作为地球生态系统的重要组成部分,植被与人类活动息息相关。植被信息提取对于监测环境变化、农业发展以及地质灾害预测等方面具有重要意义。特别在山区,植被信息可以作为预测塌方、泥石流等灾害的重要指标。传统获取植被信息的方法非常有限,主要通过人工地表实测以及光学遥感两种方法。人工地表实测通常难以实施并且无法获取大尺度数据;光学遥感易受天气影响,在灾害多发的雨季无法获得遥感图像。SAR技术具有不受云、雾、雨影响的特点,能够全天候监测地表信息。因为微波具有穿透性,对植被与其他地物具有良好的区分性,并且更容易反演植被生物量信息。本文内容是基于全极化SAR图像的植被生物量信息提取技术研究,主要包括目标极化分解方法研究、植被覆盖信息提取技术研究以及植被生物量信息提取三部分内容,具体如下:(1)Cloude分解对于后散散射系数较低的平面散射机制区域会错误地分解为高熵体散射机制,对于这个现象,本文给出了解释:这是由于后散散射系数较低区域信噪比较低,造成各极化通道后散散射系数差异性降低,从而表现为高熵体散射机制。(2)本文针对Yamaguchi分解受地形影响问题,使用极化方位角补偿方法,降低了地形对分解方法的影响。(3)本文提出结合最大类间方差法的H/α-Wishart分类方法,有效改善水体、道路以及阴影错分为植被的问题,同时分类结果比传统H/α-Wishart分类方法保留更多细节。(4)本文提出基于区域的Yamaguchi-SVM分类方法,改善了传统Yamaguchi-SVM分类方法对于复杂地形区域分类结果零散点较多情况,并把分类准确率从62.4%提高到71.3%。(5)本文对邛崃和昭觉两个区域实现了完整的基于全极化SAR图像植被生物量信息提取流程。邛崃研究区测量值与反演均值的均方误差为0.6622kg/m,相关系数为0.893;昭觉研究区实验点一有75.0%的像元的反演值在实验范围内的实验点为83.3%,两个实验点的最大值偏移于1.62kg/m以内。