山地冰川不仅是表征气候变化的环境因子,同时也是重要的水文资源。遥感数据的发展使得大范围,长时间序列地进行冰川监测成为可能。合成孔径雷达（Synthetic Aperture Radar,SAR）数据不受云雾影响,被广泛应用于冰川监测。近年来的Sentinel-1 SAR数据具备高时空分辨率、广覆盖率、可免费获取的优势,是进行山地冰川监测优秀的数据源。目前,利用遥感数据进行冰川监测主要存在以下问题:光学影像往往受云的影响严重且难以识别冰川表碛,SAR数据进行冰川分类时通常需结合极化分解特征,但全极化数据难以获取,因此需要一种新的冰川特征提取方法,能够满足大范围连续冰川监测。对于冰川流速估算,偏移追踪方法被认为是有效的,但进行追踪的同名特征点匹配窗口难以确定。此外,缺乏对冰川区的季节流速估算。帕米尔高原位于青藏高原最西部,高原内地势险峻,冰川分布广且规模较大,是青藏高原十大冰川作用中心之一。最新完整覆盖帕米尔高原的冰川编目数据源主要基于2000-2010年间的光学遥感影像,数据源时间跨度较长,并且未进一步区分冰川内部如湿雪、裸冰、表碛等表面。基于此,利用Sentinel-1 SAR数据对帕米尔高原地区冰川进行监测,主要包含冰川分类与冰流速估算两个方面。对于冰川分类,结合相干性特征与后向散射特征对2019年8月帕米尔冰川进行分类。基于2019年8月（即冰川消融期）重轨Sentinel-1 SLC影像得到相干性特征。冰川区的相干系数概率密度曲线表现为双峰结构,且冰川面积越大,双峰结构越明显。通过滑动T检验计算双峰曲线的转折点以得到提取冰川区的阈值,该转折点在对相干系数图进行图像分割后更为明显。利用帕米尔高原冰川区2019年8月至2019年12月期间的后向散射系数变化特征（回归斜率）,使用K均值方法进一步将冰川区分为湿雪、裸冰与表碛。最终混淆矩阵总体分类精度为85.56%,与RGI 6.0冰川编目数据对比一致性为84%。结果表明,2019年8月帕米尔冰川总面积为12028 km~2,其中湿雪面积为4347 km~2,裸冰面积为6033km~2,表碛面积为1648km~2。冰川主要分布在高原西北部、北部以及东部。从坡向与高程来看,冰川主要朝向北坡,湿雪海拔高于裸冰,表碛最低。对于冰川流速,利用2019年8月至2020年8月的Sentinel-1 GRD数据,采用偏移追踪方法进行估算,数据间隔为24天或36天。研究区的偏移追踪同名特征点匹配搜索窗口尺寸的确定基于两个条件,主流线流速波动连续且无跳跃分布,冰川周围稳定裸岩地表（高相干区）偏移误差降至稳定低值。结果表明冰川流速估算误差均值为0.095m/day。结果表明,帕米尔高原冰川区年流速在0-2095m/yr之间,但年流速小于160m/yr的冰川占帕米尔冰川总面积的90.6%,夏秋季节冰川流速整体高于冬春季节,流速在不同规模冰川间差异较大。此外,分析了十条典型冰川主流线流速的时间序列波动特征。最后分析了帕米尔冰川的地形与气候特征。西帕米尔高耸连绵的山脉与东帕米尔开阔的山顶是促使大规模冰川发育的基础。2006-2020年,帕米尔地区气温波动稳定,降水微弱减少,高原年内低气温多降水的区域与冰川分布具有较好的空间一致性。此外,冰川流速大小与坡度、高程无直接的相关关系,但帕米尔高原冰川流速较大的区域主要分布在坡度10°以下、高程集中在4000-5500m之间的厚冰区和坡度20°以上、高程6000m以上的薄冰区。