冰川运动是全球气候变化的重要组成部分之一,对冰川运动进行监测能够为研究气候变化、海平面变化等提供直观的数据。冰川流速场作为冰川运动中最重要的监测指标,是研究冰川物质分布和冰川运动的基础。利用合成孔径雷达干涉测量技术能够对冰川运动进行全天时、全天候、大面积监测,同时借助偏移量追踪技术便可以获取高精度的冰川流速场。但是,冰川区域监测范围较大,此时应用偏移量追踪技术会产生计算量过高的问题,不能完成对冰川流速场的快速获取,降低了偏移量追踪技术的适用性。因此为了解决此问题,需要研究偏移量追踪技术的高性能实现。同时,由于在冰川区域得到的合成孔径雷达图像之间不能保持良好的相干性,导致在某些失相干严重的区域不能获取准确的冰川流速,进而无法得到全面、连续的冰川流速场。因此为了得到完整的冰川流速场,需要研究对流速缺失部分的有效恢复方法。鉴于以上问题,本文对冰川流速场的快速获取和有效恢复进行了相应的研究,具体工作和贡献主要有以下三点:1)基于CUDA(Compute Unified Device Architecture)完成了偏移量追踪技术的高性能实现。首先,阐述了合成孔径雷达及其干涉测量技术的基本原理,并说明了利用合成孔径雷达干涉测量技术获取冰川流速场的局限性,从而引出偏移量追踪技术。然后,详细分析了基于互相关法的偏移量追踪技术,针对其应用在冰川流速场获取场景中出现的计算量过大的问题,提出了一种高性能实现方案。最后,利用CPU(Central Processing Unit)的内存管理策略以及GPU(Graphics Processing Unit)的高性能计算,借助CUDA对偏移量追踪技术进行了高效实现,完成了对冰川流速场的快速获取,也提高了偏移量追踪技术在冰川流速场监测中的适用性;2)建立了基于克里金法的冰川流速场恢复模型。首先,介绍了普通克里金法和协同克里金法的建模过程和验证方法。然后,分别选取合适的区域化变量,建立相应的半方差函数模型,完成了两种克里金插值方法对冰川流速场的恢复。最后,对两种方法的恢复结果进行了定性、定量的比较,并对克里金法恢复冰川流速场的效果进行了分析;3)建立了基于深度神经网络的冰川流速场恢复模型。首先,根据深度神经网络的特点,建立了一种深度神经网络恢复冰川流速场模型,确定了相应的超参数以及训练方法,对冰川流速场失相干严重的部分进行了恢复。然后,利用冰川地区的梯度信息作为辅助,提高了恢复结果的全面性、连续性。最后,通过将携梯度信息的神经网络与两种克里金插值及优化前深度神经网络的结果进行对比分析,验证了深度神经网络对冰川流速场恢复的有效性,也证明了加入梯度信息作为辅助变量能够提高对冰川流速场恢复的效果。