卫星遥感显著推进了海洋石油泄漏的检测和监测；然而，将表面污染观测转化为具有生态意义的评估仍是一项基本挑战。在此，我们提出一个综合框架，结合 Sentinel-1 合成孔径雷达 (SAR) 图像、基于机器学习的石油泄漏检测模型，以及栖息地脆弱性、生态系统功能（叶绿素 a）和恢复潜力的指标，以提供与海洋石油污染相关的生态暴露和脆弱性的初步评估。该框架应用于 2026 年 2 月墨西哥湾西部的 Abkatún 石油泄漏事件，使用 NOAA WebGNOME 轨迹模拟来表征石油运输路径，并为解释污染持续性和暴露模式提供基于过程的背景。基于 SAR 的随机森林分类器在两个研究区域中与人工解释的 SAR 参考样本显示出高度一致性，总体准确率在 95.27%–99.55% 之间，石油类别的 F1 分数在 86.65%–99.33% 之间。卫星观测和轨迹模拟的整合表明，估计生态压力较高的区域通常与更大的污染持续性和更脆弱的生态系统相吻合，而不是仅仅由表面石油范围决定，尽管定量暴露估计仍对选择的距离衰减公式敏感。该框架确定了生态压力估计最高的地方，即持续污染与脆弱栖息地（特别是珊瑚礁和红树林）重合的地方，这表明具有可比表面范围的泄漏可能与不同水平的生态压力相关，这取决于暴露持续时间、运输过程和生态系统特征。相对于泄漏前时期和 2024–2025 年季节性基线，2026 年研究期间的叶绿素 a 浓度较低，尽管这些差异并未在观测到的生产力异常和石油泄漏之间建立因果关系。通过将地球观测与生态指标和基于运输的解释相结合，所提出的框架将基于卫星的泄漏评估从污染制图扩展到海洋石油泄漏后暴露和敏感性的面向生态系统特征化。
引言
海洋石油泄漏仍然是主要的环保挑战，因为生态影响源于泄漏动态与生态系统特征之间的相互作用，而不仅仅是表面污染范围。根据栖息地敏感性、暴露持续时间、生态系统功能和恢复能力的不同，相同的石油负荷可能产生截然不同的结果。这种变异性在沿海环境中尤为明显，那里珊瑚礁、红树林、保护区和生产性近岸栖息地在对烃类压力的易感性和恢复力方面存在显著差异，导致泄漏后响应的异质性 (Short et al., 2007; Graham et al., 2015; Elumalai et al., 2024)。因此，核心挑战已从检测海洋石油泄漏转变为理解污染如何随时间和空间演变，以及这些动态的差异如何影响受影响环境中的生态压力。
卫星遥感提供了大空间尺度上的海洋石油泄漏的同步、高频观测。合成孔径雷达 (SAR) 是石油检测的主要运行传感器，因为石油会抑制短重力 - 毛细波，在多种环境条件下减少雷达后向散射 (Dongmei et al., 2017; Krestenitis et al., 2019)。机器学习方法，特别是随机森林分类器，通过整合多个 SAR 衍生特征，进一步改善了石油 - 疑似特征的区分 (Tong et al., 2019; Concei??o et al., 2021; Xu et al., 2024)。然而，尽管这些进展显著改善了表面石油的检测和制图，SAR 衍生产品主要表征污染分布和时间变化，在解释观测到的泄漏模式的生态意义方面能力有限。
生态评估框架提供了关于生态系统敏感性和响应的补充信息，但通常独立于物理泄漏观测应用。环境敏感性指数 (ESI) 制图识别了对石油暴露具有固有脆弱性的栖息地 (Petersen et al., 2019)，叶绿素 a 作为生态系统生产力的代理 (Behrenfeld and Falkowski, 1997)，海岸线评估表征了暴露和恢复潜力 (Klein and Nicholls, 1999)。最近的研究开始将石油泄漏遥感与生态风险评估相结合，强调了将污染模式与环境敏感性相结合的重要性 (Ma et al., 2023)。然而，大多数现有方法仍然是基于组件的，并没有在一个统一框架内明确联系泄漏演化、污染持续性、生态系统脆弱性和恢复能力。这一局限性限制了将基于卫星的观测转化为生态上可解释的潜在后果评估的能力。
