Сочетание антропогенной деятельности, а также природных процессов со временем приводит к изменению состояния и структуры растительного покрова территорий. Для оценки подобных изменений удобно использовать данные дистанционного зондирования Земли (ДЗЗ). Прогноз развития процессов на поверхности Земли по данным ДЗЗ требует использования сложных методов моделирования изменения состояния покрова и разработки соответствующих систем, которые могут быть легко модифицированы для прогнозирования состояния различных ландшафтов [1].
Наиболее перспективным методом, который описывает как пространственные, так и вероятностные характеристики исследуемых данных, является метод клеточных автоматов, одним из ключевых факторов которого является определение в каждом конкретном случае правил нахождения функций перехода текущего пикселя космического снимка (КС) в новое состояние в зависимости от окружения рассматриваемого пикселя. В докладе представлены алгоритмы и разработанное на их основе программное обеспечение для прогнозирования состояния различных ландшафтов методом клеточных автоматов. Для получения прогнозных карт изучаемой территории используется серия исходных разновременных КС, осуществляется их классификация, а затем с помощью разработанного программного обеспечения рассчитываются основные параметры моделирования и происходит ранжирование пикселей изображения. В итоге строятся прогнозные карты на следующий временной интервал.
Апробация предложенных алгоритмов и программного обеспечения осуществлена на данных сканера MODIS с пространственным разрешением 500 м. (Vegetation Indices 16-Day L3 Global 500m), а также на данных со спутника Landsat 5 с пространственным разрешением 30 м. Оба типа данных содержат рассчитанные значения нормализованного разностного вегетационного индекса (NDVI), который наиболее чётко описывает состояние растительности исследуемой территории. На основе серии разновременных КС были построены прогнозные карты для двух исследуемых территорий (Юганский заповедник в ХМАО для данных MODIS, территория после лесного пожара в Томской области для данных Landsat 5), представлено сравнение фактических и моделируемых данных. Получены результаты оценки точности в зависимости от степени клеточного автомата.