新藏交通廊道是连接新疆和西藏的重要交通工程，其沿线山地冰川变化具有潜在的致灾效应，对下游工程设施建设及安全运营构成威胁。目前，新藏交通廊道区域的冰川变化特征及其工程影响尚不清楚。本文结合多源遥感数据产品，分析了2000—2020年冰川数量、面积、流速及物质平衡等关键要素的变化特征，探讨了冰川变化对新藏铁路工程的潜在影响。结果表明：（1）近年来新藏交通廊道区域冰川退缩显著，2009—2020年间冰川数量增加474条，但面积减少801.92 km2；2000—2020年间冰川流速整体由8.66 m⋅a-1下降至3.31 m⋅a-1，年平均物质平衡整体为（-0.1±0.02） m w.e.⋅a-1；（2）普兰至定日沿线的冰川退缩最为严重，物质平衡达到-0.46 m w.e.⋅a-1，该路段冰湖规模也相对较大，未来新藏铁路工程建设应充分评估冰湖溃决洪水（glacial lake outburst flood， GLOF）等灾害风险；（3）和康至日土沿线分布有8条具备潜在影响的跃动冰川，其中4条冰川末端在2009—2020年间发生前进，速率介于4.35~51.71 m⋅a-1，其中5Y642Q0027冰川末端流速在近年来明显加快，需对这4条跃动冰川开展长期动态监测。本文研究可为新藏铁路规划选线和冰川灾害风险评估提供参考。
在全球气候变暖背景下，青藏高原冰川消融、冻土退化加剧，释放了大量的融水，对区域湖泊水量变化产生了重要影响。然而，当前对冰川与冻土融水在区域湖泊水量变化中的综合影响仍缺乏系统认识，限制了其未来演化趋势对区域水文效应的影响评估。因此，本研究以新藏交通廊道沿线的阿克赛钦流域为研究区，基于时序InSAR方法反演了流域内的冻土形变特征，进而估算了流域冻土地下冰融水释放速率，并结合基于冰面高程变化估算的冰川融水释放结果，探究了冰川与地下冰融水对区域湖泊水量变化的相对贡献。研究表明，阿克赛钦流域在2015—2020年间总水量变化约为0.0193 Gt⋅a-1。流域内多年冻土区整体呈沉降趋势，平均沉降速率约为-2.00 mm⋅a-1，平均季节幅度约为3.70 mm。流域内地下冰融水释放速率约为（-0.0043±0.0012） Gt⋅a-1，对湖泊水量变化的贡献率为22.28%。流域内冰川融水的释放速率是地下冰融水的10.70倍，其年均速率约为-0.046 Gt⋅a-1，对湖泊水量变化的贡献率为238.34%。冰川融水的贡献率超过100%，这可能与流域净降水量的减少有关，表明冰川融水对区域湖泊水量变化起主导作用。研究结果可为探究气候变暖背景下新藏交通廊道冰川冻土演化对区域湖泊水量变化影响提供重要的科学依据。
新藏交通廊道作为连接新疆与西藏的重要工程通道，在气候快速变化背景下面临日益突出的冰川灾害威胁。为揭示廊道内冰川灾害的空间分布特征并识别其对铁路工程的潜在影响，本研究整合冰川灾害编目与地形、地质、气象和水文数据，分析冰川冰缘灾害与冰湖溃决洪水（glacial lake outburst flood，GLOF）两类灾害的空间分布规律。采用确定性系数（certainty factor，CF）和随机森林（random forest，RF）模型评估冰川冰缘灾害易发性，并以优选模型计算的冰缘灾害易发性表征湖周潜在外部扰动，将其作为层次分析法（analytic hierarchy process，AHP）指标之一，进一步开展GLOF易发性评估。结果表明：（1）GLOF主要分布于海拔4 590 m以上、坡度较缓且靠近现代冰川的区域，而冰川冰缘灾害更集中于海拔3 776~4 590 m、坡度较陡、近水系及阳坡区域；（2）RF模型在冰川冰缘灾害易发性评估中表现优于CF模型，识别出的高和极高易发区主要集中于东喜马拉雅至念青唐古拉山一带；（3）GLOF易发性评估识别出441个高和极高易发冰湖，占研究区冰湖总数的20.2%，集中分布于念青唐古拉山以及东-中喜马拉雅山脉北侧；（4）拟建的新藏铁路沿线拉孜—定日、萨嘎—仲巴、仲巴—普兰和札达段共识别出12处路段易受GLOF影响，需加强这些路段上游冰湖的监测。本研究可为新藏交通廊道的规划选线与防灾减灾提供科学依据。
冰川作为冰冻圈的重要组成部分，其剧烈变化导致冰崩、冰湖溃决等灾害风险升高，对高寒地区的重大工程与基础设施安全构成严重威胁。本文利用基于层流理论的冰厚模型，估算了新藏交通廊道的冰川厚度与储量，分析了地形因子对冰川储量分布的影响，并评估了拟建新藏铁路上游集水区的冰川分布与冰量特征。研究结果表明：（1）新藏交通廊道冰川体积为（259.104±48.271） km3，冰川储量主要集中于海拔5 200~6 200 m范围。（2）冰川分布受地形影响显著。在坡度10°~25°范围内，冰川体积占廊道冰川总体积的78.68%。在坡向方面，冰川主要分布在北、东北与西北方向，冰川体积分别占廊道冰川总体积的34.64%、22.87%和12.61%。（3）拟建新藏铁路沿线集水区包含43条冰川，总冰量为（5.703±1.062） km3，主要集中在和康至日土段。本研究可为新藏交通廊道冰川储量评估、未来演化趋势分析和工程影响评价提供基础数据与科学参考。
山地冰川-冰前湖系统是冰冻圈物质与能量循环的重要研究对象之一，模拟该系统中冰前湖的未来演变，对于揭示冰川周缘生态环境演变、促进水资源可持续利用、优化灾害风险减缓与适应性管理具有重要科学意义。然而，目前冰湖未来模拟预估研究，多聚焦于潜在冰湖与冰坝湖预测；同时，已有的一维浅冰近似冰流模型在模拟冰前湖演变时具有局限性，仅能获取一维长度信息，难以刻画其二维时空动态演变过程。因此，采用更高阶或更高效冰流模型，对冰前湖二维扩张过程模拟至关重要。基于此，本研究基于多源遥感观测、地形与冰厚等数据，构建了以指令式冰川模型为核心，耦合入湖冰川末端崩解过程的模拟方案，并以新藏交通廊道杰玛央宗冰川-冰前湖为研究对象，模拟了其未来气候情景下的演变；同时，依据已有专家经验准则识别了冰川流域冰前湖周缘潜在风险物源坡体。多源遥感观测（1990s—2025年）结果表明，冰前湖面积增加了0.66×106 m2（+86.84%），湖-冰界面退缩约（1 188.68±66.98） m；基于所构建模拟方案对杰玛央宗冰前湖的历史演变回溯分析（2009—2025年）显示，冰川末端退缩模拟与遥感观测结果一致性较好（R 2=0.96，RMSE=31.4 m），证实了本文模拟方案的可靠性。未来气候情景预测表明，杰玛央宗冰川末端冰前湖面积将于2047年前后达到峰值，届时其面积和库容将分别增至1.86 km2 （+12.54%）与0.067 km3（+30.25%）；识别出冰前湖东侧高位悬冰川（面积约为10.47×104 m2，平均厚度达17.2 m）为潜在高风险、高势能物源。此外，冰前湖东侧上方快速扩张的高位冰湖也被确认为高风险物源，其近5 a扩张速率为4 969.79 m2·a-1，预估当前平均水深约为11.62 m。本研究开展的冰前湖未来情景二维演化模拟，可为交通廊道沿线高风险冰前湖的动态预测与风险评估提供重要的方法参考与科学依据。
格罗夫山是东南极沿岸—内陆过渡的关键区域，因缺乏连续观测，其气象特征及动力机制尚不清晰。本文旨在建立该地首个完整年气象基准，解析东南极PANDA断面沿岸—内陆差异。利用2023—2024年格罗夫山首个全年逐小时连续观测资料、中山站长期观测记录及ERA5再分析数据，对比分析了两地近地层气象特征及长期变化。研究发现：（1）基于2023—2024年逐小时观测数据的统计结果表明，格罗夫山呈低温（-24.9 ℃）且风向恒定的强下降风（13.3 m·s-1）特征；中山站气温相对更高（-10.0 ℃），风速弱于前者，风向呈现“宽扇区”特征。（2）1991—2024年间，两站春季增温显著且最强，其中内陆格罗夫山的春季增温速率［0.60 ℃·（10a）-1］高于沿岸中山站［0.47 ℃·（10a）-1］，显示出内陆对变暖的敏感性。（3）低压中心的东西向位置差异影响了极端大风事件的发生区域。与影响沿岸的偏西低压系统不同，驱动内陆格罗夫山极端大风的低压中心位置偏东，且强度更强、范围更广。本研究提供了格罗夫山首个完整年周期的气象基准，揭示了东南极沿岸向内陆过渡的近地层气候差异，为内陆科考保障及极地气候模式改进提供了重要观测依据。
松花江流域是中国重要的季节性积雪区，积雪深度的精准估算对流域水资源评估、冰雪灾害预警具有重要意义。本研究以松花江流域为研究区，整合2013—2023年10个积雪季的多源数据，采用XGBoost、CatBoost、LightGBM及Random Forest （RF）四种机器学习模型，开展积雪深度估算及精度影响因素研究。数据源包括AMSR-2微波亮温数据、ERA5-Land再分析数据、SRTM高程数据、MODIS土地覆盖数据及61个气象站点逐日雪深观测数据；经数据预处理后，提取微波亮温、气象、地形、土地覆盖四大类共24个特征变量，按时间顺序划分训练集（2013—2021年）与测试集（2022—2023年），采用R 2、RMSE、MAE和MRE多指标评估模型性能。结果表明：四种模型测试集泛化性能接近（R 2：0.6661~0.6738，RMSE：4.44~4.50 cm），XGBoost模型综合表现最优（R 2=0.6738，RMSE=4.44 cm），LightGBM模型误差稳定性最佳，RF模型存在明显过拟合；亮温差是雪深估算的核心特征，土壤温度、地形因子提供了重要辅助支撑。所有模型存在积雪深度系统性低估，偏差随雪深增加而加剧；土地覆盖类型显著影响估算精度，农田区域精度最高（RMSE：3.91~4.04 cm），林地区域最低（RMSE：6.81~7.48 cm）。本研究构建的技术路线有效提升了估算精度，可为流域积雪动态监测提供科学方法与数据支撑。
准确模拟积雪深度（SD）的时空分布对于理解全球气候变化、地表能量平衡以及区域水循环至关重要。然而，目前广泛用于大尺度雪深反演的机器学习算法，因缺乏对积雪物理特性变化的描述而存在较大不确定性。本研究构建了一种多源遥感数据驱动下耦合积雪过程模型与机器学习的雪深反演方法，以提高新疆地区雪深估计的准确性。该方法基于雪热力模型（SNTHERM）模拟新疆地区的积雪物理过程，估算积雪剖面平均粒径、密度等参数作为先验特征，并结合光学遥感和被动微波遥感数据驱动随机森林雪深反演算法。基于105个气象站点125 775条有效数据的验证结果表明，耦合积雪过程模型的随机森林算法（CSPM-RF）在独立测试集上R 2达0.715，相比单纯数据驱动的随机森林算法提升了6.9%，RMSE仅4.811 cm。精度评估显示，模型在浅中雪条件（SD≤30 cm）表现较好，但在深雪条件下存在系统性低估；空间上，模型在中纬度天山区域和中海拔带精度最优；不同土地覆盖类型中，耕地的反演精度最高。2013—2021年间，模型展现出良好的年际稳定性，反演结果成功再现了新疆“三山夹两盆”的积雪空间格局。本研究证实，即便使用未经标定的气象驱动产品，积雪过程模型模拟的先验特征也能为机器学习算法提供关键的物理约束。该方法有效权衡了物理模型的复杂性与机器学习的适用性，为干旱-半干旱区大尺度雪深监测提供了一种高效且准确的新方案。
多年冻土区道路沉降问题日益突出，严重威胁交通基础设施的长期安全运营。本文系统回顾了多年冻土区道路沉降风险评估方法的研究进展，梳理了该领域五类主流风险评估方法，通过剖析各类方法的内在逻辑、适用边界与核心局限，揭示了现有评估方法体系存在的明显瓶颈：（1）方法体系内部仍存在明显的能力错配现象，现场监测、经验统计与理论分析方法之间尚未形成有效互补；（2）多方法协同与多源信息融合仍不充分，制约了从局部识别到区域风险判别的拓展；（3）评估结果与工程决策之间仍存在脱节，缺乏服务于全寿命周期主动防控的动态预警与决策体系。为突破上述瓶颈，本文展望了未来多源监测一体化、机理数据融合化、风险识别区域化、预警响应实时化以及评估结果概率化等关键发展趋势，以期为构建协同评估框架提供理论参考，为多年冻土区道路沉降风险评估从静态分析向动态主动防控转变提供方法支撑。
在气候变化和人类活动影响下，青藏工程廊道多年冻土持续退化，热融滑塌频发，对重大线性工程安全运行和区域生态环境产生潜在威胁。为揭示青藏工程廊道热融滑塌的时空发育特征及其孕灾环境，本文以青藏公路（G109）两侧60 km缓冲区为研究区，基于2016年、2019年和2025年高分系列遥感影像，采用人工目视解译方法建立三期热融滑塌清单，结合高程、坡度、坡向、活动层厚度、地下含冰量、断层密度、距道路距离和NDVI等因子，利用空间统计和面积频率比法分析热融滑塌的空间分布、阶段性变化及主要控制因素。结果表明：2016—2025年，研究区热融滑塌数量由557处增至918处，总面积由13.7 km2增至35.1 km2，主要集中于风火山—五道梁一带；其面积增长具有阶段性特征，2016—2019年由既有滑塌扩张和新增滑塌共同推动，2019—2025年则以既有滑塌持续外扩为主。热融滑塌主要发育在4 700~4 900 m高程带、4°~16°中缓坡、北向/东北向/西北向坡面，以及活动层较薄、中高含冰量和中等植被覆盖区。热融滑塌发生后，滑塌后壁地下冰暴露及其持续消融是后缘退缩和边界外扩的主导条件，气候变暖和地表热储存增加可通过加速地下冰退化与消融进一步强化热融滑塌扩张。本研究可为青藏工程廊道热融灾害识别、重点区段监测和工程防控提供依据。
祁连山作为我国西部重要的生态安全屏障，其多年冻土对气候变化响应敏感，热融灾害日益凸显。本研究以祁连山孔克里典型热融滑塌为对象，综合利用多源遥感与实地调查，系统分析了2017—2023年间热融滑塌的演变特征。结果表明，该区域热融滑塌规模持续扩大，总面积增长近一倍；地表形变呈现“稳定—剧烈变化—趋缓”三阶段特征，年均形变速率为-43 mm·a-1。热融滑塌发育受缓坡地形及土壤高含冰量、高孔隙度与有机质含量等特性共同控制；地表形变与月均温和降水在12个月周期上显著相关，形变响应滞后约45 d。上述结果从多源观测角度揭示了孔克里地区热融滑塌的时空演变特征，可为该区域热融滑塌监测与研究提供参考。
近相变区冻土未冻水含量变化剧烈且受孔隙结构影响，因此揭示近相变区未冻水孔隙赋存规律并建立可靠的预测模型具有重要的工程意义。本文采用多工况低场核磁共振试验，测试获取了近相变区细砂土的未冻水含量随温度变化规律，反演了孔隙半径分布及孔隙未冻水变化特征，并建立了近相变区未冻水含量CatBoost机器学习预测模型。结果表明：（1）近相变区细砂土未冻水含量随温度变化规律受初始含水量影响显著，高初始含水量试样的未冻水含量随温度变化呈指数型急剧变化，而低初始含水量试样则表现为线性缓变特征；（2）低初始含水量条件下近相变区细砂土未冻水主要分布于小孔隙中，高初始含水量下近相变区中大孔隙中的未冻水迅速冻结导致孔隙半径相应增大，且变化规律与未冻水变化规律保持一致；（3）基于CatBoost算法的细砂土未冻水含量预测模型在本研究所覆盖的初始含水量、干密度及温度范围内均表现出较高精度，其决定系数R 2为0.98，显著优于传统指数型经验模型，尤其在极端含水条件下具有更好的适用性。
受气候变暖的影响，冻土活动层变厚，多年冻土层变薄甚至消失，对全球生态系统、气候系统、基础设施和人类社会产生影响。因此，如何精确地监测多年冻土区现状十分重要。随着现代技术的发展，监测多年冻土区冻土的技术增多。比起传统的多年冻土区探测方法，探地雷达具有非侵入性、快速、高分辨率的优势，逐渐成为研究多年冻土区的有效工具。然而，现有相关综述多聚焦于整个寒冷地区或涵盖多年冻土研究的各种地球物理方法，缺乏专门针对探地雷达在多年冻土区研究进展的系统总结。基于上述问题，本文重点介绍了探地雷达的基本探测原理，并系统论述其在多年冻土区活动层厚度与含水量估算，以及地下冰识别等方面的应用方法与研究进展。
冻融循环是导致红黏土孔隙结构重构、内部损伤累积和强度衰减的重要因素，进而影响寒区工程稳定性。本文以云南红黏土为研究对象，采用刺槐豆胶（locust bean gum，LBG）与稻草秸秆纤维（rice straw fiber，RSF）构建协同改良体系，通过室内冻融循环试验、无侧限抗压强度试验、X射线衍射和扫描电镜测试，从宏、微观层面分析改良红黏土在冻融作用下的强度特性与微观结构演化规律。结果表明，LBG与RSF均能改善红黏土的强度特性，其中LBG对提升土体承载能力更显著，RSF更有利于改善峰后稳定性。在设定的掺量范围内，4% LBG+0.6% RSF试样表现出较优的协同改良效果，其无侧限抗压强度由未改良土的30.85 kPa提高至282.78 kPa，为未改良土的9.17倍，较单掺0.6% RSF和单掺4% LBG分别提高191.2%和18.3%。经8次冻融循环后，协同改良试样的无侧限抗压强度仍为未改良试样的16.48倍，强度损失率为36.63%，较未改良试样和单掺0.6% RSF试样分别降低28.13和34.2个百分点，具有良好的抗冻融稳定性。微观分析表明，LBG主要通过形成凝胶网络和填充孔隙增强颗粒间胶结作用；RSF主要通过桥接、拉结和加筋作用抑制裂缝扩展并提高整体稳定性。二者协同作用可形成稳定的“凝胶-纤维-土体”复合骨架结构，提高红黏土的结构完整性、无侧限抗压强度和抗冻融稳定性。研究成果可为季节冻土区红黏土绿色改良与工程应用提供理论依据。
土壤温度年际变率（IAV）是表征土壤热状况的重要指标，但不同再分析产品在冻土区仍存在较大偏差。本文基于欧亚高纬度多年冻土区116个站点的长期观测资料，定量分析了6套常用再分析产品（ERA5-Land、ERA5、GLDAS-Noah、CFSR/CFSv2、FLDAS及MERRA-2）在40 cm与160 cm深度土壤温度及其IAV的偏差特征；在此基础上，基于泰勒技巧评分约束，构建了欧亚高纬度多年冻土区多产品融合土壤温度数据集。结果表明，6套再分析产品对土壤温度及其IAV表征的不确定性在冬春季及连续多年冻土区最为突出。多数产品对土壤温度表现为系统性冷偏差，对IAV则普遍高估。其中，ERA5、ERA5-Land和MERRA-2对IAV的表征相对较好，CFSR偏差最大，但各单一产品均难以准确刻画观测到的IAV趋势及其阶段性变化。基于泰勒技巧评分约束的多产品加权融合方法可同时提升土壤温度平均态和IAV的再现能力；融合数据在不同冻土类型、深度和季节下均表现出更高的泰勒技巧评分，且IAV的均方根误差总体降至1 ℃以内。基于融合数据的分析表明，过去40年间欧亚高纬度多年冻土区土壤呈增温趋势；连续多年冻土区土壤IAV自20世纪90年代出现转折后持续增强，且深层土壤的年际波动较浅层更为明显，表明连续多年冻土区的土壤热不稳定性可能持续增强。本研究可为深入理解多年冻土热状况及其对气候变化的响应提供参考依据与基础数据。
为探究盐渍土盐-冻胀耦合效应对桩基的竖向冻拔机制，同时考虑盐胀与冻胀的共同作用，本文建立了盐渍土中单桩在盐-冻胀上拔作用下的力学计算模型。基于硫酸盐渍土降温阶段冰结晶-盐胀演化关键控制参数与桩-土耦合机制，采用分离变量法推导了盐-冻胀耦合作用下桩体冻拔位移解析解；通过与已有试验数据对比，验证了所建模型的有效性，并基于数值结果分析了桩长、含水率、含盐量及孔隙率对桩身冻拔的影响规律。结果表明：桩身位移随桩长增加显著递减，桩长越长抗冻拔性能越优；含水率升高会强化水分冻结体积膨胀效应，增大冻胀率，经桩-土相互作用传递后导致桩身位移同步增加；含盐量上升时桩身轴力递增；孔隙率与桩身轴力呈正相关，孔隙率越大轴力越高，但当孔隙率增至临界值（0.5）时，桩顶位移及桩身轴力均呈陡降趋势。
富水砂土边坡在地下水补给强、渗透性高和土体抗剪强度易弱化的条件下，常规注浆、锚固和抗滑结构易受水流稀释、冲刷及局部失效影响，难以形成连续、可靠的加固体。人工冻结法可通过低温冻结形成临时止水与加固结构，但现有研究对边坡条件下不同冻结管布置方式引起的温度场扩展、冻结壁交圈、水分迁移和冻胀变形协同演化规律认识不足，尤其缺乏梅花桩式双排布管在富水砂土边坡中的对比验证。针对上述问题，本文以富水砂土边坡为研究对象，采用物理模型试验与FLAC3D二次开发数值模拟相结合的方法，设置单排冻结管和梅花桩式双排布管两种工况，分析不同布管方式下边坡温度场、冻结壁形态、水分迁移及冻胀位移的时程响应。基于相似理论建立人工冻结边坡模型试验相似关系，确定几何相似比为1∶5、时间相似比为1∶25；同时构建考虑冰-水相变潜热、水分迁移和冻胀效应的水-热-力耦合数值模型，并通过试验监测结果对数值模型进行验证。结果表明，梅花桩式双排布管可显著增强冻结管间冷量叠加效应，冻结核心区最低温度达到-9 ℃，较单排工况降低约2 ℃；冻结区平均温度约为-3.5 ℃，达到热平衡的时间提前约2 d。双排布管工况在0.5 d出现交圈，2 d形成封闭冻结壁，最终冻结壁厚度约为500 mm，为单排工况的1.1倍，冻结壁厚度增长速率提高39.7%。冻结壁交圈路径表现出由V形向W形再向梯形发展的阶段性演化特征。数值模拟结果与模型试验温度监测结果总体一致，误差控制在3 ℃以内。进一步分析表明，冻结过程中渗流矢量持续指向冻结锋面，水分迁移与冻结壁扩展具有同步性；冻胀位移在冻结1~3 d内增长最快，最大位移主要集中于浅层冻结区。研究结果可为富水砂土边坡人工冻结加固中的冻结管布置优化、冻结时长控制和冻胀变形防控提供参考。
寒区工程裂隙岩体的冻融损伤与动力失稳是诱发岩体灾害的关键因素。为揭示不同岩性岩石在冻融循环下的动态断裂特性及劣化机制，以红砂岩、黑砂岩与花岗岩为研究对象，开展冻融循环试验、声波测试、核磁共振及冲击加载试验，系统研究了冻融过程中岩石细观结构的演化规律及其对动态断裂行为的影响。结果表明：岩石的抗冻能力主要受控于孔隙结构特征与矿物组成，微孔越多或胶结物含量越高，冻融损伤越易发生。随着冻融次数增加，三种岩石的孔隙率持续上升，超声波波速相应衰减，其中红砂岩损伤速率最快，花岗岩最慢。裂纹扩展速度和动态断裂韧度亦随冻融次数增加呈非线性下降并趋于稳定。研究成果可为寒区岩体工程在爆破、地震等动态荷载作用下的长期稳定性评估与防控提供理论依据。
冻融循环是寒区工程岩体劣化的重要诱因，精准表征其细观结构演化是揭示损伤机理的关键。针对冻融岩石CT图像噪声强、微裂隙边缘模糊、灰度分布非均匀及多尺度孔隙-裂隙结构共存难以精准表征等问题，本文提出一种融合多尺度特征增强与自适应分割的三维重建方法。采用非局部均值滤波与小波多尺度增强进行预处理，在抑制噪声的同时强化多尺度裂隙边缘信息；构建耦合局部灰度统计与区域生长的ALRG自适应分割算法，通过全局先验引导、动态阈值计算以及梯度一致性与空间连通性多重约束，实现岩石基质、孔隙与微裂隙的精准识别；引入梯度加权顶点插值优化移动立方体算法，提升三维模型几何精度。红砂岩冻融CT扫描试验验证结果表明：该方法孔隙率误差小于1.5%，分割精度与结构保真度高，可清晰再现微裂隙萌生、扩展与贯通全过程。本文基于高精度模型定量揭示了“小孔隙增生→中孔隙合并→裂隙网络化贯通”的细观损伤演化过程，建立了损伤速率与细观结构参数的定量关联，阐明小孔隙处高应力集中是冻融损伤起裂的主控机制。所提出的三维重建方法显著提升了冻融岩石细观结构数字化表征精度，为从细观尺度深入研究冻融损伤机理及建立宏-细观力学性能关联提供了支撑。
为提高寒区纤维增强炉渣混凝土抗压强度预测的精度与效率，基于试验数据和文献数据构建了包含705组样本的数据库，选取水灰比、粗细骨料含量、炉渣含量、纤维类型、纤维长度、纤维直径、养护龄期、养护温度及冻融循环次数等作为输入特征，建立了随机森林（RF）、支持向量回归（SVR）、极限梯度提升（XGBoost）和分类特征提升树（CatBoost）4种机器学习预测模型。采用粒子群优化（PSO）算法对各模型关键超参数进行寻优，以降低人工调参的主观性并提升模型性能。结果表明，PSO优化后各模型预测精度均得到提升，其中PSO-CatBoost模型综合预测效果最佳，对寒区纤维增强炉渣混凝土抗压强度与多因素之间非线性关系的表征能力最优；PSO-XGBoost模型也表现出较好的泛化能力。SHAP可解释性分析表明，养护温度、养护龄期、水灰比、纤维长度、纤维弹性模量以及水泥和水含量是影响抗压强度的主要因素。研究结果可为寒区纤维增强炉渣混凝土强度预测及配合比优化提供参考。
本文以贵州山区高速公路为研究对象，依托修订后的道路结冰风险区划等级，融合气温、降水、交通出行强度、公路特征和行车时段等影响因子，分别采用加权层次分析法（WAHP）和逻辑回归（Logistic regression），构建适用于短期（逐12 h）与临近（0~3 h）预警的高速公路结冰风险模型，并进行集成应用和个例验证评估。结果表明：在贵州山区环境下，日最低气温>1 ℃或日最低地温>1.5 ℃可作为基本不结冰的判别阈值；环境气温处于-3.5~-0.9 ℃时，结冰概率进入快增期，其中-2.2 ℃为概率变化的敏感峰值点；实际交通管制路段与模型输出的较高风险及以上等级预警路段完全匹配，空间重叠度达100%，验证路段短期预警命中率达100%，虚警率为39.02%；短期预警模型可有效预测结冰范围与强度，临近预警模型则能较好地捕捉结冰过程的起始时间与强度演变，可为冬季交通管理与安全决策提供重要技术支撑，也可为云贵高原类似地形区的道路结冰风险预警提供参考。
为获得西藏水电工程规划和初设阶段不同重现期的冰参数，首先收集了西藏28个国家气象站20世纪50年代—2024年的日平均气温资料，获取各站冬季负气温起始日、负气温终止日和负积温三项冬季气象物候指标。经M-K检验和线性趋势分析，采用P-Ⅲ型频率曲线法推求各站不同重现期负气温起始日、负气温终止日和负积温的概率分布；随后提取水电站抗冰结构物规划、初设所需的50年一遇和100年一遇最早负气温起始日、最晚负气温终止日和最大负积温，通过三元Logistic回归建立这些不同重现期极值与海拔、纬度及经度的关系式，作为未来西藏任意地点插值的基础；最后利用旁多水电站实测资料，分析得出考虑冰面升华和冰底水温抑制作用的斯蒂芬冰厚负积温修正式，结合评估的不同重现期最大负积温，计算相应冰厚。该方法实现了利用历史气象资料并结合现场高频连续实测气象、水文、冰情资料评估当地不同重现期冰厚的目标，简便可行，能够满足工程规划和初设阶段的需求。但对于水电站详设阶段或抽水蓄能电站，由于局地小气候和反复抽放水的影响，建议增补相关调查研究内容。
径流的精准预测是流域洪水防控、水资源优化配置与生态保护决策的重要支撑。然而，在资料稀缺流域，实测气象水文数据严重不足，且径流受气象强迫与下垫面条件的多重非线性耦合驱动，表现出强非平稳性与随机性，对传统及数据驱动预测方法构成严峻挑战。为系统应对“数据短缺、精度不足、解释缺失”三重困境，本研究构建了“公共数据+贝叶斯长短期记忆编码器-解码器（BDL-LSTM-ED）+SHapley Additive exPlanations（SHAP）”一体化预测框架。基于疏勒河上游的验证结果表明：多源公共数据产品（中国逐日格点降水数据集V2、欧洲中期天气预报中心第五代再分析数据（ERA5）及全球陆面蒸发阿姆斯特丹模型数据（GLEAM））具有良好的区域适用性，可有效支撑径流预测；所提出的BDL-LSTM-ED模型在保持合理预测精度的同时，通过贝叶斯框架与蒙特卡洛Dropout技术实现了预测不确定性的概率化量化；进一步借助SHAP开展的可解释性分析表明，模型能够识别符合水文物理机制的多尺度驱动因子动态演变规律，显著增强了模型的物理可信度。本研究证实，在公共数据驱动下，融合贝叶斯深度学习与可解释性分析的方法体系，可为无资料流域提供兼具预测精度、不确定性量化能力与物理可解释性的径流预测工具。
卓乃湖是青藏高原典型的封闭湖泊，受全球变暖及极端事件扰动，其水文与生态格局在近三十年发生剧烈波动。本研究基于1994—2024年Landsat与Sentinel长时序影像，利用Otsu阈值法提取湖泊面积，利用NDVI像元二分模型反演植被覆盖度（FVC），结合ERA5-Land气候数据，运用Pearson、Spearman和Kendall三种相关性统计方法分析其相互关系。结果表明：（1）卓乃湖面积经历了高位平衡期（1994—2001年）、持续扩张期（2002—2011年）、溃决骤降期（2011—2012年）、低位衰退期（2012—2021年）以及回升启动期（2022—2024年）五个演化阶段，2011年溃决导致面积减少约110.90 km2；（2）湖泊溃决后，500 m范围内湖岸带植被覆盖度因湖滩暴露而快速增长，随后进入亏损稳定期，近年随水位抬升呈现同步恢复趋势，其变化过程与湖泊面积变化一致；（3）相关性分析显示，湖面扩张与降水、FVC呈正相关，与气温呈负相关，冰雪覆盖补给则表现出显著的非线性特征；（4）溃决前后经历了两次面积扩张过程，2022—2024年湖泊年均恢复速率为0.715 km2⋅a-1，较溃决前的1.1528 km2⋅a-1下降了约38%。据此速率推算，未来10~15年湖泊面积将维持在150~180 km²区间；在持续暖湿化背景下，仍需警惕极端降水诱发二次溃决的风险。本研究可为高寒区封闭湖泊溃决过程、植被演化规律及灾害预警研究提供重要科学支撑。
东北黑土区是我国大豆主产区，土壤全氮的形态与含量易受频繁的季节冻融过程影响，而大豆产量与品质受到土壤氮素供应直接影响。本文选取哈尔滨市大豆田0~60 cm种植土为研究对象，设置不同深度、含水率、冻融温度及冻融次数以开展多因子交互模拟试验，测定土壤全氮含量，揭示冬季冻融条件下土壤氮素动态变化规律。结果表明：（1）冻融过程显著影响农田土壤全氮含量，经过1~7次冻融循环，各土层全氮含量较未冻融时均出现不同程度增加，增加值范围为0.05~0.99 g⋅kg-1，其中0~20 cm表层土壤达峰值的冻融次数少于下层土壤；（2）冻融温度处理下，全氮含量随冻结温度降低而增加，其中-30 ℃冻融时含量最高；（3）经过低温处理后，0~20 cm与20~40 cm的土壤在15%含水率条件下全氮含量高于10%含水率处理，而40~60 cm深层土壤则相反。本研究揭示冻融过程对黑土区大豆田土壤全氮含量具有调控作用，为优化氮肥管理、减少氮素流失提供了科学依据，对保障区域农业可持续发展具有重要意义。
玉龙雪山及周边地区作为典型的季风性海洋性冰川区，是研究冰川变化以及生态系统碳-水耦合机制的重要地区。总初级生产力（gross primary productivity， GPP）在全球陆地碳通量中占比最大，是评估陆地生态系统生产能力的重要指标。本文使用scPDSI数据和MODIS的GPP产品，探讨了2001—2020年玉龙雪山及其周边地区各植被类型GPP时空变化格局及其对scPDSI的累积和滞后响应，研究了不同植被类型GPP对一定时间尺度干旱的变化和适应程度。结果表明：（1）近20年玉龙雪山及其周边地区植被GPP平均值为1 328.48 g C⋅m-2，耕地、草地、林地和灌木GPP平均值分别为1 202.67 g C⋅m-2、1 129.84 g C⋅m-2、1 460.30 g C⋅m-2、1 638.83 g C⋅m-2。2001—2020年玉龙雪山及其周边地区GPP表现为增长态势，年际间存在波动。研究区内不同土地利用类型GPP增长速率存在差异，其中灌木的变化增幅最为显著，其次为林地、草地和耕地。（2）研究区内不同滞后尺度下scPDSI与GPP呈正相关面积占植被总面积的44.94%，负相关面积占植被总面积的55.06%；其中4种土地利用类型总初级生产力对干旱的滞后效应主要是呈现长期滞后（9~12个月）；研究区内玉龙雪山地区仅有耕地、草地、林地3种土地利用类型，干旱对玉龙雪山地区的滞后效应平均时间为5.99个月。（3）研究区内累积scPDSI与GPP呈负相关面积占植被总面积的60.73%，正相关面积占植被总面积的39.27%；4种土地利用类型总初级生产力对干旱的累积效应主要呈现长期累积（9~12个月），其中灌木、耕地和草地还出现大面积的短期累积（1~4个月）；干旱对玉龙雪山地区累积效应的平均时间为6.30个月。
积雪是冰冻圈的重要组成部分，对气候变化响应及寒区生态系统稳定性具有重要影响。新一代极轨卫星的发射为多源数据融合开展积雪监测提供了新的契机。针对高原寒区日尺度积雪监测需求，利用我国新一代极轨卫星风云三号F星（FY-3F）搭载的微波辐射计（MWRI）亮温数据，结合中分辨率成像光谱仪（MERSI）积雪产品和地表分类数据，构建了适用于青藏高原的被动微波积雪判识算法。选取2024年2—4月期间的被动微波数据，系统分析典型地表类型的微波辐射特征，采用空间聚类方法提取不同下垫面四个关键指标（TB18V-TB36V、TB18V-TB18H、TB22V-TB89V、TB89V），经统计分析确定各指标分类阈值，建立了微波数据积雪判识算法，并利用2023年12月—2024年2月的MODIS无云积雪覆盖产品和气象站点实测数据对算法性能进行验证。结果表明：以MODIS逐日无云积雪产品为参考进行交叉验证，算法在一致性指标（Kappa、MCC）上整体保持稳定，F1值（精确率与召回率的调和平均值）整体处于0.75~0.85，ROC AUC与PR AUC平均值均超过0.90，显示出较强的判别能力和一致性；基于气象站点实测数据的总体验证准确率为77.9%，漏判率为28.4%，误判率为19.0%。总体来看，该算法在多种评价指标下均表现出较高的可靠性与稳健性，为青藏高原积雪动态监测及水文气候研究提供了有力支撑。
青藏高原冰碛湖（moraine-dammed glacial lakes）的精确识别是冰川水文研究、冰湖溃决洪水风险评估与冰冻圈灾害监测的重要基础。国产高分（GF）系列卫星提供的亚米级光学影像为精细制图创造了条件，但在青藏高原复杂地形与冰碛堆积背景下实现自动化、高精度识别仍面临三类突出问题：（1）山体阴影、暗色冰碛物与深色水体之间存在明显的同谱异物现象，导致传统阈值法及通用语义分割模型在复杂背景下误检显著；（2）薄冰覆盖、岸滩湿雪和浑浊浅水共同形成连续的光谱-纹理渐变，容易引起边界定位偏移、对象级连通性受损与对象几何不连续；（3）不同传感器（如GF-2与GF-7）之间的辐射（亮度/反射率）和纹理（空间图案）存在差异，削弱了模型的跨域泛化能力。针对上述问题，本文提出一种面向青藏高原冰碛湖高精度识别设计的CAU-Net深度学习模型。该模型以U-Net为基础框架，在编码—解码过程中引入坐标注意力机制以增强空间位置感知与上下文判别能力，并引入可形变卷积以提升对不规则岸线和狭窄水道的几何适应能力。选取喜马拉雅山脉高山冰川区为研究区，基于GF-2影像的实验结果表明，本文方法在测试集上取得了95.50%的平均交并比（MIoU）、97.70%的F1分数、98.54%的总体精度（OA）和97.86%的精确率（Precision），性能全面优于U-Net、DeepLabV3及PSP-Net等主流模型。进一步的跨传感器实验表明，在未进行额外微调的条件下，该模型在GF-7影像上仍能保持较好的对象完整性和边界几何一致性，表现出良好的跨传感器泛化能力。研究结果表明，面向复杂背景和弱边界场景进行结构定制的深度学习模型，可为国产高分卫星支持下的冰碛湖高精度识别提供有效技术路径。
针对现有雪深观测方法在自动化程度、时间连续性、空间密集度方面的不足，本文提出一种基于风车卷积（PConv）增强YOLO11的积雪深度智能视觉识别方法，构建了一套自动雪深观测流程。该方法基于地面雪深观测数据构建了积雪检测、雪深杆检测和刻度线检测三个数据集，分别训练对应检测模块，并依据雪深杆标识计算地面雪深。与测试数据集对比，三个模块的精确率分别为97.8%、99.9%和99.8%，召回率分别为97.4%、99.8%和99.8%。结果表明，该方法在保障识别精度与较低维护难度的前提下，展现出高度自动化、优异的时间连续性与空间密集度，为提升雪深观测自动化水平和数据质量提供了可靠方案。
甘公网安备 62010202000676号
