学院动态：机器学习算法在格陵兰冰盖表面冰面湖提取过程中的首次应用

       中山大学测绘科学与技术学院极地遥感团队和北京师范大学全球变化与地球系统科学院科研人员合作，首次基于机器学习的热门算法-卷积神经网络（CNN）提取了格陵兰岛西南部（68°00′N‒70°00′ N, 48°00′ W‒51°30′ W）冰盖表面2014年-2018年的冰面湖，并对其在五年间的年际变化进行了分析。这是机器学习在极地遥感的重要应用，该成果于近日发表于高水平期刊。

       格陵兰冰盖是仅次于南极冰盖的第二大冰盖，若它完全融化，会导致全球海平面升高6米左右，所以其物质平衡对全球气候变化有重要影响。每到融化季节，格陵兰冰盖表面的融水会聚集和流动形成包括冰面湖、表面径流、冰裂隙和锅穴等要素在内的水文系统（图1左所示）。其中，冰面湖（图1右所示）中的融水量多，存储时间相对较长，是水文系统中最易识别和最具代表性的要素。通过提取格陵兰冰盖表面的冰面湖，可以探究冰盖表面融化情况，从而进一步对冰盖物质平衡进行评估。

图1.冰盖表面水文系统（左）和冰面湖（右）

       格陵兰岛约4/5的区域位于北极圈内，实地测量数据获取有限，所以遥感卫星数据成为科学研究的主要数据基础。论文通讯作者、中山大学测绘科学与技术研究院程晓教授指出“传统提取冰面湖水体的方法主要基于人为定义特征（不同波段组合和水体指数）的阈值，它们依赖先验知识，在研究区域变化时缺乏泛化性能。随着人工智能在其他遥感领域越来越广泛的应用趋势，我们也想探索利用机器学习提取冰面湖的可能性。”

       研究结果显示，从2014年到2015年，冰面湖的数量和面积都显著增加，随后持续减少，在2018年达到最低值（图2所示）。2015年的冰面湖总面积（393平方千米）和数量（700个）都是五年内的最大值，而2018年的冰盖表面融化最不活跃，仅有397个冰面湖，总面积为159平方千米。在空间上，研究范围南北两个区域的年际增减趋势相反；在高程上，五年间的冰面湖在1000米-1500米的范围内分布最多，其中2016年冰面湖的平均海拔最高。值得一提的是，本研究提取的面积最大的单个冰面湖也出现在2016年，结合高程信息的分析，这个发现与前人研究的结论（分布在较高海拔的冰面湖面积也较大）相符合。

图2.2014年-2018年的冰面湖详细信息

       依据较好的泛化性能，本研究的方法有望被应用到更大的研究区域，为冰面湖的提取和冰盖物质平衡的研究提高效率和准确性。在未来，机器学习算法将会被应用到更多的极地遥感科学研究中，为全球气候变化的监测和探究提供技术支持。

论文链接：

https://www.mdpi.com/2073-4441/12/3/891/htm