在国家森林资源调查和监测中，既有宏观决策控制的需求，也有微观即局部小范围内调查监测的需要，尤其对后者，必须满足较高的森林识别精度。遥感技术的迅速发展为解决这一难题提供了有效的工具和手段。然而，可见光遥感的局限使数据的获取受制于天气或光照条件，数据源难以保证。雷达遥感具有全天时、全天候的工作能力，在林业应用上有很大的潜力。本文拟对多时相雷达数据应用于森林识别做一初步研究。 由于ERS-1和ERS-2 SAR影像仅采用单波段、单极化和固定入射角成像，无法利用多波段、多极化、多角度的雷达信息，对地类和森林的分类效果并非理想，所以我们选取双极化的ENVISAT ASAR为数据源来进行森林分类。 遥感的分类算法很多，但没有一种算法是普遍适用和最优的，这是由遥感影像本身的复杂性决定的。人们只能针对某一具体的遥感数据，不断探索新的分类算法，以求达到更好的效果。如何利用雷达影像的特征来提取更多的信息，提高森林的识别精度是本文研究的目的。通过研究得出以下结论： (1) 应用最大似然法直接对经过初步预处理的ASAR影像分类，要达到较高的森林识别精度比较困难，而通过一幅ASAR不同极化影像的加减运算和多时相ASAR影像来合成多波段影像，能提取更多的信息，从而使分类精度得到提高。 (2) 斜决策树分类方法有诸多优势，如相对简单、明确。另外，与已假定数据源呈一固定概率分布，然后在此基础上进行参数估计的常规分类方法相比，决策树属于严格“非参”，可提高森林识别精度， (3) 将H-α极化分解和分类技术应用于ASAR双极化数据(APS)的森林非森林识别，结果表明这种方法可以从一定程度上提高森林非森林的识别精度。