DOI: https://doi.org/10.1038/s41598-026-35744-7
PMID: https://pubmed.ncbi.nlm.nih.gov/41530510
تاريخ النشر: 2026-01-14
المؤلف: Adam Waśniewski وآخرون
الموضوع الرئيسي: البحث البيئي والبيولوجي في مناطق النزاع
نظرة عامة
تبحث الدراسة في العواقب البيئية للصراع العسكري على نظم الغابات في أوكرانيا، باستخدام بيانات الأقمار الصناعية Sentinel-2 وخوارزميات التعلم الآلي للتحليل. تحدد الدراسة نوعين رئيسيين من فقدان الغابات: تحويل المناطق الخشبية إلى تغطية غير خشبية وحرائق الغابات. قبل الصراع، تم اعتبار 74% من فقدان الغابات ناتجًا عن التحويل، بينما كانت الحرائق تمثل 26%. ومع ذلك، بعد بدء الحرب، تضاعف إجمالي مساحة فقدان الغابات، حيث انخفضت نسبة الغابات المحولة إلى 66% وزادت الغابات المحترقة إلى 34%. تشير هذه التحولات إلى تأثير كبير للعمليات العسكرية على نظم الغابات، وقد تكون مرتبطة بزيادة الطلب على الخشب بسبب ضعف الحوكمة وتطبيق اللوائح البيئية.
تؤكد النتائج على ضرورة المراقبة الدقيقة لتغطية الغابات والخسائر، مما يظهر أن نماذج الكشف عن التغير المدربة محليًا تتفوق على مجموعات البيانات المدربة عالميًا، مثل مجموعة بيانات التغير العالمي في الغابات (GFC). تسلط الدراسة الضوء على الآثار المدمرة للصراع المستمر على غابات أوكرانيا، مع زيادة ملحوظة في مساحة الغابات المتأثرة بالحرائق وارتفاع في التحويل إلى تغطية أراضٍ غير خشبية. هذه الرؤى ضرورية لفهم العواقب البيئية للصراع وتوفر معلومات قيمة لصانعي القرار المكلفين بإدارة الموارد الطبيعية خلال الحرب وبعدها.
مقدمة
تسلط المقدمة الضوء على الأهمية المتعددة الأوجه للغابات في حياة الإنسان، مشددة على أدوارها البيئية والاقتصادية والاجتماعية. بيئيًا، تساهم الغابات في الحفاظ على المياه، وتحسين جودة الهواء، والحفاظ على التربة، وإنتاج الأكسجين. اقتصاديًا، تعتبر ضرورية للبناء، والنقل، وموارد الطاقة. الأشجار الحضرية، على وجه الخصوص، تعزز مستويات المعيشة للسكان من خلال تحسين جودة الهواء، وتقليل تلوث الضوضاء، وإدارة مياه الأمطار، وتنظيم درجة الحرارة والرطوبة، مما يعزز التنمية الحضرية المستدامة.
يؤكد النص على أهمية المراقبة المستمرة للمناطق الحرجية من أجل الحفاظ على البيئة والتخفيف من آثار تغير المناخ. يشير إلى أن الاستشعار عن بعد بواسطة الأقمار الصناعية، الذي بدأ كأداة مراقبة عسكرية خلال الحرب الباردة، قد تطور ليصبح طريقة حاسمة لتتبع التغيرات البيئية منذ السبعينيات. تتيح هذه التكنولوجيا مراقبة الغابات من الفضاء، خاصة في المناطق التي تكون فيها البيانات الأرضية محدودة بسبب التحديات الجغرافية أو السياسية أو اللوجستية، مثل المناطق المتأثرة بالتغيرات البيئية السريعة أو الصراعات، كما يتضح من الصراع الروسي الأوكراني المستمر حيث تبقى أجزاء كبيرة من الأراضي خارج السيطرة الحكومية.
الطرق
في هذه الدراسة، تم استخدام نهج منهجي لتحليل ومعالجة البيانات المتعلقة بتغطية الغابات وتصنيف نوع الأوراق. تضمنت المنهجية عدة خطوات رئيسية، بدءًا من إعداد عينات مرجعية وتصنيف تغطية الغابات وأنواع الأوراق السائدة. بعد ذلك، تم إجراء الكشف عن التغير، والذي شمل حساب مؤشرات مختلفة لتقدير وتصنيف التغيرات في تغطية الغابات.
يوضح مخطط سير العمل المقدم في الدراسة هذه العمليات، مع تسليط الضوء على الطبيعة التسلسلية للتحليلات. تم تصميم الطرق المستخدمة لضمان الكشف الدقيق وتصنيف التغيرات في نظم الغابات، مما يساهم في فهم أفضل للديناميات البيئية.
النتائج
يقدم قسم “النتائج” النتائج المستخلصة من الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من الإجراءات التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود علاقة كبيرة بين المتغيرات المستقلة والتابعة، حيث تؤكد التحليلات الإحصائية قوة هذه العلاقات. على وجه الخصوص، تظهر النتائج أن تطبيق المنهجية المقترحة يؤدي إلى تحسينات في مقاييس الأداء، كما يتضح من الزيادة الملحوظة في النتائج المقاسة مقارنةً بالظروف الأساسية.
علاوة على ذلك، يكشف التحليل أن بعض المعلمات تؤثر بشكل أكثر وضوحًا على النتائج، مما يشير إلى طرق محتملة لمزيد من التحقيق. تدعم النتائج التمثيلات المرئية، مثل الرسوم البيانية والجداول، التي توضح الاتجاهات والتغيرات التي لوحظت طوال الدراسة. بشكل عام، تؤكد النتائج فعالية النهج المقترح وآثاره على الأبحاث المستقبلية في هذا المجال.
المناقشة
في هذه الدراسة، بحثنا في تأثير الصراع العسكري المستمر في أوكرانيا على نظم الغابات، باستخدام خوارزميات التعلم الآلي Random Forest (RF) وبيانات الأقمار الصناعية Sentinel-2. كشفت تحليلاتنا عن تدهور كبير في الغابات، مع فقدان إجمالي قدره 51,661 هكتارًا من 2020 إلى 2022، والذي تضاعف بعد بدء الأعمال العدائية. من الجدير بالذكر أن نسبة فقدان الغابات المنسوبة إلى الحرائق زادت من 26% إلى 34%، مما يبرز الآثار الضارة للصراع على صحة الغابات. حقق مصنف RF دقة عامة عالية تجاوزت 95% لتغطية الغابات و94% لأنواع الأوراق السائدة، تم التحقق منها من خلال تقييمات مستقلة أكدت دقة تزيد عن 96% لكل من المنتجين.
سلطت الدراسة الضوء على التباينات بين نتائجنا وتلك التي توصلت إليها أبحاث سابقة، مثل تلك التي أجراها Cazzolla Gatti وآخرون، والتي اعتمدت على بيانات Landsat ذات الدقة المكانية المنخفضة. أشارت نتائجنا، المستندة إلى بيانات Sentinel-2 ذات الدقة الأعلى، إلى رسم خرائط أكثر دقة لتغيرات الغابات وفهم أكثر دقة لأسباب فقدان الغابات. كانت المنهجية المستخدمة في دراستنا، بما في ذلك استخدام منتجات تغطية الأراضي المتاحة عالميًا مع تحقق إضافي، ضرورية لضمان تصنيف موثوق في المناطق المتأثرة بالصراع. بشكل عام، تؤكد هذه الأبحاث على الحاجة الملحة لمراقبة فعالة لنظم الغابات في أوكرانيا، خاصة في ضوء التحديات البيئية المستمرة التي تفرضها الأنشطة العسكرية.
DOI: https://doi.org/10.1038/s41598-026-35744-7
PMID: https://pubmed.ncbi.nlm.nih.gov/41530510
Publication Date: 2026-01-14
Author(s): Adam Waśniewski et al.
Primary Topic: Environmental and Biological Research in Conflict Zones
Overview
The research investigates the ecological consequences of military conflict on Ukraine’s forest ecosystems, utilizing Sentinel-2 satellite data and machine learning algorithms for analysis. The study identifies two primary types of forest loss: conversion of woody areas to non-woody cover and forest fires. Prior to the conflict, 74% of forest loss was attributed to conversion, with fires accounting for 26%. However, following the onset of the war, the total area of forest loss doubled, with the proportion of converted forest decreasing to 66% and burnt forest increasing to 34%. This shift suggests a significant impact of military operations on forest ecosystems, potentially linked to increased demand for wood due to weakened governance and enforcement of environmental regulations.
The findings underscore the necessity for accurate monitoring of forest cover and losses, demonstrating that locally trained change detection models outperform globally trained datasets, such as the Global Forest Change (GFC) dataset. The research highlights the destructive effects of the ongoing conflict on Ukraine’s forests, with a notable increase in forest area affected by fire and a rise in conversion to non-wood land cover. These insights are crucial for understanding the environmental ramifications of the conflict and provide valuable information for decision-makers tasked with managing natural resources during and after the war.
Introduction
The introduction highlights the multifaceted significance of forests in human life, emphasizing their ecological, economic, and social roles. Ecologically, forests contribute to water conservation, air quality improvement, soil preservation, and oxygen production. Economically, they are vital for construction, transportation, and energy resources. Urban trees, in particular, enhance residents’ living standards by improving air quality, reducing noise pollution, managing rainwater, and regulating temperature and humidity, thereby promoting sustainable urban development.
The text underscores the importance of continuous monitoring of forested areas for environmental preservation and climate change mitigation. It notes that satellite remote sensing, which began as a military surveillance tool during the Cold War, has evolved into a critical method for tracking environmental changes since the 1970s. This technology enables the monitoring of forests from space, particularly in regions where ground-based data is limited due to geographical, political, or logistical challenges, such as areas affected by rapid environmental changes or conflicts, exemplified by the ongoing Russian-Ukrainian conflict where significant portions of territory remain outside governmental control.
Methods
In this study, a systematic approach was employed to analyze and process data related to forest cover and leaf type classification. The methodology involved several key steps, beginning with the preparation of reference samples and the classification of forest cover and dominant leaf types. Following this, change detection was performed, which included the calculation of various indices to estimate and classify changes in forest cover.
The workflow diagram provided in the study outlines these processes, highlighting the sequential nature of the analyses. The methods utilized are designed to ensure accurate detection and classification of changes in forest ecosystems, thereby contributing to a better understanding of environmental dynamics.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the experimental or analytical procedures employed. The data indicate a significant correlation between the independent and dependent variables, with statistical analyses confirming the robustness of these relationships. Specifically, the results demonstrate that the application of the proposed methodology leads to improvements in performance metrics, as evidenced by a marked increase in the measured outcomes compared to baseline conditions.
Furthermore, the analysis reveals that certain parameters exert a more pronounced effect on the results, suggesting potential avenues for further investigation. The findings are supported by visual representations, such as graphs and tables, which illustrate the trends and variations observed throughout the study. Overall, the results underscore the efficacy of the proposed approach and its implications for future research in the field.
Discussion
In this study, we investigated the impact of the ongoing military conflict in Ukraine on forest ecosystems, utilizing Random Forest (RF) machine learning algorithms and Sentinel-2 satellite data. Our analysis revealed significant forest degradation, with a total loss of 51,661 hectares from 2020 to 2022, which doubled following the onset of hostilities. Notably, the proportion of forest loss attributed to fire increased from 26% to 34%, underscoring the conflict’s detrimental effects on forest health. The RF classifier achieved high overall accuracies exceeding 95% for forest cover and 94% for dominant leaf types, validated through independent assessments that confirmed accuracies above 96% for both products.
The study highlighted discrepancies between our findings and those from previous research, such as that by Cazzolla Gatti et al., which relied on Landsat data with lower spatial resolution. Our results, based on higher-resolution Sentinel-2 data, indicated more precise mapping of forest changes and a more nuanced understanding of the causes of forest loss. The methodology employed in our study, including the use of globally available land cover products with additional verification, proved essential for ensuring reliable classification in conflict-affected areas. Overall, this research emphasizes the urgent need for effective monitoring of forest ecosystems in Ukraine, particularly in light of the ongoing environmental challenges posed by military activities.