分析冲突对农业系统的破坏：以乌克兰东部向日葵生产为例

《Agricultural Systems》：Analyzing the disruption of agricultural systems by conflict: A case study of sunflower production in eastern Ukraine

向日葵种植面积因俄乌冲突下降49.5%，损失呈带状沿战区分布，农田破坏、人员流失及水源受损是主因，通过融合SAR与光学影像构建自动化监测框架，为冲突区农业恢复提供依据。

　　

邱俊杰|胡月凯|彭代良|刘海健|陶卫春|谢斌|胡唐高|王家科|梁晓|陈涛|徐俊峰

杭州师范大学遥感与地球科学研究所，中国杭州311121

摘要

向日葵是一种关键的油料作物，对全球粮食安全至关重要。作为世界上最大的向日葵油出口国，乌克兰在2021年生产了689万吨向日葵油，约占全球总产量的三分之一。然而，持续的俄乌冲突严重扰乱了当地的农业系统，其对向日葵生产动态的具体影响仍不清楚。为了解决这一问题，我们通过整合Sentinel-1合成孔径雷达（SAR）和Sentinel-2光学图像构建了一个全面的监测框架。首先，我们使用自动化样本提取方法和随机森林模型绘制了2019年至2023年的年度向日葵种植分布图，总体分类准确率达到94.35%。其次，我们实施了基于网格的生产预测，以捕捉农业生产力的细微差异。结果显示，2021年至2022年间向日葵种植面积减少了49.5%，同时伴随着严重的景观破碎化。值得注意的是，损失模式在冲突前线呈现出明显的“条带状”分布。在产量方面，尽管总产量下降，但单位产量趋势与种植面积的急剧减少不同，这表明农业生产模式可能发生了向集中的转变。最后，基于多源指标的分析确认，农田破坏、人员损失和水源损害是该地区农业衰退的主要驱动因素。这些发现突显了农业系统在武装冲突下的高度脆弱性，并为冲突后的农业恢复和可持续土地利用政策制定提供了重要见解。

引言

油料作物在全球粮食安全中发挥着关键作用，尤其是在食品加工、烹饪和工业应用方面（Zhang等人，2023a；Zhang等人，2023b）。油料作物的稳定生产和供应对于维持全球粮食市场平衡和价格稳定至关重要（Abay等人，2023；Bentley，2022）。向日葵作为主要的油料作物之一，与棕榈油、大豆油和菜籽油并列全球四大主要植物油（美国农业部）。向日葵油主要产自俄罗斯、乌克兰和阿根廷。2022年初，乌克兰和俄罗斯之间的冲突爆发，并蔓延到包括卢甘斯克和赫尔松在内的主要向日葵生产地区。除了直接导致市场波动和价格飙升（Huang等人，2024）外，这场冲突还通过两种途径扰乱了农业生产：一是直接的物理破坏，如炮击造成的农田退化和火灾导致的作物损失（L等人，2024）；二是间接的连锁效应，包括大规模劳动力外流、物流瘫痪以及关键水利基础设施的崩溃（Han等人，2025；Olsen等人，2021；Sytar和Taran，2022）。在这种情况下，向日葵成为监测农业中断的独特敏感指标。与秋季播种的冬季作物（如小麦）（Han等人，2025）不同，后者在冲突爆发前已经种植，因此可能对冲突的反应滞后。向日葵通常在春季（4月至5月）播种。由于2022年的这一播种窗口与冲突的突然升级同时发生，向日葵的种植动态提供了对农业系统即时影响的实时指标。鉴于持续的不确定性，评估这些时空变化并评估相关生产损失风险对于维持全球农业供应链的韧性至关重要。

在无法进入的冲突区域，遥感技术对于农业监测至关重要，其中合成孔径雷达（SAR）通过开花高峰期独特的VV后向散射减少来识别向日葵（Beriaux等人，2021；Qadir等人，2024a；Qadir等人，2024b）。然而，SAR固有的噪声和有限的生化敏感性需要与其多光谱Sentinel-2指数融合，以准确描述复杂的冠层和物候变化（Hashemi等人，2024；Van Tricht等人，2018；Zhang等人，2023a；Zhang等人，2023b）。这种多源整合对于克服采样瓶颈同样重要；由于高安全风险和快速的土地覆盖变化，利用融合雷达和光学信号的时间序列分析进行自动化样本提取已成为一种重要的替代方法（Baumann和Kuemmerle，2016；Xu等人，2025；Xuan等人，2023）。尽管最近的进展利用了基于物候的阈值判断和时间特征匹配进行作物识别（Jiang等人，2025；Zhang等人，2023a；Zhang等人，2023b），但在这些受限环境中建立区分向日葵与其他光谱相似植被的稳健框架仍然是一个重大挑战。

目前，研究俄罗斯-乌克兰冲突对农业影响的主要方法有两种：经济建模和基于遥感的空间分析。一方面，宏观层面的研究通常采用可计算一般均衡（CGE）模型或多国多部门贸易模拟来评估战争对粮食出口、市场价格波动和全球粮食安全的影响（Feng等人，2023；Zhang等人，2024）。另一方面，越来越多的研究利用遥感和GIS技术来空间评估农业系统的实际中断情况。例如，最近的研究利用多源卫星图像成功提取了冲突区域的向日葵种植面积，揭示了战时条件下的大规模种植模式变化（Qadir等人，2024a；Qadir等人，2024b）。其他学者还进行了多尺度的农田使用动态监测（Kussul等人，2025；Ma等人，2022）。虽然这些努力提供了有价值的见解，但大多数分析仍停留在国家或区域汇总层面，缺乏对农业损失和细粒度产量预测的详细评估。因此，战争引起的农业中断的空间异质性以及这些模式背后的具体区域机制和驱动因素仍不甚明了。

为了解决这些挑战，本研究通过整合Sentinel-1合成孔径雷达（SAR）和Sentinel-2光学图像构建了一个全面的监测框架。通过结合多源特征和随机森林算法，我们实现了乌克兰东部多年向日葵种植的高精度年度制图和基于网格的产量预测。基于这些数据集，我们全面评估了冲突对种植范围、景观模式和生产能力的多维影响，并定量确定了农田破坏、人员损失和水源损害是农业衰退的主要驱动因素。最终，这项研究提出了一个适用于冲突区域的快速可靠的遥感框架，为武装冲突对农业系统的深刻干扰提供了重要见解，并为冲突后的农业恢复和土地恢复提供了科学依据。

研究区域

本研究重点关注乌克兰东部的四个省份（图1），即赫尔松、卢甘斯克、顿涅茨克和扎波罗热，这些地区在2022年沿俄罗斯边境发生了重大冲突（Dando等人，2023）。作为乌克兰农业部门的重要组成部分，这四个省份的农业总面积为509万公顷，占全国总量的17.91%（根据乌克兰国家统计局的数据：http://www.ukrstat.gov.ua）

材料与方法

本研究使用多源遥感数据和机器学习来绘制向日葵种植图、预测作物产量并评估冲突对农业系统的影响（图2）。2019年至2023年的Sentinel图像经过预处理，生成了稳定的时间序列数据。这包括云层和阴影掩蔽（Zhu和Woodcock，2012）、线性插值（Chen等人，2004）以及Whittaker平滑处理（Eilers，2003）。在此基础上，研究实现了自动化样本生成

准确性评估和模型泛化能力分析

为了严格评估所提出的监测框架的可靠性和可转移性，在没有直接实地调查的情况下，实施了多层次验证策略，包括内部交叉验证、外部产品比较、统计验证和区域泛化测试。首先，2019年至2023年的内部交叉验证表明其稳定性很高，总体准确率（OA）超过94%，Kappa系数在0.92到0.96之间（表3）。

冲突区域间的不同影响

空间结果表明，农业损失并非随机区域现象，而是与冲突地理变化的本质相关。如种植区域和生产分布的空间演变所示，研究区域在前线沿线呈现出明显的连续条带状损失模式，表明农业中断是由外部干预直接驱动的。

结论

本研究整合了遥感物候特征、机器学习和迁移学习，成功构建了一个无需实地观测的向日葵映射和产量预测系统。这种集成工作流程在极端冲突条件下表现出高效率和稳健性，为缺乏地面真实数据的敏感地区提供了可靠的、可扩展的农业监测途径。

结果表明，冲突导致向日葵产量急剧下降

CRediT作者贡献声明

邱俊杰：撰写——原始草稿、可视化、方法论、调查、正式分析、数据管理、概念化。胡月凯：撰写——审阅与编辑、监督、方法论。彭代良：撰写——审阅与编辑、监督。刘海健：撰写——审阅与编辑、监督、软件。陶卫春：撰写——审阅与编辑、监督、软件。谢斌：撰写——审阅与编辑、监督、软件。胡唐高：撰写——审阅与编辑、监督。王家科：

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文所述的工作。

致谢

本研究得到了浙江省自然科学基金（项目编号：LGF22D010008）和杭州师范大学的启动研究基金（项目编号：2019QDL015）的资助。本文中的结论和建议仅代表作者本人观点，不代表资助方的立场。