یکی از مهمترین بلایای طبیعی که طی سالیان اخیر مورد توجه قرار گرفته، پدیده گرد و غبار است. در سال های اخیر این پدیده در ایران ابعاد تازه ای گرفته و از یک معضل محلی، به مساله ای ملی تبدیل شده است. شناسایی و تشخیص طوفان گردوغبار اولین مرحله در بررسی و پایش آن می باشد. این تحقیق با هدف شناسایی مناطق دارای گردوغبار از تصاویر ماهواره ای، در منطقه خاورمیانه انجام گرفته است. در بررسی پدیده گردوغبار تصاویر سنجنده MODIS با توجه به قدرت تفکیک زمانی و طیفی مناسب، از اهمیت ویژه ای برخوردار می باشند. در این مطالعه با استفاده از روش های طبقه بندی درخت تصمیمگیری، شبکه عصبی مصنوعی (ANN) و ماشین های بردار پشتیبان (SVM) تلاش شده است که گردوغبار در تصاویر ماهواره ای MODIS تشخیص داده شود، که روش طبقه بندی ماشین های بردار پشتیبان به عنوان یک ایده جدید مطرح شده است. به علاوه به منظور بررسی دقت هر سه روش بکار برده شده، از محصول (AOD(Aerosol Optical Depth سنجنده OMI استفاده شده است، که نتایج نشان دهنده دقت و صحت بالاتر روش SVM نسبت به سایر روش ها می باشد. با توجه به نتایج بدست آمده، این الگوریتم قادر به شناسایی گردوغبار در هر دو منطقه خشکی و آب به طور همزمان می باشد و می تواند جایگزین مناسبی برای محصول (AOT(Aerosol Optical Thickness تولید شده برای گردوغبار توسط ناسا (NASA) باشد.