“青藏高原新旅程新发现”系列讲座（第九十讲）：
深度学习在南极冰冻圈中的应用

2026年5月15日上午，应兰州大学泛第三极环境中心邀请，中国极地研究中心（中国极地研究所）研究员、上海交通大学海洋学院双聘教授博士生导师唐学远在观云楼907会议室作题为“深度学习在南极冰冻圈中的应用”的专题讲座。本次讲座为“青藏高原新旅程新发现”系列讲座第九十讲，中心相关教师和研究生到场聆听并参与交流。

讲座现场

报告中，唐学远围绕南极冰盖观测与冰冻圈过程模拟中的关键科学问题，介绍了深度学习方法在极地冰冻圈研究中的应用进展。他指出，南极冰盖地位变化对全球海平面变化和气候系统具有重要影响，但冰下观测资料仍相对不足，冰盖不同时间尺度上的不稳定性特征及其不确定性评估仍是当前研究的重要难点。

在研究思路与技术方法方面，唐学远重点介绍了机器学习和深度学习在冰盖结构识别、冰下湖探测、表面融水提取以及地热通量反演等方面的应用。报告结合EisNet、VAE、U-Net attention blocks和DNN等模型，展示了自动提取冰层与冰岩界面、识别冰下湖、追踪冰架表面融水时空演变以及反演南极大陆地热通量空间分布的典型案例，体现了人工智能方法在提高极地观测解释效率和参数反演精度方面的潜力。

唐学远研究员介绍南极冰盖过程及不确定性评估

报告展示深度学习在冰下湖识别等问题中的应用

报告还结合南极冰盖及冰架研究实例，系统梳理了从数据获取、特征构建、模型训练到结果验证的技术路线。唐学远指出，人工智能方法并非替代传统冰川学和地球物理研究，而是通过与雷达遥感、数值模拟、贝叶斯统计和多源观测数据融合，为认识冰盖动力学机制、提升极地过程监测自动化水平以及服务海平面上升预测提供新的技术路径。

报告结束后，与会师生围绕深度学习模型在极地复杂环境中的泛化能力、训练样本构建、模型不确定性评估以及AI方法与传统物理模型结合等问题进行了交流讨论。此次讲座拓展了师生对极地冰冻圈智能监测与参数反演研究前沿的认识，也为中心在寒区环境变化、遥感观测和数据驱动模型等方向的交叉研究提供了有益启发。

讲座结束