ازجمله عوامل مهم در برنامه ریزی و مدیریت شهری، به ویژه در راستای نیل به توسعه ی پایدار در نواحی شهری و استفاده ی بهینه از سرزمین، دسترسی بهنگام از وضعیّت پوشش اراضی برای این مناطق است. داده های سنجش از دور پتانسیل بالایی برای تهیّه ی نقشه های به روز پوشش اراضی شهری دارند. روش های متفاوتی در زمینه ی تهیّه ی نقشه ی پوشش اراضی شهری با استفاده از تصاویر ماهواره ای گزارش شده است که هریک مزایا و معایبی دارند. دو روش طبقه بندی فازی آرت مپ و شبکه ی عصبی پرسپترون چندلایه، ازجمله روش های طبقه بندی تصاویر هستند که از توانایی بالایی در تفکیک طبقات مختلف پوشش اراضی، به ویژه پیکسل های مختلط برخوردار هستند. هدف از این مطالعه، مقایسه ی توانایی این دو روش طبقه بندی با به کارگیری تصویر سنجنده ی LISS-III سال 1387 در تهیّه ی نقشه ی پوشش اراضی شهر اصفهان است. نخست تصویر با میانگین خطای مربّعات 4/0 پیکسل تصحیح هندسی شد. پس از آن، دو روش طبقه بندی فازی آرت مپ و شبکه ی عصبی پرسپترون چندلایه به اجرا درآمد. درنهایت نقشه ی پوشش اراضی منطقه به پنج طبقه ی آب، مناطق مسکونی، اراضی بایر، پوشش گیاهی و جادّه طبقه بندی شد. برای ارزیابی درستی نتایج طبقه بندی، برداشت های زمینی بسیاری با استفاده از GPS انجام گرفت و صحّت کلّی برای روش فازی آرت مپ و شبکه ی عصبی پرسپترون چندلایه، به ترتیب 88 و 3/93 درصد برآورد شد. این مطالعه نشان داد که روش طبقه بندی شبکه ی عصبی پرسپترون چندلایه، نسبت به روش فازی آرت مپ، از توان تفکیک و قابلیّت بیشتری برای تهیّه ی نقشه ی پوشش اراضی در مناطق شهری برخوردار است.
