بکارگیری ویژگی‌‌های بهینه در الگوریتم‌های مختلف طبقه‌بندی، بر دقت نتایج حاصل از طبقه‌بندی تأثیرگذار می‌باشد. هدف از پژوهش حاضر بررسی قابلیت‌های تصاویر هایپریون و لندست و مقایسه کارایی الگوریتم‌های بهینه‌سازی ازدحام ذرات و جستجوی گرانشی جهت تعیین ویژ‌گی‌های بهینه برای تفکیک اراضی فضای سبز و شالیزار می‌باشد. در این مطالعه از تصاویر ماهواره‌ای لندست، هایپریون و مجموعه داده‌های واقعی مربوط به منطقه‌ای در شمال ایران استفاده شده است. در این مطالعه کارایی الگوریتم‌های بهینه‌سازی ازدحام ذرات و جستجوی گرانشی جهت تعیین ویژ‌گی‌های بهینه و قابلیت تصاویر لندست و هایپریون برای تفکیک اراضی فضای سبز و شالیزار با استفاده از مجموعه‌ی داده‌های واقعی مقایسه گردید. برای ارزیابی نتایج از پارامترهای دقت کاربر، دقت تولید کننده، دقت کلی و ضریب کاپا استفاده شده است. نتایج پژوهش بیانگر این است که دقت کلی تفکیک اراضی فضای سبز و شالیزار با تصویر هایپریون 15 درصد بالاتر از تصویر لندست می‌باشد. بکارگیری شاخص‌های طیفی در فرایند طبقه‌بندی، سبب بهبود دقت تفکیک اراضی فضای سبز و شالیزار در هر دو داده لندست و هایپریون می گردد. همچنین استفاده از الگوریتم بهینه‌سازی برای تعیین ویژگی‌های بهینه و استفاده از ویژگی‌های بهینه در فرایند طبقه‌بندی سبب افزایش دقت تفکیک اراضی فضای سبز و شالیزار می‌گردد. با توجه به مقادیر دقت کلی، کارایی الگوریتم بهینه‌سازی جستجوی گرانشی برای تفکیک اراضی فضای سبز و شالیزار 2 درصد بهتر از الگوریتم ازدحام ذرات می‌باشد.