多因子约束的自适应四叉树InSAR数据降采样方法

摘要

InSAR形变场的数据压缩有助于提高同震滑动分布模型和发震构造参数的反演效率，但如何在剔除噪声和冗余信息与保留更多全局性和局部性关键形变特征之间取得平衡，对传统压缩方法是一个挑战。为此，文章提出一种由方差、形变梯度和相干性共同约束的多因子四叉树降采样方法，用于InSAR同震形变场的降采样处理，利用显著性和相干系数为因子自适应赋权，选取3个复杂性不同的强震事件对方法的有效性和鲁棒性进行验证。相较于已有方法，多因子四叉树降采样法在3个震例中均保持较平衡的采样率和较低的均方根误差，且采样结果在三维滑动分布反演中能更好地揭示断层的滑动分布，降低模型的残差。结果表明，该方法能保持较低的采样率和更好的鲁棒性，可有效剔除低相干性点，对关键性形变细节保留度较高，且对形变的线性分布约束更强。

关键词

InSAR / 同震形变 / 四叉树降采样 / 形变梯度 / 相干性

基金资助

中国地震局地震研究所所长基金(IS20226325); 武汉引力与固体潮国家野外科学观测研究站开放基金(WHYW202201)