Για να ταξινομήσουμε τις περιοχές μιας εικόνας, αναγνωρίζουμε ένα συγκεκριμένο είδος περιοχής στην οθόνη (το οποίο χρησιμοποιούμε ως πεδίο εκμάθησης του υπολογιστή), καθορίζουμε τη φασματική της υπογραφή και στη συνέχεια αφήνουμε τον υπολογιστή να ταυτοποιήσει όλα τα εικονοστοιχεία της εικόνας που έχουν την ίδια φασματική υπογραφή. Με αυτό τον τρόπο μπορούμε να χαρτογραφήσουμε μεγάλες περιοχές εύκολα και γρήγορα.

Παρόλα αυτά υπάρχουν ακόμα αρκετά προβλήματα. Για παράδειγμα, είναι ιδιαίτερα δύσκολο να διαχωριστούν τα διάφορα είδη βλάστησης, επειδή μοιάζουν πολύ οι φασματικές τους υπογραφές. Επιπλέον, το ίδιο είδος βλάστησης μπορεί να έχει διαφορετικές φασματικές υπογραφές ανάλογα με την χρονική περίοδο της φυτικής ανάπτυξης ή άλλους παράγοντες όπως η υγρασία ή οι ατμοσφαιρικές συνθήκες.

Για αυτό το λόγο γίνονται πολλές ερευνητικές προσπάθειες για να τελειοποιηθεί η διαδικασία ταξινόμησης μιας περιοχής (με βάση τα δορυφορικά δεδομένα). Ένας τρόπος είναι να βελτιστοποιηθεί η διασπορά των αισθητήρων που καλύπτουν συγκεκριμένα κανάλια του ορατού και του εγγύς υπέρυθρου.

Προφανώς, ένας δορυφόρος με πολλά κανάλια διαθέτει υψηλή φασματική ανάλυση. Ενδεχομένως στο μέλλον να μπορέσουμε, μέσω δορυφόρων υψηλής φασματικής ανάλυσης, να χαρτογραφήσουμε τις μεταβολές που προκαλούνται στη βλάστηση από τη μόλυνση και την ξηρασία. Η σημασία της τηλεπισκόπησης, σε ό,τι αφορά την περιβαλλοντική χαρτογράφηση, αναμένεται να αποτελέσει ένα πολύ σημαντικό εργαλείο.