vestnik Журнал "Вестник Сибирского государственного университета геосистем и технологий (СГУГиТ)" 2411-1759 ФГБОУ ВО "Сибирский государственный университет геосистем и технологий (СГУГиТ)" RU https://vestnik.sgugit.ru 10.33764/2411-1759-2025-30-2-74-82 Дистанционное зондирование земли, фотограмметрия Сравнительный анализ результатов тематической обработки космических снимков в свободном и коммерческом программном обеспечении А. С. Гордиенко Гордиенко А. С. В. В. Дедкова Дедкова В. В. Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация 2025 30 2 74 82 © А. С. Гордиенко, В. В. Дедкова, 2025 2025 А. С. Гордиенко, В. В. Дедкова Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. Применение свободного программного обеспечения для обработки данных дистанционного зондирования обладает рядом преимуществ, к которым можно отнести: доступ к полному набору функциональных возможностей без приобретения лицензии, открытый исходный код, возможность адаптирования существующих модулей под решение собственных задач либо создание новых. В условиях ограничений использования зарубежных программных продуктов и высокой стоимости коммерческих программ исследование возможностей свободного программного обеспечения является актуальным. Целью данной работы является сравнение результатов обработки космических снимков в свободном (QGIS, SAGA) и коммерческом (ENVI, ERDAS IMAGINE) программном обеспечениях для получения тематической информации по многоспектральным космическим снимкам. В качестве проверяемого алгоритма выбрана классификация с обучением методами максимального правдоподобия и минимальных расстояний, реализованных во всех исследуемых программах. Выполнен сравнительный анализ результатов обработки и сделаны выводы о возможности применения свободного программного обеспечения для решения тематических задач по космическим снимкам. свободное программное обеспечение тематическая обработка космические снимки открытый исходный код классификация с обучением плагин free software thematic processing satellite images open source code supervised classification processing methods plugin 1. Гордиенко А. С., Дедкова В. В. Исследование возможности применения свободного программного обеспечения для получения тематической информации по многоспектральным космическим снимкам // Вестник СГУГиТ. – 2024. – Т. 29, № 3. – С. 72–82. – DOI 10.33764/2411-1759-2024-29-3-72-82. – EDN DSYAND. 2. PlanetScope [Electronic resource]. – URL: https://developers.planet.com/docs/data/planetscope/ (accessed 18.06.2024). 3. Наводнение в Иркутской области [Электронный ресурс]. – URL: https://ria.ru/202-00625/1573362527.html. 4. QGIS. Documentation [Electronic resource]. – URL: https://qgis.org/ru/docs/index.html (accessed 10.10.2023). 5. Congedo L. Semi-Automatic Classification Plugin: A Python tool forthe download and processing of remote sensing images in QGIS // Journal of Open Source Software. – 2021. – Vol. 6, № 64. – P. 3172. – DOI 10.21105/joss.03172. – EDN HVVOPO. 6. Pragada S., Jaysawal D. Land use pattern using Semiautomatic classification plugin (SCP) with open source data // International Journal of Engineering Applied Sciences and Technology. – 2022. – Vol. 6, № 12. – P. 235–240. – DOI 10.33564/ijeast.2022.v06i12.039. – EDN EBYWPZ. 7. Unsupervised Classification Using QGIS Software [Electronic resource]. – URL: https://gisrsstudy.com/unsupervised-classification-in-qgis (accessed 20.06.2024). 8. Image Classification in QGIS – Supervised and Unsupervised classification [Electronic resource]. – URL: https://www.igismap.com/image-classification-in-qgis-supervised-andunsupervised-classification (accessed 21.06.2024). 9. SAGA. System for Automated Geoscientific Analyses [Electronic resource]. – URL: https://saga-gis.sourceforge.io/en/index.html (accessed 18.06.2024). 10. Saga GIS tutorials [Electronic resource]. – URL: https://sagatutorials.wordpress.com/about-sagagis/ (accessed 20.06. 2024). 11. Wu W., Ren C., Yin A., Zhang X. MixerNet-SAGA A Novel Deep Learning Architecture for Superior Road Extraction in High-Resolution Remote Sensing Imagery // Applied Sciences. – 2023. Vol. 13, № 18. – P. 10067. – DOI 10.3390/app131810067. – EDN ETCHNK. 12. Дунаева А. В. Обзор общедоступных инструментов для сегментации объектов на спутниковых снимках // Региональные проблемы дистанционного зондирования Земли : материалы IX Международной научной конференции (Красноярск, 13–16 сент. 2022 г.). – Красноярск : Сибирский федеральный университет, 2022. – С. 105–108. – EDN GINYIW. 13. Ишамятова И. Х. Выявление земель, подверженных негативному влиянию с применением программного продукта SAGA GIS // Столыпинский вестник. – 2022. – Т. 4, № 3. – DOI 10.55186/27131424_2022_4_3_3. – EDN UYKCYK. 14. Ступин В. П. Возможности SAGA GIS При исследовании и картографировании селевой опасности Байкальской горной страны // Интерэкспо ГЕО-Сибирь. XVII Междунар. науч. конгр., 19–21 мая 2021 г., Новосибирск : сб. материалов в 8 т. Т. 1 : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия». – Новосибирск : СГУГиТ, 2021. – С. 184–193. – DOI 10.33764/2618-981X-2021-1-184-193. – EDN JWHHCV. 15. Spatial–temporal analysis of various land use classifications and their long-term alteration's impact on hydrological components: using remote sensing, SAGA-GIS, and ARCSWAT model / F. Gholami, Z. Sedighifar, P. Ghaforpur [et al.] // Environmental Science: Water Research and Technology. – 2023. – Vol. 9, № 4. – P. 1161–1181. – DOI 10.1039/d2ew00138a. – EDN LRKDFE.