由於類別統計可分性反映了類別被正確分類的概率，因此，通過研究類別統計可分性的尺度效應來反映類別被正確分類的不確定性的尺度效應。
我們用 Lanier湖區的 TM多光譜遙感數據作為研究遙感數據分類不確定性尺度效應的實驗數據。不同尺度（空間分辨率）的數據通過將原始空間分辨率（30 m）的數據進行逐步尺度擴展得到。尺度擴展的方法是計算壹定窗口內原始圖像DN值的平均作為尺度擴展後空間分辨率為窗口大小的像元的 DN 值。類別統計可分性度量的計算利用遙感數據分類的訓練數據計算。原始空間分辨率數據的分類訓練數據通過層次隨機采樣方法選取。在訓練數據選取過程中，記錄每個樣本點的空間位置形成壹個空間掩模（mask），尺度擴展後的遙感數據的訓練數據在同樣的空間位置上選取，以保證計算類別統計可分性度量不會因采樣差異而引入誤差。類別統計可分性用TM數據1-5波段計算。
圖6-2和圖6-3分別為各類對之間的變換離散度和 J-M距離隨圖像空間分辨率的變化。圖中大寫字母 W、U、B、A、G、C、S、P、D 分別代表圖像分類中定義的各類別：水體（Water）、城鎮（Urban and Developed）、裸地（Bare Ground）、農地（Agriculture）、草地（Grassland）、雲（Cloud）、陰影（Shade）、針葉林（Pine）和闊葉林（Deciduous）。
圖6-2 類別之間變換離散度隨圖像空間分辨率的變化
圖6-3 類別之間 J-M距離隨圖像空間分辨率的變化
從圖中可以看出，變換離散度和J-M距離所反映的類對間統計可分性隨空間分辨率變化的結構基本壹致。圖中所反映的統計可分性隨空間分辨率變化的結構基本上有四種，任何壹種情況都是隨空間分辨率的降低，導致類別光譜變異程度的降低和混合像元數目增加，這兩個對類對可分性作用相互矛盾的兩個因子互動的結果。
（1）統計可分性隨空間分辨率的降低基本保持不變或略有降低。具有這種變化結構的類對之間，壹般在初始空間分辨率就有很高的統計可分性。由於這些類別之間大都沒有空間上直接的鄰接關系，空間分辨率的降低並不能增加混合像元的數目，或混合像元數目增加非常有限，相反類別內部的光譜變異程度卻隨著空間分辨率的降低而降低，因此這些類對之間始終保持較高的統計可分性。屬於這種結構的類對包括W-U，W-B，W-A，W-G，B-A，U-A，U-C，U-S，A-S，B-S，A-C，C-D，G-S以及C-S等。
（2）統計可分性隨圖像空間分辨率的降低而增高，達到最大值後，隨空間分辨率的繼續降低而開始降低。在這種情況下，在統計可分性達到最大值之前，隨著空間分辨率降低，類別內光譜特征變異程度減小對可分性變化的貢獻大於混合像元數目的增加對可分性變化的貢獻，超過壹定空間分辨率後，混合像元增加對統計可分性變化的貢獻大於類內光譜特征變異程度減小對統計可分性的貢獻，因為類內光譜特征變異程度的減小到壹定程度就不可能再無限減小。屬於這種結構的類對間在空間結構上壹般具有直接鄰接關系，如水體和陰影之間（W-S），農地和草地之間（A-G）以及針葉林和闊葉林之間（P-D）。
（3）類對間統計可分性隨空間分辨率的降低而持續降低。屬於這種結構的類對之間壹般也具有直接鄰接的空間關系。在初始高分辨率時，這些類對之間具有很高的統計可分性，隨著空間分辨率的降低，這些類對間混合像元數目迅速增加，可分性也下降很快。屬於這種結構的類對包括W-P，U-G，B-G，U-B，A-D，G-P等。
（4）類對間統計可分性隨空間分辨率的下降呈震蕩結構。這種情況下類內光譜特征變異程度和混合像元數目隨空間分辨率的變化對統計可分性的影響的互動比較復雜。在某些尺度上，類內光譜特征變異程度的變化對可分性的影響大於混合像元數目變化的影響，而在另壹些尺度上正好相反。屬於這種結構的類對包括W-S，A-G，P-D等。
從圖6-2和6-3還可以看出，不同的類對之間，其統計可分性最大的空間分辨率有所不同。雖然大部分類對間最大的統計可分性發生在原始分辨率，但有許多類對間的最大統計可分性發生在其他空間分辨率。如水體和陰影（W-S）之間的最大統計可分性發生在60 m空間分辨率，而農地和草地之間的最大統計可分性發生在240 m空間分辨率。這證明了並不壹定是空間分辨率越高，分類精度越高。因此，要得到高的分類精度，不同的類別之間應該使用不同空間分辨率的數據。
圖6-4 平均的變換離散度隨圖像空間分辨率的變化
圖6-5 平均的 J-M距離隨圖像空間分辨率的變化
圖6-4和圖6-5分別為平均的變換離散度和平均的 J-M 距離隨空間分辨率的變化。平均的變換離散度的最大值出現在60 m分辨率，而平均 J-M 距離的最大值發生在30 m分辨率，但兩個指標在30 m和 60 m分辨率的值都非常接近，二者確定的最大可分性發生的分辨率的差異只是這兩個統計可分性指標計算方法的差異造成的。可以認為，在30 m和60 m分辨率上具有幾乎相同的平均統計可分性。