近年来,随着世界上各类光学及雷达卫星发射数目的快速增长,利用卫星遥感技术获取农作物的分类和生长信息逐渐成为了遥感领域的研究热点之一,在作物普查、长势监测、作物产量估计等方面都有广泛的应用。极化合成孔径雷达工作条件不受云雨天气和光照量的限制,能够稳定提供后向散射数据,被广泛用在对地表植被的散射特性研究之中。本文在总结国内外合成孔径雷达农作物分类和生物量反演研究成果的基础上,对吉林省长春市地区的农作物相关研究进行了深入探索,具体的研究工作和创新成果如下:(1)多时相合成孔径雷达SAR(Synthetic Aperture Radar)数据相比单景数据考虑了地表植被的时间变化性,可以提供更多的散射信息。研究使用C波段GF-3数据结合多时相Sentinel-1 SAR数据作为数据来源,选取中国东北长春市龙嘉镇作为实验区域,对该区域内典型农作物(大豆,水稻,玉米)进行了分类。同时结合GF-3和Sentinel-1两种SAR数据,提取了散射角、熵、各向异性(H/α/A)三种极化特征,利用支持向量机(SVM)分类器进行分类。结果表明,同时结合GF-3、Sentinel-1后向散射系数和极化特征信息,可以得到最优的分类结果,总体分类精度达到了86.95%,kappa系数为0.833。充分证明了多源多时相SAR在识别农作物方面具有明显优势。(2)考虑到光学卫星数据独特的光谱信息可以对雷达散射信息进行补充,对SAR和光学数据相结合的农作物分类进行了研究。在C波段Sentinel-1,GF-3 SAR数据的基础上,加入Sentinel-2光学卫星的红、绿、蓝、近红波段作为数据源,分别采用卷积神经网络CNN(Convolutional Neural Networks)和VGG(Visual Geometry Group)作为分类方法并对比结果。结果表明,利用CNN神经网络进行分类的总体分类准确率为90.62%,kappa系数为0.867;利用VGG神经网络进行分类的总体分类准确率为91.66%,kappa系数为0.874。证明了光学数据与SAR数据相结合更适合用于农作物类别信息的提取,可以有效提高作物分类精度。(3)极化SAR的参数和玉米生物量的积累有显著相关性,可以反演大范围的玉米生物量。传统的水云模型(WCM)依赖高精度的土壤含水量数据,实际使用中有诸多限制。本研究对水云模型进行了半经验校准,实现了玉米生物量的有效反演。通过加入由SAR极化差模拟产生的地表粗糙度参数,改善了土壤散射的表达,更准确地表达了玉米生物量与雷达后向散射系数的关系。并利用变化探测方法模拟土壤含水量,减少了测量误差和输入参数,最后得到双极化反演的加权融合结果。结果表明,无论是VV极化还是VH极化,校准后的水云模型反演结果都优于传统WCM反演。对于半经验校准后的水云模型,均方根误差(RMSE)和决定系数(R~2)分别为1.642kg/m~2和0.803,实现玉米生物量的有效反演。本文将合成孔径雷达和光学数据作为数据源,结合了光谱和雷达极化信息,完成了对中国东北地区部分农作物的分类,并利用半经验校准后的水云模型对提取出的玉米进行了全生长期的生物量反演,为以后中国东北部的农作物遥感研究提供了参考。