如何及时准确地掌握水稻种植面积及产量数据，一直是学术界和政府迫切需要解决的重大技术难题。遥感技术由于其客观、及时与准确性，早已被应用于水稻生产监测。但我国水稻主要分布在多云雨的南方地区，在整个水稻生育期要获得可用的光学图像(主要包括SPOT、TM、NOAA)非常困难，这就使得上述光学遥感监测受到了很大的限制。因此，全天时、全天候、不依赖于光照条件，具有高重复覆盖率的主动微波遥感器-合成孔径雷达(SAR)被认为是这些地区农作物监测的最重要的信息源之一。 本文利用水稻生长期的5景多时相、多极化雷达卫星Envisat-ASAR图像数据，以江苏省的宝应县为试验区，对图像基本预处理方法，以及图像中以水稻为主的典型地物的不同时相中VV极化和VH极化下的后向散射系数等进行对比分析。在此基础上，选择合成的假彩色图像对水稻进行识别和面积测算，并结合GIS、GPS技术对判读精度进行检验，以探讨利用ASAR数据进行水稻遥感监测的可行性和准确性，以及ASAR遥感信息提取、鉴别和检验的整套技术体系。论文所得主要结果如下： 1、比较研究表明，运用ERDAS、CORELDRAW等软件，结合地形图对遥感图像进行几何精校正，可同时实现光学图像与ASAR图像间的精确配准，这为以后的图像数据的利用提供了标准的本底数据源。 2、通过分析ASAR图像的斑点噪声特征，比较分析了几种通用的噪声滤波器的滤波效果，构建了达到实际应用要求的模糊隶属度自适应滤波新算法。 3、利用VV极化和VH极化方法，分别对多地物、多时相信息分别进行后向散射系数抽样和对比，明确了不同时相不同地物应采用不同的极化方法，并进行信息融合。本研究中，最后确定了使用8月31日与6月22日数据中VH极化差值、8月31日的VV极化、6月22日的VH极化三种方式融合成彩色图像对水稻进行识别和面积测算。 4、在比较分析监督分类和神经网络分类两种方法的基础上，证明监督分类方法能获得相对更高的精度。 5、以江苏省宝应县为实例，选取了8块样地，结合DGPS测量结果，利用本文所构成的技术体系对水稻识别精度进行评价。在分类结果不作任何后处理下，分类精度为90.13％，识别精度为95.16％。在做了删除小类块的后期处理后，精度都有细微的变化。判读结果与当地统计数字的比较分析，平均误差百分数为7.38％，即水稻面积测算精度为92.62％，符合实际应用要求。