近日，清华大学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。该团队开发了一种基于深度学习的遥感大数据融合技术，实现了全球140万个面积大于0.1平方千米的湖泊在月尺度、30米空间分辨率下的水域面积连续监测。研究发现，季节性变化是主导全球湖泊水域面积动态的最核心机制，其空间分布与全球人口分布高度一致，反映出人类活动与湖泊季节性水文过程间紧密的耦合关系。

湖泊不仅是全球水文循环与生态系统的重要组成部分，还深刻影响碳循环、温室气体排放和人类水资源安全。长期以来，科研界在湖泊变化研究中多关注长期趋势和年际波动，而对季节性动态的系统刻画不足。现有权威数据集如欧盟委员会联合研究中心2016年发布在《自然》上的Global Surface Water（GSW）数据集，为全球湖泊变化提供了重要参考，但在时空连续性与季节性动态监测方面存在不足。

为解决这一关键瓶颈，龙笛教授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，借助高性能计算集群和云计算平台，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（图1）。该数据集在用户精度（93%）与生产者精度（96%）方面表现优异，缺值面积占比从GSW数据集的34%下降至1.2%，显著提升了湖泊动态监测的可用性与科学性。

图1.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

研究显示，全球66%的湖泊总面积和59%的湖泊数量，其水域面积动态以季节性变化为主导（图2）。更为重要的是，这一季节性主导分布格局与全球人口分布之间存在高度耦合关系──全球90%以上人口居住在以季节性主导湖泊为主的流域。这一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，预示着湖泊水文过程正日益受季节性极端事件与人为调控的双重驱动。此外，研究发现季节性极端事件可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。

图2.季节性主导全球约140万湖泊的水域面积动态

该研究不仅在科学认识上取得关键突破，也在遥感大数据处理与人工智能方法论方面具有重要推动作用，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”。

相关研究成果以“季节性主导全球湖泊水域面积动态”（Global dominance of seasonality in shaping lake-surface-extent dynamics）为题，于5月28日发表于《自然》（Nature）。

清华大学水利系博士生李洛祺为论文第一作者，龙笛为论文通讯作者。合作者包括清华大学博士生王一鸣和英国班戈大学教授伊斯特恩·伍尔韦（R. Iestyn Woolway）。

研究得到国家自然科学基金和第二次青藏高原综合科学考察研究等项目的资助。