在遥感技术高速发展的现代化阶段，合成孔径雷达遥感技术不仅仅在军事上应用广泛，在民用方面，比如林业生产上，合成孔径雷达（SAR）以其时效性、高精度、全天时、全天候的独特优点，获得了广泛的应用，同时向着更先进、更智能化，动态监测的方向发展。在传统的可见光或者红外遥感受到诸如云雾、雨雪或者光照条件的限制时，SAR遥感技术很好地予以了补充，其全天时全天候的优秀特点，使其在林业生产上可以发挥很大的作用。在单极化、单波段的雷达图像对地类和森林分类效果不理想以及光学遥感在天气等条件的限制下，本文选取ENVISAT ASAR AP模式的双极化数据结合TM遥感图像进行森林分类的实验。SAR影像与光学遥感影像不同，其特殊的主动微波发射接收模式所获取的数据，在仍旧利用典型的分类方法来对其进行分类时，可能并不一定合适。所以如何更好的利用SAR影像，例如提高地物信息识别准确度、提取森林类别的特征信息，成为了新时期的研究方向与热点。与之而来的是分类算法的优化。在众多经典分类算法中，并没有一种通用且最优秀的算法，这是由于立地条件及复杂地形与植被覆盖决定的。本研究利用多时相、多极化的雷达影像来获取更多地物信息，从而提高森林的分类精度，来达到研究目的。通过研究,得出下列结论：（1）对单时相的ENVISAT ASAR影像进行预处理并进行经典分类方法例如最大似然法（Maximum likelihood）、人工神经网络（NN）以及支持向量机（SVM）的分类，对比结果发现，支持向量机（SVM）所得结果精度相对于其他两种方法较高，但仍不够理想。（2）利用多时相、多极化ENVISAT ASAR数据以及参数波段的引入合成新的影像来进行分类可以提高森林识别的精度。（3）将多源数据进行融合并得到更多的地物信息，对新生成影像进行分类，在一定程度上降低了森林、农田的混淆程度，从而提高森林分类的精度。