Использование многоспектральных спутниковых данных является перспективным направлением сельскохозяйственного мониторинга. Работа посвящена анализу космических многоспектральных снимков при кластеризации земель сельскохозяйственного назначения. Целью работы является сравнение космических снимков сверхвысокого и среднего пространственного разрешения при сегментации изображения. При кластеризации снимков высокого пространственного разрешения возникает эффект соли и перца. Этот эффект возникает, когда размер пикселя становится меньше размера исследуемого объекта, что влечет за собой увеличение пространственной спектральной неоднородности. Это приводит к менее качественной разделимости спектральных классов объектов, и выделению множества классов на одном объекте. Наиболее распространенный способ сегментации многоспектральных изображений основан на кластеризации спектральных признаков, это связано с отсутствием априорных знаний об исследуемой территории, что на практике случается достаточно часто. В работе приводятся результаты исследований по повышению достоверности автоматизированного дешифрирования с целью проведения мониторинга сельскохозяйственных угодий. Для этого при кластеризации используется по несколько снимков на один исследуемый участок за разный промежуток времени, соответствующий разным периодам вегетации. После кластеризации для каждого кластера совмещаются результаты обработки, выполненные на разные даты, удаляются области с низким перекрытием. В качестве исходных данных используются многоспектральные изображения высокого пространственного разрешения со спутников WorldView-2/3, GeoEye-1 и данные среднего пространственного разрешения со спутников Landsat, Sentinel-2. В качестве основного программного обеспечения использовались программы ENVI и QGIS. Проведена оценка эффективности использования методов постклассификации для нивелирования эффекта соли и перца. Приведены результаты анализа сравнения космических снимков высокого и среднего пространственного разрешения.