The subject of this article is the concept of a geoinformation platform for landmine detection. Modern warfare and its increasing scale have become a relevant topic today. Undetected explosives threaten business (agriculture, logistics, etc.) and human lives. The problem becomes more acute with the rapid extension of minefield areas, which requires significant time and resources and carries high risks. Remote sensing leverages landmine detection possibilities, providing useful information about landmine displacement with no additional risk during data collection over a large area. This study aims to present a combined approach for revealing hidden landmines using UAVs equipped with different sensor types. The tasks to be solved are to define the overall structure and components of the geoinformation platform, choose the technological solutions for each of them, and implement the system prototype that makes it possible to extend its configuration in the future. The methods used are remote sensing, automated object detection, and centralized data processing in a geographic information system (GIS). Multispectral imagery and magnetometric remote measurements create the background information required to detect landmines and other explosive objects. The results of this study provide a general framework, i.e., a geoinformation platform for landmine detection and mapping. The tasks include UAV-based remote data gathering, UAV mission planning and flight control, data processing and mapping via general GIS, and updating new landmine signatures in the corresponding database. The landmine detection process uses information from the landmine signature database to verify suspicious objects. The results are presented in the form of a probabilistic map, which supports the decision-making process of demining. Conclusion. The proposed approach significantly decreases the time required for landmine detection and mitigates demining risks, which is crucial for dealing with the consequences of war. At present, the concept is being developed in the form of a geoinformation platform research prototype involving an open-source Quantum GIS (QGIS) software system and Python programming language, which is used to create plug-ins for QGIS. The entire landmine remote detection process can be fully automated. Future studies will involve extensive experimental testing and may involve convolutional neural networks (CNN) as a detection mechanism.

Earth's surface monitoring allows the assessment of the dynamics and mapping of desertification indicators and is currently one of the priority research regions in remote sensing. In addition to the fact that desertification is a serious global threat to economic, social and food security, the risks of desertification have also become relevant for southern Ukraine. In recent years, climate change has become more and more noticeable in Ukraine. As a result, the time frames of the seasons are blurred, the boundaries of natural zones are shifting, abnormal values of meteorological indicators are increasingly observed, and the intensity of natural disasters is increasing. Since southern Ukraine is most vulnerable to adverse climate and landscape changes, including desertification, the article considered long-term landscape changes on the right bank of the Dnieper River in the Kherson region, mainly represented by sandy massifs of the Oleshky region, which are called the Oleshky Sands. Arid landscapes, which include the vast majority of Oleshky, are especially vulnerable to degradation processes, so space monitoring this territory is an urgent task given the current global climate changes. Within the framework of the presented study, the long-term dynamics of several indicators of desertification within the sandy arenas of the Oleshkovsky sands were mapped. Based on a series of multispectral space images obtained by Landsat satellites for the period 1986-2020 was considered. Spectral ranges characterize the key biophysical aspects of arid landscapes: the degree of soil moisture, vegetation density and sand distribution. Regression analysis was used to illustrate the dynamics of each indicator, which showed a general increase in each indicator over the experimental period. Furthermore, we determined the relationship between the values of the rise in desertification indicators and landscape changes that occurred in the research region, the classification of several images for different years was also carried out, and spatial and quantitative changes in the distribution of land cover classes were characterized.

Після руйнування греблі Каховського водосховища 6 червня 2023 р. відбувся швидкий скид води і масштабне оголення його ложа. Просторово-часові трансформації ложа колишнього водосховища продовжуються і досі, формуючи нові природні комплекси з неоднорідними умовами зволоження. Динаміка розподілу водного покриву в ложі залежить від багатьох чинників не лише від геоморфологічних особливостей території, але й від кліматичних чинників – сезонних змін температури повітря, кількості опадів та рівня випаровування. Оцінювання цих показників є важливим для прогнозування подальших змін ландшафту та визначення перспектив його використання. Проте в умовах ведення активних воєнних дій наземні дослідження неможливі на обраній території, тому були використані дані дистанційного зондування Землі. Для аналізу просторово-часових трансформацій ложа водосховища розроблено алгоритм побудови карти частоти присутності води (КЧПВ) на основі супутникових багатоспектральних знімків Sentinel-2. Побудова КЧПВ відбувається в чотири кроки: 1) відбір знімків відповідно до зазначених вимог; 2) розрахунок спектрального індексу NDWI для кожного з відібраних знімків; 3) конвертація кожного отриманого шару індексу в бінарну маску води; 4) об’єднання всіх отриманих масок в КЧПВ, яка відображає частоту, з якою вода була присутня в кожному пікселі. Таким чином, відповідно до розробленого алгоритму було побудовано КЧПВ ложа колишнього Каховського водосховища на основі відібраних 12 безхмарних супутникових знімків Sentinel-2, отриманих за період з 20 червня 2023 до 23 вересня 2024. Для візуалізації і оцінки результатів отримана КЧПВ була розподілена на 6 класів, де 1 клас відповідає пікселям, які ніколи не були вкриті водою, тобто відносяться до суходолу, тоді як 6 клас містить пікселі, в яких вода була присутня протягом всього періоду дослідження. Тоді як 2-5 класи містять проміжні значення частоти присутності води та відповідають пікселям, де вода була присутня, але не постійно. Для кожного з цих класів було обчислено їхню площу та детально описано екотопи, що їм відповідають, та рослинність, яка там формується. Враховуючи, що метеорологічні умови (опади та температура повітря) також впливають на водний режим, також було проаналізовано дані з метеостанцій міст Запоріжжя, Нікополь та Херсон і показано відповідність цих даних змінам площі водної поверхні ложа водосховища. Отже, отримана КЧПВ допомагає прогнозувати режим подальшого формування та розвитку екосистем. Внесок авторів: Концептуалізація – Л.П. Ліщенко та А.О. Козлова; методологія –А.А. Андреєв; формальний аналіз та оброблення даних –А.А Андреєв; дослідження – А.А. Андреєв, Л.П. Ліщенко, підготовка тексту статті – А.А. Андреєв, та Л.П. Ліщенко; рецензування та редагування – А.О. Козлова Всі автори прочитали та погодилися з опублікованою версією рукопису. Фінансування: Це дослідження виконано в рамках НДР “ Дистанційні методи вирішення задач сталого розвитку і раціонального природокористування, засновані на комплексному аналізі гетерогенних геопросторових даних”, РК 0224U000990 Доступність даних: Дані можуть бути надані авторами за обґрунтованим запитом. Подяки: Автори вдячні Національній академії наук України за підтримку цього дослідження. Ми також вдячні рецензентам і редакторам за їхні цінні коментарі,...