2. 黄土科学全国重点实验室, 陕西 西安 710054;
3. 长安大学地学与卫星大数据研究中心, 陕西 西安 710054;
4. 西部矿产资源与地质工程教育部重点实验室, 陕西 西安 710054;
5. 地理信息工程国家重点实验室, 陕西 西安 710054;
6. 西安测绘研究所, 陕西 西安 710054
2. Key Laboratory of Loess, Xi'an 710054, China;
3. Big Data Center for Geosciences and Satellites, Chang'an University, Xi'an 710054, China;
4. Key Laboratory of Western China's Mineral Resources and Geological Engineering, Ministry of Education, Xi'an 710054, China;
5. State Key Laboratory of Geo-Information Engineering, Xi'an 710054, China;
6. Xi'an Research Institute of Surveying and Mapping, Xi'an 710054, China
大地测量学是一种以应用数学和卫星测量为基础，对地球进行研究的学科[1]。该学科在一定的时间与空间参考系中，确定和监测地球的形状、重力场，并追踪地球动力学的变化，如极地运动、地球潮汐和构造运动等。同时，也可进一步精确确定地球表面任意点的空间位置和重力场及其时间的变化，服务于各行各业的基准坐标系统和数据等。近年来，随着航空航天技术的发展，大地测量可测量参数的范围进一步扩充，提高了地球动力学随时间变化的测量精度[2]，为国民经济和国防建设、重大工程建设和人类社会经济的可持续发展等做出了突出贡献[3]。
自19世纪60年代法国人Félix Nadar利用气球作为载体获得第一张航拍照片伊始，非接触、远距离摄影或扫描的遥感技术的飞跃发展给传统大地测量带来了深刻变革[4]。遥感技术可以获取高空间分辨率、大范围覆盖、高精度的影像资料，对这些影像进行处理、分析、展示和传输，能够更加深入地服务于大地测量学，由此衍生出影像大地测量学(Imageodesy/Imaging Geodesy)的概念。1993年Crippen提出了Imageodesy的术语[4]，1995年国际大地测量学与地球物理学联合会(IUGG)首次给出Imageodesy的定义，认为其是一种提取两个卫星图像之间发生亚像素地表位移的方法[5]。1998年，我国摄影测量学之父王之卓院士对Imageodesy定义进行了扩展，将利用合成孔径雷达(SAR)和合成孔径雷达干涉测量(InSAR)对地面观测也称为影像大地测量学[6]。2002年，陈俊勇院士在为廖明生和林珲教授编著的《雷达干涉测量：原理与信号处理基础》一书作序时也认为InSAR技术的应用是空间大地测量学的一个重要领域，其获取高时空分辨率地表形变信息的特点衍生了Imageodesy[7]。2010年，德国宇航中心Eineder等首次使用Imaging Geodesy这个术语表达基于高分辨率SAR影像提取厘米级距离精度的技术[8]。2014年笔者首次使用Imaging Geodesy作为教授职位名称，并在英国纽卡斯尔大学组建了Imaging Geodesy研究团队。2015年，休斯敦大学的Carter教授等进一步拓展了Imaging Geodesy的技术范畴，认为机载激光雷达是Imaging Geodesy的重要技术手段之一[9]。近年来，随着SAR、光学遥感和LiDAR等对地观测成像技术的迅速发展[10]，影像大地测量学已成为大地测量、遥感科学、数字摄影测量、计算机视觉等学科相互交叉融合的重要研究方向，在减灾防灾、环境保护和新能源开发利用等领域都发挥了重要作用。归纳总结，影像大地测量学的发展历程大致可划分为以下4个阶段，如图 1所示。
|
| 图 1 影像大地测量学的发展历程 Fig. 1 The development of Imaging Geodesy |
第一阶段：1969—1990年，影像大地测量学处于起步萌芽阶段。1969年，雷达干涉测量技术登上影像大地测量学的历史舞台，文献[11]首次将干涉测量技术应用到雷达上，成功获取了金星和月球表面的高程信息。20世纪70年代，数字计算机技术的发展促进了SAR技术的应用，文献[12]首次将雷达干涉测量技术应用到机载雷达上，利用振幅条纹和光学处理技术获取了地表地形。20世纪80年代，文献[13]首次提出差分干涉测量技术并使用SEASAT数据获得了美国加利福尼亚州大面积农田厘米级精度的地表形变。第一阶段的代表性成果是美国在1978年发射的世界上第一颗星载SAR卫星SEASAT。尽管SEASAT仅在太空工作了105天，但其发射成功标志着SAR对地观测新时代的到来。此后的20世纪80年代，NASA在SEASAT-A成功发射后又进行了两次航天SAR系统试验，包括SIR-A和SIR-B飞行试验，这是当时仅有的航天飞机微波遥感试验。在这一阶段，光学卫星遥感迅猛发展，美国、中国、法国等国家相继发射遥感卫星，影像空间分辨率逐步提升[14]。自1972年起，美国陆续发射Landsat系列卫星，依次开启MSS、TM传感器时代[15]。我国1975年首次发射返回式遥感卫星，标志着我国进入遥感卫星时代。1986年，法国发射SPOT系列卫星，用于地球资源遥感调查。此外，LiDAR是激光技术与雷达技术相结合的一种快速、精确获取目标三维信息的新技术，可以获得比光学和微波遥感手段更精确和细致的信息。1960年，休斯研究实验室的Theodore H. Maiman发明了世界上第一台激光仪。20世纪70年代，以美国国家航空航天局(NASA)和德国为代表的一些欧美国家开始了机载LiDAR相关项目的研发。从1980年开始，以Ackermann教授为首的科研团队研制出了世界上第一个激光测量系统，成为LiDAR技术的一项标志性成果。1989年，斯图加特大学将激光扫描仪与全球定位系统(GPS)和惯性导航系统(INS)相结合，进而研制出LiDAR系统雏形。第一阶段总体特点是影像数据来源相对较少、图像处理技术相对不成熟，影像大地测量学的发展尚处于起步萌芽阶段。
第二阶段：1991—2001年，影像大地测量学处于初期飞跃阶段。1991年，欧空局ERS-1卫星的成功入轨标志着影像大地测量学进入一个全新的发展阶段。次年，日本发射了搭载光学传感器和L波段SAR系统的JERS-1卫星。1995年，欧空局ERS-2和加拿大RADARSAT-1卫星相继入轨，卫星系统稳定性、轨道控制的进一步优化为卫星影像的广泛应用奠定基础。与此同时，一些高空间分辨率的商业卫星(如世界上最先提供米级分辨率的IKONOS和亚米级分辨率的QuickBird-2)陆续发射升空，极大地促进了影像大地测量学的快速发展；数据处理技术也在该阶段取得重大突破，为影像大地测量学的实际应用奠定了基础。文献[16]利用光学影像偏移量来获取地表形变，并成功提取了1989年美国Loma Prieta地震的水平位移场。1993年，基于ERS-1数据，文献[17—18]分别采用InSAR技术获取到Landers地震的同震形变场和南极洲Rutford冰流的速度场，成为第二阶段影像大地测量学最具代表性的研究成果。随后的1999年，文献[19]通过InSAR技术实现了高空间分辨率的大气水汽分布估计。次年，航天飞机雷达地形测绘任务(SRTM)开始实施并在3年后发布了可靠的DEM产品，使两轨重复轨道干涉法成为主流InSAR技术，也在一定程度上促进了InSAR时序分析技术的发展[20]。在世纪交替之际，InSAR技术实现了质的飞跃，系列时序分析方法被相继提出并产出丰富的研究成果。1998年，干涉图堆叠(stacking)技术问世[21]，并在2001年成功应用到土耳其北安纳托利亚断裂的震间形变测量中[22]。1999年，文献[23]提出的永久散射体干涉测量(PS-InSAR)技术和2002年文献[24]提出的小基线集干涉测量(SBAS-InSAR)技术基本奠定了InSAR时间序列分析方法的两大派系，此后涌现的所有时序InSAR方法几乎都是在此基础上的优化和改进。得益于信息技术的飞速发展，数字摄影测量开始进入实用化阶段，美国Pictometry公司率先开始研究倾斜摄影测量技术[25-26]。20世纪末，美国提出数字地球计划，促进了摄影测量学在地球科学研究和环境监测方面的应用。此外，机载/星载LiDAR进入实用阶段。1993年，德国研发了全球第一个商用机载LiDAR系统TopScan。1994年美国休斯敦高级研究中心采用了类似的硬件系统，获取了机载LiDAR系统[27]。1998年加拿大卡尔加里大学利用机载LiDAR系统获取了三维数据。先后研制的LADS、SHOALS系统在测高、海洋测绘等领域发挥重要作用，倾斜摄影测量中的图像匹配和建模等关键技术也在该阶段取得重大突破。这一阶段的特点是数据处理日趋成熟，创新技术层出不穷，总的来说，影像大地测量学蓬勃发展，学科处在一个飞跃发展的阶段。
第三阶段：2002—2013年，影像大地测量学处于深度创新阶段。2002年欧空局发射了搭载C波段高级SAR(advanced SAR, ASAR)系统的Envisat卫星，该卫星具有多极化、多角度、多模式成像等特点，进一步推动了对地观测成像技术的发展，也标志着影像大地测量学进入了深度创新阶段。随后，L波段的ALOS-1、X波段的TerraSAR-X/TanDEM-X和COSMO-SkyMed以及S波段的HJ-1C等SAR卫星相继入轨。伴随着光学遥感技术的发展与积淀，一系列高质量的光学遥感卫星陆续发射。2003年，中国成功发射ZY-02资源卫星。2008年美国发射GeoEge-1高空间分辨率卫星。同年，美国地质调查局实行的Landsat数据开放政策引发该数据使用的热潮，数据的分发和技术创新呈现出井喷式增长[28]。2010年我国正式启动高分辨率对地观测系统，天绘一号卫星是中国首颗传输型立体测绘卫星，01星于2010年8月24日成功发射。两年后第一颗民用光学立体测绘资源三号01卫星成功发射，填补了自主民用立体测绘卫星的空白[29]。2013年4月，高分一号作为中国高分系列卫星中的首发星成功发射，提高了我国高分辨卫星自给率[30]。此阶段高分辨率对地观测小行星进入蓬勃发展时期，光学遥感数据处理软硬件获得大幅度提升。2003年NASA发射了星载激光测高仪ICESat-1，广泛应用于极地冰雪环境遥感监测。第三阶段的代表性成果是时序InSAR技术的创新和应用场景的扩展。文献[31]提出了SAR层析成像(TomoSAR)技术，实现城市形变动态监测。文献[32]首次提出的多孔径干涉测量(MAI)技术可以实现高精度和高效率的方位向形变量提取。文献[33]提出的StaMPS算法无须先验形变模型且利用三维时空解缠技术来获取目标形变的时序信息。文献[34]首次提出了第二代永久散射体技术SuqeeSAR，该技术联合处理PS和分布式散射体(DS)，适合非城市区域的形变观测。InSAR技术在提取地表形变时会受到大气延迟的影响，降低形变结果的精度。为了克服大气延迟的影响，这一时期出现了利用GPS[35-36]、GPS/MODIS[37]、MODIS/MERIS[38]等外部观测数据的多种大气改正模型。在这个阶段InSAR技术的应用场景逐步拓宽，文献[39—40]分别利用InSAR技术完成天坑和湿地水位线变化的监测。2004年中国科学院与海军海洋测绘研究所共同研制了机载LiDAR系统样机[41]。进入21世纪，国内外激光雷达系统研发层出不穷，国外Leica、Quanergy、RIEGL等公司，以及国内巨星科技、北科天绘及海达数云等公司的出现为影像大地测量学的发展起到了促进作用。在这一阶段，摄影测量与计算机科学深度融合，文献[42]使用倾斜摄影测量方法SfM(structure-from-motion)构建了高分辨率DEM并对模型质量进行了定量评估，这是SfM在地学科学领域的成功应用。面对国内日益增长的基础测绘需求，2010年刘先林院士带领团队研发了第一款国产倾斜相机SWDC-5，推动了国内实景三维建设的发展。这一阶段总体特点是成像卫星种类和数量逐渐增多，为影像大地测量学的发展提供了宝贵数据支撑，为多角度多层次观测地球形状、环境及其变化提供了可能。
第四阶段：2014年至今，影像大地测量学处于全面应用阶段。2014年Sentinel-1卫星的发射，标志着影像大地测量学进入新时代，该阶段对地观测成像技术突飞猛进，其中包括以ALOS-2、GF-3、Hisea-1、LT-A/B为主的多波段、多星座、(超)高时空分辨率的科学/商业SAR卫星，ZY3-02/LAM、ICESat-2/ATLAS、ISS/GEDI、ADM-Aeolus/ALADIN、GF-7/LAM和陆地生态系统碳监测卫星LiDAR卫星，以及Sentinel-2、Worlview-4、吉林1号和高分系列高时空分辨率光学卫星等。2019—2020年，我国发射高分七号01星和高分十四号卫星，二者均用于1∶1万比例尺地理信息产品测制。Sentinel-2的免费开放政策一定程度满足了发展中国家对于中、高分辨率光学卫星数据的需求并产生一系列重要成果[43-45]。新一代SAR卫星、LiDAR卫星和高分光学卫星的不断涌现和海量数据处理能力的不断提升，为研究地球形状和重力场及其随时间的变化提供了新的更高精度、更高分辨率的数据支持，推动着大地测量学科的发展和大地测量应用领域的拓展[46-48]。2017年发布的GACOS系统[49-51]，可以免费近实时提供全球任何地区的对流层天顶延迟(ZTD)改正影像，用于改正InSAR干涉图大气误差。2020年英国COMET正式推出Sentinel-1雷达遥感影像全自动化干涉处理LiCSAR系统[52]，用于地震周期和火山活动的研究。欧空局提供的HyP3系统也较好地解决了SAR数据云计算与存储的问题[53]，以应对与自然灾害或再处理工作相关事件需求的激增。在这一阶段，无人机技术拓展了航空摄影测量的能力，针对无人机摄影测量提出的航测技术蓬勃发展，如张祖勋院士提出贴近摄影测量，强化了无人机摄影测量单体化、精细化重建的能力[54-55]，广泛应用于文物保护[56]和地质灾害与桥梁监测等[57-58]。目前影像数据与先进技术的应用朝着广域[59]、精细化[60]、多维监测[61]发展，广泛应用于基础设施安全、土地规划、城市管理、交通等商业领域。同时，人工智能、大数据、物联网、数字孪生等现代信息技术的发展，为影像大地测量学的进一步发展提供新的机遇，但也提出了新的挑战。LiDAR技术的快速发展引出海量点云数据处理的难题与挑战，针对点云数据处理的算法和其改进算法的研究也在不断深入，人工智能的快速发展使得点云大数据快速处理研究兴起。如何将这些信息技术与影像处理有机结合起来，进而为防灾减灾、环境保护、可再生能源开发利用等现代经济社会需求服务，是影像大地测量学需要解决的问题[62]。因此，这一阶段的影像大地测量学处于全面应用阶段。
为了进一步明晰影像大地测量学的作用和定位，本文将从影像大地测量学的定义和内涵、关键技术、研究内容、发展趋势等方面展开阐述。
1 影像大地测量学的定义和内涵影像大地测量学，又称影像测地学，是利用非接触传感器遥测地球表面及其外层空间来获取影像数据资料，并通过影像处理、分析和解译等程序，获取地球的形状、大小等信息及其时空变化的一门测绘分支学科。影像大地测量学有3个明显的特点：①以遥感技术为基本测量手段，具有非接触、远距离特点；②以影像为主要载体，具有大范围、高空间分辨率的潜质；③以地球的几何和物理形态特征及其变化规律为研究目标，具有应用大地测量特性。
影像大地测量学是以地球作为研究对象，通过遥感和大地测量的交叉融合，研究地球形状、大小及其变化等，理解当前地球正在发生的过程，并预测未来的变化。影像大地测量学的关键技术有：卫星遥感、机载摄影、地基成像等不同对地观测影像的处理和分析技术，以及多源异质遥感数据融合与分析技术等。结合国内外研究现状及其定义，根据研究对象空间分布位置的不同，影像大地测量学的内涵主要包括地球大气环境观测与反演、地球表面环境监测与演化以及地球内部物理结构与动力学反演，如图 2所示。具体分述如下。
|
| 图 2 影像大地测量学的内涵 Fig. 2 The intension of Imaging Geodesy |
(1) 地球大气环境观测与反演：通过影像观测近地空间大气环境及其变化，包括温度、气压、水汽、电子含量等，探索地球变化与空间环境之间的耦合关系，也可为众多大地测量和遥感技术提供大气改正数据源。
(2) 地球表面环境监测与演化：利用影像监测区域或全球尺度的地表覆盖，揭示地表物质迁移规律，为研究地球表面环境及其时空变化提供数据和技术支撑。
(3) 地球内部物理结构与动力学反演：综合多源对地观测影像，获取地表及浅层物质迁移来反演地球内部物理结构，为揭示地球动力学过程和机制提供基础数据。
影像大地测量学本身是一门综合交叉性的学科，以测绘科学与技术、遥感科学与技术两个学科的合集为基础，解决地球系统科学问题，涉及生态环境、空间大气、地球物理、地质学、农业、海洋等多门学科。近年来，新一代通信技术、物联网技术、电子技术、超算技术、人工智能和云计算等技术的快速发展，为影像大地测量学和相关学科的交叉融合提供了发展机遇，如通过卫星遥感、航空摄影、地面观测等天-空-地一体化观测技术，结合大数据分析、高性能计算、机器学习和人工智能等现代科技手段，研究地球表层自然、环境、人类活动的相互作用。图 3展示了影像大地测量学的外延学科，可以看出，影像大地测量一方面为相关学科的发展提供支撑，或推动相关学科的发展，而更为重要的贡献是，该学科可与其他学科深度交叉融合，使影像大地测量学外延进一步拓展。本学科的研究成果可为自然资源和生态环境保护提供科学依据，也为国家重大基础设施建设的战略布局和顺利实施提供重要保障。
|
| 图 3 影像大地测量学的学科外延关系 Fig. 3 The extension of Imaging Geodesy |
2 影像大地测量学的代表性技术
影像大地测量学通过不同传感器、不同时间和空间平台的对地观测，为地表动态演化过程的立体监测提供多源数据，涉及的关键技术包括雷达遥感、光学遥感和激光雷达技术，如图 4所示。
|
| 图 4 影像大地测量学的关键技术 Fig. 4 The key technologies of Imaging Geodesy |
2.1 雷达遥感技术
(1) 星载合成孔径雷达技术：利用卫星SAR影像的相位信息来获取大范围地形起伏或者地表形变。星载InSAR的优势在于全天时、全天候、广覆盖以及米级精度绘制全球地形、亚厘米级精度和分米到数十米空间分辨率监测地表形变的能力[63]。随着SAR数据的积累和时序InSAR技术的发展[23-24, 34, 64]，星载InSAR技术更是具备了获取大范围地表形变长时空演化特征的能力，从而成为滑坡、地震、火山、地面沉降等灾害的孕育和形变规律研究中不可或缺的手段。此外，基于高频次对地观测影像以及多种极化模式，星载InSAR技术还可以生成如高时空分辨率的4D、分钟级灾害应急制图等衍生产品。
(2) 机载合成孔径雷达技术：以有人机或无人机为载体，利用小天线沿着长线阵的轨迹相对于目标作等速移动并发射脉冲信号，对不同位置上接收的固定被测物回波进行相干处理，从而获得远距离的高分辨率清晰图像。相比星载SAR，机载SAR因其搭载平台机动灵活特点，可实现短时间内对指定观测区域进行反复观测的任务需求；无人机载SAR更是充分结合了无人机成本低、操作简便、机动性能好和InSAR技术非接触、覆盖范围广、测量精度高的优势，可应用于军事侦察、资源勘探、灾害预警及大比例尺地图测绘等领域[65]。
(3) 地基合成孔径雷达技术(GBSAR)：基于合成孔径雷达成像和差分干涉原理，通过电磁波的相位变化获取目标区域整体的变形信息[66]。GBSAR系统往往布设在监测对象的附近，通过非接触测量方式实时获取倾斜距离平面上像素点的变形。与星/机载SAR相比，GBSAR在数据采集的便携性和灵活性方面具有固有的优势，可为局部区域提供合适的观测角度、获取更高精度的近实时监测结果，已被广泛应用于崩塌、滑坡等灾害的灾后应急抢险以及露天采矿边坡、冰川运动、单体建(构)筑物等形变监测中[67-68]。
2.2 光学遥感技术(1) 星载光学遥感技术：以卫星为载体，通过光学传感器记录地球环境中物体和现象的有关信息，并将其处理为数字影像的技术。星载光学成像遥感作为一种典型的遥感技术，在空间对地观测任务中扮演着十分重要的角色。经过半个世纪的发展，星载光学遥感成像系统经历了从返回式到在轨式、单色传感到多/高光谱传感、低分辨率到高分辨率的不断进步，在资源监测、防灾救灾、国防军事等领域发挥重大作用[69-71]。
(2) 航空摄影测量技术：随着无人机的普及，以无人机为载体的航空摄影测量技术得到空前发展。该技术通过无人机平台搭载的相机和传感器，同时从一个和多个倾斜角度获取目标的正射和倾斜影像，并通过定位、融合、建模等技术生成真实的三维模型，在灾害应急测绘中可实时获取受灾区域的三维地表模型，评估灾害程度。此外，衍生的贴近摄影测量和运动重建技术具有多角度成像、高空间分辨率、高重叠度等特性，在高山峡谷灾害隐患点的识别、灾害调查与监测、灾前与灾后的地形变化监测、城市3D的精细重建方面得到广泛的应用[35, 72]。
(3) 实景三维重建技术：综合运用遥感测绘、大数据、云计算、智能感知等新技术对真实场景进行三维数字虚拟呈现，并通过在三维地理场景上承载结构化、语义化、支持人机兼容理解和物联实时感知的地理实体进行构建。相比传统测绘地理信息，实景三维实现了从抽象到具体、从平面到立体、从静态到时序的转变。实景三维已成为新型的基础测绘标准化产品，也是国家新型基础设施建设的重要组成部分。实景三维在城市规划、城市精细治理与服务、复杂地形测绘及辅助设计、导航服务等领域发挥重要作用[73-74]。
2.3 激光雷达技术(1) 星载激光雷达：以卫星为载体的激光测高仪向地面发射激光脉冲，通过测量激光从卫星到地面再返回的时间，计算激光单向传输的精确距离，再结合卫星轨道、姿态以及激光指向角，最终获得激光足印点高程的技术与方法。星载激光雷达具有运行轨道高、观测范围广等特点，几乎可以以较高的分辨率观测世界的每一个角落，能够实现天体测绘、全球信息采集、全球环境监测等任务，此外，星载激光雷达在植被垂直分布测量、海面高度测量、云层和气溶胶垂直分布测量以及特殊气候现象监测等方面也发挥重要作用[75]。
(2) 机载激光雷达：以有人机或无人机为载体，利用激光照射目标并用传感器测量反射光来测量目标距离，并且可以精确、快速获取地面目标的三维空间信息。该技术具有数据采集速度快、测量数据精度高、作业成本低、数据处理自动化等优点，但也存在数据盲区和空洞区域以及无法获取地物光谱信息等不足。无人机激光雷达技术有着十分广泛的应用范围和发展前景，主要应用在国防军事、工农业生产、医学卫生等领域，利用无人机LiDAR技术还可以进行地质灾害隐患点监测和预警[76]。
(3) 三维激光扫描：利用激光测距的原理，通过高速测量并记录被测物体外表面大量密集点的三维坐标、反射率和纹理等信息，从而快速复建出被测目标的三维模型及线、面、体等测量数据。三维激光扫描具有非接触、高测量密度、高精度、数字化、自动化和实时性等优势，被认为是单点测量向面测量的革命性技术突破。三维激光扫描系统广泛应用于数字高程模型构建、三维影像模型的快速重建以及建构筑物的精细化位移监测、边坡稳定性监测考古工作中的数据存档和修复工程等实际应用中[77]。
3 影像大地测量学的研究内容随着影像大地测量学的不断发展，数据与关键技术不断更新，其研究内容也越来越丰富。影像大地测量学的主要研究对象为地球，研究内容主要包括3个方面：①地球大气环境观测与反演，利用影像对地球大气环境进行观测，并开展异常性分析与反演；②地球表面环境监测与演化，主要监测由自然或人类活动引起的地球表面物质迁移与时空演化；③地球内部物理结构与动力学反演，利用覆盖范围广或空间分辨率高的优势，反演地球内部演化过程。
3.1 地球大气环境观测与反演影像大地测量学主要的数据来源是影像，其本质是电磁波成像，而电磁波在传播过程受到地球大气层折射、散射、吸收等影响，影像容易产生扭曲误差，影响了影像大地测量的观测精度和可靠性[78]。因此，获取地球大气层的温度、湿度、压力、水汽、电子密度等信息，对大气环境进行观测与异常分析，是影像大地测量学一项重要的任务[79]。利用影像获取的大气参数可应用于大地测量和遥感技术的大气改正，包括全球导航卫星系统(GNSS)、甚长基线干涉(VLBI)、卫星测高和雷达影像干涉测量InSAR等对地观测技术[31]。影像大气产品也是分析地球变化与气象气候间耦合关系的一种重要手段，如地震、火山等自然灾害与大气之间的耦合关系。因此，利用影像观测地球大气环境并进行异常分析对大地测量研究具有重要的意义。
影像大地测量学在大气反演方面的主要研究内容包括3个方面(图 5)。
|
| 图 5 地球大气环境观测与反演 Fig. 5 Observation and inversion of the Earth's atmospheric environment |
(1) 精细化大气环境参数的获取。探索温度、水汽、电子密度等地球空间大气对不同频率电磁波的影响特征，即电磁波在大气层中的传播机制；构建基于遥感影像的大气观测方程，分析各类误差源，估计精细化的大气环境参数；评估影像大气环境参数，利用实测的大气产品验证其可靠性。近年来，随着大气水汽估计方法的不断精化，利用探空数据证明，不同天气场景下GNSS水汽产品的精度可达1~2 mm[80]。
(2) 对地观测技术大气误差校正。研究利用遥感影像获取的精细化大气参数来校正大地测量观测误差，包括激光测距、GNSS等空间大地测量技术中的大气误差校正，InSAR干涉图中对流层大气误差和电离层大气误差的校正，以及对多类型光学传感器中的大气误差的校正。经过GACOS的改正，在大范围(250 km×250 km)内InSAR干涉相位相比于GNSS结果，均方根误差约为1 cm[49-51, 60]。
(3) 地球物理过程与大气环境变化的耦合关系。大气环境变化与一些自然灾害的孕育和发生过程以及人为活动相关，在遥感影像获取的精细化大气参数基础上，探索地震、火山、台风、海啸和核试验等地球物理过程与大气的耦合关系，可为灾害预警预报提供科学依据。
3.2 地球表面环境监测与演化海平面上升、冰川消融、陆地水储量变化等地球环境变化与地表物质迁移和质量重新分布过程有着密切的联系[81]。自然或人为因素导致的地球表面物质迁移现象包括瞬时性的突发变化和持续性的缓慢变化。瞬时性的突发变化表现为火山喷发、地震、海啸、滑坡等现象，持续性的缓慢变化则表现为地面沉降、地裂缝、构造运动、板块蠕动、冰川运动、极地冰盖冻融等过程。这些地表变化过程或因其致灾性造成人类生命财产的极大损失，或因其广域性影响着地球的生态变化。因此，充分了解全球以及典型区域地表物质迁移的时空演化规律，对防灾减灾、气候变化、生态环境保护具有重要意义[82]。影像大地测量学因其大范围、高精度技术优势，为研究地球表面环境监测与演化特征提供了重要支撑。
影像大地测量学在地球表面环境监测与演化方面的主要研究内容如下(图 6)。
|
| 图 6 地球表面环境监测与演化 Fig. 6 Monitoring and evolution of the Earth's surface environment |
(1) 大尺度数字高程模型构建。作为工程建设和科学研究的基础地理数据，构建高精度的DEM是影像大地测量学一项重要任务，包括利用机载和星载SAR、光学立体像对、LiDAR点云等获取全球或局部区域的高精度DEM，并用于灾害监测、城市规划、工程建设等方面。目前广泛使用的4种全球尺度DEM均由影像大地测量的手段来获取，其中SRTM于2000年2月11日至22日在奋进号航天飞机上执行，该任务获取了超过80%的地球表面并于2003年公布其地形产品，平面和高程精度分别为20、10 m[83]；先进星载热发射和反射无线电(advanced spaceborne thermal emission and reflection radiometer, ASTER)全球数字高程模型(GDEM)于2009年6月发布第一版地形产品，其地球覆盖面积增加到99%，平面和高程精度分别为30、13 m；AW3D DEM由日本太空发展署研制的ALOS卫星搭载的PRISM传感器获取的立体影像制作，其平面和高程精度均优于5 m；TanDEM-X数据由TerraSAR-X和TanDEM-X雷达双星系统对地观测制作而成，其平面和高程精度分别优于10、4 m。
(2) 地表覆盖及其时空变化。地表覆盖变化是人类活动和自然变迁的重要指标，遥感影像广泛应用于各类地表覆盖的变化监测中，如建筑物、植被、城市规模、道路、河流和海岸线等的时空变化监测，为进一步分析其时空演化规律提供支撑。目前遥感影像变化监测的研究主要集中在灾害的应急响应以及生态环境监测领域，例如，通过SAR影像的后向散射特性可以对洪涝淹没区域进行快速提取[84]；结合高分辨率光学遥感、InSAR技术和无人机航拍影像解译同震滑坡并评估建筑物损毁[85]；根据历史光学影像研究植被、湖泊、湿地、农田等生态变化[86]。
(3) 地表形变监测与地表过程研究。地表过程主要包括由气候、水文、植被变化，人类活动所引起的侵蚀、搬运、沉积及景观格局变化等地理过程，而地表形变是其外在表现，通过对地表形变的有效监测可以揭示出地表过程机制。遥感影像因其高形变监测精度、高时空分辨率、全天候运行等优点广泛应用于各类地表变形监测中，包括地震全周期形变监测[87-88]、火山活动的探测监测和预警[89]、滑坡灾害的广域探测及制图[90]、城市地面沉降的监测与危害评估[91]、冰川流动追踪及质量平衡监测[92]、人工建构筑高精度位移监测[93]等。尽管不同形变监测应用场景要求的测量精度有所差别，但随着影像大地测量技术的发展和遥感影像成像质量和空间分辨率的提升，影像大地测量技术在地表形变监测与地表过程研究中的精度可达到毫米至分米级。
3.3 地球内部物理结构与动力学反演地球内部物理结构、物质运移及其动力学机制是地球科学的前沿研究课题[94-95]。影像大地测量技术凭借其高空间分辨率或全球覆盖等突出优势，广泛应用于监测广域尺度软流圈流变、地下水储量变化和板块运动等地球内部演化过程表现出的地表形变和地貌演化等[96-98]。另外，影像大地测量的应用为现代大地测量学与水文等学科的交叉融合提供了一个前所未有的发展机遇[99-101]。
影像大地测量学在地球内部物理结构与动力学反演方面的研究内容如下(图 7)。
|
| 图 7 地球内部物理结构与动力学反演 Fig. 7 Inversion of Earth's interior physical structure and dynamics |
(1) 地震周期研究。利用多源影像观测资料可获取地震周期各阶段(包括同震、震后和震间)的高精度地表形变场，基于一定的地球物理模型，可反演地下断层的活动特性，进而研究广域尺度软流圈流变，为认识地下结构和评估地震危险提供依据[102]。现阶段，影像大地测量在同震方面的研究主要集中在以下3个方面：①同震断层参数反演算法和软件的开发[103-106]；②复杂构造下断层破裂分布的确定[107-109]；③库伦应力触发与地震危险性评估[110-112]。在震后研究方面，文献[113]首次利用InSAR在1991年Landers地震发震断层的邻近区域观测到孔弹性回弹变形。随后，学者们从震后的孔隙弹性回弹、粘弹性松弛和震后余滑3种机制入手研究了不同区域多个震例的震后形变机制[111, 114-117]。然而，震后过程是一个复杂的应力调整的过程，是震后余滑、黏弹性松弛和孔隙回弹3种机制相互作用，共同耦合的一个过程。由于受限于震后微小的构造信号易受各种误差的影响，现阶段利用多源影像观测仍很难将3种机制的贡献进行剥离和耦合分析，未来仍任重道远。在震间研究方面，由于震间断层附近发生的形变十分微小，通常在每年数毫米，仅有在一些运动剧烈的断层或者块体边界才能达到每年数厘米，因此现阶段影像大地测量震间监测主要集中在滑移速率较大的大型走滑断裂，如北安纳托利亚断裂[118-121]、圣安德列斯断裂[122-123]、阿尔金断裂[124-126]、鲜水河断裂[127-128]等。
(2) 火山研究。利用多源影像观测资料可获取火山区域的精确地表变形，进而进行火山活动的探测、监测和预警。在火山探测方面，自从文献[129]通过卫星雷达观测首次发现了意大利Etna火山附近区域的明显地表收缩后，研究学者相继使用SBAS-InSAR[130]、PS-InSAR[131-132]和DS-InSAR[133]等多种时间序列InSAR技术进行火山活动的探测。对于火山的监测，当前研究学者通过影像大地测量技术已成功监测到全球超过160座火山的地表形变[63]，研究主要集中在以下两个方面：①利用先进的时间序列算法获取精确地表形变场，基于弹性半空间的物理模型(如Mogi模型、Sill模型)反演地下岩浆活动，进而解释火山活动的演化过程，预测未来活动趋势[134-136]；②基于海量的SAR影像作为训练样本，利用深度学习方法进行模型训练，从而实现对火山形变信号的高精度监测[137]。对于火山预警，也主要集中在两个方面：①利用多源影像观测，研究火山岩浆动力学机制，实现对火山活动的预警[138-140]；②基于海量的SAR影像数据集，使用机器学习方法对火山活动的自动探测，实现对火山活动的实时预警[141]。
(3) 地下水储量反演。利用GRACE/GRACE- FO卫星重力观测获取大尺度区域的短时间重力场时变信息，结合陆地水文资料或水文模型可反演得到地下总储水量变化；利用InSAR技术可获取区域高精度的形变时间序列，基于相应的物理模型，可反演地下水的含水层参数和不可恢复水储量变化。在利用重力场反演地下总储水量变化方面，现阶段主要集中在以下3个方面[142]：①利用水量平衡原理估算地下水储量变化[143-145]；②基于GRACE卫星数据校准水文模型[146]；③GRACE卫星重力数据与水文模型数据同化[147]。在利用InSAR形变反演地下水储量变化方面，自文献[148]首次提出基于InSAR反演洛杉矶地下含水层参数的方法后，时间序列InSAR技术被广泛应用于研究地面沉降和地下水储量变化的耦合关系[149-152]。
4 影像大地测量学的现代应用 4.1 影像大地测量学应用于地形反演数字高程模型(DEM)作为空间数据基础设施的重要组成部分，在国家信息化建设与发展中发挥了关键支撑作用。经过半个多世纪的研究，DEM的数据获取方法、数据存储和数据处理速度等方面取得了突破性进展。基于影像大地测量技术获取DEM的方式兼具高效率和劳动强度低的优点，为DEM的获取提供了可靠的数据支撑和技术保障。
InSAR技术获取地表高程，需要得到覆盖同一地区的两幅或多幅SAR影像，进而利用SAR影像相位信息进行解算[153]。美国影像制图局(NIMA)和NASA联合利用奋进号航天飞机携带C/X波段雷达获取覆盖全球陆地80%地区的SRTM DEM，该系统采用单平台双天线体制[154-155]；德国航空航天中心利用TerraSAR-X/TanDEM-X雷达卫星系统，推出的覆盖整个地球陆地表面且包括极地地区在内的全球数字高程模型(world DEM)[156]。天绘二号卫星于2019年4月30日发射，采用双星异轨道面绕飞编队，满足1∶5万比例尺测图精度要求[157]。另外，我国分别于2022年1月和2月成功发射陆探一号两颗SAR卫星，目前该星座已经实现在轨成像，是我国首个具备提供全域中国连续地形图像能力的SAR卫星星座[158]。
基于卫星、航天和航空平台的摄影测量技术是DEM数据获取与更新的重要方法之一，该技术利用不同传感器多角度获取的完整地面信息，可生成亚米级甚至厘米级分辨率的高保真DEM，进而对大面积的地形地貌进行定期更新迭代。NASA与日本产经省(METI)于2009年共同推出基于立体影像匹配结果的全球数字高程模型数据(GDEM)，该数据覆盖整个地球陆地表面99%的区域，空间分辨率也整体提高到30 m[159-160]。我国第一颗民用三线阵立体测图卫星“资源三号测绘卫星”可获得高程精度优于3 m，平面精度优于4 m的影像，完全满足1∶50 000测图精度需要[161]。无人机航测技术的快速发展，凭借其灵活、便携的优点，使得基于无人机的摄影测量技术在灾害应急测绘中发挥着独特的作用。LiDAR技术具有植被穿透力强、直接获得三维空间坐标、外业工作量小、自动化程度高、快速成图等独特优点，在诸如应急响应、植被覆盖等特殊场合，LiDAR技术比摄影测量技术更具优势[162]。
4.2 影像大地测量应用于高分辨率大气水汽提取大气水汽在大气能量转化中发挥着关键作用，其作为地球上最重要和最丰富的温室气体之一，确保地球表面温度在冰点以上。大气水汽还是极端降水天气形成的主要物质基础，在极端降水天气的形成和发展过程中扮演着十分关键的角色。观测和研究大气水汽时空演变规律，对于深入理解极端降水天气的形成机制和预警预报及开发精密全球气候模型至关重要。
目前，常用的大气水汽观测手段包括高空无线电探空仪、地基微波辐射计、星基辐射计和地基GNSS反演。在影像大地测量中，星基InSAR观测量对大气水汽造成的对流层延迟具有高敏感度，可以用来估计高空间分辨率的大气水汽分布[78]，相比于其他手段，星基InSAR具备全天候、大范围、高精度和高空间分辨率等优势。在卫星雷达视线方向上，大气水汽导致的对流层延迟与地表形变于InSAR观测量而言具有一样的敏感性；如果研究区域内无地表形变，单幅干涉影像即可用于估计大气水汽含量；如果研究区域内存在地表形变，则可利用多时相干涉影像估计大气水汽含量，通常需要假设地表形变模型呈线性或已知。文献[163]利用InSAR时序分析方法处理了美国西部Sierra Nevada地区跨度为18年的ERS-1/2和Envisat的卫星影像，并与10年的GPS连续跟踪数据进行了比较，发现InSAR和GPS估计出来的对流层延迟的差值中误差为5 mm。全球首个通用型InSAR大气改正在线服务系统(GACOS)，可以很好地削弱对流层延迟，特别是长波分量和与地形相关的部分，已成为国际主流InSAR大气误差改正科研服务型系统。文献[164]最近提出了GACOS+PCA方法，即首先利用GACOS对于时序InSAR的干涉影像进行大气改正，然后在GACOS改正后的子网(subnetwork)中使用主成分分析(principal component analysis, PCA)的方法，估计并削弱由于外部数据分辨率以及精度等原因导致的残存的短波分量以及部分与时间相关的大气相位(简称“残余大气相位”)；将GACOS改正量与残余大气相位相加即为卫星雷达视线方向上对流层延迟，进而可估计大气水汽含量。图 8是利用GACOS+ PCA方法计算得到的2019年10月8日和10月14日两天UTC 14点的大气对流层总延迟量，以及利用其计算得到的卫星雷达干涉影像的大气延迟改正图。其中，大气水汽是干涉图大气延迟误差的决定性因素，在有地面气压和气温数据的情况下，大气总延迟可以转换为大气水汽含量，二者大致呈线性关系。可以看出，GACOS+PCA的方法能有效模拟卫星两次过境时刻的大气环境，准确计算出干涉影像的大气延迟误差，对于提高InSAR观测值精度以及模拟大气水汽含量均有着重要意义。
|
| 图 8 GACOS+PCA计算卫星雷达干涉影像大气延迟改正图计算示例 Fig. 8 Example of atmospheric delay correction for SAR interferograms using GACOS+PCA |
4.3 影像大地测量应用于滑坡探测与监测
据中华人民共和国自然资源部统计，2021年我国共发生滑坡2335起，造成经济损失达数亿元(https://www.mnr.gov.cn/dt/ywbb/202201/t20220113_2717375.html)。滑坡发生时的巨大势能往往会形成高速、远程“崩-滑-流”复合的灾害地质体[165-166]，造成重大经济损失和人员伤亡。凭借大范围、高空间分辨率、非接触的优势，影像大地测量广泛应用于滑坡灾害的广域探测[167-169]和变形监测[170-172]。利用光学遥感影像常用的技术有：目视解译法、变化检测法、影像互相关等[173-175]；利用SAR影像常用的技术有：InSAR、SAR偏移量追踪等[176]。机载LiDAR可获取高分辨率、高精度的DEM和正射影像(DOM)，通过机器学习方法，对滑坡进行半自动化探测[75, 175, 177]，如图 9所示。
|
| 图 9 影像大地测量用于滑坡探测与监测 Fig. 9 Detecting and monitoring landslide with Imaging Geodesy techniques |
以青藏高原交通工程廊道为例，该廊道起于四川省成都市，终于西藏自治区拉萨市，途径雅安、康定、昌都、林芝等地，全长1543 km，是中国西部区域战略交通工程[178]。青藏高原交通工程廊道沿线地形地貌起伏剧烈，构造地震高度活跃，气候天气极端多变，自然地质灾害频发，严重威胁工程建设与安全运营[179]，持续开展沿线重大地质灾害的早期识别与变形监测至关重要。传统地质灾害调查和监测手段，如：野外调查、全站仪测绘等耗时耗力，效率低下，难以实现川藏交通廊道全线高精度地质灾害监测的目的。基于此，长安大学影像大地测量团队运用影像大地测量技术，通过对覆盖青藏高原交通工程廊道的3000余景卫星SAR数据、300余景卫星光学遥感影像和多期无人机倾斜摄影数据进行综合处理，共探测灾害隐患点2503处，经过现场确认典型灾害点97个(图 10)[180]。其中利用GACOS辅助下的InSAR stacking和SAR像素偏移量追踪测量技术共构建1631处活动性滑坡数据库；利用光学遥感影像通过人机交互构建滑坡数据库(924处)，用于训练掩膜区域卷积神经网络(mask R-CNN)，并对青藏高原交通工程廊道的新滑坡和老滑坡进行探测试验。结果表明该方法对新滑坡检测的召回率和F1分数分别达到78.47%和79.80%。采用迁移学习方法对老滑坡进行探测，结果表明，检测评价指标可进一步提高10%左右，并且可迁移运用到冰崩识别中[181]；研究成果为川藏交通廊道的建设和运营提供了科学支撑。
|
| 图 10 基于影像大地测量技术获取的青藏高原交通工程廊道沿线地质灾害分布 Fig. 10 Geological hazard distribution map along the Qinghai-Tibet Plateau Transportation Corridor (QTPTC) obtained with Imaging Geodesy techniques |
4.4 影像大地测量应用于地震防灾减灾
地震是地球上的主要自然灾害之一，地震及其次生灾害往往会造成严重的生命财产损失[97, 182-183]。自从1993年首次利用InSAR获取了美国加州Landers地震的同震形变场后[129]，以SAR/InSAR技术为代表的影像大地测量技术已成为地震灾害研究的有力手段[184-186]。尤其是欧洲空间局发射C波段的Sentinel-1 A/B卫星后，凭借其数据全球免费共享的政策，SAR/InSAR技术几乎监测到了全球所有陆地及近海浅源中强震的地表形变场，如2014年Mw 6.1美国加州纳帕地震[187]、2015年Mw 7.8尼泊尔地震[188]和2017年Mw 7.3伊朗地震等[189]，另外InSAR技术还多次监测到 < Mw 5.0地震的地表变形[190-191]。据不完全统计，迄今具有影像大地测量数据约束的震例分析已超过220个[192]。当前影像大地测量对地震灾害的研究主要集中在：①高精度地表形变场获取，其中包括大气误差改正、大梯度形变引起的解缠误差改正等[193-195]；利用Offset Tracking、MAI等技术或基于地表应力应变等模型的地表三维形变场获取[196-198]。②基于SAR偏移量、光学偏移量和无人机航拍等技术的地表破裂带的绘制[199-201]，文献[202]使用InSAR相位梯度研究地表破裂，成果发表在国际期刊Science杂志。③利用SAR强度信息、无人机应急监测和机载LiDAR等技术对发震区域进行危险性评估[203-205]。表 1展示了利用SAR/InSAR观测获取的典型地震目录。
| 事件地点 | 时间 | 矩震级 | 破裂性质 | 观测状况 |
| 美国加州Landers | 1992-06-28 | 7.3 | 走滑 | ERS |
| 西藏玛尼 | 1997-11-08 | 7.5 | 走滑 | ERS Landsat |
| 张北-尚义 | 1998-01-10 | 5.8 | 逆断 | ERS |
| 土耳其Izmit | 1999-08-17 | 7.5 | 走滑 | ERS |
| 台湾集集 | 1999-09-20 | 7.6 | 逆断 | ERS |
| 美国加州Hector Mine | 1999-10-16 | 7.2 | 走滑 | ERS |
| 昆仑山口西 | 2001-11-14 | 7.8 | 走滑 | ERS Ikonos UAV |
| 美国阿拉斯加Denali | 2002-11-03 | 7.9 | 走滑 | RADARSAT-1 |
| 伊朗Bam | 2003-12-26 | 6.6 | 走滑 | Envisat |
| 智利Tocopilla | 2007-11-14 | 7.8 | 走滑 | Envisat |
| 西藏改则 | 2008-01-09 | 6.4 | 正断 | Envisat ALOS |
| 新疆于田 | 2008-03-20 | 7.2 | 正断 | Envisat ALOS |
| 四川汶川 | 2008-05-12 | 7.9 | 逆断 | ALOS |
| 西藏仲巴 | 2008-08-25 | 6.7 | 正断 | Envisat |
| 西藏当雄 | 2008-10-06 | 6.4 | 正断 | Envisat |
| 青海大柴旦 | 2008-11-10 | 6.3 | 逆断 | Envisat ASTER |
| 意大利L'Aquila | 2009-04-06 | 8.2 | 正断 | Envisat |
| 海地 | 2010-01-12 | 7.1 | 走滑 | ALOS |
| 青海玉树 | 2010-04-13 | 6.8 | 走滑 | Envisat ALOS SPOT-5 |
| 新西兰Darfield | 2010-09-03 | 7.1 | 走滑 | ALOS Envisat |
| 土耳其Van | 2011-10-23 | 7.0 | 逆断 | COSMO-SkyMED Envisat RADARSAT-2 |
| 四川芦山 | 2013-04-20 | 6.7 | 逆断 | RADARSAT-2 |
| 新疆于田 | 2014-02-12 | 6.9 | 走滑 | TanDEM-X Sentinel-1 SPOT-6/7 |
| 云南鲁甸 | 2014-08-03 | 6.1 | 走滑 | RADARSAT-2 |
| 尼泊尔Gorkha | 2015-04-25 | 7.2 | 逆断 | ALOS-2 Sentinel-1RADARSAT-2 |
| 智利Illapel | 2015-09-16 | 8.3 | 逆断 | ALOS-2 Sentinel-1 RADARSAT-2 |
| 塔吉克斯坦Sarez | 2015-12-07 | 7.2 | 走滑 | Sentinel-1 Landsat8 SPOT-6/7 |
| 台湾美浓 | 2016-02-06 | 6.4 | 逆断 | Sentinel-1 ALOS-2 |
| 新西兰Kaikōura | 2016-11-13 | 7.8 | 逆断 | Sentinel-1 ALOS-2 |
| 新疆阿克陶 | 2016-11-25 | 6.7 | 走滑 | Sentinel-1 |
| 日本Tohoku | 2017-05-01 | 6.2 | 逆断 | ALOS-2 |
| 四川九寨沟 | 2017-08-08 | 6.5 | 走滑 | Sentinel-1 UAV |
| 伊朗Darbandikhan | 2017-11-12 | 7.3 | 逆断 | ALOS-2 Sentinel-1 RADARSAT-2 |
| 四川荣县-威远 | 2019-02-25 | 4.3 | 逆断 | Sentinel-1 |
| 美国加州Ridgecrest | 2019-07-06 | 7.3 | 走滑 | Sentinel-1 ALOS-2 Planet-Lab |
| 土耳其Doganyol | 2020-01-28 | 6.7 | 走滑 | Sentinel-1 UAV |
| 新疆拜城 | 2021-03-23 | 5.3 | 走滑 | Sentinel-1 UAV |
| 青海玛多 | 2021-05-21 | 7.3 | 走滑 | Sentinel ALOS UAV |
| 青海门源 | 2022-01-08 | 6.7 | 走滑 | Sentinel-1 GF-7 GF-1 UAV Sentinel-2 |
利用影像大地测量技术快速提取地震引起的地表形变信息，可直接服务于地震灾情快速响应与防灾减灾[206]。如针对2022年1月8日发生的Mw 6.7级青海门源地震，基于震前震后Sentinel-1A SAR影像，利用InSAR和SAR像素偏移量跟踪技术分别获取了地震卫星视线向(图 11(a))和距离向(图 11(b))与方位向(图 11(c))的高精度地表形变场；基于震前震后Sentinel-2光学遥感影像，利用像素偏移量跟踪技术获取了地震东西向(图 11(d))和南北向(图 11(e))地表形变场；基于震后的无人机航拍影像(图 11(f))，获取了地震地表的形态信息；最后，基于InSAR、光学/SAR像素偏移量、无人机航拍影像结果，精确绘制了门源地震地表破裂带，总长为36.22 km。地震发生后常诱发大量的山体滑坡，利用震前震后的光学遥感影像可识别地震诱发的滑坡，助力于灾区的应急救援、灾情评估和震后重建。如2022年四川泸定Mw 6.6级地震诱发大量山体滑坡，长安大学影像大地测量团队通过对比灾区震前震后的光学遥感影像，建立了同震滑坡编目(2692处滑坡)，为灾区地质灾害排查和防治提供了有力的数据支撑。
|
| 图 11 基于影像大地测量技术获取的2022年Mw 6.7青海门源地震地表形变及破裂 Fig. 11 Surface deformation and ruptures of the 2022 Mw 6.7 Menyuan Earthquake obtained with Imaging Geodesy techniques |
4.5 影像大地测量应用于土壤湿度监测
土壤湿度是表示土壤干湿程度的物理量[207]，作为水循环中的关键变量，是联系地下水和地表水的重要纽带，也是影响水资源生成，转变和消耗的重要因素[208]。土壤湿度的变化可改变地表的能量交换，进而影响植被生长、地表蒸发和土壤温度等[209]。此外，土壤湿度也是研究气候变化的重要参量，它可改变地表的反照率、热容量和向大气输送的感热、潜热等，进而影响气候变化[210]。准确、长期的土壤湿度数据，可为旱涝灾害、土壤冻融过程、碳循环、水文循环、生态系统功能和生态环境演变等研究提供基础性资料[211-212]。
土壤湿度反演手段可分为原位监测和影像大地测量监测两大类。基于点尺度的原位监测方法主要有重力法、中子散射法、电磁法、张力法等[211]。相比于原位监测方法，基于影像大地测量的技术具有低成本、大尺度、高分辨率等优点，已经成为土壤湿度监测的重要手段[213]。光学遥感反演土壤湿度方法主要分为反射率法和植被指数法[214]，前者主要依据光谱反射率与土壤水分之间的负相关关系，直接建立两者的关联[215-216]。后者侧重于利用植被指数与土壤水分之间的关系建立模型，属于间接的方案[217]。热红外遥感反演土壤湿度的原理是在裸土或稀疏植被覆盖条件下，探讨地表温度与地表土壤含水量(热容量和热导率)之间的关系[218-219]。文献[220]依据土壤温度和湿度之间的关系提出了热惯量模型，适用于小范围土壤湿度的反演。微波遥感能穿云透雾，对土壤湿度有较高的敏感程度，克服了光学遥感易受天气影响的特点[221]。基于微波遥感监测土壤湿度可分为微波辐射计的被动微波遥感(passive microwave remote sensing)和成像雷达技术的主动微波遥感(active microwave remote sensing)。前者依据土壤的介电常数随其含水量变化而变化，由微波辐射计观测到的亮度温度也随之变化。后者通过建立雷达后向散射系数和土壤水分等地表参数之间的关系反演土壤水分[221]。GNSS-R(global navigation satellite system- reflectometry)技术具有成本低，覆盖广，全天候和全时段检测等优势，为土壤湿度的监测提供了新的技术手段。
黄河流域横跨青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东9省(自治区)，是中国重要的生态屏障，对黄河流域进行土壤湿度监测可以促进该区域的生态环境保护和可持续发展。长安大学影像大地测量团队基于星载GNSS-R技术，以SMAP(soil moisture active and passive)土壤湿度为真值，反演出黄河流域36 km空间分辨率的逐日土壤湿度数据(图 12)。与SMAP土壤湿度产品进行比较，数据具有高度的相关性，相关系数R为0.830，RMSE为0.051 cm3/cm3，相比于CYGNSS(cyclone global navigation satellite system)官方发布的L3土壤湿度产品(R=0.692, RMSE=0.067 cm3/cm3)分别提高了20%和25%，可以作为SMAP土壤湿度产品的补充。
|
| 图 12 基于影像大地测量技术获取的黄河流域2019年土壤湿度 Fig. 12 Soil moisture in the Yellow River Basin in 2019 obtained with Imaging Geodesy techniques |
5 影像大地测量学的发展趋势 5.1 亟待解决的关键科学技术难题
影像大地测量学经历了近30年的发展，在数字高程模型、大气水汽、地表形变监测及灾害识别、地震灾害等领域得到了广泛应用。影像数据也实现了从米级至亚米级的跨越，逐渐向多平台、多时相、多光谱及多分辨率方向发展，可见光、近红外、短波红外、热红外、微波等多源影像资源愈加丰富。因此，如何充分利用不同平台影像的优势特征，提高影像的光谱、空间和时间分辨率，进而提高信息提取、分析和动态监测的能力，是影像大地测量学未来研究的重点方向之一[222-223]。
当前影像大地测量学面临的主要科学技术难题有：①现有的融合算法适应性不足，缺乏能够适用于不同应用场景的算法，亟须建立灵活多样的融合框架和融合规则知识库，研发适应多场景的多平台影像智能融合算法。②对不同平台海量的影像数据进行快速、高效及近实时化的处理一直是影像大地测量学的研究热点[224]。然而，据不完全统计，目前海量影像数据的实时快速处理能力比例约为10%，不能提供实时或近实时的应急响应数据与信息，限制了其进一步的应用[225]。云计算是分布式计算的一种，通过多部服务器组成的系统进行快速处理和分析，并实时传送给用户使用。通过这项技术，可以在短时间内完成对海量数据的处理，从而达到强大的网络服务。因此，分布式计算、效用计算、负载均衡、并行计算、边缘计算、网络存储、热备份冗杂和虚拟化等计算机技术将成为影像大地测量数据处理的热点[226-227]。③目前影像融合的质量大多依赖于研究人员的个人经验或辅以个别评价指标，亟须研发出一套完善的多平台影像融合质量评价体系，形成一套数据标准体系。④目前海量数据在不同的应用场景中，经常会出现由于参与人的不同，导致结果有所差异，亟须开展自动化和智能化数据处理的研究。
5.2 新的国家需求目前，影像大地测量学正处于蓬勃发展时期，随着国家综合实力的增强，不断产生新的国家需求，主要包括：①基础理论研究的需求。初期影像大地测量学以地球作为研究对象，通过遥感和大地测量的交叉融合，研究地球形状、大小及其变化，到后面外延到生态环境、农业、海洋等多门学科，与新一代通信技术、人工智能、云计算等技术产生多学科进一步交叉，有望实现自然科学与科技基础的强强联合，但是需要进一步实时更新和补充影像大地测量学基础理论。②大型工程建设的需求。与国家经济建设快速发展相适应的一些重大工程相继开展，例如西部大开发、国家生态环境保护、西电东送、青藏高原交通廊道、南水北调和珠江大桥的建设等。这些重大工程不论是在前期的准备阶段，建设和维稳的过程中，还是后期监测和维护，都需要影像大地测量学的监测支持。③防灾减灾救灾的需求。我国是一个灾害频发的国家，如地震(2008年汶川地震[228]、2010年的玉树地震[229]和2022年的门源地震[206, 230])、地质灾害(2000年的易贡滑坡[231]、2018年的白格滑坡[232]、2010年甘肃舟曲泥石流[233]和2022年青海大通山洪等)和洪涝(2021年郑州洪涝[234])等灾害给国家和人民带来了巨大的损失。影像大地测量学无论在灾害来临前的监测预警，还是灾后环境生态恢复，都可以发挥极其重要的作用。针对无法预测的灾害，通过近实时高分辨率的遥感影像，也为受灾人民快速规划救援通道提供重要支持。
5.3 拓宽应用场景影像大地测量学的发展对地观测技术提出了更高和更多的要求，同样新一代不同平台的SAR、光学、LiDAR等影像不断丰富，也拓宽了影像大地测量学应用范围和应用质量。
地球同步轨道(GEO)SAR卫星可以提供高时间分辨率的灾害应急制图和高时空分辨率的大气水汽含量[235-236]；极化InSAR精化了森林垂直结构反演[237]和森林高度估计[238-239]，细化了对草原、森林、居民区等区域生物量的估计[240-242]；高分辨率SAR卫星提供的高分辨率影像，可以精确监测高楼大厦、标志性建筑、桥梁等小尺度基础设施的形变[243]；双频SAR卫星，由于不同波段具有不同的穿透能力，可更好地对滑坡、冰川、火山和地震等活动的过程进行精密监测[244]。多波段的机载SAR可以根据实际需求规划航线，从不同视线对滑坡等地质灾害进行精密监测[245]。地基SAR可以提供更高时空分辨率的影像，对滑坡[246]、桥梁[247]和大坝[248]等进行高精度的近实时监测。
光学遥感技术凭借其大尺度、重复观测的特点，在区域生态环境、大气环境、土地荒漠化、水环境监测等领域提供大尺度、长时序的有效数据支持[249-251]，也长期服务于作物长势监测、产量估计、自然灾害监测等诸多农林应用领域[252-253]。但随着遥感数据获取技术的不断发展，光学遥感图像的空间、时间和光谱分辨率不断提高，光学卫星数据的爆发式增长，海量数据处理的时效性严重制约了遥感数据使用[254]。因此，构建具有星上成像参数自动优化、星上数据实时处理和信息快速下传能力的“智能型”遥感卫星星座系统是未来的一个重要方向[255-256]。另外，深度学习和人工智能科技的出现，可实现海量数据的高效自动计算和分析，将更好地服务于地物分类、目标监测以及场景理解等方面。例如基于高分辨率机载光学遥感影像，利用基于神经网络的深度学习方法精准绘制农田地图，对植物行进行定位与监测[257]。基于地基LiDAR与相机摄像头的影像，利用深度学习的方法对来往车辆进行目标检测[258]。
星载LiDAR能全天时对地观测，受地面和天空背景干扰小，并具有高分辨率和高灵敏度的特点。这些特点使它在地形测绘、环境监测、森林调查等方面的应用具有独特的优势。基于GEDI(global ecosystem dynamics investigation)与ICESat-2 ATLAS星载激光雷达脚点数据，可以绘制全国30 m分辨率的森林冠层高度产品[259]；基于ICESat-2与CryoSat-2数据的高度差，可以估算北极雪层的厚度[260]；基于CALIOP和ⅡR观测数据可以反演矿物粉尘的热红外光学深度[261]。机载和地基LiDAR可以根据实际需求，对目标场景进行监测，获取更高空间分辨率和灵敏度的影像。利用机载LiDAR监测输电线路健康情况，确保其可靠性与安全性[262]；基于机载LiDAR和高光谱影像评估森林结构属性和树木多样性，对森林进行细致监测[263]。
6 结束语新一代星载、机载和地基的SAR、光学、LiDAR等影像出现井喷式增长，高精度、高分辨率的影像为解决大地测量问题提供了强有力的数据支撑，影像大地测量学也得到前所未有的发展机遇。为使读者更加深入了解影像大地测量学的发展现状及趋势，本文较系统梳理了影像大地测量学的发展历史、研究内容、面临挑战等内容。主要总结如下：
(1) 影像大地测量学先后经历了起步萌芽、初期飞跃、深度创新和全面应用4个阶段。1969—1990年处于萌芽阶段，成像卫星相对较少、图像处理技术相对不成熟；1991—2001年处于初期飞跃阶段，成像卫星种类逐渐增多，图像处理技术越来越成熟；2002—2013年处于深度创新阶段，成像卫星和技术稳定成熟发展；2014年至今处于全面应用阶段，亟须将海量影像与现代信息技术协同融合。
(2) 影像大地测量学研究内涵包括空间大气环境观测、地表物质迁移观测以及地球内部物理结构。根据研究对象空间分布位置的不同，影像大地测量学的研究内容主要包括地球大气环境观测与反演、地球表面环境监测与演化、地球内部物理结构与动力学反演。
(3) 影像大地测量学未来发展趋势主要包括解决关键科学技术难题、适应国家需求及拓宽应用场景。多平台、多时相、多光谱及多分辨率卫星系统的大量涌现，可见光、近红外、短波红外、热红外、微波等多源影像资源愈加丰富。如何充分利用不同平台影像的优势特征，服务于国家重大工程建设及防灾、救灾、减灾，并不断拓宽其应用场景，是未来学科发展的关键。
致谢: 特此向武汉大学许才军教授、中国地质大学(北京)彭军还教授、中南大学李志伟教授、中国自然资源航空物探遥感中心葛大庆教授、中国科学院精密测量科学与技术创新研究院江利明研究员和同济大学张磊教授在本文创作过程中给予的支持表示衷心感谢。
| [1] |
KAULA W M. Theory of satellite geodesy[M]. Paris: Blaisdell Publishing Company, Waltham Massachusetts, USA, 1966.
|
| [2] |
SCHILLAK S, MARIUSZ F, KRYNSKI J, et al. Satellite geodesy[R]. Paris: Committee on Space Research, 2010.
|
| [3] |
宁津生. 测绘学概论[M]. 2版. 武汉: 武汉大学出版社, 2008. NING Jinsheng. Introduction to geomatics[M]. 2nd ed. Wuhan: Wuhan University Press, 2008. |
| [4] |
CRIPPEN R, BLOM R. Imageodesy applied to the landers earthquake: an update and a comparison to radar interferometry[J]. Environmental Science, Mathematics, 1993, 1: 20060039400. |
| [5] |
GOV J N. Imageodesy: a tool for mapping subpixel terrain displacements in satellite imagery[J]. International Union of Geodesy & Geophysics Geophysics & the Environmentboulder Colorado, 1995(23): 20060037146. |
| [6] |
王之卓. 当代测绘学科的发展[J]. 测绘学报, 1998, 27(4): 283-286. WANG Zhizhuo. Development of contemporary surveying and mapping[J]. Acta Geodaetica et Cartographica Sinica, 1998, 27(4): 283-286. DOI:10.3321/j.issn:1001-1595.1998.04.001 |
| [7] |
廖明生, 林珲. 雷达干涉测量: 原理与信号处理基础[M]. 北京: 测绘出版社, 2003. LIAO Mingsheng, LIN Hui. Synthetic aperture radar interferometry: principle and signal processing[M]. Beijing: Serveying & Mapping Press, 2003. |
| [8] |
EINEDER M, MINET C, STEIGENBERGER P, et al. Imaging geodesy-toward centimeter-level ranging accuracy with TerraSAR-X[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(2): 661-671. DOI:10.1109/TGRS.2010.2060264 |
| [9] |
CARTER W E, GLENNIE C L, SHRESTHA R L. Geodetic imaging by airborne LiDAR: a golden age in geodesy-a Bonanza for related sciences[M]. Berlin: Springer, 2015: 399-405.
|
| [10] |
张勤, 黄观文, 杨成生. 地质灾害监测预警中的精密空间对地观测技术[J]. 测绘学报, 2017, 46(10): 1300-1307. ZHANG Qin, HUANG Guanwen, YANG Chengsheng. Precision space observation technique for geological hazard monitoring and early warning[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1300-1307. DOI:10.11947/j.AGCS.2017.20170453 |
| [11] |
ROGERS A E, INGALLS R P. Venus: mapping the surface reflectivity by radar interferometry[J]. Science, 1969, 165(3895): 797-799. DOI:10.1126/science.165.3895.797 |
| [12] |
GRAHAM L C. Synthetic interferometer radar for topographic mapping[J]. Proceedings of the IEEE, 1974, 62(6): 763-768. DOI:10.1109/PROC.1974.9516 |
| [13] |
GABRIEL A K, GOLDSTEIN R M, ZEBKER H A. Mapping small elevation changes over large areas: differential radar interferometry[J]. Journal of Geophysical Research: Solid Earth, 1989, 94(B7): 9183-9191. DOI:10.1029/JB094iB07p09183 |
| [14] |
JENSEN J R. Remote sensing of the environment: an earth resource perspective[M]. Pearson: Pearson Education India, 2009.
|
| [15] |
HAACK B N. Landsat: a tool for development[J]. World Development, 1982, 10(10): 899-909. DOI:10.1016/0305-750X(82)90064-X |
| [16] |
IPPEN R E. Measurement of subresolution terrain displacements using SPOT panchromatic imagery[J]. Episodes Journal of International Geoscience, 1992, 15(1): 56-61. |
| [17] |
MASSONNET D, ROSSI M, CARMONA C, et al. The displacement field of the Landers earthquake mapped by radar interferometry[J]. Nature, 1993, 364(6433): 138-142. DOI:10.1038/364138a0 |
| [18] |
GOLDSTEIN R M, ENGELHARDT H, KAMB B, et al. Satellite radar interferometry for monitoring ice sheet motion: application to an Antarctic ice stream[J]. Science, 1993, 262(5139): 1525-1530. DOI:10.1126/science.262.5139.1525 |
| [19] |
ANSSEN R F, WECKWERTH T M, ZEBKER H A, et al. High resolution water vapor mapping from interferometric radar measurements[J]. Science, 1999, 283: 1297-1299. DOI:10.1126/science.283.5406.1297 |
| [20] |
FARR T G, ROSEN P A, CARO E, et al. The shuttle radar topography mission[J]. Reviews of Geophysics, 2007, 45(2): 1-33. |
| [21] |
SANDWELL D T, PRICE E J. Phase gradient approach to stacking interferograms[J]. Journal of Geophysical Research: Solid Earth, 1998, 103(B12): 30183-30204. DOI:10.1029/1998JB900008 |
| [22] |
WRIGHT T, PARSONS B, FIELDING E. Measurement of interseismic strain accumulation across the North Anatolian Fault by satellite radar interferometry[J]. Geophysical Research Letters, 2001, 28(10): 2117-2120. DOI:10.1029/2000GL012850 |
| [23] |
FERRETTI A, PRATI C, ROCCA F. Permanent scatterers in SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 8-20. DOI:10.1109/36.898661 |
| [24] |
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. DOI:10.1109/TGRS.2002.803792 |
| [25] |
WENG Q. Remote sensing of impervious surfaces in the urban areas: requirements, methods, and trends[J]. Remote Sensing of Environment, 2012, 117: 34-49. DOI:10.1016/j.rse.2011.02.030 |
| [26] |
LU D, WENG Q. A survey of image classification methods and techniques for improving classification performance[J]. International Journal of Remote Sensing, 2007, 28(5): 823-870. DOI:10.1080/01431160600746456 |
| [27] |
MICHAEL S. Renslow, Manual of AIRBORNE TOPOGRAPHIC LIDAR[R]. [S. l. ]: American Society for Photogrammetry and Remote Sensing, 2012: 1-100.
|
| [28] |
姜高珍, 韩冰, 高应波, 等. Landsat系列卫星对地观测40年回顾及LDCM前瞻[J]. 遥感学报, 2013, 17(5): 1033-1048. JIANG Gaozhen, HAN Bing, GAO Yingbo, et al. Review of 40-year earth observation with Landsat series and prospects of LDCM[J]. Journal of Remote Sensing, 2013, 17(5): 1033-1048. |
| [29] |
王建荣, 杨元喜, 胡燕, 等. 光学测绘卫星现状与发展趋势分析[J]. 武汉大学学报(信息科学版), 2023, 48(3): 333-338. WANG Jianrong, YANG Yuanxi, HU Yan, et al. Analysis on status quo and development trend of optical surveying and mapping satellites[J]. Geomatics and Information Science of Wuhan University, 2023, 48(3): 333-338. |
| [30] |
白照广. 高分一号卫星的技术特点[J]. 中国航天, 2013(8): 5-9. BAI Zhaoguang. Technical characteristics of Gaofen-1 satellite[J]. Aerospace China, 2013(8): 5-9. |
| [31] |
FORNARO G, SERAFINO F, SOLDOVIERI F. Three-dimensional focusing with multipass SAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(3): 507-517. DOI:10.1109/TGRS.2003.809934 |
| [32] |
BECHOR N B D, ZEBKER H A. Measuring two-dimensional movements using a single InSAR pair[J]. Geophysical Research Letters, 2006, 33(16): 16311-1. |
| [33] |
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): B07407. |
| [34] |
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. DOI:10.1109/TGRS.2011.2124465 |
| [35] |
LI Zhenhong, FIELDING E J, CROSS P, et al. Interferometric synthetic aperture radar atmospheric correction: GPS topography-dependent turbulence model[J]. Journal of Geophysical Research: Solid Earth, 2006, 111(B2): B02404. |
| [36] |
ONN F, ZEBKER H A. Correction for interferometric synthetic aperture radar atmospheric phase artifacts using time series of zenith wet delay observations from a GPS network[J]. Journal of Geophysical Research: Solid Earth, 2006, 111(B9): B09102. |
| [37] |
LI Zhenong, MULLER J P, CROSS P, et al. Interferometric synthetic aperture radar (InSAR) atmospheric correction: GPS, moderate resolution imaging spectroradiometer (MODIS), and InSAR integration[J]. Journal of Geophysical Research: Solid Earth, 2005, 110(B3): B03410. |
| [38] |
LI Zhenhong, FIELDING E J, CROSS P, et al. Advanced InSAR atmospheric correction: MERIS/MODIS combination and stacked water vapour models[J]. International Journal of Remote Sensing, 2009, 30(13): 3343-3363. DOI:10.1080/01431160802562172 |
| [39] |
NOF R N, BAER G, ZIV A, et al. Sinkhole precursors along the Dead Sea, Israel, revealed by SAR interferometry[J]. Geology, 2013, 41(9): 1019-1022. DOI:10.1130/G34505.1 |
| [40] |
HONG S H, WDOWINSKI S, KIM S W, et al. Multi-temporal monitoring of wetland water levels in the Florida Everglades using interferometric synthetic aperture radar (InSAR)[J]. Remote Sensing of Environment, 2010, 114(11): 2436-2447. DOI:10.1016/j.rse.2010.05.019 |
| [41] |
方芳. 机载LIDAR技术现状及发展方向[C]//全国测绘科技信息交流会暨测绘博客征文颁奖论文集. 哈尔滨: [s. n. ], 2009. FANG Fang. Current Status and Development Direction of Airborne LIDAR Technology[C]//Proceedings of 2009 National Surveying and Mapping Technology Information Exchange Conference and Surveying and Mapping Blog Essay Award. Harbin: [s. n. ], 2009. |
| [42] |
WESTOBY M J, BRASINGTON J, GLASSER N F, et al. 'Structure-from-Motion' photogrammetry: a low-cost, effective tool for geoscience applications[J]. Geomorphology, 2012, 179: 300-314. DOI:10.1016/j.geomorph.2012.08.021 |
| [43] |
PHIRI D, SIMWANDA M, SALEKIN S, et al. Sentinel-2 data for land cover/use mapping: a review[J]. Remote Sensing, 2020, 12(14): 2291. DOI:10.3390/rs12142291 |
| [44] |
XU Y, YU L, FENG D, et al. Comparisons of three recent moderate resolution African land cover datasets: CGLS-LC100, ESA-S2-LC20, and FROM-GLC-Africa30[J]. International Journal of Remote Sensing, 2019, 40(16): 6185-6202. DOI:10.1080/01431161.2019.1587207 |
| [45] |
GROMNY E, LEWIŃSKI S, RYBICKI M, et al. Creation of training dataset for Sentinel-2 land cover classification[C]//Proceedings of 2019 Photonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments. [S. l. ]: SPIE, 2019: 998-1006.
|
| [46] |
李新武, 郭华东, 彭星, 等. SAR对地观测技术及应用新进展[J]. 南京信息工程大学学报(自然科学版), 2020, 12(2): 170-180. LI Xinwu, GUO Huadong, PENG Xing, et al. New advances of SAR and its application in earth observation[J]. Journal of Nanjing University of Information Science and Technology (Natural Science Edition), 2020, 12(2): 170-180. |
| [47] |
孙伟伟, 杨刚, 陈超, 等. 中国地球观测遥感卫星发展现状及文献分析[J]. 遥感学报, 2020, 24(5): 479-510. SUN Weiwei, YANG Gang, CHEN Chao, et al. Development status and literature analysis of China's earth observation remote sensing satellites[J]. Journal of Remote Sensing, 2020, 24(5): 479-510. |
| [48] |
杨元喜, 王建荣, 楼良盛, 等. 航天测绘发展现状与展望[J]. 中国空间科学技术, 2022, 42(3): 1-9. YANG Yuanxi, WANG Jianrong, LOU Liangsheng, et al. Development status and prospect of satellite-based surveying[J]. Chinese Space Science and Technology, 2022, 42(3): 1-9. DOI:10.16708/j.cnki.1000-758X.2022.0031 |
| [49] |
YU Chen, PENNA N T, LI Zhenhong. Generation of real-time mode high-resolution water vapor fields from GPS observations[J]. Journal of Geophysical Research: Atmospheres, 2017, 122(3): 2008-2025. DOI:10.1002/2016JD025753 |
| [50] |
YU Chen, LI Zhenhong, PENNA N T, et al. Generic atmospheric correction model for interferometric synthetic aperture radar observations[J]. Journal of Geophysical Research: Solid Earth, 2018, 123(10): 9202-9222. DOI:10.1029/2017JB015305 |
| [51] |
YU Chen, LI Zhenhong, PENNA N T. Interferometric synthetic aperture radar atmospheric correction using a GPS-based iterative tropospheric decomposition model[J]. Remote Sensing of Environment, 2018, 204: 109-121. DOI:10.1016/j.rse.2017.10.038 |
| [52] |
LAZECKÝ M, SPAANS K, GONZÁLEZ P J, et al. LiCSAR: an automatic InSAR tool for measuring and monitoring tectonic and volcanic activity[J]. Remote Sensing, 2020, 12(15): 2430. DOI:10.3390/rs12152430 |
| [53] |
HOGENSON K, ARKO S A, BÜCHLER B, et al. Hybrid pluggable processing pipeline (HyP3): a cloud-based infrastructure for generic processing of SAR data[J]. AGU Fall Meeting Abstracts, 2016, 1: IN21B-1740. |
| [54] |
何佳男. 贴近摄影测量及其关键技术研究[D]. 武汉: 武汉大学, 2019. HE Jianan. Research on close photogrammetry and its key technologies[D]. Wuhan: Wuhan University, 2019. |
| [55] |
AHMED R, MAHMUD K H, TUYA J H. A GIS-based mathematical approach for generating 3D terrain model from high-resolution UAV imageries[J]. Journal of Geovisualization and Spatial Analysis, 2021, 5(2): 1-10. |
| [56] |
LIU X, JI Z, ZHOU H, et al. An object-oriented UAV 3D path planning method applied in cultural heritage documentation[J]. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2022, 1: 33-40. |
| [57] |
李治郡, 钟琳婷, 黄炎和, 等. 基于贴近摄影测量的崩岗侵蚀监测技术[J]. 农业工程学报, 2021, 37(8): 151-159. LI Zhijun, ZHONG Linting, HUANG Yanhe, et al. Monitoring technology for collapse erosion based on the nap of the object photograph of UAV[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(8): 151-159. |
| [58] |
刘洋, 李秀丽, 张凯想, 等. 基于无人机贴近摄影测量的桥梁精细化建模[J]. 公路, 2021, 66(12): 106-109. LIU Yang, LI Xiuli, ZHANG Kaixiang, et al. Refined modeling of bridge based on UAV close to photogrammetry[J]. Highway, 2021, 66(12): 106-109. |
| [59] |
ZHANG Chenglong, LI Zhenhong, YU Chen, et al. An integrated framework for wide-area active landslide detection with InSAR observations and SAR pixel offsets[J]. Landslides, 2022, 19(12): 2905-2923. DOI:10.1007/s10346-022-01954-z |
| [60] |
YU Chen, LI Zhenhong, PENNA N T. Triggered afterslip on the southern Hikurangi subduction interface following the 2016 Kaikōura earthquake from InSAR time series with atmospheric corrections[J]. Remote Sensing of Environment, 2020, 251: 112097. DOI:10.1016/j.rse.2020.112097 |
| [61] |
LIU Jihong, HU Jun, LI Zhiwei, et al. Dynamic estimation of multi-dimensional deformation time series from InSAR based on Kalman filter and strain model[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 5216816. |
| [62] |
柳钦火, 吴俊君, 李丽, 等. "一带一路"区域可持续发展生态环境遥感监测[J]. 遥感学报, 2018, 22(4): 686-708. LIU Qinhuo, WU Junjun, LI Li, et al. Ecological environment monitoring for sustainable development goals in the Belt and Road region[J]. Journal of Remote Sensing, 2018, 22(4): 686-708. |
| [63] |
李振洪, 朱武, 余琛, 等. 雷达影像地表形变干涉测量的机遇、挑战与展望[J]. 测绘学报, 2022, 51(7): 1485-1519. LI Zhenhong, ZHU Wu, YU Chen, et al. Interferometric synthetic aperture radar for deformation mapping: opportunities, challenges and the outlook[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(7): 1485-1519. DOI:10.11947/j.AGCS.2022.20220224 |
| [64] |
HOOPER A. A multi-temporal InSAR method incorporating both persistent scatterer and small baseline approaches[J]. Geophysical Research Letters, 2008, 35(16): L16302. |
| [65] |
WANG Chao, PAVELSKY T M, YAO Fangfang, et al. Flood extent mapping during hurricane Florence with repeat-pass L-Band UAVSAR images[J]. Water Resources Research, 2022, 58(3): e2021WR030606. DOI:10.1029/2021WR030606 |
| [66] |
NOFERINI L, PIERACCINI M, MECATTI D, et al. Using GB-SAR technique to monitor slow moving landslide[J]. Engineering Geology, 2007, 95(3/4): 88-98. |
| [67] |
ZHANG Bochen, DING Xiaoli, WERNER C, et al. Dynamic displacement monitoring of long-span bridges with a microwave radar interferometer[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2018, 138: 252-264. DOI:10.1016/j.isprsjprs.2018.02.020 |
| [68] |
徐甫, 王政, 李振洪, 等. 复杂环境下的地基雷达大气改正方法[J/OL]. 武汉大学学报(信息科学版): 1-15[2023-07-17]. https://www.cnki.com.cn/Article/CJFDTotal-WHCH20221019000.htm. XU Fu, WANG Zheng, LI Zhenhong, et al. An atmospheric correction method for ground-based radar under complex environment[J/OL]. Geomatics and Information Science of Wuhan University: 1-15[2023-07-17]. https://www.cnki.com.cn/Article/CJFDTotal-WHCH20221019000.htm. |
| [69] |
SAUCHYN D J, TRENCH N. Landsat applied to landslide mapping[J]. Photogrammetric Engineering and Remote Sensing, 1978, 44(6): 735-741. |
| [70] |
GUZZETTI F, MONDINI A C, CARDINALI M, et al. Landslide inventory maps: new tools for an old problem[J]. Earth-Science Reviews, 2012, 112(1/2): 42-66. |
| [71] |
HUANG Qingqing, WANG Chengyi, MENG Yu, et al. Landslide monitoring using change detection in multitemporal optical imagery[J]. IEEE Geoscience and Remote Sensing Letters, 2020, 17(2): 312-316. DOI:10.1109/LGRS.2019.2918254 |
| [72] |
WANG Wei, ZHAO Wenbo, CHAI Bo, et al. Discontinuity interpretation and identification of potential rockfalls for high-steep slopes based on UAV nap-of-the-object photogrammetry[J]. Computers & Geosciences, 2022, 166: 105191. |
| [73] |
LEIBE B, CORNELIS N, CORNELIS K, et al. Dynamic 3D scene analysis from a moving vehicle[C]//Proceedings of 2007 IEEE Conference on Computer Vision and Pattern Recognition. Minneapolis: IEEE, 2007: 1-8.
|
| [74] |
朱庆, 张利国, 丁雨淋, 等. 从实景三维建模到数字孪生建模[J]. 测绘学报, 2022, 51(6): 1040-1049. ZHU Qing, ZHANG Liguo, DING Yulin, et al. From real 3D modeling to digital twin modeling[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(6): 1040-1049. DOI:10.11947/j.AGCS.2022.20210640 |
| [75] |
JABOYEDOFF M, OPPIKOFER T, ABELLÁN A, et al. Use of LiDAR in landslide investigations: a review[J]. Natural Hazards, 2012, 61(1): 5-28. DOI:10.1007/s11069-010-9634-2 |
| [76] |
WALLACE L, LUCIEER A, WATSON C, et al. Development of a UAV-LiDAR system with application to forest inventory[J]. Remote Sensing, 2012, 4(6): 1519-1543. DOI:10.3390/rs4061519 |
| [77] |
董秀军. 三维激光扫描技术及其工程应用研究[D]. 成都: 成都理工大学, 2007. DONG Xiujun. Research on 3D laser scanning technology and its engineering application[D]. Chengdu: Chengdu University of Technology, 2007. |
| [78] |
ZHANG Bochen, ZHU Wu, DING Xiaoli, et al. A review of methods for mitigating ionospheric artifacts in differential SAR interferometry[J]. Geodesy and Geodynamics, 2022, 13(2): 160-169. DOI:10.1016/j.geog.2021.12.001 |
| [79] |
ROCKEN C, ANTHES R, EXNER M, et al. Analysis and validation of GPS/MET data in the neutral atmosphere[J]. Journal of Geophysical Research: Atmospheres, 1997, 102(D25): 29849-29866. DOI:10.1029/97JD02400 |
| [80] |
张克非, 李浩博, 王晓明, 等. 地基GNSS大气水汽探测遥感研究进展和展望[J]. 测绘学报, 2022, 51(7): 1172-1191. ZHANG Kefei, LI Haobo, WANG Xiaoming, et al. Recent progresses and future prospectives of ground-based GNSS water vapor sounding[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(7): 1172-1191. DOI:10.11947/j.AGCS.2022.20220149 |
| [81] |
宁津生, 王正涛, 超能芳. 国际新一代卫星重力探测计划研究现状与进展[J]. 武汉大学学报(信息科学版), 2016, 41(1): 1-8. NING Jinsheng, WANG Zhengtao, CHAO Nengfang. Research status and progress in international next-generation satellite gravity measurement missions[J]. Geomatics and Information Science of Wuhan University, 2016, 41(1): 1-8. |
| [82] |
郭飞霄. 地表物质迁移的卫星大地测量反演理论与方法研究[D]. 郑州: 信息工程大学, 2019. GUO Feixiao. Study on inversion theory and method of satellite geodesy for surface material migration[D]. Zhengzhou: Information Engineering University, 2019. |
| [83] |
RODRIGUEZ E, MORRIS C S, BELZ J E. A global assessment of the SRTM performance[J]. Photogrammetric Engineering & Remote Sensing, 2006, 72(3): 249-260. |
| [84] |
HOSTACHE R, CHINI M, GIUSTARINI L, et al. Near-real-time assimilation of SAR-derived flood maps for improving flood forecasts[J]. Water Resources Research, 2018, 54(8): 5516-5535. DOI:10.1029/2017WR022205 |
| [85] |
DAI Lanxin, FAN Xuanmei, WANG Xin, et al. Coseismic landslides triggered by the 2022 Luding Ms 6.8 earthquake, China[J]. Landslides, 2023, 20(6): 1277-1292. DOI:10.1007/s10346-023-02061-3 |
| [86] |
CAO Z, MELACK J M, LIU M, et al. Shifts, trends, and drivers of lake color across China since the 1980s[J]. Geophysical Research Letters, 2023, 50(8): e2023GL103225. DOI:10.1029/2023GL103225 |
| [87] |
ELLIOTT J, WALTERS R, WRIGHT T. The role of space-based observation in understanding and responding to active tectonics and earthquakes[J]. Nature Communications, 2016, 7(1): 13844. DOI:10.1038/ncomms13844 |
| [88] |
SALVI S, STRAMONDO S, FUNNING G, et al. The Sentinel-1 mission for the improvement of the scientific understanding and the operational monitoring of the seismic cycle[J]. Remote Sensing of Environment, 2012, 120: 164-174. DOI:10.1016/j.rse.2011.09.029 |
| [89] |
ANANTRASIRICHAI N, BIGGS J, ALBINO F, et al. Application of machine learning to classification of volcanic deformation in routinely generated InSAR data[J]. Journal of Geophysical Research: Solid Earth, 2018, 123(8): 6592-6606. DOI:10.1029/2018JB015911 |
| [90] |
COLESANTI C, WASOWSKI J. Investigating landslides with spaceborne synthetic aperture radar (SAR) interferometry[J]. Engineering Geology, 2006, 88(3-4): 173-199. DOI:10.1016/j.enggeo.2006.09.013 |
| [91] |
COSTANTINI M, FERRETTI A, MINATI F, et al. Analysis of surface deformations over the whole Italian territory by interferometric processing of ERS, Envisat and COSMO-SkyMed radar data[J]. Remote Sensing of Environment, 2017, 202: 250-275. DOI:10.1016/j.rse.2017.07.017 |
| [92] |
JOUGHIN I, SMITH B E, ABDALATI W. Glaciological advances made with interferometric synthetic aperture radar[J]. Journal of Glaciology, 2010, 56(200): 1026-1042. DOI:10.3189/002214311796406158 |
| [93] |
MA Peifeng, LIN Hui, WANG Weixi, et al. Toward fine surveillance: a review of multitemporal interferometric synthetic aperture radar for infrastructure health monitoring[J]. IEEE Geoscience and Remote Sensing Magazine, 2022, 10(1): 207-230. DOI:10.1109/MGRS.2021.3098182 |
| [94] |
滕吉文. 高精度地球物理学是创新未来的必然发展轨迹[J]. 地球物理学报, 2021, 64(4): 1131-1144. TENG Jiwen. High-precision geophysics: the inevitable development track of the innovative future[J]. Chinese Journal of Geophysics, 2021, 64(4): 1131-1144. |
| [95] |
高锐, 周卉, 卢占武, 等. 深地震反射剖面揭露青藏高原陆-陆碰撞与地壳生长的深部过程[J]. 地学前缘, 2022, 29(2): 14-27. GAO Rui, ZHOU Hui, LU Zhanwu, et al. Deep seismic reflection profile reveals the deep process of continent-continent collision on the Tibetan Plateau[J]. Earth Science Frontiers, 2022, 29(2): 14-27. DOI:10.13745/j.esf.sf.2021.7.13 |
| [96] |
孙和平, 孙文科, 申文斌, 等. 地球重力场及其地学应用研究进展: 2020中国地球科学联合学术年会专题综述[J]. 地球科学进展, 2021, 36(5): 445-460. SUN Heping, SUN Wenke, SHEN Wenbin, et al. Research progress of Earth's gravity field and its application in geosciences-a summary of annual meeting of Chinese geoscience union in 2020[J]. Advances in Earth Science, 2021, 36(5): 445-460. |
| [97] |
ELLIOTT J R. Earth observation for the assessment of earthquake hazard, risk and disaster management[J]. Surveys in Geophysics, 2020, 41(6): 1323-1354. DOI:10.1007/s10712-020-09606-4 |
| [98] |
陈立泽, 申旭辉, 王辉, 等. 我国高分辨率遥感技术在地震研究中的应用[J]. 地震学报, 2016, 38(3): 333-344, 508. CHEN Lize, SHEN Xuhui, WANG Hui, et al. Application of high-resolution remote sensing technique to earthquake studies in China[J]. Acta Seismologica Sinica, 2016, 38(3): 333-344, 508. |
| [99] |
AMELUNG F, JÓNSSON S, ZEBKER H, et al. Widespread uplift and 'trapdoor' faulting on Galápagos volcanoes observed with radar interferometry[J]. Nature, 2000, 407(6807): 993-996. DOI:10.1038/35039604 |
| [100] |
TAPLEY B D, BETTADPUR S, RIES J C, et al. GRACE measurements of mass variability in the Earth system[J]. Science, 2004, 305(5683): 503-505. DOI:10.1126/science.1099192 |
| [101] |
ZOE Y H, XU X, HAASE J S, et al. Surface deformation surrounding the 2021 Mw 7.2 Haiti earthquake illuminated by InSAR observations[J]. Bulletin of the Seismological Society of America, 2023, 113(1): 41-57. DOI:10.1785/0120220109 |
| [102] |
FANG Jin, OU Qi, WRIGHT T J, et al. Earthquake cycle deformation associated with the 2021 Mw 7.4 Maduo (eastern Tibet) earthquake: an intrablock rupture event on a slow-slipping fault from Sentinel-1 InSAR and teleseismic data[J]. Journal of Geophysical Research: Solid Earth, 2022, 127(11): e2022JB024268. DOI:10.1029/2022JB024268 |
| [103] |
冯万鹏, 李振洪. InSAR资料约束下震源参数的PSO混合算法反演策略[J]. 地球物理学进展, 2010, 25(4): 1189-1196. FENG Wanpeng, LI Zhenhong. A novel hybrid PSO/simplex algorithm for determining earthquake source parameters using InSAR data[J]. Progress in Geophysics, 2010, 25(4): 1189-1196. DOI:10.3969/j.issn.1004-2903.2010.04.007 |
| [104] |
BAGNARDI M, HOOPER A. Inversion of surface deformation data for rapid estimates of source parameters and uncertainties: a Bayesian approach[J]. Geochemistry, Geophysics, Geosystems, 2018, 19(7): 2194-2211. DOI:10.1029/2018GC007585 |
| [105] |
WANG Rongjiang, DIAO F, HOECHNER A. SDM-A geodetic inversion code incorporating with layered crust structure and curved fault geometry[J]. EGU General Assembly Conference Abstracts, 2013, 1: EGU2013-2411. |
| [106] |
BARNHART W D, LOHMAN R B. Automated fault model discretization for inversions for coseismic slip distributions[J]. Journal of Geophysical Research: Solid Earth, 2010, 115(B10): B10419. |
| [107] |
ELLIOTT A, ELLIOTT J, HOLLINGSWORTH J, et al. Satellite imaging of the 2015 M7.2 earthquake in the Central Pamir, Tajikistan, elucidates a sequence of shallow strike-slip ruptures of the Sarez-Karakul fault[J]. Geophysical Journal International, 2020, 221(3): 1696-1718. DOI:10.1093/gji/ggaa090 |
| [108] |
JIN Zeyu, FIALKO Y. Finite slip models of the 2019 Ridgecrest earthquake sequence constrained by space geodetic data and aftershock locations[J]. Bulletin of the Seismological Society of America, 2020, 110(4): 1660-1679. DOI:10.1785/0120200060 |
| [109] |
FIELDING E J, SLADEN A, LI Zhenhong, et al. Kinematic fault slip evolution source models of the 2008 M7.9 Wenchuan earthquake in China from SAR interferometry, GPS and teleseismic analysis and implications for Longmen Shan tectonics[J]. Geophysical Journal International, 2013, 194(2): 1138-1166. DOI:10.1093/gji/ggt155 |
| [110] |
YU Chen, LI Zhenhong, SONG Chuang. Geodetic constraints on recent subduction earthquakes and future seismic hazards in the southwestern coast of Mexico[J]. Geophysical Research Letters, 2021, 48(13): e2021GL094192. DOI:10.1029/2021GL094192 |
| [111] |
LIU Zhenjiang, YU Chen, LI Zhenhong, et al. Co-and post-seismic mechanisms of the 2020 Mw 6.3 Yutian earthquake and local stress evolution[J]. Earth and Space Science, 2020, 10(1): e2022EA002604. |
| [112] |
TODA S, STEIN R S. Long- and short-term stress interaction of the 2019 Ridgecrest sequence and coulomb-based earthquake forecasts[J]. Bulletin of the Seismological Society of America, 2020, 110(4): 1765-1780. DOI:10.1785/0120200169 |
| [113] |
PELTZER G, ROSEN P, ROGEZ F, et al. Postseismic rebound in fault step-overs caused by pore fluid flow[J]. Science, 1996, 273(5279): 1202-1204. DOI:10.1126/science.273.5279.1202 |
| [114] |
WEN Yangmao, LI Zhenhong, XU Caijun, et al. Postseismic motion after the 2001 Mw 7.8 Kokoxili earthquake in Tibet observed by InSAR time series[J]. Journal of Geophysical Research: Solid Earth, 2012, 117(B8): 2011JB009043. DOI:10.1029/2011JB009043 |
| [115] |
BIE Lidong, RYDER I, NIPPRESS S E J, et al. Coseismic and post-seismic activity associated with the 2008 Mw 6.3 Damxung earthquake, Tibet, constrained by InSAR[J]. Geophysical Journal International, 2014, 196(2): 788-803. DOI:10.1093/gji/ggt444 |
| [116] |
BURGMANN R. Time-dependent distributed afterslip on and deep below the izmit earthquake rupture[J]. Bulletin of the Seismological Society of America, 2002, 92(1): 126-137. DOI:10.1785/0120000833 |
| [117] |
BÜRGMANN R, DRESEN G. Rheology of the lower crust and upper mantle: evidence from rock mechanics, geodesy, and field observations[J]. Annual Review of Earth and Planetary Sciences, 2008, 36: 531-567. DOI:10.1146/annurev.earth.36.031207.124326 |
| [118] |
TÜYSÜZ O, BARKA A, YIĞITBAŞ E. Geology of the Saros graben and its implications for the evolution of the North Anatolian fault in the Ganos-Saros region, northwestern Turkey[J]. Tectonophysics, 1998, 293(1/2): 105-126. |
| [119] |
CAKIR Z, AKOGLU A M, BELABBES S, et al. Creeping along the Ismetpasa section of the North Anatolian fault (Western Turkey): rate and extent from InSAR[J]. Earth and Planetary Science Letters, 2005, 238(1/2): 225-234. |
| [120] |
HUSSAIN E, WRIGHT T J, WALTERS R J, et al. Constant strain accumulation rate between major earthquakes on the North Anatolian fault[J]. Nature Communications, 2018, 9: 1392. DOI:10.1038/s41467-018-03739-2 |
| [121] |
WEISS J R, WALTERS R J, MORISHITA Y, et al. High-resolution surface velocities and strain for Anatolia from Sentinel-1 InSAR and GNSS data[J]. Geophysical Research Letters, 2020, 47(17): e2020GL087376. DOI:10.1029/2020GL087376 |
| [122] |
FIALKO Y. Interseismic strain accumulation and the earthquake potential on the southern San Andreas fault system[J]. Nature, 2006, 441(7096): 968-971. DOI:10.1038/nature04797 |
| [123] |
LOVELESS J P, MEADE B J. Stress modulation on the San Andreas fault by interseismic fault system interactions[J]. Geology, 2011, 39(11): 1035-1038. DOI:10.1130/G32215.1 |
| [124] |
ELLIOTT J R, BIGGS J, PARSONS B, et al. InSAR slip rate determination on the Altyn Tagh fault, northern Tibet, in the presence of topographically correlated atmospheric delays[J]. Geophysical Research Letters, 2008, 35(12): 2008GL033659. DOI:10.1029/2008GL033659 |
| [125] |
ZHU Sen, XU Caijun, WEN Yangmao, et al. Interseismic deformation of the Altyn tagh fault determined by interferometric synthetic aperture radar (InSAR) measurements[J]. Remote Sensing, 2016, 8(3): 233. DOI:10.3390/rs8030233 |
| [126] |
LIU Yunhua, ZHAO Dezheng, SHAN X. Asymmetric interseismic strain across the western Altyn Tagh fault from InSAR[J]. Remote Sensing, 2022, 14(9): 2112. DOI:10.3390/rs14092112 |
| [127] |
LI Yanchuan, SHAN X, GAO Zhiyu, et al. Interseismic coupling, asperity distribution, and earthquake potential on major faults in southeastern Tibet[J]. Geophysical Research Letters, 2023, 50: e2022GL101209. DOI:10.1029/2022GL101209 |
| [128] |
JIANG Guoyan, XU Xiwei, CHEN Guihua, et al. Geodetic imaging of potential seismogenic asperities on the Xianshuihe-Anninghe-Zemuhe fault system, southwest China, with a new 3D viscoelastic interseismic coupling model[J]. Journal of Geophysical Research: Solid Earth, 2015, 120(B3): 1855-1873. |
| [129] |
MASSONNET D, BRIOLE P, ARNAUD A. Deflation of Mount Etna monitored by spaceborne radar interferometry[J]. Nature, 1995, 375(6532): 567-570. DOI:10.1038/375567a0 |
| [130] |
PEPE A, MANZO M, CASU F, et al. Surface deformation of active volcanic areas retrieved with the SBAS-DInSAR technique: an overview[J]. Annals of Geophysics, 2009, 51(1): 247. |
| [131] |
PELTIER A, BIANCHI M, KAMINSKI E, et al. PSInSAR as a new tool to monitor pre-eruptive volcano ground deformation: validation using GPS measurements on Piton de La Fournaise[J]. Geophysical Research Letters, 2010, 37(12): 245-269. |
| [132] |
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): 2004GL021737. DOI:10.1029/2004GL021737 |
| [133] |
WANG Guanya, XU Bing, LI Zhiwei, et al. A phase optimization method for DS-InSAR based on SKP decomposition from quad-polarized data[J]. IEEE Geoscience and Remote Sensing Letters, 2022, 19: 1-5. |
| [134] |
AMELUNG F, JÓNSSON S, ZEBKER H, et al. Widespread uplift and 'trapdoor' faulting on Galápagos volcanoes observed with radar interferometry[J]. Nature, 2000, 407(6807): 993-996. DOI:10.1038/35039604 |
| [135] |
LU Z, MASTERLARK T, DZURISIN D. Interferometric synthetic aperture radar study of Okmok volcano, Alaska, 1992-2003:magma supply dynamics and postemplacement lava flow deformation[J]. Journal of Geophysical Research: Solid Earth, 2005, 110(B2): 1-18. |
| [136] |
WRIGHT T J, EBINGER C, BIGGS J, et al. Magma-maintained rift segmentation at continental rupture in the 2005 Afar dyking episode[J]. Nature, 2006, 442(7100): 291-294. DOI:10.1038/nature04978 |
| [137] |
BOUNTOS N I, PAPOUTSIS I, MICHAIL D, et al. Self-supervised contrastive learning for volcanic unrest detection[J]. IEEE Geoscience and Remote Sensing Letters, 2022, 19: 1-5. |
| [138] |
LU Zhong, MASTERLARK T, DZURISIN D, et al. Magma supply dynamics at Westdahl volcano, Alaska, modeled from satellite radar interferometry[J]. Journal of Geophysical Research: Solid Earth, 2003, 108(B7): 2002JB002311. DOI:10.1029/2002JB002311 |
| [139] |
JI L, LU Z, DZURISIN D, et al. Pre-eruption deformation caused by dike intrusion beneath Kizimen volcano, Kamchatka, Russia, observed by InSAR[J]. Journal of Volcanology and Geothermal Research, 2013, 256: 87-95. DOI:10.1016/j.jvolgeores.2013.02.011 |
| [140] |
JI L, IZBEKOV P, SENYUKOV S, et al. Deformation patterns, magma supply, and magma storage at Karymsky Volcanic Center, Kamchatka, Russia, 2000-2010, revealed by InSAR[J]. Journal of Volcanology and Geothermal Research, 2018, 352: 106-116. DOI:10.1016/j.jvolgeores.2018.01.011 |
| [141] |
FADHILLAH M F, HAKIM W L, PARK S, et al. Surface deformation simulation for InSAR detection using a machine learning approach on the hantangang river volcanic field: a case study on the orisan mountain[J]. Frontiers in Environmental Science, 2022, 10: 968120. DOI:10.3389/fenvs.2022.968120 |
| [142] |
涂梦昭, 刘志锋, 何春阳, 等. 基于GRACE卫星数据的中国地下水储量监测进展[J]. 地球科学进展, 2020, 35(6): 643-656. TU Mengzhao, LIU Zhifeng, HE Chunyang, et al. Research progress of groundwater storage changes monitoring in China based on GRACE satellite data[J]. Advances in Earth Science, 2020, 35(6): 643-656. |
| [143] |
FENG W, ZHONG M, LEMOINE J M, et al. Evaluation of groundwater depletion in North China using the gravity recovery and climate experiment (GRACE) data and ground-based measurements[J]. Water Resources Research, 2013, 49: 2110-2118. DOI:10.1002/wrcr.20192 |
| [144] |
钟敏, 段建宾, 许厚泽, 等. 利用卫星重力观测研究近5年中国陆地水量中长空间尺度的变化趋势[J]. 科学通报, 2009, 54: 1290-1294. ZHONG Min, DUAN Jianbin, XU Houze, et al. Using satellite gravity observations to study the trend of long-term spatial scale changes in land water volume in China over the past 5 years[J]. Chinese Science Bulletin, 2009, 54: 1290-1294. |
| [145] |
LIN M, BISWAS A, BENNETT E M. Identifying hotspots and representative monitoring area of groundwater changes with time stability analysis[J]. Science of the Total Environment, 2019, 667: 419-426. DOI:10.1016/j.scitotenv.2019.02.294 |
| [146] |
HU L, JIAO J J. Calibration of a large-scale groundwater flow model using GRACE data: a case study in the Qaidam Basin, China[J]. Hydrogeology Journal, 2015, 23: 1305-1317. DOI:10.1007/s10040-015-1278-6 |
| [147] |
TANGDAMRONGSUB N, HAN S C, TIAN Siyuan, et al. Evaluation of groundwater storage variations estimated from GRACE data assimilation and state-of-the-art land surface models in Australia and the North China plain[J]. Remote Sensing, 2018, 10(3): 483. DOI:10.3390/rs10030483 |
| [148] |
HOFFMANN J, ZEBKER H A, GALLOWAY D L, et al. Seasonal subsidence and rebound in Las Vegas Valley, Nevada, observed by synthetic aperture radar interferometry[J]. Water Resources Research, 2001, 37(6): 1551-1566. DOI:10.1029/2000WR900404 |
| [149] |
TANG W, ZHAO X, MOTAGH M, et al. Land subsidence and rebound in the Taiyuan basin, northern China, in the context of inter-basin water transfer and groundwater management[J]. Remote Sensing of Environment, 2022, 269: 112792. DOI:10.1016/j.rse.2021.112792 |
| [150] |
白林, 李振洪, 宋莎, 等. 利用时序InSAR技术反演邯郸平原区地表形变与含水层参数[J]. 地球物理学报, 2022, 65(9): 3351-3362. BAI Lin, LI Zhenhong, SONG Sha, et al. Estimation of the land deformation and aquifer parameters in the Handan plain using multi-temporal InSAR technology[J]. Chinese Journal of Geophysics, 2022, 65(9): 3351-3362. |
| [151] |
许文斌, 李志伟, 丁晓利, 等. 利用InSAR短基线技术估计洛杉矶地区的地表时序形变和含水层参数[J]. 地球物理学报, 2012, 55(2): 452-461. XU Wenbin, LI Zhiwei, DING Xiaoli, et al. Application of small baseline subsets D-InSAR technology to estimate the time series land deformation and aquifer storage coefficients of Los Angeles area[J]. Chinese Journal of Geophysics, 2012, 55(2): 452-461. |
| [152] |
CHAUSSARD E, MILILLO P, BÜRGMANN R, et al. Remote sensing of ground deformation for monitoring groundwater management practices: application to the Santa Clara valley during the 2012-2015 California drought[J]. Journal of Geophysical Research: Solid Earth, 2017, 122(10): 8566-8582. DOI:10.1002/2017JB014676 |
| [153] |
MASSONNET D, FEIGL K L. Radar interferometry and its application to changes in the Earth's surface[J]. Reviews of Geophysics, 1998, 36(4): 441-500. DOI:10.1029/97RG03139 |
| [154] |
RABUS B, EINEDER M, ROTH A, et al. The shuttle radar topography mission-a new class of digital elevation models acquired by spaceborne radar[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2003, 57(4): 241-262. DOI:10.1016/S0924-2716(02)00124-7 |
| [155] |
WERNER M. Shuttle radar topography mission (SRTM) mission overview[J]. Frequenz, 2001, 55(3/4): 75-79. |
| [156] |
BRAUTIGAM B, BACHMANN M, SCHULZE D, et al. TanDEM-X global DEM quality status and acquisition completion[C]//Proceedings of 2014 IEEE Geoscience and Remote Sensing Symposium. Quebec City: IEEE, 2014: 3390-3393.
|
| [157] |
楼良盛, 刘志铭, 张昊, 等. 天绘二号卫星工程设计与实现[J]. 测绘学报, 2020, 49(10): 1252-1264. LOU Liangsheng, LIU Zhiming, ZHANG Hao, et al. TH-2 satellite engineering design and implementation[J]. Acta Geodaetica et Cartographica Sinica, 2020, 49(10): 1252-1264. DOI:10.11947/j.AGCS.2020.20200175 |
| [158] |
武俊杰, 孙稚超, 吕争, 等. 星源照射双/多基地SAR成像[J]. 雷达学报, 2023, 12(1): 13-35. WU Junjie, SUN Zhichao, LÜ Zheng, et al. Bi/multi-static synthetic aperture radar using spaceborne illuminator[J]. Journal of Radars, 2023, 12(1): 13-35. |
| [159] |
FUJISADA H, URAI M, IWASAKI A. Technical methodology for ASTER global DEM[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(10): 3725-3736. DOI:10.1109/TGRS.2012.2187300 |
| [160] |
ABRAMS M, YAMAGUCHI Y, CRIPPEN R. ASTER global DEM (GDEM) version 3[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2022, XLIII-B4-2022: 593-598. DOI:10.5194/isprs-archives-XLIII-B4-2022-593-2022 |
| [161] |
李德仁. 我国第一颗民用三线阵立体测图卫星: 资源三号测绘卫星[J]. 测绘学报, 2012, 41(3): 317-322. LI Deren. China's first civilian three-line-array stereo mapping satellite: ZY-3[J]. Acta Geodaetica et Cartographica Sinica, 2012, 41(3): 317-322. |
| [162] |
WEHR A, LOHR U. Airborne laser scanning-an introduction and overview[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 1999, 54(2): 68-82. |
| [163] |
HAMMOND W C, BLEWITT G, LI Z, et al. Contemporary uplift of the Sierra Nevada, western United States, from GPS and InSAR measurements[J]. Geology, 2012, 40(7): 667-670. DOI:10.1130/G32968.1 |
| [164] |
ZHANG Xuesong, LI Zhenhong, LIU Zhenjiang. Reduction of atmospheric effects on InSAR observations through incorporation of GACOS and PCA into small baseline subset InSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2023, 61: 1-15. |
| [165] |
CROSTA G. Failure and flow development of a complex slide: the 1993 Sesa landslide[J]. Engineering Geology, 2001, 59(1/2): 173-199. |
| [166] |
黄润秋. 20世纪以来中国的大型滑坡及其发生机制[J]. 岩石力学与工程学报, 2007, 26(3): 433-454. HUANG Runqiu. Large-scale landslides and their sliding mechanisms in China since the 20th century[J]. Chinese Journal of Rock Mechanics and Engineering, 2007, 26(3): 433-454. |
| [167] |
YANG Wentao, LIU Lianyou, SHI Peijun. Detecting precursors of an imminent landslide along the Jinsha River[J]. Natural Hazards and Earth System Sciences, 2020, 20(11): 3215-3224. DOI:10.5194/nhess-20-3215-2020 |
| [168] |
LIU Xiaojie, ZHAO Chaoying, ZHANG Qin, et al. Integration of Sentinel-1 and ALOS/PALSAR-2 SAR datasets for mapping active landslides along the Jinsha River corridor, China[J]. Engineering Geology, 2021, 284: 106033. DOI:10.1016/j.enggeo.2021.106033 |
| [169] |
张成龙, 李振洪, 余琛, 等. 利用GACOS辅助下InSAR Stacking对金沙江流域进行滑坡监测[J]. 武汉大学学报(信息科学版), 2021, 46(11): 1649-1657. ZHANG Chenglong, LI Zhenhong, YU Chen, et al. Landslide detection of the Jinsha River region using GACOS assisted InSAR stacking[J]. Geomatics and Information Science of Wuhan University, 2021, 46(11): 1649-1657. |
| [170] |
FAN Xuanmei, XU Qiang, ALONSO-RODRIGUEZ A, et al. Successive landsliding and damming of the Jinsha River in eastern Tibet, China: prime investigation, early warning, and emergency response[J]. Landslides, 2019, 16(5): 1003-1020. DOI:10.1007/s10346-019-01159-x |
| [171] |
SONG Chuang, YU Chen, LI Zhenhong, et al. Landslide geometry and activity in Villa de la Independencia (Bolivia) revealed by InSAR and seismic noise measurements[J]. Landslides, 2021, 18(8): 2721-2737. DOI:10.1007/s10346-021-01659-9 |
| [172] |
YANG Wentao, WANG Yujie, WANG Yunqi, et al. Retrospective deformation of the Baige landslide using optical remote sensing images[J]. Landslides, 2020, 17(3): 659-668. DOI:10.1007/s10346-019-01311-7 |
| [173] |
CHEN Bo, LI Zhenhong, ZHANG Chenglong, et al. Wide area detection and distribution characteristics of landslides along Sichuan expressways[J]. Remote Sensing, 2022, 14(14): 3431. DOI:10.3390/rs14143431 |
| [174] |
LACROIX P, GAVILLON T, BOUCHANT C, et al. SAR and optical images correlation illuminates post-seismic landslide motion after the Mw 7.8 Gorkha earthquake (Nepal)[J]. Scientific Reports, 2022, 12: 6266. DOI:10.1038/s41598-022-10016-2 |
| [175] |
QU Feihang, QIU Haijun, SUN Hesheng, et al. Post-failure landslide change detection and analysis using optical satellite Sentinel-2 images[J]. Landslides, 2021, 18(1): 447-455. DOI:10.1007/s10346-020-01498-0 |
| [176] |
JIA Hongying, WANG Yingjie, GE Daqing, et al. Improved offset tracking for predisaster deformation monitoring of the 2018 Jinsha River landslide (Tibet, China)[J]. Remote Sensing of Environment, 2020, 247: 111899. DOI:10.1016/j.rse.2020.111899 |
| [177] |
BOOTH A M, ROERING J J, PERRON J T. Automated landslide mapping using spectral analysis and high-resolution topographic data: Puget Sound lowlands, Washington, and Portland Hills, Oregon[J]. Geomorphology, 2009, 109(3-4): 132-147. DOI:10.1016/j.geomorph.2009.02.027 |
| [178] |
彭建兵, 崔鹏, 庄建琦. 川藏铁路对工程地质提出的挑战[J]. 岩石力学与工程学报, 2020, 39(12): 2377-2389. PENG Jianbing, CUI Peng, ZHUANG Jianqi. Challenges to engineering geology of Sichuan-Tibet railway[J]. Chinese Journal of Rock Mechanics and Engineering, 2020, 39(12): 2377-2389. DOI:10.13722/j.cnki.jrme.2020.0446 |
| [179] |
兰恒星, 张宁, 李郎平, 等. 川藏铁路可研阶段重大工程地质风险分析[J]. 工程地质学报, 2021, 29(2): 326-341. LAN Hengxing, ZHANG Ning, LI Langping, et al. Risk analysis of major engineering geological hazards for Sichuan-Tibet railway in the phase of feasibility study[J]. Journal of Engineering Geology, 2021, 29(2): 326-341. DOI:10.13544/j.cnki.jeg.2021-0114 |
| [180] |
ZHANG Jinmin, ZHU Wu, CHENG Yiqing, et al. Landslide detection in the Linzhi-ya'an section along the Sichuan-Tibet railway based on InSAR and hot spot analysis methods[J]. Remote Sensing, 2021, 13(18): 3566. DOI:10.3390/rs13183566 |
| [181] |
JIANG Wandong, XI Jiangbo, LI Zhenhong, et al. Deep learning for landslide detection and segmentation in high-resolution optical images along the Sichuan-Tibet transportation corridor[J]. Remote Sensing, 2022, 14(21): 5490. DOI:10.3390/rs14215490 |
| [182] |
温扬茂, 许才军, 李振洪, 等. InSAR约束下的2008年汶川地震同震和震后形变分析[J]. 地球物理学报, 2014, 57(6): 1814-1824. WEN Yangmao, XU Caijun, LI Zhenhong, et al. Coseismic and postseismic deformation of the 2008 Wenchuan earthquake from InSAR[J]. Chinese Journal of Geophysics, 2014, 57(6): 1814-1824. |
| [183] |
冯蔚, 钱庚, 杨牧萍. 2021年全球地震灾害概要[J]. 地震科学进展, 2022(6): 263-270. FENG Wei, QIAN Geng, YANG Muping. Overview of worldwide earthquake disasters in 2021[J]. Progress in Earthquake Sciences, 2022(6): 263-270. DOI:10.19987/j.dzkxjz.2022-022 |
| [184] |
SHIRZAEI M, BÜRGMANN R, ONCKEN O, et al. Response of forearc crustal faults to the megathrust earthquake cycle: InSAR evidence from Mejillones Peninsula, Northern Chile[J]. Earth and Planetary Science Letters, 2012, 333/334: 157-164. DOI:10.1016/j.epsl.2012.04.001 |
| [185] |
SONG Chuang, YU Chen, LI Zhenhong, et al. Coseismic slip distribution of the 2019 Mw 7.5 new Ireland earthquake from the integration of multiple remote sensing techniques[J]. Remote Sensing, 2019, 11(23): 2767. DOI:10.3390/rs11232767 |
| [186] |
ZHANG Xu, FENG Wanpeng, DU Hailin, et al. The 2018 Mw 7.5 Papua new Guinea earthquake: a dissipative and cascading rupture process[J]. Geophysical Research Letters, 2020, 47(17): e2020GL089271. DOI:10.1029/2020GL089271 |
| [187] |
李永生, 冯万鹏, 张景发, 等. 2014年美国加州纳帕Mw 6.1地震断层参数的Sentinel-1A InSAR反演[J]. 地球物理学报, 2015, 58(7): 2339-2349. LI Yongsheng, FENG Wanpeng, ZHANG Jingfa, et al. Sentinel-1A InSAR inversion of fault parameters of the 2014 Napa Mw 6.1 earthquake in California, USA[[J]. Chinese Journal of Geophysics, 2015, 58(7): 2339-1249. |
| [188] |
ELLIOTT J R, JOLIVET R, GONZÁLEZ P J, et al. Himalayan megathrust geometry and relation to topography revealed by the Gorkha earthquake[J]. Nature Geoscience, 2016, 9(9): 728. |
| [189] |
FENG Wanpeng, SAMSONOV S, ALMEIDA R, et al. Geodetic constraints of the 2017 Mw 7.3 sarpol zahab, Iran earthquake, and its implications on the structure and mechanics of the northwest Zagros thrust-fold belt[J]. Geophysical Research Letters, 2018, 45(14): 6853-6861. DOI:10.1029/2018GL078577 |
| [190] |
YANG Hongfeng, ZHOU Pengcheng, FANG Nan, et al. A shallow shock: the 25 February 2019 ML 4.9 earthquake in the Weiyuan shale gas field in Sichuan, China[J]. Seismological Research Letters, 2020, 91(6): 3182-3194. DOI:10.1785/0220200202 |
| [191] |
LI Zhenhong. Locating the small 1999 Frenchman Flat, Nevada earthquake with InSAR stacking[J]. Journal of Geodesy and Geoinformation Science, 2022, 5(1): 39-49. |
| [192] |
ZHU Chuanhua, WANG Chisheng, ZHANG Bochen, et al. Differential interferometric synthetic aperture radar data for more accurate earthquake catalogs[J]. Remote Sensing of Environment, 2021, 266: 112690. DOI:10.1016/j.rse.2021.112690 |
| [193] |
BEKAERT D P S, HOOPER A, WRIGHT T J. A spatially variable power law tropospheric correction technique for InSAR data[J]. Journal of Geophysical Research: Solid Earth, 2015, 120(2): 1345-1356. DOI:10.1002/2014JB011558 |
| [194] |
YANG Yinghui, LI Haoliang, CHEN Qiang, et al. Inferring faulting model using InSAR deformation differencing vector: application to the 2014 Napa earthquake[J]. Journal of Geodesy, 2023, 97(7): 65. DOI:10.1007/s00190-023-01755-9 |
| [195] |
ZUO Chao, HUANG Lei, ZHANG Minliang, et al. Temporal phase unwrapping algorithms for fringe projection profilometry: a comparative review[J]. Optics and Lasers in Engineering, 2016, 85: 84-103. DOI:10.1016/j.optlaseng.2016.04.022 |
| [196] |
WANG Teng, WEI Shengji, SHI Xuhua, et al. The 2016 Kaikōura earthquake: simultaneous rupture of the subduction interface and overlying faults[J]. Earth and Planetary Science Letters, 2018, 482: 44-51. DOI:10.1016/j.epsl.2017.10.056 |
| [197] |
MICHEL R, AVOUAC J P, TABOURY J. Measuring ground displacements from SAR amplitude images: application to the Landers earthquake[J]. Geophysical Research Letters, 1999, 26(7): 875-878. DOI:10.1029/1999GL900138 |
| [198] |
HU Jun, LIU Jihong, LI Zhenhong, et al. Estimating three-dimensional coseismic deformations with the SM-VCE method based on heterogeneous SAR observations: selection of homogeneous points and analysis of observation combinations[J]. Remote Sensing of Environment, 2021, 255: 112298. DOI:10.1016/j.rse.2021.112298 |
| [199] |
OSKIN M E, ARROWSMITH J R, CORONA A H, et al. Near-field deformation from the El Mayor-Cucapah earthquake revealed by differential LiDAR[J]. Science, 2012, 335(6069): 702-705. DOI:10.1126/science.1213778 |
| [200] |
GAO Mingxing, XU Xiwei, KLINGER Y, et al. High-resolution mapping based on an unmanned aerial vehicle (UAV) to capture paleoseismic offsets along the Altyn-Tagh fault, China[J]. Scientific Reports, 2017, 7: 8281. DOI:10.1038/s41598-017-08119-2 |
| [201] |
YUAN Zhaode, LIU-ZENG Jing, LI Xue, et al. Detailed mapping of the surface rupture of the 12 February 2014 Yutian Ms 7.3 earthquake, Altyn Tagh fault, Xinjiang, China[J]. Science China Earth Sciences, 2021, 64(1): 127-147. DOI:10.1007/s11430-020-9673-6 |
| [202] |
XU Xiaohua, SANDWELL D T, WARD L A, et al. Surface deformation associated with fractures near the 2019 Ridgecrest earthquake sequence[J]. Science, 2020, 370(6516): 605-608. DOI:10.1126/science.abd1690 |
| [203] |
FIELDING E J, TALEBIAN M, ROSEN P A, et al. Surface ruptures and building damage of the 2003 Bam, Iran, earthquake mapped by satellite synthetic aperture radar interferometric correlation[J]. Journal of Geophysical Research: Solid Earth, 2005, 110(B3): B03302. |
| [204] |
YUN Sangho, HUDNUT K, OWEN S, et al. Rapid damage mapping for the 2015 Mw 7.8 Gorkha earthquake using synthetic aperture radar data from COSMO-SkyMed and ALOS-2 Satellites[J]. Seismological Research Letters, 2015, 86(6): 1549-1556. DOI:10.1785/0220150152 |
| [205] |
刘静, 陈涛, 张培震, 等. 机载激光雷达扫描揭示海原断裂带微地貌的精细结构[J]. 科学通报, 2013, 58(1): 41-45. LIU Jing, CHEN Tao, ZHANG Peizhen, et al. Illuminating the active Haiyuan fault, China by airborne light detection and ranging[J]. Chinese Science Bulletin, 2013, 58(1): 41-45. |
| [206] |
张成龙, 李振洪, 张双成, 等. 综合遥感解译2022年Mw 6.7青海门源地震地表破裂带[J]. 武汉大学学报(信息科学版), 2022, 47(8): 1257-1270. ZHANG Chenglong, LI Zhenhong, ZHANG Shuangcheng, et al. Surface ruptures of the 2022 Mw 6.7 Menyuan earthquake revealed by integrated remote sensing[J]. Geomatics and Information Science of Wuhan University, 2022, 47(8): 1257-1270. |
| [207] |
马柱国, 符淙斌, 谢力, 等. 土壤湿度和气候变化关系研究中的某些问题[J]. 地球科学进展, 2001, 16(4): 563-568. MA Zhuguo, FU Congbin, XIE Li, et al. Some problems in the study on the relationship between soil moisture and climatic change[J]. Advance in Earth Sciences, 2001, 16(4): 563-568. |
| [208] |
张祥, 陈报章, 赵慧, 等. 基于时序Sentinel-1A数据的农田土壤水分变化检测分析[J]. 遥感技术与应用, 2017, 32(2): 338-345. ZHANG Xiang, CHEN Baozhang, ZHAO Hui, et al. Soil moisture change detection over bare agricultural area by means of time-series Sentinel-1A SAR data[J]. Remote Sensing Technology and Application, 2017, 32(2): 338-345. |
| [209] |
PENG Jian, LOEW A, MERLIN O, et al. A review of spatial downscaling of satellite remotely sensed soil moisture[J]. Reviews of Geophysics, 2017, 55: 341-366. DOI:10.1002/2016RG000543 |
| [210] |
HIRSCHI M, MUELLER B, DORIGO W, et al. Using remotely sensed soil moisture for land-atmosphere coupling diagnostics: the role of surface vs. root-zone soil moisture variability[J]. Remote Sensing of Environment, 2014, 154: 246-252. DOI:10.1016/j.rse.2014.08.030 |
| [211] |
SRIVASTAVA P K. Satellite soil moisture: review of theory and applications in water resources[J]. Water Resources Management, 2017, 31(10): 3161-3176. DOI:10.1007/s11269-017-1722-6 |
| [212] |
RAHMANI M, ASGARI J, ASGARIMEHR M. Soil moisture retrieval using space-borne GNSS reflectometry: a comprehensive review[J]. International Journal of Remote Sensing, 2022, 43(14): 5173-5203. DOI:10.1080/01431161.2022.2128927 |
| [213] |
陈书林, 刘元波, 温作民. 卫星遥感反演土壤水分研究综述[J]. 地球科学进展, 2012, 27(11): 1192-1203. CHEN Shulin, LIU Yuanbo, WEN Zuomin. Satellite retrieval of soil moisture: an overview[J]. Advances in Earth Science, 2012, 27(11): 1192-1203. |
| [214] |
GALVAO L S, FORMAGGIO A R, COUTO E G, et al. Relationships between the mineralogical and chemical composition of tropical soils and topography from hyperspectral remote sensing data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2008, 63: 259-271. DOI:10.1016/j.isprsjprs.2007.09.006 |
| [215] |
SCHMUGGE T. Remote sensing of surface soil moisture[J]. Journal of Applied Meteorology, 1978, 17(10): 1549-1557. DOI:10.1175/1520-0450(1978)017<1549:RSOSSM>2.0.CO;2 |
| [216] |
JACKSON R D, IDSO S B, REGINATO R J. Calculation of evaporation rates during the transition from energy-limiting to soil-limiting phases using albedo data[J]. Water Resources Research, 1976, 12(1): 23-26. DOI:10.1029/WR012i001p00023 |
| [217] |
冯强, 田国良, 王昂生, 等. 基于植被状态指数的土壤湿度遥感方法研究[J]. 自然灾害学报, 2004, 13(3): 81-88. FENG Qiang, TIAN Guoliang, WANG Angsheng, et al. Remote sensing monitoring of soil humidity using vegetation condition index[J]. Journal of Natural Disasters, 2004, 13(3): 81-88. DOI:10.3969/j.issn.1004-4574.2004.03.015 |
| [218] |
ZHAO Wei, LI Zhaoliang. Sensitivity study of soil moisture on the temporal evolution of surface temperature overbare surfaces[J]. International Journal of Remote Sensing, 2013, 34(9-10): 3314-3331. DOI:10.1080/01431161.2012.716532 |
| [219] |
罗大游. 卫星遥感数据土壤湿度反演方法改进及适用性研究[D]. 昆明: 昆明理工大学, 2022. LUO Dayou. Study on improvement and applicability of soil moisture retrieval method from satellite remote sensing data[D]. Kunming: Kunming University of Science and Technology, 2022. |
| [220] |
WATSON K, POHN H A. Thermal inertia mapping from satellites discrimination of geologic units in Oman[J]. Journal of Research of the U.S. Geological Survey, 1974, 2(2): 147-158. |
| [221] |
张双成, 郭沁雨, 马中民, 等. 星载GNSS-R反演土壤湿度研究进展与思考[J/OL]. 武汉大学学报(信息科学版): 1-15[2023-10-06]. https://doi.org/10.13203/j.whugis20230100. ZHANG Shuangcheng, GUO Qinyu, MA Zhongmin, et al. Research advances and some thoughts on soil moisture retrieval by Space-Borne GNSS-R[J]. Geomatics and Information Science of Wuhan University: 1-15[2023-10-06]. https://doi.org/10.13203/j.whugis20230100. |
| [222] |
李盛阳, 张万峰, 杨松. 多源高分辨率遥感影像智能融合[J]. 遥感学报, 2017, 21(3): 415-424. LI Shengyang, ZHANG Wanfeng, YANG Song. Intelligence fusion method research of multisource high-resolution remote sensing images[J]. Journal of Remote Sensing, 2017, 21(3): 415-424. |
| [223] |
胡顺石, 黄英, 黄春晓, 等. 多源遥感影像协同应用发展现状及未来展望[J]. 无线电工程, 2021, 51(12): 1425-1433. HU Shunshi, HUANG Ying, HUANG Chunxiao, et al. Development status and future prospect of multi-source remote sensing image collaborative application[J]. Radio Engineering, 2021, 51(12): 1425-1433. |
| [224] |
付琨, 孙显, 仇晓兰, 等. 遥感大数据条件下多星一体化处理与分析[J]. 遥感学报, 2021, 25(3): 691-707. FU Kun, SUN Xian, QIU Xiaolan, et al. Multi-satellite integrated processing and analysis method under remote sensing big data[J]. Journal of Remote Sensing, 2021, 25(3): 691-707. |
| [225] |
眭海刚. 论灾害应急响应遥感数据实时处理面临的挑战[J]. 中国减灾, 2013(12X): 28-29. SUI Haigang. The challenges of real-time processing of remote sensing data for disaster emergency response were discussed[J]. Disaster Reduction in China, 2013(12X): 28-29. |
| [226] |
孟小峰, 慈祥. 大数据管理: 概念、技术与挑战[J]. 计算机研究与发展, 2013, 50(1): 146-169. MENG Xiaofeng, CI Xiang. Big data management: concepts, techniques and challenges[J]. Journal of Computer Research and Development, 2013, 50(1): 146-169. |
| [227] |
施巍松, 孙辉, 曹杰, 等. 边缘计算: 万物互联时代新型计算模型[J]. 计算机研究与发展, 2017, 54(5): 907-924. SHI Weisong, SUN Hui, CAO Jie, et al. Edge computing-an emerging computing model for the Internet of everything era[J]. Journal of Computer Research and Development, 2017, 54(5): 907-924. |
| [228] |
PARSONS T, JI Chen, KIRBY E. Stress changes from the 2008 Wenchuan earthquake and increased hazard in the Sichuan Basin[J]. Nature, 2008, 454(7203): 509-510. DOI:10.1038/nature07177 |
| [229] |
LI Zhenhong, ELLIOTT J R, FENG Wanpeng, et al. The 2010 MW6.8 Yushu (Qinghai, China) earthquake: constraints provided by InSAR and body wave seismology[J]. Journal of Geophysical Research, 2011, 116(B10): B10302. DOI:10.1029/2011JB008358 |
| [230] |
李振洪, 韩炳权, 刘振江, 等. InSAR数据约束下2016年和2022年青海门源地震震源参数及其滑动分布[J]. 武汉大学学报(信息科学版), 2022, 47(6): 887-897. LI Zhenhong, HAN Bingquan, LIU Zhenjiang, et al. Source parameters and slip distributions of the 2016 and 2022 Menyuan, Qinghai earthquakes constrained by InSAR observations[J]. Geomatics and Information Science of Wuhan University, 2022, 47(6): 887-897. |
| [231] |
吕杰堂, 王治华, 周成虎. 西藏易贡滑坡堰塞湖的卫星遥感监测方法初探[J]. 地球学报, 2002, 23(4): 363-368. LÜ Jietang, WANG Zhihua, ZHOU Chenghu. A tentative discussion on the monitoring of the yigong landslide-blocked lake with satellite remote sensing technique[J]. Acta Geoscientia Sinica, 2002, 23(4): 363-368. DOI:10.3321/j.issn:1006-3021.2002.04.014 |
| [232] |
ZHANG Shilin, YIN Yueping, HU Xiewen, et al. Geo-structures and deformation-failure characteristics of rockslide areas near the Baige landslide scar in the Jinsha River tectonic suture zone[J]. Landslides, 2021, 18(11): 3577-3597. DOI:10.1007/s10346-021-01741-2 |
| [233] |
YIN Zhiqiang, ZHAO Wuji, QIN Xiaoguang. Distribution characteristics of geohazards induced by the Lushan earthquake and their comparisons with the Wenchuan earthquake[J]. Journal of Earth Science, 2014, 25(5): 912-923. DOI:10.1007/s12583-014-0471-1 |
| [234] |
ZHANG Shuangcheng, MA Zhongmin, LI Zhenhong, et al. Using CYGNSS data to map flood inundation during the 2021 extreme precipitation in Henan Province, China[J]. Remote Sensing, 2021, 13(24): 5181. DOI:10.3390/rs13245181 |
| [235] |
LONG Teng, HU Cheng, DING Zegang, et al. Geosynchronous SAR: system and signal processing[M]. Singapore: Springer Singapore, 2018: 80-92.
|
| [236] |
MONTI GUARNIERI A, LEANZA A, RECCHIA A, et al. Atmospheric phase screen in GEO-SAR: estimation and compensation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(3): 1668-1679. DOI:10.1109/TGRS.2017.2766084 |
| [237] |
SUN Xiaofan, WANG Bingnan, XIANG Maosheng, et al. Machine-learning inversion of forest vertical structure based on 2-D-SGVBVoG model for P-band pol-InSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 1-15. |
| [238] |
ZHANG Qi, GE Linlin, HENSLEY S, et al. PolGAN: a deep-learning-based unsupervised forest height estimation based on the synergy of PolInSAR and LiDAR data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2022, 186: 123-139. DOI:10.1016/j.isprsjprs.2022.02.008 |
| [239] |
ZHANG Jianshuang, ZHANG Yangjian, FAN Wenyi, et al. A modified two-steps three-stage inversion algorithm for forest height inversion using single-baseline L-band PolInSAR data[J]. Remote Sensing, 2022, 14(9): 1986. DOI:10.3390/rs14091986 |
| [240] |
LIN Jiayuan, CHEN Decao, WU Wenjian, et al. Estimating aboveground biomass of urban forest trees with dual-source UAV acquired point clouds[J]. Urban Forestry & Urban Greening, 2022, 69: 127521. |
| [241] |
CARSTAIRS H, MITCHARD E T A, MCNICOL I, et al. An effective method for InSAR mapping of tropical forest degradation in hilly areas[J]. Remote Sensing, 2022, 14(3): 452. DOI:10.3390/rs14030452 |
| [242] |
ALLAN MERCHANT M, OBADIA M, BRISCO B, et al. Applying machine learning and time-series analysis on sentinel-1A SAR/InSAR for characterizing Arctic tundra hydro-ecological conditions[J]. Remote Sensing, 2022, 14(5): 1123. DOI:10.3390/rs14051123 |
| [243] |
BUDILLON A, SCHIRINZI G. Remote monitoring of civil infrastructure based on TomoSAR[J]. Infrastructures, 2022, 7(4): 52. DOI:10.3390/infrastructures7040052 |
| [244] |
JONES C E, OSMANOGLU B, TORBICK N. NISAR's capabilities in support of the applications community[C]//Proceedings of 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS. Brussels: IEEE, 2021: 539-542.
|
| [245] |
HU Xie, BuRGMANN R, FIELDING E J, et al. Internal kinematics of the Slumgullion landslide (USA) from high-resolution UAVSAR InSAR data[J]. Remote Sensing of Environment, 2020, 251: 112057. DOI:10.1016/j.rse.2020.112057 |
| [246] |
LIU Bo, HE Kun, HAN Mei, et al. Application of UAV and GB-SAR in mechanism research and monitoring of Zhonghaicun landslide in southwest China[J]. Remote Sensing, 2021, 13(9): 1653. DOI:10.3390/rs13091653 |
| [247] |
KURAS P, ORTYL L, OWERKO T, et al. GB-SAR in the diagnosis of critical city infrastructure-a case study of a load test on the long tram extradosed bridge[J]. Remote Sensing, 2020, 12(20): 3361. DOI:10.3390/rs12203361 |
| [248] |
WANG Peng, XING Cheng, PAN Xiandong, et al. Microdeformation monitoring by permanent scatterer GB-SAR interferometry based on image subset series with short temporal baselines: the Geheyan Dam case study[J]. Measurement, 2021, 184: 109944. DOI:10.1016/j.measurement.2021.109944 |
| [249] |
JIANG Li, HUANG Xinxin, WANG Fangtian, et al. Method for evaluating ecological vulnerability under climate change based on remote sensing: a case study[J]. Ecological Indicators, 2018, 85: 479-486. DOI:10.1016/j.ecolind.2017.10.044 |
| [250] |
WEI Jing, LI Zhanqing, LI Ke, et al. Full-coverage mapping and spatiotemporal variations of ground-level ozone (O3) pollution from 2013 to 2020 across China[J]. Remote Sensing of Environment, 2022, 270: 112775. DOI:10.1016/j.rse.2021.112775 |
| [251] |
LÜ Zhiyong, LIU Tongfei, BENEDIKTSSON J A, et al. Land cover change detection techniques: very-high-resolution optical images: a review[J]. IEEE Geoscience and Remote Sensing Magazine, 2022, 10(1): 44-63. DOI:10.1109/MGRS.2021.3088865 |
| [252] |
PAN Li, XIA Haoming, YANG Jia, et al. Mapping cropping intensity in Huaihe basin using phenology algorithm, all Sentinel-2 and Landsat images in Google Earth Engine[J]. International Journal of Applied Earth Observation and Geoinformation, 2021, 102: 102376. DOI:10.1016/j.jag.2021.102376 |
| [253] |
PAN Li, XIA Haoming, ZHAO Xiaoyang, et al. Mapping winter crops using a phenology algorithm, time-series Sentinel-2 and Landsat-7/8 images, and Google Earth Engine[J]. Remote Sensing, 2021, 13(13): 2510. DOI:10.3390/rs13132510 |
| [254] |
李德仁, 张良培, 夏桂松. 遥感大数据自动分析与数据挖掘[J]. 测绘学报, 2014(12): 1211-1216. LI Deren, ZHANG Liangpei, XIA Guisong. Automatic analysis and mining of remote sensing big data[J]. Acta Geodaetica et Cartographica Sinica, 2014(12): 1211-1216. DOI:10.13485/j.cnki.11-2089.2014.0187 |
| [255] |
李德仁, 丁霖, 邵振峰. 面向实时应用的遥感服务技术[J]. 遥感学报, 2021, 25(1): 15-24. LI Deren, DING Lin, SHAO Zhenfeng. Application-oriented real-time remote sensing service technology[J]. Journal of Remote Sensing, 2021, 25(1): 15-24. |
| [256] |
张兵. 智能遥感卫星系统[J]. 遥感学报, 2011, 15(3): 415-431. ZHANG Bing. Intelligent remote sensing satellite system[J]. National Remote Sensing Bulletin, 2011, 15(3): 415-431. |
| [257] |
OSCO L P, DE ARRUDA M D, GONCALVES D N, et al. A CNN approach to simultaneously count plants and detect plantation-rows from UAV imagery[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2021, 174: 1-17. DOI:10.1016/j.isprsjprs.2021.01.024 |
| [258] |
CAI Yingfeng, ZHANG Tiantian, WANG Hai, et al. 3D vehicle detection based on LiDAR and camera fusion[J]. Automotive Innovation, 2019, 2(4): 276-283. DOI:10.1007/s42154-019-00083-z |
| [259] |
LIU Xiaoqiang, SU Yanjun, HU Tianyu, et al. Neural network guided interpolation for mapping canopy height of China's forests by integrating GEDI and ICESat-2 data[J]. Remote Sensing of Environment, 2022, 269: 112844. DOI:10.1016/j.rse.2021.112844 |
| [260] |
KWOK R, KACIMI S, WEBSTER M A, et al. Arctic snow depth and sea ice thickness from ICESat-2 and CryoSat-2 freeboards: a first examination[J]. Journal of Geophysical Research: Oceans, 2020, 125(3): e2019JC016008. DOI:10.1029/2019JC016008 |
| [261] |
ZHENG Jianyu, ZHANG Zhibo, GARNIER A, et al. The thermal infrared optical depth of mineral dust retrieved from integrated CALIOP and IIR observations[J]. Remote Sensing of Environment, 2022, 270: 112841. DOI:10.1016/j.rse.2021.112841 |
| [262] |
JEONG S, KIM D, KIM S, et al. Real-time environmental cognition and sag estimation of transmission lines using UAV equipped with 3D LiDAR system[J]. IEEE Transactions on Power Delivery, 2021, 36(5): 2658-2667. DOI:10.1109/TPWRD.2020.3024965 |
| [263] |
DE ALMEIDA D R A, BROADBENT E N, FERREIRA M P, et al. Monitoring restored tropical forest diversity and structure through UAV-borne hyperspectral and lidar fusion[J]. Remote Sensing of Environment, 2021, 264: 112582. DOI:10.1016/j.rse.2021.112582 |