Аннотации:
У кваліфікаційній роботі розглядається методичні засади здійснення дистанційного моніторингу за ареалом поширення борщівника Сосновського – небезпечного інвазивного виду, який набуває поширення у Східній Європі. На основі аналізу літературних джерел та основних джерел даних дистанційного зондування окреслено структурні схеми двох масштабованих рівнів дистанційного моніторингу – на основі космічних багатоспектральних знімків та на основі багатоспектральних знімків з безпілотних літальних апаратів. Виконано аналіз спектральних особливостей борщівника Сосновського, що дозволило визначити методику його дистанційної ідентифікації. Підтверджено, що поєднання мультиспектральних каналів, спектральних індексів (зокрема NDVI та спеціалізованих індексів), разом із алгоритмами геоінформаційного аналізу, забезпечує високу точність виділення інвазійних осередків. Набори вхідних даних містять мультиспектральні аерофотознімки з БПЛА високої просторової роздільної здатності. Виконано фотограмметричну обробку аерознімків, у ході якої сформовано ортофотоплани, цифрову модель рельєфу та цифрову модель поверхні. Ці дані стали основою для просторової інтеграції та подальшого тематичного картографування інвазивної рослинності. Розглянуті питання охорони довкілля. Приведено висновки та рекомендації. The qualification thesis addresses the methodological principles of remote monitoring of the distribution area of Sosnowsky’s hogweed, a hazardous invasive species that is increasingly spreading in Eastern Europe. Based on an analysis of scientific literature and primary sources of remote sensing data, structural schemes of two scalable levels of remote monitoring are outlined: one based on spaceborne multispectral imagery and the other on multispectral imagery acquired from unmanned aerial vehicles (UAVs). An analysis of the spectral characteristics of Sosnowsky’s hogweed was conducted, which made it possible to develop a methodology for its remote identification. It was confirmed that the combination of multispectral bands, spectral indices (including NDVI and specialized indices), together with geoinformation analysis algorithms, ensures high accuracy in delineating invasive infestation areas. Input datasets were collected, including high spatial resolution multispectral UAV aerial imagery. Photogrammetric processing of the aerial images was performed, resulting in the generation of orthophotomosaics, a digital terrain model (DTM), and a digital surface model (DSM). These datasets formed the basis for spatial integration and subsequent thematic mapping of invasive vegetation. Environmental protection issues are considered. Conclusions and recommendations are presented.
