کشاورزی به عنوان یکی از اساسی‏ترین نیازهای هر کشور، مطرح است. مدیریت صحیح این بخش یکی از مهترین راه کارها در زمینه افزایش بهروری کشاورزی هر کشور محسوب می‏شود. سنجش از دور به عنوان ابزاری جهت تولید اطلاعات جامع و با استفاده از فن آوری ماهواره‏ای برای مدیریت یکپارچه و جامع کشاورزی مطرح می‏شود. تشخیص نوع محصولات کشاورزی با استفاده از تصاویر ماهواره‏ای و با کمترین سطح نیاز به دست‏رسی مستقیم به زمین‏های کشاورزی موجب کاهش چشمگیر هزینه‏ها در بخش مدیریت کشاورزی در سطح کلان جهت تعیین سطح زیر کشت انواع محصولات کشاورزی می‏شود. از میان روش‏های مختلف تشخیص نوع محصولات کشاورزی، آنچه مناسب‏ترین روش برای کشور ایران با توجه به موقعیت جغرافیایی و سیاسی آن به نظر می‏‏رسد، استفاده از تصاویر اپتیکی چند زمانه مطابق با دوره تقویم زراعی محصولات منطقه مورد مطالعه است. استفاده از تصاویر چند طیفی چند زمانه راه کاری است که پیش از این تحقیقات جامعی بر روی آن انجام پذیرفته است. آنچه در این تحقیق مورد نظر است افزایش دقت تفکیک محصولات کشاورزی یک منطقه با استفاده از اطلاعات مرز زمین‏های کشاورزی استخراج شده از تصویر با قدرت تفکیک مکانی بالا است. در واقع الگوریتم پیشنهادی در این تحقیق اضافه کردن یک مرحله پردازش بر روی نتایج طبقه‏بندی کننده‏های آماری و غیرآماری نظیر طبقه‏بندی کننده بیشترین شباهت و طبقه‏بندی کننده شبکه عصبی در کلاس‏بندی زمین‏های کشاورزی می‏باشد. در الگوریتم پیشنهادی به هر زمین کشاورزی به عنوان یک واحد جداگانه نگاه شده و پس از پردازش پیکسل‏مبنای هر زمین کشاورزی، کلاسی که بیشترین پوشش را در سطح زمین مورد بررسی داشته باشد تعیین کننده نوع محصول آن مزرعه می‏باشد. در واقع مرز زمین‏های کشاورزی از تصویر با قدرت تفکیک مکانی بالا استخراج شده و نوع محصول پیکسل‏مبنا نیز با استفاده از تصاویر چند طیفی چند زمانه مشخص می‏گردد و الگوریتم پیشنهادی با تلفیق این دو داده به طبقه‏بندی شیء‏مبنای تصویر می‏پردازد. با استفاده از الگوریتم پیشنهادی، شاهد افزایش دقت 12% درصدی در زمینه تفکیک محصولات کشاورزی هستیم که دقت تفکیک محصولات کشاورزی را از 80% به 92% افزایش داده است. واژگان کلیدی: سطح زیر کشت، تفکیک محصولات کشاورزی، طبقه‏بندی پیکسل‏مبنا، طبقه‏بندی شیء‏مبنا، تصاویر اپتیکی، طبقه‏بندی شبکه عصبی، طبقه‏بندی بیشترین شباهت