旱地作物包含了重要的粮食作物(玉米、小麦等)和典型的经济作物(棉花、花生等),快速获取旱地作物面积信息,可为作物产量估计和保障粮食安全提供重要的数据支撑。华北地区作物生长的关键阶段云雨天气频繁,往往对光学影像获取的质量和数量带来的较大影响,从而降低了作物面积监测的准确性和时效性。由于不受云雨天气和雾霾的影响,不依赖太阳光成像,具有全天时、全天候监测的优点,合成孔径雷达(Synthetic Aperture Radar,SAR)在作物识别研究中受到广泛应用。和光学数据不同,全极化SAR数据包含了目标的散射矩阵、几何结构细节和介电常数信息,对地表植被散射体的几何形状、高度都很敏感,能够弥补光学遥感的不足,在农作物识别和监测中具有独特优势。当前基于SAR数据的作物分类研究仍存在分类精度不高、分类机理性不足、研究对象单一等不足。针对目前实际业务需求及当前研究的不足,本文主要进行了以下研究:(1)基于多时相的RADARSAT-2数据,比较支持向量机(Support Vector Machine,SVM)和随机森林(Random Forest,RF)对河北省深州区两种典型的旱地作物(玉米和棉花)的分类精度,结合随机森林分类器对不同分解方法得到的散射特征进行重要性排序,找到最适用于提取该地区旱地作物的分类时相、分类算法及散射特征,为旱地作物种植面积和空间分布的快速提取提供参考;(2)从定性和定量两个角度对棉花和玉米的散射机制及其变化原因进行分析,从极化响应图、散射功率、平均散射角和熵多方面确定作物的散射机制,为从散射机制出发的进行旱地作物的分类研究。得到的主要结论如下:(1)支持向量机较随机森林的分类精度略有优势(随机森林分类精度较支持向量机低约2%),但是支持向量机需要更多的分类时长,随机森林分类器更适用于基于SAR数据的旱地作物面积提取;(2)使用7月14日(玉米拔节期,棉花蕾期后期)平均散射角α、香农熵、香农熵强度分量、特征值L1、特征值L3、MCSM面散射分量、T矩阵主对角线元素1,结合9月24日(玉米成熟期早期,棉花吐穗期中期)香农熵、香农熵强度分量、特征值2、T矩阵主对角线元素2),利用随机森林分类器,能够得到较高的分类精度(总体分类精度为90.2239%,Kappa系数为0.8422)。不仅有较高的分类精度,同时还缩短了分类时长,减少了参与分类的影像数量,为SAR数据用于遥感监测作物面积提供了参考价值;(3)仅使用8月7日(玉米抽穗期后期,棉花花铃期前期)的RADARSAT-2影像,将分解后得到的39个特征放入随机森林分类器,可以使两种作物在单时相下的分类精度达到最高(玉米生产精度98.63%,用户精度78.08%;棉花生产精度63.67%,用户精度76.04%;总体分类精度78.98%,Kappa系数0.6688);(4)四种典型散射类型中,玉米和棉花在整个生长周期内主要以体散射和面散射为主,二次散射和螺旋体散射功率一直处于较低状态,其中玉米表现出的是以垂直偶极子特征为主的体散射,二棉花表现出以水平偶极子特征为主的体散射;(5)LAI和株高对作物的散射机制有较大影响。作物生长早期,株高及LAI均处于较小状态时,两种作物均以面散射为主,随着作物的生长,株高逐渐增加,叶片逐渐茂盛,LAI值越来越高,作物的散射机制逐渐变得复杂,主导的散射类型由面散射往体散射转换,其中棉花的体散射和螺旋体散射功率在生长周期内均大于玉米的体散射和螺旋体散射功率。(6)根据不同地物二面角散射、体散射、面散射功率的差异和变化趋势的不同,选取这三种极化特征对研究区四种典型地物的总体分类精度可以达到94.47%,Kappa系数为0.9143,能够满足实际运用需求,为旱地作物的分类特征选取提供参考。