随着遥感技术在国家宏观决策、资源调查、环境及灾害监测等影响国民经济发展的关键领域发挥越来越重要的作用，合成孔径雷达(Synthetic Aperture Radar，SAR)因其全天时、全天候、穿透性等优势得到了高度关注。SAR传感器技术的快速发展，使得可获取的SAR数据量迅速增加，特别是全极化、多模态的观测模式，因此SAR数据的处理和解译成为当前研究的热点。但是，由于不同地物在不同条件下会呈现出散射机制的多样性，造成地物的后向散射系数的多变性和散射机制的复杂性。因此，为了更高效的挖掘SAR数据的应用潜力，提高雷达遥感的应用水平，迫切需要开展典型地物的后向散射特性研究。传统的地物解译方法主要基于SAR影像特征，对散射机理在SAR影像解译中的作用考虑不充分，典型地物后向散射知识库正是在这样的背景下提出的，它是一个集典型地物散射模型库、典型地物散射测量库和典型地物SAR影像数据库为一体的系统，分别从模型库、散射库及影像库三个角度分析地物的后向散射特性，形成辅助典型地物的解译和判读的综合知识规则，为SAR影像的应用提供理论和技术支持。本论文在研究和建立典型地物后向散射知识库系统中开展的主要工作包括以下内容:　　(1)设计典型地物后向散射知识库系统的整体框架，研究不同地物的散射模型、不同地物不同来源的散射计测量数据及SAR影像数据的统一存储方式，开发模型库、散射库及影像库，并以独立模块的形式集成到典型地物后向散射知识库系统中，实现了数据入库、数据查询、数据可视化、数据操作及用户管理等功能。　　(2)研究雷达信号与小麦的相互作用机理，以及雷达后向散射与小麦及其下垫面间各种参数的响应关系，针对已有模型的不足进行优化，建立小麦的相干散射模型;基于小麦的相干散射模型，详细分析小麦不同极化后向散射系数的衰减特征及其影响散射系数变化的主导因素，丰富了小麦的后向散射特性知识库。　　(3)根据野外实验的小麦散射计测量数据，分析小麦的后向散射系数随方位角、波长、行间距、入射角等参数的变化趋势，形成辅助小麦判读的后向散射特性，为小麦识别及反演等应用提供参考依据。　　(4)基于多时相的全极化SAR影像数据，利用极化合成和极化分解方法分析提取小麦的后向散射系数、极化响应特征、主要散射机制及其时域变化特征;基于Freeman-Durden和Cloude-Pottier极化分解方法，定量地给出了小麦的三种主要散射机制的贡献及其比例关系。　　(5)在典型地物后向散射知识库系统的基础上，以小麦为例进行应用方法研究。通过小麦后向散射特性的分析，发现HH与HV极化存在较大的差异，Freeman-Durden分解分量较Cloude-Pottier分解对小麦的生长变化更敏感，基于这些特点进行了小麦的识别研究。此外，以理论散射模型和野外观测数据为依据，采用BP(Back Propagation)神经网络反演算法研究小麦的生物量反演方法，为小麦的产量评估提供参考。　　论文所取得的创新性成果有:　　(1)首次构建了集散射模型库、散射测量库、SAR影像库为一体的基于C/S架构的知识库系统，并且针对SAR影像数据的特点，提出采用ArcSDE与Oracle相结合的数据存储管理方法。　　(2)本文采用“刀型”状模拟计算叶片单散射分量，更符合小麦叶片的实际生长状况，并根据小麦成行分布的特点，采用Monte-Carlo模拟现实的小麦生长场景，提出一种基于Monte-Carlo技术的小麦相干散射模型，模型考虑了植被的衰减作用以及散射机制的相干作用。　　(3)基于后向散射知识库系统，在分析小麦后向散射机制的基础上，提出了三种有效的小麦识别方法，同时提出了基于相干散射模型和BP神经网络的小麦生物量反演方法。