МЕТОДОЛОГІЯ АВТОМАТИЗОВАНОГО ВИЯВЛЕННЯ АНОМАЛЬНИХ ГЕОПРОСТОРОВИХ ЗОН НА СУПУТНИКОВИХ ЗНІМКАХ ІЗ ВИКОРИСТАННЯМ СТАТИСТИЧНОГО АНАЛІЗУ ТА СПЕЦІАЛІЗОВАНОГО ПЛАГІНА ДЛЯ QGIS
DOI:
https://doi.org/10.17721/1728-2713.110.13Ключові слова:
автоматизоване виявлення, геопросторові зони, плагін QGIS, супутникові зображення, геодинамічні аномалії, просторовий аналізАнотація
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.
Посилання
Cleveland, W. S. (1993). Visualizing data. Hobart Press. https://www.hobartpress.com/visualizing-data
Filipovych, V., & Shevchuk, R. (2018). Satellite technology for determining the heat load on the city in summer and ways to overcome it through green planning. [Preprint]. https://doi.org/10.13140/RG.2.2.17113.08807
Folini, A., Lenzi, E., & Biraghi, C. A. (2022). Cluster analysis: A comprehensive and versatile QGIS plugin for pattern recognition in geospatial data. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-4/W1-2022, 151–157. https://doi.org/10.5194/isprs-archives-XLVIII-4-W1-2022-151-2022
Gavade, A. B., & Rajpurohit, V. S. (2021). Systematic analysis of satellite image-based land cover classification techniques: literature review and challenges. International Journal of Computers and Applications, 43(6), 514–523. https://doi.org/10.1080/1206212X.2019.1573946
Hytla, P. C., Hardie, R. C., Eismann, M. T., & Meola, J. (2009). Anomaly detection in hyperspectral imagery: Comparison of methods using diurnal and seasonal data. Journal of Applied Remote Sensing, 3(1), 033546.
Ivanik, O., Menshov, O., Bondar, K., Vyzhva, S., Khomenko, R., Hadiatska, K., Kravchenko, D., & Tustanovska, L. (2022). Integrated approach to modelling and assessing the landslide hazards at the regional and local scale in Kyiv urbanized area, Ukraine. Modeling Earth Systems and Environment. https://doi.org/10.1007/s40808-022-01447-x
Jain, A., Duin, R., & Mao, J. (2000). Statistical pattern recognition: A review. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(1), 4–37. https://doi.org/10.1109/34.824819
Janz, A., Jakimow, B., van der Linden, S., Thiel, F., & Dierkes, H. (2021). AVHYAS: A free and open-source QGIS plugin for advanced hyperspectral image analysis. In 2021 International Conference on Emerging Techniques in Computational Intelligence (ICETCI). IEEE. https://doi.org/10.1109/ICETCI51973.2021.9574057
Kotsiubivska, K., & Tymoshenko, V. (2019). Mathematical methods of image processing. Digital Platform Information Technologies in Sociocultural Sphere, 2(1), 41–54. [in Ukrainian]. [Коцюбівська, К., & Тимошенко, В. (2019). Математичні методи обробки зображень. Цифрова платформа. Інформаційні технології в соціокультурній сфері, 2(1), 41–54]. https://doi.org/10.31866/2617-796x.2.1.2019.175653
Kril, T. (2017). Causes of some hazardous engineering geological processes on urban territories. In E3S Web of Conferences (Vol. 24). EDP Sciences. https://doi.org/10.1051/e3sconf/20172401009
Kruglov, O., Hudak, V., & Kruhlov, B. (2025, April). Exploring D-InSAR Technology for Monitoring Soil Erosion: Case Study in Kharkiv Region. Paper presented at the 18th International Conference Monitoring of Geological Processes and Ecological Condition of the Environment, European Association of Geoscientists & Engineers.
Lischenko, L., Pazynych, N., & Filipovych, V. (2017). Satellite monitoring of landslide development in the Pridnieprovska zone of Kyiv. Ukrainian Journal of Remote Sensing, 15, 111–120 [in Ukrainian]. [Ліщенко, Л., Пазинич, Н., & Філіпович, В. (2017). Супутниковий моніторинг розвитку зсувів у Придніпровській зоні м. Києва. Український журнал дистанційного зондування, 15, 111–120]. https://doi.org/10.36023/ujrs.2017.15.111
Marhes, S. (2024). Satellite geoecological analysis of the peat-swamp system of the Supii River. Ideas and Innovations in Earth Sciences, 24, 74–75. https://doi.org/10.30836/igs.iies.2024.34
Marhes, S. (2025). Autocountour QGIS Plugin (Version 1.0) [Computer software]. GitHub. https://github.com/rnrhs/autocountour_qgis_plugin
MASAI Project. (n.d.). MASAI: Pioneering damage assessment through AI and satellite technology. Retrieved July 8, 2025, from https://masai-project.eu/masai-pioneering-damage-assessment-through-ai-and-satellite-technology/
McFeeters, S. K. (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7), 1425–1432. https://doi.org/10.1080/01431169608948714
Meng, C., Wang, Y., Zhang, X., Mandal, A., Zhong, W., & Ma, P. (2017). Effective statistical methods for big data analytics. In Handbook of research on applied cybernetics and systems science (pp. 280–299). IGI Global.
Minh, D. H. T., Hanssen, R., & Rocca, F. (2020). Radar interferometry: 20 years of development in time series techniques and future perspectives. Remote Sensing, 12(9), 1364. https://doi.org/10.3390/rs12091364
Planet Team. (2025). PlanetScope NDWI image 20241024_090954_85_ 250a_3B_AnalyticMS_SR_8b_harmonized_clip. Planet Labs PBC. https://www.planet.com/nextgenplanetscope/
QGIS Project. (2024). Fetching plugins. QGIS Documentation. https:// docs.qgis.org/3.40/en/docs/training_manual /qgis_plugins/fetching_plugins.html
Tempa, K., & Aryal, K. R. (2022). Semi-automatic classification for rapid delineation of the geohazard-prone areas using Sentinel-2 satellite imagery. SN Applied Sciences, 4(1), 141. https://doi.org/10.1007/s42452-022-05028-6
Trofymenko, P., Tomchenko, O., Poralo, R., Zatserkovnyi, V., & Stakhiv, I. (2024). Remote identification of micro-depression relief forms and soil cover areas of agro-landscapes in the Polissya region of Ukraine with signs of hydromorphism. Bulletin of Taras Shevchenko National University of Kyiv. Geology, 1(104), 98–106. https://doi.org/10.17721/1728-2713.104.12
Vivaldi, V., Bordoni, M., Mineo, S., Crozi, M., Pappalardo, G., & Meisina, C. (2022). Airborne combined photogrammetry—infrared thermography applied to landslide remote monitoring. Landslides, 20(2), 547–560. https://doi.org/10.1007/s10346-022-01970-z
Zhukov, M. N. (2008). Mathematical statistics and processing of geological data. Vyshcha Shkola [in Ukrainian]. [Жуков, М. Н. (2008). Математична статистика та обробка геологічних даних. Вища школа].
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Василь ГУДАК, Сергій МАРГЕС, Віталій ЗАЦЕРКОВНИЙ, Мауро ДЕ ДОНАТІС
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
Ознайомтеся з політикою за посиланням: https://geology.bulletin.knu.ua/licensing
