研究古冰川地貌对于理解长期气候模式至关重要，并为评估和预测当代及未来冰川变化及其影响提供了重要的参考。冰川槽谷是一种典型的冰川侵蚀地貌，其通过其自身的形态和发育过程可以反映冰川的规模、移动方向以及变化情况，进而帮助分析古冰川和古气候的情况。因此，识别与古冰川作用相关的地貌对于理解古冰川动力学及其与气候的关系至关重要。深度学习方法已经在冰川地貌识别中得到应用，但已有方法仍然面临精度低和可迁移性弱的问题。本文提出一种新的古冰川地貌识别方法，称为Geomorphology-Attention DeeplabV3+（GA-DeepLabV3+）模型。本文提出的方法在DeepLabV3+网络的基础上增加了空间注意力和通道注意力模块，并利用多模态地理数据的组合，实现了对于古冰川槽谷的自动化识别。

图 1 研究区域示意图

图 2 模型结构示意图

实验结果表明，本文提出的模型显著提高了对冰川槽谷的识别精度。该模型在稻城海子山古冰帽区域的识别结果取得86.2%的平均交并比（MIoU）和90.64%的平均像素准确率（mPA）。此外，本文的模型还在佩枯刚日和他念他翁山进行验证实验，分别获得70.09%和73.28%的MIoU。这一成果标志着自动化提取古冰川地貌方面迈出重要一步，对于分析古冰川的规模和演化具有重要意义。

相关研究成果近期以《Recognition of palaeo-glacial troughs with cirques on parts of Tibetan Plateau using multi-modal datasets with deep learning models》为题发表在国际著名地学期刊《Geomorphology》2025年1月的468卷。南京师范大学地理科学学院本科生朱宸禾为研究论文的第一作者，通讯作者为南京师范大学地理科学学院本科生徐铭远，指导老师为南京师范大学地理科学学院郭飞、张志刚和张宏老师。该文章是地貌学和地理信息科学交叉研究的典型案例，也是南京师范大学校级大创项目培养成效的典型案例。

本研究基于张志刚老师多年在稻城古冰帽的研究基础上，在校级大创项目《基于人工智能的稻城古冰川地貌识别与研究》（指导老师为郭飞教授）以及国家自然科学基金（41971009 & 41503054）和中国科学院战略性先导科技专项（XDA2000300）资助下完成。本研究的参与人员还有研究生李奕曼、李世龙。