Моделювання ймовірності занедбання сільськогосподарських угідь у передгірській громаді за космічними знімками sentinel-2

2025;
: сс. 11 - 20
1
Кафедра фотограмметрії та геоінформатики, Національний університет «Львівська політехніка»
2
Кафедра фотограмметрії та геоінформатики, Національний університет «Львівська політехніка»

Мета статті – виявлення потенційно занедбаних сільськогосподарських угідь у межах Вигодської територіальної громади Івано-Франківської області шляхом багатокритеріального аналізу на основі космічних знімків Sentinel-2, вегетаційних індексів, топографічних та інфраструктурних параметрів. Методика. Запропоновано адаптований підхід багатокритеріального просторового моделювання для виявлення потенційно занедбаних сільськогосподарських угідь. Для проведення дослідження використано багатоспектральні супутникові знімки Sentinel-2 за серпень 2024 року. З метою виявлення потенційно занедбаних сільськогосподарських угідь у межах досліджуваної території розраховано сім вегетаційних індексів, з яких до фінальної моделі включено NDVI, MSAVI2 та RECI, що найкраще відображають стан, щільність та тип рослинного покриву. Додатково враховано три неспектральні змінні: ухил поверхні, відстань до доріг та відстань до житлової забудови. Усі просторові шари зведено до однакової просторової розрізненості, нормалізовано та перекласифіковано за п’ятибальною шкалою придатності. Для інтеграції даних застосовано метод зваженого накладання у середовищі ArcGIS Pro, що забезпечив побудову інтегрального шару ймовірності занедбаності, де вагові коефіцієнти кожного шару були визначені за результатами тестування та експертної оцінки. Результати. Побудована карта ризику занедбаності демонструє просторову неоднорідність сільськогосподарських угідь громади. Ділянки з найвищими класами ризику (4–5) зосереджені переважно у південній та північно-східній частинах території, що пов’язано з гірським рельєфом, обмеженою доступністю та мозаїчністю землекористування. У центральній частині переважають ділянки з низьким ризиком занедбаності (класи 1–2), характерні для активного обробітку. Узгодженість між отриманим результатом і багатоспектральними знімками свідчить про ефективність підходу у виявленні занедбаних угідь у структурно складному передгірному середовищі. Практична значущість. Запропонований підхід дає змогу ефективно ідентифікувати просторові осередки деградації землекористування для потреб місцевого планування, агроекологічного моніторингу та розробки стратегій підтримки сталого землекористування в гірських громадах.

  1. Куліковська О., Павло К., Ступень Р. (2024). Розкриття можливостей використання мультиспектральних знімків для точної оцінки посівів. Містобудування та територіальне планування, (87), 368–387.
  2. Baumann M. et al. (2011). Patterns and drivers of post- socialist farmland abandonment in Western Ukraine. Land Use Policy, 28(3), 552–562. DOI: //doi.org/ 10.1016/j.landusepol.2010.11.003.
  3. Castillo C. P., Kavalov B., Diogo V., Jacobs-Crisioni C., e Silva F. B., Lavalle C. (2018). Agricultural land abandonment in the EU within 2015–2030 (No. JRC113718). Joint Research Centre.
  4. Cramer V. A., Hobbs R. J., Standish R. J. (2008). What’s new about old fields? Land abandonment and ecosystem assembly. Trends in Ecology & Evolution, 23(2), 104– 112. DOI: https://doi.org/10.1016/j.tree. 2007.10.005.
  5. EOS Data Analytics. (2022). Вегетаційні індекси як розумні рішення для агробізнесу. URL: https:// eos.com/uk/blog/vehetatsiini-indeksy/.
  6. Estel S., Kuemmerle T., Alcantara C., Levers C., Prishchepov A. V., Hostert P. (2015). Mapping farmland abandonment and recultivation across Europe using MODIS NDVI time series. Remote Sensing of Environment, 163, 312–325.
  7. European Space Agency. (2015). Sentinel-2 user handbook (ESA Standard Document GMES-S2OP-EOPG-TN- 13-0001). European Space Agency. URL: https://sentinels. copernicus.eu/documents/247904/ 685211/Sentinel-2_User_Handbook.
  8. FAO. (2023). Analysis of land abandonment and development of agricultural land markets in the Republic of North Macedonia – Conclusions and policy recommendations. URL: https://www.fao.org/3/ cc4778en/cc4778en.pdf.
  9. Hryhoriv Y., Degtyarjov V., Marenych M., Hanhur V., Karbivska U., Gamajunova V., ... Konshin R. (2024). Qualitative assessment of soils in Dolyna District of Ivano-Frankivsk region. Journal of Ecological Engineering, 25(9). DOI: 10.12911/22998993/191370.
  10. Keenleyside C., Tucker G., McConville A. (2010). Farmland Abandonment in the EU: an Assessment of Trends and Prospects. Institute for European Environmental Policy, London.
  11. Key C. H., Benson N. C. (2006). Landscape Assessment: Ground Measure of Severity, the Composite Burn Index; and Remote Sensing of Severity, the Normalized Burn Ratio. In D. C. Lutes, R. E. Keane, J. F. Caratti, C.
  12. H. Key, N. C. Benson, S. Sutherland, L. J. Gangi (Eds.), FIREMON: Fire Effects Monitoring and Inventory System. Ogden, UT: USDA Forest Service, Rocky Mountain Research Station, Gen. Tech. Rep.
  13. Kolecka N., Kozak J. (2019). Wall-to-Wall Parcel-Level Mapping of Agricultural Land Abandonment in the Polish Carpathians. Land, 8(9), 129. DOI: https://doi.org/10.3390/ land8090129.
  14. Kuemmerle T., Hostert P., Radeloff V. C., van der Linden S., Perzanowski K., Kruhlov I. (2008). Cross-border comparison of post-socialist farmland abandonment in the Carpathians. Ecosystems, 11, 614–628. DOI: 10.1007/ s10021-008-9146-z.
  15. Lesiv M. et al. (2018). Spatial distribution of arable and abandoned land across former Soviet Union countries.Scientific             Data,            5,            180056.             DOI: https://doi.org/10.1038/   sdata.2018.56.
  16. Prishchepov A. V., Schierhorn F., Löw F. (2021). Unraveling the Diversity of Trajectories and Drivers of Global Agricultural Land Abandonment. Land, 2021, 10, 97. DOI: 10.3390/land10020097.
  17. Qi J., Chehbouni A., Huete A. R., Kerr Y. H., Sorooshian S. (1994). A modified soil adjusted vegetation index. Remote Sensing of Environment, 48(2), 119–126.
  18. Rouibah K., Belabbas M. (2020). Applying multi-index approach from Sentinel‑2 imagery to extract urban area in dry season (semi‑arid land). Revista de Teledetección, 20, Article 13787.
  19. UABIO. (2019). Маргінальні землі: особливості термінології та визначення. URL: https://uabio.org/ materials/100/.
  20. USGS. Landsat Surface Reflectance-derived Spectral Indices. URL: https://www.usgs.gov/landsat-missions/ landsat-surface-reflectance-derived-spectral-indices.
  21. Ustaoglu E., Collier M. J. (2018). Farmland abandonment in Europe: An overview of drivers, consequences, and assessment of the sustainability implications. Environmental reviews, 26(4), 396–416. DOI: 10.1139/er-2018-0001.
  22. Wang L., Li Q., Wang Y., Zeng K., Wang H. (2024). An OVR-FWP-RF Machine Learning Algorithm for Identification of Abandoned Farmland in Hilly Areas Using Multispectral Remote Sensing Data. Sustainability, 16(15), 6443. DOI: https://doi.org/ 10.3390/ su16156443.
  23. World Bank. Priorities for Agricultural Support in Ukraine (English). Washington, D.C.: World Bank Group. URL: http://documents.worldbank.org/curated/en/ 099062524074615884.
  24. Xiong Y., Li R., Yue Y. (2013). Quantitative estimation of photosynthetic pigments using new spectral indices. Journal of Forestry Research, 24, 477–483.
  25. Xue J., Su B. (2017). Significant remote sensing vegetation indices: A review of developments and applications. Journal of sensors, 2017(1). DOI: https://doi.org/ 10.1155/2017/1353691.
  26. Ye J., Hu Y., Feng Z., Zhen L., Shi Y., Tian Q., Zhang Y. (2024). Monitoring of Cropland Abandonment and Land Reclamation in the Farming–Pastoral Zone of Northern China. Remote Sensing, 16(6), 1089.