Urban Land Surface Environment Remote Sensing



团队成果 | 利用卫星和AI大模型监测巴以冲突中加沙地带的人道主义危机

Published by

on

导读 | Introduction

    中国科学院空天信息创新研究院城市陆表环境遥感团队基于多源卫星影像和AI大模型技术,提出了一个快速有效的风险评估框架,用于监测加沙地带在巴以冲突中潜在的人道主义危机该成果发表于国际期刊International Journal of Digital Earth,第一作者为博士生赵启康,通讯作者为孟庆岩研究员及澳门大学高亮助理教授。

(文末附链接)

研究背景 | Background

    2023 年10月9日,以色列军队对加沙地带进行了“全面封锁”,包括切断电力、食品和燃料供应,随后的空袭打击导致了加沙地带大面积破坏。加沙地带的医疗、通信及供水等基础设施崩溃,当地超过70%的居民流离失所,导致加沙地区陷入了黑暗和动荡。因此,进行快速和准确的战后风险评估对于人道主义援助至关重要。鉴于加沙地区持续的武装冲突,获取现场信息具有挑战性。为了及时有效地评估武装冲突对加沙地带的影响,研究提出了一个快速有效的风险评估框架。该框架首先基于夜间灯光遥感影像确定电力短缺区域,再使用超高分辨率遥感影像快速识别受损建筑物,并提供社区尺度的人道主义风险评估。

研究方法 | Methodology

    夜间灯光遥感影像:研究收集了2023年8月15日至10月30日的逐日NPP-VIIRS夜间灯光影像,空间分辨率为500m,提供了对加沙地带的逐日时序观测。为了更好捕捉空间细节,研究还使用了2023年9月15日拍摄的SDGSAT-1夜间灯光影像(10m)和10月15日成像的仰望1号夜间灯光影像(30m)。

    超高分辨率(VHR)光学遥感影像:为了评估受损的建筑物,收集了两张覆盖加沙地带的 VHR 影像。冲突前的VHR影像来自于Google Earth,成像于2023年7月20日,分辨率约为0.5m;冲突后的VHR影像来自于高分七号,成像于2023年10月25日,分辨率约为0.8m。

   人口和年龄结构数据:为了估计受停电和空袭影响的人口,收集了四个人口数据集(WorldPop, GHSL, LandScan和GPW)并进行数据融合以最大限度地减少潜在的不确定性。年龄结构数据来自于WorldPop,10岁以下的儿童和60岁以上的成年人被定义为弱势群体。

   提取建筑物轮廓:由于加沙地带存在大量的低层、结构复杂、间隙狭窄的贫民窟,这给快速建筑物轮廓提取带来了很大挑战。为了应对这一挑战,研究利用了AI大模型的强大泛化能力及零样本提取能力。研究使用了由Mapflow(https://mapflow.ai/)提供的high-density housing(高密度住房)AI大模型在冲突前的谷歌影像上实现对加沙地带建筑物轮廓的快速提取。

    确定损毁建筑物:研究使用了SegFormer模型在冲突后的高分七号影像上确定损坏的建筑物像素。为了提高模型性能,首先将SegFormer模型基于xView2建筑损坏评估数据集进行预训练,然后再使用少量的人工样本进行训练。然后,每个建筑物的损坏级别由其其占地面积内受损区域的百分比决定。通过叠加OSM提供的POI数据,可以进一步确定受损建筑物的功能。

    社区级风险评估:加沙地带的街区被OSM提供的道路网络划分,可以作为土地区域的自然分割边界。弱势群体对受损建筑物的暴露程度计算为受损建筑物总面积与受影响弱势群体计数的乘积;弱势群体面临电力短缺的风险量是经历停电的总面积与受影响的弱势群体计数的乘积。

研究思路与摘要图

核心结论 | Results

    (1)加沙地带陷入了黑暗

    高分辨率的夜间灯光卫星图像有效地捕捉了封锁前后加沙地带的夜间地面变化情况。在全面封锁前,在加沙地带观察到的平均夜间光强度约为 20nW/cm2/SR,而在封锁后下降到低于4nW/cm2/SR,一个月内加沙地带失去了80%以上的夜间灯光。

图1. a. 封锁前加沙地带的 SDGSAT-1 夜光影像;b. 封锁后加沙地带的仰望1号夜光影像;c. 8 月15日至10月30日加沙地带夜间平均夜光强度的时间演变;d. 封锁后加沙地带夜光损失率的空间分布。

    (2)建筑物大面积损毁和陷入混乱的社会

    研究在加沙地带共提取了197,048 座建筑物,这一数字比OSM中记录的数量多出近14%,这凸显了用于提取高密度结构中建筑物足迹的AI大模型的准确高效。损毁评估结果显示,空袭损毁了加沙地带32.47平方公里的土地,包括整个地区的40,877座建筑物。大约21%的建筑物因空袭而遭受了不同程度的破坏,其中近3%被完全摧毁。

图2. 建筑物损毁评估结果。损坏区域超过 60%,用深红色标记以突出显示损坏区域。

图3. 基于SegFormer模型提取的受损建筑物。第一列图像中显示冲突前影像,而第二列和第三列分别显示冲突后影像和提取的建筑物及其相应的损坏程度。以红色突出显示的建筑物表示它们因空袭而严重受损。

    此外,许多基础设施建筑物被摧毁。例如,超过65%的学校和57%的医院遭到破坏,近76%的水务基础设施遭到破坏,超过58%的商店被损毁,近74%的公共服务建筑受损。

图4. 加沙地带受损建筑物及其功能的统计数据。a. 根据每个建筑物面内受损像素的估计百分比,四个级别的受损建筑物的百分比。b. 五个功能(教育、医疗、公共服务、商店和用水)中受损建筑物的百分比。

    (3)众多受灾人口和潜在的人道主义危机

    研究结果显示,大约69万人(约占总人口的 36%)面临严重的电力短缺。此外,近35万人(约占人口的19%)遭受了建筑物被毁的后果。本研究进一步计算了受灾的弱势群体,并在街道尺度计算了暴露度。电力短缺的风险主要集中在加沙地带的南部,而对建筑物损坏的高风险主要集中在北部。

    研究进一步将电力短缺和建筑物损毁的影响叠加在一起绘制了双变量分布图,评估了电力短缺和建筑物损毁的联合风险。双变量分布图可以指示同时高度暴露于这两种危机的特定社区,其中最脆弱的群体同时面临着停电和关键基础设施破坏的后果,这些区块被视为处于人道主义危机之中。由于这些街区中弱势群体的比例很高,无法获得食物、水和医疗用品等基本资源,这进一步加剧了战争期间持续空袭的影响,使生存成为一个更加艰巨的挑战,这些区块的死亡率可能出乎意料地高。因此,有针对性地优先向这些高风险地区分配国际人道主义救援,而不是传统的、大水漫灌式的援助能更有效地确保最脆弱的人群获得优先援助,降低死亡率。

图5. a. 弱势群体计数的空间分布; b. 受电力短缺影响的弱势群体的空间分布;c. 受建筑物损毁影响的弱势群体的空间分布;d. 双变量空间分布。红色圆圈强调这些区块可能会经历严重的人道主义危机,需要优先提供人道主义援助。

文章引用格式 | Reference:

Zhao, Q., Tan, X., Meng, Q., Gao, L., Zhang, L., Lei, X., Shi, W. & Zhu, M. (2024). Satellite and AI monitoring humanitarian crises in the Gaza Strip during the early stage of Israeli–Palestinian conflict. International Journal of Digital Earth, 17(1). https://doi.org/10.1080/17538947.2024.2430678

了解 城市陆表环境遥感 的更多信息

立即订阅以继续阅读并访问完整档案。

继续阅读