Маргес, СергійСергійМаргесГудак, ВасильВасильГудак0009-0003-5187-6125Зацерковний, ВіталійВіталійЗацерковнийФіліпович, ВолодимирВолодимирФіліповичДе Донатіс, МауроМауроДе Донатіс2026-05-112026-05-112026-02-27Маргес, 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/10.17721/1728-2713.112.1410.17721/1728-2713.112.14https://ir.library.knu.ua/handle/15071834/20113Background. This study addresses the challenge of identifying and assessing soil degradation risks in river basins, which significantly impact the ecological state of territories. Special emphasis is placed on enhancing the efficiency of spatial analysis through the use of an advanced QGIS plugin developed by the authors. Methods. The software tool was implemented using the OSGeo Python package and integrates algorithms for weighted overlay and semi-automated vectorization of results. It is designed as an internal function set that requires no additional installations. The plugin's functionality includes satellite data processing, automated detection of anomalous zones, and the construction of a generalized correspondence table linking spectral indices to specific forms of degradation. The analysis employed multi-decadal Landsat imagery (1985–2025) together with Sentinel-2 data (2025), processed within the QGIS environment. Testing was conducted in two contrasting study areas – the Dnipro and Supii river basins – characterized by markedly different levels of anthropogenic pressure. Results. The analysis revealed clear patterns of soil degradation processes, including vegetation decline, salinization, waterlogging, drought manifestations, and erosion. The use of the generalized spectral index table optimized the interpretation of satellite imagery, enhancing the reliability of classifying degradation types. The plugin demonstrated high effectiveness in integrating index-based analysis with spatial modeling, thereby enabling comprehensive evaluation of basin systems. Conclusions. The enhanced tool proved its practical applicability for ecological monitoring and decision support. A key innovation lies in the integration of semi-automated remote sensing interpretation with multi-level index classification, enabling both rapid anomaly detection and detailed spatio-temporal assessment of degradation dynamics. Prospective directions for development include the incorporation of machine learning algorithms for automated classification, the use of Big Data processing and parallel computing to ensure scalability, and integration with cloud-based platforms such as Google Earth Engine to provide real-time access to updated data streams. Collectively, these advancements lay the methodological foundation for developing a universal system to forecast and mitigate degradation processes in river basins.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.enGISmonitoringexogenic geological processessoil degradationsatellite imageryautomated detectiongeospatial zonesQGIS plugingeodynamic anomaliesspatial analysisГІСмоніторингекзогенні геологічні процесидеградація грунтівсупутникові знімкиавтоматизоване виявленнягеопросторові зониплагін QGISсупутникові зображеннягеодинамічні аномаліїпросторовий аналізСтаття