滑坡是一种滑移地质现象,发生时会摧毁建筑物、阻塞河道、破坏道路以及农业机械设施和水利水电设施,对人类生产、生活构成巨大威胁。由于特殊的地形地貌、气候条件影响,我国是世界上发生滑坡灾害最频繁的国家之一,因此加大对滑坡的监测力度是非常有必要的。常规的滑坡监测方法有诸多局限,如监测密度低、监测范围小、无法持续实时监测等。合成孔径雷达干涉测量（InSAR）作为一种新兴遥感技术,可以获取大面积、连续的地表形变场,不仅为滑坡提供了一种新型监测手段,而且为政府决策提供了有力的数据支撑。近年来,InSAR技术已经得到了快速地发展,但是精确地获取地表形变时间序列仍然是一大难题。传统的滤波技术难以找到时间和空间滤波的平衡点,导致一些重要的形变信号被直接滤除。为了更好地抑制非形变信号并且尽可能地保留形变信号,本文提出了一种针对于降雨型滑坡的InSAR形变时间序列重建方法。该方法的基本思想是建立一个高斯过程回归（GPR）模型,并且将历史降雨量数据作为地表形变序列的先验知识融入建模过程。在这种情况下,形变信号的高频成分可以得到较好地保存。本文的主要工作与贡献如下:（1）选取位于重庆市奉节县的童家大坪滑坡做为研究对象,并基于时序InSAR技术的思想,设计了相应的数据处理流程,对覆盖研究区域的108期由Sentinel-1A卫星采集的合成孔径雷达图像进行了干涉处理,得到了研究区域的时序InSAR形变场。（2）在滑坡的前缘、中缘、后缘区域,选取了3个具有代表性的InSAR观测点,并在时间/频率维度上与降雨数据进行了联合分析,证明了童家大坪滑坡是一个典型的降雨型滑坡。（3）通过深入分析降雨型滑坡的特点,提出了一种适合描述降雨型滑坡地表活动过程的核函数:线性周期组合函数（LCF）。与传统的“时间滤波器”相比,使用LCF作为核函数的GPR模型所重建的时序可以更好地保持InSAR观测值的细节部分,对InSAR形变时序的重建效果更好。（4）将InSAR观测点的时序分为训练集合和测试集合,并设计了两种实验方案来验证GPR模型的预测能力。与径向基函数相比,使用LCF作为核函数的GPR模型预测出来的结果可以更好地保持InSAR观测值曲线的整体趋势,进一步证明LCF适合描述降雨型滑坡地表活动过程。