در دهه های اخیر، با توجه به ظهور سنجنده های پلاریمتریک رادار، تحقیقات فراوانی در زمینه استفاده از داده های این سنجنده ها بعنوان ابزاری مناسب در مطالعه پوشش سطح زمین مطرح شده است. طبقه بندی کلاس های پوشش دهنده ی سطح زمین، یکی از مهم ترین کاربرد های تصاویر پلاریمتریک رادار می باشد. با استفاده از تصاویر پلاریمتریک می توان توصیفگرهای بسیاری را استخراج نمود که بیشتر این توصیفگرها از توزیع آماری خاصی پیروی نمی کنند، در این تحقیق از طبقه بندی کننده ماشین های بردار پشتیبان که یک طبقه بندی کننده غیرپارامتریک می باشد، استفاده شده است. بطور کلی این تحقیق دو هدف عمده و اصلی را دنبال می کند که این دو عبارت اند از: امکان سنجی تاثیر زاویه فرودهای مختلف در بهبود طبقه بندی و طبقه بندی با استفاده از توصیفگرهای بهینه استخراج شده از تصاویر با زاویه فرودهای مختلف. به منظور امکان سنجی تاثیر زاویه فرود های مختلف در بهبود طبقه بندی از روش های طبقه بندی wishart و طبقه بندی ماشین های بردار پشتیبان (svm)، استفاده شده است. همچنین به منظور دستیابی به هدف دوم، با توجه به بالا بودن تعداد توصیفگرهای استخراج شده از هر تصویر، ابتدا با استفاده از الگوریتم ژنتیک توصیفگرهای بهینه هر تصویر انتخاب شده و در نهایت طبقه بندی ماشین های بردار پشتیبان svm بر روی توصیفگرهای انتخاب شده هر حالت اعمال شده است. در نهایت پس از انجام مراحل فوق الذکر این نتیجه بدست آمد که استفاده از تصاویر با زاویه فرودهای مختلف می تواند به بهبود نتایج حاصل از طبقه بندی کمک کند. همچنین در حالت استفاده از توصیفگرهای بهینه استخراج شده از دو تصویر به صورت همزمان دقت کلی 11/88 درصد و ضریب کاپا 89/85 درصد بدست آمد.