علوم ژئوماتیک از اصلی­ترین منابع تولید اطلاعات مکان مبنا می­باشند. سنجش­از­دور و فتوگرامتری در تولید چنین اطلاعاتی نقش اساسی را برعهده دارند. شناسایی تغییرات با توجه به ماهیت تغییر به وجود آمده برای نهادهای مختلف دارای اهمیت بالقوه هستند. تاکنون روش­های شناسایی تغییرات بسیاری از جمله ماسک باینری، مقایسه مستقیم و غیره مورد استفاده قرار گرفته­اند. هر یک از این روش­ها با توجه به هدف مورد نظر از داده­های متنوعی سود برده­اند؛ تصاویر اپتیک و مادون قرمز دارای بیشترین استفاده به عنوان داده ورودی در شناسایی تغییرات می­باشند. جهت بهبود دقت شناسایی تغییرات، فضاهای ویژگی متنوعی از جمله ویژگی­های بافتی مورد استفاده قرار گرفته­اند. آماره­های بافتی مستخرج از ماتریس رخداد همزمان دارای تنوع بالا با تاثیر­گذاری متفاوت بر نتایج شناسایی تغییرات می­باشند. اما استفاده از تمام ویژگی­های بافتی برای افزایش دقت، در مواقعی به دلیل افزایش اندازه تعداد ویژگی­ها و وجود نویز مشکلاتی را به همراه دارد. در این مقاله به منظور ارزیابی عملکرد هر یک از این آماره­های شناخته شده، به بررسی تاثیرگذاری آن­ها بر دقت­های شناسایی تغییرات پرداخته شد. ابتدا سه باند در ناحیه­های طیفی مختلف از تصویر لندست 8 برای سال­های 2013 و 2015 به عنوان داده­های ورودی انتخاب گردید. سپس آماره­های ماتریس رخداد همزمان روی هر یک از سه باند برای هر کدام از سال­های مورد اشاره استخراج گردید. در مرحله بعد، تصویر تفاضلی از طریق تفریق باندهای آماره­های بافتی متناظر برای سال­های 2013 و 2015 تولید گردید. همچنین تصویر تفاضلی باندهای طیفی  نیز تولید شد. سپس، هر یک از تصاویر تفاضلی آماره­ها (در باندهای مورد نظر به صورت مجزا) با تصویر تفاضلی باندهای طیفی ادغام و وارد طبقه­بندی کننده بیشترین شباهت شد. نتایج بدست آمده نشان داد کارکرد آماره­ها به عواملی مانند نوع کلاس­های مورد نظر و محدوده طیفی (داده مورد استفاده) نیز وابسته است. همچنین نتایج بدست آمده نشان داد، در مجموع آماره­های "میانگین"، "انتروپی" و "همگنی"  بیشترین و آماره­های "واریانس"، "کنتراست" و "همبستگی" کمترین تاثیر را در افزایش دقت شناسایی تغییرات با توجه به تست­های این پژوهش دارا می­باشند.