GNSS and InSAR based water vapor tomography: A Compressive Sensing solution
GNSS and InSAR based water vapor tomography: A Compressive Sensing solution
复制标题
基于 GNSS 和 InSAR 的水蒸气层析成像：压缩传感解决方案
DOI：
--
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Marion Heublein
中科院分区：
文献类型：
--
作者：
Marion Heublein
利用全球卫星导航系统（GNSS）和干涉合成孔径雷达（InSAR）等高质量的地球测量方法，建立一种新的大气环境效应模型。Gleichzeitig是一个非常复杂的数据模型，它可以通过三维（3D）Wasserdampf-Verteilung来获取气候研究和气象信息，也可以通过GNSS或InSAR来获取韦尔登信息。这是一个基于GNSS的3DWasserdampf-Reconstruktion的远程测试。由于GNSS卫星站的高度可靠性，以及由于GNSS卫星的安全性，在规则中的层析X射线摄影中存在的问题已经被Z.B.超级几何学的Zusatzbedingungen regularisiert韦尔登，welche often glatten auf die Wasserdampf-Schatzungen planken。
本文研究并分析了一个压缩传感（CS）断层成像模型的误差。作者将水阻尼-垂直的理论应用于一个正则化的层析成像问题的几何变换中，并给出了一个简单的几何解释。一个最好的压缩传感器的设计动机是，在压缩传感器中的Anzahl和Beobachtungen可以被用来测量Anzahl和LSQ（Kleinste Quadrate）Ansatzen的参数。在层析成像系统中，利用GNSS进行空间增强的工作同样也会产生干涉合成孔径雷达的工作。最新的探测方法包括：1）卫星导航系统（GNSS）的定位也是绝对的干涉合成孔径雷达（InSAR）用于层析成像的Wasserdampf-Reconstruktion（Wasserdampf-Reconstruktion）; 2）压缩传感层析成像系统的定位。因此，CS-Reconstruktion的质量将与LSQ-Schatzungen的质量相结合。
利用GNSS和干涉合成孔径雷达对一个真实大气层进行折射后的大气水汽衰减层析成像重建，并利用三个综合的水汽衰减数据对大气层进行水汽衰减模拟。该方法的验证主要是通过无线电探空剖面和WRF折射率的测量来实现的，它可以通过综合的Laufzeitverzogerungen生成韦尔登的一般数据来实现。Der reale bzw.第一次综合数据处理是通过对干涉合成孔径雷达Laufzeitverzogerungen bzw的修正，验证了采用小四方波衰减器的CS-Ansatzes的重构质量。合成干涉合成孔径雷达的一般原理和Wasserdampf-Reconstruktion算法。这两种综合数据的处理方法，对折射率测量的分析都有重要的影响。该论文的综合数据处理方法包括对不同GNSS站的层析成像重建的改进，对体素重建的改进和对轨道重建的改进。
我实际上数据包括Kleinste Quadrate Schatzung和Compressive Sensing Ansatz sowohl fur die reine GNSS-Losung also fur die kombinierte GNSS- und InSAR-Losung consistent。压缩感知在瑞士的综合数据采集系统中是非常普遍和实用的。Wasserdampf-Schatzungen的质量取决于以下几个方面：i）功能模型的通用性，即在不同的空间位置上的特征值、折射率和体素距离中的Strahlen，ii）Anzahl verfugbarer GNSS Stationen，iii）体素重建，以及iv）体素重建系统中的Vielseitigkeit。真实数据的核心是bzw。该地区的综合数据中心为120 × 120 km 2 bzw。100 × 100平方公里GNSS台站的数据处理技术是GPS干涉合成孔径雷达的一种有效手段，它的测试和韦尔登都是通过GPS干涉合成孔径雷达来完成的。在综合数据采集韦尔登中，我们可以对不同的站点进行定义，并对不同的站点进行测试。
Unvollstandig oder ungenau erstellte Modelle atmospharischer Effekte schranken die Qualitat geodatischer Weltraumverfahren wie GNSS (Globale Satelliten-Navigationssysteme) und InSAR (Interferometrisches Radar mit synthetischer Apertur) ein. Gleichzeitig enthalten Zustandsgrosen der Erdatmosphare, allen voran die dreidimensionale (3D) Wasserdampf-Verteilung, wertvolle Informationen fur Klimaforschung und Wettervorhersage, welche aus GNSS- oder InSAR-Beobachtungen abgeleitet werden konnen. Es gibt etliche Verfahren zur 3DWasserdampf-Rekonstruktion aus GNSS-basierten feuchten Laufzeitverzogerungen. Aufgrund der meist sparlich verteilten GNSS-Stationen und durch die begrenzte Anzahl sichtbarer GNSS-Satelliten, treten in tomographischen Anwendungen in der Regel jedoch schlecht gestellte Probleme auf, die z.B. uber geometrische Zusatzbedingungen regularisiert werden, welche oft glattend auf die Wasserdampf-Schatzungen wirken.
Diese Arbeit entwickelt und analysiert daher einen Ansatz, der auf einer Compressive Sensing (CS) Losung des tomographischen Modells beruht. Dieser Ansatz nutzt die Sparlichkeit der Wasserdampf-Verteilung in einem geeigneten Transformationsbereich zur Regularisierung des schlecht gestellten tomographischen Problems und kommt somit ohne glattende geometrische Zusatzbedingungen aus. Eine weitere Motivation fur die Nutzung einer sparlichen Compressive Sensing Losung besteht darin, dass die Anzahl an zu bestimmenden von Null verschiedenen Koeffizienten bei gleichbleibender Anzahl an Beobachtungen in Compressive Sensing geringer sein kann als die Anzahl an zu schatzenden Parametern in ublichen Kleinste Quadrate (LSQ) Ansatzen. Zur Erhohung der raumlichen Auflosung der Beobachtungen fuhrt diese Arbeit zudem sowohl feuchte Laufzeitverzogerungen aus GNSS als auch aus InSAR in das tomographische Gleichungssystem ein. Die Neuheiten des vorgestellten Ansatzes sind 1) die Nutzung von sowohl GNSS als auch absoluten InSAR Laufzeitverzogerungen fur die tomographische Wasserdampf-Rekonstruktion und 2) die Losung des tomographischen Systems mittels Compressive Sensing. Zudem wird 3) die Qualitat der CS-Rekonstruktion mit der Qualitat ublicher LSQ-Schatzungen verglichen.
Die tomographische Rekonstruktion der durch feuchte Refraktivitaten beschriebenen atmospharischen Wasserdampf-Verteilung beruht auf der einen Seite auf realen feuchten Laufzeitverzogerungen aus GNSS und InSAR und auf der anderen Seite auf drei verschiedenen synthetischen Datensatzen feuchter Laufzeitverzogerungen, die aus Wasserdampf-Simulationen des Weather Research and Forecasting (WRF) Modells abgeleitet wurden. Die Validierung der geschatzten Wasserdampf-Verteilung stutzt sich somit zum einen auf Radiosonden Profile und zum anderen auf einen Vergleich der geschatzten Refraktivitaten mit den WRF Refraktivitaten, die zugleich als Eingangsdaten zur Generierung der synthetischen Laufzeitverzogerungen genutzt werden. Der reale bzw. der erste synthetische Datensatz vergleicht die Rekonstruktionsqualitat des entwickelten CS-Ansatzes mit ublichen Kleinste Quadrate Wasserdampf-Schatzungen und untersucht, inwieweit die Nutzung von InSAR Laufzeitverzogerungen bzw. von synthetischen InSAR Laufzeitverzogerungen die Genauigkeit und die Prazision der Wasserdampf-Rekonstruktion erhoht. Der zweite synthetische Datensatz wurde dafur ausgelegt, den allgemeinen Einfluss der Beobachtungsgeometrie auf die Refraktivitatsschatzungen zu analysieren. Der dritte synthetische Datensatz untersucht insbesondere die Empfindlichkeit der tomographischen Rekonstruktion gegenuber variierenden GNSS-Stationszahlen, unterschiedlichen Voxel-Diskretisierungen und verschiedenen Orbit-Konstellationen.
Im realen Datensatz verhalten sich die Kleinste Quadrate Schatzung und der Compressive Sensing Ansatz sowohl fur die reine GNSS-Losung als auch fur die kombinierte GNSS- und InSAR-Losung konsistent. Die synthetischen Datensatze zeigen, dass Compressive Sensing in geeigneten Szenarien sehr genaue und prazise Ergebnisse liefern kann. Die Qualitat der Wasserdampf-Schatzungen hangt in erster Linie ab i) von der Genauigkeit des funktionalen Modells, das die feuchten Laufzeitverzogerungen, die zu schatzenden Refraktivitaten und die von den Strahlen in den Voxeln zuruckgelegten Distanzen in Beziehung zueinander setzt, ii) von der Anzahl verfugbarer GNSS Stationen, iii) von der Voxel-Diskretisierung, und iv) von der Vielseitigkeit der in das tomographische System eingebauten Strahlrichtungen. Die mittels des realen Datensatzes bzw. mittels der synthetischen Datensatze untersuchten Regionen sind etwa 120 × 120 km2 bzw. 100 × 100 km2 gros. Im realen Datensatz stehen acht GNSS-Stationen zur Verfugung und es werden feuchte Laufzeitverzogerungen von GPS InSAR genutzt. In den synthetischen Datensatzen werden unterschiedliche Stationsanzahlen definiert und vielseitige Strahlrichtungen getestet.