Improvement of 2-pass DInSAR-based DEM Generation Method from TanDEM-X bistatic SAR Images

Korean Journal of Remote Sensing, Vol.36, No.5-1, 2020, pp.847~860

https://doi.org/10.7780/kjrs.2020.36.5.1.16 ISSN 1225-6161 ( Print )

ISSN 2287-9307 (Online)

Article

TanDEM-X bistatic SAR 영상의 2-pass 위성영상레이더 차분간섭기법 기반 수치표고모델 생성 방법 개선

채성호 ^1)†

Improvement of 2-pass DInSAR-based DEM Generation Method from TanDEM-X bistatic SAR Images

Sung-Ho Chae ^1)†

Abstract: The 2-pass DInSAR (Differential Interferometric SAR) processing steps for DEM generation consist of the co-registration of SAR image pair, interferogram generation, phase unwrapping, calculation of DEM errors, and geocoding, etc. It requires complicated steps, and the accuracy of data processing at each step affects the performance of the finally generated DEM. In this study, we developed an improved method for enhancing the performance of the DEM generation method based on the 2-pass DInSAR technique of TanDEM-X bistatic SAR images was developed. The developed DEM generation method is a method that can significantly reduce both the DEM error in the unwrapped phase image and that may occur during geocoding step. The performance analysis of the developed algorithm was performed by comparing the vertical accuracy (Root Mean Square Error, RMSE) between the existing method and the newly proposed method using the ground control point (GCP) generated from GPS survey. The vertical accuracy of the DInSAR-based DEM generated without correction for the unwrapped phase error and geocoding error is 39.617 m. However, the vertical accuracy of the DEM generated through the proposed method is 2.346 m. It was confirmed that the DEM accuracy was improved through the proposed correction method. Through the proposed 2-pass DInSAR-based DEM generation method, the SRTM DEM error observed by DInSAR was compensated for the SRTM 30 m DEM (vertical accuracy 5.567 m) used as a reference. Through this, it was possible to finally create a DEM with improved spatial resolution of about 5 times and vertical accuracy of about 2.4 times. In addition, the spatial resolution of the DEM generated through the proposed method was matched with the SRTM 30 m DEM and the TanDEM-X 90m DEM, and the vertical accuracy was compared. As a result, it was confirmed that the vertical accuracy was improved by about 1.7 and 1.6 times, respectively, and more accurate DEM generation was possible with the proposed method. If the method derived in this study is used to

Received October 14, 2020; Revised October 27, 2020; Accepted October 28, 2020; Published online October 30, 2020

1)국방과학연구소 제3기술연구본부 연구원 (Researcher, The 3rd R&D Institute, Agency for Defense Development)

†Corresponding Author: Sung-Ho Chae ([email protected])

This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

1. 서론

위성영상레이더(Synthetic Aperture Radar, SAR)는 위 성체로부터 마이크로파 신호를 보내고 지표물질에 반 사되어 되돌아온 신호를 통해 영상화하는 원격탐사 시 스템이다. 위성영상레이더가 취득하는 신호는 복소수 형태(Single Look Complex, SLC)로 기록되어지며, 지표 의 거칠기 및 유전율에 의하여 결정되는 반사도 정보의 진폭 값과 지표까지의 거리정보를 나타내는 위상 값을 포함한다. 이러한 위성영상레이더를 통해 관측되는 대 상에 따른 반사 신호 특성과 그 차이를 이용하여 지표 면에 대한 수치표고모델(Digital Elevation Model, DEM) 을 생성할 수 있다. SAR 영상을 이용하여 DEM을 생성 하는 방법은 아래와 같이 네 가지로 나눌 수 있다.

1) 위성영상레이더 측량기법(Radargrammetry), 인접 한 위성궤도를 따라 서로 다른 각도로 촬영된 동일 지 역의Stereo SAR 입체영상에서 발생하는 시차(parallax) 를 이용하여DEM 생성하는 방법;

2) 위성영상레이더 간섭기법(Interometric SAR, InSAR), 동일한 지역에 대하여 다른 시기에 촬영된 두 개의SAR 영상의 위상정보를 이용하여DEM 생성하는 방법;

3) 위성영상레이더 Radarclinometry, 주로 행성탐사에 활용하는 방법으로 한 장의SAR 영상의 밝기 값을 이용 하여 지표면의 경사각을 계산하고(Shape-from-shading) 이를 이용하여DEM 생성하는 방법;

4) 위성영상레이더편파간섭기법(PolInSAR, Polarimetric InSAR), full-polarization을 가지는 InSAR 영상쌍에 대하 여 지표의 고도에 대한 각 편광별 산란 행렬 및 산란 벡 터의 공분산 행렬 등을 이용하여 적절한 물리적 역산을 통해DEM 생성하는 방법;

이 중, InSAR 기법은 지난 1990년대 이후 급속하게 발전한 마이크로파 원격탐사의 핵심 기술 중 하나로 동일한 지역에 대하여 다른 시기에 촬영된 두 개의 SAR 영상의 위상정보를 이용하여 지표면에 대한 DEM 생성 및 지표면의 변위를 관측할 수 있다(Rogers and Ingals, 1969; Graham, 1974; Rodriguez and Martin, 1992;

continuously update the DEM for regions with frequent morphological changes, it will be possible to update the DEM effectively in a short time at low cost.

Key Words: Tandem-X bistatic SAR images, 2-pass DInSAR-based DEM, Unwrapped Phase Error, Geocoding Error

요약 : 2-pass DInSAR (Differential Interferometric SAR) 기법을 이용한 DEM 생성 방법은 SAR 영상쌍 간의 정합, 간섭도 생성, 위상 unwrapping, DEM오차 계산, 좌표계 변환 등 복잡한 단계가 필요하다. 이러한 각 단계별 자료 처리 정확도는 최종적으로 생성되는DEM의 성능에 영향을 미치게 된다. 본 연구에서는 TanDEM-X bistatic SAR 영상의 2-pass DInSAR 기법 기반 DEM 생성 방법에 대한 성능 향상을 위한 개선된 방법을 개발하였다. 개 발된DEM 생성 방법은 unwrapped 위상 내의 DEM 오차와 좌표계 변환 시 발생할 수 있는 DEM오차를 현저히 줄일 수 있는 방법이다. 개발된 알고리즘의 성능 분석은 GPS 측량으로부터 생성한 지상기준점(Ground Control Point, GCP)을 이용하여 기존의 방법과 새로 제안된 알고리즘 적용 결과의 수직정확도(Root Mean Square Error, RMSE)를 비교하여 수행하였다. 실제 unwrapped 위상 및 좌표계변환 오차에 대한 보정을 수행하지 않고 생성 한DInSAR 기반 DEM의 고도 오차는 수직정확도는 39.617 m로 관측되었고, 제안한 방법을 통하여 생성한 DEM의 수직정확도는 2.346 m로 향상됨을 확인할 수 있었다. 제안하는 2-pass DInSAR 기법을 통해 reference 로 사용한SRTM 30 m DEM(수직정확도 5.567 m)에 DInSAR로 관측한 SRTM DEM 오차를 보상하여 최종적 으로 공간해상도는 약5배, 수직 정확도는 약 2.4배 향상된 DEM을 생성할 수 있었다. 또한, 제안한 방법을 통 하여 생성한DEM의 공간해상도를 SRTM 30 m DEM과 TanDEM-X 90 m DEM과 일치시키고 수직정확도를 비교한 결과 각각 약1.7배 및 1.6배 향상되어 제안하는 2-pass DInSAR 기반 DEM 생성 방법으로 보다 정확한 DEM 생성이 가능함을 확인할 수 있었다. 빈번한 형태학적 변화를 갖는 지역에 대한 DEM의 지속적인 업데이 트를 위하여 본 연구에서 도출한 방법을 이용한다면 저비용으로 빠른 시간 내에 효과적으로DEM을 갱신할 수 있을 것이다.

Massonnet and Feigl, 1998). InSAR 기법을 이용한 DEM 생성에 관한 연구는1980년대 후반부터 본격적으로 시 작되어(Gabriel and Goldstein, 1988), 이후 DEM 생성을 위한 다양한 방법이 제안되었다. InSAR 기반 DEM 생 성 방법은1) SAR 영상쌍 정합(Co-registration), 2) 간섭 도(Interferogram) 생성, 3) 위상 필터링(Phase Filtering), 4) 위상 불구속화(Phase Unwrapping), 5) 고도변환(Phase to Height Conversion), 6) 좌표계 변환(Geo-coding) 등 매 우 복잡한 단계를 필요로 한다(Geudtner and Schwabisch, 1996; Kim, 2012). 이러한 알고리즘의 각 단계별 자료 처 리 정확도는 최종적으로 생성되는DEM의 성능에 영 향을 미치게 된다. 따라서 각 단계별 자료 처리 정확도 를 향상하기 위하여 정밀 영상정합, 위상 필터링, 간섭 도 내 이온층 및 대기 오차 저감 등 다양한 연구가 수행 되고 있다(Zebker et al., 1994; Rufino et al., 1998; Liu et al., 2020; Saied et al., 2020; Toutin and Gray, 2000).

특히DEM 생성 성능 향상을 위하여 2-pass 차분간섭 기법(Differential InSAR, DInSAR)을 이용하는 방법이 제안되었다(Seymour, 1999; Yoon et al., 2001; Kim et al., 2005). 2-pass DInSAR(Massonnet et al., 1993)를 이용한 DEM 생성은 InSAR 조건을 만족하는 두 장의 SAR영상 과 외부DEM을 사용하여 차분간섭도를 생성하고 이 차분간섭도에 남아 있는 잔여 위상에 의한DEM오차를 다시 외부DEM에 보상하여 정밀 DEM을 생성하는 방 법이다. 그러나 기존의 연구에서는 위상 불구속화 및 좌 표계 변환에서 발생할 수 있는 오차에 대한 정량적 분 석이 수행되지 않았으며, 또한 이러한 오차에 대한 저 감을 고려한2-pass DInSAR 기반 DEM 생성 방법이 정 립되지 않았다. 이러한 오차가 야기하는 고도 오차는 수 십m 이상으로 일반적인 허용 한계보다 커지게 된다. 따 라서 본 연구에서는 위상 불구속화 및 좌표계 변환 시 발생할 수 있는DEM오차를 고려한 개선된 DEM 생성 방법을 개발하였다. 개발된 알고리즘의 성능 분석은 GPS 측량으로부터 생성한 지상기준점(Ground Control Point, GCP)을 이용하여 기존의 방법과 새로 제안된 알 고리즘 적용 결과의 수직정확도(Root Mean Square Error, RMSE)를 비교하여 수행하였다.

2. 연구지역 및 자료

Fig. 1은 본 연구의 연구지역인 에트나(Etna) 산을 나 타낸다. 에트나 산의 위치는 북위 37.755064°, 동경 14.995246°으로 이탈리아 시칠리아 섬에 존재하는 해발 3,350미터의 유럽에서 가장 높은 활화산이다. 지난 15년 동안 에트나 화산은 빈번한 분화활동을 보였다. 2005년 이후 주목할 만한 분화는2006-2007년과 2008-2009년 사이(1991-1993년 분화 이후 Etna의 시간적으로 가장 긴 화산분출 활동), 2011년, 2014년, 2015년, 2017년 및 2018년 12월에 기록되었다(Palaseanu et al., 2019). 이러한 빈번한 분화활동은 에트나 화산 정상 지역의 급격한 형 태학적 변화를 일으켰다. 특히 분출 현상의 빈도는 지 난 몇 년 동안 증가하였기 때문에 에트나 화산 지형의 지속적인 업데이트는 중요하다할 수 있다. 이러한 중요 성에Bisson et al.(2015)의 연구에서는 airborne LiDAR 원 격탐사 자료, 그리고 Palaseanu et al.(2019)의 연구에서는 Pleiades 광학위성의 사진측량기법(photogrammetry)을 이용하여 에트나 화산에 대한 정밀 지형정보를 생성하 였다.

본 연구에서는 에트나 화산 지역을 대상으로2-pass DInSAR 기반 DEM을 정밀하게 생성하는 방법을 제안 하고자 하며, 이를 위하여 연구지역에 대한 TanDEM-X (TerraSAR adds-on Digital Elevation Measurement) SAR 영 상쌍을 획득하였다(Fig. 1의 붉은색 박스). Table 1은 획 득한TanDEM-X 영상쌍에 대한 정보를 나타낸다.

TanDEM-X는 두 대의 X 밴드 위성으로 구성되어, 일정 거리를 유지하며 동시에SAR 영상을 취득 가능한 single- pass interferometry 미션이다(Krieger et al., 2007). 영상은 하나의 위성이 신호를 지표로 보내고, 두 개의 위성이 동 시에 신호를 받는bistatic 모드로 거의 동시에 관측되기 때문에interferogram 생성 시, temporal decorrelation을 완 벽히 제거 가능하므로, 높은 긴밀도(coherence)가 측정 되어, 최종 결과물인 DEM의 수직정밀도를 획기적으로 향상 시킬 수 있었다(Lee, 2020). 획득한 TanDEM-X 영 상쌍의 한fringe(위상의 변화)를 변화시키는데 필요한 고도의 변화인 고도 민감도는 약65.45 m이다. 따라서 해 당TanDEM-X 영상쌍은 높은 긴밀도와 고도 민감도를 가진 자료로 정밀DEM 제작이 가능하다.

Fig. 2는 획득한 외부 DEM을 나타낸다. 2-pass DInSAR 기반DEM 생성을 위하여 외부 DEM이 필요하며, 이를 위하여 본 연구에서는 오픈소스로 자료 수급이 용이하 고 글로벌DEM으로 DInSAR 처리에 가장 널리 활용되 는SRTM(Shuttle Raar Topography Mission) DEM을 이용 하였다(Fig. 2(a)). SRTM은 2000년 초반에 전지구의 약 80%의 DEM을 구축하여 데이터를 오픈소스로 제공하

고 있다. SRTM DEM은 2000년에 구축한 자료로서 다 양한 오차를 포함하고 있으며, 대표적으로 산등성이나 협곡 지역의Void(or Hole) 오차를 포함한다. 이에 최신 에 구축된 외부의 DEM을 이용하여 SRTM DEM의 Void를 보간(interpolation)하여 DEM을 업데이트 하고 있다. 본 연구에서는 사용한 SRTM DEM은 Version 3.0 의 해상도30 m 자료이다. 이 자료는 미국 지질 조사 웹 Fig. 1. Study Area location with the acquired SAR Image footprint (red outline) and location and classification of the

GPSs from the geodetic monitoring network of Mt Etna (Bisson et al., 2015).

Table 1. Summary of TanDEX-X SAR pair

Satellite TerraSAR-X / TanDEM-X

Acquisition Mode Bistatic InSAR StripMap

Master / Slave Sensor TSX / TDX (receive only)

Master Date / Slave Date (YYYY-MM-DD, HH:MM:SS) 2012-10-09, 05:03:38.459796 / 2012-10-09, 05:03:38.459738

Polarization HH

Parallel Baseline (m) -263.02

Perpendicular Baseline (m) -106.19

Orbit Direction Descending

Azimuth Pixel Spacing (m) 1.36

Range Pixel Spacing (m) 2.20

Incidence Angle (degree) 42.91

Altitude of Ambiguity (m) 65.45

사이트(https://earthexplorer.usgs.gov/)에서 획득할 수 있다. 추가적으로 제안한 방법으로 생성한 DInSAR 기반 DEM의 비교 검증을 위하여 TanDEM-X 90 m DEM을 획득하였다(Fig. 2(b)). TanDEM-X 90 m DEM은 TerraSAR- X 및 TanDEM-X 영상으로 생성한 공간해상도 12 m의 WorldDEM™(수직정확도 2 m)을 공간해상도 90 m로 다운샘플링하여 독일 항공우주센터 웹 사이트(https://

geoservice.dlr.de/web/dataguide/tdm90/)에서 무료로 배 포하고 있다. 공식적인 TanDEM-X 90 m DEM의 수직 정확도는 발표되지 않았으나 최근 연구에 따르면 TanDEM-X DEM의 범람지(floodplain)에서의 수직정확 도는3.10 m, 수목지역에서는 5.68 m, 경사가 가파른(경 사도10-15°) 산림지역에서 수직정확도는 6.07 m. 경사 가 매우 가파른(경사도 15° 이상) 산림지역에서 수직정 확도는6.42 m로 관측되었다(Hawker et al., 2019). SRTM DEM 및 TanDEM-X DEM의 정량적 및 정성적 평가에 대해서는Grohmann(2018)의 연구를 참고하도록 한다.

TanDEM-X SAR영상을 이용한 2-pass DInSAR 기반 DEM을 검증하기 위하여 에트나 산에 운용 중인 56개 의 측지 관측용GPS 네트워크(geodetic monitoring GPS network)에서 2005년에 관측한 GCP(Ground Control Point)를 이용하였다(Bonforte and Puglisi, 2006). 본 연구 에서는1) TanDEM-X 영상 범위 안에 존재하며 균질한 GCP의 공간 분포, 2) GCP를 획득한 2005년과 TanDEM-

X 영상 촬영한 2012년 사이의 화산활동으로 인한 형태 학적 변화 또는 토지 사용 변화의 영향을 받지 않는 지 점 상에 존재하는지를 고려하여 총41개(Fig. 1의 별표) 의GCP를 선별하여 검증에 활용하였다(Palaseanu et al., 2019).

3. 2-pass DInSAR 기반 DEM 생성 방법 개선

2-pass DInSAR 기반 DEM 제작을 위하여 필요한 기 초 이론은Yoon et al. (2001) 및 Kim et al. (2005)의 연구를 참고하도록 한다. 본 연구에서는 제안하는 알고리즘의 자료처리 과정을 중심으로 설명을 하고자 한다. Fig. 3 은 제안하는 알고리즘의 자료처리 과정을 나타낸다. 주 요 과정은 크게5가지로 요약된다. 1) 외부 DEM 준비, 2) InSAR 처리, 3) DInSAR 처리, 4) 위상 불구속화, 5) DInSAR 기반 DEM 생성이다.

1) 외부 DEM 준비

DInSAR 처리 및 DEM 생성을 위하여 외부 DEM을 준비하였다. 본 연구에서는 SRTM DEM을 이용하였다.

획득한SRTM DEM은 표고(Orthometric height) 자료로 WGS84 타원체고(Ellipsoid height)로 변환하기 위하여 Fig. 2. External DEM used in the study.

지오이드고(Geoid height)를 더해주어야 한다. 미국 UNAVCO 웹 사이트(http://www.unavco.org/)에서 제 공하는geoid calculator를 이용하여 지오이드고를 획득 하였으며, 이 오프셋을 원 SRTM DEM에 보상하여 WGS84 타원체고인 SRTM DEM을 계산하였다. 이렇게 준비된SRTM WGS84 타원체고 DEM에 DInSAR 방법 을 활용하여 정밀고도에 대한 업데이트를 수행한다.

2) InSAR 처리

두SAR 영상에 대해 InSAR 처리를 통하여 interfero - gram을 생성하기 위해서는 두 SAR 영상쌍을 정합(co- registration)해야 한다. 서로 다른 궤도를 지나면서 관측 한SAR 영상쌍에서는 지표 위의 동일한 산란체에 대하 여 서로 다른 좌표의 화소에 위치하게 되며, 이러한 다 른 두 궤도에 의해서 생성된 영상을 완벽하게 동일한 위치에 놓이게 하는 것이co-registration이다. 본 연구에 서는 진폭 상관계수를 이용하여Coarse-to-Fine 방법으 로co-registration을 수행하였다(Kwoh et al., 1994). 정합 결과를 바탕으로 부영상을 주영상에 맞추어 재배열 (resampling)하고 두 SAR 영상 간의 위상차를 계산함으

로써interferogram을 획득할 수 있다. 이때, 긴밀도를 높 이기 위하여range 및 azimuth방향으로 각각 4룩(look) 의 멀티룩 처리를 수행하였다. 이에 interferogmram의 픽셀 크기는range 및 azimuth방향으로 약 5.46 m×8.82 m 이다.

이러한interferogram에는 지구 곡률에 의한 위상, 지 형고도에 의한 위상, 지표변위에 의한 위상, 대기 및 이 온층에 의한 위상, 노이즈 위상 등을 포함한다(Zebker and Goldstein, 1986). 이러한 위상 성분들에 대한 정확한 분리를 통한 지형고도에 의한 위상 성분을 추출하는 것 이 정밀DEM 생성을 위한 핵심이다.

3) 2-pass DInSAR 처리

전술한 바와 같이 생성된interferogram에는 지형과 지표변위에 대한 위상을 모두 포함하고 있다. 2-pass DInSAR 방법에서는 준비된 DEM을 이용하여 지형정 보 및 관측각도를 이용한 고도에 의한 간섭영상을 모사 할 수 있으며, 이를 이용해 지형에 대한 위상을 제거할 수 있다. 간섭영상 모사를 위하여 준비한 지리좌표계의 외부DEM을 SAR영상 좌표계로의 역 좌표계변환 Fig. 3. Detailed processing work flow for the proposed DInSAR based DEM generation method.

(Geocoding)이 필요하다. 이를 위해서 지리 좌표계의 표고자료와SAR 영상 기하를 이용하여 각 픽셀에 해당 하는 좌표를 생성하고 이를 매칭시키기 위한 수단인 geocoding lookup table을 이용한다. geocoding lookup table의 초기값 설정은 궤도 정보를 이용하여 계산하며 이때, 해상도 30 m의 SRTM DEM을 interferogmram의 픽셀 크기와 맞추기 위하여SRTM DEM 기준 위도 및 경도 방향으로 각각 5 및 4의 비율로 오버샘플링 (oversampling)하여 유사한 ground dimension(5 m×8 m) 을 갖게 하였다. 또한, DEM과 SAR 영상의 해상도 차이 로 인한 오차에 대해서는registration offset을 계산/보정 하여geodocing lookup table을 개선(refine)한다. 생성한 geocoding lookup table을 활용하여 외부 DEM을 SAR영 상 좌표계로geocoding한 후, 위성 영상의 궤도 파라미 터를 고려하여 고도 및 지구곡률에 의한 위상을 시뮬 레이션한다. 모사한 위상을 원 interferogram에서 차분 함으로써 차분간섭도(Differential interferogram)를 생 성한다. 이렇게 생성된 Diff. interferogram에 남아 있는 위상 성분Φdiff.은

Φdiff.= ΦDEMerr.+ Φdef.+ Φiono.+ Φnoise (1) 이다. 여기서 ΦDEMerr.는Diff. interferogram 생성 시 고 도에 대한 잔여위상, Φdef.는 지표변위에 의한 위상, Φatm.

는 대기에 의한 위상, Φiono.는 이온층 효과로 인한 위상,

Φnoise.는 노이즈 위상 성분이다. 일반적인 repeat pass SAR

영상쌍의DInSAR 기반 DEM 생성 시에는 지표변위, 대 기 및 이온층에 의한 위상성분의 고려가 필요하다. 그 러나 본 연구에서는bistatic 모드로 거의 동시에 획득된 TanDEM-X 영상쌍을 연구 자료로 활용하기 때문에 temporal decorrelation을 완벽히 제거할 수 있어 지표변 위, 대기 및 이온층 효과로 인한 위상은 무시할 수 있다.

이로써TanDEM-X Diff. interferogram에 남아있는 위상 은 차분에 사용된 외부DEM의 오차에 의한 성분만이 남아있게 된다.

4) 위상 불구속화

Diff. interferogram의 잔여 위상은 (-, ] 범위로 구속 화되어 있기 때문에 이에 대한 절대 위상값으로 변환 하는 위상 불구속화(phase unwrapping)를 수행이 필요 하다. MCF(Minimum Cost Flow)기법을 이용하여 phase

unwrapping을 수행하였으며, 이때 긴밀도(coherence) 영 상을 가중치로 사용하였다. phase unwrapping을 통해 생 성한unwrapped 영상은 DEM오차에 의한 위상성분을 나타낸다.

본 연구에서는 보다 정확한unwrapped 영상(=DEM 오차로 인한 잔여 위상)을 획득하기 위하여 다음의 후 처리과정을 제안한다. 우선 baseline 효과로 인하여 영상 전체에 오차로 포함되어 있는trend를 제거하기 위하여 coherence가 0.3 이하인 지역을 마스킹한 후 2차원 다항 식 모델(a0+a1*y+a2*x)을 계산하고 이를 unwrapped 영 상에서 제거하였다. 추가적으로 unwrapped 영상에서 DEM오차의 특이 값(outlier)에 대한 보정을 수행하였다.

DEM오차 dh(m)는

dh = dΦ × ( )^-1≈ dΦ × (2) 이다. 여기서 dΦ(rad)는 unwrapped DInSAR 영상의 DEM오차로 인한 잔여 위상, h(m)는 SRTM DEM의 고 도, dΦ/dh(rad/m)는 고도에 따른 위상의 변화량이며, dΦ/dh는 B^⊥의 수직기선(Perpendicular baseline) 거리 및 SARP(SAR Processing) 및 궤도 상태 벡터(state vector)의 파라미터(λ의 SAR 마이크로파의 파장 길이, ρ는 위성체 에서 지표까지의 관측거리, θ는 관측 입사각)를 기반으 로 각 패스에 대한SAR 위성체의 위치를 결정하여 지형 과 관련된 위상을 시뮬레이션한다. 이렇게 생성한 DEM 오차 영상에서(-10 m, 10 m] 이외의 값에 대하여 마스킹 한 후, 2차원 다항식 모델에 fitting하여 trend를 제거하 였다. 보정 후에 unwrapped 위상 영상에서 unwrapping 오차를 재차 확인하며, 문제가 있을 시 임계값을 조정 해가며 제안하는 후처리 과정을 반복한다. 최종 보정된 unwrapped 위상 영상에는 보정을 통하여 마스킹된 부 분이 존재하며 이를 내삽(interpolation)을 통해 빈값을 채워주었다.

5) DInSAR 기반 DEM 생성

보정된unwrapped 영상은 DEM오차로 인한 잔여 위 상을 나타내며, 전술한 바와 같이 unwrapped 영상과 고 도에 따른 위상의 변화량을 이용하여DEM오차 영상을 생성할 수 있다. 이렇게 생성된 DEM오차를 외부 DEM 인 저해상도의SRTM DEM에 더해주어 DInSAR 기반 고해상DEM을 생성한다. 이러한 DInSAR 기반 DEM

dΦdh λρsinθ

4B^⊥

은SAR 좌표계에서의 고도값을 나타내며, 이 값을 지리 좌표계로의 변환하여 최종 결과를 생성해야 한다.

본 연구에서는 보다 정확한 최종DEM 생성을 위한 좌표계 변환 과정을 제안한다. 기존의 연구에서는 2- pass DInSAR 처리 시, 저해상도의 외부 DEM을 이용하 여 생성한geocoding lookup table을 이용하여 좌표계 변 환을 수행하였다. SRTM DEM에 비하여 보정되는 DEM오차가 작은 경우에는 기존의 외부 DEM에서 생 성한geocoding lookup table을 이용한 좌표변환 방법은 문제가 되지 않는다. 그러나 본 연구의 연구지역인 화산 과 같은 지역은 지표변화가 큰 지역으로SRTM DEM에 비하여 보정되는DEM오차가 크다(>50 m). 이러한 경우 기존의SRTM DEM 기반 lookup table은 부정확하여 좌 표계 변환 오차가 발생하여 정밀한DEM 생성에 적합 하지 못하다. 따라서 이러한 좌표변환 문제를 극복하기 위해서 앞서 생성한DInSAR 기반 DEM을 활용하여 geocoding lookup table을 생성하고, 이 DEM과 SAR 영상 의offset을 계산/보정하여 geocoding lookup table을 개 선하였다. 이렇게 생성한 고정밀 geocoding lookup table 을 활용하여 지리좌표계 상의DInSAR 기반 DEM을 생 성한다. 이렇게 지리좌표계로 변환된 DInSAR 기반 DEM의 오차를 재차 확인하며, 문제가 있을 경우 생성 한DInSAR 기반 DEM을 활용하여 ‘3) 2-pass DInSAR 처 리’ 부터 재수행한다. 새로운 단계로써 반복 수행을 통 하여 재생성한 고도 오차는 직전 단계에서 생성하였던 DInSAR 기반 DEM에 더해주어 DInSAR 기반 DEM을 업데이트한다. 또한, 생성한 DInSAR 기반 DEM의 지리 좌표로의 좌표계 변환은DEM오차에 따라 다음과 같이 수행한다. 1) DEM오차가 작다면(<50 m), 직전 단계에서 DInSAR 기반 DEM을 활용하여 생성하였던 geocoding lookup table을 활용, 2) 재수행 단계임에도 DEM오차가 크다면(>50 m), 해당 단계에서 생성한 DInSAR 기반 DEM을 활용하여 geocoding lookup table을 다시 생성하 고 이를 이용하여 좌표계 변환을 수행한다.

지리좌표계로 변환된DInSAR 기반 DEM에 문제가 없을 시, 영상 내 빈값에 대하여 interpolation하고 5×5 평균값필터(average filter)를 적용하여 노이즈를 저감하 는 후처리 과정을 거쳐 최종DInSAR 기반 DEM을 생성 하였다.

4. DEM 생성 방법의 성능 검증

Fig. 4는 본 연구에서 생성한 DEM으로, (a)는 2-pass DInSAR 처리에 사용한 SRTM 30m DEM, (b)는 제안하 는unwrapped 위상 및 좌표계변환 오차에 대한 보정을 수행하지 않은2-pass DInSAR 기반 DEM, (c)는 제안하 는unwrapped 위상 오차 보정을 수행하고 좌표계변환 오차에 대한 보정을 수행하지 않은2-pass DInSAR 기반 DEM, (d)는 제안하는 unwrapped 위상 및 좌표계변환 오차에 대한 보정을 수행하여 생성한2-pass DInSAR 기 반DEM을 나타낸다. 저해상의 SRTM DEM(공간해상도 30 m×30 m)에 DInSAR 기반 DEM오차(공간해상도 약 5 m×8 m)를 보상하여 고해상의 DEM을 획득하였다.

Fig. 5는 Fig. 4의 2-pass DInSAR 기반 DEM의 보다 명 확한 육안 비교분석을 위하여 식(2)에서 생성한 보정된 DEM오차(SRTM DEM과의 차이)를 나타내는 것으로, (a)는 unwrapped 위상 및 좌표계변환 오차에 대한 보정 을 수행하지 않고 생성한DEM오차, (b)는 제안하는 unwrapped 위상 오차 보정을 수행하고 좌표계변환 오 차에 대한 보정을 수행하지 않고 생성한DEM오차, (c) 는 제안하는unwrapped 위상 및 좌표계변환 오차에 대 한 보정을 수행하여 생성한DEM오차, (d)는 Fig. 4(d)의 제안하는 방법으로 생성한DEM을 기반으로 제안하는 2-pass DInSAR 기반 DEM 생성 방법 반복 수행하여 생 성한DEM오차를 나타낸다. Fig. 5(a)는 unwrapped 위상 오차에 대하여 저감하지 않아 영상 전체적으로 대략- 50 m의 DEM오차가 분포한다. 또한, 산악지역에 따른 레이더신호 왜곡(layover, shadow, foreshortening) 지역 및 분화구 및 용암류(lava flow) 지역과 같이 형태학적 변 화가 큰 지역에서unwrapping 오차로 인하여 최대 -170 m의 DEM오차를 보인다. 이러한 unwrapping에 의한 오 차는 위상unwrapping 시, reference 처리를 어떻게 하느 냐에 따라 그 값이 달라질 수 있다. Fig. 5(b)는 제안하는 unwrapped 위상 오차를 보정을 적용하여 영상 전체적 인DEM오차가 보정되었으며, 시간에 따른 고도 변화 가 거의 없는 산의 저고도 평지에서DEM오차가 0에 가 깝게 보정되었다. 제안하는 unwrapped 위상 오차를 보 정을 통하여unwrapped 영상은 range 및 azimuth 방향으 로1,000 픽셀 당 각각 0.09 m 및 -2.2 m의 DEM오차 위상 성분의offset이 보정되어 보다 정확한 DEM오차 획득

이 가능함을 알 수 있다. 그러나 좌표계변환 과정에서 저해상도SRTM DEM으로부터 계산한 geocoding lookup table을 사용하기 때문에 DEM과 SAR 해상도 차이에서 발생하는 오차 및 레이더신호 왜곡 지역에 대한 처리 (interpolation) 오차 등이 포함된다. Fig. 5(c)는 unwrapped 위상 오차 및 좌표변환 오차를 보정하여Fig. 5(a) 및 Fig.

5(b)에서 보인 오차들이 저감된 것을 확인할 수 있다.

Fig. 5(d)는 Fig. 4(d)의 제안한 방법에 의해 생성한 DEM을

입력자료로 재활용하여 생성한DEM오차를 나타내며, 제안한DEM 생성방법의 반복 수행을 통하여 최대 약 6m의 DEM오차가 추가적으로 보정이 되었다.

Table 2는 총 41점의 고도에 대한 GPS 측량성과 (Bonforte and Puglisi, 2006)와 GPS 위치에 해당하는 생 성한DEM의 높이 값과 GPS 고도를 기준으로 하여 계 산한 각DEM의 수직정확도(RMSE)를 나타낸다. 또한, Fig. 6은 GPS에서 관측한 고도에 대한 생성한 각 DEM Fig. 4. Results of 2-pass DInSAR based-DEMs and SRTM DEM.

의 오차를 나타낸다. 2-pass DInSAR DEM 생성에서 reference로 사용한 SRTM 30 m DEM의 고도 오차(Fig. 6 의 보라색 선)는 최대 16.665 m, 최소 -8.486 m이고 평균 과 표준편차는 각각2.010 m, 5.256 m 이며, SRTM DEM 의 수직정확도는5.567 m이다. unwrapped 위상 및 좌 표계변환 오차에 대한 보정을 수행하지 않고 생성한 DInSAR 기반 DEM의 고도 오차(Fig. 6의 하늘색 선)는

최대-30.120 m, 최소 -8.486 m이고 평균과 표준편차는 각각-41.372 m, 5.169 m 이며, 수직정확도는 39.617 m 이다. 이러한 편향된 고도오차는 unwrapped 위상 및 좌 표계변환 오차이다. 참고로 관측된 수직정확도(39.617 m)는 위상 unwrapping 시 reference 처리를 어떻게 하느 냐에 따라 달라질 수 있는 값이다. 보다 정확한 DEM 생 성을 위하여 이에 대한 보정이 필요하다. 이에 제안하는 Fig. 5. Results of 2-pass DInSAR based DEM errors (height corrections).

Table 2. DEM vertical errors estimated from GPS surveys

GCP No.

[Ref.] GPS Ellip.

Height (m)

DInSAR [Phase Err.DEM

Not Corr.

DEM](m)

DInSAR [Unwrap.DEM Phase Err. Corr.

DEM](m)

Prop.

DInSAR DEM(m)

[2nd, Iter.]

Prop.

DInSAR DEM(m)

sampledDown Prop.

DInSAR DEM to 30 m

(m)

SRTM 30 m DEM

(m)

sampledDown Prop.

DInSAR DEM to 90 m

(m)

TDX 90 m DEM(m)

1 1922.330 1872.466 1919.203 1915.740 1917.588 1913.377 1910.362 1917.172 1913.304 2 1781.402 1746.630 1786.665 1785.587 1785.842 1781.502 1776.75 1777.351 1772.837 3 1193.763 1148.599 1193.424 1190.403 1190.200 1191.011 1197.268 1189.333 1185.737 4 1321.036 1282.703 1322.241 1321.894 1321.619 1318.691 1326.009 1329.139 1319.21 5 1496.143 1462.241 1501.407 1498.081 1499.207 1500.303 1501.734 1497.649 1494.5 6 1625.197 1579.108 1627.152 1625.907 1622.538 1623.236 1631.313 1622.732 1626.375 7 1120.970 1080.812 1120.124 1119.960 1119.772 1118.304 1117.06 1108.067 1109.836 8 877.959 840.194 876.567 876.201 875.662 876.4335 879.7133 876.4277 871.6393 9 1349.178 1315.050 1351.842 1350.647 1351.463 1350.358 1353.633 1346.207 1341.582 10 1155.952 1119.149 1155.942 1156.305 1156.131 1155.43 1161.791 1152.341 1144.488 11 1533.278 1494.738 1536.450 1535.223 1534.952 1530.472 1540.114 1536.78 1524.744 12 1800.320 1761.971 1804.532 1803.830 1802.382 1801.495 1804.106 1802.771 1810.906 13 1899.299 1859.206 1899.414 1899.827 1899.636 1896.43 1902.09 1907.606 1895.431 14 1921.420 1883.750 1924.774 1924.082 1923.209 1921.453 1921.966 1925.909 1897.218 15 1877.269 1841.337 1882.074 1881.183 1880.309 1887.076 1893.934 1880.48 1864.484 16 1668.841 1633.616 1673.307 1671.233 1671.558 1671.678 1673.816 1681.264 1663.314 17 853.111 818.033 853.566 853.216 852.775 853.1668 859.5128 853.3372 841.8674 18 1751.267 1708.312 1751.832 1752.444 1752.433 1751.735 1752.114 1749.285 1750.615 19 921.476 888.492 923.748 923.740 924.030 922.1848 927.369 920.606 918.5052 20 2134.572 2090.836 2134.904 2132.352 2132.990 2130.659 2136.008 2117.44 2118.149 21 2357.038 2315.137 2359.979 2357.807 2357.528 2354.927 2359.051 2351.57 2350.99 22 2455.884 2416.021 2459.072 2458.769 2458.628 2456.709 2462.069 2455.525 2455.105 23 2654.346 2611.468 2654.585 2654.979 2653.723 2653.395 2654.075 2646.249 2654.986 24 2764.876 2723.375 2765.611 2765.589 2765.436 2764.551 2764.075 2770.488 2772.559 25 2848.140 2806.634 2848.197 2848.196 2848.364 2849.15 2852.061 2844.376 2848.17 26 2934.612 2891.281 2934.066 2933.585 2933.297 2933.307 2938.084 2924.32 2938.996 27 3005.760 2963.257 3005.859 3005.993 3005.758 3003.617 3003.136 3010.727 3015.5 28 3023.770 2977.171 3021.256 3019.438 3019.723 3018.219 3020.153 3026.399 3042.232 29 3139.835 3093.716 3137.076 3137.016 3135.971 3135.571 3136.145 3129.053 3140.861 30 2175.618 2137.178 2177.095 2177.679 2177.470 2179.203 2189.055 2179.625 2157.61 31 1830.157 1780.821 1828.787 1827.355 1826.247 1825.174 1827.325 1824.473 1851.236 32 2819.568 2778.917 2821.033 2820.460 2820.500 2822.628 2812.017 2822.469 2801.965 33 889.865 855.173 892.298 891.389 891.982 890.4977 889.3701 887.6818 882.1221 34 829.499 796.019 832.257 832.178 832.786 832.9717 831.34 831.6114 824.4324 35 825.644 792.504 828.603 828.591 829.247 829.1304 831.358 817.0787 825.5921 36 858.344 823.334 860.021 860.530 860.169 860.1345 857.3624 857.7632 850.6433 37 1088.969 1053.757 1091.308 1091.563 1091.756 1092.62 1092.514 1087.707 1087.115 38 1123.172 1085.605 1124.210 1124.177 1124.002 1121.305 1118.543 1113.829 1115.773 39 1152.807 1116.781 1154.439 1154.165 1154.826 1155.734 1159.537 1152.402 1155.198 40 1108.566 1073.685 1111.965 1109.605 1111.383 1111.686 1111.485 1106.524 1107.162 41 1962.769 1921.131 1963.890 1964.137 1964.020 1964.48 1961.031 1963.772 1969.967

RMSE – 39.617 2.495 2.346 2.399 3.271 5.567 6.102 9.701

unwrapped 위상 오차 보정을 수행하여 생성한 DInSAR 기반DEM의 고도 오차(Fig. 6의 주황색 선)는 최대 5.264 m, 최소 -8.486 m이고 평균과 표준편차는 각각 1.384 m, 2.101 m 이며, 수직정확도는 2.495 m이다. 제안하는 unwrapped 위상 오차 보정을 통하여 DInSAR 기반 DEM 의 수직정확도는39.617 m에서 2.495 m로 향상되었다.

생성한unwrapped 영상에 50 m 이상의 DEM오차가 포 함되어 있는 것을 고려하여 추가적으로 좌표계변환 오 차 보정을 통하여 생성한 최종 제안하는DInSAR 기반 DEM의 고도 오차(Fig. 6의 빨간색 선)는 최대 4.185 m, 최 소-8.486 m이고 평균과 표준편차는 각각 0.659 m, 2.279 m 이며, 수직정확도는 2.346 m이다. 제안하는 unwrapped 위상 오차 및 좌표계변환 오차 보정을 통하여DInSAR 기반DEM의 수직정확도는 39.617 m에서 2.346 m로 향 상되었으며, unwrapped 위상 오차 보정 후 추가적으로 좌 표계변환 오차의 보정을 통하여 약15 cm의 수직 정확도 가 향상되었다. 제안한 방법으로 생성한 DInSAR 기반 DEM을 활용하여 DInSAR 처리 과정부터 제안한 DEM 생성 방법을 재수행하였고 이에 생성한DEM의 고도오 차(Fig. 6의 노란색 선)는 최대 4.440 m, 최소 -8.486 m이고 평균과 표준편차는 각각0.563 m, 2.360 m 이며, 수직정 확도는2.399 m이다. 반복수행을 통하여 오차에 대한 과 보정이 이루어져 수직정확도가 약12 cm 저하된 것을 확인할 수 있다. Fig. 5(d)에서 확인할 수 있듯이 DEM오 차가 미소량(최대 약 6 m) 포함되어 있을 시, 오차 저감

을 위한 과정의 반복수행은 필요하지 않다.

제안하는 방법을 통하여reference로 사용한 SRTM 30 m DEM(수직정확도 5.567 m)에 DInSAR로 관측한 SRTM DEM 오차를(Fig. 5(c)) 보상하여 최종적으로 수 직정확도가2.346 m인 DEM을 획득하였다. 다시 말해 제안하는 방법을 통하여SRTM DEM에 비하여 공간해 상도는 약5배, 수직 정확도는 약 2.4배 향상된 DEM을 생성할 수 있다. SRTM DEM과 공간해상도를 일치하여 비교하기 위하여DInSAR 기반 DEM을 다운샘플링하여 공간해상도가30 m인 DEM을 생성하였으며, 이 DEM 의 고도 오차(Fig. 6의 초록색 선)는 최대 9.807 m, 최소 -8.486 m이고 평균과 표준편차는 각각 -0.098 m, 3.310 m 이며, 수직정확도는 3.271 m이다. SRTM DEM과 공간해 상도를 일치시키고 비교하여도 수직방향의 고도 정확 도는 약1.7배 향상된 것을 확인할 수 있다. 추가적으로 TanDEM-X 90 m DEM과의 수직 정확도 비교를 수행하 였다. TanDEM-X 90 m DEM의 고도 오차(Fig. 6의 검은 색 선)는 최대 21.079 m, 최소 -8.486 m이고 평균과 표준 편차는 각각-3.441 m, 9.183 m 이며, 수직정확도는 9.701 m이다. TanDEM-X 90 m DEM과 공간해상도를 일치하 여 비교하기 위하여DInSAR 기반 DEM을 다운샘플링 하여 공간해상도가90 m인 DEM을 생성하였으며, 이 DEM의 고도 오차(Fig. 6의 갈색 선)는 최대 12.423 m, 최 소-8.486 m이고 평균과 표준편차는 각각 -1.426 m, 6.007 m 이며, 수직정확도는 6.102 m이다. TanDEM-X 90 m

Fig. 6. Result of vertical errors assessment (Generated DEM-GPS elevation).

DEM과 공간해상도를 일치시키고 수직방향의 고도 정 확도를 비교하였을 때, 제안한 방법을 통해 생성한 DInSAR 기반 DEM의 수직정확도는 약 1.6배 높은 것을 확인할 수 있다. 추가적으로 SRTM 30 m DEM의 수직정 확도가TDX 90 m DEM의 수직정확도 보다 좋게 측정 된 것은 공간해상도의 차이, GPS 관측 시기 및 화산 활 동 등의 영향인 것으로 사료되어진다.

5. 결론

TanDEM-X bistatic SAR 영상의 2-pass DInSAR 기법 을 이용한DEM 생성 방법에 대한 성능 향상을 위한 개 선된DEM 생성 방법을 개발하였다. 개발된 DEM 생성 방법은unwrapped 위상 내의 DEM 오차와 좌표계 변환 시 발생할 수 있는DEM오차를 현저히 줄일 수 있는 방 법이다. 실제 unwrapped 위상 및 좌표계변환 오차에 대 한 보정을 수행하지 않고 생성한DInSAR 기반 DEM의 고도 오차는 수직정확도는39.617 m이며, 제안한 방법 으로 오차에 대한 보정을 통하여 생성한DInSAR 기반 DEM의 수직정확도는 2.346 m로 제안한 방법을 통하여 생성한DEM의 정확도가 향상됨을 확인할 수 있었다.

제안하는2-pass DInSAR 기법을 통해 reference로 사용한 SRTM 30 m DEM(수직정확도 5.567 m)에 DInSAR로 관 측한SRTM DEM 오차를 보상하여 최종적으로 공간해 상도는 약5배, 수직 정확도는 약 2.4배 향상된 DEM을 생성할 수 있었다. 제안하는 방법으로 생성한 DInSAR 기반DEM의 공간해상도를 SRTM 30 m DEM과 공간 해상도를 일치시키고 성능을 비교 검증한 결과 수직방 향의 고도 정확도가 약1.7배 향상된 것을 확인할 수 있 었다. 추가적으로 공간해상도를 90m로 다운샘플링하 여TanDEM-X 90 m DEM과의 수직 정확도를 비교하였 으며, 제안한 방법을 통해 생성한 DInSAR 기반 DEM의 수직정확도가TanDEM-X 90m DEM보다 약 1.6배 높은 것을 확인할 수 있었다. 따라서 제안하는 2-pass DInSAR 기반DEM 생성 방법으로 보다 정확한 DEM 생성이 가 능함을 확인하였다.

빈번한 형태학적 변화를 갖는 지역에 대한DEM의 지속적인 업데이트를 위하여 본 연구에서 도출한 방법 을 이용한다면 저비용으로 빠른 시간 내에 효과적으로

DEM을 갱신할 수 있을 것이다. 그러나 본 연구에서 제 안한 방법을 일반적인repeat pass SAR 영상쌍에 적용하 기 위해서는 추가 연구가 필요하다. 추가적 연구과제로 일반적인repeat pass SAR 영상쌍의 interferogram에서 지표변위, 대기, 이온층에 의한 위상성분에 대한 정확한 분리를 통한 지형고도에 의한 위상 성분을 추출 및 이 를 이용한 정밀DEM 생성을 하는 방법론을 정립하는 것이다.

Reference

Bisson, M., C. Spinetti, M. Neri, and A. Bonforte, 2016.

Mt. Etna volcano high-resolution topography:

airborne LiDAR modelling validated by GPS data, International Journal of Digital Earth, 9(7): 710-732.

Bonforte, A. and G. Puglisi, 2006. Dynamics of the eastern flank of Mt. Etna volcano (Italy) investigated by a dense GPS network, J. Volcanol, Geotherm.

Res, 153: 357-369.

Gabriel, A.K., and R.M. Goldstein, 1988. Crossed orbit interferometry: theory and experimental results from SIR-B, Int. J. of Remote Sensing, 9(5):

857-872.

Graham, L.C., 1974. Synthetic Interferometer Radar for Topographic Mapping, Proceedings of IEEE, 62(6): 763-768.

Grohmann, C.H., 2018. Evaluation of TanDEM-X DEMs on selected Brazilian sites: Comparison with SRTM, ASTER GDEM and ALOS AW3D30, Remote Sensing of Environment, 212: 121-133.

Hawker, L., J. Neal, and P. Bates, 2019. Accuracy assessment of the TanDEM-X 90 Digital Elevation Model for selected floodplain sites, Remote Sensing of Environment, 232: 111319.

Kim, C.O., S.W. Kim, D.C. Lee, Y.W. Lee, and J.W.

Lee, 2005. A Study on the Enhancement of DEM Resolution by Radar Interferometry, Korean Journal of Remote Sensing, 21(4): 287-302 (in

Korean with English abstract).

Kim, S.W., 2012. Development of Unwrapped In SAR Phase to Height Conversion Algorithm, Korean Journal of Remote Sensing, 28(2): 227-235 (in Korean with English abstract).

Krieger, G., A. Moreira, H. Fiedler, I. Hajnsek, M. Werner, M. Younis, and M. Zink, 2007. TanDEMX:

A staellite formation for high-resolution SAR interferometry, IEEE Transactions on Geoscience and Remote Sensing, 45(11): 3317-3341.

Kwoh, L.K., E.C. Chang, W.C.A. Heng, and L. Hock, 1994. DTM generation from 35-day repeat pass ERS-1 interferometry, Proc. of Geoscience and Remote Sensing Symposium, vol. 4, pp. 2288- 2290.

Lee, S.G., 2020. Mangrove Height Estimates from TanDEM-X Data, orean Journal of Remote Sensing, 36(2-2): 325-335 (in Korean with English abstract).

Liu, Z., C. Zhou, H. Fu, J. Zhu, and T. Zuo, 2020. A Framework for Correcting Ionospheric Artifacts and Atmospheric Effects to Generate High Accuracy InSAR DEM, Remote Sensing, 12(2): 318.

Massonnet, D., M. Rossi, C. Carmona, F. Adragna, G. Peltzer, K. Feigl, and T. Rabaute, 1993. The displacement field of the Landers earthquake mapped by radar interferometry, Nature, 364(8):

138-142.

Massonnet, D. and K.L. Feigl, 1998. Radar interferometry and its application to changes in the earth’s surface, Review of Geophysics, 36: 441-500.

Palaseanu-Lovejoy, M., M. Bisson, C. Spinetti, M.F.

Buongiorno, O. Alexandrov, and T. Cecere, 2019. High-resolution and accurate topography reconstruction of Mount Etna from pleiades satellite data, Remote Sensing, 11(24), 2983.

Rodriguez, E. and J.M. Martin, 1992. Theory and design

of interferometric synthetic aperture radars, IEEE Proceedings-F, 139(2): 147-159.

Rogers, A.E.E. and R.P. Ingalls, 1969. Venus: Mapping the surface reflectivity by radar interferometry, Science, 165: 797-799.

Rufino, G., A. Moccia, and S. Esposito, 1998. DEM Generation by Means of ERS Tandem Data, IEEE Transactions on Geoscience and Remote Sensing, 36(6): 1905-1912.

Saied, S.K., M.A. Elshafey, and T.A. Mahmoud, 2020.

Digital Elevation Model Enhancement using CNN-Based Despeckled SAR Images, In proc.

of the 2020 IEEE Aerospace Conference, Big Sky, MT, USA, Mar. 7-14, pp. 1-8.

Schwabisch M., 1995. Die SAR-Interferometrie zur Erzeugung digitaler Geländemodelle, Forschungsbericht 1995- 25, Deutsches Zentrum für Luft- und Raumfahrt, Köln, Germany (In German).

Seymour, M.S., 1999. Refining Low-quality Digital Elevation Models Using Synthetic Aperture Radar Interferometry, Doctoral thesis, the University of British Columbia.

Toutin, T. and L. Gray, 2000. State-of-the-art of elevation extraction from satellite SAR data, ISPRS J.

Photogramm, Remote Sens., 55(1): 13-33.

Yoon, G.W., S.W. Kim, K.D. Min, and J.S. Won, 2001.

Application of 2-pass DinSAR to Improve DEM Precision, Korean Journal of Remote Sensing, 17(3): 231-242 (in Korean with English abstract).

Zebker, H.A. and Goldstein, M., 1986. Topographic Mapping From Interferometric Synthetic Aperture Radar Observations, J. Geophys. Res, 91: 4993- 4999.

Zebker, H.A., C.L. Werner, P.A. Rogen and S. Hensley, 1994. Accuracy of topographic maps derived from ERS-1 interferometric radar, IEEE Transactions on Geoscience and Remote Sensing, 32: 823-836.