遥感数据由于具有宏观性、周期性、实时性和综合性等特点,在土地利用信息获取方面发挥着越来越重要的作用,成为提取地物信息的一种有效的技术手段。准确快速地提取出遥感影像上的各类地物信息,对于土地利用/覆盖变化监测、土地资源规划管理等至关重要。目前,学界已提出针对不同类型遥感影像的多种计算机自动分类算法,但迄今为止,尚未有普适性的、分类精度很高的自动分类算法。专家系统是模拟人类专家思维来进行推理、求解并得出结论的思维过程。遥感影像处理中,该技术相对于统计像元分析为主的传统分类技术有了巨大的飞跃,并且随着知识库知识量的逐渐增加,不同的样本知识逐渐丰富；同时,知识的更新频度较快,所以采用专家系统的分类方法得到的分类结果比较可靠,并能实现土地的快速分类提取。基于此,本文采用基于知识的专家分类系统进行分类。本文以云南省楚雄单景遥感影像为研究对象,对其土地利用类型进行分类提取。通过本文研究,可得到以下结论：（1）在知识分类的基础上加以纹理信息为辅助,结合地物类型的空间分布特征、时相特征和视觉特征,分类精度得到提高。总体来说,基于知识的专家分类系统总体精度和Kappa系数都比监督分类的结果提高,本试验提高了土地利用分类提取的精度,是一种值得推荐的遥感图像分类方法。（2）居民地、道路、水体和旱地提取效果显著,生产精度得到很大提高,水体和旱地生产精度提高高达20%。但分类中还存在漏分和错分现象。（3）基于决策树的知识专家系统分类,将复杂的问题简单化,可以针对不同的分类目标定义不同的规则。随着知识量的增加,利用知识分类获得的分类结果更加迅速、准确、可靠。能充分利用原有各土地利用类型的知识,将这些知识用于遥感影像的分类,能减少同物异谱,异物同谱的混杂现象,并提高分类的精度。（4）基于知识的专家系统分类方法具有灵活运用各种类型信息的优势,其分类的效率和精度取决于知识规则的精练与否、特征阈值的准确性。在建立知识库的过程中,知识规则的建立还因人而异。