双站SAR系统无时间去相干的特性，结合长波的强穿透能力，在估计植被结构参数上应用前景极大，借助极化干涉SAR分解技术研究双站SAR系统下的植被区散射过程，对揭示信号与地物的交互过程，构建植被结构参数反演模型具有重要意义。考虑模型适用性和双站SAR系统存在的不可忽略的去相干，将极化干涉矩阵表达为极化方位角扩展的广义表面散射矩阵、广义二次散射矩阵和Neumann自适应体散射矩阵与其对应相干成分乘积的和的形式，基于残差最小二乘准则，使用非线性最小二乘优化技术同时求解所有模型参数。使用BioSAR 2008项目的L波段全极化机载数据对方法进行测试，获取了实验区不同散射机制的相干成分、相位分布和能量信息，结合机载激光雷达数据进行了分析。结果表明：分解方法对植被区不同散射机制区分良好，有效抑制了体散射功率高估；植被区表面散射在垂直向上的分布与植被高度和穿透程度存在联系，体散射相位中心高度与机载激光雷达植被高接近且趋势一致；有效估计了散射机制的相干性。

GNSS-InSAR数据融合进行监测地表形变是目前地表形变监测领域研究的热点问题，传统GNSS-InSAR数据融合方法融合简单、不能动态地反映地表形变特点，导致数据使用不充分、形变特征精度低等后果。提出了一种新的基于InSAR校正值和卡尔曼滤波的GNSS-InSAR融合方法。根据时间序列的GNSS观测值和InSAR校正观测值的时空相关性，通过卡尔曼滤波对两种数据进行融合，得到更精确的地表三维形变结果。利用2018年11月15日至2022年6月3日103景Sentinel-1A数据和同期13个GNSS点位数据进行处理，实验结果表明：校正后的InSAR观测值与GNSS观测值经卡尔曼滤波融合结果比未校正的InSAR观测值与GNSS观测值融合结果精度高45%，比InSAR观测值精度高57%。因此，基于InSAR校正值和卡尔曼滤波的GNSS-InSAR融合模型提高了InSAR变形监测的精度，拓展提升InSAR应用范围的广度和深度。

南迦巴瓦峰地区位于东喜马拉雅构造结的构造变形核心地带，地质构造环境复杂，地质灾害频发，加强对该地区的地表形变监测研究对当地防灾减灾和经济可持续发展有着重要意义。研究利用Sentinel-1卫星数据在该区域开展地表形变监测，通过PS-InSAR技术获得雷达视线方向（Line-Of-Sight， LOS）的形变速率分布与形变时间序列数据，并对地表形变的分布情况和2017年米林M6.9地震的同震形变情况展开分析与讨论。结果发现南迦巴瓦地区地表形变受新生代构造变形影响较大，研究区内的构造形变主要有同震、震后松弛形变和板块边界带的俯冲形变。雅鲁藏布江两侧变形差异较大，北侧呈缓慢的负形变趋势，南侧由于受到俯冲断裂的影响以较高的速率正形变。米林地震的同震形变呈现出西南盘负形变，北东盘正形变且西南盘形变量更大的空间分布特征。研究结果表明：InSAR监测技术可为青藏高原灾害监测和科学研究提供高时空分辨率的地表形变数据。

白鹤滩水电是国内继三峡水电站之后的第二大水电站，于2021年4月开始蓄水，水位上升约150 m，库区运行期随着水位线的快速变化，改变了库区的地质环境，极易引发突发性的地质灾害。为了保障水电站的正常运行及库区的居民生命财产安全，需要对库区进行快速动态的地质灾害识别。因此，基于短基线DInSAR方法对金沙江流域白鹤滩库区重点库岸段（葫芦口—象鼻岭地段）蓄水期展开了地质灾害隐患识别。通过Sentinel-1A/B数据进行联合监测，将重返周期提高到6 d 1景，获取了研究区蓄水期2021年4月至11月共66景数据，结合SRTM DEM数据进行基于同一主影像的DInSAR处理，再将干涉对进行组合分析以达到快速动态的形变监测。最终共识别出92处存在显著形变的强形变区，均分布在金沙江两岸，其中8个强形变区域已被目前最高水位线800 m淹没，38个强形变区域位于水位线附近，部分出现小规模塌岸。同时选取了4个持续形变的区域结合实际地形地貌进行分析，发现形变迹象较为明显，且强形变区域位置与DInSAR方法监测结果相吻合，证明了将DInSAR方法应用于快速动态的发现新隐患点的情况的可行性，进行了蓄水期灾害分析与监测预警对保障白鹤滩水电站的正常蓄水发电具有重要意义。采用该方法进行广域地质灾害高效快速动态监测，在第一时间发现隐患点并进行定性分析，为水库岸蓄水期因水位变化引起的突发性潜在地质灾害的识别提供了一种新思路。