本文以提高干旱、半干旱地区土地利用/覆盖自动分类的精度为目标，围绕基于知识的遥感图像分类方法的过程展开研究。首先确定研究区土地利用/覆盖分类方案；然后从目视解译的原理出发，分析了研究区土地利用/覆盖类型在遥感图像上的视觉特征，并对光谱特征、纹理特征、空间分布特征和时相特征进行了分析；接着从知识的表达、知识库的构建讨论了基于知识的遥感图像分类方法：最后在此基础上对研究区进行了基于知识的遥感图像分类，对分类的结果进行了评价。通过上述的研究我们得到以下结论：(1)基于知识的遥感图像分类方法是提高地表复杂的干旱、半干旱地区土地利用/覆盖自动分类精度的有效途径之一。尽管研究区地表土地利用/覆盖复杂，而且缺乏同一期的实际验证资料，分类精度的评价存在一定的偏差。但总体来说，由于综合了遥感图像的光谱特征、纹理特征、空间分布特征和时相特征，基于知识的遥感图像分类方法的精度比传统的监督分类方法有了一定的提高。(2)对于干旱、半干旱地区来说，纹理特征、空间分布特征和时相特征可以较好的改善分类的精度。纹理特征突出了形态差异较大的沙漠和戈壁的信息。空间分布特征主要增强了山地灌丛和山地森林，山地草地和耕地等具有明显空间分布规律的地物类型的差异，减少了他们之间的混分。时相特征则区分了未生长农作物的耕地与其他荒漠。(3)基于知识的分类方法可以有效的综合其他各种辅助数据用于改善分类的精度，但是辅助数据本身的质量以及辅助数据与遥感图像之间的配准精度，在一定程度上会影响到分类的精度。因此，在实际应用中必须注意辅助数据的选择和不同数据之间的精确配准。