Оцінка цілей сталого розвитку в межах Європейської дослідницької мережі (ERA-PLANET)
У даному дослідженні розроблені технології обрахунку трьох конкретних індикаторів, а саме: 2.4.1. «Частка сільськогосподарських площ з продуктивним і сталим сільським господарством»; 15.1.1 «Площа лісів як частка загальної площі земного покриву»; 15.3.1 «Частка землі, яка деградувала відносно загаль...
Збережено в:
| Опубліковано в: : | Проблеми керування та інформатики |
|---|---|
| Дата: | 2023 |
| Автори: | , , , , , , , , |
| Формат: | Стаття |
| Мова: | Українська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2023
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/210938 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Оцінка цілей сталого розвитку в межах Європейської дослідницької мережі (ERA-PLANET) / Н.М. Куссуль, А.Ю. Шелестов, Б.Я. Яйлимов, О.П. Федоров, Г.О. Яйлимова, С.В. Скакун, Л.Л. Шуміло, Л.М. Колос, О.О. Дякун // Проблеми керування та інформатики. — 2023. — № 1. — С. 95–105. — Бібліогр.: 35 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859531261894197248 |
|---|---|
| author | Куссуль, Н.М. Шелестов, А.Ю. Яйлимов, Б.Я. Федоров, О.П. Яйлимова, Г.О. Скакун, С.В. Шуміло, Л.Л. Колос, Л.М. Дякун, О.О. |
| author_facet | Куссуль, Н.М. Шелестов, А.Ю. Яйлимов, Б.Я. Федоров, О.П. Яйлимова, Г.О. Скакун, С.В. Шуміло, Л.Л. Колос, Л.М. Дякун, О.О. |
| citation_txt | Оцінка цілей сталого розвитку в межах Європейської дослідницької мережі (ERA-PLANET) / Н.М. Куссуль, А.Ю. Шелестов, Б.Я. Яйлимов, О.П. Федоров, Г.О. Яйлимова, С.В. Скакун, Л.Л. Шуміло, Л.М. Колос, О.О. Дякун // Проблеми керування та інформатики. — 2023. — № 1. — С. 95–105. — Бібліогр.: 35 назв. — укр. |
| collection | DSpace DC |
| container_title | Проблеми керування та інформатики |
| description | У даному дослідженні розроблені технології обрахунку трьох конкретних індикаторів, а саме: 2.4.1. «Частка сільськогосподарських площ з продуктивним і сталим сільським господарством»; 15.1.1 «Площа лісів як частка загальної площі земного покриву»; 15.3.1 «Частка землі, яка деградувала відносно загальної площі земного покриву». Основна проблема, яку вирішують автори для території України, пов’язана з відсутністю якісних наборів даних, їх низьким просторовим розрізненням і меншою точністю порівняно з регіональними продуктами. Запропоновано нову вдосконалену методологію для обчислення карти продуктивності землі на основі супутникових даних високого просторового розрізнення.
This research develops technologies for calculating three specific indicators, namely: 2.4.1. "Share of agricultural land with productive and sustainable agriculture"; 15.1.1 "Forest area as a percentage of total land area"; and 15.3.1 "Share of land degraded in relation to total land area." The main problem addressed by the authors for the territory of Ukraine is the lack of high-quality datasets, their low spatial resolution, and lower accuracy compared to regional products. A new, improved methodology is proposed for calculating the land productivity map based on high spatial resolution satellite data.
|
| first_indexed | 2026-03-13T07:33:24Z |
| format | Article |
| fulltext |
© Н.М. КУССУЛЬ, А.Ю. ШЕЛЕСТОВ, Б.Я. ЯЙЛИМОВ, О.П. ФЕДОРОВ, Г.О. ЯЙЛИМОВА,
С.В. СКАКУН, Л.Л. ШУМІЛО, Л.М. КОЛОС, О.О. ДЯКУН, 2023
Міжнародний науково-технічний журнал
Проблеми керування та інформатики, 2023, № 1 95
КОСМІЧНІ ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ ТА СИСТЕМИ
УДК 004.62;004.93
Н.М. Куссуль, А.Ю. Шелестов, Б.Я. Яйлимов, О.П. Федоров,
Г.О. Яйлимова, С.В. Скакун, Л.Л. Шуміло, Л.М. Колос, О.О. Дякун
ОЦІНКА ЦІЛЕЙ СТАЛОГО РОЗВИТКУ
В МЕЖАХ ЄВРОПЕЙСЬКОЇ
ДОСЛІДНИЦЬКОЇ МЕРЕЖІ (ERA-PLANET)
Куссуль Наталія Миколаївна
Національний технічний університет України «Київський політехнічний інститут іме-
ні Ігоря Сікорського», Інститут космічних досліджень НАН України та ДКА України,
Київ, https://orcid.org/0000-0002-9704-9702,
nataliia.kussul@gmail.com
Шелестов Андрій Юрійович
Національний технічний університет України «Київський політехнічний інститут іме-
ні Ігоря Сікорського», Інститут космічних досліджень НАН України та ДКА України,
Київ, https://orcid.org/0000-0001-9256-4097,
andrii.shelestov@gmail.com
Яйлимов Богдан Ялкапович
Інститут космічних досліджень НАН України та ДКА України, Київ, https://orcid.
org/0000-0002-2635-9842,
yailymov@gmail.com
Федоров Олег Павлович
Інститут космічних досліджень НАН України та ДКА України, Київ, https://
orcid.org/0000-0002-0245-6509,
oleh.fedorov@gmail.com
Яйлимова Ганна Олексіївна
Національний технічний університет України «Київський політехнічний інститут іме-
ні Ігоря Сікорського», Інститут космічних досліджень НАН України та ДКА України,
Київ, https://orcid.org/0000-0001-6116-8294,
anna.yailymova@gmail.com
Скакун Сергій Васильович
Університет Меріленду, США, https://orcid.org/0000-0002-9039-0174,
serhiy.skakun@gmail.com
Шуміло Леонід Леонідович
Університет Меріленду, США, https://orcid.org/0000-0002-7395-7933,
shumilo.leonid@gmail.com
https://orcid.org/0000-0002-0245-6509
https://orcid.org/0000-0002-0245-6509
96 ISSN 2786-6491
Колос Людмила Миколаївна
Інститут космічних досліджень НАН України та ДКА України, Київ, https://orcid.
org/0000-0002-3616-271X,
kolos.ludmyla@gmail.com
Дякун Олексій Олегович
Інститут космічних досліджень НАН України та ДКА України, Київ,
alexeydiakun@gmail.com
Цілі сталого розвитку (ЦСР), також відомі як глобальні цілі, прийняті
Організацією Об’єднаних Націй у 2015 р. як універсальний заклик до
дій щодо подолання бідності, захисту планети, забезпечення миру та
покращення якості життя всіх людей до 2030 р. Цілі розвитку спрямо-
вані на те, щоб до 2030 р. покінчити з усіма формами голоду, щоб усі
люди отримували достатню кількість поживної їжі протягом усього
року. Це сприятиме сталому сільському господарству, підтримці дріб-
них фермерів і рівному доступу до землі, технологій і ринків. Окрім
цього, важливо вжити термінові заходи, щоб зменшити втрату природ-
них середовищ існування та біорізноманіття, які є частиною нашої спі-
льної спадщини та підтримують глобальну продовольчу та водну без-
пеку, пом’якшують наслідки зміни клімату та адаптацію до них,
а також забезпечують мир і безпеку. Задля розвитку цього напрямку в
Україні, в межах Європейського проєкту ERA-PLANET програми
Horizon 2020 «Європейська мережа для дослідження нашої планети»,
використовуються дані спостереження Землі та супутникові дані для
моніторингу ефективності використання природних ресурсів, а також
для оцінки прогресу в досягненні ЦСР. У даному дослідженні розроб-
лені технології обрахунку трьох конкретних індикаторів, а саме: 2.4.1.
«Частка сільськогосподарських площ з продуктивним і сталим сільсь-
ким господарством»; 15.1.1 «Площа лісів як частка загальної площі зе-
много покриву»; 15.3.1 «Частка землі, яка деградувала відносно зага-
льної площі земного покриву». Основна проблема, яку вирішують ав-
тори для території України, пов’язана з відсутністю якісних наборів
даних, їх низьким просторовим розрізненням і меншою точністю порі-
вняно з регіональними продуктами. Запропоновано нову вдосконалену
методологію для обчислення карти продуктивності землі на основі су-
путникових даних високого просторового розрізнення.
Ключові слова: цілі сталого розвитку (ЦСР), індикатор, динаміка
продуктивності земель, зміни клімату, вегетаційні індекси, супутни-
кові дані, класифікація.
Вступ
Проєкт ERA-PLANET програми Horizon 2020 «The European Network for
Observing our Changing Planet» («Європейська мережа для дослідження нашої
планети») є внеском європейської спільноти в ров’язання задачі оцінювання
досягнення цілей сталого розвитку (ЦСР — Sustainable Development Goal), ви-
конання Паризької кліматичної угоди та Сендайської рамки зі зменшення ризи-
ку стихійних лих (Sendai Framework for Disaster Risk Reduction). Один з чоти-
рьох напрямів ERA-PLANET — проєкт GEOEssential [1], який належить до проє-
ктів з моніторингу ресурсоефективності та екологічного менеджменту. В межах
цього проєкту дані спостереження Землі і, зокрема, супутникові дані використо-
вуються для моніторингу ефективності використання природних ресурсів, а також
для оцінки прогресу в досягненні ЦСР. Основними задачами досліджень ІКД
НАН України та ДКА України в цьому проєкті є внесок в оцінювання ЦСР та ви-
https://orcid.org/0000-0002-3616-271X
https://orcid.org/0000-0002-3616-271X
Міжнародний науково-технічний журнал
Проблеми керування та інформатики, 2023, № 1 97
рішення таких проблем у сільському господарстві: подолання голоду, досягнен-
ня продовольчої безпеки та покращення харчування, сприяння сталому сільсь-
кому господарству, яке спрямоване на забезпечення стійких систем виробництва
продуктів харчування, та впровадження стійких сільськогосподарських прак-
тик [2]. У даному дослідженні основна увага приділяється трьом конкретним ін-
дикаторам а саме:
2.4.1. «Частка сільськогосподарських площ з продуктивним і сталим сільсь-
ким господарством»;
15.1.1. «Площа лісів як частка загальної площі земного покриву»;
15.3.1. «Частка землі, яка деградувала відносно загальної площі земного
покриву».
У Програмі глобальної підтримки (Global Support Program) та Програмі підт-
римки безпеки (Security Assistance Program) створено пілотний проєкт, підтрима-
ний комітетом ООН для боротьби з опустелюванням, з метою досягнення нейтра-
дьності деградації земель (Land Degradation Neutrality). Мета нейтральної дегра-
дації земель полягає в підтримці або збільшенні природного капіталу землі та
пов’язаних з ними послуг за рахунок ресурсів екосистеми. Зміна ґрунтового пок-
риву (Land Cover Change), динаміка продуктивності земель (Land Productivity
Dynamics) і запас органічного вуглецю (Soil Organic Carbon) обрані як підіндика-
тори для оцінки індикатора 15.3.1 (ЦСР). Зміни ґрунтового покриву, оцінені на
основі набору даних земного покриву Європейського космічного агентства, Ініці-
ативи з оцінювання зміни клімату (ESA Climate Change Initiative) та набору даних
з оцінки зміни продуктивності земель Об’єднаного дослідницького центру (LPD
EC Joint Research Centre), використовуються як джерела для оцінки продуктивно-
сті земель [3]. Основними проблемами, пов’язаними з цими наборами даних, є ни-
зьке просторове розрізнення і менша точність порівняно з регіональними продук-
тами [4, 5].
Отже, мета цього дослідження — заповнити вищезазначену прогалину шля-
хом вдосконалення розрахунку показників ЦСР за допомогою використання да-
них середнього та високого просторового розрізнення [6, 7]. Основна ціль полягає
в тому, щоб застосувати та вдосконалити методи, які використовувалися для
створення глобальних продуктів із даними з низьким просторовим розрізненням,
до даних з більшим просторовим розрізненням, що краще підходять для регіона-
льних продуктів та програм. Для обчислення обраних індикаторів ЦСР викорис-
тано зв’язок «їжа–вода–енергія» на основі супутникових даних [8], даних назем-
них спостережень, вегетаційних індексів та метеорологічних даних. Оскільки гло-
бальні продукти земного покриву мають меншу точність для України порівняно з
регіональними [9], в межах проведених досліджень використано регіональні карти
земного покриву з високим просторовим розрізненням 10 м на основі даних
Landsat 8, Sentinel–2 і Sentinel–1 [10]. Ці карти створені з використанням сучасних
методів на основі глибокого навчання [10–14]. Також запропоновано нову вдос-
коналену методологію для обчислення карти продуктивності землі на основі су-
путникових даних високого просторового розрізнення [14].
1. Метод для обчислення показників ЦСР
Зі списку 232 індикаторів ЦСР у даній статті представлено загальний метод [15]
для обчислення трьох вибраних індикаторів ЦСР (рис. 1).
Основна мета проєкту GEOEssential ERA-PLANET полягає в розробці проце-
сів для моніторингу істотних змінних (Essential Variables) і оцінки ЦСР з викорис-
танням даних дистанційного зондування. Запропонований підхід зумовлює розг-
98 ISSN 2786-6491
ляд екологічної системи як модель, побудовану з харчових, водних та енергетич-
них компонентів і взаємозв’язків між ними. Таким чином, основні змінні часто
можуть бути компонентами декількох зв’язкових підходів. У проєкті є список ос-
новних істотних змінних взаємозв’язку «їжа–вода–енергія» [16]. Розроблено робочі
процеси для індикаторів 15.1.1, 15.3.1 та 2.4.1, базуючись на істотних змінних,
пов’язаних з їжею, водою та енергією.
Рис. 1
До істотних змінних продовольчої безпеки відносяться площа посівів та тип
сільськогосподарської культури, представлені на карті класифікації посівів [17]
оцінкою стану посівів та їх фенологією [18, 19], що характеризується вегетацій-
ними індексами, такими як NDVI, DVI, EVI [20], та біофізичні параметри [21],
наприклад індекс LAI (Leaf Area Index) [22]. Для кращої оцінки стану врожаю та
його фенології врожаю за допомогою вегетаційних індексів використовуються
метеорологічні дані. Вони стосуються істотних змінних води та енергії, зокрема,
опадів, випаровування, температури повітря на поверхні, сонячного опромінення
поверхні, вологості і швидкості вітру. Ці агрометеорологічні параметри важливі
для моделювання вегетаційних індексів та вдосконалення супутникової оцінки
продуктивності сільськогосподарських культур [23].
2. Обчислення індикаторів ЦСР 15.3.1
Індикатор 15.3.1 «Частка деградованих земель від загальної площі» є двій-
ковою (покращення та деградація) кількісною оцінкою на основі аналізу доступних
даних для підіндикаторів, які перевіряються та повідомляються національними
органами влади (а саме, тренди у земельному покриві, продуктивності землі та
запасах вуглецю) [15, 24]. Цей показник базується на статистичному принципі
«Один поза — усі поза» для оцінки змін через субіндикатори. Цей принцип озна-
чає, що є три типи змін у субіндикаторах: позитивні (покращення), негативні
(деградація), а також стійкі (без змін). Якщо один із показників трьох субінди-
каорів має негативні зміни для якоїсь ділянки, то продуктивність цієї ділянки
негативна.
Міжнародний науково-технічний журнал
Проблеми керування та інформатики, 2023, № 1 99
Запропонований метод базується на підході глибокого навчання, зокрема на
ансамблі нейронних мереж [13]. В основі архітектури лежать багатошарові перцеп-
трони (MLP), які навчаються з використанням різних параметрів і архітектур (кіль-
кість прихованих шарів), утворюючи ансамбль, що перевершує будь-який з окре-
мих MLP. Функція випрямленої лінійної одиниці (ReLU) використовується як фун-
кція активації для нейронів у прихованих шарах, а навчання MLP виконується за
допомогою оптимізатора на основі стохастичного градієнта. Щоб уникнути перена-
вчання, використано L2-регулярізацію з коефіцієнтом 0,1, а швидкість навчання —
10
– 3
. За допомогою нейронних мереж класифікуються сільськогосподарські куль-
тури та створюються карти земного покриву України з використанням зображень
високого просторового розрізнення Landsat 8, Sentinel–1 та Sentinel–2 [25–28] та ві-
дповідні дані наземних досліджень за 2000, 2010, 2016 та 2017 рр. [29–31]. Просто-
рове розрізнення отриманих карт становить 30 м для 2000 і 2010 рр. і 10 м — для
2016 і 2017 рр. (рис. 2).
Рис. 2
На рис. 3 візуально порівнюються: карти земного покриву ESA CCI-LC
з просторовим розрізненням 300 м (а) та карти класифікації ІКД НАН України та
ДКА України з розбіжністю 10 м (б).
а б
Рис. 3
Порядок обчислення індикатора 2.4.1. Індикатор 2.4.1 «Частка сільськогос-
подарських площ під продуктивним і сталим сільським господарством» можна об-
числити за тією ж методологією, що і для розрахунку індикатора 15.3.1. Цей інди-
катор є відношенням сільськогосподарської площі, яка має позитивне значення
продуктивності, до загальної сільськогосподарської площі за правилом «Один не
підходить — інші не підходять». Для обчислення цього індикатора використано ті
самі субіндикатори, що й для індикатора 15.3.1, але викликає інтерес не вся земель-
на площа, а лише сільськогосподарські (оброблені) землі. Для цього індикатора
100 ISSN 2786-6491
особливо важливо використовувати супутникові зображення з високим просторовим
розрізненням, оскільки розмір пікселів значно впливає на значення субіндикатора.
Метод обчислення індикатора 15.1.1. Показник 15.1.1 «Площа лісів як час-
тка загальної площі землі» є відношенням всієї площі землі до площі лісів. Спо-
чатку на основі карти класифікації оцінюється загальна площа землі, для цього
видаляються водні та заболочені території, а після цього розраховується цільо-
вий індикатор як частка площі лісів у загальній площі землі.
Впровадження робочих процесів оцінки індикаторів ЦСР у віртуальній ла-
бораторії. У Європейському проєкті ECOpotential (http://www.ecopotential-project.eu)
кілька організацій-партнерів відповідали за створення ресурсів за різною тема-
тикою, таких як супутникові дані, дані наземних досліджень, послуги, інструмен-
ти аналізу та моделювання, алгоритми обробки, методи моделі та результати мо-
делей. Для задоволення цих вимог розроблено механізм взаємодії як віртуальну
лабораторію (VLab: https://vlab.geodab.eu/), що забезпечує доступ до ресурсів на
основі вебсервісу. Для використання ресурсів хмарних обчислень [27] та прямого
доступу до даних порталу GEOSS лабораторія VLab дозволяє реалізовувати робо-
чі процеси для обчислення та моніторингу істотних змінних води, їжі та енергії
для розрахунку показників ЦСР для різних країн світу. Саме інструмент VLab ви-
користано для обчислення індикаторів 2.4.1 та 15.3.1. Переваги VLab — це мож-
ливість реалізації складних робочих процесів на хмарній платформі [28] з легким
доступом до даних GEOSS та інших постачальників даних з можливістю їх генерації
для інструментів ECOpotential. Метод для розрахунку індикатора 2.4.1 у VLab
як вхідні дані використовує карту класифікації з сільськогосподарськими класами
земельного покриву та часові ряди супутникових зображень [29] протягом кількох
років. У свою чергу, для обчислення індикатора 15.3.1 використовується карта
зміни земного покриву та карта продуктивності землі як вхідні дані, обчислюється
площа продуктивних земель і загальна площа землі.
3. Результати
Використовуючи запропонований метод (див. рис. 1), розраховано індикато-
ри 15.1.1, 15.3.1 та 2.4.1 для території України. Значення лісистості та загальної
площі земель отримано з карт земного покриву за 2000, 2010 та 2016 рр. Таким
чином, індикатор 15.1.1 порахований за часткою лісів відносно загальної площі
земель за ці роки (табл. 1). Спостерігається позитивна тенденція при розгляданні
статистичних даних, так само як і супутникових. Це означає, що в Україні лісові
насадження зазнають вирубок.
Карту продуктивності землі отримано за допомогою індексу NDVI на основі
супутникових знімків Sentinel-2 і Landsat-8 високого просторового розрізнен-
ня за 2013–2017 рр. На рис. 4 порівнюються карти продуктивності з низьким
просторовим розрізненням на основі даних MODIS та карти продуктивності з ви-
соким просторовим розрізненням для території України за 2017 р ., отримані
ІКД НАН України та ДКА України. Використовуючи карту продуктивності з ви-
соким просторовим розрізненням та карту класифікації культур, розраховано ін-
дикатори 15.3.1 та 2.4.1 для території України за 2016 та 2017 рр. Значення інди-
каторів 15.3.1 та 2.4.1 за 2016 та 2017 рр. наведено у табл. 2.
Таблиця 1
Джерело
інформації 2000 р. 2010 р. 2016 р.
Статистика 0,172 0,172 0,176
Карти
класифікації 0,176 0,179 0,189
Таблиця 2
Індикатор ЦСР 2016 р. 2017 р.
Індикатор 15.3.1, % 46,19 48,24
Індикатор 2.4.1, % 37,6 42,8
http://www.ecopotential-project.eu/
https://vlab.geodab.eu/
Міжнародний науково-технічний журнал
Проблеми керування та інформатики, 2023, № 1 101
Рис. 4
За результатами аналізу отриманих геопросторових продуктів можна констату-
вати позитивну динаміку підвищення продуктивності всіх угідь (46,19–48,24 %),
сільськогосподарських угідь (37,6–42,8 %), але площа з негативним трендом веге-
таційного індексу все ще становить понад 29 046 тис. га. Позитивну динаміку
можна пояснити запровадженням ефективних методів ведення сільського господарс-
тва, створенням сучасних систем збору врожаю, але зазвичай ці дії проводяться на
великих сільськогосподарських угіддях або на полях, що належать великим сіль-
ськогосподарським підприємствам. Тому значна частина землі з негативною тен-
денцією все ще існує. Окремо виділяються певні регіони з негативним значенням
продуктивності, а саме, східна Україна [35] та Крим через погіршення ситуації та
проблеми з доступом до води та Західна Україна через вирубку лісів. Якщо розг-
лядати загальний приріст, то, окрім покращення стану сільськогосподарських
угідь в Україні, відбувається відновлення вирубаних лісів, які безпосередньо впли-
вають на зниження рівня деградації. За даними Державного агентства лісових ресур-
сів України у 2016 р. відновлено 52,6 тис. га, у 2017 р. — 53,2 тис. га.
Висновок
Запропоновано вдосконалений метод обчислення трьох індикаторів ЦСР :
2.4.1 «Частка сільськогосподарських площ під продуктивним і сталим сільсь-
ким господарством»; 15.1.1 «Площа лісів як частка загальної площі землі»; і
15.3.1 «Частка землі, що деградувала, від загальної площі землі» на основі ви-
користання супутникових та наземних даних, істотних змінних (EV), вегета-
ційних індексів та метеорологічних даних. У пілотному проєкті Комітету ООН
з боротьби із опустелюванням та в Програмі підтримки безпеки розроблено
методику розрахунку індексу 15.3.1. Вона базується на наборі даних Європей-
ського космічного агентства, розробленого в межах ініціативи з оцінки змін
клімату та геопросторових даних Об’єднаного дослідницького центру. Ці на-
бори даних є глобальними і тому мають недостатнє просторове розрізнення.
Таким чином, в межах даного дослідження використано карти земного покри-
ву, отримані в ІКД НАН України та ДКА України на основі глибокого навчан-
ня та використання зображень з високим просторовим розрізненням Landsat,
102 ISSN 2786-6491
Sentinel–2 і Sentinel–1 для території України. Якість і точність таких карт зна-
чно вищі порівняно з іншими глобальними продуктами (приріст становить
приблизно 10 %). Крім того, у цьому дослідженні запропоновано нову методо-
логію побудови карти продуктивності землі з використанням даних Sentinel-2 і
Landsat-8 з просторовим розрізненням 10 м, які дозволяють розрахувати інди-
катор 15.3.1 та інші субіндикатори — 15.1.1 і 2.4.1.
N. Kussul, A. Shelestov, B. Yailymov, O. Fedorov,
H. Yailymova, S. Skakun, L. Shumilo, L. Kolos, O. Dyakun
SUSTAINABLE DEVELOPMENT GOALS
ASSESSMENT WITHIN THE EUROPEAN
RESEARCH NETWORK (ERA-PLANET)
Nataliia Kussul
National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute»,
Space Research Institute of the National Academy of Sciences of Ukraine and State
Space Agency of Ukraine, Kyiv,
nataliia.kussul@gmail.com
Andrii Shelestov
National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute»,
Space Research Institute of the National Academy of Sciences of Ukraine and State
Space Agency of Ukraine, Kyiv,
andrii.shelestov@gmail.com
Bohdan Yailymov
Space Research Institute of the National Academy of Sciences of Ukraine and State
Space Agency of Ukraine, Kyiv,
yailymov@gmail.com
Oleg Fedorov
Space Research Institute of the NAS of Ukraine and State Space Agency of Ukraine, Kyiv,
oleh.fedorov@gmail.com
Hanna Yailymova
National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute»,
Space Research Institute of the National Academy of Sciences of Ukraine and State
Space Agency of Ukraine, Kyiv,
anna.yailymova@gmail.com
Serhiy Skakun
University of Meriland, USA,
serhiy.skakun@gmail.com
Leonid Shumilo
University of Meriland, USA,
shumilo.leonid@gmail.com
Міжнародний науково-технічний журнал
Проблеми керування та інформатики, 2023, № 1 103
Ludmyla Kolos
Institute of Space Research of the National Academy of Sciences of Ukraine and State
Space Agency of Ukraine, Kyiv,
kolos.ludmyla@gmail.com
Oleksii Dyakun
Institute of Space Research of the National Academy of Sciences of Ukraine and State
Space Agency of Ukraine, Kyiv,
alexeydiakun@gmail.com
The Sustainable Development Goals (SDGs), also known as the Global Goals,
were adopted by the United Nations in organization 2015 as a universal call to
action to end poverty, protect the planet, ensure peace and improve the quality of
life for all people by 2030. The development goals aim to end all forms of hun-
ger by 2030, so that all people have enough nutritious food all year round. This
involves promoting sustainable agriculture, supporting small farmers and equal
access to land, technology and markets. In addition, it is important to take urgent
action to reduce the loss of natural habitats and biodiversity, which are part of
our shared heritage and support global food and water security, climate change
consequences mitigation as well as adaptation, peace and security. For the de-
velopment of this direction in Ukraine, within the framework of the European
project ERA-PLANET of the Horizon 2020 program «European network for the
study of our planet», Earth observation data and satellite data are used to moni-
tor the efficiency of the use of natural resources, as well as to assess progress in
achieving the Sustainable Development Goals. In this study, technologies for
calculating three specific indicators were developed, namely: 2.4.1. «Part of ag-
ricultural areas with productive and sustainable agriculture»; 15.1.1 «The area of
forests as a share of the total area of land cover»; 15.3.1 «Part of the land that
has degraded relative to the total land cover area.» The main problem that the
authors solve for the territory of Ukraine is related to the lack of high-quality da-
ta sets, their low spatial resolution and lower accuracy compared to regional
products. The paper proposes a new improved methodology for calculating the
land productivity map based on high spatial resolution satellite data.
Keywords: Sustainable Development Goals, indicator, land productivity dy-
namics, climate change, vegetation indices, satellite data, classification.
ПОСИЛАННЯ
1. Kussul N., Lavreniuk M., Shumilo L., Kolotii A., Rakoid O., Yailymov B., Shelestov A., Vasiliev V.
Assessment of sustainable development goals achieving with use of nexus approach in the
framework of geoessential ERA-PLANET project. Recent Developments in Data Science and In-
telligent Analysis of Information. 2018. P. 146–155. https://link.springer.com/chapter/10.1007/
978-3-319-97885-7_15.
2. Азарсков В.Н., Блохин Л.Н., Житецкий Л.С., Куссуль Н.Н. Робастные методы оценивания,
идентификации и адаптивного управления. Киев : НАУ. 2004. 498 c.
3. Gallego J., Kussul N., Skakun S., Kravchenko O., Shelestov A., Kussul O. Efficiency assessment
of using satellite data for crop area estimation in Ukraine. International Journal of Applied Earth
Observation and Geoinformation. 2014. Vol. 29. P. 22–30.
4. Kussul N., Shelestov A., Basarab R., Skakun S., Kussul O., Lavreniuk M. Geospatial intelli-
gence and data fusion techniques for sustainable development problems. 11th International
Conference on ICT in Education, Research and Industrial Applications : Integration, Har-
monization and Knowledge Transfer, ICTERI 2015 (14-16 May 2015, Lviv, Ukraine). 2015.
Vol. 1356. P. 196–203.
5. Lavreniuk M., Kussul N., Skakun S., Shelestov A., Yailymov B. Regional retrospective high
resolution land cover for Ukraine: Methodology And Results. International Geoscience and
Remote Sensing Symposium. 2015 (IGARSS 2015). 2015. N 15599383. P. 3965–3968.
mailto:kolos.ludmyla@gmail.com
104 ISSN 2786-6491
6. Kussul N., Skakun S., Shelestov A., Lavreniuk M., Yailymov B., Kussul O. Regional scale crop
mapping using multi-temporal satellite imagery. International Archives of the Photogrammetry,
Remote Sensing & Spatial Information Sciences. 2015. P. 45–52.
7. Lavreniuk M., Skakun S., Shelestov A., Yalimov B., Yanchevskii S., Yaschuk D., Kosteckiy A.
Large-scale classification of land cover using retrospective satellite data. Cybernetics and Systems
Analysis. 2016. Vol. 52, N 1. P. 127–138.
8. Kussul N., Lavreniuk M., Shumilo L., Kolotii A. Nexus approach for calculating SDG indicator
2.4.1 using remote sensing and biophysical modeling. IGARSS 2019–2019 IEEE International
Geoscience and Remote Sensing Symposium. 2019. P. 6425–6428.
9. Kussul N., Kolotii A., Shelestov A., Yailymov B., Lavreniuk M. Land degradation estimation
from global and national satellite based datasets within UN program. Intelligent Data Acquisition
and Advanced Computing Systems: Technology and Applications (IDAACS), 9th IEEE
International Conference. 2017. Vol. 1. P. 383–386.
10. Kussul N., Shelestov A., Skakun S. Flood monitoring from SAR data. NATO Science for Peace
and Security Series C: Environmental Security. 2011. P. 19–29.
11. Kussul, N, Skakun S., Shelestov A., Kussul O. The Use of satellite SAR imagery to crop
classification in Ukraine within JECAM project. IEEE Geoscience and Remote Sensing
Symposium. 2014. P. 1497–1500.
12. Kussul N., Skakun S., Shelestov A., Kravchenko O., Gallego F., Kussul O. Crop area estimation
in Ukraine using satellite data within the MARS project. IEEE International Geoscience and
Remote Sensing Symposium. 2012. P. 3756–3759.
13. Kussul N., Lavreniuk M., Skakun S., Shelestov A. Deep learning classification of land cover and
crop types using remote sensing data. IEEE Geoscience and Remote Sensing Letters. 2017.
Vol. 14(5). P. 778–782.
14. Куссуль Н.Н., Шелестов А.Ю. Grid-системы для задач исследования Земли: Архитектура,
модели и технологии. Київ : Наук. думка, 2008. 452 c.
15. Kussul N., Lavreniuk M., Kolotii A., Skakun S., Rakoid O., Shumilo L. A workflow for
sustainable development goals indicators assessment based on high-resolution satellite data.
International Journal of Digital Earth. 2020. Vol. 2, N 13. P. 309–321. DOI: 10.1080/17538947.
2019.1610807.
16. McCallum I., Montzka C., Bayat B., Kollet S., Kolotii A., Kussul N., Mosnier A. Developing
food, water and energy nexus workflows. International Journal of Digital Earth. 2020.
Vol. 13(2). P. 299–308.
17. Kussul N., Shelestov A., Lavreniuk M., Butko I., Skakun S. Deep learning approach for
large scale land cover mapping based on remote sensing data fusion. Paper presented at
the International Geoscience and Remote Sensing Symposium (IGARSS) . 2016. P. 198–201.
18. Kolotii A., Kussul N., Shelestov A., Skakun S., Yailymov B., Basarab R., Ostapenko V.
Comparison of biophysical and satellite predictors for wheat yield forecasting in Ukraine.
International Archives of the Photogrammetry, Remote Sensing and Spatial Information
Sciences — ISPRS Archives. 2015. Vol. 40(7W3). P. 39-44. DOI: 10.5194/isprsarchives-XL-7-
W3-39-2015.
19. Куссуль Н.Н. и др. Регрессионные модели оценки урожайности сельскохозяйственных ку-
льтур по данным MODIS. Современные проблемы дистанционного зондирования Земли из
космоса. 2012. Т. 9, №. 1. С. 95–107.
20. Kogan F., Kussul N., Adamenko T., Skakun S., Kravchenko O., Kryvobok O., Shelestov A.,
Kolotii A., Kussul O., Lavrenyuk M. Winter wheat yield forecasting in Ukraine based on Earth
observation, meteorological data and biophysical models. International Journal of Applied Earth
Observation and Geoinformation. 2013. Vol. 23. P. 192–203.
21. Kogan F., Kussul N., Adamenko T., Skakun S., Kravchenko O., Kryvobok O., Shelestov A.,
Kolotii A., Kussul O., Lavrenyuk A. Winter wheat yield forecasting: A comparative analysis of
results of regression and biophysical models. Journal of Automation and Information Sciences.
2013. Vol. 45, N 6. P. 68–81.
22. Shelestov A., Kolotii A., Skakun S., Baruth B., R. Lopez Lozano, Yailymov B. Biophysical
parameters mapping within the SPOT-5 take 5 initiative. European Journal of Remote Sensing.
2017. Vol. 50(1). P. 300–309.
23. Kussul N., Kolotii A., Shelestov A., Lavreniuk M., Bellemans N., Bontemps S., Defourny
P., Koetz B. Sentinel-2 for agriculture national demonstration in Ukraine: results and further
steps. IEEE International Geoscience and Remote Sensing Symposium (IGARSS). 2017.
P. 5842–5845.
Міжнародний науково-технічний журнал
Проблеми керування та інформатики, 2023, № 1 105
24. Yailymov B., Lavreniuk M., Shelestov A., Kolotii A., Yailymova H., Fedorov O. Methods for
determining significant variables to assess the land cover state. Space Science and Technology.
2018. Vol. 24, N 4. P. 24–37 (in Ukrainian).
25. Skakun S., Kussul N., Shelestov A., Kussul O. The use of satellite data for agriculture
drought risk quantification in Ukraine. Geomatics, Natural Hazards and Risk. 2015.
Vol. 7(3). P. 901–917.
26. Kussul N, Lemoine G., Gallego F., Skakun S., Lavreniuk M., Shelestov A. Parcel-based crop
classification in Ukraine using Landsat-8 data and Sentinel-1A data. IEEE Journal of Selected
Topics in Applied Earth Observations and Remote Sensing. 2016. Vol. 9, N 6. P. 2500–2508.
27. Kussul N., Lavreniuk M., Shelestov A., Skakun S. Crop inventory at regional scale in Ukraine:
developing in season and end of season crop maps with multi-temporal optical and SAR satellite
imagery. European Journal of Remote Sensing. 2018. Vol. 51, N 1. P. 527–636.
28. Ghazaryan G., Dubovyk O., Löw F., Lavreniuk M., Kolotii A., Schellberg J., Kussul N. A rule-
based approach for crop identification using multi-temporal and multi-sensor phenological
metrics. European Journal of Remote Sensing. 2018. Vol. 51, N 1. P. 511–524.
29. Shelestov A., Lavreniuk M., Kussul N., Novikov A., Skakun S. Exploring google earth engine
platform for big data processing. Classification of Multi-Temporal Satellite Imagery for Crop
Mapping Frontiers in Earth Science. 2017. P. 17.
30. Skakun S., Kussul N., Shelestov A., Lavreniuk M., Kussul O. Efficiency Assessment of
multitemporal C-Band Radarsat-2 intensity and Landsat-8 surface reflectance satellite imagery for
crop classification in Ukraine. IEEE Journal of Selected Topics in Applied Earth Observations
and Remote Sensing. 2016. Vol. 9(8). P. 3712–719.
31. Waldner F., Abelleyra D., Verón S., Zhang M., Wu B., Plotnikov D., Bartalev S., Lavreniuk M.,
Skakun S., Kussul N., Maire G., Dupuy S., Jarvis I., Defourny P. Towards a set of agrosystem-
specific cropland mapping methods to address the global cropland diversity. International
Journal of Remote Sensing. 2016. Vol. 37(14). P. 3196–231.
32. Kravchenko A., Kussul N., Lupian E., Savorsky V., Hluchy L., Shelestov A. Water resource
quality monitoring using heterogeneous data and high-performance computations. Cybernetics
and Systems Analysis. 2008. Vol. 44, N 4. P. 616–624.
33. Shelestov A., Lavreniuk M., Vasiliev V., Shumilo L., Kolotii A., Yailymov B., Yailymova H.
Cloud approach to automated crop classification using Sentinel-1 imagery. IEEE Transactions on
Big Data. 2020. Vol. 6, N 3. P. 572–582. DOI: 10.1109/TBDATA.2019.2940237.
34. Kussul N., Shelestov A., Yailymov B., Yailymova H., Lavreniuk M., Shumilo L., Bilo-
konska Y. Crop monitoring technology based on time series of satellite imagery. IEEE 11th
International Conference on Dependable Systems, Services and Technologies (DESSERT) .
2020. P. 346–350.
35. Skakun S., Justice C., Kussul N., Shelestov A., Lavreniuk M. Satellite data reveal cropland
losses in South-Eastern Ukraine under military conflict. Frontiers in Earth Science. 2019.
Vol. 7. 305 p.
Отримано 28.12.2022
|
| id | nasplib_isofts_kiev_ua-123456789-210938 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0572-2691 |
| language | Ukrainian |
| last_indexed | 2026-03-13T07:33:24Z |
| publishDate | 2023 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Куссуль, Н.М. Шелестов, А.Ю. Яйлимов, Б.Я. Федоров, О.П. Яйлимова, Г.О. Скакун, С.В. Шуміло, Л.Л. Колос, Л.М. Дякун, О.О. 2025-12-21T11:17:22Z 2023 Оцінка цілей сталого розвитку в межах Європейської дослідницької мережі (ERA-PLANET) / Н.М. Куссуль, А.Ю. Шелестов, Б.Я. Яйлимов, О.П. Федоров, Г.О. Яйлимова, С.В. Скакун, Л.Л. Шуміло, Л.М. Колос, О.О. Дякун // Проблеми керування та інформатики. — 2023. — № 1. — С. 95–105. — Бібліогр.: 35 назв. — укр. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/210938 004.62;004.93 004.62;004.93 У даному дослідженні розроблені технології обрахунку трьох конкретних індикаторів, а саме: 2.4.1. «Частка сільськогосподарських площ з продуктивним і сталим сільським господарством»; 15.1.1 «Площа лісів як частка загальної площі земного покриву»; 15.3.1 «Частка землі, яка деградувала відносно загальної площі земного покриву». Основна проблема, яку вирішують автори для території України, пов’язана з відсутністю якісних наборів даних, їх низьким просторовим розрізненням і меншою точністю порівняно з регіональними продуктами. Запропоновано нову вдосконалену методологію для обчислення карти продуктивності землі на основі супутникових даних високого просторового розрізнення. This research develops technologies for calculating three specific indicators, namely: 2.4.1. "Share of agricultural land with productive and sustainable agriculture"; 15.1.1 "Forest area as a percentage of total land area"; and 15.3.1 "Share of land degraded in relation to total land area." The main problem addressed by the authors for the territory of Ukraine is the lack of high-quality datasets, their low spatial resolution, and lower accuracy compared to regional products. A new, improved methodology is proposed for calculating the land productivity map based on high spatial resolution satellite data. uk Інститут кібернетики ім. В.М. Глушкова НАН України Проблеми керування та інформатики Космічні інформаційні технології та системи Оцінка цілей сталого розвитку в межах Європейської дослідницької мережі (ERA-PLANET) Sustainable development goals assessment within the European research network (ERA-PLANET) Article published earlier |
| spellingShingle | Оцінка цілей сталого розвитку в межах Європейської дослідницької мережі (ERA-PLANET) Куссуль, Н.М. Шелестов, А.Ю. Яйлимов, Б.Я. Федоров, О.П. Яйлимова, Г.О. Скакун, С.В. Шуміло, Л.Л. Колос, Л.М. Дякун, О.О. Космічні інформаційні технології та системи |
| title | Оцінка цілей сталого розвитку в межах Європейської дослідницької мережі (ERA-PLANET) |
| title_alt | Sustainable development goals assessment within the European research network (ERA-PLANET) |
| title_full | Оцінка цілей сталого розвитку в межах Європейської дослідницької мережі (ERA-PLANET) |
| title_fullStr | Оцінка цілей сталого розвитку в межах Європейської дослідницької мережі (ERA-PLANET) |
| title_full_unstemmed | Оцінка цілей сталого розвитку в межах Європейської дослідницької мережі (ERA-PLANET) |
| title_short | Оцінка цілей сталого розвитку в межах Європейської дослідницької мережі (ERA-PLANET) |
| title_sort | оцінка цілей сталого розвитку в межах європейської дослідницької мережі (era-planet) |
| topic | Космічні інформаційні технології та системи |
| topic_facet | Космічні інформаційні технології та системи |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/210938 |
| work_keys_str_mv | AT kussulʹnm ocínkacíleistalogorozvitkuvmežahêvropeisʹkoídoslídnicʹkoímerežíeraplanet AT šelestovaû ocínkacíleistalogorozvitkuvmežahêvropeisʹkoídoslídnicʹkoímerežíeraplanet AT âilimovbâ ocínkacíleistalogorozvitkuvmežahêvropeisʹkoídoslídnicʹkoímerežíeraplanet AT fedorovop ocínkacíleistalogorozvitkuvmežahêvropeisʹkoídoslídnicʹkoímerežíeraplanet AT âilimovago ocínkacíleistalogorozvitkuvmežahêvropeisʹkoídoslídnicʹkoímerežíeraplanet AT skakunsv ocínkacíleistalogorozvitkuvmežahêvropeisʹkoídoslídnicʹkoímerežíeraplanet AT šumíloll ocínkacíleistalogorozvitkuvmežahêvropeisʹkoídoslídnicʹkoímerežíeraplanet AT koloslm ocínkacíleistalogorozvitkuvmežahêvropeisʹkoídoslídnicʹkoímerežíeraplanet AT dâkunoo ocínkacíleistalogorozvitkuvmežahêvropeisʹkoídoslídnicʹkoímerežíeraplanet AT kussulʹnm sustainabledevelopmentgoalsassessmentwithintheeuropeanresearchnetworkeraplanet AT šelestovaû sustainabledevelopmentgoalsassessmentwithintheeuropeanresearchnetworkeraplanet AT âilimovbâ sustainabledevelopmentgoalsassessmentwithintheeuropeanresearchnetworkeraplanet AT fedorovop sustainabledevelopmentgoalsassessmentwithintheeuropeanresearchnetworkeraplanet AT âilimovago sustainabledevelopmentgoalsassessmentwithintheeuropeanresearchnetworkeraplanet AT skakunsv sustainabledevelopmentgoalsassessmentwithintheeuropeanresearchnetworkeraplanet AT šumíloll sustainabledevelopmentgoalsassessmentwithintheeuropeanresearchnetworkeraplanet AT koloslm sustainabledevelopmentgoalsassessmentwithintheeuropeanresearchnetworkeraplanet AT dâkunoo sustainabledevelopmentgoalsassessmentwithintheeuropeanresearchnetworkeraplanet |