Мета дослідження полягає в апробації технології визначення змін агроландшафтів за даними супутникових знімків Sentinel-2 із використанням інструментів Google Earth Engine (GEE) на прикладі території Жовківської територіальної громади Львівської області. Основне завдання – виявити зміни земного покриву за період 2017– 2024 років, визначити їх масштаби та тенденції. Дослідження проводили з урахуванням потреб моніторингу землекористування та динаміки земного покриву, що є важливими завданнями для забезпечення сталого розвитку сільських територій. Методи дослідження ґрунтувалися на використанні колекції даних Sentinel-2 Level-2A (Surface Reflectance), які пройшли атмосферну корекцію за два часові періоди. Робота виконана у середовищі платформи Google Earth Engine шляхом розробки власних скриптів для автоматизації процесів. Основні етапи включали: попереднє опрацювання даних (маскування хмар, створення композитів, обрізання зображень), розрахунок спектральних індексів (NDVI, NDWI, NDBI), візуалізацію результатів, контрольовану класифікацію з використанням алгоритму Random Forest та оцінку її точності на основі матриці помилок. Результати дослідження свідчать про значні зміни у структурі агроландшафтів за досліджуваний період. Виявлено збільшення площ водних об’єктів, забудованих територій та сільськогосподарських угідь, а також скорочення площ лісів і лук. Такі трансформації узгоджуються з регіональними тенденціями: розвитком аквакультур, урбанізацією та інтенсифікацією сільського господарства. Класифікація показала високу точність, що підтверджує ефективність використання GEE у задачах моніторингу землекористування. Водночас виявлено обмеження у застосуванні окремих індексів: NDBI недостатньо чітко розрізняє забудову та оголений ґрунт, NDWI може помилково ідентифікувати водні об’єкти на піщаних ділянках. Найбільш чутливим до помилок класифікації виявився клас лук, а також ділянки, вкриті плівками чи агроволокном. Практична значущість. Розроблений підхід може бути використаний для створення систем моніторингу агроландшафтів на регіональному рівні, оперативного виявлення змін у землекористуванні та планування заходів зі збереження природних ресурсів. Використання платформи GEE забезпечує доступність технології без значних фінансових витрат і спеціалізованого обладнання.
- Ковальчук І., Шевчук О. (2020). Агроекологія. Львів :ЛНАУ. 272 с.
- Марюшко М., Пащенко Р., Коблюк Н. (2019). Моніторинг сільськогосподарських культур із застосуванням космічних знімків Sentinel-2. Radioelectronic and Computer Systems. Спеціа- лізовані системи оброблення інформації. DOI: https://doi.org/10.32620/reks.2019.1.11.
- Пилипенко Г., Цуркан О. (2014). Функціональні типи агроландшафтів, особливості їхнього карто- графування. Вісник Львівського університету. Серія географічна, 48, 280–291.
- Савицька І. (2019). Агроландшафти: еволюція, трансформації, виклики. Географія та економіка в рідній школі. № 3. С. 12–18.
- Смалійчук А. (2021). Зміни агроландшафтів: антропогенний фактор і природна самореге- нерація. Ландшафтознавство. № 2. С. 18–26.
- Bengtsson Z., Beaudry B., Torres-Pérez J., McCullum A. (2021). NASA ARSET Training. Part 2: Using Google Earth Engine for Land Monitoring Applications. URL: https://appliedsciences.nasa. gov/sites/default/files/2021-06/GEE_Part2_Edited_ JO.pptx.pdf.
- Denize J., Hubert-Moy L., Betbeder J., Corgne S., Baudry J., Pottier E. (2019). Evaluation of Using Sentinel-1 and -2 Time-Series to Identify Winter Land Use in Agricultural Landscapes. Remote Sensing, 11(1), 37. DOI: https://doi.org/10.3390/rs11010037.
- Dusseux P., Corpetti T., Hubert-Moy L., Corgne S. (2014). Combined use of multitemporal optical and radar satellite images for grassland monitoring. Remote Sensing, 6, 6163-6182. DOI: https://doi10.3390/rs6076163.
- Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18–27. DOI: https://doi.org/10.1016/j.rse.2017.06.031.
- Mueller L., Eulenstein F., Dronin N. et al. (2021). Agricultural Landscapes: History, Status and Challenges. Chapter in Book Exploring and Optimizing Agricultural Landscapes. Pp. 3-54. DOI: https://doi.org/10.1007/978-3-030-67448-9_1.
- Nguyen H., Doan T., Tomppo E., McRoberts R. E. (2020). Land use/land cover mapping using multitemporal Sentinel-2 imagery and four classification methods–A case study from Dak Nong, Vietnam. Remote Sensing, 12(9), 1367. DOI: https://doi.org/10.3390/rs12091367.
- Snevajs H., Charvat K., Onckelet V., Kvapil J., Zadrazil F., Kubickova H., Seidlova J., Batrlova I. (2022). Crop Detection Using Time Series of Sentinel- 2 and Sentinel-1 and Existing Land Parcel Information Systems. Remote Sensing, 14(5), 1095. DOI: https://doi.org/10.3390/rs14051095.
- Tesfaye W., Elias E., Warkineh B., Tekalign M., Abebe G. (2024). Modeling of land use and land cover changes using Google Earth Engine and machine learning approach: implications for landscape management. Environmental Systems Research, 13, 31. DOI: https://doi.org/10.1186/s40068-024-00366-3. Weiss M., Jacob F, Duveiller G. Remote sensing for agricultural applications: A meta-review Remote Sensing
- of Environment. Vol. 236, January 2020, 111402. DOI:https://doi.org/10.1016/j.rse. 2019.111402.