武汉大学中国南极测绘研究中心艾松涛教授课题组在青海湖布哈河流域冰川变化监测与建模研究方面取得新进展。相关研究成果以“Remote Sensing and Graph Neural Network Reveal Past and Future Glacier Changes in Buha River Basin (1966–2100)”为题发表在遥感领域国际期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》（IF: 5.3）。论文第一作者为博士研究生褚馨德，通讯作者为艾松涛教授，合作者包括中心博士后Shoukat Ali Shah、博士生袁寒箫、胡昌宏和硕士生金雅璇。

 

布哈河是青海湖流域的重要补给河流，其源区冰川对区域水资源补给和生态环境稳定具有重要意义。受气候变化影响，青藏高原东北缘冰川持续退缩，但布哈河流域冰川长期变化过程、空间分异特征及其演化机制仍缺乏系统认识。该研究综合多期遥感影像、冰川编目和数字高程模型（DEM），提取了1966-2022年布哈河流域不同时期的冰川边界，系统分析冰川面积、数量、长度和体积等特征变化。

 

在此基础上，研究提出融合图神经网络与长短期记忆网络的CryoGTM模型，将流域内冰川抽象为图结构节点，并利用冰川之间的空间邻近关系构建连接，从而刻画流域尺度冰川面积变化的时空演化过程。该模型不仅关注单个冰川的变化趋势，也引入冰川之间的空间关联信息，为流域冰川变化模拟提供了新的建模方法。

研究发现，布哈河流域冰川在研究期内整体呈持续退缩趋势，冰川面积、体积和平均长度均明显下降。同时，冰川数量有所增加，表明部分较大冰川在退缩过程中发生分裂，形成更多小规模冰川。

模型对比结果表明，CryoGTM能够较好地模拟历史时期冰川面积变化，在表达冰川空间联系和时间演化方面具有较好的适用性。与传统物理模型和普通神经网络模型相比，该方法能够利用冰川之间的空间关联信息，为区域冰川变化建模提供了一种有效工具。该研究为青海湖布哈河流域冰川变化监测和流域水资源评估等提供了重要参考。研究得到国家重点研发计划和湖北省国际科技合作等项目资助。

论文信息：Chu, X., Shah, S. A., Yuan, H., Jin, Y., Hu, C., & Ai, S. (2026). Remote sensing and graph neural network reveal past and future glacier changes in Buha River Basin (1966–2100). IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 19, 18123–18139. https://doi.org/10.1109/JSTARS.2026.3693741

供稿：褚馨德；排版：王月云；审核：艾松涛、周春霞、孔建