به کارگیری تمامی رشته های علمی به درک محیط و عوامل موثر بر تغییرات کره زمین کمک می کند. بدیهی است لازمه دستیابی به توسعه پایدار، شناخت محیط و عوامل موثر بر آن است. استفاده از فن آوری دور سنجی و به کارگیری داده های ماهواره ای اغلب موجب کاهش هزینه ها، صرفه جویی در وقت و افزایش دقت و سرعت می گردد و روزبه روز بر اهمیت این فن آوری در راستای توسعه پایدار افزوده می شود، فن آوری دور سنجی ازجمله ابزارهای نوینی است که دست یابی و استخراج اطلاعات پایه برای مدیریت مـنابع زمین را میــسر می سازد. مسئله یافتن معیارهای ساده، عینی و تکرارپذیر که با آن بتوان عوارض وابسته به قلمرو شهرها ازجمله شهر اهواز را تشخیص داد، توصیف نمود و برای آن ها هویتی معنادار تعریف نمود مانعی جدی برای درک و شناخت شهر است و معرفی و ارائه روش¬های نوین برای پاسخ گویی به چنین نارسایی¬هایی موردنظر و هدف این پژوهش است. لذا منطقه کیانپارس به عنوان مثالی برای اجرایی شدن یا نشدن طرح طبقه بندی کاربری/ پوشش زمین شهری مبتنی بر هوش مصنوعی و با استفاده از تصاویر سنجش ازدور بوده است. با توجه به پیشرفت های زیادی که در سنجش ازدور صورت گرفته است، تصاویر باکیفیت مناسب برای مطالعاتی مانند مطالعات شهری فراهم گردیده است. از نمونه های این گونه تصاویر باکیفیت بالا، تصاویر سنجنده آیکونوس (ikonos) است. در این پژوهش با استفاده از تصاویر ماهواره ای سنجنده آیکونوس سال 2008، به بررسی وضعیت کاربری/پوشش منطقه کیانپارس اهواز پرداخته شده است. تصحیح هندسی و اتمسفری در نرم افزار envi بر روی تصویر موردنظر صورت پذیرفته است. طبقاتی مانند ساختمان¬های بزرگ، سطوح سبز، درختان، زمین¬های بایر و... استخراج شده است. با استفاده از نقشه طبقه بندی شده تصویر ماهواره¬ای اقدام به تهیه نقشه کاربری اراضی محله کیان پارس گردیده است. طبقه بندی به روش های پیکسل پایه (شبکه عصبی) و روش شی ءگرا در نرم افزار ecognition انجام شده است. با توجه به نوع پوشش/ کاربری زمین در محله کیانپارس و با توجه به دو روش مورداستفاده در این پژوهش (شبکه های عصبی و روش نزدیک ترین همسایه)، صحت کلی طبقه بندی به روش پیکسل پایه 73 درصد و به روش شی ءگرا 86 می باشد. نتایج به دست آمده حاکی از آن است که روش شی گرا نسبت به روش پیکسل پایه بهتر عمل نموده است. همچنین این پژوهش نشان داد که استفاده از تصاویر ماهواره ای و هوش مصنوعی روشی مناسب و تکمیلی برای طبقه بندی پوشش/کاربری های شهری و تهیه نقشه می باشد و باعث صرفه جویی در زمان و هزینه ها نسبت به روش سنتی می گردد. در انتها با توجه به نتایج پژوهش راهکارهایی برای استفاده بهتر و فراگیرتر سنجش ازدور در زمینه طبقه بندی زمین شهری ارائه گردیده است.