地面沉降是一种危害极大的工程地质现象。地面沉降能够造成公共设施损坏,资源开发受限,严重时甚至会引起海水倒灌,从而导致土壤和地下水盐碱化,港湾设施失效,近海区域被海水淹没等。现阶段较为常用的地面沉降监测方法包括传统监测方法,全球定位系统(Global Positioning System, GPS)监测方法以及合成孔径雷达差分干涉(Differential Interferometric Synthetic Aperture Radar, DInSAR)监测方法。传统监测方法多为水准测量,精度较高,然而无法进行大规模高密度监测。GPS可以提供大规模监测方案,然而点位布设成本很高,因此难以提供高密度形变场。DInSAR很好的克服了上述两种方法的缺陷,它能够提供大范围,高密度的测量点,从而获取研究区域的高分辨率形变场,因此DInSAR正在被越来越广泛的应用于地面沉降监测之中。然而,DInSAR面临诸多应用缺陷。首先,DInSAR很容易受到时空失相干的影响。时空失相干会导致信号无法进行干涉,从而无法提供有效的形变信息。其次,DInSAR的精度受制于相位解缠的精度。相位解缠只能在高相干区域才能给出稳健的结果,低相干区域以及不连续区域会导致相位解缠结果偏离真实值,无法给出可靠的解缠相位。第三,DInSAR的处理过程较为复杂,处理过程会引入各种解算误差。这些误差可能来源于影像配准,轨道误差,大气影响等等。因此,针对DlnSAR的缺陷,有学者提出多时相雷达干涉(Multi-Temporal InSAR, MTInSAR)算法,用以获取更为可靠的形变场信息。MTInSAR中最为典型的是永久散射体雷达干涉(Persistent Scatterer InSAR, PSI)。PSI只针对影像序列中的永久散射体(Persistent Scatterer. PS)点进行分析,分析过程中,为了保证PS点的可靠性,至少应使用30景影像。由于PS点在较长的时间范围内能够保持较好的相干性,受到时空失相干和噪声影响较小,因此能够为形变场提供可靠的观测结果。一些典型的PS包括路灯、石头、高压电塔、墙体二面角等,这些地物对应的PS点在影像中占据的大小不超过一个像元。然而,由于其后向散射系数较大,其回波信号占据影像回波信号的绝大部分,从而有效的抑制了像元内噪声分量,提高了PS点的信噪比。为了获取PS点的形变时间序列,计算过程中首先需要获取点位的相对形变速率,随后将相对形变速率转变为绝对形变速率,最后通过对残差进行时空滤波计算每个点的非线性形变分量。最终的形变时间序列包含线性部分和非线性部分。PSI能够在保留DInSAR大范围监测特征的基础上,提高DInSAR的观测精度。有研究表明,在地面点信噪比足够高的情况下,PSI可以提供亚毫米级形变结果。这为工程应用提供了可靠的理论基础。虽然PSI能够提供良好的沉降观测结果,但是PS点的分布较为稀疏,相比于DInSAR来说,观测点的密度很低,无法为形变场提供足够丰富的形变细节信息。且有研究表明,在一般情况下,90%左右的地面覆盖均为面散射体,也称为分布式散射体(Distributed Scatterer, DS)。进一步研究显示,DS的物理尺寸较大,在影像中占据多个像元。虽然影像中的DS点也会受到时空失相干的影响,但是其中依然存在高信噪比的点,这些点能够为形变场提供可靠的观测结果。一些典型的DS包括道路、房顶、裸地、闲置耕地、荒山、沙漠等。这些DS对应的像素点虽然会受到时空失相干的影响,但是依然拥有中等相干性,在时间序列上能够保持相对稳定。SqueeSARTM技术可以用来进行DS点探测,探测结果表明,相对于PSInSAR向TM来说,DS点的密度可以提高至少4倍。在市郊区域,DS点的密度甚至会比PS点的密度高10倍以上。然而,SqueeSARTM将S点和DS点进行联合解算,解算过程中高质量的PS点会因为误差传播而受到低质量DS点的影响,无法保证解算结果的可靠性。因此本论文提出点目标分层分析算法,用以进行DS点探测和解算。点目标分层分析算法按照振幅离差指数(Amplitude Dispersion Index, ADI)的大小,将影像中所有的点目标分层,对每一层的像素进行逐点分析,以获取并解算PS点和DS点。解算过程中,为了保证结果的可靠性,首先需要获取PS点及其沉降参数。随后将其余的点按照ADI的步长分层,对每一层的点目标解算完毕,即可获取DS点及其形变参数。值得说明的是,为了控制点位质量,对每一层点进行解算时,都要以所有有效点目标为基础进行质量评价,只有通过质量评价的点才能作为DS点。围绕点目标分层分析算法,论文另外提出了区域增长算法和基于相位梯度的非线性形变计算方法。其中,区域增长算法可将点位的相对形变速率转变为绝对形变速率,它通过复杂的逻辑判断来替代全体点网平差算法,可以有效的减少内存的消耗,并提高解算效率和精度。模拟实验表明,在噪声较大时,区域增长算法依然可以提供形变场的整体形变信息,其表现要优于最小二乘平差算法。而基于相位梯度的非线性形变计算方法不再进行相位解缠,它使用相位梯度进行时空滤波,获取了非线性形变的相位梯度之后,使用区域增长法提供的积分路径沿路径积分,即可得到每个点的非线性形变量值。这种计算方式可以减少相位解缠过程中带来的误差,以保证形变结果的可靠性。论文使用天津市西青区的TerraSAR-X影像进行了实验,并采用同时期的水准数据进行了对比验证。验证结果表明,点目标分层分析算法提供的沉降速率均方根误差为2.5 mm/yr。同时,实验采用了基于相位梯度的非线性形变计算方法,从而获取了各沉降段的累计沉降量。验证结果表明,累计沉降量的均方根误差为3.8 mm,达到三等水准测量的精度要求。对比结果证明了论文提出的算法的可靠性。此外,论文还使用了上海市宝山区以及香港国际机场的TerraSAR-X影像进行了实验,实验表明,论文提出的算法不仅可以为上海地铁沿线沉降提供详细的形变信息；而且可以为香港国际机场地表沉降提供详细的形变信息,且形变信息分布特征与机场的地质特征具有很高的一致性。实验结果证明了论文提出的算法的有效性,即算法可以获取研究区域的高空间分辨率形变场。论文为MTInSAR技术的工程应用提供了良好的实验依据。