Стаття включає детальний опис різних методів попередження та управління ризиками виникнення лісових пожеж, зокрема використання нормативно-правових, організаційних, економічних, соціально-психологічних, превентивних, репресивних та компенсаційних методів. Автори надають класифікацію цих методів, виходячи зі способу впливу, характеру впливу та спрямованості дії. Мета дослідження полягає у виявленні та аналізі ефективних підходів та методик, спрямованих на зниження ризику виникнення лісових пожеж та контролю за поширенням шкідників у лісових екосистемах. У дослідженні використані методи камерального аналізу та огляду наукових праць, доповнені польовими дослідженнями. Це дозволило розробити обґрунтовані рекомендації щодо зниження ризику виникнення пожеж у лісах. Особлива увага була приділена аналізу лісовпорядних даних, які включали інформацію про розподіл лісів за категоріями земель, класифікацію насаджень та їх санітарний стан. Польові дослідження допомогли оновити та уточнити дані про стан насаджень та ідентифікувати ключові фактори, що збільшують ризик виникнення пожеж. Використано сучасні методи виявлення лісових пожеж, включаючи відеонаглядові камери, супутникове спостереження, патрулювання територій та використання безпілотних літальних апаратів. Описується система раннього виявлення лісових пожеж, яка включає IoT-пристрої, що об’єднані в пористу топологію та оснащені датчиками температури, вуглекислого газу, водню та вуглеводневих газів. В статті також викладені методи багатофакторного аналізу даних та методики головних компонентів для зниження розмірності даних і виявлення ключових факторів, що впливають на виникнення пожеж. Регресійний аналіз використовується для встановлення зв’язку між різними змінними та прогнозування ймовірності виникнення пожеж. Визначені фізико-механічні, хімічні, біологічні та лісогосподарські методи зменшення ризику лісових пожеж та впливу від шкідників та хвороб, включаючи ручне збирання комах, струшування гусениць, застосування пасток, хімічне обприскування та створення змішаних та різновікових насаджень. Перспективи досліджень можуть охоплювати наступні ключові аспекти: вивчення та інтеграція передових технологій, таких як штучний інтелект, машинне навчання, та дистанційне зондування Землі, для раннього виявлення лісових пожеж і моніторингу популяцій шкідників; дослідження впливу кліматичних змін на частоту та інтенсивність лісових пожеж і поширення шкідників, а також розробка адаптаційних стратегій.

Andreyeva, O.Yu., Martynchuk, I.V. (2018). Economic aspects of felling trees infested with trunk pests in the pine forests of Polissia. Naukovyy visnyk NLTU Ukrayiny – Scientific bulletin of NLTU of Ukraine, 28(2), 31–36. [in Ukrainian].

Balabukh, V.O. (2017). The current state of forecasting of natural fire danger in the weather in Ukraine: materials of the All-Ukrainian Scientific and Practical Conference "Current State of Civil Protection of Ukraine and Prospects for Development" October 10-11, 2017, Kyiv, Ukraine. 25-29. [in Ukrainian].

Borysenko, O.I., Meshkova, V.L. (2021). Forecasting the spread of fires and centers of harmful insects in pine forests by means of GIS: Monograph. Kharkyv, Ukraine: Planeta-Print. 148. [in Ukrainian].

Zibtsev, S., Soshenskyi, O., Humenyuk, V., Bogomolov, V. (2023). Plan of integrated management of landscape fires in Luhansk region: monograph. Kyiv, Ukraine: Editorial and publishing department of NUBiP of Ukraine. 257. [in Ukrainian].

Нlukhonets, A.O., Morozova, T.V., Morozov, A.V., Kobzysta, O.P., Samoilenko, I.V., Stetsiuk, L.M. (2022). Use of GIS technologies for modernization of monitoring systems of objects of the nature and preserve fund of Ukraine. Visnyk Natsionalʹnoho universytetu vodnoho hospodarstva ta pryrodokorystuvannya – Bulletin of the National University of Water Management and Environmental Management, 2(98), 40-54. [in Ukrainian].

Zibtsev, S., Lakyda, P., Myroniuk, V. (2018). Integrated forest fire protection system: monograph. Kyiv, Ukraine: Scientific Capital, 350. [in Ukrainian].

Lozinsʹka, T. (2020). Problems of fire danger in forestry. Materialy mizhnarodnoyi naukovo-praktychnoyi konferentsiyi «Formuvannya suchasnoyi navkovoyi dumky». Kropyvnytsʹkyy 31 sichnya 2020. MTSND. S. 71-73. https://doi.org/10.36074/31.01.2020.08. [in Ukrainian].

Makedon, V.V., Bailova O.O. (2023). Planning and organizing the implementation of digital technologies in the activities of industrial enterprises. Naukovyy visnyk Khersonsʹkoho derzhavnoho universytetu. Seriya «Ekonomichni nauky» – Scientific Bulletin of Kherson State University. Series "Economic Sciences", 47, 16-26. DOI: 10.32999/ksu2307-8030/2023-47-3. [in Ukrainian].

Puzrina, N.V. (2020). Pests and pathogens of wooden decorative rolls. Part 1. Kyiv, Ukraine: editorial and publishing department of NUBiP of Ukraine, 527. [in Ukrainian].

Smyrnova, S.M., Smirnov, V.M., Ostroverkha, V.O. (2020). Scientific principles of managing the development of nature-protected territories. Ahrosvit – Agroworld, 2, 77-83. [in Ukrainian].

South-Eastern interregional management of forestry and hunting (2023). URL: https://se.forest.gov.ua/arxiv/luganske-oulmg.html [in Ukrainian].

Yavorovskyi, P.P., Sendonin, S.E., Tokareva, O.V. (2019). Recreational forestry. Kyiv, Ukraine: Scientific Capital [in Ukrainian].

Cohen, W.B., Yang, Z., Kennedy, R. (2010). Detecting trends in forest disturbance and recovery using yearly Landsat time series: 2. TimeSync – Tools for calibration and validation. Remote Sensing of Environment, 114, 12, 2911–2924.

Klouček, T., Komárek, J., Surový, P., Hrach, K., Janata, P., Vašíček, B. (2019). The Use of UAV Mounted Sensors for Precise Detection of Bark Beetle Infestation. Remote Sensing, 11, 13, 1561.

Shelyuk, Yu.S., Astahova, L.Y. (2021). Phytoplankton succession in the anthropogenic and climate ecological transformation of freshwater ecosystems. Biosyst. Divers, 29(2), 119–128. DOI: https://doi.org/10.15421/012116 [in Ukrainian].

Ye, S., Rogan, J., Zhu, Z., Hawbaker, T.J., Hart, S.J., Andrus, R.A., Meddens, A.J.H., Hicke, J.A., Eastman, J.R., Kulakowski, D. (2021). Detecting subtle change from dense Landsat time series: Case studies of mountain pine beetle and spruce beetle disturbance. Remote Sensing of Environment, 263, 112-560.