InSAR & SAR solutions
雷達影像視域評估(Viewshed analysis of SAR images)
山區受限地形起伏及坡向、坡度變化大，雷達影像不若於平原都會區可獲得良好視域，反而容易肇生前視縮短(froeshortening)、疊置(layover)與遮蔽(shallow)等地形效應。因此在InSAR分析前，需對各類雷達衛星感測器之入射角及地形進行視域分析，釐清雷達影像上幾何扭曲對分析區之可信度，避免誤將雜訊視為真實訊號，造成後續錯誤之現象解釋。
創聚已開發整合衛星感測器入射角 、邊坡坡向、坡度及NDVI值(植被覆蓋程度
)之評估模式，產製之衛星視域可信度圖將提供InSAR地表形變點之雜訊濾除或地表位移點之解釋能力之基礎(藍色區：佳；粉色區：中等；橘色區：不良。數字1-3代表植被由疏至密)，預判不同衛星軌道之評估效益。
“新世代InSAR-地表形變評估”
為解決第一代PS-InSAR之變形點分布限制並與世界先進科技潮流接軌，導入綜合PS點及HDS點之時間序列雷達干涉分析法(DS-InSAR)，適度放寬PS-InSAR之解算限制，使用多主影像連結、權重、散射機制及不同統計方式等方式識別分布散射體，並加入PS點之解算成果，獲取更密集的InSAR觀測點分布，以增加解算後變形點之可靠度。
DS-InSAR技術分析流程包含：(1)永久散射體合成孔徑雷達差分干涉(PS)；(2)均質分布式散射體識別(DS)與多時相適應性濾波；(3)權重式&高同調性多主影像連結法，最終取得優於PS-InSAR與SBAS(短基線法)之長時序地表形變點(deformation point)，提供廣域地表3D變異量與長期監測趨勢評估基礎。可提供潛在大規模崩塌、公路邊坡橋梁、重要基礎設施(電塔、水庫、電廠、捷運、風機、機場、港灣、油槽等)、都會區房建物及天災後易致災熱區篩選(地層˙下陷、斷層活動)等評估。
雷達波散射變異偵測(Intensity change detection)
本法以「系統化山崩特徵偵測」為目的，並採用SAR影像為處理資料，強度變遷偵測為衡量山崩災害前後變化的方法，再透過物件式影像分析object-based image analysis，OBIA)找出山崩候選區域。最後透過地理對位至真實地理坐標系統，檢視已萃取的遙測識別標誌(remote sensing signatures)，所謂遙測識別標誌即為山崩災害在遙測影像上的特徵資訊，可藉由萃取該標誌進而偵測山崩熱區或特定天災後地貌變異區的空間分布。
本技術已於莫拉克風災(2009)廣域山崩目錄獲得良好驗證，投稿收錄於Remote Sensing期刊，並於2021/08/07豪雨事件後，成功應用於荖濃溪集水區之山崩判釋快速評估。
次像素偏移追蹤法(Sub-Pixel tracking)
次像素偏移追蹤法，又稱偏移偵測法(pixel-offset, PO)，藉由SAR影像套合(coregistration)的方式，偵測存在於兩(多)幅相同區域、不同時間SAR影像中的強度特徵偏移量，進而求得二維方向的變形量。
在完成偏移量追蹤後，使用者能獲得速度圖(velocity map)、GCP報表與速度向量(velocity vector)，次像素偏移追蹤法最早設計用來偵測冰川(glacier)的移動，而近年則陸續被應用於推估沙丘(sand dune)變遷、潛移山崩塊體(具有完整型貌且未潰散)等的移動量評估。
InSAR & SAR 加值應用評估
( InASR & SAR X Artificial intelligence X Machine learning X 3D building Model X DTM )
都會區房建物安全監測(Building 3D tilt monitoring)
都會區密集住宅區因地下鐵、捷運或新建案基礎施工，所造成之鄰房傾斜與沉陷，過去多採水準測量(線)或單點監測(點)，無法獲得大區域地表沉陷範圍及建物上之變形資訊。將InSAR分析後的3D形變點(具不同垂直高程的形變點)結合AI技術產製之房建物3D模型，可更細緻地評估工址開挖或地下捷運施工於不同時期之沉陷槽與影響範圍，或提供鄰損鑑定之量化數據。
創聚亦已結合液化潛勢圖，完成高潛勢區之活動變形區(active deformation area)監測分析流程，進行潛在地層下陷熱區圖(potential land subsidence map)及建物潛在沉陷評估(potential building settlement map)。
洪水溢淹3D災損評估(Flood hazard assessment)
短延時強降雨經常造成低窪都會區之淹水災害，創聚已開發完整之SAR評估、數值地形與建物模型的三維淹水範圍及淹水深度圖，淹水深度分級可依保全對象重要性或物業保險之危害度定義，分析成果提供業管單位快速災損評估、淹水治理對策研擬或運輸業之路徑規劃更新，同時本技術之3D房建物已附加屬性資料，可供保險業進行災損評估與再保分析基礎。
本技術已於雅加達洪災進行驗證，如配合災後商業雷達衛星(如芬蘭ICEYE)緊急取像，最快可於洪災發生後24 hr內獲得淹水範圍與溢淹深度圖成果。
邊坡災害活動性評估(Landslide Active Deformation Map, LADM)
為精準地量化InSAR分析後多如繁星之地表形變熱區之決策評估，創聚以機器學習整合邊坡山崩目錄(或山崩與地滑地質敏感區)與空間群集分析技術，將歷史山崩範圍內，具有顯著群聚且潛移趨勢在統計上相近者，採醒目之視覺化標註。其中分類後群聚點又可依滑動時序特徵予以分類：如穩定線性滑動、非線性滑移或前緩移而後加速等滑動行為，提供潛在邊坡災害與可能破壞機制更進一步的研判資訊。
此評估法之優勢為化繁為簡，有效縮減人工判讀時間，並提供特定事件後可靠的災害熱區空間分布。本技術已陸續用於高雄市布唐布納斯溪集水區岩體滑動監測、山區省道公路邊坡及原鄉部落安全評估。新北市烏來區評估成果已上架於NCDR原鄉情資服務平台。
基礎設施三維形變監測(Infrastructure 3D monitoring)
都會區基礎設施於施工與營運階段常見之必要之點或線狀監測，而DS-InSAR與PS-InSAR可提供面狀之不同高程之3D形變點，特別是具有高程變化之人工設施監測，如電塔、纜車塔柱、鋼橋上部結構及離岸風機等。
透過升軌與將軌雷達衛星影像之聯合觀測與三維耦合分析，可提供除了視衛星方向(LoS)之外的加值地表形變圖，即包含垂直向(vertical)與水平東西向(E-W)地表形變，提供工程師從時序上的力學特徵變化，從新檢視造成待測物變異的詳細原因。技術團隊近年於台灣高山區電塔、貓纜塔柱及山區公路鋼橋、斜張橋皆有驗證實績，已累積豐富分析經驗。
可靠且務實的
— 全方位InSAR遙測評估服務 —
It is the ability to learn from experience, to think, solve problems, and use our knowledge to adapt to new situations.