چکيده: طي سال‌های گذشته، کاربردهاي زيادي از روش‌های طبقه­بندي شبکه عصبي مصنوعي براي طبقه­بندي کاربري اراضي گزارش‌شده است، اما مطالعات معدودي، مقايسه آن‌ها باهم را ارزيابي نموده­اند. در اين مطالعه، ابتدا تصحيحات هندسي بر روی‌ داده‌های+­ETM صورت گرفت. سپس با بازديدهاي ميداني، طبقات مختلف کاربري اراضي تعريف و نمونه­هاي آموزشي انتخاب گرديد. هدف اصلي این مطالعه مقايسه چهار روش شبکه عصبي مصنوعي آرتمپ فازي، تابع پايه شعاعي، کوهونن و پرسپترون چندلایه براي طبقه­بندي پوشش سطح زمين در منطقه دشت چالاب شهرستان مهران استان ایلام است. نتايج حاصل از ارزيابي دقت تصاوير طبقه‌بندی‌شده نشان داد که روش طبقه­بندي آرتمپ فازي با دقت کل 52/ 98 و ضريب کاپاي متوسط 14/98 درصد داراي بيشترين دقت نسبت به ساير روش‌های بررسی‌شده است. اختلاف دقت کل در اين روش نسبت به روش تابع پرسپترون 84/38 و اختلاف ضريب کاپا متوسط 48/39 درصد، نسبت به روش کوهونن به ترتيب 12/16 و 19/19 درصد و نسبت به روش پايه شعاعي 75/17 و 76/16 درصد است. در اين تحقيق، بالاترين دقت طبقه­بندي مربوط به طبقه­بندي شبکه عصبي مصنوعي آرتمپ فازي بود.