受全球气候变暖影响，青藏高原冻土退化和地表失稳问题不断加剧，对基础设施的建设维护和区域社会经济发展造成阻碍。近年来，SBAS-InSAR技术已在冻土地表形变监测中得到广泛应用，但由于青藏高原部分地区存在较为严重的失相干现象，导致形变监测结果出现空间不连续性，进而无法获得全面且精细的监测结果。针对上述问题，本文提出了一种联合机器学习与SBAS-InSAR的冻土形变监测方法，选取西藏阿里门士乡为研究区域，使用2020年1月7日至2021年6月6日共43景Sentinel-1A降轨影像数据提取地表形变信息；综合多类环境因子数据生成训练集后，引入机器学习模型拟合SBAS-InSAR监测结果与环境因子之间的内在关系，从而获取研究区连续形变速率图。结果表明，联合随机森林模型与SBAS-InSAR的方法效果最优，通过该方法对冻土形变缺失区域进行插值能极大提高原有SBAS-InSAR方法的监测覆盖率，其插值结果平均误差和均方根误差分别为0.459和0.739 mm/a。

受全球气候变暖影响，青藏高原冻土退化和地表失稳问题不断加剧，对基础设施的建设维护和区域社会经济发展造成阻碍。近年来，SBAS-InSAR技术已在冻土地表形变监测中得到广泛应用，但由于青藏高原部分地区存在较为严重的失相干现象，导致形变监测结果出现空间不连续性，进而无法获得全面且精细的监测结果。针对上述问题，本文提出了一种联合机器学习与SBAS-InSAR的冻土形变监测方法，选取西藏阿里门士乡为研究区域，使用2020年1月7日至2021年6月6日共43景Sentinel-1A降轨影像数据提取地表形变信息；综合多类环境因子数据生成训练集后，引入机器学习模型拟合SBAS-InSAR监测结果与环境因子之间的内在关系，从而获取研究区连续形变速率图。结果表明，联合随机森林模型与SBAS-InSAR的方法效果最优，通过该方法对冻土形变缺失区域进行插值能极大提高原有SBAS-InSAR方法的监测覆盖率，其插值结果平均误差和均方根误差分别为0.459和0.739 mm/a。

受全球气候变暖影响，青藏高原冻土退化和地表失稳问题不断加剧，对基础设施的建设维护和区域社会经济发展造成阻碍。近年来，SBAS-InSAR技术已在冻土地表形变监测中得到广泛应用，但由于青藏高原部分地区存在较为严重的失相干现象，导致形变监测结果出现空间不连续性，进而无法获得全面且精细的监测结果。针对上述问题，本文提出了一种联合机器学习与SBAS-InSAR的冻土形变监测方法，选取西藏阿里门士乡为研究区域，使用2020年1月7日至2021年6月6日共43景Sentinel-1A降轨影像数据提取地表形变信息；综合多类环境因子数据生成训练集后，引入机器学习模型拟合SBAS-InSAR监测结果与环境因子之间的内在关系，从而获取研究区连续形变速率图。结果表明，联合随机森林模型与SBAS-InSAR的方法效果最优，通过该方法对冻土形变缺失区域进行插值能极大提高原有SBAS-InSAR方法的监测覆盖率，其插值结果平均误差和均方根误差分别为0.459和0.739 mm/a。

受全球气候变暖影响，青藏高原冻土退化和地表失稳问题不断加剧，对基础设施的建设维护和区域社会经济发展造成阻碍。近年来，SBAS-InSAR技术已在冻土地表形变监测中得到广泛应用，但由于青藏高原部分地区存在较为严重的失相干现象，导致形变监测结果出现空间不连续性，进而无法获得全面且精细的监测结果。针对上述问题，本文提出了一种联合机器学习与SBAS-InSAR的冻土形变监测方法，选取西藏阿里门士乡为研究区域，使用2020年1月7日至2021年6月6日共43景Sentinel-1A降轨影像数据提取地表形变信息；综合多类环境因子数据生成训练集后，引入机器学习模型拟合SBAS-InSAR监测结果与环境因子之间的内在关系，从而获取研究区连续形变速率图。结果表明，联合随机森林模型与SBAS-InSAR的方法效果最优，通过该方法对冻土形变缺失区域进行插值能极大提高原有SBAS-InSAR方法的监测覆盖率，其插值结果平均误差和均方根误差分别为0.459和0.739 mm/a。

受全球气候变暖影响，青藏高原冻土退化和地表失稳问题不断加剧，对基础设施的建设维护和区域社会经济发展造成阻碍。近年来，SBAS-InSAR技术已在冻土地表形变监测中得到广泛应用，但由于青藏高原部分地区存在较为严重的失相干现象，导致形变监测结果出现空间不连续性，进而无法获得全面且精细的监测结果。针对上述问题，本文提出了一种联合机器学习与SBAS-InSAR的冻土形变监测方法，选取西藏阿里门士乡为研究区域，使用2020年1月7日至2021年6月6日共43景Sentinel-1A降轨影像数据提取地表形变信息；综合多类环境因子数据生成训练集后，引入机器学习模型拟合SBAS-InSAR监测结果与环境因子之间的内在关系，从而获取研究区连续形变速率图。结果表明，联合随机森林模型与SBAS-InSAR的方法效果最优，通过该方法对冻土形变缺失区域进行插值能极大提高原有SBAS-InSAR方法的监测覆盖率，其插值结果平均误差和均方根误差分别为0.459和0.739 mm/a。

利用2022-07～11的Sentinel-1A多时相SAR数据，使用SAR影像像素偏移量追踪方法提取2022-09-05泸定MS6.8地震震前、同震和震后的贡嘎山区域冰流速信息，并分析该地震对冰川运动状态的影响。结果表明：1)同震期间（2022-08-26～09-07）,贡嘎山区域的冰川流速明显增加，平均值相较于震前（2022-07～08）增加约27%～75%;2)震后时段内（2022-09～11）,相较于前2 a同期，海螺沟冰川、燕子沟冰川、磨子沟冰川、南门关沟冰川、大贡巴冰川和小贡巴冰川分别有57%、56%、50%、63%、63%和56%的区域流速有提升，这6条典型冰川2022年流速整体上分别提升11%、10%、9%、18%、20%和23%;3)冰川中心线的流速结果表明，同震期间冰流速的空间分布趋势明显受到地震扰动，震后各冰川中心线的空间分布趋势与前2 a同期保持较好的一致性，而冰流速水平略有提升；4)时间演化上，在同震期间和震后短期内（2022-09～10）,贡嘎山区域冰流速有较明显的提升，2022-10之后各冰川流速逐渐恢复至前2 a同期水平。

利用2022-07～11的Sentinel-1A多时相SAR数据，使用SAR影像像素偏移量追踪方法提取2022-09-05泸定MS6.8地震震前、同震和震后的贡嘎山区域冰流速信息，并分析该地震对冰川运动状态的影响。结果表明：1)同震期间（2022-08-26～09-07）,贡嘎山区域的冰川流速明显增加，平均值相较于震前（2022-07～08）增加约27%～75%;2)震后时段内（2022-09～11）,相较于前2 a同期，海螺沟冰川、燕子沟冰川、磨子沟冰川、南门关沟冰川、大贡巴冰川和小贡巴冰川分别有57%、56%、50%、63%、63%和56%的区域流速有提升，这6条典型冰川2022年流速整体上分别提升11%、10%、9%、18%、20%和23%;3)冰川中心线的流速结果表明，同震期间冰流速的空间分布趋势明显受到地震扰动，震后各冰川中心线的空间分布趋势与前2 a同期保持较好的一致性，而冰流速水平略有提升；4)时间演化上，在同震期间和震后短期内（2022-09～10）,贡嘎山区域冰流速有较明显的提升，2022-10之后各冰川流速逐渐恢复至前2 a同期水平。

利用2022-07～11的Sentinel-1A多时相SAR数据，使用SAR影像像素偏移量追踪方法提取2022-09-05泸定MS6.8地震震前、同震和震后的贡嘎山区域冰流速信息，并分析该地震对冰川运动状态的影响。结果表明：1)同震期间（2022-08-26～09-07）,贡嘎山区域的冰川流速明显增加，平均值相较于震前（2022-07～08）增加约27%～75%;2)震后时段内（2022-09～11）,相较于前2 a同期，海螺沟冰川、燕子沟冰川、磨子沟冰川、南门关沟冰川、大贡巴冰川和小贡巴冰川分别有57%、56%、50%、63%、63%和56%的区域流速有提升，这6条典型冰川2022年流速整体上分别提升11%、10%、9%、18%、20%和23%;3)冰川中心线的流速结果表明，同震期间冰流速的空间分布趋势明显受到地震扰动，震后各冰川中心线的空间分布趋势与前2 a同期保持较好的一致性，而冰流速水平略有提升；4)时间演化上，在同震期间和震后短期内（2022-09～10）,贡嘎山区域冰流速有较明显的提升，2022-10之后各冰川流速逐渐恢复至前2 a同期水平。

格陵兰冰盖是仅次于南极冰盖的世界第二大陆地冰盖，其边缘分布的溢出冰川作为快速传输冰带，是造成冰盖消融的重要因素。本文以位于格陵兰岛东北部的Nioghalvfjerdsfjorden冰川为研究对象，探索开展基于Sentinel-1A和偏移量跟踪技术的溢出冰川表面运动特征研究，并利用非冰川区流速和CPOM NRT IV数据验证了结果的可靠性。对比分析2017-2019年三个时期春季冰流速，发现该冰川在2019年春季出现了最大流速上移现象，推断可能是由于2018-2019年间冰川融水渗透引起的底部润滑加剧所致。

格陵兰冰盖是仅次于南极冰盖的世界第二大陆地冰盖，其边缘分布的溢出冰川作为快速传输冰带，是造成冰盖消融的重要因素。本文以位于格陵兰岛东北部的Nioghalvfjerdsfjorden冰川为研究对象，探索开展基于Sentinel-1A和偏移量跟踪技术的溢出冰川表面运动特征研究，并利用非冰川区流速和CPOM NRT IV数据验证了结果的可靠性。对比分析2017-2019年三个时期春季冰流速，发现该冰川在2019年春季出现了最大流速上移现象，推断可能是由于2018-2019年间冰川融水渗透引起的底部润滑加剧所致。