滑坡是我国的重大地质灾害之一，其分布范围广、突发性高、隐蔽性强、破坏性大，且发生频率高，常造成河流堵塞、道路阻断、村庄被淹没等巨大损失,因此，对山区开展大范围滑坡隐患早期识别是当前最为重要的工作。合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar， InSAR）因其具备大范围、高精度、低成本、全天时与全天候的形变监测能力，已经广泛应用于滑坡隐患早期识别中。而在实际应用中，InSAR仅能测量沿LOS方向的形变（即InSAR的测量值为地表实际变形投影到LOS方向的分量），造成了InSAR形变监测结果并不等于真实坡体的形变问题，给地质解译工作者及滑坡精准分析等工作带来了困惑。本文利用小基线集时间序列方法(Small BAseline Subset InSAR, SBAS-InSAR)，采用2017年1月-2020年6月的升、降轨哨兵一号数据对茂县全域进行了滑坡灾害隐患广域早期识别。通过联合InSAR时序结果与Google光学影像数据解译并圈定了滑坡隐患边界，共计探测了41处滑坡隐患。基于这些滑坡隐患，我们分析了不同轨道探测到的滑坡隐患点的空间分布情况差异与形变量级差异。通过对探测到的滑坡隐患的坡向进行统计分析，发现升轨探测的滑坡隐患大多是朝东向而降轨探测的滑坡隐患大多是朝西向，这表明LOS测量与坡向有关。通过进一步的定量分析，发现同一滑坡隐患在升轨与降轨的年平均LOS形变速率是不同的，我们将探测结果分为三类，揭示了测量的LOS向位移受到坡度、坡向和几何畸变的影响，即坡向变化对InSAR不同轨道探测滑坡隐患的影响。最后，我们提出了一个包含LOS向位移敏感度、任意坡度和坡向以及几何畸变的InSAR探测的敏感性分布图，对提取滑坡隐患实际形变速率、正确解译与判断InSAR识别结果等具有重要意义。
 

滑坡隐患早期识别；InSAR；LOS形变敏感度；茂县；滑坡形变