土地覆盖变化是全球变化研究中的一个重要内容,而土地覆盖分类又是研究土地覆盖变化的重要前提。全极化SAR(Synthetic Aperture Radar)数据包含目标较完备的物理性质和结构信息,为土地覆盖变化监测提供了基础数据。但就目前而言,针对全极化SAR数据对现有土地覆盖分类系统的分类能力研究工作才处于起步阶段,全极化SAR数据能否独立或作为光学数据的补充应用于土地覆盖分类需要大量的研究和论证。本文首先以NLCD(National Land Cover Database)为标准数据,以一景ALOS PALSAR全极化SAR数据为例研究SAR数据土地覆盖分类方法。先以分类精度为准则选取适用的分类方法,然后进行不同的分解组合和波段组合分类,分析不同分解组合和波段组合对分类结果的影响,同时给出同一时期成像的TM数据分类结果做比较。结果表明SAR数据通过有效的分解组合能提高总体分类精度,同时SAR数据不同分解特征之间有信息冗余和信息互补的关系,波段组合分类时需考虑其对分类结果的影响。波段组合分类得到了最高的总体分类精度71.6%和kappa系数0.6表明全极化SAR数据土地覆盖分类可以达到很好的分类质量。其次,本文从土地覆盖分类位置精度、面积一致性、分类可信度3个方面对两景全极化SAR数据土地覆盖分类结果进行评价。选取了Kappa系数、类别面积相关系数、结构相似度等指标来说明全极化SAR数据土地覆盖分类能力的好坏。结果表明全极化SAR数据土地覆盖分类位置精度高、面积一致性较好、可信度不稳定,针对不同的地物需要选择不同波段SAR数据才能得到好的土地覆盖分类结果。