Les projets futurs d'observation satellitaire superspectrale à des résolutions d'une dizaine de mètres fourniront des images de zones rurales et périurbaines. L'information spectrale précise du terrain permet une classification d'un tel paysage. Afin de régulariser une classification par maximum de vraisemblance, nous considérons une modélisation de l'image par champs de Markov. Nous utilisons une expression de son énergie selon le modèle de Potts, que nous avons rendu adaptatif aux classes, pour compenser la sensibilité des structures fines (routes) à une régularisation. De plus, l'étude de la texture fournit des critères supplémentaires caractéristiques de certaines classes (forêt, paysage urbain). Une image et une vérité terrain ont permis de mettre en évidence les méthodes, les critères et le paramétrage adéquats pour optimiser une classification.