高光譜具有多個波段且精度較高的特性，已經是現在空間資訊中的主要材料，本研究分別以細菌覓食演算法(Bacterial Foraging Optimization)以及粒子群聚類優化演算法(Particle Swarm Optimization and K-means)兩種非監督式學習方法對水稻田進行判釋，並比較高光譜影像以及多光譜影像是否會影響影像判釋的準確率。研究設計上以這兩種方法對高光譜以及多光譜進行水稻田辨識，並且比較其分類結果，可以了解高光譜究竟比一般光譜有哪些的優勢。另外使用細菌覓食演算法及粒子群聚類優化演算法對高光譜進行影像判釋，同時使用細菌覓食演算法及粒子群聚類優化演算法對多光譜進行影像判釋，可以了解細菌密食演算法究竟改善了非監督式學習的分類方法哪些障礙。最後以判斷兩種影像資料對於影像判釋分類結果進行比較，以誤差矩陣表和主題圖進行分類之差異性呈現。