نحوه عمل در اکثر الگوریتم های طبقه بندی متداول در سنجش از دور بر اساس ویژگی ها و اطلاعات طیفی پیکسل ها می باشد. این مسئله باعث نایده گرفتن مقدار زیادی از اطلاعات فضایی موجود در تصویر می شود. در مواردی از اطلاعات بافت و واریانس استفاده شده ولی اطلاعات قابل استخراج از واریوگرام کمتر مورد استفاده قرار گرفته اند و به تغییرات زمانی واریوگرام توجه کمی شده است. درصورتی که تغییرات زمانی برای تهیه نقشه کاربری و پوشش زمین مخصوصاً پوشش گیاهی از اهمیت بالایی برخوردار است. استفاده از واریوگرام و شاخص های استخراج شده از آن می توانند در افزایش دقت طبقه بندی موثر باشند. در این تحقیق از تصاویر چند زمانه spot و aster برای تهیه نقشه کاربری و پوشش اراضی منطقه دهگلان واقع در استان کردستان استفاده شده است. مجموعه ای از شاخص های استخراج شده از واریوگرام معرفی و یک سری شاخص جدید استخراج شد و روش svm برای طبقه بندی استفاده شد. روندکلی کار در سه مرحله انجام گرفت ؛ 1- طبقه بندی باندهای طیفی 2- طبقه بندی باندهای طیفی به همراه پارامترهای استخراج شده از واریوگرام.3- طبقه بندی شاخص های استخراج شده از واریوگرام و استخراج کلاس های جدید. بعد از ارزیابی دقت و مقایسه آنها، شاخص های مناسب معرفی شدند. نحوه عمل شاخص ها با همدیگر فرق می کند بعضی از شاخص ها باعث افزایش دقت اکثر کلاس ها شده و در بعضی از کلاس ها بی تأثیر می باشند این شاخص ها را می توان شاخص های عمومی قلمداد کرد در نقطه مقابل برخی از شاخص ها نیز باعث افزایش دقت برخی کلاس ها و کاهش دقت برخی دیگر از کلاس ها می شوند که شاخص های ویژه محسوب می شوند. بررسی ها نشان می دهند که هنگام استفاده از شاخص های استخراج شده از واریوگرام، دقت کلی حدود4 درصد و دقت در برخی از کلاس ها حدود 9 درصد افزایش می یابد. دقت کلی در صورت استفاده از کلیه شاخص ها از 88.98 درصد به 92.744 می رسد. همچنین بعد از طبقه بندی شاخص ها، کلاس های جدید قابل تشخیص هستند که امکان تشخیص آنها با اطلاعات طیفی فراهم نمی باشد. بنابراین شاخص های قابل استخراج از واریوگرام قابلیت خوبی در افزایش دقت طبقه بندی و استخراج کلاس های جدید دارند.