ПАСІЧНИК М., ГРИГОРІЙЧУК В., ЮЩЕНКО В., ОЛЕНЧУК Р. ГЕОПРОСТОРОВА ІДЕНТИФІКАЦІЯ РУСЛОВИХ ТРАНСФОРМАЦІЙ ГИРЛОВОЇ ДІЛЯНКИ РІЧКИ ЧЕРЕМОШ ІЗ ЗАСТОСУВАННЯМ РАДАРНИХ ЗНІМКІВ SENTINEL-1
DOI: https://doi.org/10.17721/2306-5680.2026.1.1
Гідрологія, гідрохімія і гідроекологія. 2026. №1(79)
Мова публікації: Українська
Автори:
Пасічник М., Чернівецький національний університет імені Юрія ФедьковичаГригорійчук В., Чернівецький національний університет імені Юрія ФедьковичаЮщенко В., Чернівецький національний університет імені Юрія Федьковича
Оленчук Р., Чернівецький національний університет імені Юрія Федьковича
У представленій статті науково обґрунтовано комплексну методологію геопросторової ідентифікації та ретроспективного моніторингу руслових трансформацій гирлової ділянки річки Черемош за період з 2015 року по 2025 рік. Актуальність дослідження зумовлена високою динамічністю передгірських річок Карпатського регіону, де русла складені легкорозмивними алювіальними відкладами, а зміна гідрологічного режиму під впливом глобального потепління провокує стрімку активізацію латеральної ерозії. Традиційне використання багатоспектральних оптичних космічних знімків для цього регіону суттєво обмежується високою повторюваністю щільного хмарного покриву саме під час паводкових подій, коли відбуваються найбільш масштабні руслові переформування. Тому головним інструментом спостереження було безальтернативно обрано мікрохвильове радарне зондування місії Sentinel-1, яке гарантує всепогодний та цілодобовий моніторинг геометрії русла. Методологічна основа роботи базується на фізичних принципах взаємодії електромагнітного випромінювання С-діапазону з водною поверхнею, яка діє як дзеркальний відбивач. Для прецизійного детектування водного дзеркала та нівелювання впливу складної фонової вегетації у середовищі геоінформаційної системи QGIS було розраховано двополяризаційний водний індекс SDWI. Важливою технологічною інновацією дослідження є застосування вхідних даних виключно у лінійній шкалі інтенсивності зворотного розсіювання для каналів VV та VH, що гарантує строгу математичну коректність обчислень. Наступним ключовим етапом просторового аналізу стала бінаризація отриманих растрових зображень за допомогою самоадаптивного алгоритму Оцу. Цей підхід дозволив автоматично визначити оптимальний поріг сегментації та максимально об’єктивно відокремити водні масиви від вологих внутрішньоруслових галечникових кос. Після конвертації у векторний формат отримані первинні полігональні моделі пройшли необхідні процедури просторової фільтрації, буферизації та морфологічного згладжування, що у підсумку забезпечило гідроморфологічну коректність контурів. Результати векторного аналізу серії створених масок наочно підтвердили значну просторову динаміку річкової мережі. Особливо виразну тенденцію до латеральної міграції русла та інтенсифікацію бічної ерозії виявлено на контрольних ділянках впродовж міжмоніторингового періоду 2020–2025 років. Порівняльний аналіз довів, що конфігурація та суцільність ідентифікованого водного дзеркала є прямою функцією гідрологічної фази: від стану глибокої межені з фрагментованими рукавами у 2015 році до повноводних періодів наступних років. Запропонований відтворюваний автоматизований ГІС-підхід мінімізує суб’єктивізм експертних оцінок і формує надійну аналітичну базу для прогнозування гідроекологічних ризиків та розробки дієвих стратегій сталого управління флювіальними системами.
Ключові слова: радарне зондування, руслові трансформації, Sentinel-1, SDWI, QGIS.
Список літератури:
1. Copernicus. Comparison of Sentinel-2 and Landsat Data for Surface Water Mapping. Available at: Copernicus. Comparison of Sentinel-2 and Landsat Data for Surface Water Mapping, 2022. URL: https://www.usgs.gov/centers/eros/science/usgs-eros-archive-sentinel-2-comparison-sentinel-2-and-landsat:
2. Copernicus Land Monitoring Service. Products including DEM. URL: https://land.copernicus.eu/
3. Cortes V., Jaramillo Pineda J. A., Echeverri C., Gonzáles C., Bolaños S., Olmos C., Díaz J. Sentinel-1 SAR imagery (VV and VH polarization) for hydraulic dynamics analysis in the Bajo Cauca region, Antioquia–Colombia. Mendeley Data. 2025. V1. URL: https://doi.org/10.17632/h6p2c3ffkd.1.
4. Henderson R. E., Farris A. S., Kratzmann M. G. et al. Digital Shoreline Analysis System version 6.1: U.S. Geological Survey software release. U.S. Geological Survey, 2026. URL: 10.5066/P1NHMJNC.
5. Himmelstoss E. A., Henderson R. E., Kratzmann M. G., Farris A. S. Digital Shoreline Analysis System (DSAS) version 5.0 user guide. U.S. Geological Survey Open-File Report 2018–1179. 2018. 110 р. URL: https://doi.org/10.3133/ofr20181179.
6. Jia P., Yang Z., Wang J., Zhang G. Sentinel-1 derived water index (SDWI) for large-scale water body identification. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2019. Vol. 12, № 6. P. 1–15. URL: https://doi.org/10.1109/JSTARS.2019.2897861.
7. Kim J. C., Choi Y. J., Yoon Y. J. Application Research of Sentinel-1 SAR in Flood Range Extraction and Polarization Analysis. Journal of Geo-information Science. 2021. Vol. 23, № 6. P. 1063–1070. URL: https://doi.org/10.12082/dqxxkx.2021.200717.
8. Langat P. K., Kumar L., Koech R. K. Monitoring river channel dynamics using remote sensing and GIS techniques. Geomorphology. 2019. Vol. 325. P. 92-102. URL: https://doi.org/10.1016/j.geomorph.2018.10.007.
9. Li X. et al. Flood water extraction in the hilly Poyang Lake region using Sentinel-1 SAR data and CAU-Net. Remote Sensing. 2023. Vol. 15, № 21. P. 5247. URL: https://doi.org/10.3390/rs15215247.
10. Nasir A. et al. Enhancing Flood Detection in Surabaya: A Comparative Study of VV and VH Polarizations with Sentinel-1 Data. Journal of Civil Engineering. 2023. Vol. 40, № 1. P. 89-102. URL: https://doi.org/10.17632/h6p2c3ffkd.1.
11. Otsu N. A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man, and Cybernetics. 1979. Vol. 9, № 1. P. 62-66. URL: https://doi.org/10.1109/TSMC.1979.4310076.
12. Pasichnyk M., Buzey O. Inventory and functional classification of ponds based on Sentinel-2 NDWI data in the Sovytsia Kitsmanska River basin (Ukraine). Науковий вісник Чернівецького університету: Географія. 2025. № 854. С. 150–169. URL: https://doi.org/10.31861/geo.2025.854.150-169.
13. Pasichnyk M., Yushchenko Y., Palanychko O. et al. Remote sensing and GIS in the research of young river landscape. Grassroots Journal of Natural Resources. 2025. Vol. 8, № 1. P. 163–189. URL: https://doi.org/10.33002/nr2581.6853.080106.
14. Calculating raster area (QGIS3). QGIS Tutorials. 2023. URL: https://www.qgistutorials.com/en/docs/3/calculating_raster_area.html
15. Rapinel S., Fabre E., Dufour S. et al. Mapping potential, existing and efficient wetlands using free remote sensing data. Journal of Environmental Management. 2019. Vol. 247. P. 829–839. URL: https://doi.org/10.1016/j.jenvman.2019.06.098.
16. Rizzoli P., Martone M., Gonzalez C. et al. Generation and performance assessment of the global TanDEM-X digital elevation model. ISPRS Journal of Photogrammetry and Remote Sensing. 2017. Vol. 132. P. 119–139. URL: https://doi.org/10.1016/j.isprsjprs.2017.08.008.
17. Silva Júnior J., Silva Júnior J. Water Body Extraction using Artificial Neural Networks and Sentinel-1. Sociedade & Natureza. 2024. Vol. 36. e70654. URL: https://doi.org/10.14393/SN-v36-2024-70654.
18. Tan J., Tang Y., Liu B. et al. A Self-Adaptive Thresholding Approach for Automatic Water Extraction Using Sentinel-1 SAR Imagery Based on OTSU Algorithm and Distance Block. Remote Sensing. 2023. Vol. 15, № 10. P. 2690. URL: https://doi.org/10.3390/rs15102690.
19. Yushchenko Yu. S., Pasichnyk M. D., Darchuk K. V. et al. Contemporary geoinformation technologies in postmodern education of geographers, hydrometeorologists, land surveyors. Postmodern Openings. 2022. Vol. 13, № 2. P. 409-429. URL: https://doi.org/10.18662/po/13.2/462.
20. Zhai M. et al. Water Body Extraction Methods for SAR Images Fusing Sentinel-1 Dual-Polarized Water Index and Random Forest. Sensors (Basel). 2025. Vol. 25, № 15. P. 4868. URL: https://doi.org/10.3390/s25154868.
21. Zitti G. et al. A Self-Adaptive Thresholding Approach for Automatic Water Extraction Using Sentinel-1 SAR Imagery Based on OTSU Algorithm. Remote Sensing. 2023. Vol. 15, № 10. P. 2690. URL: https://doi.org/10.3390/rs15102690.
ЯК ЦИТУВАТИ
формат цитування ДСТУ 8302:2015
Пасічник М., Григорійчук В., Ющенко В., Оленчук Р. Геопросторова ідентифікація руслових трансформацій гирлової ділянки річки Черемош із застосуванням радарних знімків Sentinel-1 // Гідрологія, гідрохімія і гідроекологія, 2026. № 1(79). C. 6-18. DOI: https://doi.org/10.17721/2306-5680.2026.1.1
формат цитування APA
Пасічник, М., Григорійчук, В., Ющенко, В., Оленчук, Р. (2026) Геопросторова ідентифікація руслових трансформацій гирлової ділянки річки Черемош із застосуванням радарних знімків Sentinel-1. Гідрологія, гідрохімія і гідроекологія, 1(79). C. 6-18. DOI: https://doi.org/10.17721/2306-5680.2026.1.1