В данной статье рассмотрены содержание и результаты работы, посвященной разработке модели машинного обучения, позволяющей осуществить восстановление неполных данных с применением технологий облачных вычислений. Задача рассмотрена на примере исследования, посвященного моделированию данных для восполнения отсутствующих значений вегетационных индексов, основываясь на открытых каталогах данных
платформ облачных вычислений. Предложенная методика основана на использовании многолетней периодичной выборки значений вегетационных индексов и обучения модели на больших объемах данных для повышения качества восстановления рядов. Указанный в работе подход позволяет добиться более высокой точности, нежели использование при
восстановлении данных классических способов интерполяции, что делает моделируемые значения пригодными для использования при решении различных практических задач. Предложенная в работе методика реализована на примере восстановления значений нормализованного разностного вегетационного индекса, используемого для мониторинга и
оценки состояния растительного покрова. В качестве исходных данных использовались массивы значений, полученные из каталогов облачной среды Google Earth Engine, предназначенной для обработки и анализа данных дистанционного зондирования Земли, по территории центральной части Новгородской области. Также, для ускорения процесса обучения
модели и увеличения эффективности и производительности, использовались возможности платформы Google Colaboratory, что позволило не применять в исследовании локальные вычислительные мощности и специализированное программное обеспечение. Этот подход может быть адаптирован для восстановления других индексов или разрешения неполноты данных в различных предметных областях, что подчеркивает его универсальность и потенциальное практическое применение