Аналіз сільських територій України на основі продукту ESA WorldCover 2020
Анотація
На сьогодні ГІС технології проникають в різні сфери соціально-економічного буття людства. В цій статті на основі ГІС технологій було проаналізовано основні класи земного покриву України з подальшим поглибленим вивченням в розрізі областей та сільських і міських територій. Відповідно до результатів цього дослідження на основі даних ESA WorldCover, 32 % територій України можна віднести до міських, відповідно 68 % – до сільських. В загалом, проведений аналіз демонструє що Україна характеризується високим ступенем освоєння земельного фонду, так на землі, які піддавались культивації у 2020 році припадало 55,5 % його площі. Сільські території на 70% складаються з культивованих, міські території –30%. Лідерами серед областей із найбільшою часткою культивованих угідь є Запорізька (76%), Кіровоградська (76%), Миколаївська (77%) при цьому на сільських територіях розорень становить 80%, 81% та 87% відповідно. Характерною рисою структури земель України є суттєва частка земель (15,3%) під луками, сіножатями та пасовищами, що виконують важливу роль як у процесі відновлення та збереження гуртів так і як важливий елемент функціонування регіональних екосистем. 66% територій цього класу припадає на сільські території, відповідно на міські – 34%. Найбільше їх зосереджено у Луганській (26%), Львівській (24%) та Волинській (22%) областях. Рівень залісненості території України становить 23,3%, причому 17,7% територій це ліси, а інші 6% – захисні лісосмуги, фруктові сади та дендропарки. На сільські території припадає 64% заліснених територій. До найбільш заліснених територій відносяться Закарпатська (68%), Івано-Франківська (54%) та Житомирська (45%), тоді як найменш заліснені Херсонська (4%), Запорізька (5%) та Миколаївська (6%). В загалом 71% заліснених територій припадає на сільські території та відповідно 29% – на міські. В Україні частка поверхневих вод, що покривають географічну територію становить 2.4%, з яких 71% припадає на сільські території, відповідно 29% – на міські. Областями-лідерами по забезпеченню поверхневими водами були Черкаська (5%), Запорізька (6%) та Херсонська (8%) з відповідними частками, що припадають на сільські території 64%, 63% та 82% (Рис. 8.). В свою чергу до областей із найменшою часткою територій під відкритими водами відносяться Житомирська (0.5%), Луганська (0.4%) та Закарпатська (0.3%) області з відповідними частками, що припадають на сільські території 77%, 33% та 46%
Ключові слова
сільська місцевість, ГІС-технології, земний покрив, культивовані землі, заліснені території
[1] Arino, O., Bicheron, P., Achard, F., Latham, J., Witt, R., & Weber, J.L. (2008). GlobCover the most detailed portrait of Earth. ESA Bulletin, 136, 25-31.
[2] Braun, A., & Hochschild, V.A. (2017). SAR-based index for landscape changes in African savannas. Remote Sensing, 9, article number 359. doi: 10.3390/rs9040359.
[3] Buchhorn, M., Lesiv, M., Tsendbazar, N.-E., Herold, M., Bertels, L., & Smets, B. (2020). Copernicus global land cover layers—collection 2. Remote Sensings, 12(6), article number 1044. doi: 10.3390/rs12061044.
[4] Camps-Valls, G., Benediktsson, J.A., Bruzzone, L., & Chanussot, J. (2011). Introduction to the issue on advances in remote sensing image processing. IEEE Journal of Selected Topics in Signal Processing, 5, 365-369. doi: 10.1109/JSTSP.2011.2142490.
[5] Chen, Z., Wang, L., Wei, A., Gao, J., Lu, Y., & Zhou, J. (2019). Land-use change from arable lands to orchards reduced soil erosion and increased nutrient loss in a small catchment. Science of the Total Environment, 648, 1097-1104. doi: 10.1016/j.scitotenv.2018.08.141.
[6] Constitution of Ukraine (1996, June). Retrieved from https://rm.coe.int/constitution-of-ukraine/168071f58b.
[7] da Cunha, E.R., Santos, C.A.G., da Silva, R.M., Bacani, V.M., & Pott, A. (2021). Future scenarios based on a CA-Markov land use and land cover simulation model for a tropical humid basin in the Cerrado/Atlantic forest ecotone of Brazil. Land Use Policy, 101, article number 105141. doi: 10.1016/j.landusepol.2020.105141.
[8] Halder, A., Ghosh, A., & Ghosh, S. (2011). Supervised and unsupervised landuse map generation from remotely sensed images using ant-based systems. Applied Soft Computing, 11, 5770-5781. doi: 10.1016/j.asoc.2011.02.030.
[9] Hashem, N., & Balakrishnan, P. (2015). Change analysis of land use/land cover and modelling urban growth in Greater Doha, Qatar. Annals of GIS, 21, 233-247. doi: 10.1080/19475683.2014.992369.
[10] Hoque, M.Z., Islam, I., Ahmed, M., Hasan, S.S., & Prodhan, F.A. (2022). Spatio-temporal changes of land use land cover and ecosystem service values in coastal Bangladesh. The Egyptian Journal of Remote Sensing and Space Science, 25(1), 173-180. doi: 10.1016/j.ejrs.2022.01.008.
[11] Kussul, N.M., Shelestov, A.Yu., Skakun, S.V., Basarab, R.M., Yaylimov, B.Ya., Lavrenyuk, M.S., Kolotiy, A.V., & Yashchuk, D.Yu. (2015). Retrospective regional map of the earth’s cover for Ukraine: Methodology of construction and analysis of results. Space Science and Technology, 21(3), 31-39. doi: 10.15407/knit2015.03.031.
[12] Liou, Y.A., Nguyen, A.K., & Li, M.H. (2017). Assessing spatiotemporal eco-environmental vulnerability by Landsat data. Ecological Indicators, 80, 52-65. doi: 10.1016/j.ecolind.2017.04.055.
[13] Lyalko, V.I., Shportyuk, Z.M., Sakhatskyi, O.L., & Sybirtseva, O.M. (2006). Land cover classification in Ukrainian Carpathians using the MERIS Terrestrial Chlorophyl Index and red edge position from ENVISAT MERIS data. Space Science and Technology, 12, 10-14. doi: 10.15407/knit2006.05.010.
[14] Lyzhnyk, G.L., & Svidzinskaya, D.V. (2014). Analysis of the modern structure of land use based on decoding remote sensing data (on the example of Murovanokurilovetsky district of Vinnytsia region). Journal of Cartography, 10, 90-97.
[15] Maxwell, A.E., Warner, T.A., & Fang, F. (2018). Implementation of machine-learning classification in remote sensing: An applied review. International Journal of Remote Sensing, 39, 2784-2817. doi: 10.1080/01431161.2018.1433343.
[16] Mutanga, O., Odindi, J., & Abdel-Rahman, E.M. (2014). Land-use/cover classification in a heterogeneous coastal landscape using Rapid Eye imagery: Evaluating the performance of random forest and support vector machines classifiers. International Journal of Remote Sensing, 35, 3440-3458. doi: 10.1080/01431161.2014.903435.
[17] Nguyen, A.K., Liou, Y.A., Li, M.H., & Tran, T.A. (2016). Zoning eco-environmental vulnerability for environmental management and protection. Ecological Indicators, 69, 100-117. doi: 10.1016/j.ecolind.2016.03.026.
[18] Nguyen, K.A., & Liou, Y.A. (2019a). Global mapping of eco-environmental vulnerability from human and nature disturbances. Science of the Total Environment, 664, 995-1004. doi: 10.1016/j.scitotenv.2019.01.407.
[19] Nguyen, K.A., & Liou, Y.A. (2019b). Mapping global eco-environment vulnerability due to human and nature disturbances. MethodsX, 6, 862-875. doi: 10.1016/j.mex.2019.03.023.
[20] Pyvovar, P.V., & Pyvovar, A.M. (2021). Formation of the definition of “rural areas” as an economic category. Agrosvit, 11, 21-33. doi: 10.32702/2306-6792.2021.11.21.
[21] Rahman, A., Kumar, S., Fazal, S., & Siddiqui, M.A. (2012). Assessment of land use/land cover change in the North-West District of Delhi using remote sensing and GIS techniques. Journal of the Indian Society of Remote Sensing, 40, 689-697. doi: 10.1007/s12524-011-0165-4.
[22] Shubravska, O.V., & Prokopenko, К.O. (2016). Agriculture of Ukraine: State and resource development opportunities. The Economy of Agro-Industrial Complex, 11, 19-25.
[23] Official webcite of State Statistics Service of Ukraine (n.d.). Retrieved from http://www.ukrstat.gov.ua/.
[24] Stehman, S.V., Pengra, B.W., Horton, J.A., & Wellington, D.F. (2021). Validation of the US geological survey’s land change monitoring, assessment and projection (LCMAP) collection 1.0 annual land cover products 1985-2017. Remote Sensing of Environment, 265, article number 112646. doi: 10.1016/j.rse.2021.112646.
[25] Talukdar, S., & Pal, S. (2018). Wetland habitat vulnerability of lower Punarbhaba river basin of the uplifted Barind region of Indo-Bangladesh. Geocarto International, 35(8), 857-886. doi: 10.1080/10106049.2018.1533594.
[26] Talukdar, S., Singha, P., Mahato, S., Praveen, B., & Rahman, A. (2020). Dynamics of ecosystem services (ESs) in response to land use land cover (LU/LC) changes in the lower Gangetic plain of India. Ecological Indicators, 112, article number 106121. doi: 10.1016/j.ecolind.2020.106121.
[27] Viana, C.M., Girão, I., & Rocha, J. (2019). Long-term satellite image time-series for land use/land cover change detection using refined open source data in a rural region. Remote Sensing, 11(9), article number 1104. doi: 10.3390/rs11091104.
[28] Wu, L., Zhu, X., Lawes, R., Dunkerley, D., & Zhang, H. (2019). Comparison of machine learning algorithms for classification of LiDAR points for characterisation of canola canopy structure. International Journal of Remote Sensing, 40, 5973-5991. doi: 10.1080/01431161.2019.1584929.
[29] Xu, S., Zhao, Q., Yin, K., Zhang, F., Liu, D., & Yang, G. (2019). Combining random forest and support vector machines for object-based rural-land-cover classification using high spatial resolution imagery. Journal of Applied Remote Sensing, 13(1), article number 014521. doi: 10.1117/1.JRS.13.014521.
[30] Zibtsev, S.V., Mironyuk, V.V., & Gilitukha, D.V. (2015). Dynamics of the forest cover of the Chornobyl Exclusion Zone according to the global map of high-resolution forest ecosystems. Forestry and Horticulture, 6. Retrieved from http://nbuv.gov.ua/UJRN/licgoc_2015_6_4.