随着遥感技术的迅速发展,遥感影像被广泛用于土地利用/土地覆盖研究。如何自动化地提高遥感解译精度,是遥感应用中的一个挑战;另一方面,现有地理数据中包含了大量可用的空间与属性信息。如何在遥感分类中应用地理数据提高分类精度,是学者十分关注的问题之一。一般认为,考虑先验概率符合Bayes准则,能够保证分类过程中错分的损失最小。本文尝试利用GIS软件对地理数据进行分析和预处理,对考虑先验概率是否提高Bayes监督分类精度这一问题作了探讨。本文以开封市土地覆盖分类为例,利用ArcView软件对开封市土地利用图等地理数据进行矢量化处理,得到包含各类地物属性的辅助数据。由辅助数据中计算各类别面积比率作为先验概率,替换传统监督分类中的先验值,并进一步对先验概率进行迭代,最后利用改进的先验概率对Landsat TM影像进行分类实验。为检验分类精度,本文使用了误差矩阵,计算了分类总精度和kappa指数。本研究的主要结论是:(1)与传统的最大似然法分类相比,利用地理数据矢量化得到的先验概率进行迭代,可进一步消除先验概率对最大似然分类法分类结果的影响,使分类总精度和kappa指数有进一步提高;(2)分布面积大于平均值的类别,生产者精度一般会变高,使用者精度会变低;分布面积小于平均值的类别,生产者精度一般会变低,使用者精度会变高。本文共分五部分:第一章是绪论,介绍了本文的研究背景、研究重要性,并对土地利用/土地覆盖遥感分类方法进行了综述。第二章介绍了研究区概况及研究所使用的数据资料,并对本文的研究方法进行了叙述。第三章是数据预处理,介绍了地理数据与遥感影像数据的分析及预处理的过程。