آگاهی از تیپ جنگل یکی از موارد ضروری در برنامه ریزی و مدیریت پایدار جنگل بوده، ولی تهیة نقشة آن به روش های میدانی زمانبر و پرهزینه است. از این رو، سنجش از دور به ویژه استفاده از داده های ابرطیفی همانند ماهوارة پریسما با 243 باند طیفی، می تواند به عنوان جایگزینی مناسب تلقی شود. پژوهش پیش رو به ارزیابی قابلیت این تصاویر براساس روش های ماشین بردار پشتیبان (SVM)، نقشه بردار زاویة طیفی (SAM) و جنگل تصادفی (RF) در بخش گرازبن جنگل خیرود پرداخته است. نقشة واقعیت زمینی در 131 قطعه نمونه با ابعاد 45×45 متر به طور میدانی با روش کوچلر و براساس فراوانی 100 اصله از قطورترین درختان تهیه و پنج تیپ شامل راش خالص، راش آمیخته، راش-ممرز، ممرز-راش و ممرز آمیخته مشخص شد. تصحیح هندسی تصاویر، رفع نویز و نرمسازی منحنی طیفی انجام و سپس اثر انحنای طیفی تصحیح شد. الگوریتم آشکارسازی ناهنجاریها بر روی تصویر اعمال و باندهای دارای نویز و محدوده های جذب آب حذف شدند. سپس برروی 103 باند طیفی باقیمانده، الگوریتم حداقل سهم نویز و شاخص خلوص پیکسل برای یافتن پیکسل های خالص طیفی اجرا و در طبقه بندی بکار گرفته شدند. همچنین، شاخصهای NDVI، ReNDVI،MTCI ، NDIred و RTVI محاسبه و به مجموعه باندی اضافه شدند. الگوریتم های SVM و RF به ترتیب با صحت کلی 53/09و 43/19و ضریب کاپای 0/38 و 0/25 و استفاده از باندهای حاصل از الگوریتم حداقل سهم نویز، بهترین نتایج را نشان دادند. به طور کلی، نویز به نسبت زیاد داده های پریسما و رفتار طیفی نزدیک تیپ های مورد مطالعه به رغم انجام پردازش ها و بکارگیری الگوریتم های طبقه بندی مناسب، مانع از کسب نتایج رضایت بخش شد.