بررسی بایاس فاز در شبکه‌ی تداخل نما در الگوریتم sbas و تاثیر آن در پوشش‌های متفاوت

تحلیل سری زمانی به کمک روش تداخل سنجی راداری (insar) توانایی خود در پایش تغییرات زمانی فرونشست را نشان داده است. رایج‌ترین روش‌های تداخل سنجی جهت پایش تغییرات سطح زمین، روش sbas و psi هستند. اخیراً بیان شده است که مالتی لوک کردن پیکسل‌ها و استفاده‌ از تداخلنماهای کوتاه‌مدت در الگوریتم sbas یک فاز مزاحم در اندازه‌گیری جابجایی ایجاد می‌کند. هدف اصلی این تحقیق بررسی شبکه‌های تداخل نمای متفاوت در الگوریتم  sbas به‌منظور کشف و کاهش فاز مزاحم می‌باشد. تحلیل‌های سری زمانی به کمک 62 تصویر sentinel-1 در بازه‌ی زمانی 2020 تا 2021 مورد پردازش قرار گرفتند. برای بررسی این اثر نیاز به یک نقشه‌ی جابجایی مرجع و بدون بایاس بود، برای این منظور دو نقشه‌ی جابجایی با دو الگوریتم sbas (تعداد اتصال کامل) و psi تولید شدند. نقشه‌ی بدست آمده با الگوریتم psi با توجه به ماهیت این اثر که برگرفته از مالتی لوک کردن پیکسل ها در الگوریتم sbas می باشد بدون بایاس فاز هست. بعد از مقایسه‌ی دو نقشه‌ی تولید شده، مقدار همبستگی 96.3 درصد نشان داد شبکه‌ با اتصال کامل در الگوریتم sbas  نیز بدون مقدار بایاس فاز هست و به عنوان مرجع در این پژوهش در نظر گرفته شد. برای بررسی تاثیر این مقدار در برآورد جابجایی، تعداد اتصال بین تصاویر و طول تداخلنماهای مورد استفاده در شبکه‌های تداخل نمای متفاوت بررسی شد. نتایج نشان داد  با افزایش اتصال 1 تا 8 بین تصاویر و طول تداخلنماها در شبکه‌ی تداخلنما، مقدار همبستگی بین نقشه‌های جابجایی تولید شده از 66.4 درصد به 81.3 درصد افزایش و مقدار بایاس فاز کاهش پیدا کرد. همچنین با توجه به متفاوت بودن مقدار بایاس فاز در پوشش‌های زمینی مختلف، در این تحقیق سه پوشش شهر، کشاورزی و خاک مورد بررسی قرار گرفته اند. اختلاف بین مقادیر بایاس فاز در تعداد اتصال 1 تا 8 بین تصاویر در سه محدوده‌ی کشاورزی، شهری و خاکی به ترتیب مقادیر 1.228-، 0.25- و 0.672- را نشان داد. بیشترین اختلاف مربوط به محدوده‌ی کشاورزی و کمترین مقدار مربوط به محدوده‌ی شهری است. در نهایت  بایاس فاز در پوشش کشاورزی بیشترین و در پوشش شهری کمترین تاثیر را دارد.

investigation of phase bias in the interferometric network in the sbas algorithm and its impact on different coverages.

the time series analysis using interferometric synthetic aperture radar (insar) has demonstrated its capability in monitoring temporal subsidence changes. the most common methods for interferometric monitoring of land surface changes are the sbas and psi methods. recently, it has been stated that multi-looking pixels and using short-term interferograms in the sbas algorithm introduce unwanted phases in displacement measurements. the main objective of this study is to investigate different interferometric networks in the sbas algorithm to detect and mitigate the interfering phase. time series analyses were performed using 62 sentinel-1 images from 2020 to 2021. to examine this effect, a reference displacement map without bias was required. for this purpose, two displacement maps were generated using two sbas algorithms (full connectivity) and psi. the obtained map using the psi algorithm, considering its nature derived from multi-looking pixels in the sbas algorithm, is bias-free. after comparing the two generated maps, a correlation value of 96.3% indicated that the fully connected network in the sbas algorithm is also bias-free and was considered as a reference in this research. to investigate the impact of this value on displacement estimation, the number of connections between images and the length of interferograms used in different interferometric networks were examined. the results showed that by increasing the connections from 1 to 8 between images and the length of interferograms in the interferometric network, the correlation value between the generated displacement maps increased from 66.4% to 81.3%, and the phase bias decreased. additionally, considering the different phase bias values in various land covers, three land covers, including urban, agricultural, and bare soil, were investigated in this study. the difference between the phase bias values in the connections from 1 to 8 between images in the agricultural, urban, and soil areas revealed values of 1.228, -0.25, and -0.672, respectively. the highest difference was related to the agricultural area, and the lowest value was related to the urban area. ultimately, the phase bias has the greatest impact on the agricultural cover and the least on the urban cover.