森林在全球生态系统中的碳储量和碳循环圈中发挥着重要的作用,有效识别森林的林分类型并提取森林参数是遥感观测的重要任务。在森林资源监测与森林参数获取工作中光学遥感已经得到了广泛应用,能够有效获取森林参数并监测信息。然而,在气候多变、多云雨雾地区,很难在短期内获取全覆盖森林信息,同时还会出现“同物异谱”现象,而合成孔径雷达在这方面与光学遥感形成了有益补充,它不受时间、空间、气候等条件的影响,可以全天候、全天时工作,因此应用SAR数据对森林类型识别与提取体现出了空前的优势。根据目前森林资源监测与林分类型识别研究的现状,本文利用全极化SAR数据的极化信息与干涉信息对福建省将乐市将乐林场的森林类型分类研究:(1)采用14种极化目标分解方法处理RANDARSAT-2数据获得47个极化特征,将所提取出的47个极化特征组合成一个特征集合对遥感影像进行分类;(2)对47个极化特征利用随机森林的方法进行重要性评估,然后将重要性按升序排列,从低到高逐一剔除重要性较低的特征分别计算混淆矩阵,得到一组总体分类精度最高的特征集合;(3)在所得到的极化特征集合中加入四种干涉相干性特征,构成新的特征集合,重新对遥感影像进行分类,并对分类精度进行比较,分析分类结果。基于极化目标分解生成的47个参量构成的特征集合对将乐国有林场地区进行分类,总体分类精度为83.71%,Kappa系数为0.81;经过特征筛选,总体分类精度为87.43%,Kappa系数为0.8533;加入干涉特征后,总体分类精度达到了 91.43%,Kappa系数为0.90。研究结果表明:(1)适当减少分类特征可以降低属性特征的维度提高分类器分类速度,提高分类精度;(2)基于地面物体散射机制识别的极化目标分解所产生的分解分量可以实现对遥感图像较高精度的分类,而基于相干矩阵的非相干目标分解得到的[T]矩阵主对角线元素对分类效果影响十分明显;(3)干涉相干性的加入可以更加有效地划分不同地类,对于不同的林分类型分类精度得到提高。