武汉大学中国南极测绘研究中心基于深度学习技术，成功实现了对南极周边近10万座冰山高度的自动提取，揭示了其大规模的空间分布规律。该成果为南极冰山的动态监测提供了新的技术路径和关键数据支持。相关研究成果已在国际知名期刊《International Journal of Digital Earth》发表，硕士研究生周梓童、李讴彤为论文第一作者，艾松涛教授为论文通讯作者。

冰山高度是估算冰山体积、淡水通量及其对海洋环流影响的重要参数。传统观测方法受限于覆盖范围有限、时间分辨率低、人工干预成本高等因素，难以满足大规模、精细化监测的需求。研究团队创新性地以高分辨率光学卫星影像为数据源，引入深度学习模型实现冰山阴影的精确提取，并构建冰山阴影长度与高度的几何反演模型，实现了大规模的冰山高度反演。研究团队成功获取了南极大陆周边近10万座冰山的高度信息，并据此绘制了环南极冰山分布点密度图，揭示了该地区冰山高度的详细分布模式。

环南极冰山高度分布点密度图

论文链接：Zhou, Z., Li, O., Ai, S., Chu, X., & Ali Shah, S. (2025). Antarctic iceberg freeboard retrieval via deep learning from optical satellite imagery. International Journal of Digital Earth, 18(1). 

（https://www.tandfonline.com/doi/full/10.1080/17538947.2025.2548005）

供稿：李讴彤；排版：王月云；审核：艾松涛、周春霞