NED365187NED

55 странственно-временная изменчивость природных ландшафтов, в том числе и аграрных. Как следствие, в большинстве приложений прямое физическое моде- лирование гиперспектральных изображений затруднено сложностью и недоста- точной изученностью временной динамики и пространственной изменчивости наблюдаемых композитных объектов. Указанные сложности обусловили переход от использования гиперспек- тральных изображений при процедурах обнаружения и классификации, постро- енных на результатах модельных представлений, к эмпирическим или полуэм- пирическим методам. Такие методы базируются на универсальности идеи пря- мого автоматизированного поиска спектральных особенностей гиперспектров без (или, по крайней мере, без части) априорных и модельных предположений о процессах формирования гиперспектров. Как показала практика последних 10– 15 лет, именно такой подход, фактически опирающийся на чисто методический математический формализм выделения принципиальных особенностей гипер- спектральных изображений, и сделал использование данных гиперспектромет- ров привлекательным при решении широкого круга практических задач ДЗЗ. Так, данные гиперспектрометров в настоящее время успешно применяются для дистанционного мониторинга роста и оценки качества важнейших сельскохо- зяйственных культур, например, пшеницы [2], риса [3, 4], чая [5], классифика- ции и определения состояния растительного покрова различных природных экосистем [6–10], мониторинга состояния городской инфраструктуры [11–14], в задачах геологии [15,16] и экологического мониторинга акваторий [17–22]. Основным субъективным обстоятельством, препятствующим широкому распространению применения гиперспектральных данных, является их сравни- тельно малая доступность. Указанное обстоятельство тем более значимо, что доступность данных, помимо прочего, является одним из существенных факто- ров, позволяющих значительно повысить качество статистических оценок, не- обходимых для реализации процедур обнаружения и классификации. В послед- нее время расширение доступа к данным стало характерным для основных по- ставщиков спутниковых гиперспектральных данных и центров их обработки НАСА и его контакторов. В частности, был существенно расширен доступ к данным гиперспектрометров Hyperion [23] и HICO [24], установленных на спутнике НАСА EO1 и американском сегменте Международной космической станции (МКС) соответственно. В 2013 г. был запущен российский космиче- ский аппарат «Ресурс-П» с первым отечественным гиперпектрометром ГСА Красногорского завода им. С. А. Зверева [25], данные которого также доступны для научных исследований. Современные гиперспектрометры не могут обеспечить достаточно регу- лярного покрытия данными наблюдаемых территорий, именно поэтому в на- стоящее время их использование, в основном, ориентировано на проведение научно-исследовательских работ. Указанным обстоятельством обусловлен осо- бый интерес к возможностям совместного анализа гиперспектральных данных и данных других дистанционных систем наблюдения. Это, прежде всего, необ- ходимо для более четкого понимания особенностей различных явлений и объ- ектов, постоянный мониторинг которых в настоящее время осуществляется, в