چکیده امروزه کشف تغییرات به عنوان ابزاری برای تعیین تحولات محیطی و مشخص نمودن علت های آن بسیار مورد استفاده قرار می گیرد. یکی از روش های پرکاربرد در کشف تغییرات مقایسه دو تصویر اخذ شده در دو بازه زمانی مختلف است. ظهور تصاویر چندزمانه که در هر زمان با قدرت تفکیک مناسبی اطلاعات مربوط به پوشش سطح را در اختیار قرار می دهند به تولید تکنیک های نوین و بالا رفتن سطح کیفیت نتایج در این زمینه بسیار سودمند بوده است. بررسی رشد و توسعه شهری از جمله موضوعاتی است که تحقیقات بسیاری در مورد آن صورت گرفته. مشخص کردن میزان تغییرات در طول یک بازه زمانی علاوه بر این که ابزار مهمی در تصمیم گیری است می تواند برای مدیریت بحران نیز به خوبی مفید واقع شود. در این تحقیق از روشcellular automata برای کشف تغییرات با استفاده از تصاویر ماهواره ای استفاده می شود. با استفاده از مفاهیم مربوط به cellular automataروش جدیدی برای قطعه بندی بر مبنای کشف مرز در ناحیه ارائه خواهد شد. این روش می تواند مرزها را در محدوده شهری با دقت خوبی تعیین نماید. در ادامه برای تعیین بهترین حد آستانه مدل cellular automata برای انجام قطعه بندی بر مبنای تعیین مرز از الگوریتم ژنتیک استفاده نموده و در دو روش ca مرسوم به روش های چهار همسایگی یا von neumman و هشت همسایگی یا moore بهترین حد آستانه بدست می آید. برای این منظور از دو تصویر ماهواره ای landsat مربوط به سال های 2010 و 1988 مربوط به شمال تهران استفاده شد. برای ارزیابی دقت کمی و کیفی کشف تغییرات با استفاده از الگوریتم مورد نظر، نتایج با سه روش کشف تغییرات شامل تعیین مرز با استفاده از روش های لاپلاسین، کلاسه بندی بی نظارت،sobel و کلاسه بندی نظارت شده مورد ارزیابی قرار گرفت. دقت کلی برای روش های ارزیابی شده 1/73 درصد برای روش کلاسه بندی بی نظارت، 96/64درصد برای روش ca بر مبنای همسایگی moore، 08/63درصد برای روش ca بر مبنای همسایگی von neumman، 30/58 درصد برای روش لاپلاسین و 07/48درصد برای روشsobel بوده است. همچنین ضریب کاپا برای روش های بیان شده به ترتیب عبارتند از: 0.6264درصد برای روش کلاسه بندی بی نظارت، 0.4471درصد برای روش ca بر مبنای همسایگی moore، 0.4024درصد برای روش ca بر مبنای همسایگی von neumman، 0.3485درصد برای روش لاپلاسین و 0.1049درصد برای روشsobel.