学术动态

用于关键基础设施监测的永久散射体干涉测量：以桥梁为例的实践教程

针对桥梁等关键基础设施长期服役过程中存在结构退化风险、传统监测方法难以实现大范围连续形变观测，以及永久散射体干涉测量（Persistent Scatterer Interferometry，PSI）技术在工程应用中存在专业门槛较高、处理流程复杂及结果不确定性难以解释等问题，开展面向关键基础设施形变监测的PSI技术应用与实践方法综述研究。该研究以桥梁结构监测为典型场景，系统梳理合成孔径雷达（SAR）成像基础、干涉测量原理及PSI时序形变反演流程，重点分析SAR数据选取、时序影像栈构建、处理参数设置及形变结果解释等关键技术环节，明确不同观测条件与处理策略对基础设施形变监测精度、可靠性及适用性的影响。同时，探讨环境因素引起的形变信号与基础设施结构响应之间的分离方法，分析监测结果中的误差来源、观测局限及不确定性，并强调处理假设与参数记录对监测流程可复现性的重要作用。在此基础上，展望高分辨率、多轨道SAR观测及机器学习辅助处理技术在基础设施精细化监测中的应用潜力，为降低PSI技术的工程应用门槛、规范关键基础设施形变监测流程及提升结构安全评估能力提供系统性的技术指导与实践参考。

SARATR-X-v2：用于合成孔径雷达基础模型的尺度感知结构预训练

针对现有合成孔径雷达（SAR）掩码图像建模（MIM）自监督预训练方法中重建目标设计缺乏统一依据、像素级重建易受相干斑噪声干扰，以及特征表征难以兼顾不同下游任务语义尺度需求等问题，提出一种兼顾物理稳定性与语义尺度适配性的SAR自监督预训练方法（SARATR-X-v2）。该方法从SAR相干成像机理与多尺度语义表征需求出发，提出预训练重建目标应同时满足对乘性相干斑噪声的近似不变性和对不同空间尺度语义信息的有效覆盖。为此，设计覆盖六种感受野尺度的固定结构特征提取算子，融合盲点局部聚合与方向性对数比值区域对比等结构信息，并通过可学习权重对多尺度特征进行自适应融合，构建统一的掩码重建监督信号，引导模型学习具有物理稳定性和多尺度语义表达能力的SAR特征表示。该方法将SAR成像物理先验与数据驱动的特征融合机制相结合，降低相干斑扰动对预训练目标的影响，增强预训练特征在分类、目标检测及语义分割等下游任务中的迁移能力与泛化性能，为SAR基础模型的自监督预训练目标设计及高质量特征表征学习提供了新的研究思路。

利用多源数据的合成孔径雷达干涉测量星上定标技术

用于少样本合成孔径雷达目标识别的混合标注图原型神经网络

相位调制一比特合成孔径雷达成像

面向格陵兰冰盖高速冰川的形变补偿偏移量跟踪方法

基于交叉项感知质心频率与调频率分布重建的稀疏孔径逆合成孔径雷达自聚焦与横向尺度标定

面向SAR成像的自适应多目标脉冲压缩

SARShipRES：面向指代表达式SAR舰船分割的散射感知数据集与结构正则化框架

结合InSAR约束负样本采样与可解释表格GeoAI的活动感知滑坡易发性制图

利用Sentinel-1超宽幅模式观测斯瓦尔巴群岛Kongsfjorden与Krossfjorden十年夏季冰川前缘及崩解冰分布

基于多年SAR合成影像与测高数据的热带淹水森林范围及动态

融合微波散射机理与基于超像素协同约束的北极海冰提取

利用非局部DS-InSAR和基于物理的反演绘制地下煤火中的地下燃烧腔

针对地下煤火燃烧过程隐蔽性强、单一遥感观测手段难以准确揭示地下燃烧活动及其引发的地表热力与形变响应等问题，提出一种融合雷达形变监测、热红外遥感观测与物理模型反演的地下煤火动态监测框架。该方法联合Sentinel-1A合成孔径雷达（SAR）与Landsat-8热红外遥感数据，首先采用非局部分布式散射体干涉合成孔径雷达（InSAR）方法提取高密度地表视线向形变时间序列，利用广义单通道算法反演地表温度，构建地下煤火活动的形变与热异常协同观测体系；其次，通过地表形变与温度时序信息的联合分析，刻画地下煤火活动的时空演化特征，揭示地下持续燃烧、地表沉降及热异常分布之间的关联关系；进一步引入具有平滑正则化约束的Okada矩形位错模型，利用累积地表形变场反演地下等效燃烧空腔的几何形态与埋深，增强对地下燃烧源空间位置及其作用机制的识别能力。该研究实现了从地表形变与温度异常监测向地下煤火燃烧源几何特征推断的拓展，为地下煤火活动识别、燃烧过程动态监测、地质灾害风险评估及煤田生态环境治理提供了新的多源遥感监测与物理反演技术途径。

通过物理约束贝叶斯框架从单几何SAR观测中联合反演海洋表面风场和流场

针对传统星载合成孔径雷达（SAR）海面风场与流场反演相互独立、单一观测几何条件下风流联合反演存在欠定性，以及反演结果对背景信息依赖较强等问题，提出一种融合SAR后向散射与多普勒质心异常观测的物理约束贝叶斯海面风流联合反演框架。该方法充分利用雷达后向散射对海面风场的敏感性及多普勒质心异常对海表径向运动的响应特征，构建10 m高度海面风场与径向表层流速的联合反演模型。首先，引入经验风生漂流关系作为软物理约束，结合背景海流产品对径向流速增量进行约束，缓解单一SAR观测几何下风流参数反演的欠定问题；其次，基于贝叶斯推断理论，采用加权最大后验估计方法，融合多源观测信息、背景场先验及风流耦合物理关系，实现海面风速与径向表层流速的协同优化估计。该方法将海气相互作用物理机制与SAR多观测量信息融合相结合，增强了复杂海况下海面风流联合反演的物理一致性与稳定性，为利用常规单视几何星载SAR数据开展公里级近海风场与径向表层流场协同监测提供了新的技术途径。

基于RTE的AMSR2被动微波土壤水分反演专家混合框架

针对日本宇宙航空研究开发机构（JAXA）AMSR2卫星土壤水分产品在植被茂密区和干旱区存在系统性反演偏差，以及植被覆盖、地表粗糙度与土壤微波辐射之间复杂非线性耦合关系难以准确建模等问题，提出一种辐射传输方程（Radiative Transfer Equation，RTE）引导的混合专家网络（Mixture-of-Experts，MoE）土壤水分反演框架。该方法将微波辐射传输物理先验与数据驱动深度学习相结合，首先构建迭代式代理标签优化机制，以现有土壤水分产品为初始参考，通过逐步优化训练标签，降低原始产品系统性偏差对模型学习的影响；其次，设计基于门控机制的端到端混合专家网络，利用AMSR2卫星14通道微波亮温观测数据，学习不同地表环境下亮温与土壤水分之间的非线性映射关系，并通过门控网络自适应融合不同专家模型的预测结果，增强模型对植被覆盖、土壤粗糙度及地表环境差异的适应能力。该方法通过物理先验约束、代理标签迭代优化与多专家协同学习，有效缓解复杂下垫面条件下微波土壤水分反演的系统性偏差，提高反演结果的准确性、稳定性及跨季节适应能力，为多通道被动微波遥感土壤水分反演及复杂地表环境下的全球土壤水分监测提供了新的技术途径。

BiSAR海上运动目标空间分辨率的模型、来源及分析

针对双基地合成孔径雷达（BiSAR）海上运动目标成像中，目标平动及三维振荡运动导致传统静止场景分辨率理论不再适用，以及运动目标成像分辨率受平台构型、目标运动状态和海况等多因素耦合影响、难以准确表征其变化规律等问题，开展双基地SAR海上运动目标二维空间分辨率建模与影响机制研究。该研究首先建立考虑目标平动与三维振荡运动的双基地SAR海上运动目标回波信号模型，基于梯度分辨率理论推导运动目标二维空间分辨率的解析模型，揭示发射平台、接收平台及目标运动对成像分辨率的共同作用机制；其次，提出方位向分辨率贡献指数（Azimuth Resolution Contribution Index，ARCI），定量表征发射机、接收机及目标运动对方位向分辨率的独立贡献，为复杂双基地观测几何下的分辨率形成机理分析提供统一的量化指标；进一步分析成像分辨率及ARCI的时变特征，系统探讨海况、目标旋转运动参数及雷达平台构型对运动目标空间分辨率的影响规律。该研究将双基地SAR成像几何、海上目标复杂运动模型与梯度分辨率理论相结合，为海上运动目标高分辨率成像性能评估、双基地SAR系统参数设计及观测构型优化提供了理论依据与技术参考。

通过深度学习从SAR测高中反演垂直多普勒频率和垂直偏转

针对传统卫星雷达高度计利用差商法反演垂线偏差（Deflection of the Vertical，DOV）时，随着空间分辨率提高易产生显著噪声放大效应，导致海洋重力场高频信号提取精度受限等问题，提出一种基于垂直多普勒（Vertical Doppler，V-Doppler）频率提取的高精度海洋垂线偏差反演方法。该方法首先利用快速傅里叶变换（FFT）将雷达高度计回波信号由时域转换至频域，构建延迟—多普勒图（Delay/Doppler Map，DDM），从中提取与海面坡度相关的垂直多普勒信息；其次，引入Segment Anything Model 2（SAM 2）基础模型，构建混合深度学习边缘提取网络（HDLEE），增强复杂噪声背景下DDM特征边缘的识别能力，提高垂直多普勒频率提取的准确性与鲁棒性；进一步设计加权多窗口校准算法，利用传统差商法在低频信息估计方面的稳定性，对垂直多普勒频率中的低频系统性偏差进行校正，实现高频信号提取与低频误差抑制的协同优化。在此基础上，利用CryoSat-2、Sentinel-3及Sentinel-6等多源卫星雷达高度计观测数据，开展逐突发脉冲组的垂直多普勒频率估计与沿轨垂线偏差反演。该研究将雷达高度计多普勒信号处理、视觉基础模型与多尺度误差校准相结合，为高空间分辨率海洋垂线偏差反演、海洋重力场精细结构探测及卫星测高数据深度应用提供了新的技术途径。

从Sentinel-1时间序列中检测作物播种和收获日期的一种新的自适应方法

针对传统SAR遥感作物播种与收获日期监测方法对作物类型和地表环境适应性不足、单一极化指标难以满足大范围监测需求的问题，提出一种基于Sentinel-1时序数据的自适应指标选择框架（ASIS），实现作物播种与收获日期的自动识别。该方法综合分析VH交叉极化后向散射强度与交叉极化比（CR）在不同作物类型及地表条件下的响应差异，揭示不同极化指标对雨养农田、灌溉农田及水田等种植环境的适用机制。首先，采用迭代式时间序列聚类策略，根据SAR时序特征对不同作物类型及地表条件进行自适应分组；其次，构建融合VH与CR信息的作物生长季指标（RCGI），实现作物生长季的可靠识别；最后，利用非生长季VH后向散射强度自动判别地表条件，并自适应选择最优极化指标进行播种与收获日期提取。该方法降低了作物类型、土壤粗糙度及水分条件差异对监测结果的影响，减少了对先验作物类别和田块边界信息的依赖，为大范围农事活动监测、作物生长建模及农业生产管理提供了新的技术途径。

From repeat-pass to single-pass: City-scale 3D point-cloud reconstruction via InSAR-TomoSAR fusion with the Hongtu-1 multistatic SAR constellation