本文以提高江南典型区土地利用/覆被自动分类的精度为目标，围绕基于知识的遥感影像分类方法的过程展开研究。首先从目视解译的原理出发，分析了研究区土地利用/覆被类型在遥感影像上的表征，并对相关特征进行了分析与表达；然后从知识的概念、知识的获取、知识库的构建以及知识的推理几方面深入探讨了基于知识的遥感影像分类方法，其中重点研究了知识获取的决策树方法，并在此基础上对绍兴和江宁两个试验区进行了基于知识的遥感影像土地利用/覆被分类试验；同时，为了便于比较，对试验区进行了逻辑通道法和传统的监督分类试验；最后从不同分类方法的精度评价结果的比较和分类规则的分析两方面对基于知识的遥感影像土地利用/覆被分类方法的可行性进行了评价。 当前，土地利用/覆被变化(LUCC)研究是全球变化研究的核心内容，而土地利用/覆被数据的获取是其主要的基础工作。近年来，飞速发展的遥感技术已成为土地利用/覆被调查的一种有效的技术手段。然而，遥感影像分类技术的提高却远远落后于遥感传感器技术的发展，不能满足实际应用的需要。因而，实现遥感影像解译的自动化与高精度定量化，以满足人们从海量遥感数据中快速、准确地获取专题信息的需要，不仅是当前遥感自身发展的前沿，也是遥感应用的迫切要求。 在我国江南地区，土地利用/覆被情况相对比较复杂，受遥感影像分辨率的限制以及成像过程中诸多因素的影响，影像中“同物异谱，同谱异物”现象比较突出，用传统的基于单个像元光谱特性的监督或非监督自动分类方法很难获得令人满意的分类效果。而基于知识的遥感影像分类方法，不仅可以综合影像的光谱特征和结构特征，而且可以综合关于地物分布的地学规律和专家经验，这就为集成多源数据，解决复杂地表的土地利用/覆被分类提供了一条有效的途径。但是，知识的获取一直是其得以广泛应用的“瓶颈”。目前，知识的获取方式通常还是采用人工手段，由知识工程师和解译专家协同完成。首先由解译专家通过对地面特征在影像上表现的分析，以及对大量具有代表性样本的分析，总结出反映地面特征的光谱属性、空间分布及时相变化的内在规律；然后由知识工程师通过与解译专家的交谈抽取这些知识，并用适当的知识表示方法转换为计算机可存储的内部形式存入知识库。这种间接的、机械式的知识获取手段不仅需要耗费大量的时间和精力，而且不同的专家间也会存在知识的冲突，很大程度上影响了遥感影像分类的智能化水平和客观性，阻碍了它的广泛应用。20世纪90年代，新兴的空间数据挖掘和知识发现(SpatialDataMiningandKnowledgeDiscovery，SDMKD)技术为遥感影像分类知识的获取开辟了一条新的途径。它可以发现空间数据中普遍的几何知识、空间分布规律、空间关联规则、空间分类规则、空间特征规则、空间区分规则和空间演变规则等。 基于上述背景，本文选取浙江的绍兴地区和江苏南京的江宁区这两个典型的江南低山丘陵地区为试验区，分别对中尺度遥感影像TM和SPOT-XI进行了基于知识的遥感影像土地利用/覆被分类方法的研究。主要的研究内容和结论包括： 1、通过实地调查和影像判读，分别对上述两个试验区内各种地物类型在影像上的表征进行定性分析，并在此基础上对图像的光谱响应特征、纹理特征、位置布局特征和空间几何特征进行分析和表达。通过各类地物典型样本的统计对试验区内各类地物在同一波段的亮度值大小关系和同一地物在不同波段的亮度值大小关系进行分析；采用基于灰度共生矩阵的描述方法对影像的纹理特征进行分析，通过对各类地物样本的纹理特征的统计分析，确定最佳纹理统计方向；分析地物的空间几何特征，选用面积、周长及基于面积和周长的形状描述指标用于水体类型的分类；针对试验区内地物分布的地域特征，选取地理坐标、DEM、坡度和坡向作为描述指标。分类试验表明，对于我国江南低山丘陵区来说，辅助纹理特征和位置布局特征可以较好地改善土地利用/覆被分类的精度。纹理特征一方面突出了居民地、道路等自身空间几何结构比较明显的人工构筑物的信息；另一方面增强了山体起伏较大地区的阴影与其它地物的区分。地形因子主要是辅助了水田和林地、园地等具有明显空间分布规律的土地利用/覆被类型的识别。空间几何特征则可以有效地对水体类型进行分类。由此也说明，基于知识的分类方法不仅可以提高分类的精度，而且可以提高分类的等级。 2、基于知识的遥感影像分类方法的研究及该方法在两个试验区的土地利用/覆被分类的试验。这部分主要研究了知识获取的决策树方法、基于产生式规则的知识库构建方法和基于知识库的推理策略。其中重点论述了如何利用分类回归树(ClassificationAndRegressionTree，CART)算法构建决策树，进而利用构建的决策树来获取分类规则的方法。CART算法具有以下的特点：对输入数据没有任何统计分布的假设要求，测试变量之间既可以独立也可以相关，预测变量既可以是连续的数字变量也可以是离散的类别变量；可以处理特征集与目标类别间的非线性关系；可以有效地处理高维数据；能包容数据的缺失和错误；能明确地判定变量对于分类的重要性；结构容易理解，可以方便地用规则来表示等等。本文通过分类回归树算法对样本的学习构建决策树来获取大量的分类规则。这些规则在两个试验区的土地利用/覆被分类试验中均获得了满意的应用效果。由此说明，利用分类回归树算法构建决策树，获取分类规则是可行的，是解决基于知识的遥感影像分类方法在土地利用/覆被分类中推广应用的“瓶颈”问题的一种有效方法。 3、从不同分类方法的精度评价结果的比较和分类规则的分析两方面，对基于知识的遥感影像土地利用/覆被分类方法的可行性进行分析与评价。为了便于比较，对试验区进行了逻辑通道法分类试验和监督分类方法试验，并利用基于混淆矩阵的方法分别对基于知识的遥感影像分类方法、逻辑通道法、监督分类法进行精度评价与比较。结果表明，尽管试验区土地利用/覆被类型复杂，而且缺乏同一时期的实际验证资料，分类精度的评价存在一定的偏差，但总体说来，由于综合了地物的光谱响应特征、纹理特征和位置布局特征，基于知识的分类方法的分类精度比传统的监督分类和逻辑通道法都有了一定程度的提高。在地表状况复杂、地块细碎的江宁试验区，分类精度的改善更加明显。此外，从分类规则的分析可知，所建立的分类规则是合理的，反映了实际规律，这也说明了利用分类回归树算法构建决策树，获取分类规则是合理有效的。 4、基于知识的分类方法可以有效地综合其它各种辅助数据用于改善分类的精度。但是，辅助数据本身的质量以及辅助数据与影像之间的配准精度，在一定程度上也会影响分类的精度。因此，在实际应用中必须注意辅助数据的选择和影像与各种辅助数据之间的精确配准。 综上所述，本研究主要是提出了对于地块破碎，土地利用/覆被情况复杂的江南典型区，利用多源数据进行基于知识的遥感影像自动分类的新方法，为其它地区中尺度遥感影像的土地利用/覆被分类提供了有益的指导。