近几十年，合成孔径雷达(SAR，Synthetic Aperture Radar)技术得到不断发展，其应用领域也越来越广泛和深入。随着高分辨率SAR的出现，单极化和多(全)极化SAR图像在地形地表的变化检测，森林监测等方面有很好的应用。本文作为本领域的硕士学位论文，研究了合成孔径雷达图像的概率统计特性，Markov随机场理论，变化目标检测的方法和在地震前后地形变化的自动检测，目标散射原理和特性，全极化SAR图像解析，雷达极化测量学，Stokes矢量和矢量辐射传输(VRT，Vector Radiative Transfer)理论，积雪森林全极化Mueller矩阵的仿真和它的H-α参数特性。　　在地形变化自动检测上，用2008年5月12日四川汶川地震前后的星载ALOS合成孔径雷达图像，提出双阈值极大期望与Markov随机场方法(2EM-MRF，twothresholds expectation maximum and Markov random field)，以北川县地区为例，自动检测这次地震导致地表变化而产生散射增强、减弱、不变的三类特征区域，作为地震区域地表变化的自动划分归类。借助Google Earth地形图工具，可即时多视角动画地展示地震产生的地表变化区域状况。识别结果也与可见光照片作了对照与分析。研究表明，建立高分辨率全极化SAR多源与多时相遥感与对地观测是全天候监测自然灾害的有效手段，本方法可有进一步的延伸。　　在积雪森林的Mueller矩阵仿真上，选取合适的森林和积雪模型。森林模型是由一层离散随机的不同种类的非球形粒子构成，非球形粒子的种类要区分树干、主枝、旁枝和树叶。积雪模型采用密集Rayleigh粒子模型。在森林模型和积雪森林模型中，运用VRT理论仿真L和X波段时正常森林和含有积雪的森林的后向散射Mueller矩阵，并通过所求得的Mueller矩阵求解出相干矩阵T从而计算出H、α参数；最后得到正常森林和积雪森林的H、α参数的变化。　　在研究生三年中，主要做两项工作。一个是利用地震前后同一地区的合成孔径雷达图像，通过2EM-MRF方法检测出地形变化及分析变化的种类和原因。另一个是用VRT理论仿真积雪森林模型的Mueiler矩阵进而计算H、α参数，并分析积雪的影响。随着技术的日益进步，其间还有很多地方需要深入研究和完善的地方。