50 000 DEM精度要求，见表3，所以可尝试做10、25 m格网间距的DEM，并对其精度进行检测。
表3 1∶25 000、1∶50 000 DEM标准
2.2 数据初步处理分析
对两景影像进行配准，多视、干涉处理，生成相干系数图，相干系数图如图4所示。相干系数基本大于0.5，相干性好的区域达0.9以上。
参考图3、图4，将相干性和地形类别两者结合起来考虑，确定的处理方案如图5所示，分为3组：a整景、b平地1、c平地2。
图4 相干系数图
图5 处理方案
2.3 数据处理关键步骤分析
1）配准。对图5中的a、b、c地区分别进行处理，配准时拟合标准差统计结果见表4。配准结果均小于1/8个像元大小，c的配准结果最佳，a的配准结果最差[8]。
表4 拟合标准差统计
2）基线计算。在进行干涉图生成时，计算基线的方法有5种，见表5。以a整景为例，干涉处理去平地之后的结果如图6所示，可看出序号3和5的效果较好。经过进一步用检测点检测第3、5种方法初步生成的DEM，得出第3种基线方法生成的DEM高程中误差38.074 56，小于第5种的高程中误差46.393 02，所以本次的数据处理均采用第3种基线计算方法[9]。
表5 计算基线方法
图6 干涉处理去平地结果图
3）多视及滤波。本次处理中，多视选择3∶2，干涉处理时消除了干涉图平地效应的影响。
针对GF3数据，采用的是“基于块的自适应于不同相干性特性的滤波方法”。GF3数据，由于工作在重轨模式，精密定轨缺失等原因，相干性较低。所以需要高性能的相位去噪滤波技术[10]。传统的滤波方法一般面临着两个主要挑战：在去噪的同时保持纹理细节和短时间达到较好效果[11]。“基于块的自适应于不同相干性特性的滤波方法”同时考虑相干系数和干涉相位图的特性。该技术的原理如下。
在滤波过程中，构造一个理想相位与获取相位的线性模型，应用最小均方差的无偏估计准则，得到该模型的最优解，然后加权得到估计的理想相位作为滤波结果。在加权中考虑了相干性因素，使得相干性不同的区域有不同的滤波策略[12]。由于无偏估计准则的无偏性和准确性等特点，得到的结果能够很好地反映真实相位。加之线性模型的简洁，该方法的运算相对传统方法有大幅降低，通过优化能够实现线性复杂度，完全可以得到近实时结果[13]。针对不同相干性的区域，相干性高的区域中高相干系数在加权时保障可靠的相位信息能够完全利用；相干性低的区域，低的相干性能够自适应地增加其他均值项的权重。该方法对不同相干性区域均有较好的滤波效果[14]。
4）相位解缠。相位解缠的参考点默认设置在影像的中心，采用分块解缠的方法[15]。
相位解缠采用的处理技术是“大规模并行单基线相位解缠”。
通常，为了获取高质量的相位解缠结果，已有算法需要消耗大量的内存与运算时间。随着InSAR技术的迅速发展，干涉相位图的尺寸变得越来越大，InSAR技术已经进入大数据时代。GF3聚束模式的分辨率高达1 m，InSAR数据规模的增大是不可避免的。此外，一些新技术（如多基线、多时和多维度InSAR技术）更是要求相位解缠算法可以同时处理多幅干涉相位图，这就进一步加剧了相位解缠绕数据处理的负担。由此可以看出，日益增大的干涉相位图尺寸和数据量给相位解缠技术带来了计算量和内存消耗方面的新挑战，主要表现为：
①待求解的InSAR干涉相位图无法一次性全部读入计算机的内存;
②在待处理数据读入后，可能会在算法运行过程中出现内存溢出问题;
③即便没有出现内存溢出，由于输入数据量过大，传统算法对这种大规模数据进行相位解缠绕所耗费的运算时间将会过长。
“大规模并行单基线相位解缠”的技术原理：利用缠绕相位图残差点的分布信息，设计基于机器学习的非均匀分块策略来保证局部解和全局解的一致性。在分块之后，该类方法对各个子块进行平行相位解缠绕，最后对各子块的解缠绕结果进行拼接。机器学习算法的时间和空间复杂度低（均为线性），并行比例高。
5）去趋势及地理编码。
根据去趋势模型，掩膜文件，去除相位解缠的趋势[16]。根据外部高程文件，设置距离向地面控制点数、方位向地面控制点数等来生成DEM。将DEM从雷达坐标系转换到地理坐标系下。插值模型选用的是最近邻法，为了提高后续对DEM精度检测、分析应用的便利性，将其转换为tif格式。
6）DEM生成。对tif格式的DEM进行重采样，采样间隔分别选取10、25 m，最终获得10和25 m格网间距的DEM。10 m格网间距DEM结果如图7所示，25 m格网间距DEM结果如图8所示。
图7 10 m格网间距DEM
图8 25 m格网间距DEM
采用的外部验证数据是从LIDAR点云数据中提取的检测点，坐标系为WGS84，Gauss Krueger 3度带投影，中央经线为108°，高程系统为椭球高。高程精度±0.187 m。
基于高分三号卫星影像生成的DEM数据坐标系统为WGS84，高程系统为正常高。
根据已有的控制点资料，将检测点由椭球高转换为正常高，然后将生成的DEM高程与检测点高程做差，得到高程误差，再对高程误差进行统计，得到高程中误差。
利用点云检测点分别对10、25 m的DEM进行精度检测。统计高程中误差。检测点分布如图9、图10所示，误差统计如图11、图12所示，中误差统计见表6、表7。
图9 10 m格网间距DEM检测点分布图
图10 25 m格网间距DEM检测点分布图
图11 10 m格网间距DEM误差统计图
根据表3、表6、表7，从精度检测结果可得出，平地2的DEM可达到1∶25 000的三级精度，可达到1∶50 000的一级精度。
从图11（a）可看出，山地的误差较大，为±150 m，是由于山区SAR影像上迎坡面容易产生叠掩，背坡面容易产生阴影，阴影和叠掩区域的影像信息量很少，干涉时很难生成DEM；山地起伏较大，影像获取时间是2017年的5月和6月，植被比较茂盛，有较大的干涉相位噪声，DEM的精度也受到很大影响。
图12 25 m格网间距DEM误差统计图
表6 10 m格网间距DEM中误差统计
表7 25 m格网间距DEM中误差统计
平地的误差相对山地较小，但仍存在误差较大的点，约-45 m，30 m，这些点基本分布在相干系数非常小的区域。图11（c）可看出，平地1的误差明显小于整景的误差。但是平地1的相干系数较低，解缠会出现错误，在DEM上会出现毛刺现象。从图11（d）可看出，误差基本分布在[-4.5，4.5]，是误差最小的区域，也是相干系数值较大的区域，相干系数值都约大于0.8。
从图12可得，25 m格网间距DEM的误差分布与10 m格网间距DEM的误差分布基本相同，误差较大的点几乎都分布在山地地区，平地地区误差较大的点几乎都分布在相干系数小的区域。
本文基于GF3影像采用InSAR技术生产DEM，为获取困难地区高分辨率DEM光奠定了基础，促进了高分三号卫星影像的应用。前人多数生产DEM的方法、成果针对的是国外卫星，本文针对高分三号卫星数据，采用“基于块的自适应于不同相干性特性的滤波方法”、采用“大规模并行单基线相位解缠”，获得了DEM成果。本文在山地、高山地地区还需进一步研究，采用升降轨融合技术来填补叠掩和阴影等地区的缺失数据。
参考文献(略)
END
作者简介：杨珍（1984—），女，陕西西安人，工程师，博士，主要研究方向遥感、地理信息技术。
E-mail：yangzhen6@qq.com
收稿日期：2018-11-06
基金项目：地理信息工程国家重点实验室开放基金项目（SKLGIE2015-M-2-4）
引用格式：杨珍，孙鹏超，谢青，等.高分三号卫星影像制作DEM的试验[J].测绘科学，2020，45（3）：53-60.(YANG Zhen，SUN Pengchao，XIE Qing,et al.The experiment of making DEM by GF3 Satellite Images[J].Science of Surveying and Mapping，2020，45（3）：53-60.)
- END -