１实验区域与数据
本文采用欧洲空间局ＥＮＶＩＳＡＴ卫星采集的第２１９轨道雷达影像数据，研究区域为青藏高原中部北纬２８°到３５°之间．采用Ｃａｌｔｅｃｈ／ＪＰＬ联合开发的ＲＯＩ＿ＰＡＣ软件［１５］处理１２景雷达影像，共获得了８幅干涉图，如图１所示．根据雷达影像获取的时间，本文选取欧洲中尺度天气预报中心提供的相应气象参数，包括温度、气压、湿度等参数，并结合研究区域的数字高程模型，采用开源程序ＰｙＡＰＳ［１０］计算不同高度的天顶向大气延迟，然后投影到ＩｎＳＡＲ视距（ｌｉｎｅｏｆｓｉｇｈｔ，ＬＯＳ）方向，从而获得每个雷达影像历元所对应的ＥＣＭＷＦ模型大气延迟．最后依据ＩｎＳＡＲ像对的日期，选取相应的两幅大气延迟图像求差，最终获得与ＩｎＳＡＲ干涉图相对应的大气延迟误差改正量，如图２所示．将原始干涉图减去大气延迟误差，得到改正后的干涉图，如图３所示．
２ＥＣＭＷＦ模型改正效果评价与分析
本文采用指数函数来估计大气延迟误差的大小及其空间尺度特征［１６］．该模型已被广泛用于建立ＩｎＳＡＲ大气延迟误差的随机模型，其具体表达式为ｃ＝σ２ｅ－ｄ／α，（１）其中ｃ表示干涉图中任意两个像素之间的协方差，σ２表示干涉图的方差，通常用来衡量干涉图中大气延迟误差的大小，ｄ为干涉图中两像素之间的距离，α为大气延迟的尺度因子，通常用来表示大气延迟误差的空间相关尺度．在方程（１）中，对于每幅干涉图，可以利用各个像素的相位值计算出像素之间的协方差ｃ以及像素之间的距离ｄ．据此，采用最小二乘准则，能够反演出每幅干涉图的方差以及大气延迟的尺度因子．为了衡量大气延迟误差的改正效果，分别计算采用ＥＣＭＷＦ模型改正前后干涉图的方差，其结果如表１所示．表１中数据说明，本文计算的８幅干涉图中有５幅没有改进效果，另外３幅干涉图的方差比改正前稍有减小．经过大气延迟误差改正后，全部干涉图的方差均值反而更大．因此，总体来说ＥＣＭＷＦ模型对于本文采用的数据没有起到改进作用．究其原因，认为主要有３点：１）ＥＣＭＷＦ气象数据空间分辨率较低．湿延迟误差在空间域变化较快，一般其变化尺度可能为１ｋｍ甚至更小．本文使用的ＩｎＳＡＲ图像分辨率为９０ｍ，而ＥＣＭＷＦ气象数据分辨率为７０ｋｍ，两者相差太大导致该模型难以改正小尺度的湿延迟误差．由图２也可以看出，ＥＣＭＷＦ模型计算的大气延迟量在空间上非常平滑，无法反映大气延迟的局部细节变化．２）ＥＣＭＷＦ气象参数的获取时间与雷达影像不一致．ＩｎＳＡＲ卫星采集数据的时间是早上４点，而与之最接近的ＥＣＭＷＦ气象数据的采集时间是早上６点，存在两个小时的滞后．众所周知，高原地区早晚温差大，尤其是在日出前后几小时，气象条件可能会产生明显的变化，从而导致依据气象模型计算的大气延迟具有较大的误差．此外，由于气象遥感卫星获取的数据普遍存在时间分辨率较低的问题，因此，即使在今后也很难获得在时间上与ＩｎＳＡＲ数据匹配的气象参数．不过，由于大多数ＩｎＳＡＲ卫星在某一地区获取数据的时刻基本是固定的，如果气象卫星采集数据的时刻和当地的ＩｎＳＡＲ数据正好同步，则有望提高气象模型改正ＩｎＳＡＲ大气延迟误差的精度．实际上，在Ｅｎｖｉｓａｔ卫星上配备的ＭＥＲＩＳ广东工业大学学报杂志简介详见
３结束语
本文采用西藏中部８幅干涉图检验ＥＣＭＷＦ气象模型改正ＩｎＳＡＲ大气延迟误差的效果．实验结果表明，该模型无法很好地改正大气延迟误差．主要原因在于ＥＣＭＷＦ气象参数与ＩｎＳＡＲ数据的时间和空间分辨率不同、研究区域的地形起伏不太大．鉴于此，建议谨慎采用该模型改正大气延迟误差．此外，在ＧＰＳ等空间大地测量研究中已经证明，气象模型不能很好的改正大气中的湿延迟分量．ＩｎＳＡＲ与ＧＰＳ等空间大地测量中的大气延迟误差属性基本相同，因此，ＩｎＳＡＲ大气延迟误差难题的最终解决方法需要更多地依赖于ＩｎＳＡＲ数据本身（比如正兴起的ＩｎＳＡＲ卫星星座工作模式），而不是寄希望于获得更高分辨率的气象模型参数．
作者：王华 彭佳卉 单位：广东工业大学
相关专题：通化师范学院学报 中小企业成长策略研究
