滑坡灾害的发生常常会造成巨大的财产损失和人员伤亡,因此,及时对滑坡区域进行监测,准确识别滑坡的位置信息,可以有效减少滑坡带来的损失,对地质灾害区域的防灾减灾与规划建设具有重要意义。小基线(Small Baseline Subsets,SBAS)技术可以获取微小的形变信息和长时间序列的缓慢地表形变场,在地表形变监测中具有较广的应用前景。目前,SBAS技术多用于监测平缓区域的地表形变,而对于地势陡峭地区滑坡识别的适用性和滑坡识别结果的有效性还有待研究。本文提出了一种基于SBAS技术的滑坡识别方法,并将其应用于地形陡峭的岷江流域。论文的主要研究成果包括:(1)结合雷达影像成像规律和地表特征对研究区的可视性进行了可视、不可视和低敏感性的划分,以克服影像因区内地形起伏、地表坡度等引起的几何畸变。(2)以研究区可视性分析结果为基础,对沿雷达视线方向的形变点进行筛除,获取了区内可靠形变点数据。将沿雷达视线方向的形变速率转化为沿坡度方向的形变速率,以表达斜坡面的地表形变信息。(3)基于空间统计分析获得区内可靠形变点的聚集环境,将其以冷点、热点进行划分;基于核密度分析对形变点聚集区进行勾勒,提取出冷点区域和热点区域,即滑坡区域范围。(4)联合滑坡要素对所提取的滑坡区域范围进行分析,以判别是否存在真实的滑坡。以区内5个典型滑坡的光学影像为基础,提炼出滑坡解译标志,为滑坡识别提供依据。最终,本文共识别出11个潜在滑坡,19个活动滑坡,并基于滑坡发育环境要素和区内历史滑坡数据对岷江流域的滑坡识别结果进行了验证。研究结果表明,SBAS技术可以有效监测陡峭区域的地表形变;基于SBAS技术的滑坡识别方法是一种可行且可靠的滑坡识别方法。