Аннотация. В статье приведены алгоритмы получения данных о состоянии растительного покрова по гиперспектральным данным аэрокосмической съемки. Рассматриваются два алгоритма субпиксельного анализа, построенных на линейной и нелинейной модели смешивания объектов в пикселе гиперспектрального изображения. В первом случае разработанный алгоритм основывался на методе симплекса минимального объема, во втором случае-на обучении искусственной нейронной сети. Сравнение точности результатов оценивания состоянии растительного покрова, полученных с помощью двух алгоритмов, проводилось по данным гиперспектральной камеры космического аппарата «Ресурс-П» на примере экспериментальных исследований виноградников Крымского полуострова. В качестве показателя оценивания состояния виноградников было выбрано их проективное покрытие, которое имеет важное практическое значение для определения продуктивности насаждений. Ключевые слова: субпиксельный анализ, гиперспектральные данные, искусственная нейронная сеть, метод симплекса минимального объема, проективное покрытие виноградников, линейная и нелинейная модели смеси объектов.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.