地理信息系统（GIS）是以地理空间数据库为基础，在计算机软硬件的支持下，对空间相关数据进行采集、管理、请注意作、分析、模拟和显示，并采用地理模型分析方法，适时提供多种空间和动态的地理信息，为地理研究和地理决策服务而建立起来的计算机技术系统。
　　地理信息系统和遥感是两个相互独立发展起来的技术领域，但它们存在着密切的关系，一方面，遥感信息是地理信息系统中重要的信息源；另一方面，遥感调查中需要利用地理信息系统中的辅助数据（包括各种地图、地面实测数据、统计资料等）来改善遥感数据的分类精度和制图精度。
1 地理信息系统与遥感结合的方式
　　总的来说，地理信息系统与遥感的结合主要有两种方式：
　　（1）通过数据接口，使数据在彼此独立的地理信息系统和遥感图像分析系统两者之间交换传递。这种结合是相互独立、平行的，它可以将图像处理后的结果输入地理信息系统，同时也能将地理信息系统空间分析的结果输入图像处理软件，从而实现信息共享。
　　（2）地理信息系统和图像处理系统直接组成一个完整的综合系统（集成系统）。它可以分成两个层次：
　　a.两个软件模块共用一个用户接口，可以实行栅格-矢量的串行或并行处理。它应具备将地理信息系统的矢量数据直接进行图像处理、统一不同性质数据的输入方式、误差分析和遥感数据进行时态变化模拟的能力。
　　b.将地理信息系统和遥感组成一个统一的综合体，实现两者的真正结合。这是一个长期的目标，统一后的系统将具有在层结构中协调栅格和矢量数据、允许进行综合的空间查询、进行同所谓的基于测量信息系统的结合、产生现实世界中实体的综合模型以及根据该模型确定相应的空间表示法等功能。当地理信息系统与遥感的结合以遥感为主体时，地理信息系统是作为基本数据库，用以提供一系列基本数据，来弥补遥感数据的不足，提高遥感数据的分类精度。这个基本数据库一般应包括下列两类数据：
　　①图形数据库：
　　（a）地理基础要素
　　（b）数字地形模型
　　（c）地名库及汉字库
　　②统计数据库
　　（a）地球物理场
　　（b）地面观测场
　　（c）自然环境要素
　　（d）社会经济数据
2 遥感调查中地理信息系统的应用
　　在遥感调查中，地理信息系统的应用主要有三个方面：①遥感数据预处理；②遥感数据分类；③遥感制图。
　　2.1 遥感数据预处理
　　在遥感数据几何校正时，通常是以地理信息系统中的地图为基准，通过选取控制点的方法，对遥感图像进行几何校正。此外通过地图与遥感图像的叠置，还可以切割出所需区域的遥感数据。
　　遥感数据的辐射校正除了校正由于大气引起的辐射畸变及传感器引起的辐射畸变外，在地形起伏较大的地区，为了消除地形对影像的影响，需要利用地理信息系统中的DEM（数字高程模型）数据对遥感数据进行辐射校正。
　　2.2 遥感数据分类
　　地理信息系统在遥感数据分类中的应用主要是利用系统中各种辅助数据参与分类，最常用的辅助数据是地形数据，另外还有土壤、植被、森林等各种专题图数据。
　　遥感专家很早就认识到辅助数据在遥感图像分类中的重要性（Campell 1978，Townshend and justice 1981）。在过去的二十几年中，已发展了很多利用辅助数据提高分类精度的方法，如Fleming和Hoffer（1979）利用观察到的土地覆盖与坡度、坡向、高程的关系，显著提高南落基山地区 MSS森林覆盖制图精度；Cibula和Nyquist（1987）在利用MSS数据对华盛顿奥林匹克国家公园进行土地覆盖分类时，利用地形和气候数据使分类数从9类增加到21类，总精度达到91.7％。地理信息系统的发展使得辅助数据和遥感数据的结合更加广泛和深入。
　　辅助数据在遥感数据分类中的应用有几种方法：
　　①辅助数据作为逻辑通道和各波段光谱数据一起参与分类。这种方法比较简单，但由于在监督分类中，分类特征必须满足正态分布，而大多数辅助数据往往不是正态分布，因此该方法的应用不是很多。
　　②应用辅助数据分层估计各地类出现的先验概率。最常用的是根据DEM数据和代表不同地面类别的样区数据，统计各主要地物的垂直分布特点，继而按高程数据把研究区域划分成若干高程带，分别对每一高程带的遥感影像进行分类处理，最后把各高程带的分类影像叠加，形成整个研究区域的分类结果。如杨凯等人[4]在利用陆地卫星 MSS数据进行湖北省咸宁县土地利用调查时，根据该县DEM数据和六个样区的地面数据，把全县划分为五个高程带，估计每个高程带中各个地物类别出现的先验概率，对五个高程带的图像分别进行分类处理，并对样区范围内的整体分类和按高程分层分类的结果与样区实地类别数据进行比较，比较结果表明，引入高程信息后分类精度有所提高，其中单一类别的平均分类精度提高了7.5％。
　　③应用辅助数据对光谱分类结果进行后处理。遥感图像上经常有异物同谱现象，一些地类从光谱上难以区分，但它们在空间分布上往往具有不同的特征，因此可以通过辅助数据加以区分。美国在利用多时相 AVHRR数据进行美国本土的土地覆盖调查时，首先利用非监督分类进行聚类，得到70个类别，然后与辅助数据（包括高程、生态区、无霜期等）叠置，分析每一类中各个辅助数据的直方图，对直方图中明显有多于一个峰值的类别利用辅助数据进一步分类，最后得出 189个类别（Brown et al.1993）。
　　2.3 遥感制图
　　地图是遥感调查最主要的成果，地图上除了类型界线外，还需要有行政界线、注记等要素，这些要素往往不能直接从遥感数据中得到；另外，一些道路、河流由于分辨率的限制，也不能从遥感数据中提取出。为了使分类结果能以地图形式输出，需要采用信息覆合的方法，把地理信息系统中的行政界线、注记等要素叠加到分类结果图上，从而形成完整的地图。
3 遥感图像判读专家系统
　　在GIS和遥感结合的领域中，遥感图像判读专家系统的发展十分引人注目。专家系统通常由三个部分组成：（1）知识库（KBS）；（2）推理机（INE）；（3）用户接口（UIS）。遥感图像判读专家系统汇集了遥感及有关领域专家的知识及经验，利用计算机模拟专家的思维过程，研究和解决不确定的、经验性的问题，充分利用GIS中的各种辅助数据，从而提高遥感数据的分类精度。
　　Skidmore（1989）曾利用图像判读专家系统进行澳大利亚东南部桉树林分类。根据地理信息系统中的数字地形模型导出坡度、坡向和地形位置，并和TM图像进行几何配准。根据当地森林工作者的经验，建立各种类型桉树林与地形之间的关系，并作为专家系统中的知识库。在利用专家系统进行分类时，对任一个像元Xi,j是否属于某一类通过多个判据（evidence）来检验。该系统中的判据包括：根据非参数分类得出的各个类型正确分类的概率、坡度、坡向以及地形位置（即山脊、上中坡、中坡、下中坡、山谷）。
　　利用专家系统分类时，首先选择一个判据（这里首先选择根据非参数分类得出的各个类型正确分类的概率），计算P（Ha|Eb），并作为下一证明的后验概率P（Ha），接着计算下一证据的概率。利用同样方法，一直迭代到最后一个证据。
　　迭代结果，对像元Xi,j，每一假设都有一个概率值，选最大概率的假设，以该假设的类型作为像元类型。
　　类-条件概率P（Eb|Ha）（先验概率）即为专家的知识或经验，在建立专家系统时已存贮在系统知识库中。
　　目前，遥感图像判读专家系统在知识的表示和获取方面还存在很大困难，还有许多的基础工作要做。