近年来，国内外学者提出了多种大气校正方法，包括基于气象数据建模的方法、基于SAR数据自身特性的校正方法以及其他创新性技术手段。本文将从误差根源、核心技术分类、典型方法解析、应用验证等维度展开，系统梳理SAR数据采集服务中大气校正技术的完整体系。

一、SAR大气干扰的物理本质与误差特性

合成孔径雷达（SAR）通过电磁波传播路径的相位测量实现地表观测，但大气作为信号传播的介质，会引入非地形、非形变的额外相位延迟（φ_atmo），直接影响毫米级形变监测的准确性。其核心误差源可分为两类，物理特性差异显著：

特性维度	对流层延迟	电离层延迟
发生高度	0–10km（近地面大气层）	60–1000km（高空电离区域）
主导影响因子	气温、气压、水汽含量（湿延迟占比高）	太阳辐射、地磁活动、总电子含量（TEC）
频率依赖性	无（非色散效应）	强（色散效应，与频率平方成反比）
典型量级（LOS）	干延迟2–3m+湿延迟数cm至数十cm	数mm至数cm（低频SAR系统可达近1米）
时空特性	空间相关尺度数km至数十km，时间变异分钟至小时级	空间相关尺度数十km至数百km，日变化显著

这些延迟误差并非独立存在，而是与轨道偏差、同步漂移等误差相互耦合——轨道误差会放大对流层湿延迟的空间梯度，电离层扰动则可能干扰多普勒估计，形成复杂的相位污染链条。对于C波段SAR（如Sentinel-1），1弧度的相位误差即可等效为0.89cm的视线向（LOS）虚假位移，足以掩盖真实的地表形变信号。

二、SAR大气校正技术的核心分类体系

根据数据依赖关系，SAR大气校正技术可分为基于SAR数据自身和融合外部辅助数据两大类，各类方法的原理、优势与局限性如下：

1. 基于SAR数据自身的校正方法

此类方法无需外部数据支撑，利用大气信号的时空分布特性实现误差剥离，核心思路是"信号分离"。
（1）时空滤波法

1）原理基础：大气信号在空间上呈缓慢变化（空间相关尺度大），在时间上具有短期波动性，而真实形变信号通常具有稳定的时空趋势。通过设定合理的时空滤波窗口，可分离两类信号。
2）典型实现：永久散射体干涉测量（PS-InSAR）、小基线集技术（SBAS-InSAR）中的相位分解步骤，通过对时序SAR影像的相位进行时空低通滤波，提取大气相位成分。
3）优势与局限：无需额外数据，操作简便；但滤波假设存在局限性（假设大气信号为高斯分布），不当的窗口设置可能平滑真实形变信号，尤其在形变梯度较大区域易产生误差。

（2）公共影像堆叠法

1）原理核心：选取同一研究区域的多幅SAR影像中的某一幅作为公共参考影像，将所有干涉对与该公共影像形成的干涉图进行堆叠分析，通过统计平均消除随机大气噪声，提取稳定的大气延迟模式。
2）技术特点：通过多组干涉对的叠加增强大气信号的可识别性，校正精度受影像数量影响显著（影像越多，统计稳定性越好）。
3）实践效果：在西藏中部地区的验证中，该方法对单个干涉图的校正可使标准差下降60%以上，效果优于部分外部数据辅助方法。

（3）斜距方位角模型法

1）原理框架：基于SAR成像的斜距-方位角坐标系，建立大气延迟的几何模型。通过地面控制点（角反射器或自然稳定散射体）的实测相位与理论相位差异，估计局部大气延迟，再通过插值扩展至全场景。
2）关键步骤：

a. 建立斜距-方位角坐标系下的延迟模型：r_measured=r_true+Δr_atm，其中Δr_atm为大气引起的斜距误差；

b. 计算控制点相位误差：Δφ_i,j=arg(s_meas,i,j/s_theoretical,i,j)；

c. 插值扩展至全场景，通过相位补偿公式I_corrected=I_raw*exp(-jΔφ_atm)完成校正。

3）优势：结合几何模型与实测数据，校正精度高；局限：依赖地面控制点部署，不适用于无控制点区域。

2. 融合外部辅助数据的校正方法

此类方法利用大气物理参数的外部观测数据，直接建模大气延迟过程，核心思路是"物理建模"。
（1）气象数值模型法

1）数据来源：欧洲中期天气预报中心（ECMWF）的ERA5再分析数据、美国WRF中尺度气象模式等，提供气温、气压、湿度、电子密度等三维时空数据。
2）建模原理：基于Saastamoinen模型等经典大气折射模型，通过积分路径上的气象参数计算延迟量。例如干延迟计算公式：

ΔL_dry=(0.0022768*P0)/(1-0.00266*cos(2φ)-0.00028*h)
其中P0为地面气压，φ为纬度，h为海拔高度。

3）优势与局限：可实现大范围、全天候校正；但空间分辨率较低（如ERA5原生分辨率约31km），难以捕捉局地小尺度大气扰动。

（2）通用大气校正在线服务（GACOS）

1）技术特性：融合GPS观测数据、气象再分析数据与水汽辐射传输模型，提供高分辨率（最高0.1°）的大气延迟产品，支持Sentinel-1、ALOS等主流SAR卫星数据的在线校正。
2）校正流程：通过GACOS平台输入SAR影像的时空信息，获取对应的对流层和电离层延迟图，再与干涉相位进行叠加抵消。
3）实践效果：在时序形变分析中可有效改善结果稳定性，但单个干涉图的校正效果存在波动，需结合研究区域特性合理使用。

（3）多源遥感数据融合法

1）数据类型：MODIS、MERIS等光学卫星的水汽产品，GPS站网的大气可降水量（PWV）观测数据，电离层探测卫星的TEC地图。
2）融合逻辑：利用光学遥感数据的高空间分辨率弥补气象模型的不足，通过GPS数据的高精度验证优化延迟模型，尤其适用于对流层湿延迟的精细校正。

三、典型应用场景与校正效果验证

以西藏中部色林错周边区域的Sentinel-1数据处理为例，该区域海拔高（平均4000m以上）、植被少、散射特性稳定，且存在湖泊扩张引发的微弱地表变形，是验证大气校正方法的理想场景。

1. 校正方法对比实验

（1）实验数据：2022–2023年期间的28景Sentinel-1 TOPS模式影像，形成35个干涉对，基线长度0–150m。
（2）对比方法：公共影像堆叠法vs GACOS法。
（3）核心结果：

1）单干涉图校正：公共影像堆叠法使相位标准差平均下降62.3%，GACOS法校正效果不稳定（标准差下降范围30%–55%）；
2）时序形变分析：两种方法提取的大气延迟趋势一致性较好，但数值差异显著（GACOS法的湿延迟估计值平均比堆叠法高12%）；
3）最终形变场：经校正后，色林错周边的年均形变速率为-2.3±0.5mm/yr（沉降），与岩石圈黏弹性响应的理论预测一致，验证了校正的有效性。

2. 不同场景的方法适配性

（1）城市沉降监测：优先选择公共影像堆叠法+PS-InSAR，利用城市中大量永久散射体（建筑、桥梁）提升校正精度；
（2）高原山区形变监测：采用GACOS+WRF数据融合方法，弥补高原气象站点稀疏的不足；
（3）低频SAR数据（如ALOS PALSAR L波段）：需重点考虑电离层校正，结合GPS TEC数据与色散关系模型；
（4）短基线干涉图：时空滤波法即可满足需求，无需复杂外部数据融合。

大气校正作为SAR数据采集服务精准应用的关键环节，其技术发展始终围绕"物理机制解析-信号特征提取-多源数据融合"的核心逻辑。从早期的时空滤波到如今的智能建模，校正精度已从分米级提升至毫米级，为城市沉降监测、重大工程安全评估、自然灾害防治等领域提供了可靠支撑。未来，随着观测技术的进步与算法的创新，SAR大气校正将朝着更高效、更精准、更普适的方向发展，进一步释放SAR遥感技术的应用潜力。

---

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！

---