本研究利用高分辨率遥感与深度学习模型（GLA-STDeepLab模型），给出了2015—2023年松岛冰川的融化、崩解及流速变化，表明密集表面融水加速冰川崩解与流速，为全球气候变化研究，为预测冰川变化及应对提供了新的数据与方法支持。
近年来，松岛冰川作为西南极洲最大且退缩速度最快的冰川之一，吸引了众多科学家的关注。本研究结合高分辨率遥感数据和深度学习技术，揭示了2015—2023年期间冰川表面融化、冰架崩解及冰流速度的时空变化，为全球气候变化研究提供了重要的科学依据。
研究中引入GLA-STDeepLab深度学习模型，通过结合Transformer和卷积神经网络（CNN）架构，显著提升了对冰川动态特征的检测和分析能力。Transformer架构能够有效捕捉大范围的上下文依赖关系，而CNN则擅长处理局部特征，这种结合使得模型在处理复杂的时空数据时表现出色。GLA-STDeepLab模型能够自动化、高精度地检测冰川动态特征，大幅提升了分析效率和准确性。
主要结论
研究结果显示，2015—2023年松岛冰川前缘退缩了26.3 km，质量损失达1001.6 km2，冰流速显著增加，从10.9 到12.2 m/d。在2016—2017年和2019—2020年的融化季节，在松岛冰川观测到显著的表面融化现象。研究表明密集的表面融水对于松岛冰川流速和前缘崩解都有明显的促进作用，同时冰川崩解对于冰川运动也有显著的加速作用。同时研究发现冰川表面融化、冰架崩解和冰流速度的动态互动关系复杂，冰川系统的整体稳定性受到多重因素的综合影响。深入理解这些关系对于冰川动态变化和模型构建具有重要意义。
©作者文章|图基于GLA-STDeeLab获取的松岛冰川2015—2023年前缘信息动态变化图
©作者文章|图 松岛冰川2019—2020年表面融水高分辨率提取结果
©作者文章|图 松岛冰川冰流速与表面融水时空关联性分析
本研究不仅加深了对松岛冰川动态变化机制的理解，还为冰川与全球气候变化关系的进一步研究提供了宝贵的数据和方法支持。本研究成果对于预测全球气候变化对冰川的潜在影响具有重要意义，并进一步助力可持续发展目标13（SDG-13:气候行动）实现。后续研究仍应更深入探究冰川表面特征之间动态关联以及对其稳定性的深层次影响。
全文免费下载
https://www.sciencedirect.com/science/article/pii/S1674927824001114
朱琦 博士研究生
简介：目前就读于中国科学院空天信息创新研究院。主要研究方向为冰冻圈遥感、人工智能及可持续发展（SDGs）。
张露 副研究员
简介：中国科学院空天信息创新研究院副研究员，主持和参与了国家自然基金重大、重点、面上，国家重点研发、973等多项相关国家、省部级项目20余项，主要研究方向为雷达遥感、冰冻圈遥感和可持续发展（SDGs）。
●李颖芳等. 空气质量改善政策背景下未来复合极端事件风险或将加剧
●叶玉芳等. 北极海冰体积通量的遥感监测及其与CMIP6模式的对比研究
●周文婷等. 青藏高原中部多年冻土热融沉陷引起土壤有机碳损失超一半
《气候变化研究进展》创刊于2005年5月
由中国气象局主管、国家气候中心主办
中国科技核心期刊（CJCR）
《中国科学引文数据库》（CSCD）核心期刊
《中文核心期刊要目总览》第6版之大气科学类核心期刊
《气候变化研究进展》2023影响因子2.1887
《Advances in Climate Change Research》被SCI收录
ACCR 2023影响因子6.4
长按扫描二维码，
公众号ID：accr_journal
Email: accr@cma.gov.cn
本文部分图片来源于网络，版权归原作者所有。
如对版权问题有疑问，请联系：accr@cma.gov.cn。
我们会尽快处理，谢谢！
