第四章 冰河變動行為與成果檢核
第三節 前處理與參數測試
本研究流程中將利用不同技術取得不同方向之變動量，其執行過程之 前處理與處理時之相關參數，回顧文獻可知有極多調整之可能，其原因為 針對不同演算法或區域之特性進行優化，故同理可知，若欲將前人之方法 應用於本實驗區域，仍需先測試各前處理之方法及必要與否，並針對處理 時之相關參數進行最佳化，以達到最效率而準確之成果。以下歸納由本研 究執行經驗獲得之各技術原始限制與使用條件，並比較不同演算法與軟體 之成果差異。
67
一、合成孔徑雷達干涉技術
1. 限制條件 A. 時間基線
由每 12 天間隔構成之差分干涉成果可知，即圖 4 – 7，隨像對越近夏 季同調性快速降低，且於冬季仍僅基岩區域可獲得可靠成果，冰雪覆蓋區 域則充滿雜訊，推測因冰河移動快速而地物改變極大導致對位失敗所致。
68
（a） （b）
（c） （d）
（e） （f）
圖 4 - 7 D-InSAR 同調性圖
（a） 2015/2/28-2015/3/12 （b） 2015/3/12-2015/3/24 （c） 2015/3/24-2015/4/5
（d） 2015/4/5-2015/4/17 （e） 2015/4/17-2015/4/29 （f） 2015/4/29-2015/5/11
69
檢視對應像對之 LOS 方向變形量，如圖 4 – 8，可發現於左側大面積 基岩區域除（C）對出現明顯錯誤外，其餘各對則相對合理。然若瀏覽右側 之冰雪覆蓋區域（圖 4 - 9），可發現均為雜訊而完全無法採用。
（a） （b）
（c） （d）
（e） （f）
圖 4 - 8 基岩區域視衛星方向變動量（單位為公尺，正值表抬升）
（a） 2015/2/28-2015/3/12 （b） 2015/3/12-2015/3/24 （c） 2015/3/24-2015/4/5
（d） 2015/4/5-2015/4/17 （e） 2015/4/17-2015/4/29 （f） 2015/4/29-2015/5/11
70
（a） （b）
（c） （d）
（e） （f）
圖 4 - 9 冰雪覆蓋區域 LOS 方向變動量
（a） 2015/2/28-2015/3/12 （b） 2015/3/12-2015/3/24 （c） 2015/3/24-2015/4/5
（d） 2015/4/5-2015/4/17 （e） 2015/4/17-2015/4/29 （f） 2015/4/29-2015/5/11
71
由以上前期測試可知，針對移動速度較快之冰河，12 天之影像間隔已 屬過長，需再縮短時間解析度，故本研究最終用於 D-InSAR 之影像對均為 以 6 天間隔之 Sentinel-1 影像執行。然因 Sentinel-1B 需至 2016/10/6 方有目 標區域之影像可與 Sentinel-1A 影像搭配，故 2016/10 以前均僅有 12 天週期 之 Sentinel-1A 影像，故皆不適合執行 D-InSAR。
而為測試 6 天與 12 天間隔之成果差異，透過相同參數於 SNAP 與 之同調性快速降低，進而導致最終估計之變動量產生錯誤（Massonnet and Feigl, 1998; Baran et al., 2005; Zhou et al., 2011），且受到氣候條件變化影響，
如雨雪之累積、表面消融與風力造成之表面變化等，均會使得冰河表面於 極短時間基線下發生變化（Strozzi et al., 1999; Strozzi, Luckman, Murray, Wegmuller, et al., 2002）。除此之外，因過長時間基線造成之大量變化將使 得差分干涉之干涉條紋密度提高，而發生過飽和（Saturated）或相似度過 高（Aliased）而無法在全相位回復步驟時正常執行（Chen and Zebker, 2001）。
故知 6 天產品可信，而 12 天之產品應放棄。雖使用 6 天時間間距之影像組 合即可獲得良好之變動量成果，然 D-InSAR 受限技術本身僅能獲得該短時 間基線之變動量，而無法如時間序列分析般獲得長時間之變動速度。
72
6 天 （2016/10/12-10/18） 12 天 （2016/10/12-10/24）
同調性
干涉圖
全相位回復後之干涉條紋
圖 4 - 10 6 天與 12 天之 D-InSAR 成果差異
73
二、時間序列分析
1. 軟體/演算法差異
A. SARscape 之 SBAS 成果
本研究使用 SARscape 軟體之 SBAS 演算法進行處理，測試資料使用 2015/2/28 至 2015/5/11 連續每 12 天週期之 7 張影像（因 SARscape 尚未支 援 Sentinel-1B 影像）。SARscape 軟體中可依照時間與空間基線選擇主影像 與影像對，圖 4 - 11 為 SBAS 影像配對示意圖，橫軸為雷達影像日期，縱 軸為影像空間基線距離，圖中各線段表示各組差分干涉影像組合，據此本 研究由 7 張影像構建出 21 組像對。
圖 4 - 11 影像對基線組合
確定干涉像對後，以差分干涉方式處理各影像對，為確保最終成果之 可信度，經驗上需先檢視各對已平坦化並移除軌道等誤差後之干涉圖。圖 4 - 12 顯示其中六組像對之干涉圖，均見基岩區域有明顯之大規模條紋，冰 舌區域則否，內陸冰層區域則有零星之密集條紋，表示劇烈變動，然整體 而言冰雪覆蓋區域仍以雜訊為主。
74
圖 4 - 12 時間序列分析影像對干涉圖
由上述干涉圖可見差分干涉於冰雪覆蓋區域並無法獲得大面積連續之 干涉條紋，故該區域於全相位回復時將出現嚴重錯誤，如圖 4 - 13 中兩三 角狀為冰舌，左側為相鄰基岩，可見兩區域之條紋分別為破碎錯誤與連續。。
75
為排除該錯誤，演算法將移除不連續變動量之區域，故將使得冰雪覆蓋區 域於最後 SBAS 成果中無任何可信成果點。
圖 4 - 13 全相位回復後之干涉條紋
而基岩區域之變形速度可於 SBAS 最終地理對位之成果點判釋，圖 4 - 14 中紅色與藍色各自表示地表於視衛星方向下降與抬升，故可知於影像之 上方基岩為明顯上升，下方則為下降，且可於左下區域觀察到一下降異樣 區域（圖中白色虛線圈起處），即一較緩慢下降區域被劇烈下降區域所包 圍。
76
圖 4 - 14 平均移動速度場（mm/yr）
三、偏移偵測法
1. 軟體比較
除研究中使用之 ISCE 軟體外，於前期測驗中本研究亦曾使用 ESA 發 布之 SNAP 進行處理。該軟體為舊版 STEP 之改版，至 2016/12 已發布 5.0.0 版本，然最新版本內提供之雷達影像偏移偵測法仍僅可顯示整體平面位移 速度，並無法拆分為縱與橫方向，如圖 4 – 15，故分析上較有限制且無法 與其他資料集進行比較檢核。而亦透過其他常見之套裝軟體，如建構於 IDL 語言下之 CIAS（Kääb and Vollmer, 2000），然其成果嚴重受到雜訊影響而無
77
法正確解算合成孔徑雷達之位移量，如圖 4 – 16。針對光學影像則因僅提 供傳統 NCC 而不如 COSI-Corr 軟體多樣而高效率。
圖 4 - 15 SNAP 像素偵測法成果示意圖
圖 4 - 16 CIAS 像素偵測法成果示意圖
78 載資訊，簡言之可分為以下三種，其關係如下（Chan and Peng, 2003）：
79
1. Amplitude（振幅）image, 𝐴 2. Intensity （強度）image, 𝐼=𝐴2
3. Log-intensity image, log I, i.e. decibel or dB（分貝）
其中強度影像值之分布具有統計模式，而振幅影像則有相對縮限之值 域，而分貝影像則可更顯著降低極大極小值之差異。且加上所用之部分雷 達影像為具有雙偏極資訊，包含 HH 與 HV，而文獻指出 HH 偏極因具有較 高之信噪比（Signal-to-Noise，SNR）與較高品質之地貌特徵，故較 HV 偏 極適用於冰河表面偵測（Nagler et al., 2015）。然為測試上述各種資訊形式 與偏極之效果，亦將各自執行偏移偵測法後比較之。
而圖 4 - 17 為四種組合之區域內影像，與區域放大圖。可看出經 Log 處理後之分貝影像確可使極值縮小而使得冰層上特徵較為明顯，然峰值之 縮小是否會使特徵偵測時降低對比度而增加錯誤率則需執行後方可得知。
而比較偏極影像差異，可看出兩者呈現之表面特徵紋理不相同，故無法明 顯評估何者將有較好成果。故以下將測試不同組合之差異，以取得最合理、
可靠而較高效率之成果。
80
HH HV
Intensity
dB
圖 4 - 17 不同形式與偏極之雷達影像差異
比較四種組合之 LOS 與沿軌方向變形量，可看出分貝影像較強度影像 為好，如觀察圖 4 - 18 左側應無變動量之基岩區域可看出其於分貝影像之 雜訊遠較強度影像為低，且於冰舌區域亦有較平滑連續之變形。而偏極方 面，則明顯以 HH 為佳，因其於冰雪覆蓋區域之成果點數遠較 HV 為多而 完整。於效率分面，比較各組執行時間，均在 10.5 小時左右故無明顯差異。
故經以上測試，可知應以 HH 偏極之分貝影像執行偏移偵測法，將有最完 整而合理之變形量。
81
LOS direction
HH HV
Intensity
Processing time: 10.4075 （hr） Processing time: 10.3886 （hr）
dB
Processing time: 10.5558 （hr） Processing time: 10.4167 （hr）
圖 4 - 18 不同形式與偏極之偏移偵測法成果 C. 波段選擇
本研究使用之光學影像均為多解析度之多光譜影像，甚如 Landsat-8 亦 有熱感測波段，然 COSI-Corr 軟體僅能讓主從影像各輸入一波段，故如何 挑選適合之影像即為一重要問題，而挑選波段時，必須符合以下兩條件以 對冰河區域取得最細緻之變形量偵測：
82
1. 空間解析度越高越好
2. 對於冰河均調之地貌可有較大對比度
針對冰河之地貌，由文獻可知可見光之紅波段與近紅外波段有對大地 貌對比度（Dozier, 1989; Paul et al., 2002），故對 Sentinel-2 而言為波段 4、8 與 11；Landsat-8 則為波段 4、5（Kääb et al., 2016），光譜差異可見圖 4 - 19。
圖 4 - 19 Sentinel-2 與 Landsat-8 之波段光譜位置差異（Kääb et al., 2016）
然除影像波段需呈現足夠細緻之地貌特徵物外，其本身之空間解析度 亦為另一重要之因素，因最後成果之解析度為輸入影像所掌控。故比較兩 光學影像，Sentinel-2 之第 4 與第 8 波段均為其最高解析度品質（10 公尺），
而經檢視後選擇對基岩區域亦有明顯對比之第 8 波段影像。而針對 Landsat-8 理論上應使用近紅外波段，然其空間解析度為 30 公尺，與 Sentinel-2 差異過大將限制比較時之優勢，故本研究改以使用解析度最好之 全色片影像，案例可見圖 4 - 20。
83
（a） （b）
（c） （d）
圖 4 - 20 Sentinel-2 各波段之地貌顯示
（a）B2 （490 nm） （b）B3 （560 nm）
（c）B4 （665 nm） （d）B8 （842 nm）
D. 主成分分析處理差異
因使用之光學影像 Landsat-8 與 Sentinel-2 皆為多光譜之影像，故可於 進行偏移偵測法前先以主成分分析（Principal Component Analysis ，PCA）
方式獲得蘊藏最多資訊之光譜組合。其原理為藉由分析不同波段之灰階值
（Digital Numbers，DN）於空間上之變化，可取得影像拍攝區域地貌之紋 理 特 徵 ， 如 粗 糙 度 、 對 稱 性 等 （ Chen et al., 1993; Chica-Olmo and Abarca-Hernández, 2004）。
針對擁有較多高解析度多光譜波段之 Sentinel-2 影像，以像對 2016/7/28 與 2016/8/30 進行測試。查閱文件可知其最高解析度 10 公尺之波段數為四 個（圖 4 - 21），包含藍、綠、紅及近紅外波段，故將其四者輸入 PCA 演
84
算法後可輸出四主成分波段，其特徵值與產出如圖 4 - 22，可見第一成分 之比例遠較第二之後波段為高。針對冰雪區域之地貌紋理差異，經放大檢 視其一冰舌，可發現 PCA1 與近紅外波段效果目視幾乎相同，然於 PCA2 卻可於冰河表面顯示於近紅外波段難以看出之紋理，PCA3 與 PCA4 則類似 於使用高通濾波而將冰河表面裂隙特徵放大之情形。
圖 4 - 21 Sentinel-2 最高空間解析度之各波段光譜位置
85
NIR only PCA Eigenvalue
1st principal component （PC1） 2nd principal component （PC2）
3rd principal component （PC3） 4th principal component （PC4）
圖 4 - 22 PCA 各元素成果
86
接著比較利用 PCA 計算各成分進行偏移偵測法，由圖 4 - 23 可看出僅 單一 NIR 波段成果於左側之基岩區域有最小之地形效應變形故為最佳，故
接著比較利用 PCA 計算各成分進行偏移偵測法，由圖 4 - 23 可看出僅 單一 NIR 波段成果於左側之基岩區域有最小之地形效應變形故為最佳，故