استفاده از داده های سنجش از دور با توجه به ارائه اطلاعات به روز ، پوشش تکراری وکم هزینه بودن در ارزیابی منابع طبیعی از جایگاه خاصی برخوردار است . همچنین آشکارساختن تغییرات یکی از نیازهای اساسی در مدیریت و ارزیابی منابع طبیعی است.  بنابراین میزان تغییرات کاربری و پوشش اراضی را که نتیجه فرایند آشکارسازی تغییرات می باشد ، می توان بر اساس تصاویر چند زمانه سنجش از دور برآورد نمود . لذا در این پژوهش، تصاویر ماهواره ای لندست 8 (OLI&TIRS) سال 2013 و لندست7 (ETM⁺) سال 2000 به عنوان  داده ورودی برای تهیه نقشه کاربری و پوشش اراضی در سطح 2و1 مورد استفاده قرار گرفتند. در این بین ، با توجه به جدید بودن تصاویر  OLI، تصحیحات رادیومتریک با استفاده از روابط موجود در محیط مدل ساز نرم افزار Erdas فرمول نویسی شد. همچنین از شاخصهای گیاهی (NDVI) ، خاک بایر (BI) و سه مولفه اصلی آنالیز مولفه های اصلی (PCA) به عنوان ورودی در کنار دیگر باندها برای افزایش دقت طبقه بندی مورد استفاده قرار گرفت . روش ماشین بردار پشتیبان (SVM) با روش شبکه عصبی مصنوعی(ANN)  و حداکثر احتمال (MLC) در تصاویرOLI  مورد مقایسه قرار گرفت . نتایج نشان داد که روش ماشین بردار پشتیبان با دقت7/92 ٪  در کرنل چندجمله ای با درجه 5 نسبت به روشهای شبکه عصبی با دقت89 ٪ و روش حداکثر احتمال با 8/91٪ مناسبترین روش برای طبقه بندی می باشد . همچنین جایی که کلاسها رفتار طیفی مشابهی را از خود نشان می دهند روش SVM کارایی بهتری از خود نشان می دهد. برای آشکار سازی تغییرات ایجاد شده در بازه زمانی 13 سال از روش مقایسه پس از طبقه بندی استفاده شد. نتایج به دست آمده نشان دهنده تغییر وسیع کاربری و پوشش اراضی در این حوضه می باشد که لزوم نظارت و مدیریت مناسب را می طلبد.