Abstract:
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. ... mehrDie 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.
Abstract (englisch):
Monitoring the surface deformation of large infrastructure elements, such as dams, is part of assessing their structural health. Unexpected surface deformation or a change in the temporal pattern of the deformation can indicate either structural damage to the infrastructure element itself or a nearby ground surface deformation phenomenon, which in turn can damage the infrastructure element. Hence, regular analysis of their surface displacement is a crucial task. Persistent Scatterer Interferometry (PSI) is a remote sensing technique well-suited for monitoring the surface deformation of large infrastructure elements and thus, contributes to assessing their structural health. ... mehrThe technique exploits the phase of Synthetic Aperture Radar (SAR) images to estimate surface displacement rates. The technique has several strong suits. One, it is capable of providing ground surface deformation datasets with an accuracy of submillimeter for the TerraSAR-X (TSX) sensors and millimeter for the Sentinel-1 (S1) sensors for displacement rates in the line-of-sight of the sensor. Second, it can be utilized without any personnel or sensors on site. Third, under favorable conditions, a dense grid of measuring points is far more achievable than it is using the Global Navigation Satellite System. Additionally, the launch of the S1 satellites has provided users with a steady stream of SAR images, which has promoted recent developments in the field to shift from analyzing a distinct time span to continuously updating ground surface deformation datasets with new incoming data. However, frequent processing of a continuously expanding dataset presents challenges concerning both the PSI processing itself and the systematic analysis of the resulting ground surface deformation data. Concerning the PSI processing itself, a continuously expanding dataset raises questions regarding persistent scatterer density, processing efficiency, and the comparability of results from different updates. Within the scope of this thesis, three different strategies to continuously process a steady stream of SAR images with PSI are presented and evaluated. The first strategy is to always process all available SAR images, i.e., a growing dataset. The second strategy is to process the steady stream of SAR images in consecutive non-overlapping subsets, and the third strategy is to use overlapping consecutive subsets, similar to a sliding-window. In order to take full advantage of the possibility to re-use intermediate results given by the third strategy, the PSISlider processing chain was implemented. The strategies are evaluated and compared to each other based on key processing parameters. It could be concluded that the third strategy is the approach best-suited for processing a steady stream of SAR images for monitoring tasks. It provides a relatively constant number of PS while keeping the processing time and needed hard disk space limited. Additionally, the strategy allows for quickly paced updates and ensures comparability of intermediate results. Additionally, a need for automatic post-processing procedures to extract relevant information on the temporal pattern of ground surface deformation datasets was identified. The often used mean deformation velocity maps neglect any acceleration, deceleration, or periodic behavior of deformation phenomena and thus can be misleading. Therefore, the post-processing tool PSDefoPAT® was designed to extract the underlying time series model in the displacement time series resulting from advanced DInSAR processing. The tool assigns each displacement time series a best-fitting time series model using a sequence of statistical tests. Additionally, a standardized visualization of the PSDefoPAT® results was designed to facilitate an easy interpretation of the results. The capabilities of the tool were tested and demonstrated on synthetic and real displacement time series. Further, challenges that can arise from tailoring a monitoring system for a specific large infrastructure element were addressed. Monitoring large infrastructure elements, such as dams, can lead to a need for data that has a wide coverage and a high spatial resolution. This demand can only be met using two sets of SAR images. For example, S1 SAR images that fulfill the requirement of wide coverage and high-resolution TSX SAR images that fulfill the requirement of high spatial resolution. However, their different spatial resolution and wavelengths make the datasets unequally complex to process. The two processing steps affected the most by this are the PS selection and the phase unwrapping process. It is suggested to combine different selection criteria so that they complement each other. Applying this approach to a TSX SAR time series, mapping the deformation of the Parapeiros-Peiros Dam, increased the number of PS and, with that, effectively closed significant gaps on the dam body, which prevented the mapping of its surface deformation. As for phase unwrapping, the process can be supported by reconstructing an idealized deformation-induced phase based on displacement time series models extracted with PSDefoPAT® from a simpler-to-process dataset. Applying the approach to a complex-to-process dataset resulted in an improvement of the displacement time series. All three aspects contribute to moving forward from only analyzing a distinct time span to continuously updating ground surface deformation datasets with new incoming data in the context of infrastructure monitoring with PSI. Additionally, they also address a systematic approach to post-processing to extract relevant information.
