Applying Machine Learning Techniques to Analyze Forest Fire Impacts on Sentinel-2 Imagery across Ukraine

ENG: Forest fires pose severe ecological and socio-economic threats, necessitating efficient tools for rapid damage assessment. This study presents a machine learning approach for detecting burnt forest areas in Ukraine using multispectral Sentinel-2 imagery. A new manually annotated dataset was developed for training semantic segmentation models, addressing the scarcity of open data for the region. The proposed convolutional neural network, based on an encoder–decoder architecture with Xception blocks, effectively captures spectral patterns associated with fire damage. Experiments conducted on Sentinel-2 Level-2A imagery of the Kinburn Peninsula (October 2022) demonstrate high detection performance, achieving an Intersection over Union (IoU) of 95%. The results confirm the model’s capability for accurate burnt-area mapping and highlight its potential for broader applications in regional fire monitoring and environmental management.

UKR: Лісові пожежі становлять серйозну екологічну та соціально-економічну загрозу, що вимагає ефективних інструментів для швидкої оцінки збитків. У цьому дослідженні представлено підхід на основі машинного навчання для виявлення спалених лісових ділянок в Україні з використанням мультиспектральних зображень Sentinel-2. Для навчання семантичних сегментаційних моделей було розроблено новий набір даних з ручним анотуванням, що вирішує проблему нестачі відкритих даних для цього регіону. Запропонована конволюційна нейронна мережа, заснована на архітектурі кодера-декодера з блоками Xception, ефективно фіксує спектральні патерни, пов'язані з пошкодженнями від пожеж. Експерименти, проведені на знімках Sentinel-2 рівня 2A півострова Кінберн (жовтень 2022 р.), демонструють високу ефективність виявлення, досягаючи перетину над об'єднанням (IoU) 95%. Результати підтверджують здатність моделі до точного картографування спалених територій та підкреслюють її потенціал для більш широкого застосування в регіональному моніторингу пожеж та управлінні навколишнім середовищем.