伴随着地理大数据和人工智能的快速发展,地理信息挖掘的智能化和自动化被广泛应用于各个领域,受到研究者们的重视。遥感数据具有空间覆盖面积广、时空分辨率高且易获取等优势,已经成为GIS不可或缺的数据来源。并且随着对地观测数据源的日益增加,遥感影像的空间覆盖面积越来越广,时间跨度逐渐变小。相比较于传统的地理调查和人工目视解译进行的地理信息提取,自动化和智能化的影像识别是未来遥感技术和地理信息挖掘的大势所趋。但与此同时,机器的自动化提取对样本数据具有很强的依赖性,样本的质量直接影响着自动化提取的结果。在一些质量不好的影像中,计算机自动化提取表现出精度较低,分类效果差等不足之处。本文结合现有的理论知识,基于遥感影像进行样本数据库构建并对适合的解译方法进行探究。研究的主要内容如下:(1)确定遥感图像样本库的地物类别体系,以便于样本数据库的管理和检索。基于高空间分辨率的遥感影像,利用多种遥感影像处理方法辅助解译判读地物要素的方式以及人工解译来通获取训练样本矢量切片,并验证解译样本的精度。(2)建库方面选择利用 GDAL (Geospatial Data Abstraction Library)开源栅格空间数据转换库来实现。通过建立检索条件来确定检索范围,根据检索范围搜索样本数据,形成索引文件。根据文本检索条件列出的地物类别进行匹配,并得到所需的样本切片数据。(3)设计应用实验对样本库检索的结果进行精度评价。基于项目需求和系统设计,选取于桥水库周边地区和武汉南部长江流域局部地区作为两个实验区域,基于地表真值进行精度评价。实验分为验证样本在源遥感影像中的分类处理效果与验证样本在相邻时相的遥感影像中的分类处理效果两个层次,并对结果进行分析。研究将大数据时代下的人工智能与遥感影像解译相结合,期望在海量遥感影像样本中发现各地物类别在光谱与纹理上的相关性,并据此更加效率准确的进行遥感影像自动解译。研究结果表明,基于遥感影像构建的样本库能够有效的实现对样本数据的存储、查询检索和管理。样本库检索的解译样本具有很高的分类精度。