insar-management-system-v2/docs/DINSAR_PRODUCTION_CORES_OVERVIEW.md

三条 D-InSAR 生产核心说明

本文按当前仓库实现，梳理三条 D-InSAR 生产核心的处理链路： ENVI + SARscape、ISCE2、Gamma / PyINT。重点说明它们各自如何做干涉、解缠、轨道/残差修正、地理编码和导出。

相关代码入口：

• backend/app/dinsar_engines/sarscape_engine.py
• backend/app/services/envi_service.py
• backend/app/dinsar_engines/isce2_engine.py
• backend/app/isce2_pipeline/run_lt1_dinsar_pipeline.py
• backend/app/isce2_pipeline/export_isce_geotiff.py
• backend/app/dinsar_engines/pyint_engine.py
• backend/app/pyint_pipeline/run_lt1_pyint_pipeline.py

总览

核心	处理方式	轨道精炼 / 重去平	输出特点
ENVI + SARscape	调用 SARscape 原生任务链	有，且 custom6 里是显式一步	产物由 SARscape 导出，地理编码像元大小可直接配置
ISCE2	WSL 下 managed stripmap 流程	有，但拆散在 rubbersheeting 和 export 阶段	先处理，再在导出阶段做参考归一化和 deramp
Gamma / PyINT	Gamma 原生命令链 + PyINT 封装	有，当前实现为 reflatten 分支	保留 Gamma 原生命令结果，Python 只做调度和导出组织

1. ENVI + SARscape

入口分两类：

• metatask：自动链路，走 SARsMetataskInSARDisplacementGeneration
• custom6：手工 6 步链路，逐步串接 SARscape 原生任务

当前代码里，custom6 最接近你关心的“轨道精炼 + 重去平”流程。实际步骤是：

1. 干涉图生成 SARsInSARInterferogramGeneration
2. 滤波与相干性计算 SARsInSARFilterAndCoherence
3. 残余相位频率/轨道趋势去除 SARsInSARRemoveResidualPhaseFrequency
4. 相位解缠 SARsInSARPhaseUnwrapping
5. 先按相干性生成 GCP，再做 SARsInSARRefinementAndReflattening
6. 相位转位移并地理编码 SARsInSARPhaseToDisplacement

这里的关键点是：

• 第 3 步负责先做一轮残差趋势处理。
• 第 5 步才是更接近“轨道精炼与重去平”的核心，使用相干性阈值生成 GCP，再回到 SARscape 原生任务里拟合和修正残余相位。
• 这条链路没有跳出 SARscape，自定义逻辑主要在“串任务”和“自动补 GCP”。

当前配置里比较关键的参数是：

• IDL_DINSAR_CUSTOM_UNWRAP_COH_THRESHOLD=0.05
• IDL_DINSAR_CUSTOM_GCP_COH_THRESHOLD=0.7
• IDL_DINSAR_CUSTOM_GEOCODING_COH_THRESHOLD=0.0
• IDL_DINSAR_CUSTOM_GEOCODING_PIXEL_SIZE_M=10.0

这意味着：

• 解缠阈值偏松，目的是尽量先解出来。
• GCP 阈值偏高，目的是让精炼尽量依赖高相干点。
• 地理编码输出网格直接按配置控制，不是后处理重采样。

2. ISCE2

当前 managed stripmap 流程由 run_lt1_dinsar_pipeline.py 驱动，阶段顺序是：

1. filter
2. unwrap
3. geocode
4. export

ISCE2 这条链的“增强”不是一个单独的重去平任务，而是分散在两个地方：

• dense offsets + rubbersheeting：用于几何精化，尽量修正 range/azimuth 的残余偏差。
• export_products()：在导出阶段做参考归一化和可选 deramp。

当前默认值是：

• target_grid_size_m=10
• coh_threshold=0.05
• reference_mode=coh_median
• reference_coh_threshold=0.30
• deramp_mode=plane
• deramp_coh_threshold=0.30
• ionosphere_correction=True
• dense_offsets=True
• rubbersheet_range=True
• rubbersheet_azimuth=True

这条链的特点是：

• 目标网格大小会影响 multilook 和 geocode 采样。
• prepare_geocode_dem_subset() 会按 bbox 裁 DEM 子块，而不是直接拿整幅 DEM 去跑。
• export_products() 里会先找参考像元做中位数归一化，再按需拟合长波趋势面做 deramp。
• 导出结果更像“生产交付层”的标准化产品，不是纯原始中间件输出。

3. Gamma / PyINT

Gamma 这条链由 pyint_engine.py 和 run_lt1_pyint_pipeline.py 共同完成。

核心命令链是 Gamma 原生命令，不是 Python 自己改像元：

• raw2slc_all
• coreg_all
• diff
• unwrap
• atmcor_all
• reflatten
• geocode_all
• data2geotiff

当前实现里，和“轨道精炼 / 重去平”最接近的是 reflatten 分支，内部流程是：

1. rascc_mask 依据相干性生成拟合掩膜
2. quad_fit 对解缠相位做趋势拟合
3. quad_sub 去掉拟合趋势
4. geocode_back 回到地理网格
5. dispmap 生成 LOS / vertical 位移

这和 ENVI 的 SARsInSARRefinementAndReflattening 不是同一个任务，但功能上是同类问题处理：都是在解缠后处理残余趋势。

当前关键配置是：

• PYINT_UNWRAP_COH_THRESHOLD=0.05
• PYINT_PRODUCT_COH_THRESHOLD=0.20
• PYINT_GEO_INTERP=1
• PYINT_REFLATTEN_COH_THRESHOLD=0.70
• PYINT_REFLATTEN_FALLBACK_COH_THRESHOLD=0.20

当前链路还支持：

• atmcor：Gamma 大气校正分支
• atmcor_use_for_disp：如果存在 atmcor 结果，可用它作为位移导出源
• geo_interp=1：geocode_back 使用双三次样条插值

这条链最重要的约束是：

• 科学结果保留 Gamma 原始输出值。
• Python 层不再对最终 disp.tif 做额外像元改写。
• disp_unmasked.tif 保留原始 Gamma 导出。
• thumb.webp 之类预览文件只属于展示层，不代表科学结果被改坏。

另外，Gamma 这条链里的 target_grid_size_m 更偏记录用途，不等价于 ISCE2 / ENVI 那种强制输出网格控制。

4. 三者差异

维度	ENVI + SARscape	ISCE2	Gamma / PyINT
处理风格	黑盒原生任务串联	论文/工程化脚本链	原生命令封装 + Python 管理
几何精化	GCP + refinement + reflatten	dense offsets + rubbersheeting	residual phase reflatten
解缠后修正	SARscape 原生任务内完成	主要在 export 阶段归一化 / deramp	quad_fit / quad_sub / geocode_back / dispmap
输出控制	geocode 像元大小可直接配	target grid size 真正影响输出	以 Gamma 原生输出为主，Python 不重写科学值
结果风格	更接近 SARscape 习惯	更规范、更标准化	更接近 Gamma 原生结果

5. 容易混淆的点

• 轨道精炼与重去平不是只有一个名字。ENVI 里它是显式任务，ISCE2 里分散在几何精化和导出阶段，Gamma 里则体现在 reflatten。
• DEM 30m 和 地理编码输出 10m 不是同一件事。DEM 是地形源，输出网格是地理编码采样。
• 当前仓库里 D:\DEM\SRTMDEM_RSP_SARscape.wgs84.vrt 的网格是 0.0008333333 度，属于 3 arc-second DEM，不是字面意义上的 30m 栅格。
• Gamma 的预览图可以看起来比较粗或有马赛克感，但只要最终科学输出没被改写，这不等于流程错误。

6. 结论

如果只看“是否具备生产 D-InSAR 的完整链路”，三条核心现在都是能跑的：

• ENVI + SARscape 更像原厂工作流，适合遵循 SARscape 习惯链路的用户。
• ISCE2 更像标准化工程链，强调几何精化、导出规范和可恢复性。
• Gamma / PyINT 则保持 Gamma 原生算法路径，当前已把重去平、atmcor 和导出组织成可管理的生产链。

如果你的要求是“只用 Gamma 里已有的流程和步骤，不自己改科学数据”，那当前 Gamma 链路的原则是符合的：Python 只负责调度、选择和导出组织，最终科学值仍来自 Gamma 原生命令输出。