干涉合成孔径雷达（InSAR）作为微波遥感领域的革命性技术，其核心优势在于通过相位差反演地表三维信息，实现高精度数字高程模型（DEM）的快速构建。与传统光学测绘相比，InSAR具备全天候、全天时、大范围覆盖的特性，且不受光照条件限制，尤其适用于复杂地形与灾害应急场景。其本质是利用电磁波传播的相位特性——同一地面目标在不同观测视角下的回波相位差，与目标高程形成严格的几何映射关系，通过解译这一关系完成高程计算。本文将从相位信息的物理本质出发，系统阐述高程提取的完整流程，包括干涉相位的生成机制、关键处理步骤、误差校正技术及前沿发展，结合权威文献与专利技术细节展开专业解析。
一、相位信息的物理本质与干涉形成机制
1. 相位差的来源构成
InSAR系统通过双天线同时观测或单天线重轨观测，获取同一区域的两幅相干SAR影像。同名像点的相位差（干涉相位）主要由三部分组成：
（1）地形相位：核心信号，由地表高程起伏导致的观测距离差引发，是高程提取的直接依据；
（2）平地相位：理想平面下的相位贡献，与地形无关，需通过几何模型去除；
（3）噪声相位：包括大气延迟、轨道误差、系统噪声等干扰项，需通过校正算法抑制。
根据电磁波传播原理，相位差与距离差的关系满足：Δφ=(4πΔr)/λ，其中Δr为两次观测的距离差，λ为雷达波长。而距离差与地表高程h、卫星轨道参数（高度H、基线长度B、入射角θ）的几何关系，构成了高程反演的数学基础。
2. 干涉条纹图的生成
通过对两幅SAR影像进行配准（像素级至亚像素级），计算对应像点的复信号相位差，即可生成干涉条纹图——条纹的疏密与走向直接反映地形坡度：陡坡区域条纹密集，平缓区域条纹稀疏，平地则呈现等间距平行条纹。这一可视化结果是后续相位解缠与高程计算的原始数据。
二、高程提取的关键技术流程
1. 数据获取与干涉对优选
（1）观测构型设计：分为单轨双天线（空间基线）和重轨单天线（时间基线）两种模式。星载InSAR常采用重轨观测，需控制基线参数满足相干性要求——根据临界基线准则B⊥crit=(λBRtan(θ-η)cosϑ)/c，垂直基线需控制在临界值的10~20%，确保平均相干系数≥0.7；
（2）数据预处理：包括脉冲压缩、多普勒聚焦、运动补偿等，消除平台运动误差，保证影像相干性。对于非沿迹模式，需采用时域保相后向投影算法，确保弯曲条带场景下的成像精度。
2. 干涉相位处理核心步骤
（1）平地相位去除：基于理想平面模型，通过轨道参数计算并扣除平地相位贡献，凸显地形起伏带来的相位变化。公式表达为Δφterrain=Δφtotal-Δφflat，其中平地相位Δφflat由卫星高度、基线长度和入射角共同决定；
（2）相位滤波降噪：采用自适应滤波算法（如Goldstein滤波）抑制斑点噪声与大气扰动，同时保持相位边缘信息。对于多通道InSAR系统，可通过通道间信息融合提升滤波效果；
（3）相位解缠：这是高程提取的关键瓶颈。由于SAR相位的周期性（取值范围[-π,π]），观测相位为真实相位的“缠绕”形式，需通过解缠算法恢复连续相位。主流方法包括：
1）传统算法：最小成本流法、分支切割法，适用于低噪声、高相干性场景；
2）深度学习算法：如MCJ-UNet网络，将模糊数估计转化为语义分割问题，通过多通道联合约束实现高精度解缠，尤其适用于地形陡变区域；
（4）高程反演计算：利用解缠后的真实相位，结合几何模型完成高程解算。核心公式为：
h=H-(λ・Δφunwrapped・R)/(4π・B⊥・sinθ)
其中B⊥为垂直基线分量，R为斜距，θ为波束下视角。通过该公式可逐像素计算地表高程，生成DEM产品；
（5）地理编码：将雷达坐标系下的高程数据转换为地理坐标系（如WGS84），结合投影变换实现与常规地理信息数据的融合。
3. 误差校正技术体系
（1）轨道误差校正：利用卫星精密轨道数据（如星载GNSS观测结果），修正基线参数偏差，确保几何模型准确性；
（2）大气延迟校正：采用大气模型（如ERA5再分析数据）或多时相数据平均法，抑制电离层与对流层延迟带来的相位偏差；
（3）相干性优化：通过基线去相干与多普勒去相干控制，确保干涉对的相干性。总相干系数γtotal=γB・γD，其中γB为空间基线去相干，γD为方位多普勒去相干；
（4）地形坡度校正：对于陡坡区域，需引入坡度因子η修正几何模型，避免高程计算偏差。
三、不同平台InSAR高程提取特性对比
平台类型
|
分辨率
|
覆盖范围
|
高程精度
|
适用场景
|
核心技术要点
|
星载InSAR
|
米级（1-10m）
|
全球覆盖
|
1-5m
|
大范围地形测绘
|
重轨基线优化、大气延迟校正
|
机载InSAR
|
厘米级（0.1-1m）
|
数十至数百km²
|
0.1-1m
|
应急监测、复杂地形
|
运动补偿、实时相位处理
|
地基InSAR
|
毫米级（静态）
|
局部区域
|
0.1mm
|
重点设施监测
|
固定基线校准、多视角观测
|
星载InSAR中，非沿迹模式通过优化波束指向与基线设计，可实现局部地形的高精度测量，弥补传统沿迹模式的观测局限；机载系统则凭借灵活性优势，成为灾害应急（如地震、滑坡）中快速获取高程数据的核心手段。
四、前沿发展与技术挑战
1. 技术创新方向
（1）多传感器融合：结合LiDAR、光学影像与GNSS数据，构建“天-空-地”一体化高程测量网络，提升复杂地形适应性；
（2）智能化处理：基于深度学习的相位解缠、噪声抑制与异常值检测，实现数据处理全流程自动化；
（3）多通道InSAR：利用双频、双基线构型的高程模糊度差异，解决地形陡变区域的相位解缠难题；
（4）轻量化载荷：小型化、低功耗
SAR载荷的研发，拓展无人机平台的续航与覆盖能力。
2. 核心挑战与解决方案
（1）相干性退化：针对森林覆盖、动态地表等场景，采用极化干涉（PolInSAR）技术提升相干性；
（2）数据处理复杂度：通过边缘计算与高效压缩算法，降低高分辨率数据的存储与计算压力；
（3）极端地形适配：优化非沿迹观测构型与基线设计，提升山区、冰川等区域的高程反演精度。
InSAR载荷利用相位信息提取高程数据，是通过“观测相位生成-干涉处理-相位解缠-几何反演-误差校正”的闭环流程实现的。其核心在于精准捕捉地形起伏与相位差的几何映射关系，通过多技术融合突破相位解缠、相干性保持等关键瓶颈。随着深度学习、多平台协同等技术的发展，InSAR高程测量的精度、效率与适用范围将持续提升，在地形测绘、地质灾害监测、基础设施建设等领域发挥愈发重要的作用。
MiniSAR聚焦于微型合成孔径雷达（SAR）制造研发，为用户提供定制化机载SAR、轻型MiniSAR、无人机载MiniSAR、SAR数据采集服务、SAR飞行服务等。如您有相关业务需求，欢迎联系！
150-110-63408