将光学与雷达卫星数据整合以检测乌克兰冲突相关变化

从太空观察战争的影响

在乌克兰东部，激烈战斗使专家无法上街、检查农田或在地面评估环境破坏。该研究展示了如何利用免费开放的欧洲卫星弥补这一空白。通过结合两种卫星“视角”——一种记录色彩与纹理，另一种在云层与黑夜中通过探测地表粗糙度来成像——作者构建了一个自动化系统，用以绘制被毁建筑、被废弃的田地和数年战争期间的植被变化。

天空中的两类“眼睛”

研究聚焦于顿涅茨克州部分地区，包括受重创的巴赫穆特市。团队利用欧盟哥白尼计划的两类卫星。Sentinel‑2 提供类似照片的光学影像，揭示颜色和土地覆盖类型，如作物、树木、水体与建筑区。Sentinel‑1 发射雷达脉冲并记录回波，使其无论昼夜或穿透云烟都能观测地表结构与湿度。两种传感器共同创建了从 2022 年到 2025 年的连续记录，展示城镇、田地与森林在战火中如何变化。

把景观分类为简单类别

为理解变化，作者首先教计算机识别战争前后土地的样貌。他们将每个像元分为六类易于解释的类别：裸地、建筑区、农作物、草地与灌木、林地或水体。三种不同的机器学习方法对每个像元进行投票判定，随后通过平滑步骤修正与周围不一致的孤立误标。该基于上下文的修正考虑到某些类别自然相邻而另一些则罕见相邻的事实。经测试，这种混合方法在植被类别上尤其能够匹配或超过名为 AlphaEarth 的先进全球产品的精度，同时仍仅依赖开放数据。

追踪城市中的破坏与田野的沉寂

在绘制了景观之后，研究从雷达记录中挖掘破坏的迹象。在城市与城镇中，该方法结合了两种基于雷达的检测：一种标记雷达亮度的突变（具有统计显著性），另一种强调时间序列中强且可靠的变化。这些雷达变化图与微软提供的详尽建筑轮廓图叠加。如果建筑轮廓内足够多的像元显示损毁，该建筑即被标记为被毁。在巴赫穆特地区，这一自动化流程估计约 64% 的比小房屋更大的建筑遭到严重破坏。与联合国 UNOSAT 服务为另一个城市制作的高分辨率损毁图相比，尽管所用影像粗糙得多，该方法仍正确识别出超过 80% 的被毁建筑。

揭示农田与自然中的隐性变化

在城市之外，雷达工具的调校方式不同。这里的主要挑战是将战争相关的痕迹与正常季节性播种与收获周期区分开来。作者结合了多种雷达变化检测器，并将其限制在非城市地区，然后按年与按季节将这些信号与土地覆盖图进行比较。结果令人触目惊心。2022 年 5 月，农田约占研究区的五分之一；到 2025 年已缩减到不足 2%，同时草地与幼林扩展。2019–2025 年的季节性雷达分析显示，2022 年和 2023 年田间作业的常规模式崩溃，之后仅部分恢复。这些模式与顿涅茨克州官方统计报告的农业产量急剧下降相呼应，表明由于危险、地雷与人口流离失所，广泛的田地被遗弃。

对战争监测的启示

总体而言，该研究表明，免费中分辨率卫星能做的远不止提供戏剧性的前后对比照片。通过谨慎地融合光学与雷达数据、对城市与乡村分别采用针对性算法、并巧妙利用上下文信息，它们能够提供一致的大范围建筑破坏与土地利用中断估算。作者的方法在关键土地覆盖类别上优于现有全球产品，并与独立的战争损毁评估高度一致。这种自动化、开源的系统可以帮助政府、援助机构和研究者迅速量化破坏、规划重建，并追踪战争如何重塑人类聚落及其周边环境——同时避免让人们置身危险之中。

引用: Karwowska, K., Slesinski, J., Sekrecka, A. et al. Integrating optical and radar satellite data for conflict-related change detection in Ukraine. Sci Rep 16, 12557 (2026). https://doi.org/10.1038/s41598-026-41424-3

关键词: 卫星冲突监测, 乌克兰战争破坏, Sentinel 雷达与光学, 土地覆盖变化, 遥感方法