Бурштинська, Х.Декалюк, Я.Заяць, І.Burshtynska, Kh.Dekaliuk, Ya.Zayats, I.2023-06-192023-06-192022-06-142022-06-14Бурштинська Х. Особливості класифікації космічних зображень для ідентифікації лісів Прикарпатського регіону / Х. Бурштинська, Я. Декалюк, І. Заяць // Сучасні досягнення геодезичної науки та виробництва. — Львів : Видавництво Львівської політехніки, 2022. — Том ІІ (44). — С. 91–101.https://ena.lpnu.ua/handle/ntb/59269Мета цієї роботи – дослідження ефективності використання контрольованої класифікації для ідентифікації лісової рослинності за космічними зображеннями високої розрізненості; ідентифікації здорової, повністюзасохлої та пошкодженої засиханням хвойної рослинності. Методика полягає у дослідженні впливу вибору кількості сигнатур для контрольованої класифікації на основі параметричного правила максимальної вірогідності за знімком високого розрізнення, який отримано зі знімальної системи GeoEye1. Результати. Дослідження виконано на основі аналізу статистичних характеристик спектральних яскравостей пікселів, що дає змогу зробити висновок про пріоритетність сигнатур того чи іншого розміру. Створені класифіковані зображення для двох випадків вибраних розмірів сигнатур за тестовими ділянками дають змогу оцінити точність площ вибраних класів. Наукова новизна та практична значущість. Новизною отриманих результатів роботи є дослідження розмірів навчальних вибірок для проведення контрольованої класифікації космічних зображень за методом максимальної вірогідності. Метод контрольованої класифікації за правилом максимальної вірогідності дає змогу ідентифікувати різні об’єкти, характерні для площ, зайнятих лісовою рослинністю. Використовуючи правильний вибір сигнатур та їх розташування на знімку, можна визначати тип лісових об’єктів, зокрема категорії хвойної рослинності: здорова, пошкоджена та суха, які мають складні спектральні яскравості. Тобто формування навчальних вибірок для класифікації лісових об’єктів із змішаними спектральними характеристиками потребує додаткового дослідженняThe aim of this work is to study the effectiveness of the use of controlled classification to identify forest vegetation by high-resolution space images; identification of healthy vegetation, completely withered and damaged by drying conifers. Method. The study of the influence of the choice of the number of signatures for the controlled classification on the basis of the parametric rule of maximum probability based on a high-resolution image obtained from the GeoEye1 remote sensing system. Results. The study is based on the analysis of statistical characteristics of the spectral brightness of pixels, which allows us to conclude about the priority of signatures of a particular size. The created classified images for two cases of the chosen sizes of signatures on test sites allow to estimate accuracy of the areas of the chosen classes. Scientific novelty and practical significance. The novelty of the obtained results is the study of the size of training samples for the controlled classification of space images by the method of maximum probability. The method of controlled classification according to the rule of maximum probability allows to identify various objects characteristic of the forest vegetation areas. Using the right selection of signatures and their location in the image, you can determine the type of forest objects, including categories of conifers: healthy, damaged and dry, which have complex spectral brightness. That is, the formation of training samples in the classification of forest objects with mixed spectral characteristics requires additional research91-101ukдистанційне зондування Землілісмоніторинг лісівконтрольована класифікаціяметод максимальної вірогідностінавчальні вибіркизасихання лісівEarth remote sensingforestforest monitoringcontrolled classificationmaximum probability methodtraining samplesforest dryingArticle© Західне геодезичне товариство, 2022© Національний університет “Львівська політехніка”, 202211528.46Burshtynska Kh. Specifics of space image classification for forest identification of the Carpathian region / Kh. Burshtynska, Ya. Dekaliuk, I. Zayats // Modern Achievements of Geodesic Science and Industry. — Lviv : Lviv Politechnic Publishing House, 2022. — Vol II (44). — P. 91–101.