A detecção de fenômenos na superfície da terra é um trabalho importante e necessário, principalmente quando se trata de fenômenos de grande escala como manchas de óleo no mar e desmatamentos em florestas de grande extensão. Porém, o monitoramento desses fenômenos por meio de imagens ópticas de satélite trazem consigo complicações em termos de continuidade na geração de imagens. O Radar de Abertura Sintética, entretanto, se apresenta como ideal para monitoramento da superfície terrestre de forma confiável, contínua e global, uma vez que possibilita a geração de imagens com fonte de luz própria e com resolução maior que os sistemas ópticos convencionais, além de possibilitar sua operação independentemente de condições climáticas. No entanto, a dificuldade de se trabalhar com estas imagens centra-se na interpretação dos dados imageados, necessitando de processamentos para extração de informações. Isto se deve à presença de um ruído de natureza estocástica que degrada significativamente a imagem. Assim, a utilização de distribuições de probabilidade são de fundamental importância na modelagem destes dados. Nesta dissertação, apresentamos uma medida de similaridade estocástica para imagens SAR que expressa ganhos significativos em termos de informação e classificação de imagens SAR, podendo ser utilizadas para monitotar, quantificar e classificar desastres naturais na superfície terrestre, como por exemplo, vazamentos de óleo em alto mar, evolução do desmatamento de florestas, poluição de rios e lagos.