北极是全球的主要冷源之一，在全球气候变化中扮演着重要的角色。同时，北极又是全球湖泊数量和分布最为密集的地区。湖冰作为北极冰冻圈的重要组成部分，其冻融变化是区域乃至全球气候的敏感指示器。作为一种无损的气候探针，监测湖冰季节性变化有助于了解当前环境变化带来的一系列连锁效应，并为预测未来变化趋势提供科学依据。在全球变换和北极放大效应的共同驱动下，北极湖冰的季节性冻融特征（物候）发生了极为显著的变化。如何准确提取北极湖冰物候信息已成为国内外研究的热点和难点。但迄今为止，用于监测湖冰冻融的遥感数据普遍空间分辨率较低，相关结果存在较大不确定性。

针对以上问题，我实验室极地海洋与气候变化创新团队提出一种基于Sentinel-2 A/B光学星座密集时间序列影像的湖冰春季物候（clear of ice）信息提取方法，利用地表覆盖分类时间序列结果和突变点检测技术获取逐像素的湖冰春季融化物候信息，将湖冰物候制图的像素分辨率从传统的公里级提升到20m级。该研究主要基于谷歌地球引擎（GEE）云计算平台完成，调用了总数超过1600景的遥感影像和其他辅助数据。研究发现，2019年全北极湖冰的平均春季融化儒略日为172（day of year），在空间上北极湖冰春季融化时间随纬度增加呈现较为明显的延迟趋势。在景观尺度上，湖泊面积、深度和连通性与其春季物候指标具有较强的相关性。本研究首次获取了树线以北地区1km2及以上北极湖泊的春季物候制图产品，弥补了以往低分辨率遥感数据无法获取北极中小型湖泊冻融信息的缺陷，其结果为后续获取高分辨率北极湖冰全季节物候指标及其时空变化奠定了基础。

图1 本研究（首行）和传统方法（次行）获取的北极湖泊春季物候结果对比