“你看，不同时段、不同位置的冰湖变化都能看见。”2月2日下午，中国科学院成都山地灾害与环境研究所研究员聂勇指着实验室的一台电脑屏幕说。他轻点鼠标，文件夹中逐一呈现出雅弄冰川（来古冰川）、然乌地区的冰湖影像，每一张都清晰地展现在记者眼前。

　　冰湖动态的智能监测，得益于一项基于人工智能精准提取冰湖信息的新技术。近期，聂勇团队在《Journal of Hydrology》期刊上发表题为《一种用于冰湖制图的先进深度学习框架及其在兴都库什—喀喇昆仑—喜马拉雅地区的应用》的科研成果。该成果构建了一套用于冰湖自动提取的深度学习框架，为大范围冰湖动态监测和灾害风险预警提供了技术支撑。

　　冰湖是由冰川作用形成的特殊湖泊，既是重要的淡水资源，也可能因溃决引发洪水等灾害。因此，及时准确掌握其变化至关重要。然而，冰湖监测长期面临严峻挑战。

　　冰湖数量多，传统地面监测方式难以实现全面覆盖。以聂勇团队重点研究的兴都库什—喀喇昆仑—喜马拉雅（HKH）地区为例，该区域分布着数千个冰湖，若采用人工勾绘等传统遥感制图方式，不仅劳动强度大、效率低，研究覆盖范围也会受限。

　　更为关键的是，当地复杂的地形地貌、气候等自然条件，制约了冰湖遥感自动制图的精度。“例如，HKH地区的藏东南山区气候多变，受云层、阴影、季节性积雪等因素干扰，常规的自动识别方法很难持续获取可靠的冰湖数据。”团队成员吕其元说。

　　精准的数据是冰湖溃决风险评估的核心基础。如何提升制图精度？5年前，聂勇团队便开始尝试将人工智能与遥感大数据分析相结合，探索冰湖调查的新路径。团队依托前期科研积累，利用高时间分辨率光学卫星影像数据，引入AI深度学习大模型，最终研发出一套冰湖遥感自动制图方法。

　　该方法有何特别之处？“从数据收集到分析，基本上实现了数字化与自动化的协同，效率和精度都得到了提升。”聂勇说。卫星可连续观测冰湖动态变化，AI模型能自动识别这些变化，并智能剔除云层、阴影等干扰信息，清晰呈现冰湖的真实轮廓及其变化趋势。在此基础上，科研人员仅需进行有限校正，就能准确掌握冰湖的变化情况。

　　基于该技术，研究团队对2000—2022年HKH地区的冰湖进行了系统评估。结果显示，该时段内冰湖数量和面积均显著增长，尤其是与冰川相连的冰湖扩张最为明显。这直接印证了气候变暖导致冰川加速消融的趋势。

　　与传统方法相比，新技术实现了效率与精度的双重提升。以绘制HKH地区约80万平方公里的冰湖分布图为例，所需时间从以往的至少1年缩短至1个月，自动识别的准确率超过90%。这为构建冰湖溃决早期预警体系奠定了坚实的数据基础。

　　目前，这项科研成果正从实验室逐步向实际应用转化。在西藏、新疆、四川西部等高寒山区，相关技术可为重大工程的选址和建设提供科学参考，有效降低冰湖灾害带来的风险。

　　聂勇表示，团队正持续整合数据资源，计划研发一套冰湖实时监测预警系统App及配套小程序，力争实现灾害风险早发现、早应对，用科技创新提升防灾减灾能力。