近些年,合成孔径雷达（Synthetic Aperture Radar,SAR）卫星传感器与合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar,InSAR）技术不断向前发展,时间序列InSAR技术（Multi-temporal InSAR,MT-InSAR）已经成为一种获取长时间地表形变的重要手段,其大范围、低成本、全天候等优势有效弥补了传统形变监测方法的不足。InSAR数据处理流程中参数繁多,当前的时序InSAR方法中还有一些参数没有明确的选取标准,需要人为经验选参。而随着SAR数据集的不断增长,对于长时间序列的观测数据,依靠人工经验处理数据不仅效率低下,并且具有一定的盲目性,容易引入额外的经验误差。为了降低人为经验误差的影响、提高时序InSAR数据处理的效率,本文针对时序InSAR方法中相位解缠和干涉图网络构建这两个重要步骤,提出了一种基于干涉相位稳定性和相干性的相位解缠参考点优化选取方法,增加相位解缠结果的可靠性;同时基于相位闭合环残差法对解缠干涉图进行检验,剔除相位解缠误差较大的干涉图,并采用最小生成树方法（Minimum Spanning Tree,MST）连接干涉图网络,提高形变反演的精度。本文主要研究内容和成果如下:（1）通过分析相位解缠参考点的特点和选取规则,对选取指标进行量化,提出了基于相位导数方差和相干系数的参考像元优化选取方法。通过模拟干涉图序列并选用不同参考像元进行相位解缠,分析了不同参考点取值对相位解缠结果和形变估计的影响。模拟地形干涉图对所提方法进行测试,验证了所提方法不仅能够增加形变反演的可靠性,还能提高时序InSAR数据处理的效率。（2）通过分析目前时序InSAR技术所采用的干涉图网络,提出了基于相位闭合环和最小生成树的高质量干涉图网络构建方法。由于相位解缠的结果会对反演的时序形变产生直接影响,本文基于相位闭合环的基本原理探测干涉对中的相位解缠误差并筛选高质量干涉对。为了保证干涉图网络的连通性,基于最小生成树Prim算法获取相位解缠误差最小的连通干涉图网络,并联合其它高质量干涉图构建冗余干涉图网络。通过模拟干涉图序列实验对所提方法进行了验证。（3）选取新铺滑坡为实验研究区域,将本文所提出的优化方法应用于时序InSAR形变监测,获取了研究区2019年9月至2021年9月的时序形变,并与GNSS位移监测数据进行对比。实验结果表明应用所提优化方法的时序InSAR技术处理结果更为可靠,更加符合GNSS监测数据的结果。