En av Sveriges största industrier är skogsindustrin. Att sköta stora skogsinnehav medför vissa svårigheter, t.ex. så kan i händelse av en storm kan delar av skogen bli vindfälld. Det är då viktigt att upptäcka och ta bort de fallna träden eftersom det annars kan leda till granbarkborrangrepp. En metod för att upptäcka den vindfällda skogen är att ta flygbilder över området, vilket kan bli både dyrt och tidsödande. Därför testas i denna studie detektering av stormfälld skog i Sentinel 2 bilder. Sentinel 2 har valts ut eftersom den har både en hög spatial- och temporal upplösning samt att bilderna är tillgängliga gratis. Tidigare studier på området har använt satellitbilder med en lägre spatial upplösning eller data från andra typer av fjärranalys. De flesta av dessa metoder är ganska komplexa eller väldigt specifika för ett särskilt fall. Metoden som tas fram i denna studie ska vara enkel att implementera även för personer utan någon djupare kunskap inom fjärranalys. Bilddifferens med olika index såsom NDVI, NDMI och GreenNDVI testas. Även oövervakad klassificering testas. Noggrannheten har utvärderats med två-stegs metoden med en noggrannhet på 85 % men även en konfusionsmatris tillämpas för att utvärdera noggrannheten av områden där ingen förändring inträffat. Bilddifferens med NDVI och GreenNDVI klarar två-stegs testet när ett statistiskt bestämt tröskelvärde används, NDVI får högst användarnoggrannhet. Felmatrisen visar dock att det finns många stormfällen i ytorna som blivit klassade som ingen förändring, den oövervakade klassificeringen får inte det problemet i samma utsträckning. Bilddifferens i NDVI med statistiskt bestämt tröskelvärde bedöms vara den mest effektiva metoden för att detektera stormfälld skog.