随着卫星遥感图像和航空遥感图像分辨率不断提高，可以从遥感图像中获得更多有用的数据和信息。针对不同场合的应用，对遥感图像的处理也有着不同的要求，为了有效地对这些遥感图像数据进行分析和管理，需要根据图像内容给图像贴上语义标签，而场景分类就是解决该类问题的一种重要途径。
场景分类是根据一定的地物特征对影像数据进行分类，区分出具有相似特征的区域，为每一幅图像赋予场景标签，所以场景分类的关键就在于对图像特征的提取。
场景分类结果为大小均匀（32*32像元）的矢量网格，每个网格带有其对应位置影像的场景标签，是一种高于像元级别的粗粒度分类方法。场景分类一般用于较大尺度的分类任务，如城市局部气候区分类等。
主要参数
- 功能入口 ： 工具箱 -> 机器学习 -> 影像分析 -> 场景分类 工具。
- 数据源/数据集 ：选择需要进行场景分类的影像或栅格数据。
- 模型文件 ：选择场景分类的模型文件（*.sdm）。
- 结果数据 ：即场景分类的结果面数据集，设置结果数据集保存的数据源和保存名称。
- 运行 ：单击对话框中的 运行 按钮，即可执行场景分类操作，此时，Python 窗口会显示功能执行的进度信息。
局部气候分区（Local Climate Zone，LCZ）是一种新兴的城市热岛研究标准理论方法，可广泛应用于城市规划、气象建模等领域，我们可使用场景分类功能，将整个城市划分为大量规则网格（32*32像元）。通过神经网络模型，对每个网格的类型进行推理。下图为北京地区的局部气候分区场景分类结果图，右侧红色为稠密建筑区，橙色为开阔建筑区，绿色为植被，白色为裸地，蓝色为水域。
