تولید نقشه و اطلاعات قابل‌استفاده در یک سامانه اطلاعات مکانی هزینه و زمان قابل‌توجهی را به خود اختصاص می‌دهند که درنهایت این اطلاعات مبنای تصمیم‌گیری‌ها و فعالیت‌های بعدی به‌خصوص در مناطق شهری قرار می‌گیرند. بهنگام رسانی داده‌ها متضمن پیشرفت یک سامانه اطلاعات مکانی و استفاده درست از آن خواهد بود. فرآیند شناسایی تغییرات، زمینه را برای بهنگام رسانی اطلاعات فراهم می‌آورد و یکی از موضوعات کاربردی و چالش‌برانگیز در بسیاری از شاخه‌ها ازجمله: برنامه‌ریزی شهری، محیط‌زیست و سایر علوم مربوط به زمین است .تکنیک‌های متداولی که برای آشکارسازی تغییرات بکار گرفته می‏شوند، معمولاً مبتنی بر پیکسل هستند. در این تحقیق از دو روش ماسک باینری و مقایسه پس از طبقه‌بندی به‌صورت ترکیبی بهره گرفته شد و سپس نتایج حاصل با روش مقایسه پس از طبقه‌بندی مقایسه شد. ماسک باینری توسط تلفیق روش حد آستانه گذاری فازی و حد آستانه گذاری اتوماتیک otsu ایجاد شد. سپس مقایسه توسط طبقه‌بندی کننده‌های بیشترین شباهت، کوتاه‌ترین فاصله، ماشین بردار پشتیبان و شبکه عصبی مصنوعی صورت گرفت .برای این منظور در این تحقیق از تصاویر ماهواره­ای با توان تفکیک بالای ماهواره­های GeoEye و QuickBird  مربوط به سال‌های 1385 و 1389 جهت شناسایی تغییرات در منطقه مطالعاتی شهرک آزاد­شهر واقع در ناحیه هشت از منطقه 22 استان تهران، استفاده شده است. نتایج به‌دست‌آمده نشان می‌دهد که روش پیشنهادی از نظر  مقایسه کمی و کیفی در نشان دادن تغییرات در مقابل روش مقایسه پس از طبقه‌بندی از دقت بالاتری برخوردار بوده است و دقت کلی و ضریب کاپا با استفاده از روش شبکه عصبی برای نقشه تغییرات به‌دست‌آمده از این روش معادل 32/73 و 38/68 بوده است.این در حالی است که دقت روش مقایسه پس از طبقه‌بندی برای روش شبکه عصبی معادل 61/65 و ضریب کاپا برابر 96/48 به‌دست‌آمده است.