李新武 郭華東 彭星 張露 傅文學(xué) 梁雷 吳文瑾

摘要自1960年4月誕生國際上第一部合成孔徑雷達(dá)（SAR） 以來，SAR技術(shù)及應(yīng)用發(fā)展已進(jìn)入一個新的階段.在該階段，對電磁波的波段、極化、振幅和相位等信息的利用更加深入和綜合，其顯著的技術(shù)特征為雙/多站或星座觀測、極化干涉測量、高時序高分寬幅測繪、三維/四維結(jié)構(gòu)信息獲取和超高分辨率觀測，其顯著的應(yīng)用特征為面向全球性重大問題如全球變化和全球可持續(xù)發(fā)展實現(xiàn)地球表面動態(tài)過程高精細(xì)、大尺度和時間連續(xù)的監(jiān)測和評估.本文首先介紹了SAR對地觀測技術(shù)的研究背景及意義，然后就四種典型的先進(jìn)SAR即極化SAR、極化干涉SAR、層析SAR和超高分辨率SAR論述了其近十年來的研究進(jìn)展，最后，展望了未來這些先進(jìn)SAR對地觀測技術(shù)的發(fā)展趨勢，并重點探討了在多通道信息獲取、多角度觀測、高時相觀測、分辨率和測繪幅寬提升等方面的發(fā)展趨勢.關(guān)鍵詞極化SAR;極化干涉SAR;層析SAR;超高分辨率SAR;進(jìn)展與趨勢

中圖分類號TN959

文獻(xiàn)標(biāo)志碼A

0引言

合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）技術(shù)因其可以全天時全天候工作，不受云霧等天氣的影響等優(yōu)勢，已經(jīng)成為對地觀測技術(shù)的一種核心技術(shù)，被大量用于解決人類所面臨的資源、環(huán)境、生態(tài)系統(tǒng)等方面的問題.近年來，國內(nèi)外相繼建立了一系列區(qū)域、國家和全球性的對地觀測研究計劃，如德國宇航局的TanDEM-L計劃、歐空局的BIOMASS計劃等，極大地促進(jìn)了SAR技術(shù)的蓬勃發(fā)展，涌現(xiàn)出許多先進(jìn)的SAR技術(shù)，如極化干涉SAR （PolInSAR）技術(shù)、三維層析SAR（TomoSAR）或四維層析SAR（D-TomoSAR）技術(shù)、超高分辨率SAR（Ultra High Resolution SAR）技術(shù)等.這些先進(jìn)的SAR 對地觀測技術(shù)進(jìn)一步深入利用電磁波的波段、極化、振幅和相位等信息，其顯著的技術(shù)特征為雙/多站或星座觀測、極化干涉測量、高時序高分寬幅測繪、三維/四維結(jié)構(gòu)信息獲取和超高分辨率觀測，能夠挖掘出地物目標(biāo)更加豐富的細(xì)節(jié)信息，如內(nèi)部結(jié)構(gòu)特征和散射體散射機理等，其顯著的應(yīng)用特征為面向全球性重大問題如全球變化和全球可持續(xù)發(fā)展等，實現(xiàn)地球表面動態(tài)過程高精細(xì)、大尺度和時間連續(xù)的監(jiān)測和評估，滿足對全球或區(qū)域可持續(xù)發(fā)展和全球變化監(jiān)測的迫切需求.

未來，新型SAR對地觀測技術(shù)將繼續(xù)朝著多通道、多觀測角、高時相、高分辨率、高測繪帶寬發(fā)展，在全球環(huán)境變化、全球森林監(jiān)測、城市三維信息獲取、資源勘察、環(huán)境監(jiān)測與評價以及對月探測等領(lǐng)域中將發(fā)揮重要作用[1].

本文在總結(jié)近十年來四種典型的先進(jìn)SAR對地觀測技術(shù)的研究現(xiàn)狀的基礎(chǔ)上，即極化SAR技術(shù)、極化干涉SAR技術(shù)、層析SAR技術(shù)以及超高分辨率SAR技術(shù)，探討了未來先進(jìn)SAR對地觀測技術(shù)的發(fā)展趨勢，重點論述了先進(jìn)SAR技術(shù)在多通道信息獲取、多角度觀測、高時相觀測、分辨率和測繪幅寬提升等方面的發(fā)展.

1國內(nèi)外研究現(xiàn)狀

1.1極化SAR

極化SAR（Polarimetric SAR，PolSAR）因其對散射體的形狀、方向等形態(tài)學(xué)參數(shù)以及介電常數(shù)敏感的特性，能夠有效識別和分離目標(biāo)地物不同類型的散射機制貢獻(xiàn)[2]，如表面散射、二面角散射和體散射等.近十年來，國內(nèi)外學(xué)者圍繞目標(biāo)地物散射機制的精細(xì)識別做了進(jìn)一步的研究，主要可分為：

1）針對表面散射建模.Bragg 散射模型是目前常用的表面散射模型之一[3]，針對該模型國內(nèi)外學(xué)者做了大量的改進(jìn)工作.如2011 年，Iodice等[4]提出了一種極化雙尺度表面散射模型（Polarimetric Two-Scale Model，PTSM），該模型將散射平面看成是由許多隨機傾斜的粗糙小平面組成，這種隨機傾斜引起的粗糙度認(rèn)為是大尺度，而每個小平面仍然認(rèn)為是滿足小尺度粗糙度條件的 Bragg 散射模型.目前，PTSM主要用于裸土和農(nóng)作物區(qū)域土壤濕度反演.2014 年，Chen 等提出的通用模型分解框架中，表面散射建模采用考慮旋轉(zhuǎn)角影響的 Bragg 散射模型，但沒有考慮旋轉(zhuǎn)角的概率分布[5];2016 年，Martino等提出了一種新的 X-Bragg 模型，區(qū)別在于假定旋轉(zhuǎn)角服從均值為零的高斯分布，成功應(yīng)用于基于 C 波段數(shù)據(jù)的小麥區(qū)域土壤濕度反演[6].

2）針對二面角散射建模.2012 年，Shan 等提出了一種旋轉(zhuǎn) Fresnel 模型，用來解決城區(qū)45°方向角目標(biāo)與體散射混合引起的解譯模糊的問題[7];2014 年，Chen 等提出了考慮旋轉(zhuǎn)角的Fresnel散射模型，解決由方向性建筑物引起的極化基旋轉(zhuǎn)導(dǎo)致出現(xiàn)交叉散射分量的問題，提高了建筑物區(qū)域解譯的可靠性[5];2015 年，Xiang等也提出了面向交叉極化的二面角散射模型，區(qū)別在于假定旋轉(zhuǎn)角服從附加主要旋轉(zhuǎn)角的cosine分布，使得模型具有自適應(yīng)性，可以有效抑制體散射高估現(xiàn)象并應(yīng)用到城區(qū)分類[8];2016 年，Jagdhuber考慮土壤粗糙度引起的去極化影響，特別是針對明顯粗糙的農(nóng)作物區(qū)域，提出了擴展的 Fresnel散射模型，即 X-Fresnel模型[9].X-Fresnel模型一方面采用高斯或者指數(shù)函數(shù)描述粗糙表面導(dǎo)致的能量損失，另一方面同樣引入一個旋轉(zhuǎn)角，并假定其服從均值為零和一定寬度的均勻分布.由于穿透性和土壤條件的限制，該模型目前主要應(yīng)用于長波（如 L 波段）觀測的農(nóng)作物區(qū)域.

3）針對體散射建模.2010 年，An等從植被散射的隨機性角度出發(fā)，提出了一種完全隨機的體散射模型，即最大極化熵模型，可以有效抑制散射負(fù)能量現(xiàn)象[10];2011 年，Antropov 等直接從地球物理媒介對稱性出發(fā)推導(dǎo)出一種隨機連續(xù)體散射模型GVSM，散射體形狀參數(shù)與 Freeman 二分量分解中的體散射模型一致，但隨機程度用同極化比值參數(shù)描述[11];2012 年，Sato 等提出一種擴展的體散射模型，用于描述方向性建筑物區(qū)域二面角結(jié)構(gòu)引起的體散射貢獻(xiàn)，假定散射體形狀為金屬角反射器，散射體方向角服從 cosine 分布，結(jié)果表明該模型可以有效抑制城區(qū)體散射高估的現(xiàn)象[12];2015 年，Huang等簡化了散射體方向角分布函數(shù)，提出一種均值為零的 n 階 sine 和 cosine 分布分別考慮垂直和水平趨向分布情況，提出了一種隨機連續(xù)體散射模型 SAVSM[13];2017年，Xie提出了附有物理約束的通用模型分解方法（PCGMD），充分考慮分解模型中相關(guān)物理參數(shù)的先驗信息，提高了在定量遙感中的可行性[14];2018年，Xie等提出了三種基于隨機連續(xù)體散射模型的極化SAR分解方法（PCGMD-GVSM、PCGMD-SAVSM及PCGMD-SNVSM），通過引入三種隨機連續(xù)體散射模型，能夠考慮更復(fù)雜的體散射情況，有效提高了分解參數(shù)的估計精度[15].

4）針對其他散射分量建模.如2015 年，Zou 等[16]提出了一個針對城區(qū)復(fù)雜形狀目標(biāo)或者人造結(jié)構(gòu)的非反射對稱分量模型，相比Yamaguchi 方法[12]考慮了更全面的非反射對稱信息.

1.2極化干涉SAR

PolInSAR結(jié)合了極化SAR對方向、紋理等特征數(shù)敏感的特點，又具有InSAR對高度敏感的特點，因而可以有效識別和分離同一分辨單元內(nèi)不同高度位置的散射機制貢獻(xiàn)，已成功用于森林或農(nóng)作物高度估計、目標(biāo)三維結(jié)構(gòu)、植被覆蓋區(qū)表面參數(shù)估計、積雪以及冰蓋參數(shù)估計等研究中，其中應(yīng)用更多的是在森林參數(shù)反演的研究中.近十年來，關(guān)于PolInSAR森林參數(shù)反演主要分為以下三類：

1）干涉相位差分方法，即根據(jù)不同極化通道干涉相位中心存在差異的特性，找到冠層散射和地表散射分別占優(yōu)的極化方式，然后利用這兩種極化方式的干涉相位差來估計森林高度.2010年，Bian等基于微小低階統(tǒng)計方法對相干最優(yōu)算法進(jìn)行了改進(jìn)，適用于非高斯分布的極化干涉SAR數(shù)據(jù)[17].同年，Ballester-Berman等將Freeman三分量分解理論引入到極化干涉SAR技術(shù)中，將極化干涉協(xié)方差矩陣分為表面散射機制、二面角散射機制和體散射機制，并將表面散射機制的相位中心與二面角散射機制相位中心做差分得到植被高度信息[18];2011年，談璐璐等利用極化相干最優(yōu)理論改進(jìn)了ESPRIT算法，可以更加精確地估計植被高度[19];2014年，宋桂萍等提出基于極化干涉互斜方差矩陣分解方法來反演植被高度[20];2015年，Guo等提出目標(biāo)分解法，并利用極化干涉SAR數(shù)據(jù)提取地形高度[21].該類方法由于森林冠層去極化的影響幾乎很難找到“純體散射”和“純地面散射”的極化方式，因此會存在森林高度低估現(xiàn)象.

2）基于物理散射模型的參數(shù)解算方法.隨機體散射體/地表二層（Random Volume over Ground，RVoG）模型是目前得到證實和廣泛應(yīng)用的森林極化干涉相干模型.該模型將體散射體看成是一定厚度的各向同性均勻介質(zhì)，并用恒定的消光系數(shù)來描述電磁波在其中的散射和吸收損失，模型簡單有效而且易于實現(xiàn).但該模型對具有復(fù)雜結(jié)構(gòu)森林的異質(zhì)性沒有給出更精細(xì)的描述[22].一些學(xué)者對異質(zhì)性問題進(jìn)行了分析，如Garestier等研究了線性及高斯函數(shù)的消光曲線，但對消光系數(shù)的這些函數(shù)關(guān)系仍然只基于假設(shè)或?qū)崪y獲得，難以在實踐中應(yīng)用[22].另一方面，在有些林分，多層的森林模型可以更精確地對其結(jié)構(gòu)進(jìn)行描述，但在解決如何獲取多層輸入?yún)?shù)及建立相應(yīng)的極化干涉復(fù)相關(guān)系數(shù)模型上存在問題[22].針對三階段算法估計精度受相干性分布分離度的限制，國內(nèi)外眾多學(xué)者陸續(xù)提出了很多改進(jìn)算法，如改進(jìn)三階段算法[23]、復(fù)數(shù)最小二乘算法[24]、多基線算法[25]、雙極化算法[26]等.考慮時間去相干、地形坡度和植被垂直結(jié)構(gòu)不均勻等因素對RVOG模型的影響，學(xué)者們相繼提出了S-RVOG模型[27]、高斯后向散射模型等[28].

3）極化相干層析方法（PCT）.2006年，Cloude基于RVOG模型，提出極化相干層析方法，將復(fù)相干系數(shù)通過傅里葉-勒讓德級數(shù)展開，建立垂直結(jié)構(gòu)函數(shù)模型進(jìn)行參數(shù)求解[29].近年來許多學(xué)者進(jìn)行了進(jìn)一步的擴展，如2012年，Zhang等利用正交函數(shù)對傅里葉-勒讓德展開式進(jìn)行了改進(jìn)，并用單基線進(jìn)行了森林結(jié)構(gòu)的重構(gòu)[30];2016年，李蘭利用單基線PCT方法提取了森林垂直結(jié)構(gòu)信息[31].

1.3層析SAR

層析 SAR 是傳統(tǒng)二維 SAR 成像的三維擴展，它是在InSAR 系統(tǒng)基礎(chǔ)上的進(jìn)一步延伸.該技術(shù)通過在高度向上形成合成孔徑得到高度向的分辨率，從而實現(xiàn)目標(biāo)高精度三維成像.經(jīng)過近二十年的發(fā)展，SAR層析技術(shù)已被大量應(yīng)用于城市高精度地形測繪、林下目標(biāo)識別、森林三維成像以及垂直結(jié)構(gòu)參數(shù)反演，如林下地形和森林植被高度、冰川三維成像等方面.隨著SAR影像分辨率越來越高，SAR層析技術(shù)也逐漸從低分辨率成像算法發(fā)展到高分辨率成像算法.目前，SAR層析成像算法大致可以分為非參數(shù)譜估計方法、參數(shù)譜估計方法、稀疏譜估計方法等三種.

1）非參數(shù)譜估計方法（Beamforming、Capon、IAA等）.該類方法不需要任何先驗信息即可進(jìn)行SAR層析成像，計算效率高.如2012年，Tebaldini等利用 BioSAR 2008 L-波段和 P-波段的多基線全極化機載SAR 數(shù)據(jù)對北方森林進(jìn)行SAR層析成像，有效估計了林下地形和樹高[32];2018年，Peng等提出IAA-ML方法，反演了Paracou地區(qū)的林下地形和樹高[33].

2）參數(shù)譜估計方法（MUSIC、WSF等）.該類方法雖然提高了非參數(shù)譜估計方法的分辨率，但是需要已知散射場景的一些先驗知識，如每個分辨單元內(nèi)散射體的個數(shù).當(dāng)輸入的散射體個數(shù)符合實際情況時，該類方法的估計性能優(yōu)于非參數(shù)譜估計方法，反之，則差于非參數(shù)譜估計方法.如2012年，Huang等利用WSF方法對德國宇航局機載SAR系統(tǒng)獲取的23景合成孔徑長度為440 m L-波段全極化SAR數(shù)據(jù)對森林進(jìn)行SAR層析成像，識別了隱藏在森林中的卡車，并根據(jù)極化角的垂直分布從散射機理角度對不同地物目標(biāo)（森林與卡車）垂直向空間位置、能量分布與層次結(jié)構(gòu)進(jìn)行了解釋[34].

3）稀疏譜估計方法（CS、IAA-BIC、SPICE等）.在實際數(shù)據(jù)獲取中，常常得到非均勻分布基線的SAR影像.為實現(xiàn)高精度的SAR層析三維成像，Moglio等提出先通過插值處理將非均勻采樣的數(shù)據(jù)預(yù)處理為均勻采樣的數(shù)據(jù)，來改善傅里葉變換由于數(shù)據(jù)量少、非均勻分布基線引起的成像質(zhì)量差的問題[35].但是插值計算量巨大、費時費力，加之SAR層析成像本身的數(shù)據(jù)處理量就很大，更增加了計算負(fù)擔(dān)，而且插值對噪聲敏感，容易引入插值誤差，限制了該類方法的應(yīng)用.稀疏譜估計方法可以很好地解決這一問題.該方法能夠很好地克服傳統(tǒng)非參數(shù)譜估計算法在基線分布不均勻、數(shù)據(jù)量少的情況下分辨率低、旁瓣嚴(yán)重的問題，提高了高度向的成像分辨率，大大降低了數(shù)據(jù)獲取的成本.如2010年，Zhu等提出SL1MMER SAR層析成像算法[36];2013年，Aguilera等提出基于小波基分解的壓縮感知（Wavelet-CS）SAR層析方法[37];2014年，Liang等提出小波基分解的分布式壓縮感知（FP-DCS）SAR層析方法，對多基線全極化SAR數(shù)據(jù)進(jìn)行SAR層析成像[38];2016年，Li等提出基于散射機制分解的壓縮感知（SKP-CS） SAR層析方法[39];2017年，Huang等提出基于混合稀疏基的CS SAR層析方法[40];2018年，Peng等提出IAA-BIC SAR層析方法[41];2019年，Peng等提出基于混合小波基的SPICE SAR層析方法[42].

1.4超高分辨率SAR

近年來SAR影像的分辨率不斷提高，優(yōu)于1 m分辨率的SAR系統(tǒng)即超高分辨率SAR （UHR SAR）不斷涌現(xiàn)，可以提供豐富的地物的細(xì)節(jié)，如綠化帶上的花紋、高層居民樓每一層的陽臺等，這極大地擴展了SAR的應(yīng)用領(lǐng)域.超高分辨率在帶來更為豐富地物細(xì)節(jié)和更好視覺效果的同時，也使得SAR影像的散射信息更加復(fù)雜，主要包括：

1）自然地表均質(zhì)性變差、紋理更為明顯、散射信息多樣.在中低分辨率下，自然地表，尤其是植被覆蓋的地表通常會表現(xiàn)為完全發(fā)育的斑點噪聲，形成明暗隨機分布的后向散射回波，沒有明顯的紋理或圖案，呈現(xiàn)為均質(zhì)區(qū)域.在超高分辨率條件下，自然地表的紋理變得非常明顯，由地表起伏或植被按一定規(guī)律排列形成的圖案清晰可見，使得場景復(fù)雜性增強，可獲取的信息增多，同時卻也增加了散射信息的多樣性，從而極大地增加了自動解譯難度.

2）地物各向異性更為明顯、散射規(guī)律性變?nèi)?，從而難以預(yù)測.分辨率提高后，像元尺寸與波長之間的差距有所減小，導(dǎo)致地物回波隨機性變?nèi)?，呈現(xiàn)出一定方向性散射特征.不同排列方向的同種地物回波差異性變大，形成了更為明顯的各向異性特征，從而難以通過統(tǒng)一的散射強度或統(tǒng)計特征進(jìn)行識別，給地物分類帶來很大難度.

3）回波隨機性減弱、非高斯性增強、統(tǒng)計分布更加復(fù)雜.當(dāng)分辨率較低時，可認(rèn)為一個像元內(nèi)有無窮多個波長尺寸的粒子，從而可以用中心極限定理將回波信號建模為高斯分布.超高分辨率條件下，回波信號的非高斯性增強.

上述新特性導(dǎo)致傳統(tǒng)SAR影像模型、特征和信息提取方法部分或全部失效.并且，尺度效應(yīng)決定著過高的分辨率不利于反映地物的整體形態(tài)，加之SAR特殊的散射機理，在UHR SAR下地物被分割為細(xì)小的結(jié)構(gòu)性細(xì)節(jié)而不再是一個連續(xù)的面狀，這意味著UHR SAR與傳統(tǒng)SAR和UHR光學(xué)影像都存在顯著差異，使得UHR SAR信息提取缺乏可用的理論和方法支持.UHR SAR的優(yōu)勢領(lǐng)域主要是對尺寸較小的地物進(jìn)行發(fā)現(xiàn)和細(xì)節(jié)信息獲取，因此，較多應(yīng)用于城市區(qū).主要的感興趣地物包括建筑、橋梁、車輛、船只等人工地物，以及樹木、稻田等自然地物.對UHR SAR系統(tǒng)和能力探索方面的相關(guān)研究可追溯到20世紀(jì)90年代.如Normant等利用Thomson-CSF Detexis雷達(dá)得到的UHR SAR影像，描述了系統(tǒng)的主要參數(shù)，合成了帶寬波形，并發(fā)現(xiàn)了UHR SAR影像中的一些有趣特征[43].2010年，Essen等探討了UHR SAR的圖像特征、InSAR信息提取方法，及其在城市區(qū)的應(yīng)用潛力[44].Novack等于2015年總結(jié)了UHR SAR在城市信息提取方面取得的成果和應(yīng)用潛力[45].

基于高分SAR影像的信息獲取方法主要可以分為基于幾何特征、基于后向散射統(tǒng)計特征和面向?qū)ο蠓椒ㄈ悾?/p>

1）基于幾何特征的方法.該方法在米級分辨率SAR中應(yīng)用廣泛，但由于UHR SAR中地物信息過于細(xì)微和零散，幾何特征變得難于提取.

2）在UHR SAR統(tǒng)計特征研究方面，Davis等利用廣義高斯模型對GDAIS系統(tǒng)X波段SAR的振幅信息進(jìn)行了擬合，得到了很好的擬合效果[46].Wu等[47]提出基于復(fù)廣義高斯模型及其衍化參數(shù)的UHR SAR單視復(fù)數(shù)據(jù)信息提取方法，可提取出自然目標(biāo)和人工目標(biāo)的結(jié)構(gòu)性細(xì)節(jié).Wu等[48]還提出了一系列復(fù)分布非對稱評價參數(shù)，并探討了這些參數(shù)在UHR SAR中的應(yīng)用潛力.由于UHR SAR后向散射會隨入射角、波長、方位向視角以及鄰近地物的不同發(fā)生巨大的變化，地物被分為非常細(xì)小的組成部分，導(dǎo)致其散射特性千差萬別，因此UHR SAR影像的統(tǒng)計先驗知識極為難于獲得.通過采用α-stable分布和廣義高斯分布可以在一定程度上通過不同的統(tǒng)計分布類型對地物細(xì)節(jié)信息進(jìn)行提取，然而能區(qū)分出的地物類別仍然是非常有限的.

3）面向?qū)ο蠓椒ㄔ诟叻直媛使鈱W(xué)遙感中廣為應(yīng)用，該類方法通過超像素（superpixel）、網(wǎng)格處理、多分辨率分析等技術(shù)先將影像分割成一定尺寸的小塊，然后對小塊的形狀、紋理等特征進(jìn)行分析，再進(jìn)行進(jìn)一步的信息提取.分割后每一個小塊上的全部像素被認(rèn)為屬于同一種類別.對于UHR SAR影像來說，傳統(tǒng)的面向?qū)ο蠓椒y以適應(yīng)影像中的斑點噪聲以及地物多呈現(xiàn)的非均勻、非連續(xù)形式，尤其是地物混雜的城市區(qū).為解決這一問題，Popescu等[49]采用一套由傅里葉頻譜得到的特征集對數(shù)十個場景進(jìn)行了正確識別，Wu等[50]基于更多譜特征構(gòu)建了可以區(qū)分多類精細(xì)地物的特征集.Wu等還將深度學(xué)習(xí)技術(shù)引入UHR SAR地物分類，分別構(gòu)建了場景級和語義級的分類模型[51-52].怎樣定義和描述這些類別則是更為難以解決的問題.由于可用的信息較少而可反映的目標(biāo)異常豐富，UHR SAR地物識別同時面臨著更為嚴(yán)重的語義鴻溝問題，即計算機識別出的類別難以對應(yīng)于具有應(yīng)用意義的實際地物類，而我們需要得到的類別則可能在UHR SAR中難以實際分開.

綜上所述，針對UHR SAR影像的信息提取方法目前已經(jīng)有一些研究和發(fā)展.但是由于UHR SAR影像所反映的信息較傳統(tǒng)影像存在較大的顛覆性，距離建立穩(wěn)定、有效和廣泛適用的理論、模型及信息提取框架還存在很大差距.目前從UHR SAR影像中獲取信息還主要采用目視判讀的方式，受到判讀和記錄效率的限制，大量UHR SAR數(shù)據(jù)并沒有得到利用，這在造成資源浪費的同時，也限制了超高分辨率SAR的進(jìn)一步發(fā)展.為使超高分辨率SAR充分發(fā)揮自身優(yōu)勢，得到廣泛而深入的應(yīng)用，新的數(shù)據(jù)模型、特征以及信息提取技術(shù)亟待建立.

2未來發(fā)展趨勢

由上一節(jié)的內(nèi)容，我們可以看到近十年來極化SAR、極化干涉SAR、層析SAR和超高分辨率SAR這四種典型的先進(jìn)SAR對地觀測技術(shù)在多通道、多觀測角、高分辨率等領(lǐng)域取得了很大的進(jìn)展，應(yīng)用層面也越來越寬.未來，先進(jìn)SAR對地觀測技術(shù)將繼續(xù)朝著多通道、多觀測角、高時相、高分辨率、高測繪帶寬發(fā)展，來滿足全球環(huán)境變化、全球森林監(jiān)測、城市三維信息獲取、資源勘察、環(huán)境監(jiān)測與評價以及對月探測等領(lǐng)域中的迫切需求.

2.1多通道信息獲取能力

2.1.1緊縮極化SAR

全極化SAR雖然可以全面獲得目標(biāo)在觀測方向上的后向散射特性，但其系統(tǒng)存在復(fù)雜度高、成本高、數(shù)據(jù)量大、空間分辨能力較低等缺點.緊縮極化 SAR 是目前一種新型 SAR 模式，它通過發(fā)射具有特定極化狀態(tài)的單一極化電磁波，兩路相互正交的極化接收的方式，在降低極化SAR系統(tǒng)復(fù)雜度的同時，有效保留全極化SAR的回波信息.緊縮極化SAR在獲得與全極化相當(dāng)?shù)暮笙蛏⑸涠糠诸惸芰Φ耐瑫r，還具有如下的優(yōu)勢：

1） 緊縮極化可以獲得比常規(guī)極化更寬的幅寬;

2） 工程設(shè)計和實施較為簡單，該技術(shù)除了用于對地觀測外，可以很好地用于對月及行星探測;

3） 可以提高距離模糊度;

4） 采用混合緊縮極化有利于消除由于電離層效應(yīng)引起的法拉第旋轉(zhuǎn)的影響.

除此之外，緊縮極化技術(shù)與干涉技術(shù)的融合形成的緊縮極化干涉SAR技術(shù)具有更廣闊的應(yīng)用空間和潛力.Lavalle等分析了緊縮極化方式獲得的相位信息，研究了其在極化干涉中的應(yīng)用潛力[53].Dubois-Fernandez基于 RVoG 模型，對比分析了緊縮和全極化干涉在提取植被高度上的異同，并提出了一個植被高度反演的最優(yōu)方法[54].緊縮極化干涉SAR是未來SAR技術(shù)的發(fā)展方向之一.

2.1.2多頻率（多波段）SAR

對于不同頻率（波長）的電磁波，其穿透性能、可探測目標(biāo)最小截面積、觀測目標(biāo)變化去相干程度等特性都不相同，因此，不同類型的目標(biāo)發(fā)生不同尺度的變化在各個波段探測下會形成不同結(jié)果.對于不同頻率的SAR而言，其對不同目標(biāo)后向散射特性的描述能力也就不同：低頻率SAR 具有較強的穿透能力，能探測到林下或次地表目標(biāo)，但由于其波長較長，使得描述場景輪廓和紋理信息的能力很弱;而高頻率SAR，其發(fā)射信號的波長較短，能夠清晰地描述場景輪廓和紋理的特征，但較低的穿透性能限制其探測林下或次地表目標(biāo)的能力.

在多頻率（多波段）觀測模式下，SAR具有同時獲得不同波段后向散射信息的能力，既能探測林下或次地表信息，也能清晰描述場景的輪廓和細(xì)節(jié)信息.因此，相比單一波段 SAR 模型，多頻率（多波段）SAR模式可以獲得更豐富的場景信息，有利于提升地表參數(shù)反演結(jié)果的精度.所以，多頻率 SAR 模式將在資源遙感、災(zāi)情評估和戰(zhàn)場監(jiān)視等方面獲得越來越廣泛的應(yīng)用.例如，預(yù)計2021年發(fā)射的 “雙頻（L和S頻段）合成孔徑雷達(dá)成像衛(wèi)星NISAR（NASA-ISRO Synthetic Aperture Radar），通過聯(lián)合利用L和S頻段信息，其能夠?qū)崿F(xiàn)對電離層較高精度的估計，也有助于提高對生物量、地表形變和土壤濕度估計的精度，還能提高土地分類結(jié)果的精度[55].

2.2多角度觀測能力

2.2.1多維SAR技術(shù)

為了獲取觀測場景更全面的散射信息，更好地實現(xiàn)城市區(qū)測繪、森林區(qū)監(jiān)測、地質(zhì)災(zāi)害監(jiān)測等應(yīng)用需求，要求SAR系統(tǒng)具有多維成像能力.然而，傳統(tǒng) SAR 系統(tǒng)只具備方位向和距離向的二維分辨能力，無法實現(xiàn)對觀測場景的多維成像.曲線/圓周 SAR（Curvilinear/Circular SAR，CSAR） 和層析 SAR（Tomographic SAR，TomoSAR）的出現(xiàn)實現(xiàn)了真正意義上的SAR 系統(tǒng)多維成像，它們能從三個維度上（距離向、方位向和高度向）對目標(biāo)的散射信息進(jìn)行分辨，但是它們也都存在各自的局限性.其中，CSAR 要求平臺做圓周運動，從不同方位獲取的目標(biāo)散射系數(shù)不再保持不變，使其能夠有效積累的孔徑是有限的，且其飛行軌跡不易控制，運動補償也非常復(fù)雜.TomoSAR 通過雷達(dá)平臺多次不同高度航過實現(xiàn)地面目標(biāo)的三維成像，其航過次數(shù)和基線變化都嚴(yán)重影響其成像質(zhì)量，同時其觀測成本也隨航過次數(shù)增加而提高.而且TomoSAR 采用側(cè)視模式，也不可避免會帶來一定程度的幾何畸變和陰影效應(yīng).

陣列三維 SAR 系統(tǒng)通過在切航跡方向布置均勻線陣天線，并利用雷達(dá)平臺運動可以形成一個虛擬二維平面陣列，從而能獲得切航跡向和沿航跡向的分辨率[56];同時，通過發(fā)射線性調(diào)頻信號并利用脈沖壓縮技術(shù)來獲得高度向的分辨率.陣列三維 SAR 采樣正下視模式，能夠克服陰影遮擋和幾何失真，通過一次直線航過即能實現(xiàn)對觀測區(qū)域的三維成像，在城市、山區(qū)等復(fù)雜區(qū)域成像方面具有顯著的優(yōu)勢.這些特點使得陣列三維 SAR 在森林地區(qū)三維成像、減災(zāi)救災(zāi)、城市規(guī)劃、軍事偵查等領(lǐng)域具有極大的研究價值和應(yīng)用前景.

2.2.2多方位SAR技術(shù)

通常，多數(shù)目標(biāo)在不同的方位角對電磁波的散射是不同的.因此，多方位散射信息的獲取能夠為解析目標(biāo)提供更多信息，有利于目標(biāo)的分類、檢測和識別、參數(shù)反演.傳統(tǒng)SAR只能在較小的方位角觀測范圍內(nèi)獲取目標(biāo)的后向散射信息，這對目標(biāo)信息量的獲取十分有限，一定程度上增加了目標(biāo)認(rèn)知的難度.為了提升雷達(dá)系統(tǒng)的多方位探測性能，多種SAR技術(shù)被提出：

1）最典型的就是上節(jié)提到的CSAR.通過以觀測場景為中心，雷達(dá)平臺在做360°的圓周運動的同時波束始終照射同一地面場景，形成一個圓形的孔徑，從而實現(xiàn)對中心場景的全方位觀測.與傳統(tǒng)條帶 SAR方式相比，CSAR不僅能大大消除由于目標(biāo)遮擋引起的陰影問題，而且能夠獲得目標(biāo)區(qū)域全方位的信息[57].

2）CSAR技術(shù)主要在機載平臺上實現(xiàn)，在星載SAR平臺上，主要采用大方位角波束掃描模式.在該模式下，平臺在經(jīng)過目標(biāo)區(qū)域時，通過實現(xiàn)天線波束方位向大角度掃描，完成對目標(biāo)區(qū)域的持續(xù)觀測，進(jìn)而獲得地面目標(biāo)不同方位角的后向散射信息.

3）除大角度波束掃描模式外，衛(wèi)星平臺也可利用其上行和下行的特點，并基于搭載的雷達(dá)系統(tǒng)的左視和右視能力，通過對同一區(qū)域多次過頂觀測，來實現(xiàn)對目標(biāo)區(qū)域四個方向上的散射信息的獲取.

由于能夠更全面地反映目標(biāo)的散射特性，多方位SAR技術(shù)能大大提升SAR系統(tǒng)的對地觀測能力，是未來SAR技術(shù)的發(fā)展方向之一.

2.3高時相觀測能力

2.3.1地球同步軌道SAR

隨著星載SAR應(yīng)用領(lǐng)域的進(jìn)一步拓寬，現(xiàn)有的星載SAR系統(tǒng)的工作能力正逐漸受到需求繁多的觀測任務(wù)的挑戰(zhàn)，這不但要求星載SAR能獲得具有超高分辨率的圖像，而且能夠?qū)崿F(xiàn)對某些感興趣的區(qū)域進(jìn)行大范圍高頻次重復(fù)觀測.這就在測繪幅寬、重訪周期以及可視能力等方面對星載SAR系統(tǒng)提出新的要求.

傳統(tǒng)SAR衛(wèi)星系統(tǒng)，由于軌道高度低（2 000 km以下）的局限，使得其在測繪幅寬與重訪周期等方面的觀測性能都受到了影響和限制，這已經(jīng)不能滿足對瞬息萬變的戰(zhàn)場或是突如其來的自然災(zāi)害等突發(fā)事件觀測的需求.相對于低軌道衛(wèi)星，運行在地球同步軌道（36 500 km）的衛(wèi)星具有一些不同的特點，地球同步軌道的衛(wèi)星由于軌道高度高，其重訪周期大約為24 h，具有比低軌道衛(wèi)星更短的重訪時間.此外，由于衛(wèi)星的軌道高度（36 000 km）極高，因此即使視線范圍很?。?°左右），對地面的覆蓋范圍也有約400 km 大小.鑒于此，地球同步軌道SAR （Geosynchronous Synthetic Aperture Radar，GEO SAR）系統(tǒng)，這種新體制SAR的提出已是SAR技術(shù)發(fā)展的必然要求.

GEO SAR滿足SAR成像的基本原理，地球同步軌道衛(wèi)星實際上是周而復(fù)始地運行在一定傾角與偏心率的軌道上的衛(wèi)星，這樣平臺與地球之間是存在相對運動的，能實現(xiàn)孔徑合成，從而獲得高質(zhì)量的SAR圖像[58].GEO SAR具備小時級的重訪能力，具有測繪面積寬、 可視范圍廣等優(yōu)勢，應(yīng)用前景廣闊，這就使得GEO SAR系統(tǒng)具備了得天獨厚的優(yōu)勢，特別是在重復(fù)性對地實時觀測以及應(yīng)對突發(fā)事件的能力等方面的潛能，確實是低軌SAR系統(tǒng)所不能企及的.

2.3.2視頻SAR

傳統(tǒng)的SAR系統(tǒng)主要是獲取某一時刻的“瞬間”或“瞬時”信息，不具備對觀測場景內(nèi)動態(tài)信息進(jìn)行連續(xù)監(jiān)測的能力.視頻SAR系統(tǒng)作為一種新型的雷達(dá)遙感體制，它通過對目標(biāo)場景進(jìn)行高時相成像，利用一定時間間隔采集目標(biāo)區(qū)域圖像，獲取目標(biāo)場景的SAR圖像碼流，同時獲取涵蓋空間和時間維度的動態(tài)變化數(shù)據(jù)，在傳統(tǒng)SAR成像的基礎(chǔ)上擴展了信息獲取的時間維度，使SAR系統(tǒng)實現(xiàn)了從傳統(tǒng)的“圖片”式靜態(tài)遙感向新型的“視頻”式動態(tài)遙感的轉(zhuǎn)變，這樣SAR系統(tǒng)就具備了更強的動態(tài)信息獲取能力，能夠獲得檢測目標(biāo)的時變特征，適用于動態(tài)目標(biāo)或場景的持續(xù)監(jiān)測.視頻SAR最主要的特點是，在給定分辨率和圖像幀率的前提下，對感興趣的區(qū)域進(jìn)行連續(xù)成像，進(jìn)而得到一系列的SAR圖像.視頻SAR系統(tǒng)通過將SAR成像技術(shù)和視頻顯示技術(shù)相結(jié)合，能夠?qū)崿F(xiàn)對SAR觀測區(qū)域的高時相的顯示.相比傳統(tǒng)的SAR觀測手段，視頻SAR系統(tǒng)給出的視頻成像結(jié)果，結(jié)合基于視頻的運動目標(biāo)探測技術(shù)，可以更加直觀地獲取目標(biāo)的位置、速度、運動趨勢等各種運動參數(shù)信息.2010 年，美國Sandia 實驗室研制出了機載 ViSAR 系統(tǒng)，ViSAR實現(xiàn)了 SAR 成像系統(tǒng)類似于光學(xué)系統(tǒng)的成像結(jié)果，獲得的 SAR 圖像以視頻的形式進(jìn)行了輸出，能夠全天時、全天候觀測慢速目標(biāo)，重新將SAR帶入一個新的時代，具有重要的應(yīng)用價值[59].

2.4分辨率和測繪幅寬提升

2.4.1DBF-MA SAR

常規(guī) SAR系統(tǒng)面臨著方位向高分辨與測繪帶寬的相互矛盾：一方面，為了獲得較高的方位分辨率，需要實現(xiàn)較大的多普勒帶寬，這就要求SAR系統(tǒng)的脈沖重復(fù)頻率（Pulse Repetition Frequency，PRF）足夠高，從而避免多普勒模糊;另一方面，為了實現(xiàn)大范圍覆蓋，SAR系統(tǒng)的接收周期需要足夠長，即脈沖重復(fù)時間足夠長，這就要求系統(tǒng)的 PRF應(yīng)當(dāng)足夠低.因此，方位分辨率與測繪幅寬之間的相互制約關(guān)系成為常規(guī)單通道 SAR系統(tǒng)性能提升的瓶頸.

為了克服上述傳統(tǒng)SAR的矛盾，多種高分辨率寬測繪帶 SAR 的實現(xiàn)模式被提出，其中研究最多的是基于數(shù)字波束形成（Digital Beam Forming，DBF）技術(shù)[60]和多天線（Multiple Aperture，MA）技術(shù)[61]的工作模式.該工作模式最顯著特點是，在其接收端，利用多天線來獨立接收回波數(shù)據(jù)，并且各自實現(xiàn)回波數(shù)據(jù)的解調(diào)、模數(shù)轉(zhuǎn)換、波束形成以及數(shù)據(jù)存儲等處理.在低 PRF 條件下進(jìn)行工作時，對于單個天線而言，雖然方位向分辨能力不足，但利用多天線數(shù)據(jù)信息可以彌補低PRF的不足，通過利用 DBF 處理能力實現(xiàn)多普勒模糊的抑制，實現(xiàn)較高的方位向分辨率.同時，由于在低PRF情況下，使得足夠遠(yuǎn)的回波信號落在接收窗內(nèi)，從而也可以獲得較大測繪幅寬的信息.因此，該工作模式可以實現(xiàn)高分辨率寬測繪帶成像.

2.4.2MIMO-SAR

多發(fā)多收（Multi-Input，Multi-Output，MIMO）雷達(dá)是近年來發(fā)展起來的一種新體制雷達(dá)，它的本質(zhì)特點是雷達(dá)系統(tǒng)通過多天線同時發(fā)射、多天線同時接收的工作方式能夠獲得遠(yuǎn)多于實際天線數(shù)目的等效觀測通道，可取得超越常規(guī)雷達(dá)在檢測、估計、成像、跟蹤和可視等各個環(huán)節(jié)的性能.MIMO-SAR具有更高的自由度，不光能實現(xiàn)高分辨率寬測繪帶成像，還能為解決多任務(wù)協(xié)同等實際問題提供有效的技術(shù)途徑[62].

依據(jù)多個收發(fā)天線之間的位置和布局關(guān)系，MIMO-SAR系統(tǒng)主要構(gòu)成大致可分為兩大類.第一類為“緊湊式MIMO-SAR”，是指收發(fā)天線陣元位于同一平臺或者距離緊密.通過這種模式，可用較少的收發(fā)天線陣元等效獲得大的虛擬孔徑，且各收發(fā)天線陣元相關(guān)性很強.通過天線陣列在平臺上的布置方式的不同，不僅能夠提高空間分辨率、測繪帶、動目標(biāo)和弱目標(biāo)檢測等性能，還可以實現(xiàn)高精度三維下視成像和多基線干涉等能力.但是在該模式下，由于天線陣元距離緊湊，所獲取的回波信號主要來自于觀測目標(biāo)同一方向上的散射信息.第二類為“分布式MIMO-SAR”，其主要特點是發(fā)射和接收天線分別放置在不同的運動平臺上，通過雷達(dá)組網(wǎng)的方式構(gòu)成分布式 SAR 系統(tǒng)，來降低目標(biāo)雷達(dá)橫截面積隨觀測角起伏變化對SAR系統(tǒng)檢測性能的影響.該模式下，經(jīng)過回波分離處理后就能夠獲得同一目標(biāo)不同方位下的散射信息，從而增強了SAR系統(tǒng)的目標(biāo)檢測和識別性能.

3總結(jié)

本文對近十年四種典型的先進(jìn)SAR對地觀測技術(shù)的最新進(jìn)展進(jìn)行了總結(jié)和分析，可以看到這幾種先進(jìn)SAR技術(shù)進(jìn)一步深入利用了電磁波的波段、極化、振幅和相位等信息，極大促進(jìn)了SAR理論和方法的發(fā)展，如地物目標(biāo)散射機理的精細(xì)探測、極化干涉SAR理論體系的進(jìn)一步完善、SAR層析成像算法分辨能力越來越高、超高分辨率SAR統(tǒng)計特性的探究等，能夠挖掘出地物目標(biāo)更加豐富的信息，可以對地球表面動態(tài)過程進(jìn)行高精細(xì)、大尺度和連續(xù)不斷的監(jiān)測，來滿足對全球或區(qū)域可持續(xù)發(fā)展和全球環(huán)境變化監(jiān)測的迫切需求.

本文在現(xiàn)有研究的基礎(chǔ)上，探討了未來新型SAR技術(shù)的發(fā)展趨勢.未來SAR技術(shù)將繼續(xù)在多通道信息獲取、多角度觀測、高時相觀測、分辨率和測繪幅寬等方面做進(jìn)一步的提升，將會出現(xiàn)一些新型的SAR系統(tǒng)如陣列三維SAR、GEO SAR、DBF-MA SAR、MiMO-SAR，使得SAR技術(shù)在全球環(huán)境變化、全球森林監(jiān)測、城市三維信息獲取、資源勘察、環(huán)境監(jiān)測與評價以及對月探測等領(lǐng)域中發(fā)揮越來越重要的作用.雖然目前還有很多技術(shù)難題有待突破，但是隨著技術(shù)的發(fā)展，相信這些難題都會最終解決，SAR對地觀測技術(shù)也將邁入下一個新的發(fā)展時期.

參考文獻(xiàn)

References

[1]郭華東，李新武.新一代SAR對地觀測技術(shù)特點與應(yīng)用拓展[J].科學(xué)通報，2011，56（15）：1155-1168

GUO Huadong，LI Xinwu.Technical characteristics and potential application of the new generation SAR for earth observation[J].Chinese Science Bulletin，2011，56（15）：1155-1168

[2]Cloude S.Polarisation：applications in remote sensing[M].New York，NY，USA：Oxford University Press，2009.DOI：10.1093/acprof：oso/9780199569731.001.0001

[3]解清華.顧及散射機理和地形坡度的極化干涉 SAR 森林高度反演模型與算法研究[D].長沙：中南大學(xué)，2017

XIE Qinghua.Model and algorithm development of PolInSAR forest height inversion taking into account scattering mechanism and terrain slope[D].Changsha：Central South University，2017

[4]Iodice A，Natale A，Riccio D.Retrieval of soil surface parameters via a polarimetric two-scale model[J].IEEE Transactions on Geoscience and Remote Sensing，2011，49（7）：2531-2547

[5]Chen S W，Wang X S，Xiao S P，et al.General polarimetric model-based decomposition for coherency matrix[J].IEEE Transactions on Geoscience and Remote Sensing，2014，52（3）：1843-1855

[6]di Martino G，Iodice A，Natale A，et al.Polarimetric two-scale two-component model for the retrieval of soil moisture under moderate vegetation via L-band SAR data[J].IEEE Transactions on Geoscience and Remote Sensing，2016，54（4）：2470-2491

[7]Shan Z L，Zhang H，Wang C，et al.Four-component model-based decomposition of polarimetric SAR data for special ground objects[J].IEEE Geoscience and Remote Sensing Letters，2012，9（5）：989-993

[8]Xiang D L，Ban Y F，Su Y.Model-based decomposition with cross scattering for polarimetric SAR urban areas[J].IEEE Geoscience and Remote Sensing Letters，2015，12（12）：2496-2500

[9]Jagdhuber T.An approach to extended Fresnel scattering for modeling of depolarizing soil-trunk double-bounce scattering[J].Remote Sensing，2016，8（10）：818

[10]An W T，Cui Y，Yang J.Three-component model-based decomposition for polarimetric SAR data[J].IEEE Transactions on Geoscience and Remote Sensing，2010，48（6）：2732-2739

[11]Antropov O，Rauste Y，Hame T.Volume scattering modeling in PolSAR decompositions：study of ALOS PALSAR data over boreal forest[J].IEEE Transactions on Geoscience and Remote Sensing，2011，49（10）：3838-3848

[12]Sato A，Yamaguchi Y，Singh G，et al.Four-component scattering power decomposition with extended volume scattering model[J].IEEE Geoscience and Remote Sensing Letters，2012，9（2）：166-170

[13]Huang X D，Wang J F，Shang J L.Simplified adaptive volume scattering model and scattering analysis of crops over agricultural fields using the RADARSAT-2 polarimetric synthetic aperture radar imagery[J].Journal of Applied Remote Sensing，2015，9（1）：096026

[14]Xie Q H，Ballester-Berman J，Lopez-Sanchez J，et al.On the use of generalized volume scattering models for the improvement of general polarimetric model-based decomposition[J].Remote Sensing，2017，9（2）：117

[15]Xie Q H，Zhu J J，Lopez-Sanchez J M，et al.A modified general polarimetric model-based decomposition method with the simplified Neumann volume scattering model[J].IEEE Geoscience and Remote Sensing Letters，2018，15（8）：1229-1233

[16]Zou B，Zhang Y，Cao N，et al.A four-component decomposition model for PolSAR data using asymmetric scattering component[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2015，8（3）：1051-1061

[17]Bian Y，Mercer B.PolInSAR statistical analysis and coherence optimization using fractional lower order statistics[J].IEEE Geoscience and Remote Sensing Letters，2010，7（2）：314-318

[18]Ballester-Berman J D，Lopez-Sanchez J M.Applying the Freeman-Durden decomposition concept to polarimetric SAR interferometry[J].IEEE Transactions on Geoscience and Remote Sensing，2010，48（1）：466-479

[19]談璐璐，楊立波，楊汝良.基于ESPRIT算法的極化干涉SAR植被高度反演研究[J].測繪學(xué)報，2011，40（3）：296-300

TAN Lulu，YANG Libo，YANG Ruliang.Investigation of tree height retrieval with polarimetric SAR interferometry based on ESPRIT algorithm[J].Acta Geodaetica et Cartographica Sinica，2011，40（3）：296-300

[20]宋桂萍，汪長城，付海強，等.植被高度的極化干涉互協(xié)方差矩陣分解反演法[J].測繪學(xué)報，2014，43（6）：613-619，636

SONG Guiping，WANG Changcheng，F(xiàn)U Haiqiang，et al.A novel vegetation height inversion method based on polarimetric interferometric covariance matrix decomposition[J].Acta Geodaetica et Cartographica Sinica，2014，43（6）：613-619，636

[21]Guo S L，Li Y，Zhang J J，et al.Modification of polarimetric SAR interferometry target decomposition with accurate topography[J].IEEE Geoscience and Remote Sensing Letters，2015，12（7）：1476-1480

[22]付海強.顧及趨勢性誤差改正及觀測信息增強的InSAR/PolInSAR 林下地形及森林高度反演方法研究[D].長沙：中南大學(xué)，2018

FU Haiqiang.Method development of InSAR/PolInSAR sub-canopy topography and forest height inversion taking into account trend error correction and observation information enhancement[D].Changsha：Central South University，2018

[23]談璐璐，陳兵，楊汝良.利用POLInSAR數(shù)據(jù)反演植被高度的改進(jìn)三階段算法[J].系統(tǒng)仿真學(xué)報，2010，22（4）：996-999

TAN Lulu，CHEN Bing，YANG Ruliang.Improved three-stage algorithm of tree height retrieval with PolInSAR data[J].Journal of System Simulation，2010，22（4）：996-999

[24]Fu H Q，Wang C C，Zhu J J，et al.Inversion of vegetation height from PolInSAR using complex least squares adjustment method[J].Science China Earth Sciences，2015，58（6）：1018-1031

[25]Ferro-Famil L，Neumann M，Huang Y.Multi-baseline POL-inSAR statistical techniques for the characterization of distributed media[C]∥IEEE International Geoscience and Remote Sensing Symposium，2009：971-974

[26]Fu W X，Guo H D，Li X W，et al.Extended three-stage polarimetric SAR interferometry algorithm by dual-polarization data[J].IEEE Transactions on Geoscience and Remote Sensing，2016，54（5）：2792-2802

[27]Xie Q H，Zhu J J，Wang C C，et al.A modified dual-baseline PolInSAR method for forest height estimation[J].Remote Sensing，2017，9（8）：819

[28]Fu H Q，Wang C C，Zhu J J，et al.Estimation of pine forest height and underlying DEM using multi-baseline P-band PolInSAR data[J].Remote Sensing，2016，8（10）：820

[29]Cloude S R.Polarization coherence tomography[J].Radio Science，2006，41（4）：1-27

[30]Zhang H，Ma P F，Wang C.A new function expansion for polarization coherence tomography[J].IEEE Geoscience and Remote Sensing Letters，2012，9（5）：891-895

[31]李蘭.森林垂直信息P-波段SAR層析提取方法[D].北京：中國林業(yè)科學(xué)研究院，2016

LI Lan.Forest vertical information extraction based on P-band SAR tomography[D].Beijing：Chinese Academy of Forestry，2016

[32]Tebaldini S，Rocca F.Multibaseline polarimetric SAR tomography of a boreal forest at P-and L-bands[J].IEEE Transactions on Geoscience and Remote Sensing，2012，50（1）：232-246

[33]Peng X，Li X W，Wang C C，et al.A maximum likelihood based nonparametric iterative adaptive method of synthetic aperture radar tomography and its application for estimating underlying topography and forest height[J].Sensors，2018，18（8）：2459

[34]Huang Y，F(xiàn)erro-Famil L，Reigber A.Under-foliage object imaging using SAR tomography and polarimetric spectral estimators[J].IEEE Transactions on Geoscience and Remote Sensing，2012，50（6）：2213-2225

[35]Meglio F，Panariello G，Schirinzi G.Three dimensional SAR image focusing from non-uniform samples[C]∥IEEE International Geoscience and Remote Sensing Symposium，2007：528-531

[36]Zhu X X，Bamler R.Tomographic SAR inversion by L1-norm regularization：the compressive sensing approach[J].IEEE Transactions on Geoscience and Remote Sensing，2010，48（10）：3839-3846

[37]Aguilera E，Nannini M，Reigber A.Wavelet-based compressed sensing for SAR tomography of forested areas[J].IEEE Transactions on Geoscience and Remote Sensing，2013，51（12）：5283-5295

[38]Liang L，Guo H D，Li X W.Three-dimensional structural parameter inversion of buildings by distributed compressive sensing-based polarimetric SAR tomography using a small number of baselines[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2014，7（10）：4218-4230

[39]Li X W，Liang L，Guo H D，et al.Compressive sensing for multibaseline polarimetric SAR tomography of forested areas[J].IEEE Transactions on Geoscience and Remote Sensing，2016，54（1）：153-166

[40]Huang Y，Levy-Vehel J，F(xiàn)erro-Famil L，et al.Three-dimensional imaging of objects concealed below a forest canopy using SAR tomography at L-band and wavelet-based sparse estimation[J].IEEE Geoscience and Remote Sensing Letters，2017，14（9）：1454-1458

[41]Peng X，Wang C C，Li X W，et al.Three-dimensional structure inversion of buildings with nonparametric iterative adaptive approach using SAR tomography[J].Remote Sensing，2018，10（7）：1004

[42]Peng X，Li X W，Zhu J J，et al.SPICE-based SAR tomography over forest areas using a small number of P-band airborne F-SAR images characterized by non-uniformly distributed baselines[J].Remote Sensing，2019，11（8）：975

[43]Normant E，F(xiàn)ronteau B，Hardange J P，et al.Characteristics and applications of long range ultra high resolution SAR mode[C]∥IEE Colloquium High Resolution Radar and Sonar.IET，1999：4/1-4/6

[44]Essen H，Nüler D，Krebs C，et al.Polarimetric millimetre wave SAR for precision farming applications[C]∥Remote Sensing for Agriculture，Ecosystems，and Hydrology XII.International Society for Optics and Photonics，2010，7824：78241Q

[45]Novack T，Stilla U.Discrimination of urban settlement types based on space-borne SAR datasets and a conditional random fields model[J].ISPRS Annals of Photogrammetry，Remote Sensing and Spatial Information Sciences，2015，II-3/W4：143-148

[46]Davis M S，Bidigare P，Chang D.Statistical modeling and ML parameter estimation of complex SAR imagery[C]∥Conference Record of the Forty-First Asilomar Conference on Signals，Systems and Computers，2007：500-502

[47]Wu W J，Guo H D，Li X W，et al.Urban land use information extraction using the ultrahigh-resolution Chinese airborne SAR imagery[J].IEEE Transactions on Geoscience and Remote Sensing，2015，53（10）：5583-5599

[48]Wu W J，Li X W，Guo H D，et al.Noncircularity parameters and their potential applications in UHR MMW SAR data sets[J].IEEE Geoscience and Remote Sensing Letters，2016，13（10）：1547-1551

[49]Popescu A A，Gavat I，Datcu M.Contextual descriptors for scene classes invery high resolution SAR images[J].IEEE Geoscience and Remote Sensing Letters，2011，9（1）：80-84

[50]Wu W J，Li X W，Guo H D，et al.Millimeter-wave ultrahigh resolution SAR image classification based on a new feature set[J].IEEE Geoscience and Remote Sensing Letters，2018，15（8）：1204-1208

[51]Wu W J，Li H L，Zhang L，et al.High-resolution PolSAR scene classification with pretrained deep convnets and manifold polarimetric parameters[J].IEEE Transactions on Geoscience and Remote Sensing，2018，56（10）：6159-6168

[52]Wu W J，Li H L，Li X W，et al.PolSAR image semantic segmentation based on deep transfer learning：realizing smooth classification with small training sets[J].IEEE Geoscience and Remote Sensing Letters，2019，16（6）：977-981

[53]Lavalle M，Pottier E，Solimini D，et al.The feasibility of a compact polarimetric synthetic aperture radar for PolSAR and Pol-InSAR applications[C]∥IEEE International Geoscience and Remote Sensing Symposium，2009

[54]Dubois-Fernandez P C，Souyris J C，Angelliaume S，et al.The compact polarimetry alternative for spaceborne SAR at low frequency[J].IEEE Transactions on Geoscience and Remote Sensing，2008，46（10）：3208-3222

[55]Rosen P，Hensley S，Shaffer S，et al.An update on the NASA-ISRO dual-frequency DBF SAR （NISAR） mission[C]∥IEEE International Geoscience and Remote Sensing Symposium，2016，DOI：10.1109/IGARSS.2016.7729543

[56]孫龍，江凱，施晉生.陣列三維SAR系統(tǒng)技術(shù)研究[J].雷達(dá)科學(xué)與技術(shù)，2016，14（3）：279-285

SUN Long，JIANG Kai，SHI Jinsheng.Research on linear array three-dimensional SAR technology[J].Radar Science and Technology，2016，14（3）：279-285

[57]Ponce O，Prats-Iraola P，Pinheiro M，et al.Fully polarimetric high-resolution 3-D imaging with circular SAR at L-band[J].IEEE Transactions on Geoscience and Remote Sensing，2014，52（6）：3074-3090

[58]Hobbs S，Mitchell C，F(xiàn)orte B，et al.System design for geosynchronous synthetic aperture radar missions[J].IEEE Transactions on Geoscience and Remote Sensing，2014，52（12）：7750-7763

[59]Linnehan R，Miller J，Bishop E，et al.An autofocus technique for video-SAR[C]∥Algorithms for Synthetic Aperture Radar Imagery XX.International Society for Optics and Photonics，2013，8746：874608

[60]Younis M，F(xiàn)ischer C，Wiesbeck W.Digital beamforming in SAR systems[J].IEEE Transactions on Geoscience and Remote Sensing，2003，41（7）：1735-1739

[61]Jung H S，Lee D T，Lu Z，et al.Ionospheric correction of SAR interferograms by multiple-aperture interferometry[J].IEEE Transactions on Geoscience and Remote Sensing，2013，51（5）：3191-3199

[62]Krieger G.MIMO-SAR：opportunities and pitfalls[J].IEEE Transactions on Geoscience and Remote Sensing，2014，52（5）：2628-2645

New advances of SAR and its application in earth observation

LI Xinwu1GUO Huadong1PENG Xing2ZHANG Lu1FU Wenxue1LIANG Lei1WU Wenjin1

1Key Lab of Digital Earth Sciences，Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing100094

2School of Geography and Information Engineering，China University of Geosciences （Wuhan），Wuhan430074

AbstractThe Synthetic Aperture Radar （SAR） technology and its application have developed rapidly since the birth of the first SAR in April of 1960.The deepening and comprehensive technological utilization of different electromagnetic wavebands，polarization，amplitude and phase information，is characterized by the bi-static/multi-static or constellation observation，polarimetric SAR interferometric measurement，high revisit and wide swath mapping with high resolution，3D/4D structure information retrieval，and ultra-high resolution observation.In application aspects，it is featured by efforts to realize the high precision，large scale and time continuous monitoring and evaluation of the Earth surface dynamic process，under the background of major global issues such as global change and global sustainable development.In this paper，we introduce the research background and significance of the new SAR technology for earth observation，and then analyze the progresses of four typical advanced SAR technologies for the past decade，including polarimetric SAR （PolSAR），polarimetric interferometric SAR （PolInSAR），tomographic SAR （TomoSAR），and ultra-high resolution SAR （UHR SAR）.Finally，the future development trend of the SAR earth observation technology is analyzed，mainly focused on four aspects：multi-channel information acquisition，multi-angle observation，high temporal observation，high resolution and wide swath mapping.

Key wordsPolSAR;PolInSAR;TomoSAR;UHR SAR;progress and tendency

收稿日期2019-10-08

資助項目國家自然科學(xué)基金（41571360）

作者簡介

李新武，男，博士，研究員，博士生導(dǎo)師，主要研究方向為環(huán)境雷達(dá)遙感.lixw@aircas.ac.cn

彭星（通信作者），女，博士，副教授，主要研究方向為SAR層析遙感.pengxing@cug.edu.cn

1中國科學(xué)院空天信息創(chuàng)新研究院/數(shù)字地球重點實驗室，北京，100094

2中國地質(zhì)大學(xué)（武漢）地理與信息工程學(xué)院，武漢，430074