Danas su sve traženiji slobodno dostupni satelitski podaci visoke rezolucije poput podataka dobivenih iz Landsat satelitske misije. Karakteristika Landsat podataka je površinska razlučivost snimki od 30 m x 30 m. Za neke uporabe ta razlučivost nije dovoljna. Landsat satelitska misija, počevši od satelita Landsat 7, prikuplja pankromatski kanal koji služi za povećanje razlučivosti snimki. Ovim radom analiziran je utjecaj fuzije multispektralnih i pankromatskih snimki na promjenu površine šumskog područja koristeći nenadziranu klasifikaciju. Na temelju izvornih snimki izračunat je vegetacijski indeks normalizirane razlike (engl. Normalized difference Vegetation indeks, NDVI) te se takva indeksirana slika koristila kao referentna slika za potrebe daljnje usporedbe. Izvorne snimke prva četiri kanala (plavi, zeleni, crveni i blizu–infracrveni) izoštrene su uporabom osmog (pankromatskog) kanala satelita Landsat 7. Iz tih snimki, na temelju četvrtog (blizu-infracrvenog) i trećeg (crvenog) kanala, izračunat je NDVI. Uz taj postupak provedeno je izoštravanje (fuzija) referentne NDVI snimke. Usporedbom dobivenih slika s referentnom izabrane su slike za klasifikaciju. Nad izabranim slikama provedena je nenadzirana klasifikacija K-means, te je utvrđeno da slika dobivena bikubičnom interpolacijom i izoštravanjem brzom metodom intenzitet–boja–zasićenost (engl. Fast intensity-hue-saturation, FIHS) na temelju prethodno izoštrenih kanala predstavlja najkvalitetnije rješenje. Demand for high quality free satellite data is increasing. Currently the most popular and known mission is Landsat satellite mission. This mission ensures ground resolution of 30 m x 30 m. For some application, this ground resolution is not sufficient. Landsat mission, starting from the Landsat 7 satellite, collects panchromatic band that is used to increase resolution of images. This paper analyzes the impact of multispectral and panchromatic image fusion on unsupervised classification. Based on original recordings NDVI (Normalized difference vegetation index) is calculated. This indexed image is used as reference image for the purpose of further comparison. The original images of first four bands (blue, green, red and near-infrared) are sharpened using eighth (panchromatic) band gathered with Landsat 7 satellite. From this bands, based on forth and third band, NDVI is calculated. With this calculation it is conducted pansharpening of reference NDVI image. Images for classification was chosen by comparing obtained images. Selected images was classified with K-means unsupervised classification algorithm, and it was determined that image calculated with bicubic interpolation and sharpened with fast intensity-hue-saturation (FIHS) algorithm on previously sharpened bands represents the best solution.