在全球气候变暖背景下，喜马拉雅中尼段（China－Nepal Himalayas，CNH）冰湖呈快速扩张态势，冰湖溃决洪水风险持续攀升，对下游基础设施及居民生命财产安全构成严峻威胁。作为中尼贸易走廊的关键区段，该区域分布有吉隆、樟木等重要口岸，以及水电站、桥梁、公路等一系列重要设施。然而，现有冰湖风险评估多采用半定量方法，难以实现跨区域对比，定量评估方法体系亦尚不完善，严重制约了冰湖风险的精准识别与评估能力。
针对上述挑战，中国科学院成都山地灾害与环境研究所聂勇研究员团队利用多时相Landsat遥感影像、机器学习算法与随机洪水模拟技术，系统优化了冰湖风险定量评估方法。通过扩展并严格筛选与冰湖溃决洪水事件发生时间匹配的历史样本，研究构建了更能真实反映冰湖溃决前状态的数据集；结合机器学习模型及高分辨率影像，补充识别了下游建筑、道路、桥梁及水电站等承灾体信息，实现了对喜马拉雅中尼段潜在危害冰湖的溃决概率定量估算与风险等级精细划分，为高山复杂环境下的冰湖风险评估提供了新的技术方案。该方法显著提升了评估结果的可靠性与跨区域可比性，保障了结果的可重复性，为数据匮乏的高山冰缘环境及快速变化的全球冰冻圈冰湖灾害风险定量评估提供了一种可迁移的解决方案。研究不仅充分彰显了机器学习与多源遥感融合技术在山地灾害风险评估中的独特优势，也为跨境灾害早期预警、基础设施安全布局及气候变化适应政策制定提供了坚实的科学依据。
该研究获得国家重点研发计划（2025YFE0211403）、西藏自治区科技厅科技计划（XZ202601ZY0049）、中国科学院山地自然灾害与工程安全重点实验室（KLMHER－T04）等联合资助。相关成果以“Changes in glacial lakes and associated risks in the China‑Nepal Himalayas”为题发表在气候变化领域知名期刊Advances in Climate Change Research上。吴宇宏博士与聂勇研究员为该成果的主要贡献者。
研究提出的冰湖灾害风险定量评估方案