地表沉降是影响城市发展的主要地质灾害之一,不仅损害基础建筑设施,还会制约城市经济发展。上海作为一个国际化金融中心,城区建筑和人口密度大,随着地上地下工程规划以及脆弱的地质条件,该地区存在潜在的地表沉降风险。为了掌握城市地质灾害变化的规律,及时监测并预测城区的地面沉降情况,具有重要意义。全球定位系统（Global Positioning System,GPS）和地面水准测量作为两种主要的传统地表沉降监测技术,通常需要较长的监测时间,难以满足当前大范围地表形变监测的需求。而时序InSAR技术具有全天候、高效率和低成本等特点,使得该技术成为城市地表形变监测的研究热点。本文利用时序InSAR技术对上海地区的地表沉降进行监测,在得到地表沉降监测结果的基础上,对沉降较为严重区域的平均沉降变化趋势进行预测,具体研究内容如下:（1）以27景Sentinel-1A数据和外部90m分辨率的数字高程模型（Digital Elevation Model,DEM）作为数据支撑,利用SBAS-InSAR和PS-InSAR两种方法对上海城区进行时序形变监测,得到了上海城区的沉降速率与分布情况,将两种监测结果进行交叉验证分析,探究两种方法在城区地表沉降监测中的可靠性。结果表明:在研究区范围内,两种方法监测结果的空间分布和形变量级别大致相同,且SBAS-InSAR监测结果的连续性明显优于PS-InSAR监测结果,整体上SBAS-InSAR技术监测结果的可靠性高于PS-InSAR监测结果。（2）基于SBAS-InSAR技术得到的上海城区的沉降速率与分布情况,对其重点沉降区进行时空特征分析和形变原因探讨。监测结果表明:在监测时期内,上海城区的地表形变速率主要集中在[-4,4]mm/a,地表形变整体较为平稳,但存在虹桥机场北部区域、前滩附近区域和豪景苑周边三个重点沉降区。其中前滩附近的四方城开发区域地表沉降最为严重,地表累积沉降量超过50mm,沉降速率最高达到-25mm/a。形变诱因探讨表明沉降漏斗与居民点、工程建设和富水区之间的空间分布具有较高的空间相关性。上海的地表沉降主要受工程建设、城市化发展以及地质富水条件等综合因素影响,该结果为地质灾害预防提供了实时预警信息。（3）结合常用的地表沉降预测模型中的灰色模型和神经网络模型的优势,研究了灰色神经网络组合预测模型。选取SBAS-InSAR技术获取的重点沉降区域内形变较大的点作为特征点,并构建40m缓冲区形成沉降预测的特征区,通过计算特征区内每期对应所有沉降点的平均沉降量,生成一组新的沉降序列。分别利用三种预测模型,对特征区后5期平均沉降量进行预测,并与新的沉降序列进行对比分析。结果表明:灰色模型、神经网络模型和灰色神经网络模型预测的最大均方根误差分别为1.94、1.52和0.49,说明灰色神经网络预测模型的准确性优于其他两种预测模型;在利用灰色神经网络模型预测3个特征区的平均沉降量时,中心城区的平均绝对误差和均方根误差分别为0.43mm和0.15,小于其他两个特征区,说明越接近中心城区的预测效果越好,验证了灰色神经网络模型预测城区地表沉降量的适用性。