极地冰盖的冻融与全球气候变化、海平面变化、冰架崩解的关系密切,准确观测极地冰盖变化对理解全球变化研究具有重要的科学意义。Sentinel-1 SAR数据结合Google Earth Engine(GEE)遥感大数据云计算平台,为极地观测提供了重要的技术支撑。本文基于GEE平台,利用Sentinel-1 EW SAR数据,以南极半岛的Larsen C冰架及其周边区域为例,开展南极冰盖冻融探测方法的研究。得到的主要结果如下:(1)针对GEE平台提供的Sentinel-1 EW数据中存在的宽度不等,且宽达十几公里的黑边噪声问题,提出基于信息熵+缓冲区结合的方法,有效去除黑边噪声,提高影像信息的有效性。基于Sentinel-1分析融化与冻结的后向散射系数变化特征,以及冰川带后向散射系数特征、空间分布,分析结果与Liu等基于Radarsat-1 SAR的冰川带后向散射系数分析结果一致。(2)本文综合应用GEE平台的随机森林、分类回归树、支持向量机分类方法,选用海量Sentinel-1数据,开展南极冻融信息探测方法实验。实验结果表明:基于分类回归树、支持向量机的探测精度较高,随机森林的精度较低,三种方法在一定程度上均能探测出冰盖冻融信息,但对干雪带和湿雪带有一定程度的混淆。(3)本文首次提出了基于变化检测+决策树的南极冰盖冻融探测方法。在GEE平台上,以冬季6、7、8月份的Sentinel-1数据的中值为基图像,夏季影像与同轨道的基图像做差值的变化检测,确定雪带后向散射系数变化阈值和高程阈值,做阈值分割,实现南极冰盖冻融信息探测。使用该方法探测2015年12月-2016年3月,2016年10月-2017年3月,2017年10月-2018年3月的南极冰盖冻融信息,对探测结果,采用自选样本和自动气象站数据进行精度验证,自选样本验证的平均总体精度为93%,平均Kappa系数为0.90;自动气象站点验证的平均精度为83.86%。并将该方法应用于格林兰岛的冰盖冻融探测,验证精度约为90%。因此,基于变化检测+决策树的南极冰盖冻融探测方法在冰盖冻融探测中具有一定的应用前景。