NED365187NED

69 вующий макет специализированной информационной системы, обеспечиваю- щей возможность проведения автоматизированного и интерактивного анализа спутниковых данных для оценки состояния виноградников и исследования их особенностей. Список литературы 1. Лупян Е.А., Мазуров А.А., Назиров Р.Р., Прошин А.А., Флитман Е.В., Крашенин- никова Ю.С. 2011. Технологии построения информационных систем дистанционного мони- торинга // Современные проблемы дистанционного зондирования Земли из космоса. Т. 8. № 1. С. 26–3. 2. Лупян Е.А., Саворский В.П., Шокин Ю.И., Алексанин А.И., Назиров Р.Р., Недолуж- ко И.В., Панова О.Ю. 2012. Современные подходы и технологии организации работы с дан- ными дистанционного зондирования Земли для решения научных задач // Современные про- блемы дистанционного зондирования Земли из космоса. Т. 9. № 5. С. 21–44. 3. Звіт про науково-дослідну роботу за завданням 04.02.02/98 “Розробити науково ме- тодичні засади використання даних дистанційного зондування в системі агроекологічного моніторингу та оцінки стану земель” Етап 2008 року: “Вивчення оптичних характеристик окремих елементів агроландшафтів”. Київ, 2008 р., 28 с. (Тарарико А.Г. и др.). 4. Hansen M., Dubayah R., Defries R. 1996. Classification trees: an alternative to traditional land cover classifiers. // International Journal of Remote Sensing, vol. 17. pp. 1075–1081. 5. Foody G.M. 1996. Approaches for the production and evaluation of fuzzy land cover classifications from remotely-sensed data. // International Journal of Remote Sensing, vol. 17. pp. 1317–1340. 6. Foody G.M. 1998. Sharpening fuzzy classification output to refine the representation of sub-pixel land cover distribution // International Journal of Remote Sensing, vol. 19, pp. 2593– 2599. 7. Van der Meer F. 1995. Spectral unmixing of Landsat Thematic Mapper data // Interna- tional Journal of Remote Sensing, vol. 16, pp. 3189–3194. 8. Cihlar J., Xiao Q., Beaubien J., Fung K., Latifovic R. 1998. Classification by progressive generalization: a new automated methodology for remote-sensing multi-channel data // International Journal of Remote Sensing, vol. 19, pp. 2685–2704. 9. Lark R.M. 1995. A reappraisal of unsupervised classification, II: optimal adjustment of the map legend and a neighborhood approach for mapping legend units. // International Journal of Remote Sensing, vol.16 – pp.1445–1460. 10. Уваров И.А., Барталев С.А. 2010. Алгоритм и программный комплекс распознава- ния типов земного покрова на основе локально-адаптивной обучаемой классификации спут- никовых изображений // Современные проблемы дистанционного зондирования Земли из космоса. Т. 7. № 1. С. 353–365. 11. Bartalev S.A., Egorov V.A., Loupian E.A., Khvostikov S.A. 2014. A new locally- adaptive classification method LAGMA for large-scale land cover mapping using remote-sensing data // Remote Sensing Letters. 5(1). P. 55–64. 12. Лупян Е.А., Савин И.Ю., Барталев С.А., Толпин В.А., Балашов И.В., Плотников Д.Е. 2011. Спутниковый сервис мониторинга состояния растительности («Вега») // Совре- менные проблемы дистанционного зондирования Земли из космоса. Т. 8. № 1. С. 190–198. 13. Толпин В.А., Лупян Е.А., Барталев С.А., Плотников Д.Е., Матвеев А.М. 2014. Возможности анализа состояния сельскохозяйственной растительности с использованием спутникового сервиса «ВЕГА» // Оптика атмосферы и океана. Т. 27. № 7 (306). С. 581–586.