近年来，随着新型高分辨率SAR卫星的相继发射以及时序InSAR技术的不断进步和发展，InSAR技术以其难以抵挡的迅猛优势被广泛的应用在地震、地面沉降、滑坡、泥石流等地质灾害的调查监测研究中，从而为地球物理以及大地测量学等研究领域提供了一种全新的动态研究途径，是一种极具潜力和优势的空间对地观测新技术。然而，由于InSAR数据常会受到大气、DEM、轨道以及失相干噪声等多项误差的影响，且这些误差往往具有多源性、复杂性、交叉性以及各种的不确定性等，使得InSAR监测数据中的部分误差难以消除，严重的影响了InSAR形变监测结果的精度和可靠性，从而使其无法达到地表分辨单元毫米级微小形变的理论监测精度，严重的制约了InSAR技术的进一步推广和应用。因此如何对InSAR数据处理中的多种误差进行质量控制，即对InSAR数据中的异常数据、粗差、缺失或过多的冗余信息进行分析，是获取高精度和高可靠性的最优InSAR监测结果的一个迫切需求，是进行InSAR监测结果后处理和形变机理反演和预警的重要前提。基于此，本文在对InSAR数据处理中的各种误差特性进行统计分析的基础上，重点针对InSAR监测数据中存在的各种误差问题，研究了其相应的误差消除方法；并从大地测量学理论出发，通过建立数学模型，运用合理的算法来消除InSAR数据中的误差项，从而保证了高精度高可靠性的InSAR监测数据获取。通过研究，本文取得了以下主要创新性成果：1）在研究InSAR相位解缠方法的基础上，针对InSAR数据中存在的解缠误差，提出了一种基于移动开窗多面函数法的InSAR解缠相位重构模型：多面函数法保证了解缠相位的连续性，移动开窗法则保持了相位的局部细节信息。并在构建模型时给出了顾及相干性约束和特征相位的InSAR解缠相位拟合节点确定方法；最后利用F统计对重构模型进行了显著性检验。2）针对InSAR数据中存在的轨道误差，在线性拟合估计方法的基础上，提出了一种基于小波分解的抗差最小二乘方法对轨道残余干涉条纹进行拟合剔除。小波分解可在频率域内将轨道误差与形变、大气等其它误差项分离，而具有抗差性的迭代加权最小二乘则使得多项式拟合模型的结果更可靠。分别采用模拟数据和西安地区的EnvisatASAR实际数据分析验证了算法的精度和可靠性。3）在研究短基线集（Small BAseline Subset，SBAS）时间序列算法和小波多尺度分解（Multiscale InSAR Time Series，MInTS）算法的基础上，针对InSAR时间序列处理技术中存在的相关问题即协方差计算问题，给出了一种融合MInTS和SBAS的综合InSAR时间序列处理算法—MInTS-SBAS算法，该算法既可有效的解决InSAR干涉数据量，以及顾及InSAR数据的相关性的协方差问题，还可对InSAR时间序列处理中的地形、大气等各种误差进行分离。通过西安地区的实际数据，研究表明，本文给出的MInTS-SBAS算法能有效的提高InSAR时序监测结果的精度，与GPS、水准等比较具有更好的一致性和可靠性。4）针对InSAR时间序列处理中存在的大量时域失相干噪声，给出了一种基于Kalman滤波的InSAR时间序列误差分析方法。研究表明，Kalman滤波算法不仅能对InSAR时序形变中的时域噪声进行有效消除，还可获取优化的线性形变速率值。5）针对InSAR数据中存在的大量冗余数据，以及强噪声和伪信号等，提出了一种顾及InSAR数据物理空间相关特性设立协方差函数的自适应四叉树分解InSAR数据压缩算法。该算法能够在形变变化明显处进行密集采样，在形变变化缓慢处进行稀疏采样，从而能够在较好的保留InSAR数据的形变细节信息的条件下，达到有效压缩InSAR数据量和消除噪声的目的。6）以地理信息系统GIS为工具，在对运城市地裂缝灾害形成机理分析的基础上，分别研究了基于层次决策分析法的地裂缝敏感性分析方法和基于BP神经网络模型的地裂缝活动强度预测方法，为运城区域的城市建设和发展提供了必要的地裂缝灾害预警。