哨兵一号(Sentinel-1)卫星携带的C波段合成孔径雷达(SAR)传感器可以获取超宽幅模式(Extra-Wide Swath,幅宽达400km)的交叉极化(horizontal-vertical,HV or vertical-horizontal,VH)数据。交叉极化SAR数据对入射角和由风速引起的海面粗糙度都具有较低敏感度,因此已被广泛用于两极海冰观测研究。然而,交叉极化宽幅SAR数据却受到热噪声影响尤其显著。为实现利用Sentinel-1数据进行北极海冰观测研究,特别是在海冰边缘区(MIZ)的海冰覆盖检测,本文基于2017年1月到2019年12月的Sentinel-1交叉极化宽幅数据开展了热噪声去除算法的研究,并基于去噪后的数据开展了海冰覆盖范围的自动检测算法研究。主要研究内容与结论如下:(1)开展了Sentinel-1交叉极化宽幅数据的热噪声去除算法的研究。本文基于Park et al.(2018)提出的热噪声去除算法,对其算法中计算距离向噪声矢量(即噪声等效后向散射矢量)的最优缩放因子和最优平衡因子的方法进一步改进,以提高对二维加性噪声域的修正;进而提出一种同样以距离向噪声矢量为基础的对信号的后向散射幅值进行均一化修正的算法来消除乘性噪声。大量实例验证表明,本研究提出的去噪算法有效地去除了Sentinel-1交叉极化宽幅数据普遍存在的热噪声,取得了比Park et al.(2018;2019)算法更好的去噪效果,显著提升了图像质量,有利于后续利用经过去噪处理的宽幅数据开展海冰观测研究。(2)利用去噪后的Sentinel-1交叉极化宽幅数据,对本课题组前期提出的高分3号SAR交叉极化海冰覆盖检测算法进行了大幅改进,包括改进图像预处理过程、海冰和海水训练样本的自动提取及分类步骤、以及纹理计算过程中的窗口参数等,实现了基于Sentinel-1交叉极化数据海冰自动检测的机器学习算法,得到了北极海冰边缘区高空间分辨率海冰覆盖数据。(3)经过与目视解译结果对比,上述算法得到的海冰覆盖数据精度可达95%以上;而基于728幅数据与多源观测数据融合的IMS海冰覆盖数据对比,平均精度可达80%以上。此外,经验证本研究的去噪算法与海冰检测算法也都适用于Terra SAR条带模式数据。