自2010年以来，喜马拉雅冰川湖泊的湖冰迅速变薄

《Remote Sensing of Environment》：Rapid thinning of lake ice for Himalayan glacial lakes since 2010

基于SDGSAT-1和CryoSat-2数据，构建了喜马拉雅冰川湖冰厚动态监测模型，发现2010-2024年间80%湖泊冰厚显著减少，东喜马拉雅地区速率达0.08米/年，主因是气温升高（0.4℃/十年）和冰川消融加速，模型验证显示相关系数0.85、均方根误差0.25米。

　　湖冰作为全球变暖的重要指标，在调节区域水文气候和维持湖泊生态系统平衡方面发挥着关键作用，尤其是在亚洲高山区这一脆弱环境中。然而，由于观测数据有限且不一致，以及缺乏能够有效耦合冰层动力学与多种物理场（如大气和湖水）的综合冰湖模型，冰层厚度的时空变化仍然不明确。尽管已有研究尝试利用气候模型输出来应用湖冰模型，但对湖冰厚度的估计往往忽视了实际冰封湖体的状况，并主要局限于高度冰封的区域。因此，开发一种系统性的方法，以自动提取冰封区域并估算冰湖厚度，对于理解冰湖在气候变化背景下的演变具有重要意义。

在本研究中，我们采用了SDGSAT-1的MII图像来精确勾勒冰封区域，并结合CryoSat-2的波形数据，对喜马拉雅地区的冰湖进行厚度估算。通过建立一个新型的湖冰模型，并使用高程测量数据进行交叉验证，该模型在全喜马拉雅地区表现出良好的相关性，其皮尔逊相关系数（CC）达到0.85，均方根误差（RMSE）为0.25米。这使得我们能够对面积大于1平方公里的64个喜马拉雅冰湖提供可靠的厚度估计。研究结果显示，在2010年至2024年间，喜马拉雅地区的湖冰平均厚度最大值出现在西部地区，为2.5米。然而，约80%的湖泊正在经历冰层厚度的显著减少。其中，东部喜马拉雅地区的冰层厚度减少速度最快，达到每年0.08米；而西部和中部地区的冰层变薄速率则相对较低，分别为每年0.04米和0.07米。进一步分析表明，这种冰层变薄现象主要由气温显著上升和冰川消融加速所驱动。

湖冰的形成与消融过程对湖泊水位、河流流量以及下游水资源供应有着深远影响，特别是在中高纬度地区，融化的冰层是重要的水资源来源。喜马拉雅地区作为全球最敏感的高山区域之一，近年来表现出显著的冰川质量亏损和冰湖快速扩张。湖冰的变化不仅影响区域气候和生态系统，还对青藏高原的整体水文循环产生广泛影响。因此，准确监测湖冰厚度对于评估冰湖稳定性、提供冰湖湖水灾（GLOF）预警以及支持水文建模具有关键作用。

然而，传统的湖冰厚度估算方法面临着诸多挑战。一方面，由于缺乏一致的实地观测数据，许多模型难以准确反映实际冰湖条件。另一方面，这些模型往往忽略了复杂的环境因素，如湖泊表面积雪与冰层的相互作用，以及积雪的演变过程，这进一步限制了其在不同湖泊生态系统中的适用性。为了克服这些问题，本研究提出了一种基于多源遥感数据的新型湖冰模型，并通过整合SDGSAT-1的热红外光谱仪（TIS）图像和ERA-5陆地再分析数据，实现了对喜马拉雅地区冰湖厚度的高时空分辨率估算。

本研究的创新点主要体现在三个方面。首先，我们首次在喜马拉雅地区采用Segment Anything Model 2（SAM2）对冰湖的冰封区域进行自动检测。通过指定湖泊内的独特特征点并分割冰边界，这一方法显著提高了冰封区域识别的准确性和效率。其次，我们开发了一个新型湖冰模型，该模型结合了SDGSAT-1 TIS图像和ERA-5陆地再分析数据，用于估算喜马拉雅地区面积大于1平方公里的冰湖厚度，并与CryoSat-2的测高数据相结合，生成了2010年至2024年间的高时间分辨率冰层厚度数据集。第三，我们基于整合的湖冰数据，分析了冰层厚度的时空变化，并探讨了气候因素和冰川质量变化对冰湖在冰封季节中的不同影响。

为了实现上述目标，我们首先对SDGSAT-1 MII图像进行了数据预处理。在2021年至2024年的冰封季节，我们获取了22幅覆盖整个喜马拉雅地区的MII图像，并重点关注了64个大型冰湖。考虑到SAM2对不同尺寸图像的适应性，我们将这些图像裁剪为不同尺寸的图块，确保每个图块中至少包含一个冰湖。随后，我们对这些图像进行了自动冰封区域识别，并结合CryoSat-2的波形数据，利用其高程测量能力对冰湖厚度进行估算。最终，我们通过整合SDGSAT-1和CryoSat-2的数据，构建了一个高时空分辨率的冰湖厚度数据集，为后续分析提供了坚实的基础。

在分析湖冰厚度变化的过程中，我们发现气温和降水的变化是影响冰层厚度的关键因素。喜马拉雅地区的气温呈现持续上升趋势，其升温速率高达每十年0.4摄氏度。这种温度上升导致冬季冰层融化时间提前，冰封期缩短，从而减少了冰层的积累时间。与此同时，降水模式的不确定性也在一定程度上影响了冰湖的水文平衡。在某些地区，降水减少导致湖泊水位下降，进一步加剧了冰层厚度的减少。这些变化不仅影响冰湖自身的稳定性，还可能对下游水资源供应和生态系统产生连锁反应。

此外，冰川消融的加速也是冰湖厚度变化的重要驱动因素。随着全球气候变暖，冰川的融化速度加快，导致冰湖水位上升，冰层厚度减少。这种冰川与冰湖之间的相互作用在喜马拉雅地区尤为显著，因为该地区的冰川和冰湖分布广泛，且冰川消融过程受到多种环境因素的影响，如气温、降水、风速和太阳辐射等。因此，冰湖厚度的变化不仅反映了气候条件的变化，还体现了冰川系统的动态响应。

本研究的成果为冰湖监测提供了新的方法和技术支持。通过结合高分辨率遥感数据和先进的湖冰模型，我们能够更准确地估算冰湖厚度，并揭示其在不同区域的时空变化特征。这一研究不仅有助于深化对喜马拉雅地区冰湖系统演变的理解，还为全球冰湖监测提供了可借鉴的范例。特别是在缺乏实地观测数据的地区，基于遥感数据的模型能够有效填补数据空白，为冰湖研究提供新的视角。

从应用角度来看，本研究的湖冰模型和数据集可以为冰湖湖水灾（GLOF）的预警系统提供支持。随着冰川消融的加剧，冰湖体积的增加可能导致冰湖湖水灾的风险上升。通过监测冰湖厚度的变化，可以更准确地评估冰湖的稳定性，并预测潜在的湖水灾风险。此外，冰湖厚度数据还可以用于水文建模，帮助研究人员更好地理解冰湖对区域水资源的影响，以及其在气候变化背景下的演变趋势。

本研究还揭示了冰湖厚度变化与气候因素之间的复杂关系。例如，温度的上升和降水模式的变化共同作用，导致冰湖厚度的显著减少。这种变化不仅局限于某些特定区域，而是具有广泛的地理分布特征。在东部喜马拉雅地区，由于温度上升更为显著，冰湖厚度的减少速度最快。而在西部和中部地区，虽然冰层厚度也在减少，但速率相对较慢。这种区域差异可能与地理位置、地形特征以及气候条件的多样性有关。例如，西部喜马拉雅地区可能受到更频繁的冷空气影响，从而减缓了冰层厚度的减少速度。

从方法论的角度来看，本研究提出了一种新的冰湖监测框架，该框架结合了多种遥感技术，包括热红外遥感和测高遥感。通过利用SDGSAT-1的高分辨率热红外数据，我们能够更准确地识别冰封区域，并结合CryoSat-2的波形数据，对冰湖厚度进行估算。这种多源数据融合的方法不仅提高了模型的精度，还增强了其在不同环境条件下的适用性。此外，我们还通过引入SAM2模型，实现了对冰封区域的自动化识别，大大提高了数据处理的效率。

在实际应用中，这种新型的湖冰监测方法可以为全球冰湖研究提供重要的技术支持。特别是在那些缺乏实地观测数据的地区，遥感技术能够发挥关键作用。通过结合不同卫星任务的数据，研究人员可以更全面地了解冰湖的演变过程，并为冰湖湖水灾的预警和水资源管理提供科学依据。此外，本研究的湖冰模型还可以用于模拟未来冰湖的变化趋势，为应对气候变化带来的挑战提供前瞻性指导。

总体而言，本研究在冰湖监测方法和技术上取得了重要进展。通过开发一种系统性的湖冰模型，并结合多种遥感数据源，我们不仅能够更准确地估算冰湖厚度，还能够揭示其在不同区域的时空变化特征。这一研究为理解冰湖在气候变化背景下的演变提供了新的视角，并为全球冰湖监测和水资源管理提供了科学支持。未来，随着遥感技术的不断发展和数据获取能力的提升，冰湖监测将变得更加精准和高效，为应对气候变化带来的挑战提供更加有力的工具。