53.精选文章 |【JH】中国地质大学：冻融之间，湖变万象，热喀斯特湖泊的空间年际变奏！

文章简介

英文题目：Spatial analysis of interannual changes in thermokarst lakes across the Qinghai-Tibet Plateau with Time-Series SAR imagery

中文译名：基于时间序列SAR图像的青藏高原热喀斯特湖泊年际变化空间分析

发表时间：2025年4月

发表期刊：Journal of Hydrology

第一作者：Qikai Shen  et al

第一单位：中国地质大学

DOI：10.1016/j.jhydrol.2025.133269

精选理由：青藏高原多年冻土区因气候变暖呈现出热喀斯特湖泊持续扩张的趋势，但湖泊季节性“冻-融”变化使得准确监测年际变化存在挑战。本文提出基于“冻融”转换点的时间序列SAR图像分析方法，结合改进U-Net（引入CBAM注意力机制）算法，实现了青藏高原2015–2022年热喀斯特湖泊年际变化的高精度提取（F1值达0.92）。研究表明，2015至2022年间热喀斯特湖泊面积显著增加，2019年达到最大面积，2020年湖泊数量最多，呈现显著空间异质性特征。此外，湖泊变化与地表温度呈强相关性，而与降水和蒸散量相关性较低。该研究不仅提升了湖泊遥感监测的准确性，也为理解高寒区水文过程及其气候响应机制提供了新路径。

摘 要

青藏高原气候变化导致多年冻土区热喀斯特湖泊广泛发育。青藏高原多年冻土区气温和降水的季节性变化影响着热喀斯特湖泊的年内状态。热喀斯特湖泊年内的季节性变化对准确捕捉年际变化提出了挑战。为了准确获取热喀斯特湖泊的年际变化信息，本研究提出了一种基于“解冻—冻结”转变点和时间序列SAR图像的热喀斯特湖泊年际变化捕捉方法。该方法识别了整个青藏高原热喀斯特湖泊的“解冻—冻结”转变点，确保每个湖泊处于相似的热状态，并提出了一种改进的基于U-net的热喀斯特湖泊提取算法。该算法利用过渡点和SAR图像的极化、统计和时间特征，准确捕捉热喀斯特湖泊的多年变化。研究获得了2015年至2022年热喀斯特湖泊的范围和年际变化，精度达到91.01%，F1得分为0.92。变化提取结果揭示了青藏高原热喀斯特湖泊变化的空间异质性。进一步探讨了地表温度、降水和蒸散量对热喀斯特湖泊变化的影响。分析表明，热喀斯特湖泊面积变化与地表温度的相关性较高，而与降水量和蒸散量变化的相关性相对较低。

1

研究要点

1. 引入“冻融”节点，精准提取年际变化

研究提出以每年“冻融”过渡时点作为统一热状态参考，规避季节性误差，实现湖泊年际变化的高精度提取。

2. 多源特征融合，改进湖泊识别模型

通过构建极化特征、统计特征及时间序列特征集，结合CBAM注意力机制改进U-Net模型，极大提升了SAR图像下湖泊提取的准确性。

3. 揭示湖泊变化驱动因子

分析表明，湖泊面积变化与地表温度高度相关，而与降水和蒸散量相关性相对较弱，提示高寒区湖泊变化对气温更为敏感。

02

研究总结

1. 热喀斯特湖泊显著扩张，空间异质性明显

2015–2022年间，青藏高原热喀斯特湖泊面积显著增长，变化峰值分别出现在2019（面积）和2020（数量），呈明显区域差异。

2. 高精度遥感提取技术支撑动态分析

改进U-Net结合“冻融”节点的提取策略，使得年际尺度上的热喀斯特湖泊动态监测实现精度新突破（F1=0.92）。

3. 提出未来研究展望，指向模型集成与因子定量分析

研究指出当前时间序列较短、因子分析不够深入，建议未来融合水文模型与长时序数据，推进热喀斯特湖泊变化预测建模。

研究图表

E N D

【获取方式】

（提示：关键字要完整）

温馨提示

声明：本推送文章来源于公开渠道，我们已注明相关信息来源，版权归原作者或出处所有。本推文仅用于学术交流和信息分享，无商业用途。如有侵权，请联系删除。

以上内容为韦丰小编个人论文阅读笔记，内容摘录自原文，中文翻译部分源自AI，如有翻译不准确或详细内容请查阅原始文献。感谢大家花时间阅读本文，小编水平有限，如有错误之处，敬请指正！