Continuous Processing and Analysis of Synthetic Aperture Radar Interferometry Data to Support Deformation Monitoring

Die Überwachung von Oberflächendeformationen großer Infrastrukturelemente, wie z.B. die Absperrwerke von Talsperren sind Bestandteile der Beurteilung ihrer strukturellen Integrität. Unerwartete Oberflächendeformationen oder eine Veränderung in ihrem zeitlichen Verhalten kann als Indikator für einen strukturellen Schaden oder eine Bodendeformation, die die Infrastrukturelemente beschädigt, dienen. Aufgrund dessen ist eine regelmäßige Beurteilung der strukturellen Integrität ist eine entscheidende Aufgabe. Persistent Scatterer Interferometry (PSI) ist eine Methode der Fernerkundung, die sich zur Überwachung der Oberflächendeformationen großer Infrastrukturelemente gut eignet. Die Methode bestimmt aus der Phaseninformation von Synthetic Aperture Radar (SAR)-Aufnahmen die Oberflächendeformation. Eine Stärke der Methode ist, dass sie die Oberflächendeformation in Blickrichtung des Sensors mit einer Genauigkeit im Bereich von Submillimetern für die TerraSAR-X (TSX) Sensoren und im Bereich von Millimetern für die Sentinel-1 (S1) Sensoren bestimmen kann. Eine weitere Stärke ist, dass weder Personal vor Ort noch das Anbringen von Sensoren notwendig sind. Außerdem ist es mit PSI erheblich einfacher, unter günstigen Bedingungen ein enges Messpunktnetz bereitzustellen als mit Global Navigation Satellite System Stationen. Mit dem Start der S1-Mission kommt noch hinzu, dass dem Nutzer eine kontinuierliche Abfolge von SAR-Aufnahmen weltweit zur Verfügung steht. Dies hat die Entwicklung zu einer kontinuierlichen Auswertung eines sich regelmäßig aktualisierenden Datensatzes maßgeblich unterstützt. In diesem Zusammenhang ergeben sich einige Fragen bezüglich der eigentlichen Prozessierung und der systematischen Analyse der berechneten Oberflächendeformationsdatensätze. Die PSI-Prozessierung eines sich stetig erweiternden Datensatzes wirft Fragen bezüglich der Persistent Scatterer (PS)-Dichte, der Effizienz und Vergleichbarkeit der Ergebnisse der jeweiligen Aktualisierungen auf. Im Rahmen dieser Arbeit werden drei unterschiedliche Strategien zur kontinuierlichen Verarbeitung eines sich stetig erweiternden Datensatzes mittels PSI vorgestellt und evaluiert. Die erste Strategie beinhaltet die kontinuierliche Prozessierung aller zur Verfügung stehenden SAR-Aufnahmen bei jeder Aktualisierung. Mit der zweiten Strategie wird der Ansatz verfolgt, die SAR-Aufnahmen in aufeinanderfolgenden sich zeitlich nicht überlappenden Teildatensätzen zu prozessieren. Die dritte Strategie berücksichtigt bei der Prozessierung aufeinanderfolgende sich zeitlich überlappende Teildatensätze, in Anlehnung an das Sliding-Window-Prinzip. Damit die im Rahmen der dritten Strategie bestehenden Möglichkeiten zur Wiederverwendung von Zwischenergebnissen vollständig ausgenutzt werden können, wurde die PSISlider-Prozessierungskette entwickelt. Die Strategien wurden bezüglich, für die Prozessierung relevanter, Schlüsselparameter ausgewertet und einander gegenübergestellt. Es wurde festgestellt, dass die dritte Strategie am besten geeignet ist zur kontinuierlichen Verarbeitung eines sich stetig erweiternden Datensatzes. Die Strategie ermöglicht eine relativ stabile PS Anzahl und benötigt eine begrenzte Prozessierungszeit und begrenzten Speicherplatz. Zusätzlich bietet die Strategie die Möglichkeit eng aufeinanderfolgende Aktualisierungen zu liefern und die Zwischenergebnisse zu vergleichen. Im Weiteren wurde die Notwendigkeit für automatisierte Post-Prozessierungsverfahren zur Extraktion relevanter Informationen aus Oberflächendeformationsdatensätzen identifiziert. Die häufig genutzten Karten der mittleren Geschwindigkeit berücksichtigen weder eine Beschleunigung oder Entschleunigung noch ein periodisches Verhalten der Deformationsphänomene, was zu Fehleinschätzungen führen kann. Aus diesem Grund wurde das Persistent Scatterer Deformation Pattern Analysis Tool (PSDefoPAT®) entwickelt, um zeitliche Muster in Versatzzeitreihen zu erkennen. PSDefoPAT® weist jeder Versatzzeitreihe basierend auf statistischen Tests ein best-fitting Zeitreihenmodell zu. Zusätzlich wurde eine standardisierte Visualisierung der Ergebnisse entwickelt, um die Interpretation zu vereinfachen. Außerdem erfolgte der Test des Tools PSDefoPAT® auf simulierten und realen Versatzzeitreihen. Der dritte Aspekt bezieht sich auf die Anpassung des Überwachungssystems an ein spezielles Objekt oder eine Region. Zur Überwachung großer Infrastrukturelemente, wie z.B. einer Talsperre, sind Daten notwendig, die eine gute räumliche Abdeckung und Auflösung aufweisen. Dies ist nur mittels zweier SAR-Datensätze umsetzbar. Daten der S1-Satelliten erfüllen beispielsweise die Anforderung der räumlichen Abdeckung, während Aufnahmen der TSX-Satelliten den Ansprüchen bezüglich der räumlichen Auflösung Genüge tun. Die Sensoren unterscheiden sich meist nicht nur in ihrer räumlichen Auflösung und Abdeckung, sondern auch in ihrer Wellenlänge. Alle Faktoren haben einen Einfluss auf die Oberflächendeformation, die abgebildet werden kann, und die Komplexität der Datenauswertung. Dies macht sich in den Prozessierungsschritten der PS-Auswahl und der Phasenabwicklung bemerkbar. Eine Möglichkeit der PS-Dichtemaximierung bietet die Kombination meherer PS Auswahlkriterien. Die Realisierung dieser Möglichkeit für die Auswertung des TSX-Datensatzes, der die Deformationen der Parapeiros-Peiros-Talsperre aufzeichnet, erhöhte die PS Anzahl. Dadurch konnten erhebliche Lücken auf dem Staudamm geschlossen werden, die zuvor eine Deformationsauswertung in diesem Bereich unmöglich machten. Die Phasenabwicklung kann mittels einer rekonstruierten durch Deformation verursachten Phase unterstützt werden. Die rekonstruierte durch Deformation verursachte Phase wird basierend auf Zeitreihenmodellen berechnet, die aus einem einfacher zu prozessierenden Datensatz abgeleitet werden. Mit diesem Ansatz konnte eine Verbesserung der Ergebnisse des TSX-Datensatzes erzielt werden. Alle drei Aspekte fördern den Übergang von zeitlich begrenzten Auswertungen hin zu einer kontinuierlichen Analyse eines regelmäßig aktualisierten Datensatzes sowie zu einer systematischen Auswertung der daraus resultierenden Ergebnisse.