随着空间大地测量技术的发展与进步,GPS、InSAR作为两种新型对地观测技术其在地壳运动监测、地质灾害预警与防治等方面的应用愈发显现重要性。然而这两类技术的优缺点明显,GPS技术在对地观测时可根据接收机频率调整观测时长,因此具有较高时间分辨率,而InSAR受限于SAR卫星的重返周期,其对地观测时间分辨率较低;GPS受限于设备的购置与安装费用,对地观测模式是空间分辨率低的点观测,而InSAR对地观测模式属于大面积带状观测,空间分辨率较高;GPS对地表水平形变的监测精度较高,而InSAR对垂直形变具有较高的监测精度。因此GPS技术与InSAR技术的优势具有较强的互补性,两类不同观测数据的融合不仅可以满足地表变形监测对高时空域分辨率的需求,还可以进一步提高监测精度。如何将这两种不同观测数据进行最优融合作为地学领域热点研究内容不仅具有重大的科学意义,还对国家防灾减灾工作具有现实意义。本文依托近代大地测量数据处理理论对GPS-InSAR融合算法做了以下相关研究:1.分析了InSAR、GPS两类观测数据中主要误差影响性质,针对两类观测数据之间的系统性差异,提出基于拟合推估的GPS-InSAR融合算法。算法以InSAR观测值中难以避免的系统误差入手,以高精度GPS三维形变作为先验信息,利用InSAR成像几何关系将高精度GPS三维形变投影到InSAR视线向上进而为InSAR观测值施加强约束,应用拟合推估算法同时去拟合InSAR观测值中残余误差的整体趋势性影响和局部随机误差的影响,进一步提高GPS-InSAR融合解算地表三维形变场的精度。经模拟实验和实测实验验证,基于拟合推估算法的GPS-InSAR联合解算函数模型能较好的削弱InSAR观测值中残余误差,很大程度上提高解算出的三维形变场的精度。2.针对常规GPS-InSAR融合多为静态平差求解,只能获取地表的平均三维形变速率,无法动态的反映地表形变特征,论文提出基于Kalman滤波的GPS-InSAR数据联合解算模型。该方法利用时序的GPS、InSAR观测数据之间的时空关联性建立三维地表形变的状态方程,基于卡尔曼滤波算法实现地表三维形变动态估计,得到地表三维形变序列结果,提高形变场的时间分辨率。此方法能有效地融合不同传感器和不同成像几何获取的不同时间跨度的GPS、InSAR观测数据,基于初始形变场,可以解算不论是GPS数据亦或InSAR数据在任一获取时刻的三维形变场。该算法成功应用于西安形变场的解算中,实验结果表明该算法不仅能大大提高变形监测的时间分辨率,还能获取高精度的地表时序三维形变场。3.对汶川Mw7.9级地震进行了精细化滑动分布反演。将本文提出的基于拟合推估的GPS-InSAR融合模型应用与2008年汶川Mw7.9级地震同震三维形变场的建立。获取了震区高精度同震三维形变场。并以获取的高精度三维形变场为约束,利用Okada弹性矩形位错理论对汶川地震破裂带进行了断层滑动分布反演。实验结果表明相较于单一数据约束下的断层滑动分布结果,基于拟合推估的GPS-InSAR联合解算的高精度三维形变场可以对断层滑动分布提供更精细化的反演。