Result: AN AUTOMATED APPROACH FOR UPDATING LAND COVER CHANGE MAPS USING SATELLITE IMAGERY.

Land cover change is a critical aspect of global environmental dynamics, influencing ecosystems, biodiversity, and climate change. This study presents an automated approach for updating land cover maps across Europe, combining Sentinel-1 and Sentinel-2 satellite imagery within the Copernicus framework. The application utilises machine learning algorithms to categorise land cover changes into classes such as no change, retained/reclassified, deurbanisation, afforestation, and urbanisation. Case studies in Poland, Greece, and Italy demonstrate the application's effectiveness, revealing the impact of motorway construction, afforestation efforts, and rapid urbanisation. Overall accuracy rates ranged from 68% to 95%, emphasising the reliability of the methodology. The open-source application, implemented in Python Jupyter and Voila, provides a user-friendly platform for researchers and stakeholders to monitor and analyse land cover changes, supporting informed decision-making for sustainable land management and conservation efforts. This study contributes valuable insights to understanding and addressing the environmental consequences of land cover changes in diverse geographical contexts. [ABSTRACT FROM AUTHOR]

Zmiany w pokryciu terenu stanowią istotne zagadnienie w badaniach globalnych procesów środowiskowych, wpływając na ekosystemy, bioróżnorodność oraz zmiany klimatu. W niniejszej pracy przedstawiono zautomatyzowaną metodę aktualizacji map pokrycia terenu w Europie, wykorzystującą zobrazowania z misji satelitów Sentinel-1 oraz Sentinel-2 w ramach programu Copernicus. Algorytmy uczenia maszynowego posłużyły do klasyfikacji zmian pokrycia terenu w kategoriach takich jak brak zmiany, zachowane-przeklasyfikowane, dezurbanizacja, zalesianie oraz urbanizacja. Skuteczność rozwiązania została potwierdzona w studiach przypadków przeprowadzonych w Polsce, Grecji i Włoszech, gdzie zidentyfikowano wpływ budowy autostrad, działań zalesieniowych oraz intensywnej urbanizacji. Dokładność klasyfikacji wynosiła od 68% do 95%, co świadczy o wysokiej jakości zastosowanej metodyki. Aplikacja, opracowana w otwartym środowisku Python Jupyter i Voila, zapewnia intuicyjną platformę dla naukowców i decydentów, umożliwiającą monitorowanie oraz analizę zmian pokrycia terenu. Narzędzie to wspiera podejmowanie świadomych decyzji dotyczących zrównoważonego zarządzania gruntami i ochrony środowiska. Niniejsze badanie dostarcza cennych informacji na temat konsekwencji zmian pokrycia terenu w różnych kontekstach geograficznych, przyczyniając się do lepszego zrozumienia i skuteczniejszego zarządzania tymi procesami. [ABSTRACT FROM AUTHOR]

Copyright of Economics & Environment / Ekonomia i Środowisko is the property of Fundacja Ekonomistow Srodowiska i Zasobow Naturalnych and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)