河流作为地表水循环中最活跃的组成部分，在全球水文循环中具有关键作用。然而，在全球气候变化与人类活动的双重扰动下，全球河流系统正经历显著变革，其中河道迁移现象日益突出。该现象不仅影响水动力过程、沉积物运输和生态系统演替，还对防洪减灾、水资源管理和生态保护具有深远影响。然而，现有研究多聚焦于河流水域范围的变化，对河道迁移的探讨多局限于小尺度区域，难以满足跨流域和长时序的自动化检测需求。本研究提出一种基于多时相遥感影像与河流形态学特征的大尺度河道迁移自动探测方法，旨在实现对河道迁移区的探测。该方法通过分析多时相遥感影像获取研究区域的水体频率数据，并同步生成河流中心线与水域范围；随后通过二者的空间错位关系识别潜在迁移河段，并结合河道几何形态特征确认迁移事件。本方法被应用于全球五条代表性河流的干流流域（亚马逊河、塔里木河、黄河、红河和恒河），结果表明：该方法在五条河流干流流域的检测准确率均超90%，Kappa系数在0.76–0.88之间，与人工视觉解译高度一致。本研究共探测出河道迁移事件216个。各流域的迁移模式存在显著差异：亚马逊河流域横向迁移最为显著，其穿越距离范围为523.20 m–2430.45 m，迁移区面积变化约80万 m2；黄河共发生了38次河道迁移事件，主要集中在中上游弯道地段，呈分散带状分布；红河流域断流频次最高，共80次；塔里木河与恒河迁移事件则相对较少，且变化幅度有限。本研究不仅深化了对河道迁移机制的理解，也为全球范围内的河流监测与管理提供了稳健且可扩展的遥感检测方案。未来拟引入高分辨率遥感影像和深度学习技术，以进一步提升对复杂弯曲河段及多样化迁移过程的监测能力。

河道截流，遥感技术，河流形态学，Landsat卫星，水体频率