常用的遥感分类方法有监督和非监督分类，这两类是分类中基本上都能够用到了（除了目视解译），其他的如结合纹理分类、面向对象分类等等均是更高级的，一般是根据地物特点决定是否采用的方法。当初学遥感的时候，就在想肯定是监督分类比非监督分类要好嘛，因为监督分类有人在一旁监督，而非监督是靠人输入参数由电脑分类。

        参加工作的这一年，解译过多幅遥感影像，逐渐体会到了非监督分类这种方法的价值。我一度用监督分类进行遥感分类工作，分出的类型主要有：农田、林地、土壤、水体、居民地等。监督分类要求有训练样本，除非去野外采集，否则从图像上选取训练样本比较主观，对于一些光谱相似度很高的类型（如农田和林地），不同的训练样本可能会导致结果有很大的差异。经常出现的情况是：分类后给对方的分类图，进行过野外考察并且有当地统计资料的人说：“林地没有那么多”、“农田少了”等等。

        光谱相似度高的类型的错分是不可避免的，工作中需要尽量减少错分，很多时候，野外考察的人员不会采集用于训练和精度验证的样本（工作量太大），只有对地物的总体把握（一路走过看过的印象以及统计资料）。因此，监督分类经常需要做很多次的样本选择，直至分类结果令人满意。这个时候，非监督分类的优势出来了，首先，它不需要训练样本。我们可以一口气分出50个小类，然后逐渐合并成大类，合并的过程中，根据总体的把握来决定小类之间的分水岭。