摘要：矿山边坡稳定性是安全生产以及生态保护的核心问题，其监测技术体系迫切需要革新，传统监测方法局限于人工测量以及单一 设备采集模式，在空间覆盖范围、时间连续性以及多源数据整合方面有着十分突出的局限性，合成孔径雷达干涉测量依靠其广域覆盖、毫 米级精度以及连续观测特性，成为了现代边坡监测的关键技术手段。不过要注意，该技术在相干性保持、几何畸变校正以及大气延迟消除 等方面仍然面临挑战，难以独自应对露天矿复杂地质环境下的动态监测需求，本研究希望能够研发一种集成多源遥感数据的时空耦合分析 系统，来达成边坡位移场的精细化表征以及风险预判，本研究创新性地构建了基于多源 InSAR 数据融合的露天矿边坡位移场动态评估体系， 整合星载/地基 InSAR、GNSS、无人机摄影测量以及激光雷达等多维数据源，建立从数据采集、时序分析、三维重构到多参数融合的全流 程解决方案。借助引入 SBAS-PS 联合解算以及贝叶斯数据同化方法大幅提升位移反演精度，并开发基于 LSTM 神经网络的预警模型实现 3 至 5 天的超前预测，仿真实验结果显示，该系统在监测精度、计算效率以及预警时效性方面都取得了突破性进展，为矿区安全管控提供了 可靠的技术支撑。 关键词：多源数据；露天矿；边坡；位移场；InSAR