طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده های مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این تحقیق یک روش عارضه مبنا برای طبقه بندی مناطق شهری با استفاده از داده های پلاریمتری راداری به صورت تلفیق نتایج پیکسل مبنای طبقه بندی svm و قطعات تصویری ارائه می گردد و همچنین برای رسیدن به دقت مناسب طبقه بندی از مجموعه ویژگی های بهینه استفاده شده است. بدین منظور، از روش طبقه بندی کننده های چندگانه svm استفاده شده است. برای نیل به این هدف، معیار دقت کلاس و معیار فاصله حاشیه (margin)svm در طبقه بندی svm جهت انتخاب ویژگی به صورت کلاس مبنا و همچنین انتخاب ویژگی به صورت تصادفی مورد استفاده قرار گرفته است. در تصاویر پلاریمتری به خاطر اسپکل، گاها نتایج طبقه بندی پیکسل مبنا ممکن است راضی کننده نباشد. لذا در این تحقیق از ویژگی های مربوط به فضای تصویر یا قطعات تصویری استفاده شده است. بطور کلی روش ارائه شده سه گام اصلی دارد: انتخاب ویژگی , طبقه بندی پیکسل مبنا و تلفیق نتایج پیکسل مبنا و قطعات تصویری. بهبود دقت طبقه بندی بعنوان دستاورد مهم این تحقیق معرفی شده اند. نتایج عملی نشان میدهد که دقت کلی روش ارائه شده در بهترین حالت طبقه بندی چندگانه عارضه مبنا با استفاده از معیار دقت کلاس در انتخاب ویژگی کلاس مبنا 07/90 درصد و بهترین حالت طبقه بندی چندگانه عارضه مبنا با استفاده از معیار حاشیه svm در انتخاب ویژگی کلاس مبنا 24/89 درصد بدست امد. همچنین برای حالت انتخاب ویژگی تصادفی , دقت کلی طبقه بندی چندگانه عارضه مبنا 75/87 درصد حاصل شد که نشان دهنده افزایش دقت طبقه بندی نسبت به حالت پیکسل مبنا و طبقه بندی کننده ی تک می باشد.