森林是碳汇和水循环的重要中转站,储存了50%至65%的陆地有机碳,并贡献了一半的陆地生产力。林业碳汇的重大问题是如何对大尺度区域森林地上生物量进行连续而精确的计算,而遥感技术的出现为这个问题提供了解决方案,光学遥感只能收集森林上表层反射的电磁波信息,而微波遥感可以穿透森林冠层,收集更多的森林垂直结构信息,因此利用合成孔径雷达对森林地上生物量监测有着得天独厚后的优势。研究基于ALOS-2全极化高分辨率合成孔径雷达数据,对影像数据进行辐射定标、多视、滤波、地形校正和地理编码处理以获取准确的后向散射系数和极化分解参数,并利用二类调查数据去除影像中的非森林区域。以河北省承德市塞罕坝机械林场作为研究区域,地面实测了82块样地,通过像元统计法探究Freeman三分量分解、NEED分解和MCSM五分量分解等十二种基于物理模型的极化分解方法在森林区域的总散射功率及各散射分量占比,定性分析以确定森林的主导散射机制,定量分析以探求不同极化分解方法在同一散射机制上的变化,在此基础上采用相关性分析的方法分析各极化分解方法的优劣与递进关系以寻找最适于森林地上生物量建模估算的极化分解方法。为了解决全极化数据估算森林地上生物量样地较少而自变量维数多且存在高共线性问题,本文提出了一种随机森林遗传混合算法（RF-AGA,Random Forest Mixture Adaptive Genetic Algorith m）在算法层面解决了各极化分解参数之间存在的高共线性回归估计泛化能力差的问题。主要研究结论如下:（1）总体上看各极化分解方式基本满足总散射功率稳定,在森林区域各极化分解方法基本满足总功率不变,各极化分解方法中体散射在森林区域占比均显著高于其他散射变量,L波段下体散射依然占据主导地位。（2）L波段下VanZyl分解的体散射在森林地区相较于Freeman三分量分解而言下降了32.4%,下降幅度较理论偏差较大,但依然未能影响森林主导散射机制的定性解释。（3）VanZyl三分量分解、Yamaguchi三分量分解和Freeman二分量分解最适宜进行森林地上生物量的估算。（4）Huynen分解和Barnes分解完全等同于Unified Huynen分解的D1、D2、D3假设条件,森林地上生物量的估算最适用于D7假设条件。（5）将RF-AGA算法和逐步回归法同时应用于82个样本340个自变量的高维SAR数据集中。RF-AGA算法测试精度R~2=0.767、RMSE=16.54t/hm~2、rRMSE=20.37%,逐步回归法测试集精度R~2=0.335、RMSE=26.615t/hm~2、rRMSE=31.09%,结果表明在高维高共线性SAR数据集的情况下RF-AGA算法精度效果显著优于逐步回归法。