. The aim of this article is to present a new classification scheme for polarimetric synthetic aperture radar (POLSAR) data by integrating image segmentation and decision tree. In the first stage of the scheme, POLSAR data is segmented using the multiresolution algorithm embedded in the Definiens eCognition software into small segments consisting of homogeneous pixels. For each segment, an average coherency matrix is generated to represent the overall polarimetric characteristics. In the second stage, 5 elaborately chosen parameters, including the H, A, α parameters from Cloude and Pottier decomposition and 2 parameters associated with the depolarization effect of radar targets, form the decision attributes to classify the segments. An L-band POLSAR image over Dutch Flevoland acquired by the airborne synthetic aperture radar (AIRSAR) system is used as test data. The proposed scheme achieves 13% higher overall accuracy when compared with the widely adopted Wishart classifier, and comparable or higher accuracy when compared with other segment-based algorithms. The 2 depolarization-related parameters, which have never been used for classification before, are found to have powerful discriminability in classifying different vegetation types. This study also demonstrates that the 5 parameters we have chosen are an ideal combination of POLSAR feature parameters and might be applicable for general classification purposes.Résumé. Le but de cet article est de présenter une nouvelle méthode de classification de données provenant d’un radar polarimétrique à synthèse d’ouverture (POLSAR) en intégrant la segmentation d’image et l’arbre de décision. Dans la première étape du procédé, les données POLSAR sont segmentées en petits segments composés de pixels homogènes en utilisant l’algorithme multirésolution incorporé dans le logiciel eCognition de Definiens. Pour chaque segment, une matrice de cohérence moyenne est générée pour représenter les caractéristiques polarimétriques globales. Dans la deuxième étape, cing paramètres minutieusement choisis, y compris les paramètres H, A, α de la décomposition de Cloude-Pottier et deux paramètres associés à l’effet de dépolarisation des cibles radar, forment les attributs de décision pour classer les segments. Une image POLSAR en bande L du Flevoland néerlandais acquise par le système AIRSAR est utilisée comme données d’évaluation. La méthode proposée atteint une précision globale 13 % plus élevée lorsque comparée au classificateur Wishart largement utilisé et une précision comparable ou plus élevée en comparaison avec d’autres algorithmes basés sur des segments. Les deux paramètres liés à la dépolarisation, qui n’ont jamais été utilisés pour la classification, s’avèrent avoir une haute capacité de discrimination pour classer divers types de végétation. Cette étude démontre également que les cing paramètres que nous avons choisis forment une combinaison idéale de paramètres POLSAR qui peut être applicable à des fins générales de classification.