بررسی و مطالعه بر روی تکنیک سنجش از دور نشان می دهد که تصاویر ماهواره ای و تکنیک های سنجش از دور، به دلیل فراهم آوردن داده های به هنگام و قابلیت بالای آنالیز تصاویر، کاربرد گسترده ای در تمامی بخش ها از جمله کشاورزی و منابع طبیعی دارند. در پژوهش حاضر، به منظور شناسایی و تفکیک اراضی زیر کشت محصولات مختلف و تهیه نقشه انواع محصولات منطقه ای در اطراف مشهد (مزرعه نمونه آستان قدس رضوی) از دو تصویر داده های رقومی ماهواره لندست، سنجنده +etm مربوط به سال 1391 استفاده شد. در منطقه مورد مطالعه محصولات گندم، جو، ذرت علوفه ای، یونجه، خربزه و گوجه فرنگی قرار دارد. برای جداسازی چهار محصول {ذرت علوفه ای، گوجه فرنگی، خربزه و یونجه}از سایر محصولات، از تصویر مربوط به تاریخ 12 شهریور (2 سپتامبر) استفاده شد. در این زمان مزارع {گوجه فرنگی، ذرت، خربزه و یونجه} در اوج سبزینگی خود قرار دارند و محصولات {گندم، جو} برداشت شده اند و فقط از مزارع {گوجه فرنگی، ذرت و یونجه، خربزه}بازتاب وجود دارد و در نتیجه این مزارع قابل تفکیک هستند. برای جداسازی سه محصول{گندم، جو و یونجه}از سایر محصولات از تصویر تاریخ 13 مه (24 اردیبهشت) استفاده شد در این زمان مزارع {گوجه فرنگی و ذرت و خربزه} هنوز سر از خاک در نیاورده اند و محصولات {گندم، جو و یونجه}در اوج بازتاب خود هستند و دوران بلوغ را سپری می کنند. در نتیجه این محصولات از سایر محصولات قابل تفکیک هستند. جهت طبقه بندی تصویر در هر یک از این دو ماه، از دو روش طبقه بندی نظارت شده شامل حداکثر احتمال و شبکه عصبی مصنوعی استفاده شد. برای جدا سازی محصول یونجه، از تلفیق تصویر طبقه بندی شده تصاویر ماه مه و سپتامبر با یکدیگر( به دلیل اینکه این محصول پوشش سبزی است که در هر دو طبقه مشترک می باشد) استفاده شد. از تصویر ndvi منطقه برای تفکیک ذرت علوفه ای و گوجه فرنگی و خربزه از یکدیگر در ماه سپتامبر استفاده شد. برای جداسازی درختان از سایر محصولات از تصاویر ماهواره ای موجود در نرم افزار گوگل ارث استفاده شد، به دلیل اینکه تصاویر گوگل ارث قدرت تفکیک مکانی بالایی دارند، باغات به راحتی از سایر مزارع قابل تفکیک می باشند. برای مقایسه تصویر حاصل از دو روش، نمونه های تعلیمی و آزمایشی و روش کار کاملا یکسانی برای هر دو روش انتخاب شد. جهت ارزیابی صحت نتایج طبقه بندی، نقشه تولیدی با نقاط واقعیت زمینی مشخص شده از طریق gps، مورد بررسی قرار گرفت. ضریب کاپا و صحت کلی برای روش حداکثر احتمال به ترتیب82 و 85 درصد و برای شبکه عصبی به ترتیب 84 و 87 درصد برآورد گردید. مساحت های سطح زیر کشت محاسبه شده از نقشه طبقه بندی به روش حداکثر احتمال و شبکه عصبی توانست به ترتیب با اختلاف متوسط 8/16و 2/14 درصد با اطلاعات مساحت های موجود در مزرعه آستان قدس مساحت محصولات مختلف را تخمین بزند. مطالعه حاضر نشان داد که دو روش مذکور دارای دقت قابل قبولی می باشند. همچنین نتایج این تحقیق نشان داد که تصاویر ماهواره ای از قابلیت بالایی برای تفکیک سریع اراضی زراعی و تهیه نقشه انواع محصولات در منطقه و تعیین سطح زیر کشت با دقت نسبتا مناسب در مقیاس منطقه ای برخوردار است. این اطلاعات برای برنامه ریزی های کلان منطقه ای در قالب تدوین الگوی کشت یا توسعه مکانیزاسیون بسیار مفید می باشند.