来源：期刊VIP网 时间：
作者：施皓译;左小清;张荐铭;李勇发;黄成;
单位：昆明理工大学国土资源工程学院;自然资源部高原山地地质灾害预报预警与生态保护修复重点实验室;云南省地质环境监测院;
摘要：在我国西南山区，复杂的地形和高植被覆盖率对合成孔径雷达干涉测量(InSAR)相干性产生了显著影响，这对开展InSAR研究带来了不利影响。文章基于Sentinel-1卫星影像和SBAS-InSAR技术，分析了云南省镇雄县2020—2023年间不同地物类型的地表相干性时空变化规律。通过机器学习模型(XGBoost、决策树、随机森林和LASSO),探讨了归一化差异植被指数(normalized difference vegetation index, NDVI)、坡度和降水量等因素对相干性的影响。研究结果表明：研究区的相干性存在明显的季节性波动，尤其在雨季(4—8月)相干性显著下降；不同地物类型(如城镇、裸草地、耕地和林地)的相干性变化趋势存在差异，其中NDVI对相干性变化的影响最为显著，二者之间表现出明显的负相关关系，并且存在时间滞后效应，另外坡度和降水量也对相干性产生影响，坡度增大导致相干性下降，降水量增加则进一步降低相干性；机器学习模型分析结果表明，NDVI是影响相干性变化的关键因素，重要性远大于坡度与降水。该研究结果为提升InSAR技术在复杂地形地区的应用提供了理论支持，尤其在滑坡监测、土地利用变化分析等领域具有重要的实际应用价值。
关键词：InSAR;;相干性;;时空变化规律;;不同地物类型;;机器学习
基金资助：国家自然科学基金(42161067);; 云南省重大科技专项计划(202202AD0080010);; 云南省基础研究计划(202401AU070173);; 云南省教育厅科学研究基金(2024J0067)
