武汉大学中国南极测绘研究中心依托我国风云三号E星（FY-3E）GNOS-R载荷观测数据，结合随机森林算法构建了多特征融合的格陵兰冰盖表面融化检测模型，实现了对格陵兰冰盖表面冻融过程的时空动态反演。该研究为多源遥感数据的复杂场景分类提供了兼具物理可解释性与计算效率的解决方案，对完善气候系统模式输入参数、提升海平面上升预测精度具有重要科学意义。相关研究成果发表于地学与遥感领域国际期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》（影响因子：6.3），博士生陈亮宇为论文第一作者，安家春副教授为通讯作者，合作者包括王泽民教授、张保军副教授、硕士生高晶鑫。

格陵兰冰盖是全球海平面上升的核心贡献源之一，其表面融化过程是极地气候系统对全球变暖响应的敏感指标。传统冰盖融化监测主要依赖被动微波辐射计，空间分辨率约25公里。作为新兴的L波段遥感技术，GNSS-R具备公里级空间分辨率、全天候观测能力以及对表层液态水的高敏感性，为冰盖融化精细化监测提供了全新路径。然而，现有GNSS-R融化检测多采用单一反射率阈值法，检测精度有限且缺乏对物理机制的系统阐释。本研究采用国产星载GNSS-R载荷FY-3E GNOS-R的延迟多普勒图（DDM），以格陵兰冰盖为研究区，创新性地融合功率类、波形类、几何约束与空间位置四类特征参数，构建了基于随机森林算法的冰盖冻融反演模型。研究通过多特征参数融合迭代，最终筛选出效果最优的模型构建方案。研究团队采用SMOTE过采样技术解决融化样本占比偏低的类别不平衡问题，并基于NSIDC多传感器被动微波亮温数据，通过亮温日较差法（DAV）制作了格陵兰冰盖冻融状态参考数据集，其可靠性经气象站实测数据验证。

通过六组特征子集的对比实验，证实特征维度的增加与物理意义的互补可显著提升模型性能。最优模型多项评价指标超过96%，整体精度达98.22%，在保持与传统微波辐射计相当检测精度的同时，将空间分辨率从25公里提升至5-6公里，实现了格陵兰冰盖冻融过程的高分辨率动态反演。分层验证结果显示，模型在冰盖关键物质损失的消融区精度达95.6%，在以干雪为主的非消融区精度达98.5%，全冰盖范围内检测结果稳定可靠。

此外，通过对不同参数类型进行组合实验，本研究进一步探讨了冰盖表面融化过程中入射角对散射机制和特征响应的调控作用。其物理本质在于，在不同入射角下GNSS信号在干雪和湿雪间的介电损耗、介电均匀性存在差异。该发现为冰冻圈GNSS-R反演的参数选型与场景适配提供了物理依据。

论文信息：Chen, L., An, J., Wang, Z., Zhang, B., & Gao, J. (2026). Measuring Greenland ice sheet melt based on GNSS-R and random forest using FengYun-3E GNOS-R. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,19, 17478-17492, 2026. https://doi.org/10.1109/JSTARS.2026.3694071

供稿：陈亮宇、安家春；排版：柳思怡；审核：周春霞、孔建