冰湖溃决洪水(glacial lake outburst flood,GLOF)是最具破坏性的冰川灾害之一。受全球气候变暖影响,冰川消融加剧、冰湖数量与规模增加、高山斜坡稳定性下降,同时人类活动向山区扩展,GLOF致灾风险增加。文献计量法具有客观性、全面性...冰湖溃决洪水(glacial lake outburst flood,GLOF)是最具破坏性的冰川灾害之一。受全球气候变暖影响,冰川消融加剧、冰湖数量与规模增加、高山斜坡稳定性下降,同时人类活动向山区扩展,GLOF致灾风险增加。文献计量法具有客观性、全面性和高效性,本文基于CNKI和WOS数据库,系统梳理了GLOF研究的发展趋势、主要研究机构与作者群体以及核心研究主题,并进一步回顾和总结了全球GLOF的编目数据源和方法、时空分布特征、溃决冰湖类型及其影响因素、过程链模拟、灾害评估、预警与减灾策略等方面的研究进展。结果表明,GLOF研究自2010年起受到学术界的广泛关注,发文量增加迅速。GLOF记录已从对单一或局部冰湖的考察和定性描述转变为对全球范围事件的系统化编目,编目属性逐渐丰富。安第斯山脉和亚洲高山区溃决冰湖数量最多,北美洲西北部GLOF事件最多,全球GLOF事件以37次·(10a)^(-1)的速率持续增长,7、8月为高发时段。GLOF模拟由定性描述和依靠经验模型转为基于物理模型的定量化全过程链模拟,提升了对灾害演变机制的理解与预测能力。但模型关键参数的获取、验证与校准仍是当前研究的重点和难点,也是未来需要着力突破的方向。政府和管理部门主要通过风险和灾害制图、早期预警以及工程和非工程措施等预防和减缓GLOF灾害。展开更多
人工智能驱动的科学研究(AI for science)正在重塑地球系统科学的范式。然而,面对呈指数级增长的多源异构数据(如遥感影像、历史档案与物理模型输出),冰冻圈科学在知识整合、复杂过程推理及跨模态信息交互方面仍面临巨大挑战。大语言模...人工智能驱动的科学研究(AI for science)正在重塑地球系统科学的范式。然而,面对呈指数级增长的多源异构数据(如遥感影像、历史档案与物理模型输出),冰冻圈科学在知识整合、复杂过程推理及跨模态信息交互方面仍面临巨大挑战。大语言模型(LLMs)凭借卓越的语义理解与推理能力,为突破上述瓶颈提供了新的技术契机。本文系统综述了LLMs在冰冻圈科学中的应用潜力,构建了从数据挖掘到知识传播的智能化框架。分析表明,LLMs不仅能显著提升文献综述与历史观测资料数字化的效率,更在辅助冰冻圈数值模型开发(代码智能体)、复杂耦合过程的归因分析以及风险沟通中展现出独特的认知价值。尽管前景广阔,但通用模型在科学领域的应用仍受限于事实幻觉、物理一致性缺失及数据语义鸿沟。针对这些核心挑战,本文提出了面向冰冻圈的专用大模型(CryoLLMs)研发路径——通过构建多模态对齐的领域知识图谱解决数据异构性问题,引入物理约束机制与检索增强生成以确保推理的可信度,并基于多智能体协同架构实现从单一任务向自动化科研工作流的跨越。本综述旨在厘清LLMs在冰冻圈科学中的技术边界与伦理框架,为构建下一代具备物理感知与逻辑推理能力的冰冻圈智能研究系统奠定理论基础。展开更多
冰川对气候快速响应的同时,冰川流域径流过程也随之发生变化,准确模拟与预测冰川径流变化过程对于区域水资源调控、冰川洪水/泥石流灾害防控至关重要。本文基于贡嘎山东坡海螺沟冰川流域的观测资料及遥感产品数据,利用SWAT与冰川能量-...冰川对气候快速响应的同时,冰川流域径流过程也随之发生变化,准确模拟与预测冰川径流变化过程对于区域水资源调控、冰川洪水/泥石流灾害防控至关重要。本文基于贡嘎山东坡海螺沟冰川流域的观测资料及遥感产品数据,利用SWAT与冰川能量-物质平衡模型相结合的方法对流域冰川物质平衡与冰川径流进行模拟,分析冰川快速消融的驱动因素与径流变化的影响。结果表明,1990—2020年间海螺沟流域冰川整体呈现快速亏损的状态(-0.05 m w.e.·a^(-1))。其中,物质平衡线升高近400 m,物质平衡线以上物质积累量呈减少的状态(-0.22 mw.e.),物质平衡线以下消融区冰川物质平衡加速亏损,受表碛覆盖影响物质平衡由末端呈先增加后减少的趋势。气温升高、固态降水补给减少和反照率降低是冰川快速消融的主要驱动因素。冰川融水与径流量存在较为一致的趋势,其中夏季冰川融水占径流量的36.4%,与SWAT模型的耦合中,相比降雨、融水和基流,冰川融水占比达57.1%,基于SSP2-4.5与SSP5-8.5情景模式,冰川径流量将表现出持续减少的趋势,进而导致对水文过程的调控作用减弱。本研究能够为贡嘎山地区气候变化下的冰川水资源与相关灾害管理提供有效的科学参考依据。展开更多
文摘冰湖溃决洪水(glacial lake outburst flood,GLOF)是最具破坏性的冰川灾害之一。受全球气候变暖影响,冰川消融加剧、冰湖数量与规模增加、高山斜坡稳定性下降,同时人类活动向山区扩展,GLOF致灾风险增加。文献计量法具有客观性、全面性和高效性,本文基于CNKI和WOS数据库,系统梳理了GLOF研究的发展趋势、主要研究机构与作者群体以及核心研究主题,并进一步回顾和总结了全球GLOF的编目数据源和方法、时空分布特征、溃决冰湖类型及其影响因素、过程链模拟、灾害评估、预警与减灾策略等方面的研究进展。结果表明,GLOF研究自2010年起受到学术界的广泛关注,发文量增加迅速。GLOF记录已从对单一或局部冰湖的考察和定性描述转变为对全球范围事件的系统化编目,编目属性逐渐丰富。安第斯山脉和亚洲高山区溃决冰湖数量最多,北美洲西北部GLOF事件最多,全球GLOF事件以37次·(10a)^(-1)的速率持续增长,7、8月为高发时段。GLOF模拟由定性描述和依靠经验模型转为基于物理模型的定量化全过程链模拟,提升了对灾害演变机制的理解与预测能力。但模型关键参数的获取、验证与校准仍是当前研究的重点和难点,也是未来需要着力突破的方向。政府和管理部门主要通过风险和灾害制图、早期预警以及工程和非工程措施等预防和减缓GLOF灾害。
文摘人工智能驱动的科学研究(AI for science)正在重塑地球系统科学的范式。然而,面对呈指数级增长的多源异构数据(如遥感影像、历史档案与物理模型输出),冰冻圈科学在知识整合、复杂过程推理及跨模态信息交互方面仍面临巨大挑战。大语言模型(LLMs)凭借卓越的语义理解与推理能力,为突破上述瓶颈提供了新的技术契机。本文系统综述了LLMs在冰冻圈科学中的应用潜力,构建了从数据挖掘到知识传播的智能化框架。分析表明,LLMs不仅能显著提升文献综述与历史观测资料数字化的效率,更在辅助冰冻圈数值模型开发(代码智能体)、复杂耦合过程的归因分析以及风险沟通中展现出独特的认知价值。尽管前景广阔,但通用模型在科学领域的应用仍受限于事实幻觉、物理一致性缺失及数据语义鸿沟。针对这些核心挑战,本文提出了面向冰冻圈的专用大模型(CryoLLMs)研发路径——通过构建多模态对齐的领域知识图谱解决数据异构性问题,引入物理约束机制与检索增强生成以确保推理的可信度,并基于多智能体协同架构实现从单一任务向自动化科研工作流的跨越。本综述旨在厘清LLMs在冰冻圈科学中的技术边界与伦理框架,为构建下一代具备物理感知与逻辑推理能力的冰冻圈智能研究系统奠定理论基础。
文摘冰川对气候快速响应的同时,冰川流域径流过程也随之发生变化,准确模拟与预测冰川径流变化过程对于区域水资源调控、冰川洪水/泥石流灾害防控至关重要。本文基于贡嘎山东坡海螺沟冰川流域的观测资料及遥感产品数据,利用SWAT与冰川能量-物质平衡模型相结合的方法对流域冰川物质平衡与冰川径流进行模拟,分析冰川快速消融的驱动因素与径流变化的影响。结果表明,1990—2020年间海螺沟流域冰川整体呈现快速亏损的状态(-0.05 m w.e.·a^(-1))。其中,物质平衡线升高近400 m,物质平衡线以上物质积累量呈减少的状态(-0.22 mw.e.),物质平衡线以下消融区冰川物质平衡加速亏损,受表碛覆盖影响物质平衡由末端呈先增加后减少的趋势。气温升高、固态降水补给减少和反照率降低是冰川快速消融的主要驱动因素。冰川融水与径流量存在较为一致的趋势,其中夏季冰川融水占径流量的36.4%,与SWAT模型的耦合中,相比降雨、融水和基流,冰川融水占比达57.1%,基于SSP2-4.5与SSP5-8.5情景模式,冰川径流量将表现出持续减少的趋势,进而导致对水文过程的调控作用减弱。本研究能够为贡嘎山地区气候变化下的冰川水资源与相关灾害管理提供有效的科学参考依据。
