地表沉降是一种常见的地质灾害,对人们的生产生活、社会与经济的可持续发展造成了很大的影响。因此,开展时序的地表沉降监测研究具有十分重要的意义。时序InSAR技术在沉降监测中有着广泛的应用,但当前方法选取的测量点数量有限。因此,本文围绕联合PS和DS的地表沉降监测主题,开展了同质像元的识别、PS和DS的选取及相位优化等方法研究,主要研究工作及成果如下:（1）针对统计同质像元识别精度的问题,在置信区间的假设检验（Hypothesis Test of Confidence Interval,HTCI）算法的基础上,提出了基于最优置信区间估计（Optimal Confidence Interval Estimation,OCIE）的同质像元识别算法。该算法根据置信下限和置信上限的极值,缩短置信区间的长度,确定最优置信区间。模拟和真实数据的实验结果表明,OCIE算法有效减小了同质像元识别误差,提供了更有意义的同质像元集合。（2）针对DS相位优化效果的问题,在基于相干矩阵特征值分解的相位三角（Eigenvalue-decomposition Phase Triangulation,EVD-PT）算法的基础上,提出了一种改进的特征分解的PT算法（Improved EVD-PT,IEVD-PT）。该算法综合多个成分进行分析,避免损失较多的信息,且利用受噪声影响小的、条纹较清晰的干涉像对计算拟合优度,并利用改进前后的两种算法进行DS相位优化。结果表明,经过IEVD-PT算法优化后的干涉图质量得到了改善,残差点数、相位差之和均较小,验证了IEVD-PT算法的有效性。（3）针对如何在不损失测量精度的情况下,从可用数据集中选取尽量多的DS点的问题,提出了基于分层分析的DS点加密方法。根据拟合优度将DS候选像元分成三组,采用分层分析策略进行处理,且利用皮尔逊相关系数来判断处于中等时间相干性像元的相位质量。利用改进前后的两种方法,分别获取了天津地区的沉降信息。结果表明,分层分析策略获取的DS点密度提高了60%,两种方法获取的同名点数的沉降速率相关系数为0.948、均方根误差为1.1 mm/year,且与水准测量的监测结果对比发现,两种方法反演结果的标准差分别为1.7 mm和2.3 mm,测量精度均较高,验证了分层分析策略是一种有效的DS点加密方法。（4）针对如何选取更多可靠的PS和DS的问题,利用强度离差指数选取PS,结合IEVD-PT算法的提取DS和相位优化,在多主影像相干目标小基线干涉测量技术（Multiple-master Coherent Targets Small Baselines InSAR,MCTSBInSAR）的形变解算模型下,发展了一种联合PS和DS的干涉测量方法（Combined PS and DS InSAR,CPDS-InSAR）。利用MCTSB-InSAR和CPDSInSAR方法,分别获取了北京地区的沉降信息。结果表明,CPDS-InSAR方法明显增加了测量点数,点密度约是MCTSB-InSAR的2.1倍,两种方法获取的同名点沉降速率的相关系数为0.962、均方根误差为3.1 mm/year,两者的监测结果较为接近,验证了CPDS-InSAR是一种有效的提高形变测量的空间密度的方法。该论文有图72幅,表13个,参考文献179篇。