我国因自身的地形地貌和气候条件等因素的影响,导致我国成为世界上滑坡灾害发生最为频繁的国家之一。我国每年因滑坡造成了巨大的人员伤亡和经济损失。而滑坡发生前的形变监测和分析能为滑坡灾害预警提供重要的参考和决策依据。2008年5月12日于中国四川省阿坝藏族羌族自治州汶川县发生了里氏震级8.0 Ms的特大地震,此次地震不仅造成了巨大的人员伤亡、建筑物的损毁和财产损失,也对当地的生态环境和地质构造造成了很大的破坏,引发了六万多处山体滑坡和崩塌。而位于四川省绵阳市安县高川乡大光包滑坡是汶川大地震引发的规模最大的同震滑坡,也是近几十年来世界上规模最大巨型滑坡之一。此次滑坡还形成了大量松散堆积物和不稳定坡体,且周边地震频发,降雨集中,容易诱发滑坡;强震引发的地质灾害和其长期的后效应是当前地质防灾的重要课题,为了能从源头识别、判断和评估潜在的滑坡灾害,有必要对该区域进行长时间的形变监测并分析其运动趋势。传统的滑坡表面形变监测的方法如精密水准测量、全球卫星导航系统(Global Positioning System,GPS)测量等监测精度高,可靠性强,但费时费力,且无法进行大面积的形变监测。相较而言InSAR技术具有覆盖范围广、分辨率高、全天时全天候监测、监测精度高等优点,适合大范围滑坡区域形变监测。然而,传统的DInSAR技术受时空失相关和大气延迟的影响,严重限制了DInSAR技术在形变监测的应用,尤其是在长时间缓慢位移的滑坡监测的应用。为了解决该问题,以永久散射体雷达干涉(Persistent Scatterer InSAR,PSI)技术、小基线集(Small Baseline Subset,SBAS)技术和干涉图相位叠(Stacking-InSAR)技术等多时相雷达干涉(Multi-Temporal InSAR,MTInSAR)算法相继被提出,有效抑制了DInSAR技术中失相关和大气延迟对监测结果的影响。为了获取大光包长时间的运动状态并加以分析,需要选取合适的数据和方法。本文主要的工作内容是先对84景Sentinel-1A的SAR影像数据中相邻时间段的两幅影像两两作DInSAR处理,发现大光包区域的干涉图有明显的干涉条纹,说明该区域植被覆盖少,影像相干性强,所以选用Stacking和SBAS这两种时序InSAR技术对大光包区域进行长时间的形变监测。然后分别用SRTM DEM和Tan DEM两种数字高程模型进行数据处理并生成干涉图,发现基于两种DEM计算生成干涉图的干涉条纹有明显差异,查阅资料发现大光包滑坡发生前后在不足4 km水平距离上有高达500 m高程变化。而SRTM DEM是震前制作而成的,Tan DEM是地震之后制作而成的。之后对比了两种DEM的差异,发现其变化趋势与已有的结果一致。故选取的数字高程模型为Tan DEM。基于时序InSAR方法对大光包进行形变监测,监测到大光包山体还有三处活跃的运动区域,有一处区域是原大光包孤立山峰在滑坡之后形成的断崖;剩余两处区域中,一处区域是大量松散堆积物的堆积区域,另外一处区域是滑坡流出口,监测结果表明这两处区域的运动最为活跃,原因是该区域大量松散堆积物和不稳定坡体的不稳定性造成的。在2014年~2018年大光包山体沿LOS向的最大形变量为20 cm。最小形变量为5 mm。同时为了验证监测结果的可靠性,使用8景2017年~2018年覆盖研究区域PALSAR2的升轨SAR影像数据基于SBAS算法获取大光包山体的时序形变并与相同时段Sentinel-1A数据获取的时序形变做对比,结果表明两种数据源获取的时序形变信息基本一致,验证了形变监测结果的可靠性。本文基于多时序InSAR算法对大光包滑坡进行长时间形变监测,监测到了三处仍在滑动的区域。三处滑动区域在2014年至2018年这四年保持匀速滑动的状态,若无外界条件的影响(如强降雨和地震等),这三处区域在未来几年还会持续滑动,若有降雨和地震等诱发因素下可能会发生滑坡。同时也说明大光包山体还未恢复到汶川地震震前的稳态,还需要继续对该区域进行形变监测。本文的研究表明了时序InSAR技术在滑坡长时间形变监测中的优势,随着技术的提升和算法的改进,时序InSAR技术会被更广泛的应用于滑坡监测中。