哪个地点，以及何时：基于免费卫星数据的喜马拉雅冰川湖溃决、滑坡和冰洪水测试

# 摘要
来源：https://arxiv.org/html/2608.12422

哪个地点，以及何时：利用免费卫星数据检验喜马拉雅冰湖溃决、滑坡与冰洪水

Matthew Kahn¹，Milan Arjel²，Nirmala Adhikari³，Mingmar Sherpa⁴，James Pope⁵,\*
¹ 应用经济与管理系，康奈尔大学，纽约，美国
² 电子与计算机工程系，普万查尔校区，工程学院，特里布万大学，达兰，尼泊尔
³ 物理系，阿拉巴马大学伯明翰分校，阿拉巴马，美国
⁴ 生物医学与生物科学系，康奈尔大学，纽约，美国
⁵ 工程数学与技术学院，布里斯托大学，布里斯托，英国
\*通讯作者：James Pope \{jp16127@bristol\.ac\.uk\}

两个免费卫星信号携带着关于尼泊尔喜马拉雅冰湖溃决风险的真实信息：雷达干涉测量看到冰碛坝在缓慢下沉，而卫星气象则标记出一个已处于一触即发状态的湖泊正承受压力的那些星期。一项配套可行性研究发现，形变指示哪个湖泊正在失稳，而天气指示它何时面临风险，但并未提出预测模型。为弥补这一空白，我们提出并评估了预测哪个地点易受影响以及触发条件何时到来的模型。我们仅使用免费数据检验三种相互关联的灾害：大型冰碛坝和冰坝溃决、降雨触发的滑坡，以及冰川上及其周边池塘产生的小型洪水。每种灾害对应两个问题，且从不混合。我们利用HMAGLOFDB中的589次有日期的溃决事件和数千次已编目的滑坡，将每个事件与相似但未发生灾害的地点进行匹配，并在空间交叉验证下将每个模型与一个强简单基线进行比较，该交叉验证会保留整幅地图瓦片不参与训练，因此任何模型都无法通过识别训练过的邻域来取得成功。前期天气在ROC曲线下面积方面为大型溃决提供了0.73的触发时间预测，滑坡为0.83，小型洪水为0.82。地形仅在部分程度上对易感性进行排序：天真评分时看似接近0.9，这主要是因为已编目的灾害集中出现在较湿润的山脉中；在与可比邻近地点匹配后，诚实的数字为0.76、0.71和0.54（不优于随机）。溃决信号在单个区域内依然成立，仅在尼泊尔就达到0.89。五个深度学习模型并未决定性地击败一个简单的梯度提升基线。其中三个在滑坡上得分略高，但这一迹象太小而无法确认。对于湖泊灾害，基线明确胜出，并由一个关于崎岖度和季风降雨的三规则决策树复现。最后，我们给出一个排序的尼泊尔观察名单，作为优先级排序辅助工具而非预测，并指出免费数据的极限所在。

**关键词：** 冰湖溃决洪水；GLOF；滑坡；尼泊尔喜马拉雅；灾害预测；易感性；可解释机器学习；免费卫星数据

## 引言

冰湖溃决洪水（GLOF）是指被冰川冰或冰川沉积物构成的天然坝体所拦蓄的水体突然释放。在尼泊尔喜马拉雅，值得关注的坝体大多是冰碛坝：由冰川推动并随其退缩而留下的未固结岩石和冰碛物构成的山脊，通常包含埋藏的残留冰核。当这样的坝体溃决时，其所拦蓄的湖泊可能在数小时内排空，将洪水、沉积物和巨石送入下游山谷，摧毁下游远处的房屋、桥梁、农田和水电设施。区域目录记录了兴都库什—喜马拉雅地区数百次历史溃决事件[21]，而滋养这些事件的冰湖正在增长：1990年至2018年间，随着冰川退缩，全球冰湖数量增长约53%，面积增长51%，蓄水量增长48%[22]。2023年10月3日晚，位于尼泊尔东部边境锡金邦的冰碛坝拦蓄的南洛纳克湖（South Lhonak Lake）在一次冰冻侧碛体崩塌入湖后释放了约5000万立方米水量[30]；由此引发的洪水造成至少55人死亡，数十人失踪，并摧毁了昌坦（Chungthang）的1200兆瓦提斯塔三号（Teesta III）大坝，这是该河上最大的水电项目[20]。尼泊尔将此风险视为国家优先事项，一项与政府和联合国开发计划署合作的约3600万美元绿色气候基金项目正在进行，以监测和降低最危险湖泊的风险[24]。

不断增长的湖泊蓄水量是否会转化为更频繁的洪水，这一点确实存在争议。两项独立的清单发现，喜马拉雅冰碛坝溃决的年频率并未上升，甚至可能下降，即使湖泊面积在扩大，因此单位湖泊面积的洪水数量已经下降[25]、[11]。对此的解释是，冰碛坝只有在离散的触发事件将其压垮时才会溃决，而触发事件并不随湖泊面积缩放。这种使湖泊变得脆弱的缓慢累积与引发溃决的触发事件之间的区分，贯穿于下文的整个分析。

尼泊尔水文气象部（DHM）和国际山地综合开发中心（ICIMOD）维护湖泊清单、评估危险等级，并在少数最受关注的湖泊上运行现场预警仪器。尚不存在的是一个连续、自动化的层，能够观测流域中的每一个湖泊并标记那些正在变化的湖泊，而构建这一层正是本文的导向。预期的最终产品并非在洪水波到达前几分钟发出警报的警报器（这仍然是DHM下游现场传感器的职责范围），而是一个以数周到数月为提前量的筛查层：一份带有证据的、按等级排序的观察名单，列出哪些湖泊正在变得危险，旨在为拥有相关职责的机构提供信息，而非取代它们。

尝试从免费卫星数据出发进行这一工作的经济逻辑是直接的。自动化卫星筛查的替代方案是定期人工清单和偶发野外调查，这些方法无法扩展到尼泊尔喜马拉雅的数千个冰湖。免费许可的卫星数据没有边际获取成本，因此全湖泊监测的约束条件成为分析而非数据购买，而这正是一个小型技术团队可以缓解的约束。与单次事件的下游成本相比——提斯塔水电梯级被毁就是近期的一个衡量——持续筛查是便宜的。因此，本评估在整个过程中坚持使用免费数据，测试这种方法能将问题推进到何种程度，并量化其极限所在。

配套可行性评估[36]确定了哪些免费信号携带信息；它没有进行前瞻性预测。本文迈出了这一步：它同时对三种相互关联的灾害进行了明确的预测测试。它将两个问题分开，询问哪个地点已做好准备以及触发条件何时到来。它将每个学习模型与一个强简单基线进行对比。并且它仅在模型从未见过的地点和区域上进行验证。一个范围上的差异很重要：可行性研究仅关注尼泊尔并仅模拟冰碛坝，因为冰坝在尼泊尔灾害中几乎不占比重。仅限尼泊尔、仅限冰碛坝的样本太小，无法检验预测，因此我们将范围扩大到整个高亚洲地区，并同时纳入冰坝和较小湖泊群体，然后将结果转移回尼泊尔。下文正是这一测试，它揭示了免费数据在预测上达到的天花板，以及基于通过测试的部分构建的尼泊尔排序观察名单。

## 相关工作

### 现象与全球图景

GLOF是冰川从它们在较寒冷世纪所占据的范围退缩的后果。随着冰川变薄并后退，融水在其终碛后方的盆地中汇集，形成冰碛坝湖泊，或在被碎屑覆盖的冰川表面汇集成连片的冰面湖，或被主干冰川堵塞的支流河谷中形成冰坝湖。基于25万幅卫星图像的全球测绘显示，随着20世纪和21世纪的变暖，这一湖泊群体正在迅速扩大[22]。洪水本身的历史记录被汇编成事件目录；本文使用的高亚洲GLOF数据库（HMAGLOFDB）记录了该地区768次事件，其中58次在尼泊尔，并尽可能记录了日期、坝型以及下游影响[21]。

更多更大的湖泊并不一定意味着更多洪水。两项喜马拉雅清单报告称，近几十年来年度溃决频率没有可信的上升趋势，因此单位湖泊面积的溃决次数已经下降[25]、[11]。这些研究给出的解释是，溃决的时间由触发事件而非湖泊大小决定，而且许多最大和最危险的湖泊受到监测并被降低水位以减轻危险。这一解释在此有两方面意义：它告诫我们不要将湖泊大小解读为溃决概率，并且它解释了为什么前瞻性危险湖泊清单与已经溃决的湖泊目录几乎不重叠。

### 坝型与溃决机制

三种坝型通过不同的物理机制溃决，灾害文献将它们视为不同的群体而非混合处理。冰碛坝是未固结沉积物，通常含有埋藏的死冰核；它因触发驱动的漫顶而溃决，即外部块体运动（如冰崩或岩崩）坠入湖中并产生位移波（或称湖震），漫过坝顶。一旦水流漫过坝顶，它就会以失控的正反馈向后切入坝体，更深的河道带来更大的流量，更快的侵蚀，直至形成决口。冰碛坝决口通常是一次性的灾难性破坏：一旦被深切，冰碛坝无法重新拦蓄失去的水量。相比之下，冰坝通常通过静水浮托力溃决：当湖水位上升到冰坝高度的大约十分之九时，水体在冰下浮起并形成管道，冰川随后流回并重新封堵坝体，因此湖泊周期性地重新蓄水并重新排水。这些重复出现的冰坝洪水被称为冰湖溃决洪水（jökulhlaups）。冰面湖通过冰川内部的冰内通道排水，规模小、存在时间短且频繁。

将这些群体分开是标准做法，而非本研究图方便。国际灾害评估指南将冰缘、冰碛拦蓄和基岩坝体特征视为不同的灾害域[10]，因为易发性标准、溃决行为和减灾措施因坝体结构而异；一个对冰碛坝有意义的几何预测因子（如坝宽与坝高之比）对冰坝浮托毫无意义。这一区分也带来了与数据一致的预测：由于冰碛坝溃决是一次性的，而冰坝溃决是周期性的，两者在时间可预测性上差别很大，混合处理会使两者都变得模糊。因此，本评估仅模拟冰碛坝湖泊，这一选择得到了尼泊尔数据的支持：在HMAGLOFDB中的58次尼泊尔事件中，37次（64%）为冰碛坝，仅有1次为冰坝，而在更广泛的地区，冰坝事件占31%；其余尼泊尔事件为通过冰内通道排水的小型冰面湖。ICIMOD列出的21个危险尼泊尔湖泊全部是冰碛坝。因此，冰坝在我们所针对的尼泊尔灾害中占可忽略的比例。

### 触发条件与预测的天花板

冰碛坝溃决的触发条件分为两大类。气象触发条件，如强降雨、高温和快速融水，通过抬高湖水位和坝体压力或带来一股急流而起作用。块体运动触发条件，如冰崩、岩崩和冰碛崩塌，则通过向湖中坠入物质以形成漫顶波浪而起作用。气象触发条件在一定程度上是可预测的：对驱动条件的研究发现，约一个月内累积的前期降水和累积温度携带信号，报告的日阈值95百分位接近11.7毫米降雨和8.8摄氏度[28]、[9]。块体运动触发条件则完全无法从天气预测，因为雪崩可能发生在晴朗无风的日子。这种不可预测性给任何基于天气的预报设定了内在上限：模型可以标记天气驱动的事件子集，但根据构造，它对雪崩驱动的其余部分视而不见。

### 从太空测量湖泊

两个免费卫星系统主导着冰湖测绘，且它们互补。Sentinel-1是一个双卫星星座，携带C波段合成孔径雷达（SAR）——一种主动传感器，发射自身的微波脉冲并测量返回的回波（后向散射）[23]。由于它提供自身照明且微波可穿过云层，Sentinel-1在白天或夜晚以及使光学传感器失明的季风阴天都能成像，并且每6到12天重访给定地点。平静的开阔水面在这些波长下对雷达几乎是一面镜子：它将脉冲反射远离传感器并返回极少的能量，因此水面显得暗。将水与陆地分开因此是对后向散射图像进行阈值分割的问题，标准自动方法选择最能将图像直方图分成两类的阈值[19]。Sentinel-2是配套的光学星座，以13个从可见光到短波红外的光谱波段、高达10米分辨率成像[5]。在无云日期，它通过波段比值指数给出更清晰的水边界：归一化差值水体指数（NDWI）对比绿光和近红外反射率以突出水体[16]，以及其改进形式（MNDWI），用短波红外波段替代以抑制建成区和植被背景[27]。我们将雷达作为连续骨干，光学作为晴天交叉检验。

### 形变前兆与干涉测量

除了面积之外，近期文献确定冰碛坝本身的形变是更直接的溃决前兆，这也是本研究转向的关键。相关技术是干涉合成孔径雷达（InSAR），它利用的不是雷达回波的强度而是其相位。简言之，雷达波充当了一把极其精细的尺子：其波长仅几厘米，因此比较同一地面两次观测之间返回波的相位，可以揭示地表在期间是否向或远离卫星蠕动了哪怕一厘米。通过对同一地点的两幅不同时间雷达图像进行相位差分，得到干涉图，人们可以沿传感器视线方向测量地面位移，精度达雷达波长的几分之一。每个像素的可靠性由其相干性（两次采集之间的相关性）来概括，而原始相位仅已知模一个波长，必须进行相位解缠以恢复绝对位移。将许多具有短时间和空间基线的干涉图堆叠成时间序列，便是小基线集（SBAS）方法[2]。应用于冰川坝体时，InSAR已测量到真实的前兆运动：对南洛纳克湖的回顾性分析发现，在2023年崩塌前存在显著的冰碛形变，且与最终崩塌位置重合[29]；而在尼泊尔一级湖泊伊姆贾（Imja），融合InSAR与特征跟踪测量到七年内约90厘米的坝体沉降[3]。对于免费数据方法，同一Sentinel-1任务既提供了用于面积测绘的振幅图像，也提供了用于InSAR的相位数据，尽管干涉处理在仅振幅的云平台上并不可用。