Lesní prostředí je reprezentantem prostorově velmi nejednotného ekosystému a to obzvláště v oblastech Mediteránního podnebí. Vysoká různorodost jak ve vertikálním tak v horizontálním směru ovlivňuje výslednou reflektanci vegetačního pokryvu zachycenou na obrazových datech dálkového průzkumu Země (DPZ). Tato heterogenita je během procesu automatického zpracování ještě podporována algoritmy dnešních klasifikátorů založených na principu klasifikace "pixel-by-pixel", kde zařazení pixlu do definovaných kategorií je založeno jen na spektrálních charakteristikách zkoumaného pixlu bez jakékoliv návaznosti na jeho okolí. Výsledná tématická mapa pak obsahuje malé skupiny buněk odlišné klasifikace od jejich širokého okolí, jež vytváří "šum" znesnadňující vnímání a interpretaci prvků dané mapové kompozice. Proto je nutné eliminovat rušivý účinek těchto pixlů skrze generalizaci obrazu.

Jednou z možných postklasifikačních generalizačních metod je využití procedury CLAPAS (CLAssement de PAysages et Segmentation - Classifying landscapes) vyvíjené posledních 9 let J.M. Robbez-Massonem (Institut National de la Recherche Agronomique - ENSA Montpellier). Narozdíl od konvenčních klasifikátorů používá tento algoritmus k zařazování pixlů do kategorií komparace mezi předem definovanými referenčními histogramy jednotlivých klasifikovaných tříd a histogramy získanými statistickým vyhodnocením okolních buněk zkoumaného pixlu. Velikost vyhodnocovaného okna není konstantní, ale uživatel specifikuje interval minimální a maximální velikosti prozkoumávaného okna v okolí zpracovávaného pixlu. Ve výsledné klasifikované kompozici jsou tedy buňky umístěny do kategorií v závislosti na významu digitálních hodnot jejich okolí o proměnlivé velikosti. Této výhody programu CLAPAS bylo využito při generalizaci tématické mapy lesních typů masivu Alaric (jihovýchodní Francie) v rámci projektu CEO realizovaného Laboratoří DPZ a digitální kartografie ESA Purpan v Toulouse. Generalizovaná mapa typů lesních porostů byla získána automatickou klasifikací nad simulovaným satelitním snímkem s vysokou kvalitou prostorového rozlišení 4 metry.