Гудак, ВасильВасильГудакМергес, СергійСергійМергес0009-0003-5187-6125Зацерковний, Віталій ІвановичВіталій ІвановичЗацерковнийDe Donatis Mauro2026-03-092026-03-092025-06-30Hudak, V., Marhes, S., Zatserkovnyі, V., & De Donatis, M. (2025). Methodology for the automated detection of anomalous geospatial zones in satellite imagery using statistical analysis and a custom QGIS plugin. Visnyk of Taras Shevchenko National University of Kyiv. Geology, (3 (110)), 117–126. https://doi.org/10.17721/1728-2713.110.13UDC 004.891:528.410.17721/1728-2713.110.13https://ir.library.knu.ua/handle/15071834/12256Background. This article presents a methodology for the automated detection of anomalous geospatial zones, implemented as a plugin for the QGIS geographic information system. The developed tool enhances the efficiency of spatial analysis and enables the rapid identification of areas with potential changes for monitoring natural and anthropogenic processes. Methods. The proposed approach is based on thresholding and statistical analysis of satellite imagery within the QGIS environment. The plugin provides interactive adjustment of image processing parameters and automatically detects geodynamic anomalies, which are then vectorized and delivered to the user for further analysis. The algorithm utilizes Python libraries (NumPy, SciPy, GDAL, PyQt, QGIS API) to handle various types of satellite data and applies standard deviation-based criteria to identify anomalous areas. Results. The testing of the plugin developed by the authors confirmed its effectiveness in processing satellite imagery types such as InSAR, thermal infrared (TIR), and NDWI-based images. The plugin successfully identified areas of vertical displacement of the Earth's surface, detected thermal anomalies, and delineated regions with moisture deficits. This approach substantially improves the accuracy of geospatial analysis. Conclusions. The developed plugin is an effective tool for the automated monitoring of changes in the Earth's surface and the assessment of hydrogeological conditions. Its integration within the QGIS environment enables the efficient adjustment of analysis parameters and the generation of results in vector data format. Plugin testing confirmed its practical value and revealed potential directions for further improvement, particularly regarding the separate processing of positive and negative displacement values to enhance the accuracy of anomaly interpretation.Вступ. Представлено методологію автоматизованого виявлення аномальних геопросторових зон, реалізовану у вигляді плагіна для геоінформаційної системи QGIS. Розроблений інструмент підвищує ефективність просторового аналізу та забезпечує швидку ідентифікацію територій з потенційними змінами для моніторингу природних і техногенних процесів. Методи. Запропонований підхід базується на використанні порогового та статистичного аналізу супутникових знімків у середовищі QGIS. Плагін забезпечує інтерактивне налаштування параметрів обробки зображень та автоматично виявляє геодинамічні аномалії, які після векторизації надаються користувачу для подальшого аналізу. Алгоритм використовує бібліотеки Python (NumPy, SciPy, GDAL, PyQt, QGIS API) для обробки різних типів супутникових даних і застосовує критерії на основі стандартного відхилення для виявлення аномальних ділянок. Результати. Тестування розробленого авторами плагіна підтвердило його ефективність під час обробки супутникових знімків типів InSAR, теплових інфрачервоних (TIR) та знімків на основі індексу NDWI. Плагін успішно ідентифікував зони вертикальних зміщень земної поверхні, виявив температурні аномалії та окреслив області з дефіцитом вологи. Такий підхід суттєво покращує точність геоінформаційного аналізу. Висновки. Розроблений плагін є ефективним інструментом для автоматизованого моніторингу змін земної поверхні та оцінки гідрогеологічних умов. Його інтеграція в середовищі QGIS дає змогу оперативно налаштовувати параметри аналізу та отримувати результати у форматі векторних даних. Тестування плагіна підтвердило його практичну цінність і виявило потенційні напрями для подальшого вдосконалення, зокрема щодо роздільної обробки додатних і від'ємних значень зміщень для підвищення точності інтерпретації аномалій.enautomated detectiongeospatial zonesQGIS pluginsatellite imagerygeodynamic anomaliesspatial analysisавтоматизоване виявленнягеопросторові зониплагін QGISсупутникові зображеннягеодинамічні аномаліїпросторовий аналізСтаття