潘梦，曹云刚,2

(1.西南交通大学地球科学与环境工程学院，成都 611756; 2.西南交通大学高速铁路运营安全空间信息技术国家地方联合工程实验室，成都 611756)

0 引言

冰湖是反映全球变化的重要敏感因子之一，它是全球变暖与冰川消融共同作用的结果。高亚洲地区拥有全球最大的低纬度高海拔冰川，形成了全球分布最为密集的冰湖区域，由于高原冰湖变化与气候变化的内在联系以及冰湖溃决等自然灾害频发的重大影响[1-2]，使得高亚洲地区冰湖研究一直是相关领域科研人员所关注的热点。由于高亚洲区域特殊的地形地貌特点，使得遥感技术成为开展大范围高原冰湖研究的重要手段。尽管基于遥感技术的高亚洲冰湖信息提取、冰湖时空演变特征分析及全球变化响应领域已经拥有大量的科学研究成果，但是多是基于局部区域开展，且在时间尺度分辨率方面也存在不足，同时现阶段还缺少对相关研究成果的系统梳理与总结。鉴于此，本文通过对现阶段高亚洲地区冰湖遥感研究文献的计量分析，整理出当前研究的诸多热点问题，分析了高亚洲地区冰湖研究的区域性特征与差异，总结了冰湖信息遥感提取技术的发展历史和现状，介绍了高亚洲地区冰湖时空特征分析、冰湖全球变化响应的最新研究进展与成果，同时还探讨了冰湖遥感研究领域的不足及未来的发展趋势，以期为冰湖研究提供有益借鉴。

1 高亚洲冰湖遥感研究的文献计量分析

在过去的30 a中，高亚洲冰湖作为一个独特的地理对象，受到了广大科研工作者的极大关注。本文整理了Web of Science中已有的文献记录，对近30 a来高亚洲地区冰湖研究成果的时间和空间特征进行了初步分析。在Web of Science数据库中，以“glacial lake”为主题，筛选出1990—2019年之间发表的关于高亚洲冰湖研究的文章，共计319篇。全球有超过30个国家开展了高亚洲区域冰湖的相关研究，图1中列出了发文量前8的国家，其中中国凭借特殊的区位优势，已经成为高亚洲冰湖研究的引领者。

图1 1990—2019年高亚洲冰湖研究国家分布Fig.1 Study country distribution of HighAsia glacial lake in 1990—2019

图2为冰湖研究论文数量和被引用次数的时间序列曲线，从中可以看出，随着近年来遥感数据源共享程度的不断提升，以及空间数据处理分析技术的快速发展，冰湖相关研究的成果数量呈现逐年快速增加的趋势。同时，笔者借助python获取了文献高频关键字词条(图3)，其中冰湖溃决、气候变化、遥感、GIS出现频率较高，反映出冰湖研究的全球性与学科交叉的特点。

图2 1990—2019年高亚洲冰湖研究成果与引文数量变化趋势Fig.2 Research results and citation quantity trendof High Asia glacial lake in 1990—2019

图3 高亚洲冰湖研究关键字词云图Fig.3 WordCloud of key words inHigh Asia glacial lake research

除了上述不同时间内冰湖研究成果数量的综合统计，本文也对高亚洲地区冰湖研究的空间分布特点进行了分析。高亚洲地区是全球气候变化最敏感地区之一，主要包括兴都库什山、喀喇昆仑山、喜马拉雅山、天山和阿尔泰山等区域，这些地区分布着大量形态、面积不一的冰湖。由于所处区域的地理区位重要性不同和数据采集难度的差异，各个区域的冰湖研究水平和成果数量也有较大的差异。如图4所示，喜马拉雅山区是冰湖研究热点区域，祁连山与横断山、天山冰湖研究相对较少。

图4 高亚洲不同地区冰湖研究文章数量统计图Fig.4 Statistics of the number of research papers on glaciallakes in different regions of High Asia

2 高亚洲冰湖信息遥感提取研究进展

在现有冰湖研究过程中，准确翔实的冰湖信息是完成研究工作的基础。冰湖信息一般包括冰湖位置、面积、轮廓边界、水位、水量、水质等，按其获取途径可分为地面与遥感的方法，按其提取技术又可划分为手动、半自动及全自动3种方式，下文中将从不同角度对相关研究进展进行总结。

2.1 冰湖形态信息提取

1903年麦茨巴赫博士曾在天山考察时手绘了麦茨巴赫冰湖的位置图[3]，此后为了水资源变化监测与冰湖诱发灾害评估，冰湖逐步受到广大科研人员和工程技术人员的关注。在高原冰湖研究的初期，观测手段比较落后，野外考察和实地测量是进行冰湖位置和轮廓信息采集的主要手段。随着高新技术的快速发展，新型测绘技术装备，如GPS、三维激光扫描仪被广泛用于野外数据采集(图5)，还会借助无人船、无人机以及搭载测量仪器的气球等设备进行危险地区冰湖的测量。随着野外观测仪器设备和技术手段的进步，冰湖研究的基础数据更具科学性、完整性和长期性。

虽然野外实地测量是获取冰湖位置和轮廓信息最为有效的办法，但由于高亚洲地区冰湖分布范围广泛，所处环境恶劣，且动态变化显著，从而难以在大尺度区域对其进行动态监测[4]。遥感技术(尤其是卫星遥感)凭借其全球覆盖和高时间、高空间分辨率的优势，已被广泛应用于大区域尺度的冰川及冰湖监测。针对高亚洲冰湖形态遥感监测的研究进展，本文从遥感数据来源与遥感数据处理方法2个方面进行总结。

2.1.1 冰湖遥感数据源

目前，全球范围内可用于冰湖调查的卫星遥感数据种类较多，本文根据已有的文献材料汇总整理出现阶段冰湖遥感研究中被广泛使用的遥感数据源，如表1所示。Google Earth影像也广泛用于冰湖监测未列入表内。

表1 冰湖遥感监测常用星载遥感数据列表Tab.1 List of satellites/sensors usedfor glacial lake monitoring

国际上采用卫星遥感数据开展冰湖遥感监测始于1970年。到目前为止，Landsat系列数据是国内外进行长时间序列(1970年—2019年)冰湖遥感监测的主要数据源，尤其是2013年发布的具有相对高时间和空间分辨率的Landsat8数据，已成为全球冰湖研究的首选。Landsat等光学遥感数据在进行大范围长时间序列冰湖信息提取时具有极大优势，但却面临着成像质量造成的数据缺失问题，全天时、全天候观测的微波遥感数据(ASAR，Sentinel-1)成为其有效补充。随着近年来高亚洲地区冰湖研究的扩展和深入，有证据显示面积较小的冰湖对气候变化的敏感程度更高[5]，因此高空间分辨率光学遥感数据(米级或亚米级)被用于小区域冰湖信息提取，进而开展局部精细化研究。总的来看，单一数据源难以满足全面、准确评估区域内冰湖动态变化的需求，开展粗、细分辨率共存，多源数据优势互补的冰湖信息提取研究，将有助于全方位了解冰湖的变化情况。

2.1.2 冰湖轮廓遥感提取方法

鉴于高亚洲地区特殊的地理位置，遥感技术在本区域的冰湖研究中发挥了巨大作用。近年来，研究人员为了提高高寒区域冰湖的识别精度，在数据源优选和数据分析方法上不断进步，将冰湖信息遥感提取手段由最初的人工目视解译，逐步发展为人工辅助的半自动分析，进而构建了全自动的冰湖信息提取方法。

1) 冰湖手动提取。作为冰湖形态信息遥感提取最常用的方法，人工目视解译的手动冰湖信息提取技术在1970年—2000年阶段被广泛使用，大量的研究人员使用1970年—1980年的航空影像和2000年左右的Landsat，ASTER等航天遥感影像开展了目视解译工作。如Xu Q H等在1989年对喜马拉雅山进行考察时，采用目视解译的方法对冰湖进行识别和编目[6]。王欣团队基于ArcGIS，ENVI，Google Earth等软件采用人工数字化的方法完成了高亚洲地区以及以青藏高原为核心的中国西部的冰湖编目[7-8]。张国庆等使用人工数字化的方法完成了第三极冰湖编目[5]。

冰湖手动提取方法虽然精度较高，但费时费力，难以满足大范围冰湖识别的需求。随着遥感数据分辨率的提升与遥感数字图像处理技术的快速发展，半自动/全自动的冰湖识别方法也日趋丰富。

2) 冰湖半自动提取。冰湖半自动提取是指在冰湖轮廓提取过程中，需要部分依赖于手工工作或人为的规则设置，主要包括半自动轮廓跟踪，区域生长和阈值分类等方法，其中又以阈值法应用最为广泛。如Frey等2010年提出一种基于多光谱光学遥感数据和DEM的半自动冰湖检测方法[9]。王欣等在研究近20 a来天山冰湖变化时，有针对性地对每景Landsat影像手动设置NDWI阈值，然后将阈值作为输入条件输入决策树中，进行冰湖的提取[10]。Raj G等2013年根据NDWI手动设置阈值，叠加DEM数据识别喜马拉雅山锡金地区的冰湖，并完成了锡金地区的冰湖编目[11]。张波等基于时序SAR影像的强度归一化比值来提取贡巴冰川末端冰湖，通过人工选样来确定区分水体与非水体的最佳阈值[12]。

阈值法提取冰湖简单有效，但是受发育环境影响，冰湖颜色、浊度、叶绿素含量不一样，导致冰湖间光谱分布具有明显差异。此外，山体阴影的特征和冰湖的特征也非常相似，因此难以使用固定(单)阈值来大范围提取冰湖。在实际工作中，需要对每一幅影像手动设置阈值，以期得到冰湖与冰、雪、阴影的最佳分类阈值。Mitkari K V等基于Sentinel-2数据使用最佳阈值确定法与Sobel边缘检测相结合的半自动方法提取甘戈特里的冰湖，能够较好地区分水体与冰、雪、阴影[13]。Jain S K等[14]基于ASTER数据采用支持向量机的方法半自动地检测了喜马拉雅山不丹地区冰湖，此方法在提取受阴影影响的冰湖方面优于NDWI阈值法。Bulley等在2013年基于ASTER数据采用集成分类树与空间度量的方法分析喀喇昆仑山脉冰川与冰湖的变化，但此方法在图像分割时需要进行人工样本选择与训练[15]。

半自动提取方法虽然使用较为广泛，在效率方面就人工方法提升显著，但是其诸多步骤具有人工依赖和区域限制的特点，从而限制了其在全球/半球等大尺度范围的推广与应用。

3) 冰湖全自动提取。冰湖全自动提取方法是指事先建立固定的模型或规则，然后自动执行，不需人工干预就能完成冰湖形态信息的提取。Li J等2012年基于“全域-局部”的分层迭代思想，提出了遥感影像与DEM相结合的冰湖信息自动化提取方法，并将其应用于喜马拉雅山冰湖的提取[16]。全局-局部阈值分割算法能够在一定程度上实现冰湖的精确自动提取，但对于微型冰湖来说，由于其与背景信息具有非常相似的光谱，从而造成特征混淆，自动识别算法的精度受到极大的影响。针对光谱异质性，Zhao H等将水平集分割理论应用到冰湖提取中，使用阈值分割和简化活动轮廓模型方法基于Landsat8数据进行高亚洲3个典型冰湖发育区域： 喜马拉雅山中部、藏东南地区和阿尔泰山区域冰湖的提取，并与FCM(阈值法和模糊聚类分析)方法进行对比，结果表明TSCV的准确率为73.92%，FCM的准确率是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平台识别了2015年整个青藏高原的冰湖，其中喀喇昆仑山北部、昆仑山西部、喜马拉雅山北部、藏东南地区的测试精度均在90%以上，提高了大规模自动化冰湖信息提取的准确率[18]。该团队同时基于GF-2影像使用NDWI与非局部活动轮廓结合的方法识别了阿尔泰山区域的冰湖，证明此方法同样适用于高分辨率遥感影像识别微型冰湖[19]。Veh G等基于Landsat数据使用RF(随机森林)算法识别了1988—2016年喜马拉雅山溃决冰湖，总体精度可达到91%[20]。Bhardwaj A等基于Landsat8数据结合湿度指数 WI 和模糊聚类法(LDA)自动提取了Shaune Garang冰川附近的冰湖，提取精度可达99%[21]。

自动识别方法中，机器学习的一些方法如聚类、决策树、支持向量机、随机森林等，对于冰湖提取的准确性在很大程度上取决于先验知识的选择和训练样本的可靠性。基于图像分割技术的TSCV方法较好，能够克服光谱异质性的影响，同时能够识别浑浊的小冰湖，但计算过程较复杂，算法的普适性也不尽理想，仅适用于Landsat8数据，对Landsat5数据及一些高分辨率影像，如GF-2,WorldView数据等，其冰湖识别精度还有待大范围检验。

2.2 冰湖水量信息提取

冰湖水量对于研究冰湖溃决具有重要意义。现有冰湖水量通常是通过体积-面积-水位经验公式进行计算[22]。其中，冰湖水深多使用声呐测深仪测量，水位则采用ICESat等激光测高卫星测量。如Yao X J等使用SyQwest HydroboxTM高分辨率便携式测深仪与橡皮艇和GPS相连测量龙巴萨巴冰湖的水深，结果显示声纳数据的测量平均误差为1～2 m，可用于湖盆面积计算冰湖体积(水量)[23]。Yang R M等使用Hydro science便携式超声波测深仪进行藏东南米堆冰湖的水深测量，获得了米堆冰湖的水下地形，然后采用Cut/Fill方法计算冰湖储水量[24]。Song等使用ICESat和Cryosat-2组合测高仪研究念青唐古拉山区域内的湖泊水面高度变化，结果显示所有湖泊都呈现出水位升高的趋势，其中冰湖水位的增长率(0.421±0.018 m/年)高于非冰湖增长率(0.171±0.036 m/年)[25]。

通过遥感技术来开展冰湖水量信息提取，可以较为高效地获取冰湖面积、冰湖水位(水深)等信息，但是由于无法精确获取水下地形，还需利用体积-面积-水位经验公式进行水量估算。受限于冰湖样本数量，难以建立适用于所有冰湖的体积-面积-水位经验公式，使得经验模型计算冰湖水量误差率可高达100%[26]。由此可见，高精度的水下地形测量技术是未来实现冰湖水量精确提取的重要手段。

2.3 冰湖水质信息提取

湖泊水质是反映水体变化及其对气候变化响应的重要指标之一[27]。人为活动影响较少的冰湖对于气候变化研究更为有利。当前可查阅的研究文献中，几乎未见采用空间遥感技术进行冰湖水质研究的相关报道，水质信息提取一般通过野外采样，实验室检测的方式实施。如Yan H M等在2008年采集了珠穆朗玛峰区域3个冰湖的样本，分析发现冰湖的叶绿素含量与CDOM(有色可溶性有机物)远低于内陆湖泊[28]。闫露霞等在2016年9—10月采集喜马拉雅山中段藏布流域的11个冰湖的样本，并对其水质进行评价，发现11个冰湖均为淡水湖，并且冰湖水体受到Fe，Mn，Cr，Ni的污染较为严重[29]。Salerno F等在研究喜马拉雅山中部冰湖水质时，发现冰湖中的重金属含量与冰湖融水有关，由于冰川融化导致冰底的硫化物释放，使得喜马拉雅山中部冰湖中的硫酸根离子浓度在近20 a增加了4倍[30]。

由于所处的高寒/高海拔位置，大大增加了高亚洲冰湖水质样本采集的难度，同时也造成采样点时空分布严重不均匀，开展长时间大规模尺度冰湖水质研究具有较大的难度。随着全球范围内高光谱遥感技术的快速发展，有望在近期提升高亚洲地区冰湖水质信息提取的能力，从而推动相关领域的科学研究水平。

3 高亚洲冰湖时空演变对气候变化的响应分析

冰湖演变是一个复杂的过程，且存在显著的区域差异，研究冰湖时空特征及其区域差异不仅对水资源评价和冰湖溃决风险分析具有重要意义，同时也对研究全球气候变化的区域差异有积极作用。本文从冰湖时空演变格局及其对全球变化的响应2个方面来总结高亚洲区域的研究现状。

3.1 冰湖时空格局演变特征分析

冰湖时空变化分析在研究水资源格局变化及灾害预警等方面都具有重大意义。大量研究者利用不同时期的遥感影像以及现有的冰川、冰湖编目等资料，对近几十年高亚洲地区冰湖时空变化进行全方位分析。本文汇总整理了近年来高亚洲地区冰湖时空演变方面的研究成果(表2)，发现现有对冰湖的时空变化差异分析几乎覆盖了高亚洲所有区域，如图6(a),(b)所示。其中，王欣等[31]使用1990年和2018年两期Landsat数据提取了高亚洲区域冰湖，28 a内高亚洲区域冰湖面积增加了263.20±28.24 km2，整体扩张速率为15.5%。Nie Y等使用1990年、2000年、2005年、2010年、2015年5期Landsat数据分析了整个喜马拉雅山冰湖的时空变化[32]。舒梅海[33]、吴坤鹏[34]分析了阿尔泰山、天山区域冰湖分布及变化特征等等。

表2 近30年高亚洲不同地区冰湖时空变化研究结果列表Tab.2 Results of glacial lake spatiotemporal change in the major mountains on the High Asia

此外，现有研究还从不同角度、不同作用形式上分析了冰湖的时空演变特征。如Gardelle J等对1990—2009年喜马拉雅-兴都库什地区提取的冰湖进行分析，结果表明在各山脉分区内部的冰湖可能存在面积变化截然相反的情况[35]。Nie Y等从位置和地形方面分析了喜马拉雅山区域冰湖的分布特点，研究表明喜马拉雅山南北侧、中、西东部冰湖面积、数量、扩张速率存在差异[36]。Song C等[37]、Zhang G等[5]研究表明冰湖的时空变化与冰川的变化紧密相连，且海拔越高，冰湖的数量、面积的变化越大，呈现出显著的垂直变化差异。

总体而言，现有冰湖时空变化分析多是基于Landsat等中高分辨率遥感数据提取的冰湖信息开展的。受制于遥感数据源质量与冰湖信息提取算法性能，冰湖的制图精度及时间连续性存在不足从而对相关研究产生显著影响，尤其是制约了精细化的区域冰湖时空演变研究。

3.2 冰湖变化对全球气候变化的响应

冰湖变化是气候波动的产物，同时又反馈于气候变化，它们存在内在的响应机制。目前有关冰湖变化与气候变化之间响应机制的研究报道并不多见，对两者的关系研究主要集中于在进行冰湖时空变化差异分析时，探究其与气候变化之间的联系。如Hasnain S I[38]研究了气候变化背景下喜马拉雅山地区冰川与冰湖的变化，认为全球变暖背景下气温升高是该地区冰川和冰湖变化的主要驱动因素。Wu S[39]定量评价了喜马拉雅山容克西盆地冰川退缩与冰湖扩张变化，结果显示冰川呈现整体退缩、冰湖呈现整体扩张的趋势，结合气温和降水资料分析后发现，持续的升温是造成当前冰川退缩和冰湖扩张的主要驱动因素。王欣等在研究横断山冰川与冰湖时也表明气温上升是导致冰湖扩张的主要原因，同时表明受走廊屏障的影响，冰湖分布存在时空差异[31]。

总体而言，持续的升温可能是造成当前高亚洲冰川退缩和冰湖扩张的主要驱动因素，表现为冰湖数量的增加与面积的扩张，但是在气候变化影响背景下的冰湖时空变化具有明显的差异性。王欣等[31]，Zhang G等[5]系统研究冰川-冰湖-气候三者响应关系时表明，气温升高造成的母冰川融水是冰湖扩张的主要原因，并且研究了不同海拔高度下升温率不同造成冰湖的变化差异，有助于深入研究区域气候垂直变化及差异。同时Zhang G等在研究第三极冰湖时表明，面积较小的冰湖(<0.05 km2)变化速率最快，面积越小，对气候变化越敏感[5]。

上述研究均是通过冰湖面积及数量与气象站的气温、降水、蒸发之间的统计分析得出的结论。但是冰湖发育地区气象数据非常有限，且分布极为不均匀，难以精准地表示气候的变化，同时对局部区域的统计分析也不足以揭示其响应的科学规律。此外，冰湖水位、水量、水质的变化与气候变化之间有何关联，如何揭示冰湖全要素与气候变化之间的复杂响应规律还任重而道远。

4 总结与展望

本文回顾了高亚洲冰湖信息遥感提取的发展历程，系统总结了其时空演变及对气候变化响应等的研究成果，结果表明在遥感技术加持下，高亚洲冰湖研究发展快速，但其在数据源、分析方法，研究的完整性、系统性方面还需要进一步加强，主要包括以下几个方面：

1) 构建冰湖全要素智能提取与集成分析方法。现有冰湖形态信息提取多基于单一数据源和冰湖光谱特征进行，且多采用带有局部适用性的半自动方法提取轮廓边界。为了更为智能有效地获取冰湖边界和面积信息，基于多源观测数据(光学、SAR及Lidar)一体化处理、基于深度学习的冰湖高层次特征表达与全自动化提取方法成为未来冰湖遥感研究的重要方向。此外，现有冰湖水量、冰湖水质研究多基于局部区域开展，多数研究成果具有显著的地域特征，缺乏在大区域尺度的普适性研究成果。因此，发展高普适性的冰湖全要素感知技术，开展冰湖全要素智能集成分析是需要重点关注的研究方向。

2) 揭示冰湖-气候变化的复杂响应规律。大区域范围下冰湖-气候变化响应机制的统一规律有益于揭示全球气候变化趋势。但现有研究成果多是对局部区域的冰湖面积及数量与气象站的气温、降水、蒸发之间的简单线性分析得出的，粗分辨率气象数据与高分辨率识别的冰湖尺度无法匹配，且冰湖全要素与气候变化响应程度研究也存在诸多局限性，局部区域的简单统计分析不足以揭示其响应规律，开展大区域尺度下顾及尺度差异的冰湖全要素与气候变化之间的响应机制具有重要意义。

3) 探索多学科交叉的冰湖研究模式。冰湖遥感是冰湖研究的重要分支，此外其还涉及水文、灾害、大气、生态、化学等相关学科，通过加强相关学科的交叉融合，有助于增强其在水文、灾害等方面的应用能力，同时不同学科领域的发展又为冰湖遥感提供更多的应用机遇，开展多平台、多技术、多尺度、多过程的多学科交叉研究是冰湖遥感研究的必然趋势。