Page 149 - 《武汉大学学报（信息科学版）》2025年第9期

第 50 卷第 9 期 武帅莹等：一种基于 GNSS 和机器学习的 InSAR 大气改正方法 1877

［52］ YU C， PENNA N T， LI Z H. Generation of Real- CHI H， et al. Improving Tropospheric Corrections
Time Mode High-Resolution Water Vapor Fields on Large-Scale Sentinel-1 Interferograms Using a
from GPS Observations［J］. Journal of Geophysical Machine Learning Approach for Integration with
Research： Atmospheres， 2017， 122（3）： 2008-2025. GNSS-Derived Zenith Total Delay （ZTD）［J］. Re⁃
［53］ WALTERS R J， ELLIOTT J R ， LI Z ， et al. mote Sensing of Environment， 2020， 239： 111608.
Rapid Strain Accumulation on the Ashkabad Fault ［60］ TANG W， LIAO M S， ZHANG L， et al. Study
（Turkmenistan） from Atmosphere-Corrected In⁃ on InSAR Tropospheric Correction Using Global At⁃
SAR［J］. Journal of Geophysical Research： Solid mospheric Reanalysis Products［J］. 2017， 60（2）：
Earth， 2013， 118（7）： 3674-3690. 527-540.
［54］ WILGAN K， HURTER F， GEIGER A， et al. ［61］ PRATS-IRAOLA P， SCHEIBER R， MAROTTI
Tropospheric Refractivity and Zenith Path Delays L， et al. TOPS Interferometry with TerraSAR-X
from Least-Squares Collocation of Meteorological ［J］. IEEE Transactions on Geoscience and Remote
and GNSS Data［J］. Journal of Geodesy， 2017， 91 Sensing， 2012， 50（8）： 3179-3188.
（2）： 117-134. ［62］ COSTANTINI M. A Novel Phase Unwrapping
［55］ SPOORTHI G E， GORTHI S， GORTHI R K S Method Based on Network Programming［J］. IEEE
S. PhaseNet： A Deep Convolutional Neural Net⁃ Transactions on Geoscience and Remote Sensing，
work for Two-Dimensional Phase Unwrapping［J］. 1998， 36（3）： 813-821.
IEEE Signal Processing Letters， 2019， 26（1）： 54-58. ［63］ BÉLISLE E， HUANG Z， LE DIGABEL S， et al.
［56］ MA L， LIU Y， ZHANG X L， et al. Deep Learning Evaluation of Machine Learning Interpolation Tech⁃
in Remote Sensing Applications： A Meta-Analysis niques for Prediction of Physical Properties［J］. Com⁃
and Review［J］. ISPRS Journal of Photogrammetry putational Materials Science， 2015， 98： 170-177.
and Remote Sensing， 2019， 152： 166-177. ［64］ 李永生， 张景发， 姜文亮， 等 . 基于网络法时序 In⁃
［57］ JIN J C， CHEN G， MENG X M， et al. Prediction SAR 大气误差校正方法研究［J］. 大地测量与地球
of River Damming Susceptibility by Landslides 动力学， 2015， 35（1）： 145-149.
Based on a Logistic Regression Model and InSAR LI Yongsheng， ZHANG Jingfa， JIANG Wenliang，
Techniques： A Case Study of the Bailong River Ba⁃ et al. Atmospheric Artifacts Correction in Time Se⁃
sin， China［J］. Engineering Geology， 2022， 299： ries InSAR Using Network Methodology［J］. Jour⁃
106562. nal of Geodesy and Geodynamics， 2015， 35（1）：
［58］ XUE X M. Time-Dependent Modeling of Volcano 145-149.
Deformation in Alaska and Transient Detection Using ［65］ BEKAERT D P S， WALTERS R J， WRIGHT T
Machine Learning Methods［D］. East Lansing， MI， J， et al. Statistical Comparison of InSAR Tropo⁃
USA： Michigan State University， 2021. spheric Correction Techniques［J］. Remote Sensing
［59］ SHAMSHIRI R， MOTAGH M， NAHAVAND⁃ of Environment， 2015， 170： 40-47.