遥感地表分类即把地表图像中的所有象元或区域的类别进行明确，划分成若 干类中的一种，其中参考的特征参数是地物的光谱性差异，再把特征空间区分成 若干个子空间，且这些子空间是没有相交部分的，最后依次找到影像像元所属的 子空间，完成归类。本文采用我国的资源 3 号（ZY-3）高分辨率遥感数据，对研 究区各种自然和人工地物进行分类研究，从而发展遥感分类的研究方法，拓展我 国自主高分辨率卫星数据的使用。

1.2 国内外研究现状

上世纪 70 年代，在探索分析卫星遥感图像的解译过程中，人们主要以目视 解译为主，该解译方法在收集土地的分类信息过程中参照了已知的分类系统、解 译经验以及阴影、位置、形状、纹理、颜色等解译标志，并结合了图像判读等方 法。它是人们通过遥感技术获取目标信息最直接、最基本的方法。目前，这种方 法仍被广泛使用。王玉丽等[3]]借助 ENVI 和 Arcgis 软件，通过目视解译 TM 影像， 对新疆地区进行土地分类。

以统计模式为基础的识别法在上世纪 80 年代的遥感图像的计算机分类过程 中使用较为广泛，此法分类的依据是地物在图像中光谱特征的差异，其可分为监 督以及非监督两种分类法。其中前者又可叫做训练分类法，在对像元进行分类时， 该法依据的是那些类别已知的像元，这即为此法的基本思想，而训练区像元就是

类别已知的样本像元。最大似然法是其中较具有代表的方法，在此法的基础上， 王琳等[4]把盐城市各阶段的土地利用图进行了解译，并获取了该地的植被信息， 大大削弱了“异质同像”错判的情况，且一定程度上消除了因“混合像元”不确 定性所带来的干扰。而非监督分类过程是不受先验知识干扰的，只在遥感影像地 物光谱特征的差异以及特点的基础上来进行分类。常用的算法是 K-均值聚类法 和迭代自组织数据分析算法（ISODATA）。马飞虎等[5]从统计模式识别角度出发， 基于 ISODATA 算法，以实际数据的试验，实现了海底底质分类。

20 世纪 90 年代以来，涌现了大量遥感图像分类方法，决策树分类法、面 向对象分类法、多源信息融合分类法等。决策树分类法是模拟人工分类过程对整 个数据集从上往下逐级细分的一种分类方法。杨曦光等[6]利用 SPOT 5 卫星数据， 以山东省荣成市镆铘岛为例，探讨了基于决策树方法的海岛土地利用类型的遥感 分类，得到了较好的分类结果。面向对象分类法是在面向对象特征提取的基础上 进行的，在分类前，必须根据需要提取的地物类别，选择合适的尺度和合适的特 征，然后根据地物类别的性质，设计好分类策略和步骤。孟雪等[7]基于资源 3 号 国产高分辨率卫星遥感影像，将面向对象的影像分析技术应用到中山陵风景区地 类信息提取中，采用改进后的局部方差法确定并选取了不同地类类型的最优分割 尺度，并采用多尺度层次的方法提取了不同地类类型信息。多源信息融合分类是 建立在遥感数据一些优点的基础上的，而其优势是分辨率、传感器、时相以及平 台都很多，这让不同的遥感数据实现互补，进而在识别地物过程中增加其辨识效 率。以多源信息融合为前提，陈劲松等[8]对广东省雷州半岛土地利用进行分类， 其 中 还 用 到 了 X 波 段 TerraSAR 数 据 、 多 时 相 HJ 光 学 影 像 以 及 Landsat-TM/ETM 等，以此来获取原始图像特征，获取过程中依据了各类地物的 一些特征上差异，诸如极化、多时相以及光谱等特征，在此基础上融合多源遥感 信息的地物特征，并在获取高精度土地利用信息中运用了此法。对多源遥感数据 进行融合，和原先的单一源遥感数据比较，可以看出，该方法获得的土地覆盖利 用信息精度更高[9]。文献综述