2411-3336 2541-9404 Записки Горного института Journal of Mining Institute Санкт-Петербургский горный университет императрицы Екатерины ΙΙ Empress Catherine II Saint Petersburg Mining University pmi-5857 https://pmi.spmi.ru/pmi/article/view/5857 Инженерная геодезия и городской кадастр Engineering geodesy and urban cadastre Automatic interpretation technology of aerial and satellite images according to different methods of land cover for protected areas Технология автоматизированного дешифрирования различными методами аэрофото- и космических снимков земного покрова особо охраняемых природных территорий Bogolyubova A. A. Боголюбова А. А. Bogolyubova A. A. bonya.234@mail.ru Национальный минерально-сырьевой университет «Горный» (Санкт-Петербург, Россия) National Mineral Resources University (Mining University) (Saint-Petersburg, Russia) 29 12 2012 2012 199 269 275 26 11 2011 06 01 2012 29 12 2012 © A. A. Bogolyubova 2012 А. А. Боголюбова A. A. Bogolyubova CC BY 4.0 https://pmi.spmi.ru/pmi/article/view/5857

Представлена технология автоматизированного дешифрирования аэрофото- и космических снимков почвенно-растительного покрова Юнтоловского заказника различными методами. Автоматическая классификация проведена по разработанной номенклатуре земного покрова особо охраняемых природных территорий Санкт-Петербурга. Проведен сравнительный анализ технологии автоматизированного дешифрирования космических снимков методом максимального правдоподобия и методом нейросетей.

This paper focused on remote sensing, digital acquisition and digital processing methods for the purpose of land cover automatic classification of Yuntolovsky reserve. It presents the technique of automatic identification of land cover according to different methods. Comparisons the results of maximum likelihood method and neural networks approach are presented in the paper.

 Ключевые слова классификация земного покрова особо охраняемые природные территории мультиспектральные изображения метод максимального правдоподобия метод нейронных сетевых структур Keywords land cover classification natural protected area multisensor imagery maximum likelihood neural networks method Боголюбова А.А. Классификация почвенно- растительного покрова особо охраняемых природных территорий Санкт-Петербурга // Актуальные проблемы лесного комплекса: Сб. научн. трудов по итогам международной научно-технической конференции. Брянск, 2011. Вып.26. С.168-172. Волкова Е.А. Юнтоловский региональный комплексный заказник / Е.А.Волкова, Г.А.Исаченко, В.Н.Храмов. СПб, 2005. 202 с. Назаров Л.Е. Нейросетевые алгоритмы совместной обработки совокупности разнородных космических изображений Земли / Л.Е.Назаров, А.А.Чухланцев, А.М.Шутко // Цифровая обработка данных и ее применение: Сб. докл. по итогам 6-й международной конференции DSPA-2004. СПб, 2004. Т.1. С.195. О государственном природном комплексном заказнике регионального значения «Юнтоловский»: Распоряжение губернатора Санкт-Петербурга от 30.11.99 г. № 1275-р // Вестник администрации Санкт-Петербурга № 12. 1999. 27 декабря. Iwaniak A. Feature extraction in high-resolution raster images using neural networks / A.Iwaniak, T.Kubik, P.Tymków // Reports on Geodesy. Warszawa, Poland. 2006. Vol.2. N 77. P.263-271. Tymków Przemysław. Application of photogram-metric and remote sensing methods for identification of resistance coefficients of hight water flow in river valleys. Wroclaw, 2009. 101 p.