合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar,InSAR）是监测大规模地表形变的主要技术手段,已普遍应用于自然灾害和人类活动导致的地表环境变化监测,并为评估灾后损失和未来风险提供重要信息。由于大气压强、温度与水汽含量的时空变化会造成显著的对流层相位延迟,这严重影响了InSAR形变监测的精度。因此,合理选择适用于研究区域的对流层延迟改正方法十分重要。对流层延迟改正方法众多,总的来说可分为两类:（1）基于自身数据的改正方法:通过叠加、平均以及时空滤波的方法去除具有时空随机分布性质的对流层延迟部分,或者建立以干涉图为基础的对流层延迟与高程的函数关系估计对流层延迟,例如叠加法、经验模型线性改正、幂律校正、小波变换等。（2）外部数据校正法:利用外部数据生成对流层延迟模拟图来改正干涉图,包括气象模型估计、GPS观测、多光谱观测以及联合方法等。由于每种方法都存在各自的优势和局限性,不同改正方法对引起对流层延迟的大气条件敏感程度不同,难以做到某一种方法在任何研究区域和时间内均能有效去除对流层延迟的影响。本文以青藏高原北部边缘为研究区域,选择了六个子研究区域（自西向东分别标记为A129、A114、A70、A99、A26和A55）,收集了2017～2019年共114幅Sentinel-1宽幅SAR影像,生成了536幅干涉图,利用差分干涉测量（Differential InSAR,DInSAR）技术获取研究区域的形变相位。以此为基础实验数据对经验模型线性改正、通用型InSAR大气校正在线服务改正（generic atmospheric correction online service for InSAR,GACOS）和欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）最新发布的ERA5（ECMWF Reanalysis v5）数据集改正三种常用对流层延迟改正方法的改正效果进行评估。通过计算干涉图的标准差以及相位与地形的相关系数可知,ERA5改正在青藏高原北部边缘的适用性相较于其它两种方法更好,改正后干涉图标准差的平均值下降了43%,相关系数的平均值下降了64%。这主要得益于ERA5数据集良好的时间分辨率和密集的地面测站分布,能够更加精准地反映SAR影像获取时刻的大气条件。另外,对于不同的子区域,三种对流层延迟改正方法的效果略有不同:A129和A114区域线性改正的适用性最好,改正后A129区域的标准差和相关系数分别降低了43%和64%,A114区域分别降低了48%和89%;A70、A99和A26区域ERA5改正的适用性最好,改正后A70区域的标准差和相关系数分别降低了39%和75%,A99区域分别降低了46%和54%,A26区域分别降低了44%和61%;A55区域线性改正和ERA5改正的效果相当,但由于线性改正的效果更加稳定,因此线性改正在A55区域的适用性最好,线性改正后的标准差和相关系数分别降低了40%和47%。根据对流层延迟改正效果,选择区域最适合的改正方法进行时序分析。本文基于小基线集合成孔径雷达干涉测量（small base-line subset interferometric synthetic aperture radar,SBAS-InSAR）原理,利用Mint Py（Miami InSAR time-series software in Python）程序包进行时序分析,最终获得各研究区域的视线向年均形变速率。从剖面图分析可知,InSAR时序分析反演的年均形变速率中仍然残留了一部分大气误差。为了更加精确地评估形变速率反演结果,本文利用GPS数据模拟大尺度背景构造形变场,通过拟合InSAR数据与GPS数据视线向形变速率差值的最佳二次曲面去除残余大气误差和轨道误差的影响,从而获得更加精确的视线向形变场。结果表明,青藏高原北部边缘自南向北视线向形变速率逐渐减小,自西向东视线向形变速率先减小后增大。校准后的形变速率大致为-10～10mm/yr,与GPS数据具有良好的一致性,两者差值大部分分布在±2mm/yr之内,均方根误差为1.34mm/yr。