一种结合时空稳定性和多源物理约束的冰川湖提取方法：以喜马拉雅中部为例的研究

《Remote Sensing》：A Coupled Spatiotemporal Stability and Multi-Source Physical Constraint Method for Glacial Lake Extraction: A Case Study in the Central Himalayas

　　

冰湖溃决洪水发生频率和强度的增加对下游社区安全构成严重威胁。然而，冰川阴影和山体阴影的干扰降低了基于遥感冰湖探测的精度。研究人员提出了一种两层嵌套框架，整合了全球时空聚合与局部自适应增强。在全球层面，利用多时相AWEI（Automated Water Extraction Index）影像的第80时间百分位数（P80）构建稳定的水体-背景复合影像并抑制短期季节噪声。应用多源物理约束，包括归一化差分积雪指数（NDSI）、DEM导出的坡度约束（坡度<10°）以及红波段反射率阈值（0.3 < BandRed < 1.6），以抑制来自陆地、地形阴影、积雪和冰川的干扰。在局部尺度，提出一种自适应动态分割策略，为每个湖泊建立等面积缓冲区，在该缓冲区内计算MNDWI（Modified Normalized Difference Water Index）的时间出现频率以构建稳定水体概率复合影像，并应用Otsu算法独立推导每个湖泊的最优阈值。利用1990年至2025年的Landsat影像和气象数据，研究人员量化了喜马拉雅山脉中部典型冰湖的时空动态，并探讨了气候因子对湖泊面积变化的驱动机制。过去35年来，在气温升高、降水增加和相对湿度降低的气候背景下，湖泊数量和面积呈现显著扩张趋势。1990-2020年间，湖泊面积变化主要受温度和风速之间的强交互作用控制。夏季变异性比冬季变异性影响更为显著。所提出的框架为研究区冰湖提取提供了一种有效方法，并可能为高山湖泊的长期监测提供有用的技术支持。

冰湖作为冰川消融的产物，对气候变化高度敏感，其溃决洪水严重威胁下游社区安全。然而，现有遥感提取方法在复杂高山环境中易受冰川阴影、山体阴影和季节性积雪的干扰，导致精度不足；同时，多数研究侧重于制图改进，缺乏对长期冰湖动态与气候驱动机制的系统关联。为此，研究人员提出了一种耦合时空稳定性与多源物理约束的两层嵌套冰湖提取框架，并基于该框架量化了喜马拉雅山脉中部典型区域的冰湖时空演变及其气候驱动。该研究发表于《Remote Sensing》。

在技术方法方面，研究采用全球层与局部层相嵌套的策略。全球层利用多时相AWEI（Automated Water Extraction Index）的P80百分位构建稳定水体背景，并结合NDSI（Normalized Difference Snow Index）、DEM（Digital Elevation Model）导出坡度（<10°）约束以及红波段反射率阈值（0.3-1.6）构建多源物理约束掩膜，以抑制冰雪和地形阴影干扰。局部层为每个湖泊构建等面积缓冲区，计算MNDWI（Modified Normalized Difference Water Index）的时间出现频率并利用Otsu算法自适应确定最优分割阈值。基于1990-2025年Landsat影像（样本来自Landsat-5 TM、Landsat-7 ETM+和Landsat-8 OLI，共1446景）和气象数据（ERA5），结合Mann-Kendall检验、Geodetector模型和多元线性回归分析驱动机制。

研究结果包括以下几方面。**4.1 提取时空信息**：基于Landsat影像提取了1990-2025年湖泊分布，显示大部分湖泊位于希夏邦马峰北坡和东南坡冰川末端，湖泊边界随时间显著扩展，尤以尤莫尖错和嘎隆错扩张速率较高。**4.2 时空演化**：1990-2025年间湖泊数量从147个增至439个，面积从359.89 km²增至381.88 km²，年增长率分别为3.20%和0.17%；Mann-Kendall检验显示总面积呈显著上升趋势（Z=3.77，p<0.05）。突变分析指出2014年为数量突变年，2018年为面积突变年。**4.3 海拔差异**：湖泊主要分布在5300-5400 m高程，面积最大集中在4600-4700 m；高海拔和低海拔均不利于冰湖形成。**4.4 气候变化特征**：1990-2020年研究区呈现“增温-增湿-变干”复合模式，气温上升、降水增加、相对湿度下降，各气象要素突变点分别为降水2011年、气温2002年、蒸散发1993年、风速1992年、日照时数1998年、相对湿度2013年。**4.5 驱动分析**：Geodetector单因子分析中年均温（q=0.672）解释力最强；交互探测显示夏季温度与风速交互作用最强（q=0.996），且夏季交互强于冬季。多元线性回归表明降水和风速对湖泊面积影响显著（标准化系数分别为0.475和0.341），蒸散发和相对湿度呈负向贡献，模型R²=0.549。

讨论部分指出，所选水指数中AWEI适用于全球尺度分离，MNDWI在局部缓冲区内表现更优；敏感度分析确定了红波段阈值0.3-1.6、坡度阈值10°、缓冲区面积比为2.0的最优参数。与U-Net、FPN、DeepLabV3+等深度学习模型对比，所提框架在测试数据集上取得了更高的一致性指标（Kappa系数0.902），但该比较不构成绝对优势。Geodetector交互分析发现夏季温度与风速是主导交互因子，多元线性回归证实降水和风速的显著正效应。研究局限性包括：验证结果仅为与参考库存的吻合度，而非绝对精度；当前仅在中喜马拉雅验证，可迁移性有待进一步评估；30 m Landsat分辨率对小湖泊精度有限。结论部分翻译如下：冰湖对气候变化的敏感性和独特性使其研究具有重要意义。然而，冰湖识别仍面临诸多挑战，尤其是周围冰川和山体阴影的干扰。本研究提出了一种嵌套湖泊提取框架，整合“全球时空聚合”与“局部自适应增强”，旨在减少山体阴影和周围冰川对提取精度的影响。基于1990-2025年遥感影像，检验了喜马拉雅中部典型区域的湖泊数量和面积的时间演变以及影响湖泊面积变化的气象因子。过去35年，研究区湖泊数量和表面积总体呈增加趋势，湖泊数量和面积年均增长率分别为3.20%和0.17%。湖泊面积呈显著上升趋势（Z=3.77，p<0.05）。大部分湖泊位于海拔5300-5500 m，湖泊面积主要集中在4600-4700 m。1990-2020年间，研究区呈现复合增温-增湿-变干模式，特征为气温和降水增加、蒸散发增强、相对湿度下降。气温、平均相对湿度和潜在蒸散发的突变点分别出现在1997、2009和2016年。年降水、平均气温、蒸散发、风速、日照时数和相对湿度的突变点分别出现在2011、2002、1993、1992、1998和2013年。单因子分析中，年平均气温与湖泊面积变化的统计关联最强（q=0.672）。交互探测结果中，夏季温度与风速的联合解释贡献最强（q=0.996）。此外，夏季降水和温度与其他因子的交互作用强于冬季，表明在研究中夏季气候变异性与湖泊面积动态的统计关联强于冬季。多元线性回归分析表明降水和风速与湖泊面积变化显著关联。然而，其他冰川学和水文过程也可能影响湖泊演化，未来需要结合冰川动力学和水文观测的研究以更好理解潜在机制。