##plugins.themes.bootstrap3.article.main##
Анотація
Ця стаття представляє методологію, засновану на машинному навчанні та дистанційному зондуванні для виявлення збитків, спричинених військовими діями, сільськогосподарським землям в Україні за допомогою безкоштовних супутникових даних Sentinel-2. Експериментально відібрано найбільш інформативні спектральні смуги (B2, B3) та індекси рослинності (NDVI, GCI) для розпізнавання пошкоджених полів за допомогою алгоритму класифікації Random Forest. Крім того, метод виявлення аномалій, заснований на оцінці відхилень значень пікселів від середнього в кожному полі, був застосований для визначення локального пошкодження в ідентифікованих уражених областях. Запропонована методологія продемонструвала високу точність класифікації з показником f1 0,87%, точністю виробника 0,89%, точністю користувача 0,85 і чутливістю для виявлення локальних пошкоджень. Розроблений метод виявлення аномалій дозволяє розпізнати пошкодження, видимі на 10-метровому пікселі супутника Sentinel-2, але не ідентифікує невеликі кратери. Помутніння супутникових знімків може значно погіршити точність виявлення пошкоджень, а метод виявлення локальних пошкоджень може реагувати на невійськові аномалії та вимагає ретельного підбору порогових коефіцієнтів для кожного поля. Дослідження провело комплексну оцінку збитків, завданих сільськогосподарським полям України протягом 2022-2023 років, виявивши, що загалом пошкоджено 1 544 952 га, що еквівалентно 5,72% від загальної сільськогосподарської площі. З них 509 107 га пшениці, 114 302 га соняшнику, 68 830 га кукурудзи, 4 029 га ріпаку та 16 561 га інших культур. Найбільше постраждали Донецька, Запорізька та Херсонська області. Комплексні результати цього дослідження дають цінну інформацію для моніторингу стану сільського господарства та формулювання стратегічних планів відновлення сільськогосподарських ресурсів в умовах триваючого військового конфлікту.