环境主题图中隐含不确定性问题之探讨乃是重要课题,其主要原因与空间数据之属性质量有关,而属性质量客观上会决定GIS不确定性问题的存在与产生。为有效度量空间数据属性质量之问题。 本研究以Quickbird卫星影像为例,探讨水稻主题图制作时其它植生对不确定性问题之影响性。透过纹理信息、模糊隶属度、影像边线对象化以及Apriori关连规则等技术来挖掘出多类别训练样本中之潜在知识,此知识将有助于分离出影像中易混淆之水稻、草地与林地之差别性,称为水稻知识之稳定指针。使用Shannon熵来表达低知识量之水稻内涵，而本研究视为水稻不确定讯息之影响范围。结果显示,本研究分析程序可成功的将空间特征数据中讯息不确定性程度量分离出来,而研究贡献有二点：⑴主题图制作时可明确定义误差程度；⑵提出不同层级水稻田主题图之知识内涵。