دهه های اخیر با رشد مدیریت نشده شهرها و حرکت سریع آن ها به سمت اراضی گیاهی و کشاورزی همراه بوده است. تعیین حدود مرزی و تغییرات پوشش و کاربری اراضی و تعیین ساختار رشد شهر در فواصل زمانی برای برنامهریزی مسئولانه و آگاهانه در مورد آن ها ضروری است. سنجش از دور به عنوان یک فن آوری قدرتمند می تواند در آشکار سازی تغییرات پوشش و کاربری اراضی مورد استفاده قرار گیرد. روش های سنتی آشکارسازی به سختی قادر به آشکارسازی تغییرات در مناطق پیچیده مانند شهرها و جنگل های متنوع گیاهی هستند. مطالعات انجام شده نشان می دهد که رویکرد نظارت شده طبقه بندی هم زمان تصاویر دو یا چندزمانی در مقایسه با روش های مقایسه مقادیر طیفی دو تصویر و روش مقایسه تصاویر طبقه بندی شده به منظور تولید نقشه تغییر، نتایج بهتری ارائه می دهد. در این تحقیق به منظور آشکارسازی تغییرات و پایش رشد شهر از دو مجموعه داده یکی بزرگ مقیاس و دیگری متوسط مقیاس استفاده شده است. مجموعه اول تصاویر دو زمانی geoeye منطقه 17 شهر تهران و مجموعه دوم تصاویر دو زمانی landsat شهر آمل هستند. در این تحقیق روشی مبتنی بر ویژگی های مکانی متن تصویر، شبکه های عصبی و الگوریتم ژنتیک به منظور آشکار سازی تغییرات پیشنهاد شده است. این روش شامل سه مرحله بهینه سازی ویژگی های ورودی شبکه، بهینه سازی معماری شبکه و بهینه سازی وزن دهی اولیه شبکه با استفاده از الگوریتم ژنتیک می باشد. در روش پیشنهادی ویژگی های مکانی بافت، از تصویر طیفی زمانی استخراج شدند و پس از آن انتخاب ویژگی های بهینه از میان این ویژگی ها در کنار ویژگی های طیفی با استفاده از روش بهینه سازی الگوریتم ژنتیک صورت گرفت. یکی از مشکلات شبکه عصبی حساس بودن به وزن دهی اولیه قبل از شروع فرآیند آموزش است. به همین دلیل در این تحقیق وزن های اولیه قبل از معرفی به روش پس انتشار، با الگوریتم ژنتیک تعیین شده اند. روش پیشنهادی در هر سه مرحله انتخاب ویژگی ها، بهینه سازی معماری و بهینه سازی وزن دهی اولیه شبکه، صحت آشکارسازی تغییرات را افزایش می دهد. مجموعه این سه مرحله صحت آشکارسازی تغییرات را در مقایسه با روش مرسوم طبقه بندی کننده بیشترین شباهت 9 درصد در تصاویر geoeye و 10 درصد در تصاویر landsat بهبود می بخشد. اندازه گیری تغییرات شهری بخش الحاقی آشکارسازی تغییرات شهری است. متریک های اکولوژی برای تشریح عددی ساختار سیمای سرزمین استفاده می شوند. نقشه های پوشش و اراضی شهری منابع داده ای هستند، که معمولا به عنوان داده ورودی، برای محاسبه متریک های اکولوژی در محیط gis به کار گرفته می شوند.