该论文的核心内容是通过对厦门训练区的地物光谱特性和空间分布规律的研究工作,建立知识分类系统,实现对闽南沿海生态环境要素分类信息的提取.论文系统分析了前人的研究成果,详细讨论了各种方法的优缺点,最后根据决策二叉树逐级分类的思想,把研究区地物划分为不同的提取等级,利用SML和EML二次开发语言建立了知识分类系统,实现对整个研究区的分类提取工作.在建立训练区知识分类系统的过程中,首先采用对比分析法和多项式几何校正法分别对研究区遥感数据进行大气校正和几何校正的预处理工作;接着利用ERDAS IMAGINE中的"Inquire Cursor"工具获取区内各地物的波谱曲线图.最后通过对波谱曲线图的分析,了解各地物的光谱特征,把研究区地物分成三个主要类别:水体、非植被和植被,分别建立知识分类提取子模型,进而实现对三大类别进行进一步的分类提取.文中知识分类系统的建立是利用ERDAS IMAGINE遥感软件提供的SML(Spatial Modelling Language)和EML(ERDAS Macro Language)二次开发语言建立的.根据各地物的光谱特性和空间分布关系,通过SML建模语言建立水体提取、非植被提取、植被提取、分类后处理等SML模型,而后利用EML宏语言开发、编辑用户接口界面,调用SML模型完成数据的输入输出,实现研究区土地利用/土地覆盖的分类提取和分类后处理工作.利用在训练区中建立的知识分类提取系统,分别对研究区2000年和1986年的TM卫星遥感影像数据进行土地利用/土地覆盖的分类提取,取得了较好的结果,并在项目中得到应用.同时根据提取结果图构建了研究区地表要素的变更GIS数据库,基于此可查询、显示和获取研究区内每一个斑块的属性信息.根据数据库提取的信息和两期影像分类结果的对比分析,发现研究区生态环境的破坏主要体现在地表覆盖和土地利用模式的大范围变化上.从分类结果可知,工作区内建筑用地增大明显,主要体现为居民用地和交通用地快速向四周扩展,其中尤以城镇和城镇郊区农村的居民建筑用地扩张为最.部分城镇的面积大约扩大了2到3倍,并与周围的乡村连成一片,难以区分.建筑用地的增加,主要是占用周围耕地的结果,因此,两个时相的耕地面积变化最大.由于近年来工作区内各县市的绿化工作卓有成效,所以,区内林地面积变化不大,荒地逐步减少,但沿海木麻黄防护林却由于人工围垦遭受到巨大的破坏.这些都说明分类结果和本次实地调查的比较一致,表明基于训练区建立的知识分类模型能够适用于整个研究区地物的分类提取,能反映实际情况.