极化干涉合成孔径雷达（Synthetic Aperture Radar,SAR）,是极化SAR和干涉SAR的结合,既拥有干涉SAR对地物的垂直信息较为敏感的特点,又包含了极化SAR对地物的几何形态和介电常数十分敏感的特点,因此是森林结构信息反演的一项关键技术。本文在极化干涉SAR理论的基础上对树高反演方法和模型进行了研究。首先,本文研究了基于双极化SAR数据的植被高度反演算法。介绍了相干相位差分法和相干相位-幅度联合算法的基本原理。然后基于目前分布范围广、数据量大的ALOS/PALSAR卫星数据建立了新的植被模型,推导了基于L波段双极化SAR数据的植被高度反演算法。本文计算了37个采样点的反演值和实测值的平均值。对于相位差分法和改进后的联合算法反演的树高平均值分别为9.7 m和20.9 m,而实测数据的平均值为24.4 m。可以看出,改进后的算法反演精度更高,这对于地方性、区域性、全球性的树高反演研究具有重要意义。虽然目前双极化干涉数据量更大,但随着SAR技术的不断发展,将来会有更多的全极化干涉数据。且全极化数据能够获取到更多的地物信息。于是,本文又研究了基于全极化SAR数据的植被高度反演方法。利用极化干涉矩阵和Freeman-Durden三分量分解算法推导了体散射和二面角散射的相位中心。选取体散射相位中心代表冠层相位,二面角散射相位中心代表树干-地面交点处的相位,根据二者之差与有效二维垂直波数可以估算出植被高度。但是实验发现该算法对树高产生低估。然后介绍了基于随机方向体散射模型（Random Volume over Ground Model,RVoG）的经典三阶段树高反演算法。实验结果表明经典三阶段算法对树高产生了高估。于是引入了最优化相干系数和相位分离相干系数来优化直线的拟合过程。为了验证算法的适用性,模拟了两种不同植被类型的仿真数据进行实验。对于针叶林植被类型的反演结果,三种算法的平均值与模拟高度14 m的误差分别为-38.6%、12.1%、-2.1%,明显优化后的算法精度更高。对于阔叶林植被类型的反演结果,三种算法的平均值与模拟高度14 m的误差分别为-41.4%、10%、-7.1%。实验结果表明,对于针叶林和阔叶林植被,优化三阶段算法的反演精度最高。