Інформаційна технологія виявлення покинутих сільськогосподарських угідь на основі супутникового моніторингу

UKR: Розроблено інформаційну технологію автоматизованого виявлення покинутих сільськогосподарських угідь за часовими рядами даних супутникового моніторингу Sentinel-2. Запропоновано метод класифікації, що базується на порівнянні максимальних значень Normalized Difference Vegetation Index (NDVI) у цільовому та базових роках. Зниження цього показника інтерпретується як ознака деградації антропогенного агроландшафту та відновлення природного рослинного покриву. Реалізована на основі розробленої технології інформаційна система інтегрована з Google Earth Engine (GEE) і забезпечує класифікацію полів як оброблюваних або покинутих у режимі, наближеному до реального часу, з відображенням результатів на інтерактивній карті. Технологія використовує супутникові знімки та не потребує навчальної вибірки, що робить можливим моніторинг аграрних територій навіть у зонах воєнних дій, де наземні обстеження є утрудненими або неможливими. Валідація на вибірці полів України засвідчила точність до 92% (F1-score = 0,896).

ENG: Information technology has been developed for the automated detection of abandoned cropland based on time series of Sentinel-2 satellite monitoring data. A classification method is proposed that relies on comparing the maximum values of the Normalized Difference Vegetation Index (NDVI) between reference and target years. A decrease in this indicator is interpreted as a sign of degradation of the anthropogenic agricultural landscape and the restoration of natural vegetation cover. The information system, implemented on the basis of the developed technology, is integrated with Google Earth Engine (GEE) and enables classification of fields as cultivated or abandoned in near real time, with the results displayed on an interactive map. The technology uses satellite imagery and does not require a training dataset, which makes it possible to monitor agricultural areas even in war zones where ground surveys are difficult or impossible. Validation on a sample of croplands in Ukraine demonstrated an accuracy of up to 92% (F1-score = 0.896).