近日，清华大学水利水电工程系教授龙迪团队在全球地表水遥感监测研究方面取得重要进展。团队研究成果成功揭示了全球数百万湖泊水域的多尺度动态和季节性主导机制，打破了长期困扰遥感水文界的“时空”衡量瓶颈，推动全球湖泊遥感监测从“静态观测”向“高精度动态分析”迈进

相关研究成果以“季节性主导全球湖泊水域动态”问题在线发表在《自然》上。

长期以来，国际科研界更加关注湖泊变化的长期趋势和年际起伏，对季节性动态的系统描述不足。目前，权威数据集为世界湖泊变化提供了重要参考，但在时空可持续性和季节性动态监测方面存在不足。

处理湖泊动态监测不足的关键瓶颈，龙笛团队创新构建了结合MODIS卫星传感器时间分辨率优势和GSW空间分辨率优势的深度学习遥感大数据结合框架，借助清华大学高性能计算集群“探索1000”和云计算平台，累计消耗8万多台计算资源，高效完成遥感大数据处理和深度学习模型培训，建立了时空分辨率最高、覆盖范围最广、可持续性最强的全球湖泊水域时序数据集，完成了月规模和30米空间分辨率下约140万湖泊的连续监测。

简单来说，如果把卫星遥感比作拍摄地球的“太空相机”，过去拍摄的照片要么分辨率不足，要么连续性不足。如今，团队创造了基于人工智能的数据时空与“导演”相结合，将不同的卫星数据整合成超清晰流畅的地球湖“连续剧”，首次实现了全球数百万湖的精准动态监控。

基于这些数据，研究小组有了新的发现：研究表明，全球66%的湖泊总面积和60%的湖泊数量以季节性变化为主。更重要的是，本季节性主导的分布格局与世界人口分布高度耦合——世界上90%以上的人口都生活在季节性主导的湖泊流域。

该发现揭示了人类活动区域与水文季节性变化之间的深层联系。这意味着湖泊的水文过程越来越受到季节性极端事件和人为监管的多重驱动。例如，农田灌溉、工业和生活用水的季节性需求变化可能会直接影响湖泊的“变化”节奏。

此外，研究还发现，季节性极端事件可以在短期内显著放大或抵消过去几十年湖泊的长期趋势。该机制为了解极端气候事件对湖泊生态系统和水资源安全的影响提供了科学论证，也为未来制定湖泊温室气体通量估算、生态生态保护和极端水文事件响应策略提供了理论支持。

该研究不仅在理解上取得了关键突破，而且在遥感大数据处理和人工智能方法论方面发挥了重要作用，打破了长期困扰遥感水文产业的“时间空间”衡量瓶颈，推动全球湖泊遥感监测从“静态观测”向“高精度动态分析”转变。