百年煤城地表沉降融合PS/SBAS InSAR監(jiān)測
——以徐州市為例

姜德才，張繼賢，張永紅，吳宏安，康永輝

(中國測繪科學研究院，北京 100830)

百年煤城地表沉降融合PS/SBASInSAR監(jiān)測
——以徐州市為例

姜德才，張繼賢，張永紅，吳宏安，康永輝

(中國測繪科學研究院，北京 100830)

融合PS/SBAS算法成為當前InSAR技術的研究熱點，本文通過融合PS/SBAS的優(yōu)勢，利用128景ALOS PALSAR影像和24景Radarsat-2影像獲取了百年煤城徐州地區(qū)2007—2015年的地表形變場及變化趨勢。試驗結果表明：①2007—2011年，徐州主要有4個沉降區(qū)，分布在沛縣、豐縣、銅山區(qū)和賈汪區(qū)。②2012—2015年，沛縣、豐縣和銅山區(qū)地表沉降范圍有所擴大；賈汪區(qū)地表沉降范圍和速率明顯減小，說明近年來賈汪區(qū)重點治理采礦塌陷工作已初步見效；另外，睢寧縣縣城出現明顯沉降。③已有文獻對沛縣大屯中心區(qū)的沉降監(jiān)測結果驗證了試驗結果是可靠的。④首次提取了徐州近8年間地表沉降的信息，可為該地區(qū)開展地表沉降調查監(jiān)測與防治工作提供參考；試驗方法可為全國開展地表沉降調查監(jiān)測工作提供參考。

雷達差分干涉測量;煤城;地表沉降;徐州

隨著我國人口的持續(xù)增長和社會經濟的高速發(fā)展，地下水、煤、石油或天然氣等自然資源的大量開采已步入常態(tài)化，超高層建筑、地鐵已成為大城市不可或缺的組成部分。這些人類活動誘發(fā)并加劇了地表沉降。截至2009年，我國有50多個城市出現了較嚴重的地表沉降[1]。徐州市位于華北平原的東南部，作為中國重要的煤礦產地，由于近百年以來煤炭資源的開采以及近30年以來地下水的超采，已造成了不同程度的地表沉降。

傳統(tǒng)的地表沉降監(jiān)測主要是采用水準測量，缺點是成本高、周期長、區(qū)域小。對于較大區(qū)域地表沉降監(jiān)測可采用全球定位系統(tǒng)(GPS)進行測量,但是GPS監(jiān)測站空間密度稀疏，并且成本高，不適宜推廣。經過數十年的發(fā)展，合成孔徑雷達差分干涉測量技術(DInSAR)，成為國際上公認的開展地表沉降監(jiān)測的最有效、最先進手段。但是在實際應用中，傳統(tǒng)DInSAR還存在著受時間、空間失相干和大氣效應的制約[2-4]，為了解決這些問題，國內外學者探索出一些新型的技術,總體上可以概括為兩類： 以PS-InSAR[5-6]為代表的單一主影像時間序列InSAR技術和以SBAS-InSAR[7-9]為代表的多主影像時間序列InSAR技術。前者多采用像元幅度選取點目標，優(yōu)點是在提取非線性形變和消除大氣相位影響方面算法簡單[10]，缺點是要求足夠多的SAR影像數據(通常25景以上)；后者多采用相干系數作為判定條件提取點目標，優(yōu)點是可以顯著增加有效干涉像對的數目，缺點是在反演線性形變時沒有考慮大氣影響。

PS/SBAS InSAR方法的比較和融合的研究成為當前熱點問題。針對兩種時間序列InSAR方法的特點，開展了融合研究?；谙喔上禂捣?、幅度差分離差法[11]和平均幅度法3種方法選取高相干點目標，線性形變提取通過構建局部Delaunay三角網連接高相干點目標，選擇可靠連接邊，從某一參考點開始對形變速率增量做積分，得到各點的線性形變速率。而非線性形變提取采用類似PS-InSAR的思路。

以往的InSAR研究都是針對局部地區(qū)、較短時段的監(jiān)測，本試驗依托地理國情監(jiān)測項目，開展大區(qū)域、較長時段的地表沉降監(jiān)測研究，利用128景ALOS PALSAR影像和24景Radarsat-2影像，反演了徐州大區(qū)域較長時段(2007—2015年)的地表形變場,分析了地表沉降的時空變化。使用試驗區(qū)內泰山(毗鄰云龍山)上保存良好的國家二等水準點D026對線性反演結果進行整體定標。通過文獻[12—13]中沛縣大屯中心區(qū)沉降結果對試驗結果進行了驗證。經國務院批準，國土資源部、水利部在2012年3月2日印發(fā)了《全國地面沉降防治規(guī)劃(2011—2020年)》，試驗方法可為全國開展地面沉降調查監(jiān)測與防治工作提供參考。

1 研究方法與數據準備

1.1 研究方法

融合PS/SBAS InSAR核心算法簡述如下：

1.1.1 高相干點目標提取

由于對高相干點目標的認識不同，采用的點目標提取方法也不盡相同。點目標提取的質量影響反演結果的精度。目前，高相干點目標提取主要分為兩類：基于像元幅度提取和基于相干系數提取。前者多用于PS-InSAR中，后者多用于SBAS InSAR中。

幅度差分離差法是依據SAR影像同一像元在時間序列上強度值的離散特性進行點目標的識別，計算公式[11]如下

DΔA=σΔA/μA

(1)

式中，σΔA與μA分別是干涉圖幅度的標準差和均值。此方法計算快捷，但要求有足夠多的SAR影像(一般大于25景)以滿足像元幅度的統(tǒng)計信息。另外，該方法只考慮點目標的幅度穩(wěn)定性，忽略了點目標的強反射性及相干性，易造成點的誤選，如水體、冰面。

平均幅度法依據SAR影像強度值的均值進行點目標的篩選，確保所提取的點目標具有強后向散射特征，剔除后向散射較弱的目標被誤選。此方法沒有考慮點目標的相干性，易誤選長時間序列失相干的點目標。

為提高點目標提取的正確率，針對平均相干系數、幅度差分離差和平均幅度3種方法的特點，提取同時滿足初始閾值(經驗值，相干系數大于0.3、平均幅度大于1.2、幅度差分離差小于0.5)的點作為PS候選點，將點疊加至平均幅度上，根據點的空間分布情況，調節(jié)各參數閾值，反復試驗求取理想閾值。

1.1.2 線性形變反演

從M幅干涉相位圖相位中減去平地相位和地形相位，即可獲得M幅差分干涉圖相位，第k幅差分干涉圖中的第i個點目標的相位可表示如下

(2)

在此基礎上，通過局部Delaunay三角網連接所有的點目標，構建整體較密、反演效果更佳的三角網[14]。當三角網兩點間距在大氣影響相關距離(一般約1～3 km)內時，那么這兩點的大氣影響相位近似相等。因此對于三角網上的任一條邊，其兩頂點i、j之間的相位差為線性模型

(3)

式中，Δv和Δξ分別是形變速率和高程誤差增量，采用吳宏安等人提供的整體相位相干系數法求取Δv和Δξ。

在所有的邊中，選擇同時滿足整體相位相干系數大于0.7，殘余相位的標準差和均值分別小于1.2和1.0的邊(均為經驗值)作為可靠的連接邊，從某一參考點開始對Δv和Δξ做積分，得到各點的線性形變速率和高程誤差絕對量。

1.1.3 非線性形變反演

從原始差分干涉圖相位減去模型相位式(4)后，得到點目標上的殘余相位φres，它包括大氣影響相位φatm，非線性形變相位φnon-linear及噪聲相位φnoise。為了得到完整的形變信息，需要對解纏后的殘余相位進行時空頻譜特征分析[5-6,10]，以分離出非線性形變相位，再將得到的非線性形變相位與線性形變疊加可得到全部形變信息。

1.2 數據準備

選擇時間跨度從2007年7月8日—2011年3月3日的128景ALOS PALSAR影像，2012年2月11日—2015年8月6日的24景Radarsat-2影像。數據格式都是單視復數據(SLC數據)。PALSAR影像工作頻率采用L波段，成像中心入射角是38.7°，每景影像覆蓋范圍是64 km×64 km，研究區(qū)范圍是徐州，8景影像能夠全覆蓋；Radarsat-2影像工作頻率采用C波段，成像中心入射角是26.2°，影像覆蓋面積約為2.9萬km2，基本全覆蓋研究區(qū)。不同SAR影像的覆蓋范圍如圖1所示。為消除干涉相位中的地形影響，需要研究區(qū)的數字高程模型數據(DEM)模擬地形相位[15]。為此，下載了研究區(qū)約90 m分辨率的SRTM DEM數據。

圖1 徐州地區(qū)地表沉降監(jiān)測SAR影像覆蓋范圍

2 徐州市地表沉降分析

對PALSAR影像和Radarsat-2影像分別作10×2、5×1多視處理，地面分辨率分別為31 m×29 m、26 m×27 m。8景PALSAR影像可將徐州全覆蓋，在每景覆蓋區(qū)獲取了16期時間序列影像，對每景覆蓋區(qū)單獨反演線性形變，8景覆蓋區(qū)的線性反演結果按照大地坐標拼接。利用上一節(jié)中介紹的方法，選取高相干點目標時，最終確定的平均相干系數閾值、平均幅度閾值、幅度差分離差閾值和提取的PS點數見表1。

表1 3種方法的參數閾值與提取的PS點數

2.1 試驗區(qū)地表沉降時空變化分析

基于融合PS/SBAS InSAR方法提取了徐州大區(qū)域較長時段(2007—2015年)的地表沉降信息?？紤]山頂穩(wěn)定性較好，利用試驗區(qū)泰山(毗鄰云龍山)山頂保存良好的國家二等水準點D026對監(jiān)測結果進行整體定標，得到最終形變反演結果。圖2、圖3分別為徐州市2007年7月—2011年3月、2012年2月—2015年8月年平均沉降速率分布圖。

圖2 徐州市2007年7月—2011年3月年平均沉降速率分布(A區(qū)域為沛縣—豐縣，B區(qū)域為部分銅山區(qū)；背景為Radarsat-2的平均幅度)

2007—2011年，徐州主要有4個沉降區(qū)，分布在沛縣、豐縣、銅山區(qū)和賈汪區(qū)。2012—2015年，沛縣—豐縣(A區(qū))、銅山區(qū)(B區(qū))沉降范圍有擴大趨勢，下文將具體分析A區(qū)和B區(qū)的地表沉降空間分布；賈汪區(qū)沉降范圍明顯減小，沉降速率明顯減緩，這說明近年來賈汪區(qū)對塌陷地的綜合治理工作已初步見效；睢寧縣城出現了明顯的區(qū)域性沉降，為此，睢寧縣自2013年8月啟動了為期7個月的城區(qū)地表沉降專項調查。

圖3 徐州市2012年2月—2015年8月年平均沉降速率分布(A區(qū)域為沛縣—豐縣，B區(qū)域為部分銅山區(qū)；背景為Radarsat-2的平均幅度)

下面將具體分析沛縣—豐縣、銅山區(qū)地表沉降的空間分布特征。

2.1.1 沛縣—豐縣地表沉降空間分布

圖4為沛縣—豐縣地區(qū)兩個時間段的地表沉降對比圖。2007—2011年，沛縣地表沉降分布在縣城及以北的地區(qū)，在縣城以南的地區(qū)地面略有抬升；主要沉降漏斗有4個，從北往南依次為：龍固鎮(zhèn)龍固礦區(qū)、大屯鎮(zhèn)張雙樓礦區(qū)、劉河涯、縣城西環(huán)路東；大屯中心區(qū)也出現地表沉降。豐縣地表沉降分布在縣城及城周邊，沿縣城中心往外，年平均沉降速率逐漸增大。

2012—2015年，兩縣沉降范圍明顯擴大，主要分布在沛縣縣城、大屯鎮(zhèn)、鹿樓鎮(zhèn)、豐縣縣城；三河尖礦區(qū)出現了明顯沉降，形成了局部沉降漏斗；大屯中心區(qū)沉降加劇；劉河涯、張雙樓礦區(qū)沉降速率略有減緩。

從地理位置上看，沛縣雖然東臨微山湖，但是淡水資源供需缺口較大。因全縣工業(yè)(如縣城西環(huán)路東)、農業(yè)生產(如鹿樓鎮(zhèn)的大片耕地)及生活(如縣城及大屯中心區(qū))過度利用地下水[16]，沛縣一般年份缺水1.0多億m3，特枯年份缺水達1.8億m3。沛縣煤炭資源非常豐富，主要分布于縣城以北，由圖4可知，主要礦區(qū)都有沉降發(fā)生。豐縣地表沉降主要是因過度開采地下水[16]。至2012年年底，豐縣地區(qū)已形成了205 km2的漏斗區(qū)，水位逐年下降，漏斗區(qū)逐年擴大，被江蘇省列為限采區(qū)，局部地區(qū)禁采。

圖4 沛縣、豐縣地區(qū)兩個時間段的地表沉降對比圖(背景為Radarsat-2的平均幅度)

2.1.2 銅山區(qū)地表沉降空間分布

圖5為銅山區(qū)兩個時間段的地表沉降對比圖。2007—2011年，該地區(qū)形成了若干個沉降漏斗：柳新鎮(zhèn)馮莊村、龐莊—張小樓礦區(qū)、劉集鎮(zhèn)車村礦區(qū)、劉集鎮(zhèn)丁場村、大彭鎮(zhèn)土樓新村。2011—2015年，該地區(qū)地表沉降范圍略有擴大，主要分布在九里區(qū)；柳新鎮(zhèn)的柳新礦區(qū)有了明顯沉降；大彭鎮(zhèn)土樓新村沉降中心向北偏移；車村礦區(qū)近年來開展了大規(guī)模的拆房填坑工作，導致該地區(qū)在本時段提取的PS點較少。

銅山區(qū)地表沉降主要是因開采巖溶水、煤礦引起的[17-18]，沉降已造成當地許多村莊房屋開裂，村民被迫遷移。且京臺高速(G3)的部分路段(共計超過2 km)處在沉降區(qū)，應加強對該路段的保護。

2.2 試驗區(qū)2012—2015年地表沉降時間變化

因為多景影像覆蓋區(qū)的每景SAR影像的時間序列通常不一致，累積沉降量自然不同。多景覆蓋區(qū)的形變結果鑲嵌通常針對平均沉降速率[19]，不適用于累計沉降量。ALOS PALSAR共128景影像，平均每期8景，時間序列不完全一致。因此，基于24景Radarsat-2影像，在反演線性形變的基礎上，繼續(xù)反演非線性形變。將線性形變和非線性形變結果疊加，得到徐州2012—2015年的累計沉降量(如圖6所示)。從圖中可以看出，隨時間變化，徐州5個主要沉降區(qū)逐漸顯現出來，分別為：沛縣大屯鎮(zhèn)，-274 mm；豐縣縣城，-262 mm；銅山區(qū)劉集鎮(zhèn)，-317 mm；賈汪區(qū)潘安湖，-115 mm；睢寧縣縣城，-113 mm。

圖5 銅山區(qū)兩個時間段的地表沉降對比圖(背景為Radar sat-2的平均幅度)

圖6 2012—2015年徐州市各時間段的累計沉降量

2.3 試驗區(qū)地表沉降結果可靠性驗證

分析沛縣大屯中心區(qū)(如圖4所示)的地表沉降空間分布特征，2007—2011年，大屯中心區(qū)大部分地區(qū)為沉降趨勢，75%以上的區(qū)域沉降速率達到-5 mm/a，40%以上的區(qū)域的沉降速率在-10～-37 mm/a，最大沉降速率達到-37 mm/a。2011—2015年，85%以上的區(qū)域沉降速率達到-5 mm/a，65%以上的區(qū)域的沉降速率在-10～-51 mm/a，最大沉降速率為-51 mm/a。可見，大屯中心區(qū)地表沉降范圍、沉降速率隨時間有所增加。

張茂永等利用1988—2005年的徐州大屯中心水準觀測數據，根據灰色理論建立模型預測2005—2010年最大沉降速率達到-31 mm/a[12]。何敏等利用兩景ENVISAT ASAR數據(20070327，20090120)進行分析，監(jiān)測結果表明，2007—2009年大屯中心區(qū)70%以上的區(qū)域的沉降速率達到5 mm/a，最大沉降速率達到-34 mm/a。

試驗第一時段(2007-07-08—2011-03-03)的監(jiān)測結果對比張茂永、何敏等的研究結果，地表沉降范圍、年平均最大沉降速率基本一致，且隨時間有所增加，驗證了試驗結果是可靠的。

3 結論與探討

本融合PS/SBAS InSAR算法提取了百年煤城徐州大區(qū)域地表形變場，全面分析了2007—2015年徐州地表沉降的時空變化。監(jiān)測結果表明：①2007—2011年，徐州主要有4個沉降區(qū)，分布在沛縣、豐縣、銅山區(qū)和賈汪區(qū)；②2012—2015年，沛縣、豐縣和銅山區(qū)地表沉降范圍有所擴大，賈汪區(qū)地表沉降范圍和速率明顯減小，睢寧縣城出現明顯沉降；③已有文獻對沛縣大屯中心區(qū)的沉降監(jiān)測結果驗證了試驗結果是可靠的；④試驗結果可服務于資源型城市轉型，試驗方法為全國開展地理國情普查——地面沉降監(jiān)測提供參考。

綜合考慮徐州地區(qū)地表沉降的人為因素，主要是地下水、煤過度開采。徐州地區(qū)碳酸巖地層分布較廣，多為巖溶發(fā)育[20]。巖溶水是徐州市區(qū)、銅山區(qū)、沛縣和豐縣的主要供水源，在干旱年份、季節(jié)，易造成地下水源的過量開采，誘發(fā)地面塌陷。軟土零星分布于市區(qū)、劉集等地[20]，軟土具有高壓縮性、觸變性等特點，易發(fā)生地面形變、地基滑移等災害。徐州是全國主要煤礦能源基地，但煤炭資源的大規(guī)模開發(fā)利用給徐州帶來了分布廣泛的采煤塌陷地。

由試驗結果可知，徐州地區(qū)現有5個沉降區(qū)，除賈汪區(qū)地表沉降范圍和速率有所減緩外，其他4個沉降區(qū)的沉降范圍都有擴大的趨勢。賈汪區(qū)政府采取治理復墾與生態(tài)修復相結合治理采煤塌陷地，并重點治理了潘安湖采煤塌陷地。通過引運河水形成湖泊、濕地來進行采煤塌陷地整治和生態(tài)修復，將占地1160 hm2的潘安湖采煤塌陷地建成了綜合型國家4A級濕地景區(qū)。借鑒賈汪區(qū)對塌陷地的綜合治理經驗，徐州應全面加強對已有地表沉降地區(qū)的治理和復墾工作；同時，加強水資源管理，合理利用地下水，引進其他補寄水源。

致謝： 日本宇宙航空研究開發(fā)機構(JAXA)提供了ALOS PALSAR數據，加拿大MDA公司提供了RADARSAT-2數據，國家科學數據服務平臺提供了SRTM數據，在此一并表示感謝。

[1] 王寒梅.上海市地面沉降風險評價體系及風險管理研究[D].上海：上海大學,2013：1-10.

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

[3] ZEBKER H A,ROSEN P A and HENSLEY S.Atmospheric Effects in Interferometric Synthetic Aperture Radar Surface Deformation and Topographic Maps[J].Journal of Geophysical Research,1997,102(B4)：7547-7563.

[4] CHANG Z Q，GONG H L，ZHANG J F，et al.A Feasible Approach for Improving Accuracy of Ground Deformation Measured by D-InSAR[J].Journal of China University of Mining amp; Technology,2007,17(2):262-266.

[5] 張永紅,張繼賢,龔文瑜，等.基于SAR干涉點目標分析技術的城市地表形變監(jiān)測[J].測繪學報，2009，38(6)：482-487.

[6] 張永紅,吳宏安,孫廣通.時間序列InSAR技術中的形變模型研究[J].測繪學報，2012，41(6)：864-869.

[7] MORA O，MALLORQUI J J，BROQUETAS A.Linear and Nonlinear Terrain Deformation Maps from a Reduced Set of Interferometric SAR Images[J].IEEE Transactions on Geoscience and Remote Sensing，2003，41(10):2243-2253.

[8] CASU F，MANZO M，PEPE A，et al.SBAS-DInSAR Analysis of Very Extended Areas：First Results on a 60000 km2Test Site[J].IEEE Transactions on Geosciences and Remote Sensing Letters，2008，5(3)：438-442.

[9] LIU G X，JIA H G，NIE Y J，et al.Detecting Subsidence in Coastal Areas by Ultrashort-Baseline TCPInSAR on the Time Series of High-Resolution TerraSAR-X Images[J].IEEE Transactions on Geoscience and Remote Sensing，2014，52(4)：1911- 1923.

[10] 吳宏安，張永紅，陳曉勇,等.基于小基線DInSAR技術監(jiān)測太原市2003～2009年地表形變場[J].地球物理學報，2011，54(3)：673-680.

[11] HOOPER A.A Multi-temporal InSAR Method Incorporating Both Persistent Scatterer and Small Baseline Approaches[J].Geophysical Research Letters，2008，35(16)：96-106.

[12] 張茂永,孟磊,王傳林,等.徐州大屯中心區(qū)地面沉降趨勢預測[J].地質災害與環(huán)境保護，2007，18(13)：11-13.

[13] 何敏,陸曉燕,何秀鳳.利用D-InSAR二軌法監(jiān)測徐州大屯中心區(qū)地表形變[J].地理空間信息，2011，9(5):3-6.

[14] ZHANG L，DING X L，LU Z.Modeling PSInSAR Time Series without Phase Unwrapping[J].IEEE Transactions on Geoscience and Remote Sensing，2011,49(1)：547-556.

[15] 吳宏安，張紅，王超，等.基于SRTM DEM的InSAR高分辨率山區(qū)地表高程重建算法(英文)[J].遙感學報，2009，13(1)：145-151.

[16] 藺宗宗，吳海波，田玉新,等.徐州市地面沉降成因分析及防治對策[J].中國科技博覽，2010(26):256-256.

[17] 花修權，黃敬軍，繆世賢，等.徐州市地質災害分布特征及成因分析[J].地質災害與環(huán)境保護,2015，26(2):74-80.

[18] 花修權，黃敬軍，魏永耀，等.江蘇徐州城市地質調查需求分析及關鍵問題[J].地質學刊，2015，39(2):322-328.

[19] ZHANG Y H，WU H A，KANG Y H，et al.Ground Subsidence in the Beijing-Tianjin-Hebei Region from 1992 to 2014 Revealed by Multiple SAR Stacks[J].Remote Sensing，2016,8(8).

[20] 邢雪,周丹,羅躍.江蘇徐州巖溶塌陷及其防治對策[J].中國地質災害與防治學報，2014，25(4)：51-58.

GroundDeformationoverCentury-longCoalMiningCityMonitoredthroughIncorporatingBothPSandSBASInSAR:ACaseStudyofXuzhou

JIANG Decai,ZHANG Jixian,ZHANG Yonghong,WU Hongan,KANG Yonghui

(Chinese Academy of Surveying and Mapping, Beijing 100830, China)

The algorithm fusion of permanent scatterers interferometric SAR (PS InSAR) and small baseline subset interferometric SAR (SBAS InSAR) has become a hot spot of InSAR technology. By fusing the advantages of PS/SBAS, 128 ALOS PALSAR images (from 2007 to 2011) and 24 Radarsat-2 images (from 2012 to 2015) are used to extract the ground deformation field and trend in recent 8 years over Xuzhou region with century-long coal mining history. The experiment results demonstrate that:① From 2007 to 2011, four main subsidence areas have been found in Xuzhou, locating in Peixian County, Fengxian County, Tongshan District and Jiawang District. ② From 2012 to 2015, the subsidence range of Peixian County, Fengxian County and Tongshan District is expanding; however, the subsidence range and rate of Jiawang District decrease significantly. The phenomenon shows that the governance of mining subsidence in Jiawang District has achieved good results in recent years. In addition, there comes into apparent subsidence in Suining County. ③ The results of this experiment has been validated by the published research results on ground subsidence in Datun Center District, Peixian County. ④ The results represents the first-ever subsidence information in the recent 8 years in Xuzhou, which can be applied to monitor and control the subsidence in this area.The monitoring result is of high significance for monitoring and control, prevention and mitigation of ground subsidence disaster over the region.

differential interferometric SAR(DInSAR); coal mining city; ground deformation; Xuzhou city

P237

A

0494-0911(2017)01-0058-07

姜德才，張繼賢，張永紅，等.百年煤城地表沉降融合PS/SBAS InSAR監(jiān)測——以徐州市為例[J].測繪通報，2017(1)：58-64.

10.13474/j.cnki.11-2246.2017.0013.

2016-04-20

國家973計劃(2012CB719905);自然科學基金(41271430；41304010)

姜德才(1990—),男,碩士生，研究方向為合成孔徑雷達干涉測量。E-mail:jiangdc_rs@sina.com

張永紅。E-mail：yhzhang@casm.ac.cn