Панченко, В.В.Панченко2026-03-232026-03-232020-11-12Panchenko, V. (2020). Land cover change detection for amalgamated territorial communities: Example of using remote sensing for forest classification and deforestation disclosure. Visnyk Kyivskogo Natsionalnogo Universytetu Imeni Tarasa Shevchenka, Geografiya, 1–2(76–77), 101–107. https://doi.org/10.17721/1728-2721.2020.76-77.15UDC 911.9:911.37(477.52)10.17721/1728-2721.2020.76-77.15https://ir.library.knu.ua/handle/15071834/136951. Andualem TG. Land Use Change Detection Using Remote Sensing Technology / TG Andualem, G. Belay, A. Guadie // Journal of Earth Science & Climatic Change. – 2018. – Vol. 9, issue 10. https://doi.org/10.4172/2157- 7617.1000496 2. Zahalna kharacterystyka lisiv Ukrainy // Derzhavne Ahenstvo Lisovukh Resursiv Ukrainy. Retrieved from http://dklg.kmu.gov.ua/forest/ control/uk/publish/article?art_id=62921&cat_id=32867 3. Hnatushenko, V. Satellite monitoring of consequences of illegal extraction of amber in Ukraine / V. Hnatushenko, D. Mozgovyi, O. Vasyliev & Kavats // Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. – 2017. – (2). – p. 99-105. Retrieved from: http://nbuv.gov.ua/UJRN/Nvngu_2017_2_17 4. Kuemmerle, T. Forest cover change and illegal logging in the Ukrainian Carpathians in the transition period from 1988 to 2007 / T. Kuemmerle, O. Chaskovskyy, Knorn, V. Radeloff, I. Kruhlov, Keeton, & P. Hostert // Remote Sensing of Environment. – 2009. 113(6). – p. 1194¬1207. https://doi.org/10.1016Zj.rse.2009.02.006. 5. Kuemmerle, T. PostDsocialist forest disturbance in the Carpathian border region of Poland, Slovakia, and Ukraine / Kuemmerle, T., Hostert, P., Radeloff, V., Perzanowski, K., & Kruhlov, I. // Ecological Applications. – 2007. – 17(5). – p. 1279-1295. https://doi.org/10.1890/06-1661.1 6. Mancino, G. Landsat TM imagery and NDVI differencing to detect vegetation change: Assessing natural forest expansion in Basilicata, southern Italy / Mancino, G., Nole, A., Ripullone, F., & Ferrara, A. // Forest. – 2014, 7(2). – p. 75-84. https://doi.org/10.3832/ifor0909-007 7. Roy, D. P. Characterization of Landsat-7 to Landsat-8 reflective wavelength and normalized difference vegetation index continuity / Roy, D. P., Kovalskyy, V., Zhang, H. K., Vermote, E. F., Yan, L., Kumar, S. S., Egorov, A. // Remote Sensing of Environment. – 2016. – 185. – p. 57-70. https://doi.org/ 10.1016/j.rse.2015.12.024 8. Stefanski, J. Mapping and monitoring of land use changes in post-Soviet western Ukraine using remote sensing data / Stefanski, Chaskovskyy, & Waske. // Applied Geography. – 2014. – 55. – p. 155-164. https://doi.org/ 10.1016/j.apgeog.2014.08.003 9. Web portal “EarthExplorer” by USGS. Retrieved from: https://earthexplorer.usgs.govThe study is aimed to apply remote sensing for purposes of land cover detection in researches of new territorial units in Ukraine. The example of forest detection using Landsat images is particularly presented in the study. While the study area presented by Korovyntsi amalgamated territorial community in the Sumy region. The forest classification and deforestation detection have been processed every 5 years from 1990 through 2020. The Landsat 5, 7, and 8 data from the United States Geological Survey (USGS) have been used for the research. The image choice depended on the date of data availability and reliability, but in time between mid-May to early July. The dataset of 11 total images was processed in the Harris Geospatial Solutions’ Environment for Visualizing Images (ENVI). The data were calibrated by using the ENVI Landsat calibration tool, the atmospheric correction applied by using the ENVI FLAASH tool, and seamless mosaicking was used for some periods with more than one image needed. Normalized Difference Vegetation Index (NDVI) is the basis for forest classification applied. Comparing remote sensing data from different years and different Landsat satellites allowed not just to identify vegetation type of forest, but also to detect land cover changes. The change detection has been analyzed in two ways. The first method was based on changes in classification status. The second method was based on a difference in NDVI values, while forest classification was held for masking out non-forest areas. The applied study observed ways of cost-efficient land use research for local communities. Those methods could be used by NGO’s, local activists, citizen scientists, local authorities for improving land use management with the most updated data, and identifying problems of deforestation, in the case of the study presented. Nonetheless, land cover change detection is not limited to forest cover presented in the study. Anyway, in the case of forest detection, Landsat images from different satellites could be compared and present historical data for the rural areas, which had a low research interest in the past, but it changed due to administrative reform in Ukraine and switching governance power to the local communities.Дослідження спрямоване на застосування методів віддаленого спостереження з метою виявлення змін у землекористуванні при дослідженнях громад – нових територіальних одиниць в Україні. Застосовано приклад виявлення та класифікації лісів за допомогою зображень супутників Landsat. Досліджуваний район представлений межами Коровинської сільської об’єднаної територіальної громади Сумської області. Класифікація лісів і виявлення вирубки лісів проводилася за даними знімків періодами п’ять років із 1990 по 2020 р. Для дослідження використовувались дані Landsat 5, 7 та 8 Геологічної служби США (USGS). Кількість і дата використаних знімків залежали від їхньої якості, але в основному датуються другою половиною травня – початком липня відповідних років. Набір із 11 зага­льних знімків оброблено в середовищі для візуалізації супутникових знімків Harris Geospatial Solutions (ENVI). Дані були відкалібровані за допомогою інструменту калібрування ENVI Landsat. Атмосферну корекцію застосовано за допомогою інструмента ENVI FLAASH; без­шовне мозаїчне зображення використовувалося протягом деяких періодів із кількома необхідними знімками. Нормалізований диференційний вегетаційний індекс (NDVI) є основою для класифікації’ лісистості. Порівняння даних віддаленого спостереження різних років та різних супутників Landsat дозволило не лише визначити рослинний тип лісу, а й виявити зміни земель­ного покриву. Виявлення змін було проаналізовано двома способами. Перший метод базувався на зміні статусу класифікації, другий – на різниці значень NDVI, тоді як класифікація лісів застосовувалася для маскування нелісових територій. У цьому прикладному дослідженні було застосовано шляхи економічно ефективних досліджень використання земель для місцевих громад. Ці методи можуть бути використані неурядовими організаціями, місцевими активістами, цивільними науковцями, місцевими органами влади для вдосконалення управління землекористування з використанням найсвіжіших даних та виявлення проблем лісів. Тим не менше, виявлення зміни земельного покриву не обмежується лише лісовим покривом, представленим у дослідженні. У випадку класи­фікування лісистості, зображення Landsat із різних супутників можна порівнювати та представити історичні дані для сільських райо­нів, які в минулому становили низький науковий інтерес, але наразі інтерес до них зріс унаслідок адміністративної реформи в Україні та переходу управлінських рішень на місцевий рівень.enвіддалене спостереженнядистанційне зондуваннязміни землекористуваннялісистістьсільська громадаremote sensingland cover change detectiondeforestationrural communityСтаття