Дисертацію присвячено підвищенню ефективності класифікації супутникових даних шляхом розробки ефективних методів класифікації, моделей їх реалізації та побудови інтелектуалізованого програмного забезпечення для автоматичного супутникового моніторингу в операційному режимі. В роботі розвинуто інтелектуальний підхід до класифікації супутникових даних шляхом побудови архітектури модульної нейронної мережі. В роботі розроблено об'єктну модель для задачі класифікації супутникових даних та профіль UML для представлення нейронних мереж. Запропонована та практично реалізована комплексна модель системи нейромережевої класифікації ландшафту за даними дистанційного зондування Землі, яка базується на розробленому у дисертації методі класифікації супутникових даних.Диссертация посвящена повышению качества и скорости классификации спутниковых данных путем разработки эффективных методов классификации, моделей их реализации и построения интеллектуального программного обеспечения для автоматического спутникового мониторинга в операционном режиме. В работе разработан эффективный метод классификации данных дистанционного зондирования с применением модульных нейронных сетей, который учитывает особенности спутниковых данных, полученных из различных источников, и обладает гибкостью для модификации в случае появления новых источников. Для определения наилучшей архитектуры и параметров нейронных сетей были проведены исследования на больших выборках реальных данных, полученных со спутника Landsat, и исследованы различные нейросетевые архитектуры и методы обучения. Модульная нейронная сеть дает стабильные результаты классификации спутниковых данных, и эффективность ее работы не зависит от количества классов. Кроме того, при изменении количества классов нет необходимости переобучать всю сеть, необходимо лишь подключить или отключить соответствующий ранее обученный модуль. Это значительно сокращает время подготовки сети к работе.На основе комплексной модели системы классификации спутниковых данных был модифицирован алгоритм оценки биоразнообразия. В рамках разработки украинского сегмента GEOSS был практически реализован веб-сервис видового разнообразия южных регионов Украины, основанный на разработанном методе нейросетевой классификации ландшафта по спутниковым данным;Ph.D. thesis is devoted to improve the classification of satellite data by the development of effective methods, models, implementation of classification and construction of intelligent software for automatic satellite monitoring in real time. An intelligent approach to the classification of satellite data was improved by constructing modular neural network architecture. An object model for the problem of classification of satellite data and a UML profile were developed to represent the neural networks. An integrated model of neural network classification of the landscape according to remote sensing of the Earth was proposed and practically implemented. This model is based on the developed neural network method of satellite data classification.