Atmosfärisk korrigering för interferometrisk syntetisk aperturradarteknik

Atmosfärisk korrigering för Interferometric Synthetic ApertureRadar ( InSAR )-teknik är en uppsättning olika metoder för att ta bort artefaktförskjutning från ett interferogram orsakat av inverkan av vädervariabler som luftfuktighet , temperatur och tryck . Ett interferogram genereras genom att behandla två radarbilder med syntetisk bländaröppning före och efter en geofysisk händelse som en jordbävning . Korrigeringar för atmosfäriska variationer är ett viktigt steg i InSAR-databehandling i många studieområden för att mäta ytförskjutning eftersom relativa fuktighetsskillnader på 20 % kan orsaka felaktigheter på 10–14 cm InSAR på grund av varierande fördröjningar i radarsignalen. Sammantaget kan atmosfäriska korrigeringsmetoder delas in i två kategorier: a) Användning av Atmospheric Phase Screen (APS) statistiska egenskaper och b) Användning av extra (extern) data såsom GPS- mätningar, multispektrala observationer, lokala meteorologiska modeller och globala atmosfäriska modeller .

Å andra sidan kan atmosfäriskt buller ha ett visst värde för atmosfärisk forskning inom meteorologi eftersom atmosfäriska artefakters signaler är relaterade till vattenånga i troposfären. Den rumsliga upplösningen för InSAR -kartan för C-bandssatelliter som Sentinel-1 utan multi-looking är cirka 20 meter. Det betyder att InSAR kan mäta Precipitable Water Vapor (PWV) i atmosfären i ett 20m rutnät över hundratals kilometer, vilket är mycket tätare än andra metoder som GNSS och rymdburna passiva sensorer. Den långa återbesökstiden för Sentinel-1 (tidsupplösning, 12 dagar) för tillfället är dock den största nackdelen med denna teknik från meteorologernas sida. Ändå är det intressant för meteorologisk forskning att använda InSARs förmåga att mäta PWV i hög rumslig upplösning.

Vad är InSAR?

InSAR kan tillhandahålla exakta (millimeternivå) markförskjutningsfält för stora områden över hundratals kilometer. Den här tekniken använder två syntetiska bländarradarbilder av samma område som förvärvats vid olika tidpunkter för att mäta ytrörelse mellan dessa tidpunkter. Icke desto mindre inkluderar resultatet av interferometrisk radar med syntetisk apertur i interferogramform faktisk förskjutning och andra effekter. Följaktligen måste dessa andra effekter beräknas och tas bort från interferogram för att uppnå ett exakt resultat av verklig markförskjutning. Vissa av dessa fel har större inflytande, såsom orbitala fel, topografiska effekter och atmosfäriska artefakter. Det finns flera metoder för att ta bort alla dessa ljud till en rimlig och acceptabel mängd förutom atmosfäriska effekter med hög noggrannhet. En betydande utmaning för InSAR -gemenskapen är således atmosfäriska artefakter. Ibland, särskilt i områden med hög luftfuktighet, är effekten av atmosfäriskt buller mycket större än geofysiska händelser och förhindrar detektering av ytförskjutning.

Atmosfäriskt brus

I radarsatelliter reflekteras mikrovågssignaler från en ihållande spridning i ett målområde, och deras tvåvägsresa mäts av satelliter. Vattenånga i troposfären och fria elektroner i jonosfären påverkar utbredningen av mikrovågssignaler genom atmosfären eftersom det olika brytningsindexet i dessa lager påverkar utbredningshastigheten.

Jonosfär

Jonosfäriskt fasbrus, som uppträder mer påtagligt med större våglängder , såsom P- eller L-bandsradar, är en följd av variationer i fri elektrontäthet i 100–1000 km höjd längs färdvägen. Radarsatelliter med stora våglängder som ALOS Polsar 1/2 (L-band, λ=~24 cm) och NISAR är mer känsliga för jonosfäriska fördröjningar. Detta brus är dock ungefär mindre effektivt i C-band (λ=5,6 cm) och X-band (λ=3,1 cm) SAR-satelliter som Envisat, RADARSAT , ERS1/2 och TerraSAR-X och är vanligtvis försumbart. Det finns ett par metoder för att ta bort den jonosfäriska brusartefakten:

Använder extra data som GNSS
Jonosfäriska vädermodeller
Använder azimutskifte
Split-spektrum metoder

Troposfär

Troposfären är det nedre lagret av atmosfären, med upp till 90 % av atmosfärens vattenånga. En höjd av 1,4 km från markytan innehåller 50 % av vattenångmassan, och både på global och lokal skala sker det mesta av världens väder i detta lager. Därför orsakas de troposfäriska vägförseningarna av skillnader i temperatur , atmosfärstryck och vattenångan i den nedre delen av atmosfären . Atmosfärsfördröjning i mikrovågor är summan av de turbulenta och vertikala skiktade komponenterna. Den turbulenta komponenten kan påverka platt och bergig terräng och är vanligtvis starkt korrelerad i rymden och okorrelerad i tid. Å andra sidan påverkar den vertikala stratifierade komponenten med en hög korrelation till topografi endast områden med topografiska variationer, såsom kullar eller berg. Även om den troposfäriska effekten betraktas som buller i InSAR -samhället, har den stora fördelar inom meteorologi och gör det möjligt för forskare att förutsäga och modellera vattenånga i troposfären . Utbredningsfördröjningen av elektromagnetiska vågor från radarsatelliter i troposfären kommer att förklaras i det följande i termer av meteorologi och InSAR- sidan.

Troposfäreffekt på InSAR

Från InSAR- sidan är signalfördröjning orsakad av variationer av troposfäriska egenskaper i rum och tid källan till stora utmaningar för InSAR -tekniken. Med andra ord kan troposfärisk störning, orsakad av skillnaderna i relativ fuktighet , temperatur och tryck i den nedre delen av troposfären mellan två förvärv, leda till ytterligare buller i form av fransar upp till 15–20 cm på interferogram . Det atmosfäriska bruset på InSAR- resultat kan inkludera ett brett spektrum av våglängder (kort till lång). Långvåglängdsfel, vanligtvis ses som en ramp (som en trend) i interferogram , orsakas av att vädersystemet i studieområdet ändras mycket smidigt mellan två SAR-bilder. Eftersom detta brus liknar orbital rampfel och fasta jordvatten, är det komplicerat att upptäcka det i ett interferogram . Å andra sidan kan snabbt växlande väder på ett litet område orsaka artefaktersignaler som korrelerar med topografi eftersom vattenångans variation i yta och höjder är olika. Dessutom kan ett regnmoln i en liten region generera ett turbulensfel som skulle vara synligt som höjning eller sättning på interferogram . Sammantaget kan det troposfäriska felet på interferogram klassificeras i rum och tid:

Troposfärisk artefakt	Plats	Systematisk	Stratifierad
	Plats	Stokastisk	Turbulent
	Tid	Systematisk	Säsong
	Tid	Stokastisk	Icke-säsongsbetonad

Vertikal skiktning: Vertikal skiktning är korrelerad med topografi och kan ses varhelst det finns kullar eller berg eftersom mängden vattenånga inte är konstant nära ytan och ändras avsevärt med höjden. Därför kan växlande väder (vattenånga) mellan två SAR-bilder orsaka fördröjning och därmed vertikalt skiktningsbrus i interferogrammet.
Turbulens: Turbulent blandning består av komponenter i kort skala (några km) och är inte direkt korrelerad med topografi och påverkar både plan terräng och terräng på högre höjd.
Säsongsbetonad (systematisk) effekt : Variation av fukthalten i atmosfären under olika årstider kan skapa en artefakt och påverka tidsserien för InSAR- förskjutning. Det stora antalet SAR-förvärv kommer inte nödvändigtvis att minska hastighetsförspänningen. Icke desto mindre kan den stratifierade troposfäriska fördröjningskorrigeringen mildra effekterna av säsongsfördröjningen.

Troposfärens effekt på meteorologi

GPS atmosphere När det gäller meteorologi kan troposfärfördröjning intressant nog betraktas som ett användbart verktyg för meteorologiska ändamål. Traditionella metoder för att mäta vattenånga inkluderar användning av a) Meteorologiska stationer, b) Radiosonde , c) Spektrometer och d) GPS . Under de senaste åren har InSAR gjort det möjligt för meteorologiska forskare att mäta utfällbar vattenånga (PWV) i atmosfären med hög rumslig upplösning . Även om InSAR temporal sampling (12 dagar för sentinel1) av atmosfäregenskaper är grövre än GPS (15 min), är den största fördelen med InSAR PWV-kartor dess höga rumsliga upplösning på upp till några meter (20 m). Därför meteorologiska forskare traditionell <a i=17>GPS- tomografi av <a i=19>atmosfären med InSAR-data (atmosfärisk del) för att öka deras modellers tidsmässiga och rumsliga upplösning.

Troposfäriska korrigeringsmetoder

Fasfördröjningen genom troposfären kan karakteriseras av brytningsförmågan (N).

$\Delta _{atm}=10^{-}6\int N(z)dz$ Atmosfärsparametrarna kan användas för att beräkna N(z) ) som atmosfärens brytningsförmåga . Denna fördröjning kan delas in i två komponenter: Torrfördröjning och Våtfördröjning. Den torra fördröjningen, som bestäms av temperaturen och trycket hos torr luft, och den våta fördröjningen, som huvudsakligen bestäms av mängden vattenånga i troposfären .

$N_{tropo}={\Bigl (}k_{1 }{\frac {P}{T}}{\Bigr )}_{hydr}+{\Bigl (}K'_{2}{\frac {e}{T}}+k_{3}{\frac {e}{T^{2}}}{\Bigr )}_{våt}$

där P anger totalt atmosfärstryck, T är temperaturen och e är partialtrycket för vattenånga. Koefficienterna k ₁ =0,776 K/Pa, k ₂ = 0,716 K/Pa och k ₃ = 3,75 × 10 ³ K ₂ /Pa kallas brytningskonstanter.

Eftersom trycket varierar med höjden är den torra delen korrelerad med topografin och kan nå en 2,3–2,4 m fördröjning i zenitriktningen ( zenit hydrostatisk fördröjning (ZHD)). Även om den torra delen avsevärt påverkar fördröjningen, är denna komponent inte en stor utmaning eftersom mängden av det är relativt stabil i termer av tidsmässigt och rumsligt i atmosfären. Därför är skillnaden för denna komponent mellan två SAR-bilder nästan noll. Tvärtom, även om den våta komponenten ( Zenith Wet delay (ZWD)) bara inkluderar 10% av den totala fördröjningen (max =~30 cm), är denna del den största källan till troposfäriskt brus i InSAR eftersom vatteninnehållet rör sig i troposfären och orsaka stratifierad och turbulent effekt i interferogrammet .

Därför beräknas den totala fördröjningen av integralen av de våta och torra komponenterna i siktlinjen (LOS) mellan ythöjden och satelliten:

$\delta L_{LOS}^{s}(z)={\frac {10^{-6}}{cos\theta }}\{{\frac {k_{1}R_{d}}{g_{m}}}{\bigl (}P(z)-P(z_{ref}))+\int _{z}^ {z_{re}}{\Bigl (}{\Bigl (}k_{2}-{\frac {R_{d}}{R_{v}}}k_{1}{\Bigr )}{\frac { e}{T}}+k_{3}{\frac {e}{T^{2}}}{\Bigr )}dz\}$

I denna ekvation:


Variabel	namn	Variabel	namn
θ	Infallsvinkel (mellan vertikal och radarvågs utbredningsriktning)	g _m	Vägt medelvärde av gravitationsaccelerationen mellan z och _zre
Rd	Torrluftspecifika gaskonstanter = 287,05 J.kg ⁻¹ .K ⁻¹	e	Vattenångans partialtryck i Pa
Rv	Vattenångspecifika gaskonstanter = 461.495 J.kg ⁻¹ .K ⁻¹	sid	Torr luftpartialtryck i Pa
T	Temperatur i K

Eftersom det inte finns någon exakt teknik som skulle kunna bestämma den totala brytningsförmågan på samma rumsliga skala och tidsmässiga provtagning som själva interferogrammet, har olika metoder utvecklats för att mäta atmosfärens bidrag inom interferogram. I det följande introduceras ett par metoder för att lindra troposfäriska artefakter från interferogram:

Tidsseriemetoder som Persistent Scatter (PS) och Small Baseline Subset (SBAS)

Stapling har varit en av de användbara strategierna för att minska troposfäriska artefakter från interferogram. Staplingsmetoden bearbetar flera till hundratals filtrerade och oinpackade interferogram tillsammans med olika algoritmer som Small Baseline Subset (SBAS) och persistent scatterer (PS) för att mäta ytförskjutning under en lång period. Dessa metoder ökar signal-brusförhållandet för signaler utan någon extern information och är mycket användbara för att mildra turbulensfel. Den andra fördelen med denna metod är att den är oberoende av extern data och enkel att implementera.

Begränsning : För tillvägagångssätt för tidsserieanalys som PS och SBAS måste en stor datamängd bearbetas och denna metod kan mestadels minska den turbulenta delen av troposfärens brus och intressanta signaler kan felaktigt tas bort. Således kan denna metod inte implementeras endast för ett interferogram.

Beräknad troposfärsfördröjning från GNSS

GNSS använder mikrovågsdelen av det elektromagnetiska spektrumet som liknar SAR-tekniken och båda mätningarna påverkas av atmosfärsfördröjningen och båda ger geodetiska mätningar med jämförbar noggrannhet. Att använda interpolerande GNSS- observation (ِtät GNSS-nätverk) för att uppskatta troposfärsfördröjning kan därför vara en mer exakt strategi för att korrigera InSAR-observationer.

Begränsning : Interpolering av zenitfördröjningsmätningar kräver tätt GNSS-nätverk i studieområdet men GNSS-stationer är fortfarande glest utspridda eller till och med frånvarande i många regioner, och denna metod tar bara prover på troposfären i närheten av enskilda GNSS-platser. Dessutom GNSS- datauppsättningar fortfarande inte fritt tillgängliga för allmänheten i många områden i världen.

Spektrometrar satellit (MERIS och MODIS )

Spektrometermätningar är satellitbaserade observationer från rymden som gör det möjligt att uppskatta den atmosfäriska vattenångan genom bandförhållanden i det nära- infraröda spektrumet. Denna metod har en relativt hög rumslig upplösning för att beräkna den turbulenta komponenten av den atmosfäriska störningen.

Begränsning : Kräver samlokaliserade sensorer och molnfria förhållanden och endast tillgänglig på dagtid. Tidsskillnader mellan radar- och PWV-data (precipitable water vapor) kan betraktas som en begränsning. Dessutom kan spektrometern inte uppskatta atmosfärens torra komponent och beräkna den våta delen av fördröjningen.

Numeriska vädermodeller (ERA5)

(ECMWF GNSS Fördelen med denna metod är okänslig för närvaron av moln och global/regional/lokal täckning. Genom att använda ERA når osäkerheten i ZWD på höga breddgrader (> 30∘) 1–2 cm, medan osäkerheten på låga breddgrader (< 30∘) är cirka 2–6 cm. De flesta studier rapporterade varierande grad av framgång för att använda denna metod. Ändå är ERA-interim- och ERA5globalaomanalysmodeller från av av -Range Weather Forecasting<a i=1> ( ) och HRES ECMWFs prognosmodell. Dessutom syftar GACOS projektet till att förfina information från HRES med<a i=3> GNSS zenitförseningar om tillgänglig.

Begränsning : Den låga rumsliga upplösningen och den ursprungliga tidsmässiga oöverensstämmelsen mellan modellen och SAR-förvärvet tillåter inte att adressera den turbulenta komponenten som äger rum på lägre Spatio-temporal skalor. Dessutom kan komplex databehandling betraktas som en nackdel med denna metod. Fritt tillgängliga Global Atmospheric Models såsom ERA5-data genereras med hjälp av Copernicus Climate Change Service Information utvecklad för numerisk väderförutsägelse. Dessa modeller kan ge exakta och högupplösta (fortfarande grova för InSAR-studier) parametrar för att karakterisera atmosfärens tillstånd. Därför är dessa metoder lovande och praktiska tekniker för att dämpa atmosfäriskt buller i InSAR-teknik. Baserat på kombinationen av olika indatauppsättningar är ERA5 en global atmosfärisk modell beräknad av European Centre for Medium-Range Weather Forecasting (ECMWF). Flera meteorologiska parametrar tillhandahålls, såsom tryck, temperatur och relativ luftfuktighet, med en timmes intervall med en horisontell upplösning på 0,25 grader och en vertikal upplösning på 37 intervall från havsnivå till 50 km.

Denna metod uppskattar den atmosfäriska fördröjningen längs zenitbanan (vertikal), och sedan, genom att använda infallsvinkeln för varje pixel, omvandlas zenitfördröjningen till LOS-riktning. För att erhålla fasfördröjningarna för hela SAR-scenen från de glesa rutnätspunkterna, implementeras två interpolationer i horisontella och vertikala riktningar. ERA5-data tillhandahåller alla vädervariabler vid 37 trycknivåer (geopotential). Först beräknas mängden fördröjning i signalvägen med användning av kubisk spline-interpolation (vertikal riktning) och bilinjär interpolation (horisontell riktning). Sedan projiceras den totala fördröjningen till LOS-riktningen genom att beräkna cosinus för infallsvinkeln för varje pixel. Således, efter beräkning av $\phi _{trop}$ i första bilden t ₁ och andra bilden t ₂ , och subtraktion av det ursprungliga interferogrammet ( $\Delta \phi _ {tot}$ ), kan effekten av atmosfäriskt brus tas bort.

$\Delta \phi =\Delta \phi _{tot}-{\bigl (}\phi _{trop}^{t_{2}}-\phi _{trop}^{t_{1}}{\bigr )}$

Atmosfärisk korrigering över Teneriffa. Det ursprungliga interferogrammet innehåller atmosfäriskt brus; genom att använda ERA5-data kan den atmosfäriska artefakten tas bort. Resten visar interferogrammet utan atmosfäriskt brus.

Det är värt att nämna att ekvationen (se föregående avsnitt) är en integration av zenitalbanan på rutnätspunkterna för tryck, temperatur och relativ fuktighet för att mäta atmosfäriska fasfördröjningar. Dessa parametrar är tillgängliga i ERA5-data:

(ERA5 datanedladdningslänk )


namn	Variabel	namn	Variabel
divergens	d	specific_cloud_liquid_water_content	clwc
fraktion_av_molntäcke	cc	specifik_fuktighet	q
geopotential	z	specifikt_regnvatten_innehåll	crwc
ozon_massa_blandningsförhållande	o3	specifikt_snövatten_innehåll	cswc
potentiell_virvel	pv	temperatur	t
relativ luftfuktighet	r	u_component_of_wind	u
specific_cloud_ice_water_content	ciwc	v_component_of_wind	v
vertikal_hastighet	w	virvel	vo

Tabell 1. Variabler av ERA5-data

Fasbaserad empiri: (i) Linjär korrigering (ii) Power-lag-korrigering

Korrelationsanalysen mellan den interferometriska fasen och topografin kan känna igen mängden topografiskorrelerad (stratifierad komponent). Med andra ord, korrelationen mellan avståndsändring i LOS-riktningen för InSAR och topografi är relaterad till väglängden som den elektromagnetiska vågen färdas. Uppskattning av linjära och kraftlagsförhållanden mellan den interferometriska fasen och topografin kan användas för att ta bort stratifierade delar av troposfären . Att undersöka fasförhöjningsförhållandet med matematiska metoder som regression kan därför göra det möjligt för oss att känna igen det atmosfäriska felet i interferogram.

Begränsning : Den huvudsakliga begränsningen för dessa modeller är att andra fastermer (t.ex. turbulenta atmosfäriska artefakter, deformationsrelaterad fas, dekorrelationsbrus) kan påverka uppskattningen av koefficienten som relaterar fas med höjd. Denna metod ignorerar den rumsliga variabiliteten hos troposfäriska signaler och kan lätt påverkas av orbit- och topografiska fel.

Tillgängliga paket för atmosfärisk korrigering

Terräng : TRAIN består av MATLAB och skalskript och kan användas för utmatning av de flesta InSAR -programvara. . ( klicka på länken )

PyAPS : Denna modul har skrivits baserat på python 3 och kan mäta det stratifierade atmosfärsbruset för interferogram. Denna modul använder ERA5-data för korrigering. ( klicka på länken )

RAiDER : Detta pythonpaket implementerar raytracing-metoden för att mäta och minska troposfäriskt brus. . ( klicka på länken )

GACOS : Detta paket i MATLAB genererar högupplöst atmosfärisk data och separerar sedan stratifierade och turbulenta signaler för att ta bort troposfäriskt brus. Denna metod använder modellen Iterative Tropospheric Decomposition (ITD). ( klicka på länken )

ICAMS : Denna pythonmodul använder ERA5-data och tar hänsyn till troposfärens stokastiska rumsliga egenskaper (ICAMS) för att ta bort troposfäriskt brus. Detta paket beräknar fördröjningarna längs LOS-riktningen. ( klicka på länken )

Sammanfattning

Att karakterisera atmosfäriskt buller är fortfarande en utmaning i InSAR -gemenskapen, och att ta itu med det hjälper forskare att dra full nytta av InSAR -tekniken.

Alla metoder för att mildra detta buller har begränsningar; ibland ger kombination av tekniker ett bättre resultat, och det finns ingen bästa exklusiva metod för att minska troposfäriska förseningar för tillfället.

Globala mätningar av tektonisk/vulkanisk deformation drar vanligtvis nytta av globala atmosfäriska korrigeringar. Även om ECMWF-data, som ERA5, tillhandahåller globala data, betraktas den låga rumsliga upplösningen som en nackdel och kan orsaka osäkerhet.

Se även

InSAR-teknik

Jordens atmosfär

Meteorologi

^ ^a ^b ^c ^d ^e ^f ^g ^h ⁱ ^j Radarinterferometri . Fjärravkänning och digital bildbehandling. Vol. 2. 2001. doi : 10.1007/0-306-47633-9 . ISBN 978-0-7923-6945-5 .
^ ^a ^b Hu, Zhongbo; Mallorquí, Jordi J. (januari 2019). "En exakt metod för att korrigera atmosfärisk fasfördröjning för InSAR med ERA5 Global Atmospheric Model" . Fjärravkänning . 11 (17): 1969. Bibcode : 2019RemS...11.1969H . doi : 10.3390/rs11171969 . ISSN 2072-4292 .
^ ^a ^b ^c "InSARMeteorologyMiami2018" . InSARMeteorology Miami2018 . Hämtad 2022-11-06 .
^ ^a ^b ^c ^d ^e ^f Mateus, Pedro; Nico, Giovanni; Catalao, Joao (december 2015). "Osäkerhetsbedömning av den uppskattade atmosfäriska fördröjningen som erhålls av en numerisk vädermodell (NMW)" . IEEE-transaktioner på geovetenskap och fjärranalys . 53 (12): 6710–6717. Bibcode : 2015ITGRS..53.6710M . doi : 10.1109/TGRS.2015.2446758 . ISSN 0196-2892 . S2CID 8147781 .
^ Mateus, Pedro; Catalao, Joao; Nico, Giovanni (maj 2017). "Sentinel-1 interferometrisk SAR-kartläggning av utfällbar vattenånga över ett landsomspännande område" . IEEE-transaktioner på geovetenskap och fjärranalys . 55 (5): 2993–2999. Bibcode : 2017ITGRS..55.2993M . doi : 10.1109/TGRS.2017.2658342 . ISSN 0196-2892 . S2CID 38018728 .
^ Xing, Mengdao; Lu, Zhong; Yu, Hanwen (2020-09-04). InSAR-signal- och databehandling . MDPI, Basel. ISBN 978-3-03936-984-3 .
^ ^a ^b Grå färg, A. Laurence; Mattar, Karim E.; Sofko, George (2000-05-15). "Påverkan av jonosfäriska elektrondensitetsfluktuationer på satellitradarinterferometri" . Geofysiska forskningsbrev . 27 (10): 1451–1454. Bibcode : 2000GeoRL..27.1451G . doi : 10.1029/2000GL000016 . S2CID 130384140 .
^ Chen, Jingyi; Zebker, Howard A. (april 2012). "Jonosfäriska artefakter i samtidiga L-Band InSAR och GPS-observationer" . IEEE-transaktioner på geovetenskap och fjärranalys . 50 (4): 1227–1239. Bibcode : 2012ITGRS..50.1227C . doi : 10.1109/TGRS.2011.2164805 . ISSN 1558-0644 . S2CID 5769312 .
^ Parizzi, Alessandro; Brcic, Ramon; De Zan, Francesco (oktober 2021). "InSAR-prestanda för storskalig deformationsmätning" . IEEE-transaktioner på geovetenskap och fjärranalys . 59 (10): 8510–8520. Bibcode : 2021ITGRS..59.8510P . doi : 10.1109/TGRS.2020.3039006 . ISSN 1558-0644 . S2CID 229610696 .
^ Meyer, F.; Bamler, R.; Jakowski, N.; Fritz, T. (oktober 2006). "Potentialen hos lågfrekventa SAR-system för kartläggning av jonosfäriska TEC-distributioner" . IEEE Geovetenskap och fjärranalysbokstäver . 3 (4): 560–564. Bibcode : 2006IGRSL...3..560M . doi : 10.1109/LGRS.2006.882148 . ISSN 1558-0571 . S2CID 20787190 .
^ Rosen, Paul A.; Hensley, Scott; Chen, Curtis (maj 2010). "Mätning och begränsning av jonosfären i L-bands interferometriska SAR-data" . 2010 IEEE Radar Conference : 1459–1463. doi : 10.1109/RADAR.2010.5494385 . ISBN 978-1-4244-5811-0 . S2CID 38774699 .
^ Xiao, Ruya; Yu, Chen; Li, Zhenhong; Han, Xiufeng (april 2021). "Statistiska bedömningsmått för InSAR-atmosfärisk korrigering: Ansökningar till generisk atmosfärisk korrigering onlinetjänst för InSAR (GACOS) i östra Kina" . International Journal of Applied Earth Observation and Geoinformation . 96 : 102289. Bibcode : 2021IJAEO..9602289X . doi : 10.1016/j.jag.2020.102289 . S2CID 231885794 .
^ ^a ^b ^c ^d Bekaert, DPS; Walters, RJ; Wright, TJ; Hooper, AJ; Parker, DJ (december 2015). "Statistisk jämförelse av InSAR troposfäriska korrigeringstekniker" . Fjärranalys av miljön . 170 : 40–47. Bibcode : 2015RSEnv.170...40B . doi : 10.1016/j.rse.2015.08.035 .
^ Shirzaei, Manoochehr; Walter, Thomas R. (november 2011). "Uppskattning av effekten av satellitomloppsfel med hjälp av Wavelet-baserad robust regression tillämpad på InSAR-deformationsdata" . IEEE-transaktioner på geovetenskap och fjärranalys . 49 (11): 4600–4605. Bibcode : 2011ITGRS..49.4600S . doi : 10.1109/TGRS.2011.2143419 . ISSN 1558-0644 . S2CID 19391765 .
^ ^a ^b ^c ^d ^e ^f ^g ^h ⁱ Fattahi, Heresh; Amelung, Falk (december 2015). "InSAR-bias och osäkerhet på grund av den systematiska och stokastiska troposfärfördröjningen" . Journal of Geophysical Research: Solid Earth . 120 (12): 8758–8773. Bibcode : 2015JGRB..120.8758F . doi : 10.1002/2015JB012419 . ISSN 2169-9313 . S2CID 19372953 .
^ ^a ^b ^c Havazli, Emre; Wdowinski, Shimon (januari 2021). "Detection Threshold Estimates for InSAR Time Series: A Simulation of Tropospheric Delay Approach" . Sensorer . 21 (4): 1124. Bibcode : 2021Senso..21.1124H . doi : 10.3390/s21041124 . ISSN 1424-8220 . PMC 7915624 . PMID 33562774 .
^ ^a ^b ^c ^d ^e ^f ^g ^h Jolivet, R.; Grandin, R.; Lasserre, C.; Doin, M.-P.; Peltzer, G. (september 2011). "Systematiska InSAR troposfäriska fasfördröjningskorrigeringar från globala meteorologiska omanalysdata: KORRIGERA INSAR MED ERA-INTERIM" . Geofysiska forskningsbrev . 38 (17): n/a. doi : 10.1029/2011GL048757 . S2CID 12904863 .
^ Benevides, Pedro; Nico, Giovanni; Catalao, Joao; Miranda, PMA (februari 2016). "Bridging InSAR and GPS Tomography: A New Differential Geometrical Constraint" . IEEE-transaktioner på geovetenskap och fjärranalys . 54 (2): 697–702. Bibcode : 2016ITGRS..54..697B . doi : 10.1109/TGRS.2015.2463263 . ISSN 0196-2892 . S2CID 29078915 .
^ ^a ^b ^c Berrada Baby, H.; Golé, P.; Lavergnat, J. (november 1988). "En modell för den troposfäriska överskjutande väglängden för radiovågor från ytmeteorologiska mätningar" . Radiovetenskap . 23 (6): 1023–1038. Bibcode : 1988RaSc...23.1023B . doi : 10.1029/RS023i006p01023 .
^ Smith, Ernest; Weintraub, Stanley (augusti 1953). "Konstanterna i ekvationen för atmosfäriskt brytningsindex vid radiofrekvenser" . IRE:s förfaranden . 41 (8): 1035–1037. doi : 10.1109/JRPROC.1953.274297 . ISSN 0096-8390 . S2CID 51668997 .
^ Hooper, Andrew (2008-08-19). "En multi-temporal InSAR-metod som inkluderar både persistent scatterer och små baslinjemetoder" . Geofysiska forskningsbrev . 35 (16): L16302. Bibcode : 2008GeoRL..3516302H . doi : 10.1029/2008GL034654 . ISSN 0094-8276 . S2CID 12817093 .
^ Tizzani, P.; Berardino, P.; Casu, F.; Euillades, P.; Manzo, M.; Ricciardi, GP; Zeni, G.; Lanari, R. (2007-06-15). "Ytdeformation av Long Valley-calderan och Mono Basin, Kalifornien, undersöktes med SBAS-InSAR-metoden" . Fjärranalys av miljön . 108 (3): 277–289. Bibcode : 2007RSEnv.108..277T . doi : 10.1016/j.rse.2006.11.015 . ISSN 0034-4257 .
^ Hooper, Andrew; Zebker, Howard; Segall, Paul; Kampes, Bert (2004-12-16). "En ny metod för att mäta deformation på vulkaner och andra naturliga terränger med hjälp av InSAR persistent scatterers: A NEW PERSISTENT SCATTERERS METHOD" . Geofysiska forskningsbrev . 31 (23). doi : 10.1029/2004GL021737 . S2CID 55418041 .
^ Berardino, P.; Fornaro, G.; Lanari, R.; Sansosti, E. (november 2002). "En ny algoritm för ytdeformationsövervakning baserad på små baslinjedifferentiella SAR-interferogram" . IEEE-transaktioner på geovetenskap och fjärranalys . 40 (11): 2375–2383. Bibcode : 2002ITGRS..40.2375B . doi : 10.1109/TGRS.2002.803792 . ISSN 0196-2892 . S2CID 11802957 .
^ Onn, F.; Zebker, HA (2006). "Korrektion för interferometriska syntetiska aperturradar atmosfäriska fasartefakter med hjälp av tidsserier av zenit våta fördröjningsobservationer från ett GPS-nätverk" . Journal of Geophysical Research . 111 (B9): B09102. Bibcode : 2006JGRB..111.9102O . doi : 10.1029/2005JB004012 . ISSN 0148-0227 .
^ ^a ^b ^c Haghighi, Mahmud Haghshenas; Motagh, Mahdi (2017-08-01). "Sentinel-1 InSAR över Tyskland: storskalig interferometri, atmosfäriska effekter och kartläggning av markdeformation" . ZFV - Zeitschrift für Geodäsie, Geoinformation und Landmanagement (på tyska) (zfv 4/2017). doi : 10.12902/zfv-0174-2017 . ISSN 1618-8950 .
^ Li, Zhenhong; Fielding, Eric J.; Cross, Paul; Muller, Jan-Peter (2006). "Interferometrisk syntetisk aperture radar atmosfärisk korrigering: Medium Resolution Imaging Spectrometer och Advanced Synthetic Aperture Radar integration" . Geofysiska forskningsbrev . 33 (6): L06816. Bibcode : 2006GeoRL..33.6816L . doi : 10.1029/2005GL025299 . ISSN 0094-8276 . S2CID 129804128 .
^ Eff-Darwich, Antonio; Pérez, Juan C.; Fernandez, José; García-Lorenzo, Begoña; González, Albano; González, Pablo J. (2012-08-01). "Att använda en mesoskala meteorologisk modell för att minska effekten av troposfärisk vattenånga från DInSAR-data: en fallstudie för ön Teneriffa, Kanarieöarna" . Ren och tillämpad geofysik . 169 (8): 1425–1441. Bibcode : 2012PApGe.169.1425E . doi : 10.1007/s00024-011-0401-4 . ISSN 1420-9136 . S2CID 129573877 .
^ ^a ^b Yu, Chen; Penna, Nigel T.; Li, Zhenhong (2017-02-16). "Generering av högupplösta vattenångfält i realtidsläge från GPS-observationer" . Journal of Geophysical Research: Atmospheres . 122 (3): 2008–2025. Bibcode : 2017JGRD..122.2008Y . doi : 10.1002/2016JD025753 . ISSN 2169-897X . S2CID 55119104 .
^ ^a ^b Bekaert, DPS; Hooper, A.; Wright, TJ (februari 2015). "En spatialt variabel kraftlag troposfärisk korrigeringsteknik för InSAR-data" . Journal of Geophysical Research: Solid Earth . 120 (2): 1345–1356. Bibcode : 2015JGRB..120.1345B . doi : 10.1002/2014JB011558 . ISSN 2169-9313 . S2CID 53334908 .
^ dbekaert (2022-10-23), RAiDER , hämtad 2022-10-23
^ Yu, Chen; Li, Zhenhong; Penna, Nigel T.; Crippa, Paola (oktober 2018). "Generisk atmosfärisk korrigeringsmodell för interferometriska syntetiska aperturradarobservationer" . Journal of Geophysical Research: Solid Earth . 123 (10): 9202–9222. Bibcode : 2018JGRB..123.9202Y . doi : 10.1029/2017JB015305 . ISSN 2169-9313 . S2CID 135339716 .
^ Yu, Chen; Li, Zhenhong; Penna, Nigel T. (2018-01-01). "Interferometrisk syntetisk aperturradaratmosfärisk korrigering med hjälp av en GPS-baserad iterativ troposfärisk nedbrytningsmodell" . Fjärranalys av miljön . 204 : 109–121. Bibcode : 2018RSEnv.204..109Y . doi : 10.1016/j.rse.2017.10.038 . ISSN 0034-4257 .
^ ^a ^b Cao, Yunmeng; Jónsson, Sigurjón; Li, Zhiwei (maj 2021). "Avancerade InSAR troposfäriska korrigeringar från globala atmosfäriska modeller som innehåller rumsliga stokastiska egenskaper hos troposfären" . Journal of Geophysical Research: Solid Earth . 126 (5). Bibcode : 2021JGRB..12620952C . doi : 10.1029/2020JB020952 . hdl : 10754/669434 . ISSN 2169-9313 . S2CID 233566531 .

[:0-1] ^ ^a ^b ^c ^d ^e ^f ^g ^h ⁱ ^j Radarinterferometri . Fjärravkänning och digital bildbehandling. Vol. 2. 2001. doi : 10.1007/0-306-47633-9 . ISBN 978-0-7923-6945-5 .

[ReferenceA-2] Hu, Zhongbo; Mallorquí, Jordi J. (januari 2019). "En exakt metod för att korrigera atmosfärisk fasfördröjning för InSAR med ERA5 Global Atmospheric Model" . Fjärravkänning . 11 (17): 1969. Bibcode : 2019RemS...11.1969H . doi : 10.3390/rs11171969 . ISSN 2072-4292 .

[:8-3] "InSARMeteorologyMiami2018" . InSARMeteorology Miami2018 . Hämtad 2022-11-06 .

[:1-4] ^ ^a ^b ^c ^d ^e ^f Mateus, Pedro; Nico, Giovanni; Catalao, Joao (december 2015). "Osäkerhetsbedömning av den uppskattade atmosfäriska fördröjningen som erhålls av en numerisk vädermodell (NMW)" . IEEE-transaktioner på geovetenskap och fjärranalys . 53 (12): 6710–6717. Bibcode : 2015ITGRS..53.6710M . doi : 10.1109/TGRS.2015.2446758 . ISSN 0196-2892 . S2CID 8147781 .

[5] Mateus, Pedro; Catalao, Joao; Nico, Giovanni (maj 2017). "Sentinel-1 interferometrisk SAR-kartläggning av utfällbar vattenånga över ett landsomspännande område" . IEEE-transaktioner på geovetenskap och fjärranalys . 55 (5): 2993–2999. Bibcode : 2017ITGRS..55.2993M . doi : 10.1109/TGRS.2017.2658342 . ISSN 0196-2892 . S2CID 38018728 .

[6] Xing, Mengdao; Lu, Zhong; Yu, Hanwen (2020-09-04). InSAR-signal- och databehandling . MDPI, Basel. ISBN 978-3-03936-984-3 .

[:9-7] Grå färg, A. Laurence; Mattar, Karim E.; Sofko, George (2000-05-15). "Påverkan av jonosfäriska elektrondensitetsfluktuationer på satellitradarinterferometri" . Geofysiska forskningsbrev . 27 (10): 1451–1454. Bibcode : 2000GeoRL..27.1451G . doi : 10.1029/2000GL000016 . S2CID 130384140 .

[8] Chen, Jingyi; Zebker, Howard A. (april 2012). "Jonosfäriska artefakter i samtidiga L-Band InSAR och GPS-observationer" . IEEE-transaktioner på geovetenskap och fjärranalys . 50 (4): 1227–1239. Bibcode : 2012ITGRS..50.1227C . doi : 10.1109/TGRS.2011.2164805 . ISSN 1558-0644 . S2CID 5769312 .

[9] Parizzi, Alessandro; Brcic, Ramon; De Zan, Francesco (oktober 2021). "InSAR-prestanda för storskalig deformationsmätning" . IEEE-transaktioner på geovetenskap och fjärranalys . 59 (10): 8510–8520. Bibcode : 2021ITGRS..59.8510P . doi : 10.1109/TGRS.2020.3039006 . ISSN 1558-0644 . S2CID 229610696 .

[10] Meyer, F.; Bamler, R.; Jakowski, N.; Fritz, T. (oktober 2006). "Potentialen hos lågfrekventa SAR-system för kartläggning av jonosfäriska TEC-distributioner" . IEEE Geovetenskap och fjärranalysbokstäver . 3 (4): 560–564. Bibcode : 2006IGRSL...3..560M . doi : 10.1109/LGRS.2006.882148 . ISSN 1558-0571 . S2CID 20787190 .

[11] Rosen, Paul A.; Hensley, Scott; Chen, Curtis (maj 2010). "Mätning och begränsning av jonosfären i L-bands interferometriska SAR-data" . 2010 IEEE Radar Conference : 1459–1463. doi : 10.1109/RADAR.2010.5494385 . ISBN 978-1-4244-5811-0 . S2CID 38774699 .

[12] Xiao, Ruya; Yu, Chen; Li, Zhenhong; Han, Xiufeng (april 2021). "Statistiska bedömningsmått för InSAR-atmosfärisk korrigering: Ansökningar till generisk atmosfärisk korrigering onlinetjänst för InSAR (GACOS) i östra Kina" . International Journal of Applied Earth Observation and Geoinformation . 96 : 102289. Bibcode : 2021IJAEO..9602289X . doi : 10.1016/j.jag.2020.102289 . S2CID 231885794 .

[:2-13] Bekaert, DPS; Walters, RJ; Wright, TJ; Hooper, AJ; Parker, DJ (december 2015). "Statistisk jämförelse av InSAR troposfäriska korrigeringstekniker" . Fjärranalys av miljön . 170 : 40–47. Bibcode : 2015RSEnv.170...40B . doi : 10.1016/j.rse.2015.08.035 .

[14] Shirzaei, Manoochehr; Walter, Thomas R. (november 2011). "Uppskattning av effekten av satellitomloppsfel med hjälp av Wavelet-baserad robust regression tillämpad på InSAR-deformationsdata" . IEEE-transaktioner på geovetenskap och fjärranalys . 49 (11): 4600–4605. Bibcode : 2011ITGRS..49.4600S . doi : 10.1109/TGRS.2011.2143419 . ISSN 1558-0644 . S2CID 19391765 .

[:3-15] ^ ^a ^b ^c ^d ^e ^f ^g ^h ⁱ Fattahi, Heresh; Amelung, Falk (december 2015). "InSAR-bias och osäkerhet på grund av den systematiska och stokastiska troposfärfördröjningen" . Journal of Geophysical Research: Solid Earth . 120 (12): 8758–8773. Bibcode : 2015JGRB..120.8758F . doi : 10.1002/2015JB012419 . ISSN 2169-9313 . S2CID 19372953 .

[:10-16] Havazli, Emre; Wdowinski, Shimon (januari 2021). "Detection Threshold Estimates for InSAR Time Series: A Simulation of Tropospheric Delay Approach" . Sensorer . 21 (4): 1124. Bibcode : 2021Senso..21.1124H . doi : 10.3390/s21041124 . ISSN 1424-8220 . PMC 7915624 . PMID 33562774 .

[:4-17] ^ ^a ^b ^c ^d ^e ^f ^g ^h Jolivet, R.; Grandin, R.; Lasserre, C.; Doin, M.-P.; Peltzer, G. (september 2011). "Systematiska InSAR troposfäriska fasfördröjningskorrigeringar från globala meteorologiska omanalysdata: KORRIGERA INSAR MED ERA-INTERIM" . Geofysiska forskningsbrev . 38 (17): n/a. doi : 10.1029/2011GL048757 . S2CID 12904863 .

[18] Benevides, Pedro; Nico, Giovanni; Catalao, Joao; Miranda, PMA (februari 2016). "Bridging InSAR and GPS Tomography: A New Differential Geometrical Constraint" . IEEE-transaktioner på geovetenskap och fjärranalys . 54 (2): 697–702. Bibcode : 2016ITGRS..54..697B . doi : 10.1109/TGRS.2015.2463263 . ISSN 0196-2892 . S2CID 29078915 .

[:11-19] Berrada Baby, H.; Golé, P.; Lavergnat, J. (november 1988). "En modell för den troposfäriska överskjutande väglängden för radiovågor från ytmeteorologiska mätningar" . Radiovetenskap . 23 (6): 1023–1038. Bibcode : 1988RaSc...23.1023B . doi : 10.1029/RS023i006p01023 .

[20] Smith, Ernest; Weintraub, Stanley (augusti 1953). "Konstanterna i ekvationen för atmosfäriskt brytningsindex vid radiofrekvenser" . IRE:s förfaranden . 41 (8): 1035–1037. doi : 10.1109/JRPROC.1953.274297 . ISSN 0096-8390 . S2CID 51668997 .

[21] Hooper, Andrew (2008-08-19). "En multi-temporal InSAR-metod som inkluderar både persistent scatterer och små baslinjemetoder" . Geofysiska forskningsbrev . 35 (16): L16302. Bibcode : 2008GeoRL..3516302H . doi : 10.1029/2008GL034654 . ISSN 0094-8276 . S2CID 12817093 .

[22] Tizzani, P.; Berardino, P.; Casu, F.; Euillades, P.; Manzo, M.; Ricciardi, GP; Zeni, G.; Lanari, R. (2007-06-15). "Ytdeformation av Long Valley-calderan och Mono Basin, Kalifornien, undersöktes med SBAS-InSAR-metoden" . Fjärranalys av miljön . 108 (3): 277–289. Bibcode : 2007RSEnv.108..277T . doi : 10.1016/j.rse.2006.11.015 . ISSN 0034-4257 .

[23] Hooper, Andrew; Zebker, Howard; Segall, Paul; Kampes, Bert (2004-12-16). "En ny metod för att mäta deformation på vulkaner och andra naturliga terränger med hjälp av InSAR persistent scatterers: A NEW PERSISTENT SCATTERERS METHOD" . Geofysiska forskningsbrev . 31 (23). doi : 10.1029/2004GL021737 . S2CID 55418041 .

[24] Berardino, P.; Fornaro, G.; Lanari, R.; Sansosti, E. (november 2002). "En ny algoritm för ytdeformationsövervakning baserad på små baslinjedifferentiella SAR-interferogram" . IEEE-transaktioner på geovetenskap och fjärranalys . 40 (11): 2375–2383. Bibcode : 2002ITGRS..40.2375B . doi : 10.1109/TGRS.2002.803792 . ISSN 0196-2892 . S2CID 11802957 .

[25] Onn, F.; Zebker, HA (2006). "Korrektion för interferometriska syntetiska aperturradar atmosfäriska fasartefakter med hjälp av tidsserier av zenit våta fördröjningsobservationer från ett GPS-nätverk" . Journal of Geophysical Research . 111 (B9): B09102. Bibcode : 2006JGRB..111.9102O . doi : 10.1029/2005JB004012 . ISSN 0148-0227 .

[:12-26] Haghighi, Mahmud Haghshenas; Motagh, Mahdi (2017-08-01). "Sentinel-1 InSAR över Tyskland: storskalig interferometri, atmosfäriska effekter och kartläggning av markdeformation" . ZFV - Zeitschrift für Geodäsie, Geoinformation und Landmanagement (på tyska) (zfv 4/2017). doi : 10.12902/zfv-0174-2017 . ISSN 1618-8950 .

[27] Li, Zhenhong; Fielding, Eric J.; Cross, Paul; Muller, Jan-Peter (2006). "Interferometrisk syntetisk aperture radar atmosfärisk korrigering: Medium Resolution Imaging Spectrometer och Advanced Synthetic Aperture Radar integration" . Geofysiska forskningsbrev . 33 (6): L06816. Bibcode : 2006GeoRL..33.6816L . doi : 10.1029/2005GL025299 . ISSN 0094-8276 . S2CID 129804128 .

[28] Eff-Darwich, Antonio; Pérez, Juan C.; Fernandez, José; García-Lorenzo, Begoña; González, Albano; González, Pablo J. (2012-08-01). "Att använda en mesoskala meteorologisk modell för att minska effekten av troposfärisk vattenånga från DInSAR-data: en fallstudie för ön Teneriffa, Kanarieöarna" . Ren och tillämpad geofysik . 169 (8): 1425–1441. Bibcode : 2012PApGe.169.1425E . doi : 10.1007/s00024-011-0401-4 . ISSN 1420-9136 . S2CID 129573877 .

[:6-29] Yu, Chen; Penna, Nigel T.; Li, Zhenhong (2017-02-16). "Generering av högupplösta vattenångfält i realtidsläge från GPS-observationer" . Journal of Geophysical Research: Atmospheres . 122 (3): 2008–2025. Bibcode : 2017JGRD..122.2008Y . doi : 10.1002/2016JD025753 . ISSN 2169-897X . S2CID 55119104 .

[:5-30] Bekaert, DPS; Hooper, A.; Wright, TJ (februari 2015). "En spatialt variabel kraftlag troposfärisk korrigeringsteknik för InSAR-data" . Journal of Geophysical Research: Solid Earth . 120 (2): 1345–1356. Bibcode : 2015JGRB..120.1345B . doi : 10.1002/2014JB011558 . ISSN 2169-9313 . S2CID 53334908 .

[31] rt (2022-10-23), RAiDER , hämtad 2022-10-23

[32] Yu, Chen; Li, Zhenhong; Penna, Nigel T.; Crippa, Paola (oktober 2018). "Generisk atmosfärisk korrigeringsmodell för interferometriska syntetiska aperturradarobservationer" . Journal of Geophysical Research: Solid Earth . 123 (10): 9202–9222. Bibcode : 2018JGRB..123.9202Y . doi : 10.1029/2017JB015305 . ISSN 2169-9313 . S2CID 135339716 .

[33] Yu, Chen; Li, Zhenhong; Penna, Nigel T. (2018-01-01). "Interferometrisk syntetisk aperturradaratmosfärisk korrigering med hjälp av en GPS-baserad iterativ troposfärisk nedbrytningsmodell" . Fjärranalys av miljön . 204 : 109–121. Bibcode : 2018RSEnv.204..109Y . doi : 10.1016/j.rse.2017.10.038 . ISSN 0034-4257 .

[:7-34] Cao, Yunmeng; Jónsson, Sigurjón; Li, Zhiwei (maj 2021). "Avancerade InSAR troposfäriska korrigeringar från globala atmosfäriska modeller som innehåller rumsliga stokastiska egenskaper hos troposfären" . Journal of Geophysical Research: Solid Earth . 126 (5). Bibcode : 2021JGRB..12620952C . doi : 10.1029/2020JB020952 . hdl : 10754/669434 . ISSN 2169-9313 . S2CID 233566531 .