传统InSAR一般是“单主多辅”:用一张主影像与多个辅影像组合形成干涉图(如A-B, A-C, A-D)。适合做某一时间段的“总形变”监测。而最基础的InSAR方法是差分InSAR(D-InSAR),它通过两期影像构建干涉图,计算出两时点之间的形变量。优点是计算量小、结构清晰,但限制也很明显:
1.图像间时间基线越长,相干性下降,误差增大
2.无法应对非线性或长期形变
3.大气噪声影响显著
为此,研究者提出了一系列改进算法,最具代表性的有两类:
1. 永久散射体InSAR(PS-InSAR)
选取时间序列中反射稳定、相位一致的像素点(如建筑、岩石等),追踪其相位变化。优点是:精度高,能获取长期连续形变,适用于城市、裸露岩石等强反射区域,但对自然区(如植被覆盖、冻土)适应性差。
2. 小基线集InSAR(SBAS-InSAR)
通过筛选时间和空间基线都较小的影像对,构建稠密干涉网络,恢复时间序列形变。特点是:
1.能够覆盖大范围区域
2.对自然区域的相干性适配更强
3.精度略低于PS,但覆盖面更广
这类方法的原理,可以理解为“拆解总变化为多个小变化”,以低差异保相干,再拼接还原长时间的连续趋势。它相当于用多个“稳定小差异”拼接出一个“完整大趋势”。
SBAS特别适合缓慢但连续变化的区域,比如冻土区,尤其在森林火灾后,地表结构发生变化但形变量较小的情况下。
此外,还有一些针对特殊情况的改进方法:
比如:
-
NSBAS:优化小基线集选择策略,提升时间分辨率
-
Quasi-PSInSAR:兼容PS和SBAS优点,动态选择稳定点
-
TomoSAR(SAR层析):用于建筑/森林等复杂三维结构
不同方法各有侧重,选择时要结合研究区域的地表类型、目标精度、数据可获得性等因素。



