با پیشرفت های نوین در سنجش از دور و تولید تصاویر چند طیفی با توان تفکیک مکانی بالا، امکان استفاده از این داده ها جهت مطالعه دقیق پدیده ها و طبقه بندی کلاس های پوششی زمین ایجاد شده است. اطلاعات مورد نیاز برای ایجاد کاداستر زراعی از سه طریق داده های تصویری، اطلاعات میدانی و اطلاعات توصیفی قابل تأمین است. هم اکنون در اداره کل کاداستر از تصاویر ماهواره ای برای استخراج مرزهای زراعی استفاده نمی گردد، لذا با توجه به وسعت اراضی زراعی استفاده از این تصاویر به نوبه خود یک نوآوری است. در ابتدا، با استفاده از طبقه بندی داده های تصویری ماهواره ای و بازدید از موقعیت املاک زراعی، نوع کاربری زمین تعیین شده است. نتایج طبقه بندی نشان داد که از بین سه روش طبقه بندی کننده حداکثر شباهت، ماهالانوبیس و ماشین های بردار پشتیبان (svm)، روش طبقه بندی کننده svm با دقت کلی 99% دقت بالاتری نسبت به دو روش ذکر شده دارد. ارزیابی های دقت (دقت کاربر، دقت کلی، دقت تولید کننده و ضریب کاپا) با استفاده از بررسی ماتریس خطا، نشانگر موفقیت قابل قبولی در طبقه بندی این تصاویر به کمک روش پیشنهادی است. سپس با استفاده از روش طبقه بندی svm به صورت دوگانه، نقشه کاربری تصاویر چند طیفی ماهواره ای با توان تفکیک مکانی بالا، پیاده سازی شده است. این روش بر روی داده تصویری چند طیفی quickbird شامل 4 باند با قدرت تفکیک مکانی 4/2 متر که با استفاده از روش ادغام داده های چند طیفی این سنجنده با باند پانکروماتیک آن از طریق آنالیز مولفه های اصلی (pca)، به قدرت تفکیک مکانی 6/0 متر رسیده، انجام شده است. سپس، اطلاعات میدانی از طریق کار زمینی یا نقشه‏های فتوگرامتری حاصل از تبدیل عکس های هوایی بدست آمده است. در این مرحله، با استفاده از عکس های هوایی رنگی تولید شده از طریق دوربین های دیجیتال هوایی و تولید نقشه های فتوگرامتری، مختصات رئوس و حدود زمین با دقت بالا بدست می آید. به منظور افزایش سطح اتوماسیون در این مرحله، از تکنیک تشخیص لبه در تصویر ماهواره ای نیز استفاده شده است. لازم به ذکر است که در این تحقیق از دو روش تشخیص لبه canny و sobel استفاده گردیده و نتایج نشان می دهد که روش sobel کارایی بالاتری در استخراج مرزها دارد. در صورت وجود بافت در املاک زراعی، روش canny آنها را به عنوان لبه تشخیص داده و این، کار شناسایی مرزها را دشوارتر می کند. در تشخیص لبه از طریق روش قطعه بندی (تولید اتوماتیک مرزهای زراعی)، از آنجا که به دلیل وجود عوارض مختلف در زمین های زراعی، معمولاً خطوط مستقیم در دسترس قرار نگرفته و از طرفی نیز، تعیین دقیق مختصات رئوس از این طریق با دشواری هایی همراه است، در یک پیاده سازی مقدماتی، از تکنیک تشخیص لبه sobel و تبدیل hough برای تبدیل لبه ها به خطوط مستقیم استفاده شده است. سرانجام، ابتدا اطلاعات توصیفی از طریق اطلاعات حقوقی مندرج در دفاتر املاک ادارات ثبت و سند مالکیت قابل حصول گشته است. سپس با استفاده از اطلاعات بدست آمده از مرحله اول یعنی تعیین کاربری زمین و از مرحله دوم یعنی مختصات رئوس و حدود زمین، و تلفیق آن ها با اطلاعات حقوقی نظیر مساحت، نام مالک، میزان سهام و غیره، سیستم کاداستر پیاده سازی شده است.

این تحقیق به تخمین رطوبت خاک با استفاده از تصاویر راداری برای پروژه smex03 در ایالت oklahoma می پردازد. به این منظور، از مدل ابر آبی بهبود یافته (iwcm) به صورت مطلق، و روش تشخیص تغییرات(change detection) به صورت نسبی استفاده گردید. مدلiwcm، دو پارامتر ناهمواری و پوشش گیاهی را در محاسبات دخالت می دهد. در این تحقیق نیز برای پارامتر ناهمواری دو روش مدل نیمه تجربی و روش استفاده از داده های زمینی استفاده شده است. برای رطوبت گیاه نیز چهار روش استفاده از داده های زمینی، استفاده از داده های همسان راداری و دو شاخص گیاهی بررسی گردیده است. از ترکیب این روشها، رطوبت خاک در هشت حالت مورد محاسبه قرار گرفته است. برای تعیین دقت از شاخص r2 و برای تشخیص صحت از شاخص rmse استفاده شده است. مقایسه آنها نشان داد که از لحاظ دقت روشی که از داده های ناهمواری حاصل از مدل نیمه تجربی و داده های گیاهی نسبت همسان راداری استفاده می کند با r2 برابر با 5/77% بهترین جواب را می دهد. در مورد صحت نیز روشی که از داده های ناهمواری زمینی و شاخص ndwi استفاده می کند با rmse برابر با 039/0 بهترین جواب را دارد. مابقی نتایج هم در تحقیق ارائه شده اند. در روش تشخیص تغییرات، تغییرات ضریب بازپخشی با استفاده از فرمول خاصی که در این تحقیق ارائه شد، برای چهار بازه زمانی که هر یک، دو روز اختلاف داشتند، در نظر گرفته شد. این تغییرات با تغییرات رطوبت خاک مقایسه گردید و در مورد آنها نیز شاخص های r2 و rmse محاسبه گردید و به ترتیب r2 برابر با 8/82%، 7/76%، 9/65% و 7/88% و rmse برابر با 2544/0، 4893/0، 4247/0 و 4893/0 به دست آمد. در ادامه تحقیق، این دو مدل با هم ترکیب گردیدند، بدین صورت که برای 3 جولای با استفاده از مدل iwcm رطوبت خاک محاسبه شد و با مدل تشخیص تغییرات و با استفاده از تصاویر راداری روزهای بعد برای روز 12 جولای نقشه رطوبت خاک تهیه گردید و با نقشه رطوبت خاک به دست آمده توسط مدل iwcm برای روز 12 جولای مقایسه گردید. با استفاده از شاخص r2 همبستگی این دو نقشه 99/94 % به دست آمد که بیان کننده کارایی ترکیب این دو روش برای تخمین رطوبت خاک است.

هدف از این تحقیق ، تصحیح هندسی و زمین مرجع کردن تصویر ، جهت تعیین محل جغرافیایی پدیده های موجود در تصویر و قابل انطباق ساختن عوارض تصویر با نقشه ها و دیگرلایه هی اطلاعاتی می باشد .