Современные пользовательские сервисы предоставляют информацию потребителям в большей степени путем заказа платно необходимых данных или в режиме демо-доступа. При всем при этом список группировок космических аппаратов и индексов доступных для расчета чаще всего имеет ограниченный размер в связи с техническими сложностями реализации масштабных сервисов, а также с юридическими условиями проектов [1–2]. Кроме того, на сегодняшний день в открытых источниках не содержится информации о реализации проектирования и обработки данных геоинформационных систем на основе объектно-ориентированного подхода проектирования ГИС для данных гиперспектральной съемки.

Стоит отметить, что для большинства оперативных задач экологического мониторинга, необходимо применение данных с мультиспектральных камер совместно с данными гиперспектральных камер, что подтверждено мировым опытом отечественных и иностранных исследователей (Аншаков Г.П., Журавель Ю.Н., Федосеев А.А, Ращупкин А.В.). Применение гиперспектральных камер возможно для задач сельского и лесного хозяйства, например, мониторинга посевных площадей и целеуказания на их обработку (Фирсов Н.А., Подлипнов В.В., Ивлиев Н.А., Aneece I., Thenkabail P., McCann C., Repasky K., Lawrence R. и Powell S.), а также для задач рыбохозяйственного комплекса РФ – определения содержание и количественных характеристик хлорофилла-а, цианобактерий, мутности воды, мониторинга динамики эвтрофикации водоемов (Xin Pan, Jorge E. Pezoa, Diogo Olivetti), температуры поверхности (LST) водоёмов и территорий близлежащих к ним [3–6].

Это связано с тем, что при увеличении количества спектральных каналов становится возможным более точная, по сравнению с мультиспектральными камерами, идентификация сельскохозяйственных культур и анализ их распределения по площади, в том числе и посезонно. При этом принятие решений по оперативному контролю площадей отраслевыми ведомствами традиционно возможно на основе готовых тематических продуктов, получаемых в результате обработки данных, разрабатываемым сервисом, как в видимом, так и в ближнем коротковолновом ИК-диапазоне.

Упомянутое состояние вопроса подтверждает научную новизну исследования, которая заключается в создании такого сервиса, который был бы способен обеспечить доступ пользователей к данным различных типов съемочных систем и устранить недостатки, отмеченные выше. Особенностью сервиса является наличие функций для проведения кластеризации данных МСА и ГСА с помощью методов ML для автоматического дешифрирования снимков, а также расчета вегетационных (NDVI), водных индексов NDWI, NDTI и других индексов, отражающих характеристики поверхности Земли (NDSI, NDBI, LST, содержание хлорофилла-а и цианобактерий) с минимальными временными затратами в режиме открытого доступа.