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。

本报讯 近日，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。该研究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”。研究成果以“季节性主导全球湖泊水域面积动态”为题，在线发表在《自然》（Nature）期刊上。

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。

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”及云计算平台，累计消耗计算资源超八万个机时，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。

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。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。

龙笛为该论文的通讯作者，水利系博士生李洛祺为第一作者。

（水利系）