土壤盐渍化不但造成了自然资源的破坏、农业生产的巨大损失,而且还对绿洲生态环境构成重大威胁,作为主要的土地退化形式之一,土壤盐渍化已成为干旱地区重要的环境和社会经济问题。本文提出一种将多种极化目标分解方法和基于特征子集选择的支持向量机(Support Vector Machine,SVM)结合起来用于全极化合成孔径雷达(Polarimetric SyntheticAperture Radar,PolSAR)数据土壤盐渍化监测的方法。首先,对新疆典型干旱区—渭干河-库车河三角洲绿洲(渭-库绿洲)作为研究区,并对研究区四极化Radarsat-2 数据进行多种极化目标分解处理,得到相应的极化特征参数和特征分量。然后进行SVM 最佳特征子集的选择,并选出最佳适应度的子集对 SVM 进行训练。最后构建基于最佳特征子集和最优分类参数的SVM分类模型,对研究区进行不同程度盐渍地信息(包括重度盐渍地和中轻度盐渍地)的提取,并结合实地野外考察验证数据,将分类结果与经典的Wishart 监督分类方法进行了对比和验证。结果表明,这种方法较大程度上提高了全极化PolSAR 影像在干旱区盐渍地信息提取精度,证明了本文提出基于全极化SAR 影像的渭-库绿洲盐渍地信息SVM 提取方法的潜力和有效性。该成果将在全极化SAR 数据在干旱区盐渍化监测中发挥更大的作用,为盐渍土的良性发展演化、合理开发盐渍化土地资源提供理论依据和科学指导。