طبقه بندی تصاویر ماهواره ای از رایج ترین شیوه های استخراج اطلاعات به شمار می رود. برای حصول به دقت بالا در الگوریتم های مرسوم همچون طبقه بندی بیشترین شباهت به نمونه تعلیمی زیادی نیاز است، بنابراین زمان و هزینه بالایی را می طلبد. همچنین دشواری دسترسی به برخی مناطق صعب العبور ایجاد مشکلات فراوان می کند. یادگیری فعال روشی مناسب برای کاهش احتیاج به نمونه های واقعیت زمینی با حجم زیاد است، چراکه الگوریتم های مورد استفاده در آن همچون svm قابلیت تعمیم دهی زیادی دارند. هدف از این مطالعه تشخیص توانایی استفاده از روش یادگیری فعال با الگوریتم های svm با داده های modis برای طبقه بندی دقیق و صحیح ویژگی های خاک منطقه ابرکوه یزد می باشد. نتایج حاصله با نتایج حاصل از طبقه بندی بیشترین شباهت مقایسه و تحت آزمون های آماری قرار گرفت. نتایج نشان داد که کاربرد روش یادگیری فعال با الگوریتم svm نسبت به روش بیشترین شباهت باعث بهبود طبقه بندی برای مطالعه برخی خصوصیات خاک شده است. تابع کرنلی rbf در الگوریتم svm نتایج قابل قبولی را باعث شد. همچنین مشخص شد که تصویر modis برای کاربرد روش یادگیری فعال بر روی آن جهت مطالعه خاک مناسب می باشد.