极地中心冰雪所极地多圈层研究团队在南极冰下湖自动检测领域获得最新进展

       当处于融化状态的冰流流过冰盖冰底的凹陷并以当地最小的水势聚集时，冰盖底部就会形成冰下湖（Subglacial Lakes）。在南极洲，第一个冰下湖的证据来自于20世纪60年代末在航空冰雷达中探测到的异常强烈、连续而平滑的基底反射层。目前，在南极冰盖下方已发现 600 多个冰下湖。冰下湖的水体迁移调节着冰盖底部的水文和生物地球化学循环，湖水形成的排水系统向下游输送大量的液态水和沉积物。因此，类似于冰芯记录，冰下湖也包含着丰富的冰盖历史和气候变化信息。冰下湖通常位于数千米厚的冰层之下，具有高压、低温、黑暗、寡营养等极端环境特征。作为地球系统的一个特殊组成部分，冰下湖可为微生物群落提供适宜的栖息地。这些微生物群落可能遵循着独特的进化路径，因而被看做是假定的地外生态系统的类似物。另外，越过接地线进入冰架下空腔的湖水可能改变冰架-海洋相互作用，进而引发海洋环流变异。因之，开展冰下湖研究对于我们理解冰盖动力学、沉积过程和冰下地球化学环境以及生命演化具有重要意义。目前，有关南极冰下湖的科学研究受到国际上的普遍关注，已有 3 个冰下湖被成功钻探取样，分别是位于东南极的 Vostok 冰下湖和位于西南极的 Whillans冰下湖、Mercer 冰下湖。

       冰下湖通常位于冰盖和基岩之间，其形成受到冰底压力、摩擦热、地热等因素的共同影响。航空或地面冰雷达探测是用来搜寻冰下湖并解析其结构的主要方法。在冰雷达图像中，冰下湖通常被记录为冰岩界面附近清晰、明亮且平坦的二维反射特征。早期有关冰下湖的发现主要来自于对冰雷达图像中的这些特殊视觉特征的判读与解译。随着冰雷达探测的深入发展，基于人工经验的自动或半自动判读方法受到了巨量数据的限制，在实际应用中变得繁复而费时。同时，由于受到主观因素的影响，产生了大量错误的判读。

图 1.  冰下湖检测的流程。（a）单道冰底反射特征提取；（b）变分自动编码器（VAE）；（c）冰底反射降维特征聚类；（d）冰下湖标记。

       最近，中国极地研究中心（中国极地研究所）（简称极地中心）冰雪所冰盖多圈层相互作用与气候变化研究团队联合中国地质大学（武汉）地球物理与空间信息学院傅磊教授团队与南方科技大学地球与空间科学系陈晓非教授团队，在地球科学和冰冻圈领域著名期刊 The Cryosphere (IF=5.2，以下简称 TC) 上发表了基于冰雷达图像与变分聚类自动检测冰下湖的研究论文《Deep clustering in subglacial radar reflectance reveals subglacial lakes》。该论文提出了一种针对冰雷达数据显示的冰底反射波形特征的变分自动编码分析方法，实现了对冰底单道雷达反射回波信号的分类。通过应用该方法对东南极 Dome A 南部甘布尔采夫山脉（Gamburtsev Subglacial Mountains） AGAP-S 区域的冰雷达图像进行的全面扫描表明，该区域存在许多基于传统方法未能识别的几何轮廓更为狭小的冰下湖。同时该方法也为解释诸如复结冰（Freeze-on Ice）等其他复杂冰底反射特征提供了可能。

图2. 变分自动编码器（VAE）从冰雷达图像中揭示的新冰下湖。其中，不同颜色的曲线表示对应的单道（竖向）雷达反射的聚类分类，橘黄线表示前人研究已标记的冰下湖，浅蓝色线表示通过新方法发现的冰下湖，红色箭头表示其他可能的冰底反射特征分类。

       研究利用 CReSIS 数据库中在甘布尔采夫山脉地区获取的冰雷达数据，通过扫描雷达图像提取出了冰-岩界面的大量一维反射波形特征。基于建立的反射波形数据库对本研究发展的冰下湖变分自动编码器（VAE）进行训练，实现了对单道冰岩界面反射特征的降维处理。而后，通过对降维后的特征进行聚类，成功实现了对冰底相似反射特征的分类与冰下湖识别。论文还讨论了VAE方法在检测已知冰下湖和发现新冰下湖方面的有效性，对已知湖进行了有效确认并检测出了之前未被检测出的大量冰下湖。同时，通过与现有冰下湖编目进行比较，验证了VAE方法的准确性。研究提供了一种自动检测冰下湖的VAE聚类新方法，可显著提高冰下湖检测的效率与精确度。此外，该方法有望能扩展到检测和标记更多的冰下环境类型，有潜力为冰盖内/底结构的深入研究提供更多支持。

       该 TC 论文的第一作者为中国极地研究中心与中国科学技术大学联合培养的博士研究生董晟，通讯作者为中国地质大学（武汉）地球物理与空间信息学院傅磊教授和中国极地研究中心、上海交通大学海洋学院（双聘教授）唐学远研究员。另外，中国科学技术大学地球和空间物理学院的李泽峰特任研究员、南方科技大学地球与空间科学系的陈晓非教授也参与了该研究。研究得到了国家自然科学基金(编号:42276257,41941006,41974044)和国家重点研发课题(编号:2021YFC2801404)的共同资助。

论文详情如下：

Dong, S., Fu, L., Tang, X., Li, Z., & Chen, X. (2024). Deep clustering in subglacial radar reflectance reveals subglacial lakes. The Cryosphere, 18(3), 1241-1257. Doi:10.5194/tc-18-1241-2024

来源：中国极地研究中心（中国极地研究所）