城市区域的空间和光谱异质性使得土地覆被分类具有一定的难度。仅凭传统光学多光谱遥感影像进行分类,很难区分光谱特性相似的地物。全极化合成孔径雷达（Full-polarimetric SAR）能够记录地物完整的微波后向散射信息。利用多光谱光学影像和全极化SAR数据的互补性,组合多光谱信息、不同极化方式的后向散射强度信息、不同目标极化分解方法的特征以及相干矩阵T₃中的散射参数,进行城市区域的土地覆被分类,能够有效区分光谱特性相似的类别。本研究基于局部气候分区（LCZ分类体系）,利用多光谱Sentinel-2 MSI影像和全极化ALOS-2 PALSAR-2数据,在上海市进行了16个土地覆被类型的分类研究。首先,对多光谱波段、后向散射强度数据、目标极化分解的特征和相干矩阵T₃中的散射参数进行不同的组合,得到数据维数不同的六个数据集。然后,分别使用子空间方法、支持向量机方法（SVM）和最大似然分类法（MLC）对六个数据集进行分类,并计算分类结果的混淆矩阵。另外,为了探索对建筑类别的提取能力,将上一步分类结果中的所有建筑类别合并为一个类,得到包含9个土地覆被类型的分类图,并计算对应的混淆矩阵。最后,从混淆矩阵中获取总体精度（OA）、用户精度（UA）和制图精度（PA）作为精度评价指标,通过分析这些精度评价指标来探索三种分类方法用不同数据集区分土地覆被类型的能力。比较三种分类方法对数据集进行16个土地覆被类型分类的结果OA可知,除了分类只包含多光谱图像的数据集时SVM分类精度最高以外,子空间方法对其他五个数据集的分类性能比SVM和MLC好。尤其是在数据维数高且存在冗余的时候,子空间方法的分类性能优于SVM和MLC方法。通过比较使用子空间方法对数据集进行16个土地覆被类型分类后结果的OA,可以获知（1）只使用Sentinel-2 MSI多光谱波段进行分类,OA为65.9%;（2）在Sentinel-2 MSI基础上添加ALOS-2 PALSAR-2的散射强度数据,可以将OA提升至71.9%;（3）进一步添加不同目标极化分解方法的特征,可以将OA提升至72.8%;（4）当多光谱影像和全极化SAR的特征都用于分类时,其OA为73.3%,是所有分类结果中最高的。维数最高的数据集用子空间方法分类对应的9个土地覆被类型的分类结果,其OA是所有9个类别分类结果中最高的,达到了83.3%,特别是建筑类的PA高达94.1%。使用子空间方法对不同维数的数据集进行分类,结果表明在光学数据的基础上加入全极化SAR数据的各特征,可以大幅提高分类精度。