Виявлення процесів деградації ґрунтів у річкових басейнах із використанням супутникових індексів та авторського плагіна для QGIS

Маргес, С., Гудак, В., Зацерковний, В., Філіпович, В., Де Донатіс, М. (2026). Detection of soil degradation processes in river basins using satellite indices and a custom QGIS plugin. Вісник Київського національного університету імені Тараса Шевченка. Геологія, 1(112), 122–132. https://doi.org/10.17721/1728-2713.112.14

Вступ. У дослідженні розглядається проблема ідентифікації та оцінювання ризиків деградації ґрунтів у річкових басейнах, які суттєво впливають на екологічний стан територій. Особливу увагу приділено підвищенню ефективності просторового аналізу шляхом використання вдосконаленого плагіна для QGIS, розробленого авторами.
Методи. Програмний інструмент створено на основі пакета OSGeo для Python та інтегровано з алгоритмами зваженого накладання й напівавтоматичної векторизації результатів. Його реалізовано як внутрішній набір функцій, що не потребує додаткових встановлень. Функціонал охоплює обробку супутникових даних, автоматичне виявлення аномальних зон та побудову узагальнювальної таблиці відповідності спектральних індексів різним формам деградації. Для аналізу використано багаторічні ряди знімків Landsat (1985–2025 рр.) та дані Sentinel-2 (2025 р.), оброблені в середовищі QGIS. Тестування проведено на прикладі басейнів річок Дніпро та Супій, що відрізняються рівнем антропогенного навантаження.
Результати. Аналіз дозволив виокремити закономірності деградаційних процесів, зокрема зменшення площі рослинного покриву, засолення, заболочення, прояви посух та розвиток ерозійних форм. Застосування узагальнювальної таблиці спектральних індексів оптимізувало інтерпретацію супутникових знімків і підвищило точність класифікації форм деградації. Плагін підтвердив свою ефективність у поєднанні індексного аналізу з просторовим моделюванням для оцінювання стану басейнових систем.
Висновки. Вдосконалений інструмент довів практичну придатність для моніторингу екологічного стану територій і підтримки управлінських рішень. Наукова новизна полягає в інтеграції напівавтоматизованого дешифрування супутникових даних із багаторівневою методикою інтерпретації спектральних індексів, що забезпечує оперативне виявлення аномальних ділянок і комплексну просторово-часову оцінку деградаційних процесів. Перспективи розвитку включають інтеграцію алгоритмів машинного навчання для автоматичної класифікації процесів, застосування обробки великих масивів супутникових даних із використанням паралельних обчислень, а також інтеграцію з хмарними платформами дистанційного зондування (зокрема Google Earth Engine) для доступу до актуальних даних у режимі реального часу. Сукупність цих рішень формує підґрунтя для створення універсальної системи прогнозування та попередження деградаційних процесів у річкових басейнах.