Water as a Casualty of War: Remote Sensing and Machine Learning Evidence of Hydrological Transformations

Les conflits armés peuvent profondément transformer les systèmes hydriques, mais leurs conséquences hydrologiques restent souvent mal documentées, car les réseaux de suivi s’effondrent précisément là où les impacts sont les plus sévères. Cette thèse examine l’eau comme une victime de la guerre en combinant télédétection satellitaire, apprentissage automatique et inférence causale afin de détecter, attribuer et comparer les transformations hydrologiques induites par les conflits dans des contextes pauvres en données. En se concentrant sur le nord-ouest de la Syrie et le sud de l’Ukraine, tout en s’étendant à une
analyse globale fondée sur les événements, la thèse s’attaque à trois lacunes majeures : la compréhension encore limitée des réponses des eaux souterraines aux conflits, la caractérisation insuffisante des impacts hydrologiques indirects à plus long terme, et l’absence d’un cadre systématique permettant de comparer les impacts directs sur les systèmes hydriques d’un conflit à l’autre.
La première contribution empirique développe un flux de travail basé sur le cloud utilisant Landsat, MODIS, une classification par forêts aléatoires et une analyse en différence de différences afin de reconstituer les changements annuels d’occupation et d’usage des sols dans le bassin de l’Oronte entre 2004 et 2022. Les résultats montrent que les surfaces cultivées ont diminué de 21 à 24% dans les zones les plus touchées par la violence, avec une forte hétérogénéité spatiale liée à l’intensité du conflit, aux déplacements de population et aux changements de politiques publiques. Dans le prolongement de cette analyse, la deuxième étude mobilise l’InSAR Sentinel-1, la dynamique de la végétation dérivée de Landsat, des données d’événements conflictuels et des observations de terrain pour montrer que l’abandon des terres cultivées provoqué par la guerre dans le nord-ouest de la Syrie a créé un « test de pompage inversé » à grande échelle, permettant une recharge des eaux souterraines et un soulèvement de la surface terrestre pouvant atteindre 4 cm an−1 lors des années humides, tandis que les zones où les prélèvements se poursuivaient continuaient à s’affaisser.
La troisième étude empirique examine la destruction du barrage de Kakhovka en juin 2023 à l’aide de GRACE-FO, de Sentinel-1/2, de l’altimétrie satellitaire et d’une modélisation par séries temporelles structurelles bayésiennes. Elle montre que cet effondrement a provoqué une perte cumulée du stockage total d’eau d’environ 83 ± 36 cm d’ici juin 2025, a presque doublé la variabilité des niveaux d’eau en aval, et a entraîné des inondations transitoires ainsi que la réémergence de zones humides dans un contexte de déclin des eaux souterraines. Enfin, la thèse introduit le cadre Actor–Context–Target–Impact (ACTI) et l’applique à 1 116 événements conflictuels liés à l’eau entre 2000 et mi-2025, montrant que les réseaux d’approvisionnement en eau sont les cibles les plus fréquentes et que les impacts s’expriment principalement par des pertes d’accès et des interruptions de service.
Dans l’ensemble, cette thèse montre que la télédétection et l’apprentissage automatique peuvent transformer l’étude de l’eau comme victime de la guerre en révélant des impacts qui resteraient autrement invisibles dans des zones de conflit inaccessibles et pauvres en données. Grâce à l’intégration de données satellitaires multi-capteurs, de classifications automatisées, de détection de changements temporels et d’analyses causales, il devient possible de détecter à la fois les perturbations directes et indirectes des systèmes hydriques induites par les conflits, depuis les infrastructures endommagées et les modifications de la dynamique des eaux de surface jusqu’à la recharge des eaux souterraines, aux pertes de stockage et aux changements écologiques.

ABSTRACT
Armed conflict can profoundly reshape water systems, yet its hydrological consequences often remain poorly documented because monitoring networks collapse precisely where impacts are most severe. This thesis examines water as a casualty of war by combining satellite remote sensing, machine learning, and causal inference to detect, attribute, and compare conflict-driven hydrological transformations in data-scarce settings. Focusing on northwest Syria and southern Ukraine, and extending to a global event-based analysis, the thesis addresses three major gaps: the limited understanding of groundwater responses
to conflict, the insufficient characterization of longer-term indirect hydrological impacts, and the absence of a systematic framework for comparing direct impacts on water systems across conflicts.
The first empirical contribution develops a cloud-based workflow using Landsat, MODIS, Random Forest classification, and Difference-in-Differences analysis to reconstruct annual land use/land cover change in the Orontes River Basin from 2004 to 2022. Results show that cropland declined by 21–24% in the zones most affected by violence, with strong spatial heterogeneity linked to conflict intensity, displacement, and policy change. Building on this, the second study uses Sentinel-1 InSAR, Landsat-derived vegetation dynamics, conflict-event data, and field observations to show that war-driven cropland abandonment in northwest Syria created a large-scale “reverse pump test,” enabling groundwater recovery and land-surface uplift of up to 4 cm yr−1 in wet years, while areas of continued abstraction still subsided.
The third empirical study investigates the June 2023 destruction of the Kakhovka Dam using GRACE-FO, Sentinel-1/2, satellite altimetry, and Bayesian Structural Time Series modelling. It shows that the collapse caused a cumulative total water storage loss of about 83 ± 36 cm by June 2025, nearly doubled downstream water-level variability, and produced transient flooding and wetland re-emergence under declining groundwater conditions. Finally, the thesis introduces the Actor–Context–Target–Impact (ACTI) framework and applies it to 1,116 water-related conflict events from 2000 to mid-2025, demonstrating that water supply networks are the most frequent targets and that impacts are expressed primarily through loss of access and service disruption.
Overall, this thesis shows that remote sensing and machine learning can transform the study of water as a casualty of war by revealing impacts that are otherwise hidden in inaccessible and data-scarce conflict zones. Through the integration of multi-sensor satellite data, automated classification, temporal change detection, and causal analysis, it becomes possible to detect both direct and indirect conflict-driven disruptions to water systems, from damaged infrastructure and altered surface-water dynamics to groundwater recovery, storage loss, and ecological change.

Thesis Supervisor: Philip Brunner, Université de Neuchâtel, CH
Thesis Co-supervisor: Landon J.S. Halloran, Université de Neuchâtel, CH
Examiners:
Bridget Scanlon, University of Texas at Austin, USA
Grégoire Mariethoz, Université de Lausanne, CH
Francois Zwahlen, Université de Neuchâtel, CH
Mark Zeitoun, Geneva Water Hub, CH

Defended on the 1st of April 2026

No de thèse : 3252