简述遥感中监督分类与非监督分类的优缺点以及其组合应用的关键步骤

遥感图像分类是将遥感图像中的像元划分到不同的类别中，以反映不同地物的空间分布和数量。根据分类算法的不同，可以将遥感图像分类分为监督分类和非监督分类。

监督分类的优点：
1. 精度相对较高，分类结果准确性较高；
2. 可以利用前人的经验和现场调查数据进行分类；
3. 可以快速地进行大面积的遥感图像分类。

监督分类的缺点：
1. 需要大量的已知类别的样本数据进行训练，数据获取成本较高；
2. 对于新的地物类型或者地物类型变化较大的区域，需要重新进行数据采集和分类模型训练；
3. 人工干预较多，分类效率低。

非监督分类的优点：
1. 可以自动发现地物类型和地物类别之间的联系，不需要人工干预；
2. 适用于未知地物类别和数据量较大的情况；
3. 可以快速地进行大面积的遥感图像分类。

非监督分类的缺点：
1. 分类结果不够准确，需要进行后期人工修正；
2. 可能出现分类结果不理想的情况，需要通过多次试验来确定最终的分类模型。

监督分类和非监督分类可以进行组合应用，以充分发挥它们的优点并弥补缺点。常见的组合应用包括半监督分类、混合分类等。

半监督分类是指利用少量已知类别的样本数据进行监督分类模型的训练，然后将模型应用于整个遥感图像数据集进行分类。

混合分类是指将监督分类和非监督分类相结合，利用监督分类的准确性和非监督分类的自动发现地物类别之间的联系，来提高遥感图像分类的准确性和自动化程度。

组合应用的关键步骤包括：数据预处理、特征提取、分类器的选择和参数调整、分类结果的评价和后期处理等。其中，数据预处理是保证分类精度的前提，特征提取是分类的关键步骤，分类器的选择和参数调整是影响分类准确性的重要因素，分类结果的评价是衡量分类效果的标准，后期处理则是对分类结果进行进一步优化和完善。