Verarbeitungsprozess

Satellitendatenauswahlstrategie

1. Bandabstimmung

   C-Band (Sentinel-1) für kurzfristige Deformationsüberwachung.
   L-Band (ALOS-2) bietet bessere Vegetationspenetration, X-Band (TerraSAR-X) 0,25m Auflösung.

2. Optimierung zeitlich-räumlicher Baselines

   Dijkstra-Algorithmus wählt optimale Interferogrammkombinationen mit vertikalen Baselines <300m (C-Band) und zeitlicher Abtastung gemäß Deformationssignaltheorem.

3. Internationale Datenquellenintegration

   ESA Copernicus: Automatischer Sentinel-1 SLC-Datendownload
   ASF DAAC: ALOS/PALSAR-2-Datenstromintegration
   Kommerzielle Satelliten-APIs: Programmierte Datenerfassung via ICEYE/Capella Space

Präzise Bahnkorrektur

1. POE-Bahnverfeinerung

   ESA-Präzisionsbahnkorrekturen (<5cm Genauigkeit) eliminieren Satellitenpositionsfehler.

2. Baseline-Verfeinerungsmodell

   Singulärwertzerlegung (SVD) berechnet relative Bahnparameter mit <1% Baseline-Fehler.

3. Doppler-Zentroid-Korrektur

   Kompensation azimuthaler Spektrumverschiebungen im Sliding Spotlight-Modus.

Radiometrische Kalibrierung und Rauschunterdrückung

1. Absolute radiometrische Kalibrierung

   Umwandlung von Digitalzahlen in σ0-Streukoeffizienten mittels Corner Reflectors oder Regenwaldreferenzen.

2. Multilook-Verarbeitung

   4:1 (Entfernung:Azimut) Multilook-Verhältnis optimiert Auflösung und Rauschverhalten.

3. Adaptive Filterung

   Goldstein-Werner-Filter mit lokaler Hangneigungsanpassung (optimales 32×32-Pixel-Fenster).

Interferogrammgenerierung und Flat-Earth-Phasenentfernung

1. Komplexdaten-Registrierung

   Korrelationsbasierte Registrierung mit Subpixelgenauigkeit (0,001 Pixel).

2. Flat-Earth-Phasensimulation

   Berechnung und Entfernung der theoretischen Phase mittels Bahnparametern und DEM-Daten (z.B. SRTM 30m).

3. Restbahnkorrektur

   Polynommodell eliminiert langwellige Phasengradienten (<1 rad Restfehler).

Phasenentfaltung: Von gewickelter Phase zur absoluten Deformation

1. Minimum-Cost-Flow-Algorithmus

   Triangulierungsnetz bei Kohärenz >0.3 mit <5% Fehlerausbreitung.

2. Multiskalen-Entfaltungsstrategie

   Grobmaßstab: Niedrigauflösende Trendflächengenerierung
   Feinmaßstab: Branch-Cut-Methode für hochkohärente Bereiche
   KI-optimierte Entfaltung: U-Net-Modell erkennt Phasensprünge (3-fache Effizienzsteigerung).

3. Atmosphärische Verzögerungskorrektur

   Empirische Modelle: MERRA-2-Wetterdaten generieren atmosphärische Phasenschirme (APS).
   Zeitlich-räumliche Filterung: Trennung niederfrequenter Deformationssignale und hochfrequenten Rauschens (Grenzwellenlänge 20km).
   GNSS-Fusion: CORS-Stationsdaten kompensieren ionosphärische Störungen (±1,5mm Genauigkeit).

Zeitreihen-Deformationsinversion

1. Small Baseline Subset (SBAS)-Algorithmus: Redundantes Interferometrienetzwerk (15 Interferogramme/Pixel) löst mittels SVD Deformationszeitreihen.
2. PS-InSAR-Technologie: PS-Punktauswahl (Amplitudendispersionsindex <0,25), Phasendifferenzenmodell trennt Deformation und DEM-Fehler.

Geokodierung und Genauigkeitsvalidierung

Transformation des Radar-Koordinatensystems in WGS84/UTM mit Bodenvalidierung.

1. GNSS-Datenabgleich: IGS-Stationsvergleiche (R²>0,95)
2. Nivellementvalidierung: Präzisionsnivellement in Schlüsselgebieten (±2,3mm Fehler)
3. Unsicherheitsquantifizierung: Monte-Carlo-Simulation generiert Deformationsfehlerellipsen.

Ingenieurtaugliche Produktausgabe

1. Standardisierte Datenformate

--GeoTIFF: Deformationsratenfeld (mm/Jahr)
--CSV: Zeitreihenverschiebungen (UTC-Zeitstempel auf Millisekunden genau)
--KMZ: Google Earth-Visualisierungsebenen

2. API-Integrationsdienste (in Entwicklung)

--RESTful API für Deformationswarnungen (schwellenwertanpassbar)
--Python/Matlab SDK für Kernalgorithmen