Дистанційне зондування Землі відіграє важливу роль у моніторингу та оцінюванні наслідків лісових пожеж. За допомогою різних методик опрацювання багатоспектральних космічних знімків можна визначати ризик поширення пожежі, виявляти гарячі точки та встановлювати теплові параметри, картографувати уражені території та оцінювати наслідки. Метою роботи є оцінка ступеня тяжкості, пов’язаного з після пожежною фазою на прикладі лісів Чорнобильської зони відчуження. Задачами є визначення площ спалених територій за різночасовими космічними знімками, отриманими з супутника Sentinel-2 за допомогою нормалізованого коефіцієнта горіння (NBR) та методики контрольованої класифікації. Вхідними даними для дослідження слугували різночасові космічні знімки, отримані з супутника Sentinel-2 до та після пожежі. Знімки отримані з сервісу Copernicus Open Access Hub і їх просторова розрізненість складала 10 м для видимих та близького інфрачервоного каналів, та 20 м – для середніх інфрачервоних. Для автоматизованого підрахунку площі територій, пошкоджених пожежею, використано нормалізований індекс горіння (Normalized Burn Ratio (NBR)). Цей індекс призначений для ідентифікації ділянок, де відбувалось активне горіння. Для розрахунків цей індекс використовує близький та середній інфрачервоні канали. Додатково на досліджувану територію здійснено контрольовану класифікацію, при цьому були створені файли сигнатур для кожного класу. За результатами класифікації також обраховані площі територій, пошкоджених пожежею. Наукова новизна полягає в опрацюванні методики використання нормалізованого коефіцієнта горіння (NBR) та контрольованої класифікації для космічних знімків отриманих до і після пожежі у Чорнобильській Зоні Відчуження. Практична значущість полягає у тому, що досліджені методи ГІС-технологій можуть бути застосованими для виявлення зон та обрахунку площ пошкодженої пожежами рослинності. Ці результати можуть бути використані місцевими організаціями, органами самоврядування та МНС для моніторингу стану та планування відновлення лісових насаджень. Нормалізований індекс горіння дає можливість швидко та ефективно виявити та обчислити площі територій, пошкоджених пожежами, що дозволяє оперативно оцінити наслідки таких пожеж та оцінити завдані збитки. Нормалізований індекс горіння дозволяє обчислити площу горілого лісу майже в 2 рази точніше, ніж контрольована класифікація. Сам процес обчислення також займає менше часу і не вимагає додаткових процедур (набору сигнатур). Контрольована класифікація в цьому випадку дає гіршу точність, сам процес є тривалішим, але дозволяє визначити площі декількох різних класів.
- Бурштинська Х., Денис Ю., Поліщук Б., Тимчишин М. Моніторинг лісових пожеж за космічними знімками середнього розрізнення (на прикладі штату Арізона, США) Сучасні досягнення геодезичної науки та виробництва, 2018, 1(35), С. 179-184.
- Boschetti, L., Roy, D.P., Giglio, L., Huang, H., Zubkova, M., Humber, M.L. (2019). Global validation of the collection 6 MODIS burned area product. Remote Sensing Environments, Vol. 235, 111490. https://doi.org/10.1016/j.rse.2019.111490
- Bowman, D. (2018). Wildfire science is at a loss for comprehensive data. Nature. 560:7. https://doi.org/10.1038/d41586-018-05840-4
- DaCamara, C., Libonati, R., Pinto, M. Hurduc, A. (2018). Near- and Middle-Infrared Monitoring of Burned Areas from Space. Satellite Information Classification and Interpretation. http://dx.doi.org/10.5772/intechopen.82444
- Ertugrul, M., Ozel, H. B., Varol, T., Cetin, M., Sevik, H. (2019). Investigation of the relationship between burned areas and climate factors in large forest fires in the Canakkale region. Environmental Monitoring and Assessment, 191 (12), 737. https://doi.org/10.1007/s10661-019-7946-6
- Filipponi, F. (2018). BAIS2: Burned Area Index for Sentinel-2. Proceedings, 2 (7), 364. https://doi.org/10.3390/ecrs-2-05177
- Giglio, L., Boschetti, L., Roy, DP., Humber, ML., & Justice, CO. (2018). The collection 6 MODIS burned area mapping algorithm and product. Remote Sensing of Environment. 217, 72-85. https://doi.org/10.1016/j.rse.2018.08.005
- , J., Argueta, F., & Giglio, L. (2021). Validation of MCD64A1 and FireCCI51 cropland burned area mapping in Ukraine. International Journal of Applied Earth Observations and Geoinformation, №102, 1-11. https://doi.org/10.1016/j.jag.2021.102443
- Kumar, S. S.; & Roy, D. P. (2018). Global operational land imager Landsat-8 reflectance-based active fire detection algorithm. International Journal of Digital Earth, Abingdon, Vol. 11, n. 2, 154-178. https://doi.org/10.1080/17538947.2017.1391341
- Lanorte, R. Lasaponara, M. Lovallo, and Telesca, L. (2015). Fisher-Shannon information plane analysis of SPOT/VEGETATION normalized difference vegetation index (NDVI) time series to characterize vegetation recovery after fire disturbance. International Journal of Applied Earth Observation and Geoinformation, Vol. 26, 441–446. https://doi.org/10.1016/j.jag.2013.05.008
- Lasaponara, R. and Tucci, B. (2019). Identification of Burned Areas and Severity Using SAR Sentinel-1. IEEE Geoscience and Remote Sensing Letters, Vol. 16, no. 6, 917-921. https://doi.org/10.1109/LGRS.2018.2888641.
- Lasko, K. (2019). Incorporating Sentinel-1 SAR imagery with the MODIS MCD64A1 burned area product to improve burn date estimates and reduce burn date uncertainty in wildland fire mapping Incorporating Sentinel-1 SAR imagery with the MODIS. Geocarto International. https://doi.org/10.1080/10106049.2019.16085 92.
- Ling, F., Du, Y., Zhang, Y., Li, X. Xiao, F. (2015). Burned-Area Mapping at the subpixel scale with MODIS Images. IEEE Geoscience and Remote Sensing Letters, Vol. 12, no. 9, 1963-1967. https://doi.org/10.1109/LGRS.2015.2441135.
- Padilla, M., Stehman, S. V., Ramo, R., Corti, D., Hantson, S., Oliva, P., ... & Chuvieco, E. (2015). Comparing the accuracies of remote sensing global burned area products using stratified random sampling and estimation. Remote sensing of environment, 160, 114-121. https://doi.org/10.1016/j.rse.2015.01.005
- Pereira. I. M. S. de Carvalho, E. V., Batista, A. C., Machado, I. E. S., Tavares, M. E. F., & Giongo, M. (2018). Identification of burned areas by special index in a cerrado region of the state of tocantins, Brazil. Floresta, 48(4), 553-562.https://doi.org/10.5380/rf.v48i4.57362
- Pleniou, M., & Koutsias, N. (2013). Sensitivity of spectral reflectance values to different burn and vegetation ratios: A multi- scale approach applied in a fire affected area. ISPRS Journal of Photogrammetry and Remote Sensing, Amsterdam, Vol. 79, 199-210. https://doi.org/10.1016/j.isprsjprs.2013.02.016
- Quintano, C.; Fernandez-Manso, A.; Fernandez-Manso, O. (2018). Combination of Landsat and Sentinel-2 MSI data for initial assessing of burn severity. International Journal of Applied Earth Observation and Geoinformation, Vol. 64, 221–225. https://doi.org/10.1016/j.jag.2017.09.014
- Ramo, R., Roteta, E., Bistinas, I., Van Wees, D., Bastarrika, A., Chuvieco, E., Van der Werf, G. R. (2021). African burned area and fire carbon emissions are strongly impacted by small fires undetected by coarse resolution satellite data. Proceedings of the National Academy of Sciences, 118 (9). https://doi.org/10.1073/pnas.2011160118, 2021.
- Rasul, A., Ibrahim, G.R.F., Hameed, H.M., Tansey, K. (2021). A trend of increasing burned areas in Iraq from 2001 to 2019. Environ Dev Sustain 23, 5739–5755. https://doi.org/10.1007/s10668-020-00842-7
- Stroppiana, D., Azar, R., Calò, F., Pepe, A., Imperatore, P., Boschetti, M., ... & Lanari, R. (2015). Integration of optical and SAR data for burned area mapping in Mediterranean Regions. Remote Sensing, 7(2), 1320-1345