多年冻土区的年平均地温是多年冻土变化研究的另外一个重要指标。在以往的研究中，基于野外实测数据以及遥感反演算法已经对年平均地温在历史时期下的变化有了很多探讨，但其空间分辨率较低。以CMIP6数据为基础，通过降尺度的方法获得1km分辨率的多年冻土区地表气温；然后该数据作为多年平均地温未来变化的高精度高分辨输入变量，从而进一步获得1km分辨率的北半球年平均地温，通过使用多种机器学习方法，获取多种方法多模式平均，年平均地温数据集的精度和分辨率都得到提升。集合平均模式输出结果的的RMSE为1.01℃，MAE为0.69℃，R为0.89。
北半球多年冻土区地温年变化深度处的年平均地温（MAGT）观测数据建立在全球多年冻土网络（GTN-P）数据库（gtnpdatabase.org）的基础上，同时，我们还扩展了GTN-P数据，并从相关文献中添加更多的MAGT观测数据，包括一些MAGT>0℃观测数据，这些观测数据是帮助我们预测未来情景中地面热状态的关键因素其它相关数据请参考Jin et al., 2024.
使用的机器学习模型包括逻辑回归（LR）、随机森林（RF）和LightGBM（LGB）。考虑到使用单一方法可能会导致模拟的过度拟合，我们在模拟MAGT时使用了上述三种方法的集和平均结果。使用TDD、FDD、叶面积指数、降水量、积雪、太阳辐射、土壤含水量、土壤有机质、砾石的体积含量作为输入变量，与站点观测值相对应，用90%的数据作为测试集进行模型建立，10%的数据作为验证集对模型的精度进行验证评价，为了减少单次运行的不确定性，本研究对使用的三种机器学习模型运行了100次，用其集合平均结果，最终结合各时期的环境变量模拟出不同时期的多年冻土区年平均地温的分布变化。
集合平均模式输出结果的的RMSE为1.01℃，MAE为0.69℃，R为0.89。
| # | 编号 | 名称 | 类型 |
| 1 | 2022YFF0711700 | 冰冻圈大数据挖掘分析关键技术及应用 | 国家重点研发计划 |
| 2 | 42161160328 | 青藏高原热喀斯特地貌的时空演变及未来预测 | 国家自然科学基金 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.NIEER.DB4213.2024
10.12072/ncdc.nieer.db4213.2024
