Machine Learning Approaches for Evaluating Forest Fire Impacts on Sentinel-2 Satellite Imagery Across Ukraine

Simple item page
dc.contributor.authorHnatushenko, Viktoriia V.en
dc.contributor.authorHnatushenko, Volodymyr V.en
dc.contributor.authorSoldatenko, Dmytro V.en
dc.contributor.authorHeipke, Christianen
dc.date.accessioned2025-05-14T11:44:29Z
dc.date.available2025-05-14T11:44:29Z
dc.date.issued2024
dc.descriptionVic. Hnatushenko: ORCID 0000-0001-5304-4144; Vol. Hnatushenko: ORCID 0000-0003-3140-3788; D. Soldatenko: ORCID 0000-0001-6041-7383; C. Heipke: ORCID 0000-0002-7007-9549en
dc.description.abstractENG: Forest fires have long-term consequences and serious ecological, social, and economic implications. Utilizing multispectral imagery from the Sentinel-2 satellite, we propose an algorithm based on machine learning models for the detection of burnt forest areas. A new dataset on forest fires has been created, suitable for semantic segmentation models. The proposed algorithm uses an approach based on convolutional neural networks (CNN). The results are analyzed and compared in terms of the intersection over union (IoU) score. The proposed algorithm was tested on Sentinel satellite images acquired in October 2022 for the Kinburn Peninsula, Ukraine, to have an accuracy in terms of IoU of 95%.en
dc.description.abstractUKR: Лісові пожежі мають довгострокові наслідки та серйозний екологічний, соціальний та економічний вплив. Використовуючи мультиспектральні знімки супутника Sentinel-2, ми пропонуємо алгоритм, заснований на моделях машинного навчання, для виявлення вигорілих лісових ділянок. Створено новий набір даних про лісові пожежі, придатний для моделей семантичної сегментації. Запропонований алгоритм використовує підхід, заснований на згорткових нейронних мережах (CNN). Результати аналізуються та порівнюються з точки зору оцінки перетину через об'єднання (IoU). Запропонований алгоритм було протестовано на супутникових знімках Sentinel, отриманих у жовтні 2022 року для півострова Кінбурн, Україна, з точністю 95% за показником IoU.uk_UA
dc.description.sponsorshipDnipro University of Technology, Dnipro, Ukraine; Institute of Photogrammetry and GeoInformation, Leibniz Universität Hannover, Germanyen
dc.identifier.citationHnatushenko Vic., Hnatushenko Vol., Soldatenko D., Heipke C. Machine Learning Approaches for Evaluating Forest Fire Impacts on Sentinel-2 Satellite Imagery Across Ukraine. Proceedings of the IV International Symposium on Applied Geoinformatics – ISAG2024 (Wroclaw, Poland, 9–10 May 2024). Wroclaw, 2024. P. 11–14. DOI: https://doi.org/10.37190/ISAG2024.en
dc.identifier.doihttps://doi.org/10.37190/ISAG2024en
dc.identifier.isbn978-83-7493-294-3
dc.identifier.urihttps://www.dbc.wroc.pl/dlibra/publication/168016/edition/129502en
dc.identifier.urihttps://crust.ust.edu.ua/handle/123456789/20281en
dc.language.isoen
dc.publisherWUST Publishing House, Wrocławen
dc.subjectburnt forest area detectionen
dc.subjectmachine learningen
dc.subjectconvolutional neural networksen
dc.subjectspectral bandsen
dc.subjectUkraine forestsen
dc.subjectвиявлення вигорілих лісових ділянокuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectзгорткові нейронні мережіuk_UA
dc.subjectспектральні діапазониuk_UA
dc.subjectліси Україниuk_UA
dc.subjectКІТСuk_UA
dc.subject.classificationTECHNOLOGY::Information technology::Image analysisen
dc.titleMachine Learning Approaches for Evaluating Forest Fire Impacts on Sentinel-2 Satellite Imagery Across Ukraineen
dc.title.alternativeПідходи машинного навчання для оцінки впливу лісових пожеж на супутникових знімках Sentinel-2 по всій території Україниuk_UA
dc.typeArticleen
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Hnatushenko.pdf
Size:
810.09 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Статті КІТС (ДМетІ)