使用机器学习技术对印度拉达克地区Drang Drung冰川湖的湖底地形及冰湖融水过程（GLOF）进行建模

《Hydrological Sciences Journal》：Lake bathymetry and GLOF modelling of Drang Drung glacial lake, Ladakh, India, using machine learning techniques

冰川湖溃坝风险评估中，结合机器学习与遥感技术，运用气候分析与水动力模拟，发现Drang Drung冰川湖最大水深3.8米，近五年面积扩张43%，但当前GLOF概率低，需持续监测应对气候变化。

　　

摘要

本研究利用先进的水深建模、气候分析和水动力模拟技术，评估了印度拉达克地区Drang Drung冰川湖发生冰川湖溃决（GLOF, Glacial Lake Outburst）的风险。通过结合Stumpf模型和支持向量机（SVM）技术，该湖泊的水深图绘制精度达到90%以上，测得最大水深为3.8米。根据IMDDA数据（1980–2021年）进行的气候分析显示，降水量呈下降趋势（每年减少5.4毫米），气温逐年上升（每年升高0.039摄氏度），这些因素导致冰川退缩，并使湖泊面积在2017–2021年间扩大了43%。使用2D HEC-RAS模型模拟了潜在的冰川湖溃决事件，估计峰值流量分别为78立方米/秒（溢流情况）和73立方米/秒（管道流动情况）。尽管湖泊面积迅速扩大，但目前的情况表明发生灾难性冰川湖溃决的概率较低。本研究展示了机器学习和遥感技术在灾害评估中的价值，同时强调了持续监测的必要性，以便为喜马拉雅地区的脆弱社区制定有效的减灾策略。