Растущий интерес в области дистанционного зондирования Земли из космоса для мониторинга растительного покрова и состояния посевов требует оперативной регистрации гиперспектральных изображений. В гиперспектральной аппаратуре спектральное разрешение достигает единиц нанометров. Поэтому при большом числе спектральных каналов открываются перспективы решения более широкого круга прикладных задач и, в том числе, оценки состояния посевов и хода созревания сельскохозяйственных культур. С другой стороны установлено, что при работе с гиперспектральными данными необходимо не только мощные компьютеры, но и программное обеспечение, которое может работать с новым поколением снимков высокого пространственного и спектрального разрешения [1,2].
В наших исследованиях использованы материалы, полученные со спутника ЕО-1 с помощью спектрометра HYPERION. Основные данные: спектральный диапазон 400-2500 нм, спектральное 10 нм, число каналов – 224, пространственное разрешение 30 м. С целью достижения удобства восприятия снимков с HYPERION были использованы космические снимки высокго разрешения QUICKBIRD.
Основные измерения проводились с помощью программной среды Erdas Imagine версии 2014 года. Исследование проводилось в Шекинском районе.
Для эксперимента были выбраны изображения, полученные в апреле, мае и июне, то есть различные периоды вегетации растительного покрова. Реализованные этапы выбора методологии тематической классификации, корреляционного и факторного анализа; функционального анализа эталонных спектров и методики отбора каналов.По результатам исследования для исследуемых видов сельхозкультур установлена точность классификации данных полученных изображений в среднем достигающая 80% для апрельского, 93% - для майского и 78% - для июньского изображения. Установленные закономерности в поведении спектров рассматриваемых сельскохозяйственных угодий используются для изучения возможностей разных классификаторов с обучением по выделенным в пределах контуров выборочным данным. Совместное использование методов классификации гиперспектральных изображений и стандартных приемов дешифрирования – очевидный путь повышения достоверности мониторинга и классификации, различных по виду посевов сельскохозяйственных культур по их вегетационным периодам развития.