Распознавание состояния растительных ресурсов по данным гиперспектральной съемки

В настоящем докладе рассматривается задача определения характеристик растительного покрова на основании обработки результатов гиперспектрального мониторинга. Состояние растительности может быть описано набором качественных и количественных характеристик (дискретных и непрерывных переменных). Оценки этих величин могут быть получены путем построения обучаемых процедур, таких как, метод максимума правдоподобия, нейронная сеть и т.п.
В докладе приводятся результаты по распознаванию различных характеристик растительности. Распознавание проводится путем обучения выбранной процедуры распознавания и дальнейшего ее тестирования. Для процедуры обучения и тестирования используются данные гиперспектральной съемки, а также наземная информация о фактическом состоянии растительности. Основной вопрос, на который авторы доклада искали ответ, - является точность определения тех или иных характеристик растительности по данным гиперспектральной съемки, а также поиск метода распознавания, дающего наибольшую точность.
Для представления результатов в случае двухальтернативного распознавания (как для простых, так для сложных альтернатив) используется кривая ошибок, которая наиболее полно описывает качество распознавания. Результаты многоальтернативного распознания представляются посредством матрицы ошибок.