《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Mapping and Revealing the River Ice Distribution and Changes in the Three Rivers Source Region From 1990 to 2023 Using Google Earth Engine
编辑推荐：
本研究针对高寒山区河冰基础数据匮乏的难题，利用Google Earth Engine（GEE）平台和Landsat系列影像，首次构建了三江源区（TRSR）1990–2023年30米空间分辨率的河冰范围数据集（总体精度97.96%，Kappa系数0.86）。研究揭示了该区域河冰面积呈下降趋势、分布趋于破碎化等特征，为理解青藏高原河冰现象及水文过程提供了关键数据支撑，对河冰灾害防控、水资源管理及冰冻圈研究具有重要意义。
在广袤的青藏高原，被誉为“中华水塔”的三江源区，密集的河流网络在寒冷季节会形成大范围的河冰。河冰不仅是冰冻圈的重要组成部分，更是监测气候变暖的“晴雨表”，它与寒区水文过程、水资源利用、河流工程及冰凌灾害防治紧密相关。然而，长期以来，高寒山区的河冰基础数据极为稀缺，严重制约了相关研究的深入。尤其是在三江源这样的典型高寒山区，河冰发育显著，对河流径流过程具有重要影响，但对其分布范围、变化趋势及地形控制因素的系统认知仍近乎空白。
为解决这一难题，由李浩杰、邵东航（IEEE会员）等人组成的研究团队，在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》上发表了一项重要研究。他们巧妙利用Google Earth Engine（GEE）这一强大的云计算平台，结合长达34年（1990–2023年）的Landsat系列卫星影像，首次成功绘制了三江源区高精度、长时序的河冰分布图。
研究团队采用了几个关键技术方法：首先，他们利用GEE平台处理了5850景云量低于20%的Landsat TM/ETM+/OLI影像（1990–2023年每年1–4月），通过计算每个像元在时间序列上的平均值，合成年度平均影像，以平滑短期天气波动的影响，获得稳定的河冰范围。其次，结合使用相对差异河冰指数（RDRI）和归一化积雪指数（NDSI）算法从合成影像中提取河冰信息。RDRI算法专门针对青藏高原河冰提取设计，能有效区分河冰与水体、阴影；NDSI则用于补充被厚雪覆盖的河冰信息。最后，在ArcGIS Pro 3.0软件中对初步提取的矢量数据进行人工修订，剔除湖冰、冰川等非河冰干扰，并补充明显遗漏的河冰，最终生成年度河冰范围数据集。研究还利用SRTM DEM数据、ERA5再分析气候数据等，分析了河冰分布的地形特征及其与气候因子的关系。
数据集质量评估
研究通过对676个随机分布在河道内的验证点进行人工确认，评估了数据集的准确性。结果显示，整个三江源区河冰范围数据集的总体精度（OA）高达97.96%，Kappa系数为0.86，Precision为1.00，Recall为0.78，F1 Score为0.87，表明数据集具有很高的可靠性。进一步分析发现，不同传感器影像的提取精度存在差异，OLI传感器影像的精度最高（OA=98.32%, Kappa=0.89），其次是TM（OA=97.82%, Kappa=0.85）和ETM（OA=97.47%, Kappa=0.83）。此外，在不同海拔、坡度等级上，数据集的精度没有显著差异，但在阴坡区域的验证精度相对较高。
河冰面积变化
基于该数据集，研究首次揭示了三江源区河冰的时空变化特征。1990–2023年间，三江源区河冰分布的平均面积为2073.0 km2，平均覆盖率为0.64%。河冰面积呈现出显著的下降趋势（Z = -2.99, P = 0.003），而同期1–4月的日均气温则显著上升（Z = 2.85, P = 0.004）。分区域来看，长江源区（YARSR）的河冰面积最大（平均1450.6 km2，覆盖率0.97%），且下降趋势最明显；黄河源区（YERSR）次之；澜沧江源区（LARSR）河冰面积最小且变化趋势不显著。典型区域的年际变化可视化直观展示了河冰范围的缩减过程。河冰面积的变化与气温和降水量的相关性较弱，表明其变化可能受气候变暖主导，但地形等因素也有重要影响。
河冰分布特征
通过5 km网格尺度的河冰发生频率分析发现，河冰高发区主要集中在河道中心及周边区域。长江源区的河冰分布最广，黄河源区次之，澜沧江源区最小。河冰在宽阔河道分布较分散，在狭窄河谷则相对集中。
河冰破碎化程度
研究发现，三江源区的河冰分布变得更加破碎。1990–2023年间，河冰斑块的平均面积（Z = -3.02, P = 0.002）、斑块密度（Z = -3.32, P = 0.0009）和平均边缘长度（Z = -1.96, P = 0.05）均呈下降趋势。这表明河冰的连续性减弱，破碎化程度加剧，可能与气候变暖导致薄冰消失、冰体不连续有关。
河冰地形特征
河冰分布具有明显的地形偏好。河冰更多地分布在海拔较高的地区（长江源区加权平均海拔4566.3 m，黄河源区4010.3 m，澜沧江源区4332.0 m）和坡度平缓的地区（主要分布在0–14°坡度范围内）。这主要是因为高海拔地区气温更低，缓坡处河流流速较慢，有利于河冰的形成和稳定。然而，坡向对河冰分布没有明显影响，这可能与研究区范围大、地形复杂有关。
研究结论与展望
本研究成功构建了一套基于GEE平台和Landsat影像的大范围河冰信息提取技术方案，并首次生产了三江源区1990–2023年高精度长时序河冰范围数据集。数据分析表明，过去三十多年间，三江源区河冰面积显著减少，且分布趋于破碎化，河冰更倾向于分布在高海拔和缓坡区域。这些变化很可能主要由气候变暖驱动。河冰的退缩可能削弱其对径流的调节功能，改变河流水文过程，对下游水资源利用构成挑战。
该数据集为高寒山区大范围、长时序河冰研究提供了重要参考，可直接用于三江源区河冰地面观测验证、冰凌灾害防治、机器学习训练样本制作及河流设施建设。尽管传统算法结合人工修订的方法存在效率限制，且光学影像易受云和雪盖影响，但本研究提出的技术框架具有重要参考价值。未来，集成Landsat 9数据可提高影像覆盖频率，利用雷达数据（如Sentinel-1）可克服云干扰并丰富河冰类型信息，而深度学习技术则有望实现更高效的河冰自动制图。本研究产生的高质量数据集，将为训练深度学习模型提供宝贵的样本资源，推动河冰遥感监测向自动化、智能化方向发展。
