СУПУТНИКОВИЙ МОНІТОРИНГ ТА ОЦІНКА СТУПЕНЯ ЗАБРУДНЕНОСТІ ВОДОЙМ ПІД ВПЛИВОМ ВІЙСЬКОВИХ ДІЙ
DOI:
https://doi.org/10.34185/1562-9945-4-159-2025-12Ключові слова:
водні ресурси, водойми, військові дії, супутниковий моніторинг, оцінка ступеню забруднення, методи ДЗЗ, спектральні індекси, NDWI, NDTI, Sentinel-2.Анотація
В статті розглянуті основні методи моніторингу водних ресурсів України, їх стану забруднення та вплив військових дій на них. Класичні методи моніторингу якості води у водоймах спираються на отримання зразків проб на місці, що вимагає значних ресурсів та є дороговартісними. Через повномаштабне вторгнення та військові дії, окупацію територій цей метод втрачає свою актуальність. В роботі описано основні спектральні водні індекси та набори даних, які можна використовувати для застосування методів супутникового моніторингу та оцінки ступеню забрудненості водойм під впливом військових дій. На прикладі техногенного катастрофи Каховської ГЕС, проаналізовано адаптованість індексів для визначення ділянок із забрудненням поверхневого шару води в акваторії Чорного моря.
Посилання
The global risks report 2025 20th edition. – Cologny, Switzerland: World Economic Fo-rum, 2025. URL: https://reports.weforum.org/docs/WEF_Global_Risks_Report_2025.pdf (da-ta zvernennia: 11.04.2025).
Shcho Rosiia robyt z ukrainskymy richkamy pid chas viiny: 6 milioniv liudei cherez viinu ne maiut vody. Open Dnister. 30.09.2022. URL: https://dnister.in.ua/articles/239825/scho-rosiya-robit-z-ukrainskimi-richkami-pid-chas-vijni-6-miljoniv-lyudej-cherez-vijnu-ne-mayut-vodi (data zvernennia: 11.04.2025).
Zabrudnennia Chornoho moria yak naslidok avariinoi sytuatsii, yaka sklalasia pislia pidryvu hrebli Kakhovskoi HES. UkrNTsEM.
URL: https://sea.gov.ua/index.php/2023/06/27/ges_explosion_conseq/ (data zvernennia: 11.04.2025).
Breus D. S., Levchenko M. V. Metody otsiniuvannia ta normuvannia yakosti pryrodnykh vodnykh resursiv. Tavriiskyi naukovyi visnyk. Silskohospodarski nauky. 2019. №. 110 (2). S. 126-131.
Kavzoglu T., Goral M. Google Earth engine for monitoring marine mucilage: Izmit Bay in Spring 2021. Hydrology. 2022. Vol. 9. №. 8. P. 135.
URL: https://doi.org/10.3390/hydrology9080135 (дата звернення: 11.04.2025).
Das S., Nandi D., Thakur R. R., Bera D. K., Behera D., Đurin B., Cetl V. A Novel Ap-proach for Ex Situ Water Quality Monitoring Using the Google Earth Engine and Spectral Indices in Chilika Lake, Odisha, India. ISPRS International Journal of Geo-Information. 2024. Vol. 13. №. 11. P. 381. URL: https://doi.org/10.3390/ijgi13110381 (дата звернення: 11.04.2025).
Berka C. S. Relationship between agricultural land use and surface water quality using a GIS: Sumas River Watershed, Abbotsford, BC: Doctoral dissertation. University of British Columbia. 1996. 174 p.
Environmental Indicators of Water Quality in the United States. USEPA Rep. 841-R-96-002. U.S. Environmental Protection Agency. Office of Water. Washington. D.C. 1996.
EU Water Framework Directive 2000/60/EC. Official Journal of the European Communi-ties. 22.12 2000. L 327/1. 118 p.
Sergieieva K., Kavats O., Vasyliev V., Kavats Y., Kovrov O. Machine learning-based monitoring of war-damaged water bodies in Ukraine using satellite images. CEUR Workshop Proceedings. 2024. 3790. P. 422–434. URL: https://ceur-ws.org/Vol-3790/paper37.pdf (дата звернення: 11.04.2025).
Brooks B.W., Lazorchak J.M., Howard M.D., Johnson M.V.V., Morton S.L., Perkins D.A., Reavie E.D., Scott G.I., Smith S.A., Steevens J.A. Are harmful algal blooms becoming the greatest inland water quality threat to public health and aquatic ecosystems. Environ. Toxicol. Chem. 2016. Vol. 35. P. 6–13.
Arabi B., Salama M.S., Pitarch J., Verhoef W. Integration of in-situ and multi-sensor satellite observations for long-term water quality monitoring in coastal areas. Remote Sens. Environ. 2020 Vol. 239. P. 111632.
Ahmed A. N., Othman F. B., Afan H. A., Ibrahim R. K., Fai C. M., Hossain M. S., El-shafie A. Machine learning methods for better water quality prediction. J. Hydrol. 2019. Vol. 578. P. 124084.
Wang P., Yao J., Wang G., Hao F., Shrestha S., Xue B., Xie G., Peng Y. Exploring the application of artificial intelligence technology for identification of water pollution character-istics and tracing the source of water quality pollutants. Sci. Total Environ. 2019. Vol. 693. P. 133440.
Sagan V., Peterson, K.T., Maimaitijiang, M., Sidike, P., Sloan, J., Greeling, B.A., Maa-louf, S., Adams, C. Monitoring inland water quality using remote sensing: Potential and limi-tations of spectral indices, bio-optical simulations, machine learning, and cloud computing. Earth-Sci. Rev. 2020. Vol. 205. P. 103187.
Peterson K.T., Sagan V., Sloan J.J. Deep learning-based water quality estimation and anomaly detection using Landsat-8/Sentinel-2 virtual constellation and cloud computing. GIScience Remote Sens. 2020. Vol. 57. P. 510–525.
Wang J.-H., Li C., Xu Y.-P., Li S.-Y., Du J.-S., Han Y.-P., Hu H.-Y. Identifying major contributors to algal blooms in Lake Dianchi by analyzing river-lake water quality correla-tions in the watershed. J. Clean. Prod. 2021. Vol. 315. P. 128144.
Niu C., Tan K., Jia X., Wang X. Deep learning based regression for optically inactive inland water quality parameter estimation using airborne hyperspectral imagery. Environ. Pollut. 2021. Vol. 286. P. 117534.
Sun C., Chen L., Zhu H., Xie H., Qi S., Shen Z. New framework for natural-artificial transport paths and hydrological connectivity analysis in an agriculture-intensive catchment. Water Res. 2021. Vol. 196. P. 117015.
Sun X., Zhang Y., Shi K., Zhang Y., Li N., Wang W., Huang X., Qin B. Monitoring wa-ter quality using proximal remote sensing technology. Sci. Total Environ. 2022. Vol. 803. P. 149805.
Becker R.H., Sultan M.I., Boyer G.L., Twiss M.R., Konopko E. Mapping cyanobacterial blooms in the Great Lakes using MODIS. J. Great Lakes Res. 2009. Vol. 35. P. 447–453.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Системні технології
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
