高亞洲地區冰湖遙感研究進展與展望

潘夢，曹云剛,2

(1.西南交通大學地球科學與環境工程學院，成都 611756; 2.西南交通大學高速鐵路運營安全空間信息技術國家地方聯合工程實驗室，成都 611756)

0 引言

冰湖是反映全球變化的重要敏感因子之一，它是全球變暖與冰川消融共同作用的結果。高亞洲地區擁有全球最大的低緯度高海拔冰川，形成了全球分布最為密集的冰湖區域，由于高原冰湖變化與氣候變化的內在聯系以及冰湖潰決等自然災害頻發的重大影響[1-2]，使得高亞洲地區冰湖研究一直是相關領域科研人員所關注的熱點。由于高亞洲區域特殊的地形地貌特點，使得遙感技術成為開展大范圍高原冰湖研究的重要手段。盡管基于遙感技術的高亞洲冰湖信息提取、冰湖時空演變特征分析及全球變化響應領域已經擁有大量的科學研究成果，但是多是基于局部區域開展，且在時間尺度分辨率方面也存在不足，同時現階段還缺少對相關研究成果的系統梳理與總結。鑒于此，本文通過對現階段高亞洲地區冰湖遙感研究文獻的計量分析，整理出當前研究的諸多熱點問題，分析了高亞洲地區冰湖研究的區域性特征與差異，總結了冰湖信息遙感提取技術的發展歷史和現狀，介紹了高亞洲地區冰湖時空特征分析、冰湖全球變化響應的最新研究進展與成果，同時還探討了冰湖遙感研究領域的不足及未來的發展趨勢，以期為冰湖研究提供有益借鑒。

1 高亞洲冰湖遙感研究的文獻計量分析

在過去的30 a中，高亞洲冰湖作為一個獨特的地理對象，受到了廣大科研工作者的極大關注。本文整理了Web of Science中已有的文獻記錄，對近30 a來高亞洲地區冰湖研究成果的時間和空間特征進行了初步分析。在Web of Science數據庫中，以“glacial lake”為主題，篩選出1990—2019年之間發表的關于高亞洲冰湖研究的文章，共計319篇。全球有超過30個國家開展了高亞洲區域冰湖的相關研究，圖1中列出了發文量前8的國家，其中中國憑借特殊的區位優勢，已經成為高亞洲冰湖研究的引領者。

圖1 1990—2019年高亞洲冰湖研究國家分布Fig.1 Study country distribution of HighAsia glacial lake in 1990—2019

圖2為冰湖研究論文數量和被引用次數的時間序列曲線，從中可以看出，隨著近年來遙感數據源共享程度的不斷提升，以及空間數據處理分析技術的快速發展，冰湖相關研究的成果數量呈現逐年快速增加的趨勢。同時，筆者借助python獲取了文獻高頻關鍵字詞條(圖3)，其中冰湖潰決、氣候變化、遙感、GIS出現頻率較高，反映出冰湖研究的全球性與學科交叉的特點。

圖2 1990—2019年高亞洲冰湖研究成果與引文數量變化趨勢Fig.2 Research results and citation quantity trendof High Asia glacial lake in 1990—2019

圖3 高亞洲冰湖研究關鍵字詞云圖Fig.3 WordCloud of key words inHigh Asia glacial lake research

除了上述不同時間內冰湖研究成果數量的綜合統計，本文也對高亞洲地區冰湖研究的空間分布特點進行了分析。高亞洲地區是全球氣候變化最敏感地區之一，主要包括興都庫什山、喀喇昆侖山、喜馬拉雅山、天山和阿爾泰山等區域，這些地區分布著大量形態、面積不一的冰湖。由于所處區域的地理區位重要性不同和數據采集難度的差異，各個區域的冰湖研究水平和成果數量也有較大的差異。如圖4所示，喜馬拉雅山區是冰湖研究熱點區域，祁連山與橫斷山、天山冰湖研究相對較少。

圖4 高亞洲不同地區冰湖研究文章數量統計圖Fig.4 Statistics of the number of research papers on glaciallakes in different regions of High Asia

2 高亞洲冰湖信息遙感提取研究進展

在現有冰湖研究過程中，準確翔實的冰湖信息是完成研究工作的基礎。冰湖信息一般包括冰湖位置、面積、輪廓邊界、水位、水量、水質等，按其獲取途徑可分為地面與遙感的方法，按其提取技術又可劃分為手動、半自動及全自動3種方式，下文中將從不同角度對相關研究進展進行總結。

2.1 冰湖形態信息提取

1903年麥茨巴赫博士曾在天山考察時手繪了麥茨巴赫冰湖的位置圖[3]，此后為了水資源變化監測與冰湖誘發災害評估，冰湖逐步受到廣大科研人員和工程技術人員的關注。在高原冰湖研究的初期，觀測手段比較落后，野外考察和實地測量是進行冰湖位置和輪廓信息采集的主要手段。隨著高新技術的快速發展，新型測繪技術裝備，如GPS、三維激光掃描儀被廣泛用于野外數據采集(圖5)，還會借助無人船、無人機以及搭載測量儀器的氣球等設備進行危險地區冰湖的測量。隨著野外觀測儀器設備和技術手段的進步，冰湖研究的基礎數據更具科學性、完整性和長期性。

雖然野外實地測量是獲取冰湖位置和輪廓信息最為有效的辦法，但由于高亞洲地區冰湖分布范圍廣泛，所處環境惡劣，且動態變化顯著，從而難以在大尺度區域對其進行動態監測[4]。遙感技術(尤其是衛星遙感)憑借其全球覆蓋和高時間、高空間分辨率的優勢，已被廣泛應用于大區域尺度的冰川及冰湖監測。針對高亞洲冰湖形態遙感監測的研究進展，本文從遙感數據來源與遙感數據處理方法2個方面進行總結。

2.1.1 冰湖遙感數據源

目前，全球范圍內可用于冰湖調查的衛星遙感數據種類較多，本文根據已有的文獻材料匯總整理出現階段冰湖遙感研究中被廣泛使用的遙感數據源，如表1所示。Google Earth影像也廣泛用于冰湖監測未列入表內。

表1 冰湖遙感監測常用星載遙感數據列表Tab.1 List of satellites/sensors usedfor glacial lake monitoring

國際上采用衛星遙感數據開展冰湖遙感監測始于1970年。到目前為止，Landsat系列數據是國內外進行長時間序列(1970年—2019年)冰湖遙感監測的主要數據源，尤其是2013年發布的具有相對高時間和空間分辨率的Landsat8數據，已成為全球冰湖研究的首選。Landsat等光學遙感數據在進行大范圍長時間序列冰湖信息提取時具有極大優勢，但卻面臨著成像質量造成的數據缺失問題，全天時、全天候觀測的微波遙感數據(ASAR，Sentinel-1)成為其有效補充。隨著近年來高亞洲地區冰湖研究的擴展和深入，有證據顯示面積較小的冰湖對氣候變化的敏感程度更高[5]，因此高空間分辨率光學遙感數據(米級或亞米級)被用于小區域冰湖信息提取，進而開展局部精細化研究?？偟膩砜矗瑔我粩祿措y以滿足全面、準確評估區域內冰湖動態變化的需求，開展粗、細分辨率共存，多源數據優勢互補的冰湖信息提取研究，將有助于全方位了解冰湖的變化情況。

2.1.2 冰湖輪廓遙感提取方法

鑒于高亞洲地區特殊的地理位置，遙感技術在本區域的冰湖研究中發揮了巨大作用。近年來，研究人員為了提高高寒區域冰湖的識別精度，在數據源優選和數據分析方法上不斷進步，將冰湖信息遙感提取手段由最初的人工目視解譯，逐步發展為人工輔助的半自動分析，進而構建了全自動的冰湖信息提取方法。

1) 冰湖手動提取。作為冰湖形態信息遙感提取最常用的方法，人工目視解譯的手動冰湖信息提取技術在1970年—2000年階段被廣泛使用，大量的研究人員使用1970年—1980年的航空影像和2000年左右的Landsat，ASTER等航天遙感影像開展了目視解譯工作。如Xu Q H等在1989年對喜馬拉雅山進行考察時，采用目視解譯的方法對冰湖進行識別和編目[6]。王欣團隊基于ArcGIS，ENVI，Google Earth等軟件采用人工數字化的方法完成了高亞洲地區以及以青藏高原為核心的中國西部的冰湖編目[7-8]。張國慶等使用人工數字化的方法完成了第三極冰湖編目[5]。

冰湖手動提取方法雖然精度較高，但費時費力，難以滿足大范圍冰湖識別的需求。隨著遙感數據分辨率的提升與遙感數字圖像處理技術的快速發展，半自動/全自動的冰湖識別方法也日趨豐富。

2) 冰湖半自動提取。冰湖半自動提取是指在冰湖輪廓提取過程中，需要部分依賴于手工工作或人為的規則設置，主要包括半自動輪廓跟蹤，區域生長和閾值分類等方法，其中又以閾值法應用最為廣泛。如Frey等2010年提出一種基于多光譜光學遙感數據和DEM的半自動冰湖檢測方法[9]。王欣等在研究近20 a來天山冰湖變化時，有針對性地對每景Landsat影像手動設置NDWI閾值，然后將閾值作為輸入條件輸入決策樹中，進行冰湖的提取[10]。Raj G等2013年根據NDWI手動設置閾值，疊加DEM數據識別喜馬拉雅山錫金地區的冰湖，并完成了錫金地區的冰湖編目[11]。張波等基于時序SAR影像的強度歸一化比值來提取貢巴冰川末端冰湖，通過人工選樣來確定區分水體與非水體的最佳閾值[12]。

閾值法提取冰湖簡單有效，但是受發育環境影響，冰湖顏色、濁度、葉綠素含量不一樣，導致冰湖間光譜分布具有明顯差異。此外，山體陰影的特征和冰湖的特征也非常相似，因此難以使用固定(單)閾值來大范圍提取冰湖。在實際工作中，需要對每一幅影像手動設置閾值，以期得到冰湖與冰、雪、陰影的最佳分類閾值。Mitkari K V等基于Sentinel-2數據使用最佳閾值確定法與Sobel邊緣檢測相結合的半自動方法提取甘戈特里的冰湖，能夠較好地區分水體與冰、雪、陰影[13]。Jain S K等[14]基于ASTER數據采用支持向量機的方法半自動地檢測了喜馬拉雅山不丹地區冰湖，此方法在提取受陰影影響的冰湖方面優于NDWI閾值法。Bulley等在2013年基于ASTER數據采用集成分類樹與空間度量的方法分析喀喇昆侖山脈冰川與冰湖的變化，但此方法在圖像分割時需要進行人工樣本選擇與訓練[15]。

半自動提取方法雖然使用較為廣泛，在效率方面就人工方法提升顯著，但是其諸多步驟具有人工依賴和區域限制的特點，從而限制了其在全球/半球等大尺度范圍的推廣與應用。

3) 冰湖全自動提取。冰湖全自動提取方法是指事先建立固定的模型或規則，然后自動執行，不需人工干預就能完成冰湖形態信息的提取。Li J等2012年基于“全域-局部”的分層迭代思想，提出了遙感影像與DEM相結合的冰湖信息自動化提取方法，并將其應用于喜馬拉雅山冰湖的提取[16]。全局-局部閾值分割算法能夠在一定程度上實現冰湖的精確自動提取，但對于微型冰湖來說，由于其與背景信息具有非常相似的光譜，從而造成特征混淆，自動識別算法的精度受到極大的影響。針對光譜異質性，Zhao H等將水平集分割理論應用到冰湖提取中，使用閾值分割和簡化活動輪廓模型方法基于Landsat8數據進行高亞洲3個典型冰湖發育區域： 喜馬拉雅山中部、藏東南地區和阿爾泰山區域冰湖的提取，并與FCM(閾值法和模糊聚類分析)方法進行對比，結果表明TSCV的準確率為73.92%，FCM的準確率是66.30%，研究成果提高了小冰湖提取的精度[17]。Chen F等使用上述TSCV方法基于Google Earth Engine平臺識別了2015年整個青藏高原的冰湖，其中喀喇昆侖山北部、昆侖山西部、喜馬拉雅山北部、藏東南地區的測試精度均在90%以上，提高了大規模自動化冰湖信息提取的準確率[18]。該團隊同時基于GF-2影像使用NDWI與非局部活動輪廓結合的方法識別了阿爾泰山區域的冰湖，證明此方法同樣適用于高分辨率遙感影像識別微型冰湖[19]。Veh G等基于Landsat數據使用RF(隨機森林)算法識別了1988—2016年喜馬拉雅山潰決冰湖，總體精度可達到91%[20]。Bhardwaj A等基于Landsat8數據結合濕度指數 WI 和模糊聚類法(LDA)自動提取了Shaune Garang冰川附近的冰湖，提取精度可達99%[21]。

自動識別方法中，機器學習的一些方法如聚類、決策樹、支持向量機、隨機森林等，對于冰湖提取的準確性在很大程度上取決于先驗知識的選擇和訓練樣本的可靠性?；趫D像分割技術的TSCV方法較好，能夠克服光譜異質性的影響，同時能夠識別渾濁的小冰湖，但計算過程較復雜，算法的普適性也不盡理想，僅適用于Landsat8數據，對Landsat5數據及一些高分辨率影像，如GF-2,WorldView數據等，其冰湖識別精度還有待大范圍檢驗。

2.2 冰湖水量信息提取

冰湖水量對于研究冰湖潰決具有重要意義?，F有冰湖水量通常是通過體積-面積-水位經驗公式進行計算[22]。其中，冰湖水深多使用聲吶測深儀測量，水位則采用ICESat等激光測高衛星測量。如Yao X J等使用SyQwest HydroboxTM高分辨率便攜式測深儀與橡皮艇和GPS相連測量龍巴薩巴冰湖的水深，結果顯示聲納數據的測量平均誤差為1～2 m，可用于湖盆面積計算冰湖體積(水量)[23]。Yang R M等使用Hydro science便攜式超聲波測深儀進行藏東南米堆冰湖的水深測量，獲得了米堆冰湖的水下地形，然后采用Cut/Fill方法計算冰湖儲水量[24]。Song等使用ICESat和Cryosat-2組合測高儀研究念青唐古拉山區域內的湖泊水面高度變化，結果顯示所有湖泊都呈現出水位升高的趨勢，其中冰湖水位的增長率(0.421±0.018 m/年)高于非冰湖增長率(0.171±0.036 m/年)[25]。

通過遙感技術來開展冰湖水量信息提取，可以較為高效地獲取冰湖面積、冰湖水位(水深)等信息，但是由于無法精確獲取水下地形，還需利用體積-面積-水位經驗公式進行水量估算。受限于冰湖樣本數量，難以建立適用于所有冰湖的體積-面積-水位經驗公式，使得經驗模型計算冰湖水量誤差率可高達100%[26]。由此可見，高精度的水下地形測量技術是未來實現冰湖水量精確提取的重要手段。

2.3 冰湖水質信息提取

湖泊水質是反映水體變化及其對氣候變化響應的重要指標之一[27]。人為活動影響較少的冰湖對于氣候變化研究更為有利。當前可查閱的研究文獻中，幾乎未見采用空間遙感技術進行冰湖水質研究的相關報道，水質信息提取一般通過野外采樣，實驗室檢測的方式實施。如Yan H M等在2008年采集了珠穆朗瑪峰區域3個冰湖的樣本，分析發現冰湖的葉綠素含量與CDOM(有色可溶性有機物)遠低于內陸湖泊[28]。閆露霞等在2016年9—10月采集喜馬拉雅山中段藏布流域的11個冰湖的樣本，并對其水質進行評價，發現11個冰湖均為淡水湖，并且冰湖水體受到Fe，Mn，Cr，Ni的污染較為嚴重[29]。Salerno F等在研究喜馬拉雅山中部冰湖水質時，發現冰湖中的重金屬含量與冰湖融水有關，由于冰川融化導致冰底的硫化物釋放，使得喜馬拉雅山中部冰湖中的硫酸根離子濃度在近20 a增加了4倍[30]。

由于所處的高寒/高海拔位置，大大增加了高亞洲冰湖水質樣本采集的難度，同時也造成采樣點時空分布嚴重不均勻，開展長時間大規模尺度冰湖水質研究具有較大的難度。隨著全球范圍內高光譜遙感技術的快速發展，有望在近期提升高亞洲地區冰湖水質信息提取的能力，從而推動相關領域的科學研究水平。

3 高亞洲冰湖時空演變對氣候變化的響應分析

冰湖演變是一個復雜的過程，且存在顯著的區域差異，研究冰湖時空特征及其區域差異不僅對水資源評價和冰湖潰決風險分析具有重要意義，同時也對研究全球氣候變化的區域差異有積極作用。本文從冰湖時空演變格局及其對全球變化的響應2個方面來總結高亞洲區域的研究現狀。

3.1 冰湖時空格局演變特征分析

冰湖時空變化分析在研究水資源格局變化及災害預警等方面都具有重大意義。大量研究者利用不同時期的遙感影像以及現有的冰川、冰湖編目等資料，對近幾十年高亞洲地區冰湖時空變化進行全方位分析。本文匯總整理了近年來高亞洲地區冰湖時空演變方面的研究成果(表2)，發現現有對冰湖的時空變化差異分析幾乎覆蓋了高亞洲所有區域，如圖6(a),(b)所示。其中，王欣等[31]使用1990年和2018年兩期Landsat數據提取了高亞洲區域冰湖，28 a內高亞洲區域冰湖面積增加了263.20±28.24 km2，整體擴張速率為15.5%。Nie Y等使用1990年、2000年、2005年、2010年、2015年5期Landsat數據分析了整個喜馬拉雅山冰湖的時空變化[32]。舒梅海[33]、吳坤鵬[34]分析了阿爾泰山、天山區域冰湖分布及變化特征等等。

表2 近30年高亞洲不同地區冰湖時空變化研究結果列表Tab.2 Results of glacial lake spatiotemporal change in the major mountains on the High Asia

此外，現有研究還從不同角度、不同作用形式上分析了冰湖的時空演變特征。如Gardelle J等對1990—2009年喜馬拉雅-興都庫什地區提取的冰湖進行分析，結果表明在各山脈分區內部的冰湖可能存在面積變化截然相反的情況[35]。Nie Y等從位置和地形方面分析了喜馬拉雅山區域冰湖的分布特點，研究表明喜馬拉雅山南北側、中、西東部冰湖面積、數量、擴張速率存在差異[36]。Song C等[37]、Zhang G等[5]研究表明冰湖的時空變化與冰川的變化緊密相連，且海拔越高，冰湖的數量、面積的變化越大，呈現出顯著的垂直變化差異。

總體而言，現有冰湖時空變化分析多是基于Landsat等中高分辨率遙感數據提取的冰湖信息開展的。受制于遙感數據源質量與冰湖信息提取算法性能，冰湖的制圖精度及時間連續性存在不足從而對相關研究產生顯著影響，尤其是制約了精細化的區域冰湖時空演變研究。

3.2 冰湖變化對全球氣候變化的響應

冰湖變化是氣候波動的產物，同時又反饋于氣候變化，它們存在內在的響應機制。目前有關冰湖變化與氣候變化之間響應機制的研究報道并不多見，對兩者的關系研究主要集中于在進行冰湖時空變化差異分析時，探究其與氣候變化之間的聯系。如Hasnain S I[38]研究了氣候變化背景下喜馬拉雅山地區冰川與冰湖的變化，認為全球變暖背景下氣溫升高是該地區冰川和冰湖變化的主要驅動因素。Wu S[39]定量評價了喜馬拉雅山容克西盆地冰川退縮與冰湖擴張變化，結果顯示冰川呈現整體退縮、冰湖呈現整體擴張的趨勢，結合氣溫和降水資料分析后發現，持續的升溫是造成當前冰川退縮和冰湖擴張的主要驅動因素。王欣等在研究橫斷山冰川與冰湖時也表明氣溫上升是導致冰湖擴張的主要原因，同時表明受走廊屏障的影響，冰湖分布存在時空差異[31]。

總體而言，持續的升溫可能是造成當前高亞洲冰川退縮和冰湖擴張的主要驅動因素，表現為冰湖數量的增加與面積的擴張，但是在氣候變化影響背景下的冰湖時空變化具有明顯的差異性。王欣等[31]，Zhang G等[5]系統研究冰川-冰湖-氣候三者響應關系時表明，氣溫升高造成的母冰川融水是冰湖擴張的主要原因，并且研究了不同海拔高度下升溫率不同造成冰湖的變化差異，有助于深入研究區域氣候垂直變化及差異。同時Zhang G等在研究第三極冰湖時表明，面積較小的冰湖(<0.05 km2)變化速率最快，面積越小，對氣候變化越敏感[5]。

上述研究均是通過冰湖面積及數量與氣象站的氣溫、降水、蒸發之間的統計分析得出的結論。但是冰湖發育地區氣象數據非常有限，且分布極為不均勻，難以精準地表示氣候的變化，同時對局部區域的統計分析也不足以揭示其響應的科學規律。此外，冰湖水位、水量、水質的變化與氣候變化之間有何關聯，如何揭示冰湖全要素與氣候變化之間的復雜響應規律還任重而道遠。

4 總結與展望

本文回顧了高亞洲冰湖信息遙感提取的發展歷程，系統總結了其時空演變及對氣候變化響應等的研究成果，結果表明在遙感技術加持下，高亞洲冰湖研究發展快速，但其在數據源、分析方法，研究的完整性、系統性方面還需要進一步加強，主要包括以下幾個方面：

1) 構建冰湖全要素智能提取與集成分析方法?，F有冰湖形態信息提取多基于單一數據源和冰湖光譜特征進行，且多采用帶有局部適用性的半自動方法提取輪廓邊界。為了更為智能有效地獲取冰湖邊界和面積信息，基于多源觀測數據(光學、SAR及Lidar)一體化處理、基于深度學習的冰湖高層次特征表達與全自動化提取方法成為未來冰湖遙感研究的重要方向。此外，現有冰湖水量、冰湖水質研究多基于局部區域開展，多數研究成果具有顯著的地域特征，缺乏在大區域尺度的普適性研究成果。因此，發展高普適性的冰湖全要素感知技術，開展冰湖全要素智能集成分析是需要重點關注的研究方向。

2) 揭示冰湖-氣候變化的復雜響應規律。大區域范圍下冰湖-氣候變化響應機制的統一規律有益于揭示全球氣候變化趨勢。但現有研究成果多是對局部區域的冰湖面積及數量與氣象站的氣溫、降水、蒸發之間的簡單線性分析得出的，粗分辨率氣象數據與高分辨率識別的冰湖尺度無法匹配，且冰湖全要素與氣候變化響應程度研究也存在諸多局限性，局部區域的簡單統計分析不足以揭示其響應規律，開展大區域尺度下顧及尺度差異的冰湖全要素與氣候變化之間的響應機制具有重要意義。

3) 探索多學科交叉的冰湖研究模式。冰湖遙感是冰湖研究的重要分支，此外其還涉及水文、災害、大氣、生態、化學等相關學科，通過加強相關學科的交叉融合，有助于增強其在水文、災害等方面的應用能力，同時不同學科領域的發展又為冰湖遙感提供更多的應用機遇，開展多平臺、多技術、多尺度、多過程的多學科交叉研究是冰湖遙感研究的必然趨勢。