不确定性是客观世界和实体本身所具有的固有属性,它可以反映所获取的数据与真实数据值之间存在的误差大小。近年来,随着遥感数据广泛的应用于土地规划、灾害监测、目标检测等领域,成为处理地理信息问题的主要信息源,遥感数据中存在的不确定性越来越制约着遥感信息的产品化和实用化的进一步发展。而遥感分类技术作为遥感数据的主要应用领域之一,遥感数据的不确定性存在于分类的整个过程中,包括数据的获取、传输、处理和信息提取、精度评价等,并且不断的传播和积累。因而,了解遥感影像数据中存在的不确定性来源和本质,探索影像不确定性对于分类结果的影响模式,对于提出有效的规避和降低影像不确定性的方案,发展可靠性分类方法具有重要意义。本文针对遥感影像中存在的随机不确定性和模糊不确定性,分析它们的特征和形成机理,基于信息熵和模糊熵模型,利用证据理论合成多种证据源分别改善这两种模型,在像元尺度上建立评价指标模型来描述它们;然后结合可靠性评价指标和分类精度评价指标构建了分类结果可靠性评价指标体系,包括分类总体正确性、一致性、完整度、可靠度。在此基础上,选取BJ2、GF1、Landsat-8、worldview 2四组不同分辨率、不同区域的遥感数据为实验数据源,利用SVM分类器、最小距离分类器、基于形态学MPs分类器对影像进行分类,利用回归分析探索不同影像、不同分类方法下,随机不确定性和模糊不确定性分别对于影像分类结果可靠性的影像模式。实验结果表明:(1)提出的不确定性评价指标可以一定程度反映影像像元的不确定性大小,同一影像中存在的随机不确定性和模糊不确定性的分布在类别和空间上存在差异,随机不确定性和模糊不确定性都较高的像元大都位于地物边界处呈线状连片分布;(2)不同影像中,三种分类方法的分类结果中,都表现出错误分类的像元中含有随机不确定性和模糊不确定性的像元比例远高于确定性像元,同时,错误分类的像元中随机不确定和模糊不确定性大小均值都高于正确分类的像元;(3)影像中随机不确定性和模糊不确定性对于不同分类方法分类结果的可靠性都存在一定的影响,具体地,同一影像中,不同分类结果的总体正确性和一致性与两种不确定性的都具有很强的负相关性,即不确定性越大,分类结果的总体正确性和一致性越低,具体的下降趋势在不同分类方法中存在差异;而随机不确定性和模糊不确定性分别对分类完整度和可靠度的影响在类别和方法间存在差异,其中耕地和林地的分类完整度和可靠度受两种不确定性影响的相关性都强,建筑的分类完整度和可靠度与模糊不确定性的相关性强于随机不确定性。