Научно-методические основы построения и программное обеспечение региональной системы мониторинга с интеллектуальной высокопроизводительной обработкой данных
Диссертация
Выполнен выбор базовых сред разработки системы и интерфейса параллельных вычислений. Предложена структура ПО системы, включающая подсистемы, базирующиеся на ПО сторонних производителей и на оригинальном ПО, созданном с учетом результатов исследований предложенных методов и алгоритмов. Для разработки пользовательского интерфейса предложено использовать среду Borland Delphi 2009. Учитывая… Читать ещё >
Содержание
- СОКРАЩЕНИЯ И ОБОЗНАЧЕНИЯ
- ГЛАВА 1. СОВРЕМЕННЫЕ ПРОБЛЕМЫ АЭРОКОСМИЧЕСКОГО МОНИТОРИНГА
- 1. 1. Аэрокосмический мониторинг окружающей среды
- 1. 1. 1. Общие положения и разновидности мониторинга
- 1. 1. 2. Задачи аэрокосмического мониторинга
- 1. 2. Основные характеристики космических систем дистанционного зондирования Земли
- 1. 2. 1. Общие положения
- 1. 2. 2. Системы с данными среднего спектрального разрешения
- 1. 2. 3. Системы с данными высокого спектрального разрешения
- 1. 3. Системы аэрокосмического мониторинга
- 1. 3. 1. Глобальные системы
- 1. 3. 2. Типовые региональные системы
- 1. 3. 3. Стандартные программные средства в задачах мониторинга
- 1. 3. 4. Проблемы создания региональных систем мониторинга нового поколения
- 1. 1. Аэрокосмический мониторинг окружающей среды
Список литературы
- Айвазян С.А. Классификация многомерных наблюдений. М.: Изд-во Статистика, 1978. — 232 с.
- Аковецкий В.Г. Аэрокосмический мониторинг месторождений нефти и газа, М.: ООО «Недра-Бизнесцентр», 2008. 454 с.
- Архипова O.E. Концепция региональной эколого-информационной системы мониторинга // Информационные технологии, 2009. № 5. — С.62−67.
- Баруча-Рид А. Т. Элементы теории марковских процессов и их приложения. М.: Изд-во «Наука», 1969. — 512 с.
- Белолипецкий В.М., Шокин Ю. И. Математическое моделирование в задачах охраны окружающей среды. Новосибирск: Изд-во «ИНФОЛИО-пресс», 1997.-240 с.
- Берлянт A.M. Геоиконика. М.: Астрея, 1996. — 208 с.
- Болсуновский М.А., Михайлов В. И., Дудкин С. А. Основные тенденции, проблемы, перспективы развития систем дистанционного зондирования Земли. Взгляд потребителя // Вопросы электромеханики. Труды Hl 111 ВНИИЭМ. Т. 105, 2008. — С. 82−83.
- Бурцев М.А., Емельянов К. С., Ефремов В. Ю., Лупян Е. А., Мазуров A.A., Пахомов Л. А., Прошин A.A., Саворский В.П. Построение информационной системы удаленной работы с каталогами данных НЦ
- ОМЗ // Современные проблемы дистанционного зондирования Земли из космоса, 2010. Т.7. — № 4. — С. 64−71.
- Бутусов О.Б. Алгоритмы текстурной классификации типов лесов на основе анализа космических снимков с ИСЗ «Landsat-7» // Исследование Земли из космоса, 2002. № 5. — С. 87−96.
- Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++. Пер. с англ. под ред. И. Романовского и Ф. Андреева, М: Rational, 1998.-420 с.
- Бучнев A.A., Пяткин В. П., Русин Е. В. Распределенная высокопроизводительная обработка данных дистанционного зондирования Земли // Исследование Земли из космоса, 2007. № 4. — С.34−38.
- Вапник В.Н. Восстановление зависимостей по эмпирическим данным. -М.: Изд-во «Наука», 1979. 488 с.
- Вапник В.Н., Стефанюк А. Р. Непараметрические методы восстановления плотности вероятности // Автоматика и телемеханика, 1978 № 8. — С. 3852.
- Вапник В.Н., Червоненкис А. Я. Теория распознавания образов. Статистические проблемы обучения. М.: Наука, 1974. — 416 с.
- Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. М.: Диалог-МИФИ, 2002, — 384 с.
- Винклер Г. Анализ изображений, случайные поля и методы Монте-Карло на цепях Маркова: мат. основы.-2-e изд. Новосибирск: Гео, 2008. — 440 с.
- Виноградов Б.В. Аэрокосмический мониторинг экосистем. М.: Изд-во Наука, 1984.-320 с.
- Виноградов Б.В. Основы ландшафтной экологии. М.: Изд-во «Геос», 1998.-418 с.
- Виноградов Б.В., Кондратьев К .Я. Космические методы землеведения. -JL: Гидрометеорологическое изд-во, 1971. 190 с.
- Воеводин В.В., Воеводин В л .В. Параллельные вычисления. СПб.: БХВ-Петербург, 2004. — 608 с.
- Гарбук C.B., Гершензон В. Е. Космические системы дистанционного зондирования Земли. М.: Изд-во, А и Б, 1997. — 296 е.: ил.
- География из космоса / В. Т. Савиных, В. А. Малинников, С. А. Сладкопевцев, Э. Н. Цыпина. Изд-во Московского государственного университета геодезии и картографии, 2000. — 224 с.
- Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Изд-во Высш. шк., 2000. — 479 с.
- Головкин Б.А. Параллельные вычислительные системы. М.: Наука, 1980. — 520 с.
- Гордов Е.П., Окладников И. Г., Титов А. Г. Информационно-вычислительные системы на основе веб-технологий для исследования региональных природно-климатических процессов // Вычислительные технологии, 2007. Т. 12. — Спец. выпуск № 3. — С. 20−29.
- Горелик А.Л., Скрипкин В. А. Методы распознавания. 3-е изд. перераб. и доп. — М.: Изд-во Высш. шк., 1989. — 232 с.
- Дантеман Д., Мишел Д., Тейлор Д. Программирование в среде Delphi: Пер. с англ./ К.: НИПФ «ДиаСофт Лтд.», 1995. — 608 с.293
- Джеффри Рихтер Windows для профессионалов: Программирование для Windows 95 и Windows NT 4 на базе Win32 API/Пер. с англ. М.: Издательский отдел «Русская редакция» ТОО «Channel Trading Ltd.», 1997.-712 с.
- Дистанционное зондирование: количественный подход / Ш. М. Дейвис, Д. А. Ландгребе, Т. Л. Филлипс и др. Пер с англ. М., Недра, 1983 с. 415.
- Дуда Р., Харт П. Распознавание образов, пер. с англ. М.: Изд-во Наука, 1981.-450 с.
- Епанечников В.А. Непараметрическая оценка многомерной плотности вероятности // Теория вероятностей и ее применения, вып. 1. 1969.Т. 14.-С. 156−161.
- Ермаков С.Г. Метод устранения необходимости переключения вычислительных узлов при организации параллельной обработки информации // Информационные технологии, 2007. № 10. — С. 65−68.
- Ефимов С.С. Обзор методов распараллеливания алгоритмов решения некоторых задач вычислительной дискретной математики // Математические структуры и моделирование, 2007. № 17. — С. 72−93.
- Забавин А.Б. Использование искусственных нейронных сетей в задачах изучения Земли из космоса // Исследование Земли из космоса, 2000. -№ 6. С. 79−93.
- Загоруйко Н.Г. Методы распознавания и их применение. М.: Изд-во Наука, 1984.-256 с.
- Замятин A.B. Анализ динамики ландшафтного покрова на основе данных дистанционного зондирования Земли // Исследование Земли из космоса, 2006. № 6. — С.50−64.
- Замятин A.B. Дифференцированное сжатие аэрокосмических изображений с потерями // Информационные технологии, 2011. № 6. — С.60−65.
- Замятин A.B. Использование искусственных нейронных сетей при классификации многозональных аэрокосмических изображений // Материалы VI Всероссийской научно-технической конференции «Нейроинформатика 2004», 4.2. — М.: МИФИ, 2004. — С. 239−246.
- Замятин A.B. Концепция региональной информационной системы аэрокосмического мониторинга с интеллектуальной распределенно-параллельной обработкой данных // Информационные технологии, 2011. -№ 7. С.38−43.
- Замятин A.B. Операционные системы: учебное пособие- Томск: Изд-во Томского политехнического университета, 2010. 167 с.
- Замятин A.B. Применение пространственных характеристик при моделировании изменений ландшафтного покрова с использованием клеточных автоматов // Известия Томского политехнического университета. Томск, 2008. — Т.313. — № 5. — С. 14−20.
- Замятин A.B. Распределенные вычисления в задачах автоматизированной интерпретации аэрокосмических изображений // Информационные технологии, 2010. № 6. — С.75−79.
- Замятин A.B. Стохастический алгоритм моделирования для задач долгосрочного прогнозирования изменений ландшафтного покрова // Математическое моделирование, 2010. Т.22. — № 11. — С. 148−160.
- Замятин A.B., Марков Н. Г. Анализ динамики земной поверхности с использованием данных дистанционного зондирования Земли. М.: Физматлит. — 2007. — 176 с.
- Замятин A.B., Марков Н. Г. Непараметрическая классификация аэрокосмических изображений с использованием набора текстурных признаков // Исследование Земли из космоса, 2006. № 1. — С. 25−34.
- Замятин A.B., Марков Н. Г. Подход к моделированию изменений ландшафтного покрова с использованием клеточных автоматов // Известия Томского политехнического университета. Томск, 2005. — Т.308. — № 6. -С. 164−169.
- Замятин A.B., Марков Н. Г., Напрюшкин A.A. Адаптивный алгоритм классификации с использованием текстурного анализа для автоматизированной интерпретации аэрокосмических изображений // Исследование Земли из космоса, 2004- № 2- С. 32−40.
- Замятин A.B., Михайлов П. В., Cabrai Р. Современные средства для решения задач анализа динамики и прогнозирования изменений ландшафтного покрова // Известия Томского политехнического университета, 2006. Томск. — Т.309. — № 7. — С.80−86.
- Замятин A.B., Сидоров Д. В. Операционные системы. Лабораторный практикум: учебное пособие Томск: Изд-во Томского политехнического университета, 2010. — 122 с.
- Замятин A.B., То Динь Чыонг. Повышение эффективности алгоритма сжатия многозональных аэрокосмических изображений // Известия Томского политехнического университета, 2008. Томск. — Т.313. — № 5. -С. 24−28.
- Замятин A.B., То Динь Чыонг. Сжатие многозональных аэрокосмических изображений с использованием вейвлет-преобразования и учетом междиапазонной зависимости // Известия Томского политехнического университета, 2008. Т.313. — № 5. — С.20−24.
- Калинин А.П., Орлов А. Г., Родионов И. Д. Авиационный гиперспектрометр // Вестник МГТУ им. Н. Э. Баумана. Сер. «Приборостроение», 2006. № 3. — С. 11−24.
- Кашкин В.Б., Сухинин А. И. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: Учебное пособие. М.:Логос, 2001.-264 е.: ил.
- Книжников Ю.Ф. Аэрокосмическое зондирование. М.: Изд-во МГУ, 1997. -129 с.
- Книжников Ю.Ф. Основы аэрокосмических методов географических исследований М.: Изд-во Моск. ун-та, 1980. — 137 с.
- Книжников Ю.Ф., Кравцова В. И., Тутубалина О. В. Аэрокосмические методы географических исследований. М.: Academia, 2004- 332 с.
- Компания Advanced Information Systems и др. Oracle8. Энциклопедия пользователя.: Пер. с англ./К.: Издательство «ДиаСофт Лтд.», 1998. 864 с.
- Копылов В.Н. Основы создания центра космического мониторинга окружающей среды. Екатеринбург: ПП «Контур», 2006. — 144 с.
- Королев В.А. Мониторинг геологической среды. Учебник / Под ред. В. Т. Трофимова. М.: Изд-во МГУ, 1995. — 272 с.
- Коршунов Ю.М., Коршунов Ю. М. Математические основы кибернетики. -М.: Энергоатомиздат. 1980. — 424 с.
- Кравцова В.И. Космические методы картографирования. М.: Изд-во МГУ, 1995. 240 с.
- Круглински Д., Уингоу С., Шефер Дж. Программирование на Microsoft Visual С++ 6.0 для профессионалов / Пер. с англ. СПб: Питер- М.: Издательско-торговый дом «Русская редакция», 2002. — 864 с.
- Кудашев Е.Б. Электронная библиотека спутниковых данных: доступ к коллекциям экологического мониторинга // Космическая наука и технология, 2003. № 5/6. — С. 207−210.
- Лапко A.B., Ченцов C.B. Непараметрические системы обработкиинформации: Учебное пособие. М.: Изд-во Наука, 2000. — 350 с.298
- Лебедев В.В., Гансвинд И. Н. Проектирование систем космического мониторинга. М.: Изд-во «Наука», 2010 г. — 388 с.
- Лорьер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991. -568 с.
- Лупян Е.А., Мазуров A.A., Назиров Р. Р., Прошин A.A., Флитман Е. В. Универсальная технология построения систем хранения спутниковых данных Препринт ИКИ РАН. Пр-2024. М. 2000. 22 с.
- Люггер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е изд.: пер. с англ. М.: Издательский дом «Вильяме», 2003. 864 с.
- Лютых Ю.А., Поляков В. И., Рюмкин А. И., Сальников С. П. Информационная система управления землепользованием Красноярского края // Вестник Томского гос. ун-та, 2002. № 275. — С. 47−53.
- Мания Г. М. Статистическое оценивание распределения вероятностей. -Тбилиси: Изд-во Тбил. ун-та, 1974. 238 с.
- Марков Н.Г., Напрюшкин A.A., Замятин A.B. Применение нейронных сетей при решении задач экологического мониторинга // Межвузовский научно-техн. сб. «Кибернетика и вуз», вып. 30, — Томск: Изд-во ТПУ. -2003.-С. 76−81.
- Назаров Л.Е. Применение многослойных нейронных сетей для классификации земных объектов на основе анализа многозональных сканерных изображений // Исследование Земли из космоса. 2000. — № 6. -С.41−50.
- Назимова Д.И., Поликарпов Н. П. Возможен ли прогноз лесного покрова Сибири на XXI век? // Природа. 2001. — № 4. — С. 55−62.
- Напрюшкин A.A. Алгоритмическое и программное обеспечение системы интерпретации аэрокосмических изображений для решения задач картирования ландшафтных объектов: диссертация на соискание ученой степени к.т.н. Томск. 2002. — 168 с.
- Наумов Л.А., Шалыто A.A. Клеточные автоматы. Реализация и эксперименты // Мир ПЭВМ. 2003. — № 8. С. 64−71.
- Научный центр оперативного мониторинга Земли. Электронный ресурс. Режим доступа: — http://vsrww.ntsomz.ru/, свободный. (1.09.2011)
- Нейроинформатика / А. Н. Горбанъ, В.Л. Дунин-Барковский, А. Н. Кирдин и др. Новосибирск: Изд-во Наука. Сибирское предприятие РАН. — 1998. -296 с.
- Нейронные сети. Statistica Neural Networks: Пер. с англ. М.: Горячая линия-Телеком. 2000. — 182 с.
- Новый метод картографического представления информации о динамике экосистем // Аэрокосмические методы исследований при мелиоративном и водохозяйственном строительстве. М.: Союзводпроект. 1990 — С. 92−99.
- Перегудов Ф.И., Тарасенко Ф. П. Введение в системный анализ. — М.: Высшая школа, 1989. 320 с.
- Потапов A.C. Распознавание образов и машинное восприятие: общий подход на основе принципа минимальной длины описания. СПб.: Политехника, 2007. — 548 с.
- Принципы и методика составления прогнозных металлогенических карт. Сб. статей. Отв. Ред. Е. Т. Шаталов. М.: Изд-во Недра, 1966.
- Принципы и методы геосистемного мониторинга / A.M. Грин, H.H. Клюев, В. Д. Утехин и др. М.: Изд-во Наука, 1989. — 168 с.
- Проблемы создания региональных геоинформационных комплексов и опыт решения прикладных задач на основе картографической информации / И. Е. Бруни, В. Ю. Вознесенский, А. Ю. Воробьев и др. Подред. В. В. Лебедева, — М.: Изд-во Наука, 2002. 239 с.300
- Программное обеспечение для распределенно-параллельного моделирования изменений ландшафтного покрова / Афанасьев A.A., Замятин A.B. // Свидетельство о государственной регистрации программы для ЭВМ № 2 011 615 128 от 29.06.2011 г.
- Протасов К.Т., Рюмкин А. И. Непараметрический алгоритм распознавания объектов подстилающей поверхности Земли по данным аэрокосмической съемки // Вестник Томского гос. ун-та, 2002. № 275. — С. 41−46.
- Рассел С., Норвиг П. Искусственный интеллект: современный подход / пер. с англ. 2-е изд. — М.: Вильяме, 2006. — 1408 с.
- Ревзон A.A., Камышев А. П. Природа и сооружения в критических ситуациях//Дистанционный анализ М.: Изд-во «Триада Лтд», 2001. -2008 с.
- Региональный географический прогноз управление природопользованием. Сб. статей. — М.: Изд-во Наука, 1989. — 80 с.
- Розанов Ю.А. Стационарные случайные процессы.-2-е изд., доп.- М.: Изд-во Наука. Гл.ред.физ.-мат.лит., 1990. 272 с.
- Розенберг Г. С. Адекватность математического моделирования экологических систем // Экология, 1989. № 6. — С. 8−14.
- Розенберг Г. С., Брусиловский П. М. Об адекватности экологического моделирования // Статистический анализ и математическое моделирование фитоценотических систем, 1982. Уфа. — С. 6−17.
- Рюмкин А.И. Модель планировочной структуры города // Вестник Томского гос. ун-та, 2006. № 290. — С. 279−282.
- Рюмкин А.И., Кравченко Г.Г-. Организация регионального развития на основе геоинформационных технологий // Геоинформатика, 2007. № 2. -С. 36−43.
- Рюмкин А.И., Тябаев Е. С. О моделировании расселения региона // Вестник Томского гос. ун-та, 2006. № 290. — С. 283−287.
- Савин А.И., Бондур В. Г. Научные основы создания и диверсификации глобальных аэрокосмических систем // Оптика атмосферы и океана. 2000-Т.13. -№ 1.С. 46−62.
- Саворский В.П. Объективизация концептуальной модели ИС ДЗЗ // Современные проблемы дистанционного зондирования Земли из космоса, 2009. Т. 6. — № 1. с. 227−233.
- Саворский В.П. Узел распределенной системы космических данных Центр обработки и хранения космической информации (ЦОХКИ) ФИРЭ РАН // Современные проблемы дистанционного зондирования Земли из космоса. 2004.-Т.1.-С. 241−247.
- Саймон P. Microsoft Windows 2000 API: Энциклопедия программиста (пер. с англ.). К.: ДиаСофт, 2001. 1088 с.
- Скворцов A.B. Триангуляция Делоне и ее применение- Томск: Изд-во Том. ун-та, 2002. 128 с.
- Тексейра С., Пачеко К. Borland Delphi 6. Руководство разработчика.: Пер. с англ.-М.: Издательский дом «Вильяме», 2002.-1120 с.
- Теория и методы географического прогнозирования: возможности и пути: Сб. науч. тр. / Научный совет по проблемам биосферы М.: Наука, 1992−151с.
- Тикунов B.C. Моделирование в картографии. М.: Изд-во МГУ, 1997.405 с.
- Ту Д., Гонсалес Р. Принципы распознавания образов. Пер. с англ. М.: Изд-во Мир, 1978.-412 с.
- Уоссерман Ф. Нейрокомпьютерная техника. М.: Изд-во Мир, 1992.
- Уткин В.Ф., Анфимов H.A., Лукъященко В. М. и др. Концепция построения космической программы России // Проблемы авиационной и космической техники, 1995. № 8. — С 6−8.
- Фу К. Последовательные методы в распознавании образов и обучении машин. Пер. с англ. М.: Изд-во Наука, 1971. — 256 с.
- Фу К. Структурные методы в распознавании образов. Пер. с англ. М.: Изд-во Мир, 1977. — 320 с.
- Фукунага К. Введение в статистическую теорию распознавания образов / Пер. с англ. М.: Изд-во Наука, 1979. 368 с.
- Хаггет П. Пространственный анализ в экономической географии. М.: Изд-во Прогресс, 1968. — 390 с.
- Хайкин С. Нейронные сети. Изд-во «Вильяме». пер с англ., под ред. H.H. Кускуль, 2006.- 1105 с.
- Харалик P.M. Статистические и структурные подходы к описанию текстур // ТИИЭР, 1979. Т. 67. — № 5. — С. 38−45.
- Харин Ю.С., Степанова М. Д. Практикум на ЭВМ по математической статистике. Мн.: Изд-во «Университетское», 1987. — 304 с.
- Харламов Б.П. Непрерывные полумарковские процессы— Спб.: Изд-во Наука, 2001.-432 с.
- Ховард P.A. Динамическое программирование и марковские процессы. -М.: 1964. -302 с.
- Центр информационной поддержки космической программы «Природа». Электронный ресурс. Режим доступа: — http://www.ire.rssi.ru/priroda, свободный.
- Шамис В.А. Borland С++ Builder. Программирование на С++ без проблем. М.: «Нолидж», 1997. 266 с.
- Шапиро Е.И. Непараметрические оценки плотности вероятности в задачах обработки результатов наблюдений // Зарубежная радиоэлектроника-2000.- № 2, — С. 3−22.
- Шеннон К. Работы по теории информации и кибернетике. М.: Наука, 1963. — 829 с.
- Шокин Ю.И., Пестунов И. А., Смирнов В. В., Синявский Ю.Н., Скачкова
- А.П., Дубров И. С., Левин В. А., Алексанин А. И., Алексанина М. Г., Бабяк
- Шокин Ю.И., Пчельников Д. В., Добрецов Н. Н., Чубаров Л. Б. Особенности информационного обеспечения комплексных исследований динамики природной среды и социально-экономического развития территорий // Геоинформатика-2010, 2010. № 3. — С. 42−56.
- Экоинформатика. Теория. Практика. Методы и системы. Под ред. РАН В. Е. Соколова, С.-Пб., Изд-во Гидрометеоиздат, 1992 520 с.
- Язиков Е.Г., Шатилов А. Ю. Геоэкологический мониторинг: учебное пособие для вузов. Томск: Изд-во Томского политехнического университета, 2008. — 276 с.
- Якобсон А., Буч Г., Рамбо Дж. Унифицированный процесс разработки программного обеспечения. СПб.: Питер, 2002. — 496 с.
- Ancis M., Murroni M., Giusto D.D., Petrou M. Region-based remote-sensing image compression in the wavelet domain // IGARSS '99 Proceedings. IEEE 1999 International, 1999. Vol. 38. — No. 22. — pp. 1335 — 1337.
- Baker W.L. A review of models of landscape change // Landscape Ecology, 1989.-No. 2.-P. 111−133.
- Bell E.J. Markov analysis of Land Use Change An Application of Stochastic Processes to Remotely Sensed Data // J. of Socioeconomic Planning Sciences, 1974.-№ 8.-P. 311−316.
- Benazza-Benyahia A., Pesquet J.-C., Gharbia M.H. Adapted vector-lifting schemes for multiband textured image coding // IEEE 2003 International Geoscience and Remote Sensing Symposium IGARSS'2003, 2003. Toulouse. -France.-P. 1833−1835.
- Benenson I. Warning! The scale of land-use CA is changing! // Computers, Environment and Urban Systems, 2007. 31(2). — P. 107−113.
- Benenson I., Torrens P. Geosimulation: Automata-based modeling of urban phenomena. Chichester, John Wiley & Sons Ltd, Chichester, 2004. 286 p.
- Berry M., Comiskey J., Minser K. Parallel Analysis of Clusters in Landscape Ecology // IEEE Computational Science and Engineering, 1994. Vol. 1. -No. 2. — P. 24−38.
- Bischof H., Scheider W., Pinz AJ. Multispectral Classification of LandsatImages Using Neural Networks // IEEE Transactions on Geoscience and Remote Sensing, 1992. P. 482−493.
- Bishop C.M. Neural Networks for Pattern Recognition. Oxford Univ. Press, 1995.-508 p.
- Brown D.G., Goovaerts P., Burnicki A., Li M.Y. Stochastic simulation of landcover change using geostatistics and generalized additive models // Photogram metric Engineering and Remote Sensing, 2002. 68(10). — P.1051−1061.
- Brown D.G., Pijanowski B.C., Duh J.D. Modeling the relationships between land use and land cover on private lands in the Upper Midwest, USA // J. of Environmental Management, 2002. Vol. 59. — P. 1−17.
- Butz A.R. Convergence with Hilbert’s Space Filling Curve // J. Computer and System Sciences, 1969. Vol. 3. — P. 128−146.
- Cabral P., Zamyatin A. Three Land Change Models for Urban Dynamics Analysis in Sintra-Cascais Area //1st EARSeL Workshop of the SIG Urban Remote Sensing Humboldt-Universitat zu Berlin, Berlin, 2006. p. 1−8.
- Cabral P., Zamyatin A. Advanced Spatial Metrics Analysis in Cellular Automata Land Cover Change Modeling // DYNA, Sede Medellin, 2011. Vol. 78. -No 170. — pp.42−50.
- Cabral P., Zamyatin A. Markov processes in modeling land use and land cover changes in Sintra-Cascais, Portugal // DYNA, Sede Medellin, 2009. Vol. 76. -No. 158. — pp.191−198.
- Cagnazzo M., Cicala L., Poggi G., Verdoliva L., Low-complexity compression of multispectral images based on classified transform coding // Signal Processing: Image Communication, 2006. Vol. 10. — No. 21. — pp. 850−861.
- Camps-Vails G., Gomez-Chova L., Calpe J., Soria E., Martin J. D., Alonso L., Moreno J. Robust support vector method for hyperspectral data classification and knowledge discovery // IEEE Trans. Geosci. Remote Sens., 2004. Vol. 42, No. 7.-pp. 1530−1542.
- Chang Ch.-Ch., Lin Ch. -J. LIBSVM: a Library for Support Vector Machines / Электронный ресурс.- Режим доступа: -http://www.csie.ntu.edu.tw/~cjlin/libsvm/ (31.05.2011), свободный.
- Chang L. Multispectral image compression using eigenregion-based segmentation // J. of Pattern Recognition. 2004. Vol. 37. No. 6. — pp. 12 331 243.
- Chen Q., Mynett A.E. Eeffects of cell size and neighbourhood type in a cellular automata based prey predator «model. // Simulation Modelling Practice and Theory, 11. 2003. — pp. 609−625
- Christopoulos C., Skodras A., Ebrahimi T. The JPEG2000 still image coding system // Signal Processing Magazine, IEEE, 2001. Vol. 18. — No. 5. — pp. 36 -58.
- Clark Labs. Geoinformation system Idrisi Kilimanjaro. Электронный ресурс. Режим доступа: — http:// www.clarklabs.org/ IdrisiSoftware/ (31.05.2011), свободный.
- Clarke K.C., Gaydos J. Loose-coupling a cellular automaton model and GIS: long-term urban growth prediction for San Francisco and Washington/Baltimore // Int. J. Geographical information science, 1998. Vol.12, No.7. — pp. 699−714.
- Clarke K.C., Hoppen S., Gaydos L. A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area // Environment and Planning B: Planning & Design: 24, 1997. pp. 247−261.
- Committee on Earth Observation Satellites. Электронный ресурс. Режим доступа: — http://www.ceos.org/pages/DMSG/2001Ceos/overview.html, свободный.
- Dietzel С., Clarke К.С. Decreasing Computational Time of Urban Cellular Automata Through Model Portability // Geoinformatica, 2006. No.10. -pp. 197−211.
- Dietzel C., Clarke K.C. Spatial Differences in Multi-Resolution. Urban Automata Modeling, Transactions in GIS, 2004. Vol. 8. — pp. 479−492.
- EoPortal sharing earth observation resources. Электронный ресурс. Режим доступа: — http://www.eoPortal.org/, свободный.
- ERDAS Corp. Система обработки данных ДЗЗ ERDAS Imagine. Электронный ресурс. Режим доступа: — http:// www.erdas.com (31.05.2011), свободный.
- ESRI Software. Электронный ресурс. Режим доступа: -http://www.esri.com (31.05.2011), свободный.
- Faloutsos С. Gray Codes for Partial Match and Range Queries // IEEE Transactions on Software Engineering. 14(10), 1988. — pp. 1381−1393.
- Fine S., Scheinberg K. INCAS: An incremental active set method for SVM. Technical Report, IBM Research Labs, Haifa, 2002.
- Fitz H.C., DeBellevue E.B., Costanza R., Boumans R., Maxwell Т., Wainger L., Sklar F.H. Development of a General Ecosystem Model for a Range of Scales and Ecosystems // Ecological Modeling, 1996. Vol. 88. — pp. 263−295.
- Forman R.T.T. Land mosaics: the ecology of landscapes and regions. Cambridge, Cambridge University Press, 1995. 632 p.
- Frigaard C., Gade J., Hemmingsen Т., Sand T. Image compression based on a fractal theory. Institute for Electronic Systems Aalborg University. Denmark-ftp://ftp.informatik.uni-freiburg.de/papers/ fractal/ FGHS94.ps.gz. — 1994.
- Geman S., Geman D. Stochastic relaxation, Gibbs distributions and the Bayesian restoration of images // IEEE Transaction on Pattern Analysis and Machine Intelligence, 1984. Vol. 6. — pp.721−741.
- Giacinto G., Roli F. Adaptive Selection of Image Classifiers // ICIAP '97, 9th International Conference on Image Analysis and Processing, Florence, Italy, Springer Verlag Ed, 1997. pp.38−45.
- Giacinto G., Roli F. Dynamic Classifier Selection Based on Multiple Classifier Behaviour // Pattern Recognition, 2001. 34(9). — pp. 179−181.
- Giacinto G., Roli F., Bruzzone L., Combination of Neural and Statistical Algorithms for Supervised Classification of Remote-Sensing Images // Pattern Recognition Letters, 2000. Vol. 21. — No. 5. — pp. 385−397.
- Giacinto G., Roli F., Fumera G., Selection of Image Classifiers // Electronics Letters, 2000. 36(5). — pp. 420−422.
- Global Monitoring for Environment and Security (GMES). Электронный ресурс. Режим доступа: — http://www.gmes.info, свободный.
- GotAI.NET Материалы — Нейронные сети. Электронный ресурс. -Режим доступа: — http://www.gotai.net/ documents/ doc-nn-004.aspx (31.05.2011), свободный.
- Griffin М.К., et al., Examples of EO-1 Hyperion. Data Analysis // Lincoln Laboratory Journal, 2005. Vol. 15. — No.2. — P. 271−298.
- Gropp W., Lusk E., Skjellum A., Using MPI: Portable Parallel Programming with the Message-Passing Interface, 1999. MIT Press. — 371 p.
- Guo L. Z., Mei S.S., Billings S.A. Neighbourhood detection and identification of spatio-temporal dynamical systems using a coarse-to-fine approach, International Journal of Systems Science, 2007. Vol. 38. — No.l. — P. 1−15.
- Hagen A. Multi-method assessment of map similarity // 5th AGILE Conference on Geographic Information Science, 2002. P. 171−182.
- Haralick R.M., Shapiro L.G. Computer and Robot Vision, Addison-Wesley, Massachusetts, 1992.
- Hecht-Nielsen R. Kolmogorov’s Mapping Neural Network Existence Theorem // IEEE First Annual Int. Conf. on Neural Networks, San Diego, 1987. Vol. 3. — P. 11−13.
- Herold M., Goldstein N.C., Noah C., Clarke K.C. The Spatiotemporal Form of Urban Growth: Measurement, Analysis and Modeling // RSE (86), 2003. No. 3 (15). — P. 286−302.
- Hervas J., Barredo J.I., Rosin P., Passuto A., Mantovani F., S. Silvano. Monitoring landslides from optical remotely sensed imagery: the case history of
- Tessina landslide, Italy // Geomorphology, 2003. Vol. 54. — P. 63−75.309
- Integrated Global Observing Strategy (IGOS). Электронный ресурс. -Режим доступа: http://www.igospartners.org/, свободный.
- Jain A., Zongker D. Feature Selection: Evaluation, Application, and Small Sample Performance // IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997. Vol. 19. — No. 2. — P. 153−158.
- Jantz C.A., Goetz S.J. Analysis of Scale Dependencies in an Urban Land Use Change Model // International Journal of Geographical Information Science, 2005.-19 (2).-P. 217−241.
- Jenerette G.D., J. Wu. Analysis and Simulation of Land Use Change in the Central Arizona Phoenix region // Landscape Ecology, 2001. — Vol. 16. -P. 611−626.
- Jimenez L.O., Landgrebe D.A., Supervised classification in high-dimensional space: geometrical, statistical, and asymptotical properties of multivariate data // IEEE Trans. Syst. Man Cybernet, 1998. Part C. — 28 (1). — P. 39−54.
- Kalluri S., JaJa J., Bader D.A., Zhang Z., Townshend J., Fallah-Adl H. High performance computing algorithms for land cover dynamics using remote sensing data // Int. J. Remote Sensing, 2000. Vol. 21, No. 6−7. — P. 1513−1536.
- Kaneko I.S., Igarashi S. Combining Multiple k-Nearest Neighbour Classifiers Using Feature Combinations // J. IECI, 2000. Vol. 2. — No. 3. — P. 23−31.
- Katkovnik V., Shmulevich I. Nonparametric density estimation with adaptive varying window size // Conference on Image and Signal Processing for Remote Sensing VI, European Symposium on Remote Sensing, Barcelona, Spain, -2000.
- Kiely A., Klimesh M., Xie H., Aranki N. ICER-3D: A Progressive Wavelet-Based Compressor for Hyperspectral Images // The Interplanetary Network Progress Report, 2006. pp. 142−164.
- Kocabas V., Dragicevic S. Assessing cellular automata model behaviour using a sensitivity analysis approach. Computers, Environment and Urban Systems, 2006. 30(6). — P. 921−953.
- Kumar A. A Study of Spatial Clustering techniques // DEXA, 1994. P. 57−71.310
- Li X., Yeh A.G.O. Data mining of cellular automata’s transition rules. International Journal of Geographical Information Science, 2004. No.18. -P. 723−744.
- Li Xia, Yeh A. G.-O. Data mining of cellular automata’s transition rules // Int. J. Geographical Information Science, 2004. Vol.18. — No.8. — P. 723−744.
- Maplnfo Corporation. GIS Maplnfo. Электронный ресурс. Режим доступа: — http://www.mapinfo.com (31.05.2011), свободный.
- Marcellin M.W., Abousleman G.P., Hunt B.R. Compression of hyperspectral imagery using the 3d dct and hybrid dpcm/dct // IEEE Transactions on Geoscience and Remot Sensing, 1995. Vol. 33. — No. 1- P. 26−35.
- Markov N.G., Napryushkin A.A., Zamyatin A.V. Application of Neural Network Methods in RS-based Thematic Mapping// Proceedings of the 5-th AGILE conference on Geographic science, Palma de Mallorca, Spain, 2002. -pp. 485−490.
- Markov N.G., Napryushkin A.A., Zamyatin A.V., Vertinskaya E. V. Adaptive Procedure of RS Images Classification with Use of Extended Feature Space // Proceedings of SPIE, 2003. Vol. 4885. — pp. 489−500.
- McGarigal К. Landscape pattern metric. Электронный ресурс. Режим доступа: — www.umass.edu/landeco/pubs/Fragmetricsshort.pdf (31.05.2011), свободный.
- McGarigal К., Tagil S., Cushman S.A. Surface metrics: An alternative to patch metrics for the quantification of landscape structure. Landscape Ecology, 2009. 24. — P. 433−450.
- McGarigal L., Marks B.J., FRAGSTATS manual: spatial pattern analysis program for quantifying landscape structure, 1994. — (accessed March 1, 2009).
- Melgani F., Bruzzone L. Classification of hyperspectral remote sensing images with support vector machines, 'IEEE Trans. Geosci. Remote Sens., 2004. -Vol. 42. No. 8. — 2004. — P. 1778−1790.
- Menard A., Marceau D.J. Exploration of spatial scale sensitivity in geographic cellular automata // Environment and Planning B: Planning and Design, 2005. -32(5). P. 693−714.
- Microimages Inc. Система обработки данных ДЗЗ TNT MIPS. -Электронный ресурс. Режим доступа: — http://www.microimages.com (31.05.2011), свободный.
- Microsoft Windows 2000 Server. Учебный курс MSCE: Пер. с англ. 2-е изд., перераб. — М.: Издательско-торговый дом «Русская редакция», 2001.912 с.
- Motta G., Rizzo F., Storer J.A. Hyperspectral Data Compression. Berlin: Springer, 2006. — 415 p.
- Muller M. R., Middleton J. A Markov model of land-use change dynamics in the Niagara Region, Ontario, Canada // Landscape Ecology, 1994. Vol. 9. — No. 2.-P. 151−157.
- Official GRASS GIS homepage. KMC GRASS http://grass.itc.it/.(31.05.2011)
- Omachi S., H. Aso. A Fast Algorithm for k-NN Classifier Based on Branch and Bound Method and Computational Quantity Estimation // Transaction IEICE DII, J82-D-II, 4,1999. pp. 641−649.
- O’Sullivan D., Torrens P.M. Cellular models of urban systems // Theoretical and Practical Issues on Cellular Automata. London: Springer-Verlag, 2000. P. 108 117.
- Park S., Wagner D. F. Incorporating Cellular Automata simulators as analytical engines in GIS // Transaction in GIS, 1997. Vol. 2. — No. 3. — pp.213−231.
- Pennebaker W.B., Mitchell J.L. JPEG still image data compression standard (3rd ed.). Springer. 1993. — p. 291.
- Pijanowski B.C., D. Brown, B. Shellito and G. Manik. Using neural networks and GIS to forecast land use changes: A Land Transformation Model //Computers, Environment and Urban Systems, 2004. Vol. 26. -P. 553−576.
- Plaza A.J., Chang C.-I. High Performance Computing in Remote Sensing. Chapman & Hall/CRC. 2008. — 496 p.
- Podest E., Saatchi S. Application of Multiscale Texture in Classifying JERS-1 Radar Data Over Tropical Vegetation // International Journal of Remote Sensing, 2002. Vol. 23. — No. 7. — P. 1487−1506.
- Pontius Jr., Malanson J. Comparison of the structure and accuracy of two land change models // International Journal of Geographical Information Science. 2005. Vol. 19. — No. 2. — P. 243−265.
- Porter W.M., Enmark H.T. A System of the Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) // Proc. 31st Annual International Technical Symposium (SPIE), Bellingham, WA, 1987. Vol. 834. — pp. 22−31.
- Pratt W.K. Digital Image Processing. John Wiley & Sons, 4th Ed. 2001. 738 p.313
- Purdue/LARS. Электронный ресурс. Режим доступа: — MultiSpec -http://dynamo.ecn.purdue.edu/~biehl/MultiSpec/ (31.05.2011), свободный.
- Raymer M.L., Punch W.F., Goodman E.D., Kuhn L.A., and Jain L.C. Dimensionality reduction using genetic algorithms. IEEE Trans, on Evolutionary Computation, 2000. 4(2). — pp. 164−171.
- Remmel Т.К., Csillag F. When are two landscape pattern indices significantly different? // Journal of Geographical Systems, 2003. Vol. 5. — Iss. 4. — P. 331 351.
- Richards J.A., Xiuping Jia. Remote Sensing Digital Image Analysis: An Introduction. Berlin: Springer. 1999. — 363 p.
- Richardson D., van Oosterom P. Urban Simulation Using Neural Networks and Cellular Automata for Land Use Planning // Advances in Spatial Data Handling. Berlin: Springer-Verlag, 2002. pp. 451−464.
- Salomon D. Data Compression: The Complete Reference. Springer, 4th ed., 2007. — 1092 p.
- Scanex NeRIS. Программа нейросетевой интерпретации данных ДЗЗ. Электронный ресурс. Режим доступа: -www.scanex.ru/rus/tematica/Program/neris.htm (31.05.2011), свободный.
- SNNS Stuttgart Neural Network Simulator. Электронный ресурс. — Режим доступа: — http://www-ra.informatik.uni-tuebingen.de/SNNS/ (31.05.2011), свободный.
- Spatial Analysis: Modeling in a GIS Environment, ed. P. Longley & M. Batty. -Cambridge: Geolnformation International. 392 p.
- Steele B.M., Winne J.C., Redmond R.L. Estimation and mapping of misclassification probabilities for thematic land cover maps // Remote Sensing of the Environment, 1998. vol. 66. — pp. 192−202.
- Support vector machines: Theory and applications / Eds. L.Wang.- 2005, 434 p.
- Syphard A.D., Clarke K.C., Franklin J. Using a cellular automaton model to forecast the effects of urban growth on habitat pattern in southern California //
- Ecological Complexity, 2005. No.2. — pp. 185−203.314
- The Math Works MATLAB and Simulink for Technical Computing. Электронный ресурс. — Режим доступа: — http://www.mathworks.com (31.05.2011), свободный.
- Tischendorf L. Can landscape indices predict ecological processes consistently? // Landscape Ecology, 2001. 16(3). — P. 235−254.
- Turner M.G. Spatial simulation of landscape changes in Georgia: a comparison of 3 transition models //Landscape Ecology, 1987. Vol. 1, P. 29−36.
- Tutorial on ER Mapper SDK (Earth Resource Mapping). ER Mapper 5.5 user’s manual. -1997.
- Vane G., Green R.O., et al. The Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) // Remote Sensing of Environment, 1993. Vol. 44, P. 127−143.
- Veldkamp A., Verburg P.H., et al., Modeling the Spatial Dynamics of Regional Land Use: The CLUE-S Model // Environmental Management, 2002. Vol. 30, No. 3.-pp. 391−405.
- Verburg P., Schot P., Dijst M., Veldkamp A. Land use change modelling: current practice and research priorities // GeoJournal, 2004. Vol. 61. — P. 309 324.
- Verburg P.H. et al. A method to analyze neighborhood characteristics of land use patterns. // Computers, Environment and Urban Systems, 2003. Vol. 24. -P. 354−369.
- Verburg P.H., Soepboer W., Limpiada R., Espaldon V., Mastura S., Veldkamp S.A. Modelling the spatial dynamics or regional land use: the CLUE-S model // Environmental management, Springer-Verlag New-York Inc., 2002. 30(3). -P. 391−405.
- Voinov A., Costanza R., Wainger L., Boumans R., Villa F., Maxwell Т., Voinov H. Patuxent Landscape Model: Integrated Ecological Economic Modeling of a Watershed // Environmental Modeling and Software, 1999. Vol. 14.-P. 473−491.
- Weng Q. Land Use Change Analysis in the Zhujiang Delta of China Using Satellite Remote Sensing, GIS, and Stochastic Modeling // J. of Environmental Management, 2002. Vol. 64. — P. 273−284.
- Westin L.K. Department of computer Science Umee University. Receiver operating characteristic (ROC) analysis. http://www.cs.umu.se/ research/ reports/ 2001/ 018/ partl. pdf (31.05.2011)
- Widrow В., Lehr M.A. 30 Years of Adaptive Neural Networks: Perceptron, Madaline, and Backpropagation // Proceedings of the IEEE, 1990. Vol. 78, No. 9.-P. 1415−1442.
- Wright D.B. Receiver Operating Characteristics Curves. In Encyclopedia of Statistics in Behavioral Science, Chichester, John Wiley & Sons Ltd, 2005. -721 p.
- Wu J.G. Can landscape indices predict ecological processes consistently? // Landscape Ecology, 2000. V.16. — № 3. — P. 235−254.
- Zadeh L.A. Fuzzy Sets // Information control, 1965. pp. 338−353.
- Zamyatin A. A set of spatial characteristics in cellular automata land cover change modeling // Proceedings of the Geoinformatics Forum Salzburg, Helbert Wichmann Verlag, Bobingen, Germany, 2009. p.236−239.
- Zamyatin A. Advanced Processing of Remote Sensing Data for Land Use and Land Cover. LAP Lambert Academic Publishing AG & Co. KG, Saarbrucken, Germany, 2010. 232 p.
- Zamyatin A., Mikhaylov P., Cabral P. Spatial Metrics Approach to Land Cover Change Forecasting Using Cellular Automata // Proc. of 10th AGILE International Conference on Geographic Information Science, Denmark, 2007. -p. 1−8.
- Zamyatin A.V., Markov N.G. Advanced GIS Tool for Assessment of Land Use Change // Proceedings of the 5 th International Workshop on Computer Science and Information Technologies, 2003. Ufa, Russia. — pp. 115−118.