محدودیتهای سنجندههای مختلف سنجش از دور و ضعف آنها در شناسایی عوارض مختلف باعث شد ادغام دادههای حاصل از سنجندههای مختلف به منظور بهبود نتایج طبقه بندی مورد توجه قرار گیرد. در میان سنجندههای مختلف کنونی، در سالهای اخیر دو سنجنده فراطیفی و لیدار به منظور طبقهبندی زمین بسیار پرکاربرد بودهاند. دادههای حاصل از لیدار اطلاعات ارتفاعی مناسبی را از عوارض زمینی به ویژه عوارض دارای ارتفاع مانند ساختمان فراهم میکنند در حالی که اطلاعات طیفی ضعیفی از عوارض ایجاد میکنند. در همین حال دادههای حاصل از سنجندههای فراطیفی اطلاعات طیفی مناسبی از عوارضی مانند خاک، آب و چمنزارها فراهم میکنند ولی اطلاعات ارتفاعی مناسبی از آنها در دسترس نیست. تحقیق پیش رو به منظور طبقهبندی بهتر عوارض زمینی، از مفهوم سیستم طبقه بندی کننده چندگانه فازی برای طبقه بندی دادههای فراطیفی و لیداراستفاده میکند. پس از استخراج فضای ویژگی برای هر دو داده فراطیفی و لیدار، از روش طبقه بندی فازی نزدیکترین همسایگی برای طبقه بندی فازی هر داده استفاده خواهد شد. روش ادغام مورد استفاده برای ادغام تصمیمات فازی، روش الگوی تصمیم گیری میباشد. به منظور ارزیابی هر چه بیشتر روش پیشنهادی، یک سیستم طبقه بندی کننده چندگانه تک مقداری نیز به منظور مقایسه نتایج با روش پیشنهادی فازی ارائه میشود. در قسمت تک مقداری از طبقه بندی کننده ماشین بردار پشتیبان (SVM) برای طبقه بندی هر داده بصورت مجزا استفاده میشود و در ادامه روش ادغام بیزین برای ادغام نتایج طبقه بندی در سطح تصمیم گیری مورد استفاده قرار میگیرد. روش پیشنهادی روی داده فراطیفی و لیدار دانشگاه هیوستون و محوطه شهری اطراف آن پیاده سازی شد. نتایج طبقه بندی فازی دادههای لیدار و فراطیفی 75% و 88% بوده است. این درحالی است که سیستم فازی ادغام طبقه بندی کنندهها دقت 96% را ایجاد کرده است. استفاده از ادغام طبقه بندی کنندهها باعث بهبود طبقه بندی کلاسهای زمینی میشود. به علاوه این تحقیق نشان میدهد سیستم طبقه بندی کننده چندگانه در حالت فازی در نهایت بیشترین افزایش دقت را در مقایسه با سیستمهای تک مقداری حاصل میکند.