SARscape5.6.2形变结果分类工具介绍

SARscape5.6.2版本干涉叠加模块新增时序分类工具，可对时序InSAR进行高级后处理和分析。该工具通过现象特征和参数分析对位移时间序列进行自动分类。可使用外部气象数据(雨、温度等)或分析形变模型(线性、二次和正弦)在时间序列上对形变进行分类。包含三个工具。

图：位移分类地图，不同的颜色代表了形变的不同类别

 

1     现象学分析工具

该工具使用外部时间现象学量级(即:M=温度，雨等)，以及SBAS栅格格式的时间序列的形变量。它对时间序列中的每个像素提取最佳拟合系数及其均方根。这些系数代表了位移的不同特征，如速度、加速度、时间序列与时延之间的耦合等。这些结果可以依次用于使用模型分类面板执行位移分类。

现象学分析模型如下：

d代表形变量（mm），t是时间，M是外部时间现象学数据，a₀是初始位移偏移量（mm），a₁是与形变速率无关的现象学成分（mm/year）（这个估计速度对应的变形过程不是现象学过程所描述的，例如，一个结构可能以恒定的速度下沉，同时热膨胀。这个速度与下沉过程相对应），a₂是一个比例常数（这个比例常数表示变形和外部现象学幅度之间的耦合。例如，在外部温度测量的情况下，这个量级可以解释为目标的热膨胀系数。），a₃是现象学事件和形变之间的延迟（天）

    该工具使用说明如下：

   打开/SARscape/Interferometric Stacking/Stacking Tools/Time Series Classification/Phenomenological Analysis工具，数据输入面板和参数说明如下：

 

• Input Files面板：
  • Inlut File：时序形变量文件_meta，可以是LOS方向的，也可以是形变分解之后其他方向的时序形变量文件。该文件为必选。
  • Phenomenological Data file: csv和/或元文件格式的外部测量列表，例如从ERA5或ECMWF下载工具获得的数据。该文件为必选。

注：csv文件应该包含一个跳过的头文件，数据行格式必须为以下格式: d-m-yyyy,x。

d 日、 m月、yyyy年、- 日期分隔符、, 列分隔符、x 测量量

如：date,rain

1-1-2014,86.2

1-2-2014,73.3

1-3-2014,51.8

1-4-2014,15.5

…

• Parameters面板：Principal Parameters选项：
  • Analyze time subset：通过设置此选项，只分析From和To定义的周期。
  • Generate fitted TS：通过设置这个标志，每个模型的拟合时间序列将被保存。这对于分析不同的模型性能可能有用。
• Output Files面板：在输出路径下设置现象学分析结果的根名称，如projectXXX。

 

现象学分析工具输出结果会创建一个结合输出根名称和现象学数据文件名(例如:projectXXX_temperature)的模型名称的目录。该目录下的文件有:

• modelName_aN：拟合参数为N阶的图像。
• modelName_chi：图像与拟合。
• modelName_rms：图像与拟合RMS误差。
• modelName_meta：拟合参数和拟合时间序列的元文件(如果该项设置为True)。
• modelName_input_TS：拟合时间序列图像(如果该项设置为True)。

 

2     参数分析

该工具使用三种解析位移模型拟合SBAS时间序列形变量。它对时间序列中的每个像素提取最佳拟合系数及其均方根。这些系数代表了位移的不同特性，如速度、加速度、振荡幅值和频率。这些结果可以依次用于使用模型分类面板执行位移分类。可用的模型有线性的、二次的或周期模型：

线性模型为：

d代表形变量（mm），t是时间，a₀是初始位移偏移量（mm），

二次模型为：

d代表形变量（mm），t是时间，a₀是初始位移偏移量（mm），a₁是形变速度（mm/year），a₂是形变加速度。

周期模型为：

d代表形变量（mm），t是时间， a₀是初始位移偏移量（mm），a₁是与周期趋势无关的形变速率（mm/year）（这个估计速度对应的变形过程没有被振荡过程描述。例如，一个结构可能以恒定的速度下沉，同时振动。这个速度与下沉过程相对应。），a₂是震荡振幅（mm），a₃是周期事件和形变之间的延迟（天），a₄是震荡周期（天）。

该工具使用说明如下：

打开/SARscape/Interferometric Stacking/Stacking Tools/Time Series Classification/Parametrical Analysis工具，数据输入面板和参数说明如下：

• Input Files面板：时序形变量文件_meta，可以是LOS方向的，也可以是形变分解之后其他方向的。
• Parameters面板：Principal Parameters选项：
  • Analyze time subset：通过设置此选项，只分析From和To定义的周期。
  • Generate fitted TS：通过设置这个标志，每个模型的拟合时间序列将被保存。这对于分析不同的模型性能可能有用。
  • Linear fit：通过设置这个标志，将执行线性模型拟合。
  • Quadratic fit：通过设置该标志，将执行二次模型拟合。
  • Periodical fit：通过设置此标志，将执行周期模型拟合。
• Output Files面板：设置输出结果的路径和根名称projectXXX。

 

参数分析工具输出结果会为每个执行的模型创建一个目录，该目录结合了输出根名称和模型的名称(例如:projectXXX_Linear, projectXXX_Periodial, projectXXX_Quadratic)。在这些目录下包含如下结果：

• modelName_aN：拟合参数为N阶的图像。
• modelName_daic：用三角赤池信息准则来比较模型之间的优度拟合。
• modelName_rms：图像与拟合RMS误差。
• modelName_meta：拟合参数和拟合时间序列的元文件(如果设置该项参数)。
• modelName_input_TS：拟合时间序列图像(如果设置该项参数)。

3     时间序列分类工具

该工具根据Akaike信息准则（AIC），根据拟合优度生成位移分类。分类的每一类都确定了更适合模型的领域。

分类图是通过根据Akaike信息准则选择最佳拟合模型创建的，该准则将拟合均方根误差（RMSE）与模型中的自由参数数量结合起来，如下所示：

K是参数的数量

n是测量的次数

d是拟合模型得到的位移

D是测量位移

 

该工具使用说明如下：

打开/SARscape/Interferometric Stacking/Stacking Tools/Time Series Classification/Classification工具，数据输入面板和参数说明如下：

• Input Files面板：现象学建模和/或分析建模面板得到的模型meta文件_mata。
• Parameters面板：Principal Parameters选项：
  • Generate Classified TS：通过设置该选项，将生成一个由最佳拟合模型的拟合时间序列组成的拟合时间序列。
  • Majority filter：通过设置该选项，多数筛选器将使用MF窗口大小定义的筛选窗口执行。
  • MF window size：用于执行多数滤波的滑动窗口的尺寸。
  • L1 threshold：L1范数(由时间序列中的日期数归一化)位移阈值，认为一个像素是稳定的。低于该阈值的像素将被认为在分类图中没有位移点。
  • RMSE threshold：的最大均方根允许一个模型被考虑。如果所有模型的RMSE都超过这个阈值，这个像素将在分类图上显示为未分类。
• Output Files面板：设置输出结果的路径和根名称projectXXX。

 

为每个执行的模型创建一个目录，该目录结合了输出根名称和“_classification”字符串(例如:projectXXX_classification)。在每个目录中包含如下文件：

Classification：一个分类图像，显示了每个像素的最佳拟合模型根据最低ΔAkaike信息准则，非分类区域和稳定区域。

classification_filtered：用多数滤波器过滤的分类图像(如果设置了该项参数)

classification_daic：每个像素的最佳拟合模型的ΔAkaike信息准则值。（如果执行了分类多数筛选，则这些文件与这个筛选过的分类相对应）

classification_rms：每个像素的最佳拟合模型的RMS误差。（如果执行了分类多数筛选，则这些文件与这个筛选过的分类相对应）

classification_input_TS：最佳拟合时间序列图像(如果设置了该项参数)。该时序是每个模型的单个时序的组合，使用每个像素的最佳拟合模型的时序。

 

参考文献：A. De Grandi (2019): PASTA - Phenomena Aware Spatial-Temporal Analysis, Bsc Thesis, Università degli Studi dell’Insubria, Italy.