随着全球城市化进程不断加快,城市基础设施大量修建,地下资源过度开采,城市地面沉降现象日益严重。地面沉降对建筑物和生产设施造成了严重破坏,不利于城市建设和资源的勘测开发,对人民生命财产安全造成了重大危害。传统的形变监测和水准测量方法虽然精度较高,但只适用于小范围内点和直线的测量,无法有效监测大范围区域。近年来,合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar,InSAR）技术成为研究人员们的研究热点。该技术具有全天时、大范围、高精度、高分辨率的特点,在地面沉降监测中展示了极大的应用潜力,使得在有限的数据资源情况下,更精确地进行监测地表形变成为可能。本文在传统合成孔径雷达差分干涉测量（differential interferometric synthetic aperture radar,D-InSAR）监测方法的基础上,提出一种基于较少影像实现时间序列监测的多幅主影像干涉图加权叠加方法。论文的主要工作如下:（1）提出了一种公共主影像优化选取函数模型。该函数模型在综合相关函数模型的基础上对垂直空间基线、时间基线和多普勒质心频率差三个影响因子进行归一化处理,并通过添加指数因子来减小三个参数之间因量纲差异所带来的影响。通过该模型选择多幅主影像,在有限的数据集中组成更多相干性较高的干涉像对,为后续干涉图加权叠加过程提供足够的数据支持。（2）传统单幅主影像生成的相干性较低的干涉图在参与干涉叠加的过程会降低监测精度,针对这一问题,提出了一种基于多幅主影像的InSAR干涉图加权叠加的方法。该方法利用较少的SAR图像生成干涉图集,采用加权叠加的方法避免相干性低的干涉图参与叠加,从而实现对某一区域高精度、长时间的形变监测。首先,选取多幅主影像生成多个干涉图集;然后,将得到的多组相干图按权重进行叠加,叠加后的相位信息和大气噪声之间的信噪比得到明显提高;最终,通过将相位信息转化为形变信息得到地表形变平均速率图。采用Sentinel-1A卫星拍摄的2019年7月至2019年12月覆盖美国加利福尼亚州圣迭戈县9景SAR影像对本文所提算法进行实验验证,并利用Sentinel-2A光学遥感数据和美国地质调查局地下水数据进行对比分析。实验结果表明:本文提出的多幅主影像干涉图加权叠加方法可以利用较少的数据集实现对研究区域的时间序列形变监测,监测结果具有较高的准确性,方法有效可行。