随着遥感技术的迅速发展，遥感影像被广泛用于土地利用/土地覆盖研究。如何自动化地提高遥感解译精度，是遥感应用中的一个挑战；另一方面，现有地理数据中包含了大量可用的空间与属性信息。如何在遥感分类中应用地理数据提高分类精度，是学者十分关注的问题之一。一般认为，考虑先验概率符合Bayes准则，能够保证分类过程中错分的损失最小。本文尝试利用GIS软件对地理数据进行分析和预处理，对考虑先验概率是否提高Bayes监督分类精度这一问题作了探讨。 本文以开封市土地覆盖分类为例，利用ArcView软件对开封市土地利用图等地理数据进行矢量化处理，得到包含各类地物属性的辅助数据。由辅助数据中计算各类别面积比率作为先验概率，替换传统监督分类中的先验值，并进一步对先验概率进行迭代，最后利用改进的先验概率对LandsatTM影像进行分类实验。为检验分类精度，本文使用了误差矩阵，计算了分类总精度和kappa指数。 本研究的主要结论是：(1)与传统的最大似然法分类相比，利用地理数据矢量化得到的先验概率进行迭代，可进一步消除先验概率对最大似然分类法分类结果的影响，使分类总精度和kappa指数有进一步提高；(2)分布面积大于平均值的类别，生产者精度一般会变高，使用者精度会变低；分布面积小于平均值的类别，生产者精度一般会变低，使用者精度会变高。 本文共分五部分：第一章是绪论，介绍了本文的研究背景、研究重要性，并对土地利用/土地覆盖遥感分类方法进行了综述。 第二章介绍了研究区概况及研究所使用的数据资料，并对本文的研究方法进行了叙述。 第三章是数据预处理，介绍了地理数据与遥感影像数据的分析及预处理的过程。 第四章是遥感影像分类与比较分析。介绍了影像分类的具体步骤，包括分类系统的确定、训练区的选择、分类、精度检验、分类结果评价与分析。 第五章是结论。介绍了本文的研究结论、创新与局限性。