Ground-Based Synthetic Aperture Radar (GB-SAR) enables to monitor a scene in a distance up to a few km and with an accuracy of around one mm. It is mainly used for landslide monitoring but also used to monitor man-made structures such as bridges and dams. Due to the particular distance-dependent imaging concept and related geometric distortion effects, the interpretation of the SAR images can be difficult, especially in the case of complex man-made structures. The geocoding of the SAR data enables to project the 2D SAR image on a 3D digital elevation model (DEM) or a 3D terrain model and highly improves the interpretation of the observed deformation. It also allows to fuse SAR-based observations with other data sources. The purpose of this paper is to present a new algorithm to geocode GB-SAR data in complex scenarios. The method introduces two new components, a Bayesian statistical approach and a ray-tracing algorithm. The first one uses an a priori function on the received intensity to improve the geocoding in case of strong layover, while the latter considers areas in the radar shadow to be excluded from geocoding. Moreover, ray-tracing provides the starting point for the analysis of signals with multiple reflections which are also discussed in this paper. Our algorithm is applied to and evaluated with two case studies. The first one demonstrates the improved geocoding of GB-SAR data on the Linach dam in the Black Forest in Germany, which is characterized by a rather complex architecture. The second case study shows the application of the method at the Enguri dam in Georgia, which is characterized by its large dimensions and a dam height over 270 m.

地基合成孔径雷达 (GB-SAR) 能够监测最远几公里的场景，精度约为 1 毫米。主要用于滑坡监测，也可用于监测桥梁、水坝等人造结构。由于特定的依赖于距离的成像概念和相关的几何失真效应，SAR 图像的解释可能很困难，尤其是在复杂的人造结构的情况下。SAR 数据的地理编码能够将 2D SAR 图像投影到 3D 数字高程模型 (DEM) 或 3D 地形模型上，并极大地改进了对观察到的变形的解释。它还允许将基于 SAR 的观测与其他数据源融合。本文的目的是提出一种在复杂场景中对 GB-SAR 数据进行地理编码的新算法。该方法引入了两个新组件，贝叶斯统计方法和光线追踪算法。第一个使用接收强度的先验函数来改进在强停留的情况下的地理编码，而后者则考虑将雷达阴影中的区域排除在地理编码之外。此外，光线追踪为分析具有多次反射的信号提供了起点，本文也对此进行了讨论。我们的算法应用于两个案例研究并进行了评估。第一个展示了对德国黑森林 Linach 大坝的 GB-SAR 数据进行改进的地理编码，该大坝的特点是架构相当复杂。第二个案例研究展示了该方法在格鲁吉亚恩古里大坝的应用，该大坝的特点是尺寸大，坝高超过 270 贝叶斯统计方法和光线追踪算法。第一个使用接收强度的先验函数来改进在强停留的情况下的地理编码，而后者则考虑将雷达阴影中的区域排除在地理编码之外。此外，光线追踪为分析具有多次反射的信号提供了起点，本文也对此进行了讨论。我们的算法应用于两个案例研究并进行了评估。第一个展示了对德国黑森林 Linach 大坝的 GB-SAR 数据进行改进的地理编码，该大坝的特点是架构相当复杂。第二个案例研究展示了该方法在格鲁吉亚恩古里大坝的应用，该大坝的特点是尺寸大，坝高超过 270 贝叶斯统计方法和光线追踪算法。第一个使用接收强度的先验函数来改进在强停留的情况下的地理编码，而后者则考虑将雷达阴影中的区域排除在地理编码之外。此外，光线追踪为分析具有多次反射的信号提供了起点，本文也对此进行了讨论。我们的算法应用于两个案例研究并进行了评估。第一个展示了对德国黑森林 Linach 大坝的 GB-SAR 数据进行改进的地理编码，该大坝的特点是架构相当复杂。第二个案例研究展示了该方法在格鲁吉亚恩古里大坝的应用，该大坝的特点是尺寸大，坝高超过 270 米。