什么是监督分类？

监督分类方法(Supervised Cassifcation)又称为训练分类法，即参考先验知识和辅助信息，在遥感图像上识别出一些已知其类别的像元，将这些样本构成训练样本，通过对训练样本的学习并提取样本的统计特征，得到了分类模板，然后用分类模板对原图像进行具有相似特征像元的识别，完成分类。当对研究区域比较了解的时候，或掌握了更多的先验知识，为了将这些有用的辅助信息参与到遥感分类中，需要使用监督分类方法。监督分类中最常用的算法有最小距离法和最大似然法。

监督分类方法中最主要的是分类模板的建立，而分类模板的精确与否又依靠训练样本的精度，因此训练样本的选取直接影响着分类结果的可靠性。分类模板的建立是一个循环过程:选择样本，建立分类模板，执行分类、分类结果评价、修改模板、再次分类，如此反复，直到分类结果满意为止。

监督分类简单实用，但在处理分类前必须确定好已知地物样本的分类特征及其参数，这是分类成败的关键。已知样本分类特征及其参数的确定要有代表性，要有足够的样本(或像元)作为统计的基础。此外，由于环境的变化及其复杂性，以及干扰因素的多样性和随机性，由训练场地已知样本所获得的分类特征及其参数，只能代表定时间和具体地域的情况，不能无条件地推广。若地区情况或环境条件变化，应该另选训练场地，以免造成较大的误差或误判。