Губкина, 8 Поступила в редакцию 22.03.2016 г. С целью развития когнитивных технологий распознавания лесной растительности разного породного состава и возраста при обработке гиперспектральных самолетных изображений рассмотрены особенности формирования получаемых изображений с помощью оптических приемных устройств, а также модели описания регистрируемых спектров и восстановления параметров лесного покрова. <...> Показаны характерные условия решения прямых задач в виде зависимости спектрального функционала от оптических свойств лесного полога и обратных задач восстановления объема фитомассы лесной растительности и параметров ее биологической продуктивности в возможных приложениях этих параметров в моделях климата. <...> Ключевые слова: дистанционное зондирование, обработка гиперспектральных изображений, распознавание лесной растительности, восстановление параметров, прямые и обратные задачи; remote sensing, optical imagery processing, pattern recognition of forest vegetation, parameters retrieval, direct and inverse problems. <...> Введение Дистанционное гиперспектральное зондирование (сотни каналов в видимой и ближней инфракрасной областях спектра) открывает новые возможности распознавания природно-техногенных объектов земной поверхности в сравнении с многоспектральным зондированием (6–7 каналов). <...> Решение возникающих прикладных задач основано на алгоритмическом и программном обеспечении прямых задач формирования уходящего излучения, регистрируемого аппаратурой гиперспектрального зондирования, и обратных задач восстановления параметров объектов при обработке получаемых изображений [1]. <...> Первые примеры реализации обратных задач по данным многоспектрального зондирования строились на основе простого перебора влияющих факторов в функционале, описывающем формирование уходящего излучения для прямых задач с регуляризацией получаемых решений [2]. <...> С появлением гиперспектральных систем дистанционного зондирования возникла необходимость обоснования <...>