近年來科技日益進步，遙測技術也不斷的改良與精進，應用衛星影像於處理大範圍面積方面也越趨廣泛。因此，如何有效運用衛星影像提升地貌判釋的精度，便成為未來遙測技術持續發展的重點。過去對於水稻田的判斷都是以實地探勘方式進行耕地坵塊圖數化與編修。這些過程通常需要大量的時間、人力與物力，因此透過遙測影像與合適的分類器足以改善現場探勘之困境。本研究對於水稻田的判斷是以實地探勘方式取得地真資料後，搭配非監督式學習的分類器進行判釋。雖然非監督式學習則有不需訓練資料的好處，但其低準確率也為人話病，因此本研究搭配亂度基礎分類法進行屬性篩選，在判釋影像時，期望正確率可以有明顯的提升。高光譜具有許多隱性的資訊，研究中採用了72個光譜資訊，彼此之間可能有相依或互斥的屬性發生。本研究分別使用一般光譜以及將高光譜以亂度基礎分類法進行屬性篩選後，並採用隨機2000點進行自組織映射圖正確率之判釋，最後將誤差矩陣表和主題圖分別呈現其兩種影像材料之分類差異。