پایش دقیق آبهای سطحی یکی از کاربردهای مهم و ضروری در استفاده از سیستمهای سنجش از راه دور است. برآوردن نیازهای مطرح شده در استفاده از داده های سنجش از دور برداشت شده از سطح زمین در بسیاری از کاربردها، تنها با استفاده از یک محصول و الگوریتم طبقهبندی کننده کافی و ممکن نیست و برای درک دقیق تر، ادغام دادهها می تواند گزینه بهتری باشد. لذا در این پژوهش از رویکردهای مختلفی همچون به کارگیری تصاویر دو سنجنده، شاخصهای استخراج آب و الگوریتمهای طبقهبندی جهت شناسایی پهنه های آبی استفاده گردید. در این راستا ابتدا تصاویر سنجندهای نوری لندست-8 و سنتینل-2 با یکدیگر ادغام شدند که در نتیجه آن وضوح مکانی این سنجندهها با حفظ اطلاعات طیفی، از 30 به 10 متر ارتقا یافت. سپس شاخصهای استخراج آب همچون (NDWI, MNDWI, AWEI_sh, AWEI_nsh, WI) بر تصاویر ادغامشده اعمال شد و پس از ترکیب آن با تصاویر اصلی ماهوارههای منتخب، با استفاده از الگوریتمهای طبقهبندی (SVM, Maximum Likelihood, Minimum Distance, Neural Network, Random Forest) محدوده مطالعاتی به دو دسته پهنه های آبی و غیرآبی طبقهبندی شد و در نهایت با استفاده از روش حداکثر رأیگیری که از رویکردهای ادغام در سطح تصمیمگیری محسوب میشود نتایج حاصل از تمام الگوریتمهای طبقهبندی برای تصاویر قبل و بعد از سیلاب استان مازندران در واقعه سیلاب سال 1398 شمسی با یکدیگر ادغام شدند. الگوریتم طبقهبندی جنگل تصادفی با دقت کلی 76/97 و 12/94 و ضریب کاپا 49/94 و 41/91 برای تصاویر قبل و پس از سیلاب بهترین عملکرد طبقهبندی در بین الگوریتمهای مورداستفاده در این پژوهش را داشت. ادغام الگوریتمهای طبقهبندی نشان از بهبود عملکرد تفکیک پهنه های آبی و غیرآبی با افزایش دقت کلی تفکیک به 41/98 و 24/95 و ضریب کاپا 12/96 و 81/92 برای تصاویر قبل و پس از سیلاب داشت.