近日，清華大學水利水電工程系龍笛教授團隊在全球地表水體遙感監測研究中取得重要進展，揭示全球百萬湖泊水域面積的多尺度動態與季節性主導機制，在世界范圍內打破了長期困擾遙感水文界的“時間?空間”權衡瓶頸，推動全球湖泊遙感監測從“靜態觀測”邁入“高精度動態解析”。相關研究成果以《季節性主導全球湖泊水域面積動態》(Global dominance of seasonality in shaping lake-surface-extent dynamics)為題在線發表于《自然》(Nature)。

Nature 網站論文截圖

　　湖泊不僅是全球水文循環與生態系統的重要組成部分，還深刻影響碳循環、溫室氣體排放和人類水資源安全。長期以來，科研界在湖泊變化研究中更多地關注長期趨勢和年際波動，而對季節性動態的系統刻畫不足。現有權威數據集如歐盟委員會聯合研究中心2016年發布在《自然》上的Global Surface Water(GSW)數據集，為全球湖泊變化提供了重要參考，但在時空連續性與季節性動態監測方面存在不足。

　　面對這一全球性挑戰，清華研究團隊長期以來深耕高時空分辨率衛星遙感數據融合理論與方法，結合人工智能和云計算等新一代信息技術開展研究。同時，團隊曾多次深入青藏高原腹地開展實地考察，基于實地觀測和遙感分析，揭示了該地區中大型湖泊在21世紀初的快速擴張規律。長期的深入研究和多次科考經歷不僅使研究團隊加深了對湖泊多尺度動態的理解，也奠定了后續在全球尺度開展工作的方法和技術基礎。

　　在全球尺度上，為解決湖泊動態監測不足的關鍵瓶頸，研究團隊創新性地構建了一套融合MODIS衛星傳感器時間分辨率優勢與GSW空間分辨率優勢的深度學習遙感大數據融合框架，借助清華大學高性能計算集群“探索1000”(配備超5萬個CPU處理器核)及云計算平臺，累計消耗計算資源超8萬個機時，高效完成了遙感大數據處理與深度學習模型訓練，構建了迄今為止時空分辨率最高、覆蓋范圍最廣、連續性最強的全球湖泊水域面積時序數據集，實現了對全球約140萬個湖泊在月尺度、30米空間分辨率下的水域面積連續監測。

　　Nature 編輯對這項研究工作如是評價：“(該研究)對湖泊水域面積這一經典議題進行了全新審視，發現季節性變化對湖泊面積的影響遠超預期。”

基于深度學習的遙感大數據時空融合實現全球百萬湖泊的高分辨率水域面積連續監測

　　簡單來說，如果將衛星遙感比作拍攝地球的“太空相機”，以往拍出的照片不是分辨率不足，就是連續性不夠。現在，團隊創造了一種基于人工智能的數據時空融合“導演”，將不同衛星數據融合成高清流暢、無斷檔的地球湖泊“連續劇”，首次實現了全球百萬湖泊的精準動態監測。

　　值得一提的是，該數據集的用戶精度可達93%，生產者精度高達96%，缺值面積占比從GSW數據集的34%下降至1.2%，顯著提升了湖泊動態監測的可用性與科學性。

　　基于該數據集，研究團隊有了新發現：研究顯示，全球66%的湖泊總面積和60%的湖泊數量，其水域面積動態都以季節性變化為主導。更為重要的是，這一季節性主導的分布格局與全球人口分布之間存在高度耦合關系——全球90%以上的人口，都居住在以季節性主導湖泊為主的流域。

　　這項發現，從全球尺度上揭示了人類活動區域與水文季節性變化之間的深層聯系。它預示著，湖泊水文過程正日益受到季節性極端事件和人為調控的雙重驅動。比如，農業灌溉、工業和生活用水的季節性需求變化，都可能直接影響到湖泊的“變化”節奏。

　　此外，研究還發現，季節性極端事件可以在短期內顯著放大或抵消湖泊幾十年來的長期趨勢。這一機制為理解極端氣候事件對湖泊生態系統和水資源安全的沖擊提供了科學依據，也為未來湖泊溫室氣體通量估算、生態生境保護及極端水文事件響應策略的制定提供了理論支撐。

季節性主導全球約140萬湖泊的水域面積動態

　　該研究不僅在科學認識上取得關鍵突破，也在遙感大數據處理與人工智能方法論方面具有重要推動作用，打破了長期困擾遙感水文界的“時間?空間”權衡瓶頸，推動全球湖泊遙感監測從“靜態觀測”邁入“高精度動態解析”。

　　清華大學水利系博士生李洛祺為論文第一作者，龍笛為論文通訊作者。合作者包括清華大學水利系博士生王一鳴和英國班戈大學教授伊斯特恩·伍爾韋(R. Iestyn Woolway)。該研究獲得國家自然科學基金和第二次青藏高原綜合科學考察研究等項目資助。