清华团队重要突破！Nature+1

近日，清华大学水利水电工程系龙笛教授团队在全球地表水体遥感监测研究中取得重要进展，揭示全球百万湖泊水域面积的多尺度动态与季节性主导机制，在世界范围内打破了长期困扰遥感水文界的“时间‒空间”权衡瓶颈，推动全球湖泊遥感监测从“静态观测”迈入“高精度动态解析”。相关研究成果以《季节性主导全球湖泊水域面积动态》(Global dominance of seasonality in shaping lake-surface-extent dynamics)为题在线发表于《自然》(Nature)。

Nature网站论文截图

突破全球技术瓶颈 实现“最高、最广、最强”

湖泊不仅是全球水文循环与生态系统的重要组成部分，还深刻影响碳循环、温室气体排放和人类水资源安全。长期以来，科研界在湖泊变化研究中更多地关注长期趋势和年际波动，而对季节性动态的系统刻画不足。现有权威数据集如欧盟委员会联合研究中心2016年发布在《自然》上的Global Surface Water(GSW)数据集，为全球湖泊变化提供了重要参考，但在时空连续性与季节性动态监测方面存在不足。

面对这一全球性挑战，清华研究团队长期以来深耕高时空分辨率卫星遥感数据融合理论与方法，结合人工智能和云计算等新一代信息技术开展研究。同时，团队曾多次深入青藏高原腹地开展实地考察，基于实地观测和遥感分析，揭示了该地区中大型湖泊在21世纪初的快速扩张规律。长期的深入研究和多次科考经历不仅使研究团队加深了对湖泊多尺度动态的理解，也奠定了后续在全球尺度开展工作的方法和技术基础。

龙笛(右四)团队前往青藏高原开展科学考察

在全球尺度上，为解决湖泊动态监测不足的关键瓶颈，研究团队创新性地构建了一套融合MODIS卫星传感器时间分辨率优势与GSW空间分辨率优势的深度学习遥感大数据融合框架，借助清华大学高性能计算集群“探索1000”(配备超5万个CPU处理器核)及云计算平台，累计消耗计算资源超8万个机时，高效完成了遥感大数据处理与深度学习模型训练，构建了迄今为止时空分辨率最高、覆盖范围最广、连续性最强的全球湖泊水域面积时序数据集，实现了对全球约140万个湖泊在月尺度、30米空间分辨率下的水域面积连续监测。

Nature编辑对这项研究工作如是评价：“(该研究)对湖泊水域面积这一经典议题进行了全新审视，发现季节性变化对湖泊面积的影响远超预期。”

基于深度学习的遥感大数据时空融合实现全球百万湖泊的高分辨率水域面积连续监测

简单来说，如果将卫星遥感比作拍摄地球的“太空相机”，以往拍出的照片不是分辨率不足，就是连续性不够。现在，团队创造了一种基于人工智能的数据时空融合“导演”，将不同卫星数据融合成高清流畅、无断档的地球湖泊“连续剧”，首次实现了全球百万湖泊的精准动态监测。

值得一提的是，该数据集的用户精度可达93%，生产者精度高达96%，缺值面积占比从GSW数据集的34%下降至1.2%，显著提升了湖泊动态监测的可用性与科学性。

推动全球湖泊遥感监测

告别“静态观测”，迎来“高精度动态解析”

基于该数据集，研究团队有了新发现：研究显示，全球66%的湖泊总面积和60%的湖泊数量，其水域面积动态都以季节性变化为主导。更为重要的是，这一季节性主导的分布格局与全球人口分布之间存在高度耦合关系——全球90%以上的人口，都居住在以季节性主导湖泊为主的流域。

这项发现，从全球尺度上揭示了人类活动区域与水文季节性变化之间的深层联系。它预示着，湖泊水文过程正日益受到季节性极端事件和人为调控的双重驱动。比如，农业灌溉、工业和生活用水的季节性需求变化，都可能直接影响到湖泊的“变化”节奏。

此外，研究还发现，季节性极端事件可以在短期内显著放大或抵消湖泊几十年来的长期趋势。这一机制为理解极端气候事件对湖泊生态系统和水资源安全的冲击提供了科学依据，也为未来湖泊温室气体通量估算、生态生境保护及极端水文事件响应策略的制定提供了理论支撑。

季节性主导全球约140万湖泊的水域面积动态

该研究不仅在科学认识上取得关键突破，也在遥感大数据处理与人工智能方法论方面具有重要推动作用，打破了长期困扰遥感水文界的“时间‒空间”权衡瓶颈，推动全球湖泊遥感监测从“静态观测”迈入“高精度动态解析”。

团队参加国际会议合影

清华大学水利系博士生李洛祺为论文第一作者，龙笛为论文通讯作者。合作者包括清华大学水利系博士生王一鸣和英国班戈大学教授伊斯特恩·伍尔韦(R. Iestyn Woolway)。该研究获得国家自然科学基金和第二次青藏高原综合科学考察研究等项目资助。

免责声明：本文不构成任何商业建议，投资有风险，选择需谨慎！本站发布的图文一切为分享交流，传播正能量，此文不保证数据的准确性，内容仅供参考

关键词：