利用基于观测的永久冻土分布图,为阿拉斯加大型流域的永久冻土预测提供依据
《Cold Regions Science and Technology》:Using an observation-based map of permafrost extent to inform permafrost predictions in a large Alaskan watershed
【字体:
大
中
小
】
时间:2026年09月21日
来源:Cold Regions Science and Technology 4.9
编辑推荐:
•基于观测冻土范围制图信息的新机器学习模型
•新模型在交叉验证下的准确率超过另外三个模型
•新模型在邻近流域生成的预测具有部分现实特征
•新模型可能可扩展至地理环境相似的区域
**引言**
冻土——指连续两年或以上温度处于或低于0 °C的土壤——对各类地球科学应用具有重要
•基于观测冻土范围制图信息的新机器学习模型
•新模型在交叉验证下的准确率超过另外三个模型
•新模型在邻近流域生成的预测具有部分现实特征
•新模型可能可扩展至地理环境相似的区域
**引言**
冻土——指连续两年或以上温度处于或低于0 °C的土壤——对各类地球科学应用具有重要影响。例如,近几十年来观测到冻土正在变暖并融化(Biskaborn等人,2019),这可能导致建在其上方的基础设施遭受严重破坏(Hjort等人,2018;Hjort等人,2022)。冻土融化还可能将碳释放到大气中,既有渐进式的释放(Koven等人,2015),也有突然性的释放(Turetsky等人,2020),这可能加剧北极乃至全球其他正在发生的变化(Grosse等人,2016;Biskaborn等人,2019)。冻土还通过影响水分通量与分布、土壤含水率、径流以及地下与地上水的分配来影响水文学过程(Walvoord和Kurylyk,2016;Pradhan等人,2019;Li等人,2023);因此,准确的冻土预测将使研究人员能够更好地预测北极和亚北极环境中的径流、地下水等水文变量。
过去几十年间,研究者已在不同空间尺度上创建了大量冻土范围预测成果。例如,在全球尺度上,已生成了覆盖南极洲以北所有陆地区域、空间分辨率为1公里的冻土范围预测(Gruber,2012)。此外,北半球大部分区域也已有大量预测成果(如Heginbottom等人,1993;Brown等人,2002;Aalto等人,2018;Karjalainen等人,2019;Obu等人,2019;Ran等人,2022;Westermann等人,2024),通常空间分辨率为1公里。在区域尺度上,中国(Ran等人,2012)、青藏高原(Ran等人,2021)和阿拉斯加(Jorgenson等人,2008;Pastick等人,2015)等地也已有冻土预测成果。在局部尺度上,阿拉斯加中部(Morrissey等人,1986;Panda等人,2010)、阿拉斯加的瑟沃德半岛(Thaler等人,2023)和加拿大西北地区(Daly等人,2022;Vegter等人,2024)等区域也开展了冻土预测研究。
近年来,许多冻土预测研究利用统计建模和机器学习技术生成了更高分辨率的冻土预测。例如,Panda等人(2010)使用二元逻辑回归,以较高空间分辨率估算了阿拉斯加中部阿拉斯加公路部分路段浅层不连续冻土的范围。Pastick等人(2015)使用决策树和回归树,以30米分辨率估算了整个阿拉斯加大陆近地表冻土范围和活动层厚度。Aalto等人(2018)和Ran等人(2022)各自使用了四种统计建模技术——广义线性建模(Aalto)/支持向量回归(Ran)、广义可加建模(两者均使用)、随机森林(两者均使用)以及广义提升方法(Aalto)/极端梯度提升(Ran)——以1公里空间分辨率预测北半球的年平均地温和活动层厚度。Daly等人(2022)使用二元逻辑回归,以2米空间分辨率估算加拿大西北地区一个小型社区的冻土分布概率。Thaler等人(2023)使用极端随机树、支持向量机和人工神经网络,以3米空间分辨率预测阿拉斯加瑟沃德半岛多个流域的近地表冻土范围。
上述许多研究使用钻孔或实地观测数据来验证其冻土预测结果。例如,部分研究使用了全球冻土地面网络(GTN-P),该网络拥有超过1000个钻孔站点和超过200个活动层厚度监测站点(Biskaborn等人,2015);Pastick等人(2015)在阿拉斯加全州范围内汇编并分析了约17000个实地观测数据,作为其预测框架的一部分。由于这些区域偏远程且冻土量化在野外观测之外的难度较大,这些观测数据通常是研究区域内唯一可用的"真实参考"数据。然而,这些观测数据是点状的,且在空间覆盖上通常有限,这给冻土预测的验证带来了挑战。本研究探索了一种更连续的验证数据集:基于观测数据编制的阿拉斯加中部一个小型流域——驯鹿-波克河谷研究流域(CPCRW)——内的冻土范围地图,该地图最初源于Rieger等人(1972)的工作,并被重采样至50米空间分辨率。该地图更广泛的数据覆盖可能有助于提高CPCRW以及其他存在潜在冻土的小型流域的预测精度。
此外,本研究的另一优势在于使用了数量精简的输入特征来构建模型。虽然复杂的冻土范围及其他冻土特征模型提供了有价值的信息,但也存在对输入更少(如Daly等人,2022;Thaler等人,2023;Uxa等人,2026)、计算强度更低(如Hansen等人,2023)且更易迁移应用的简化模型的需求(如Daly等人,2022;Thaler等人,2023;Uxa等人,2026)。此类模型在具有相似输入范围的全球寒冷地区小型流域中可能具有更广泛的适用性。
因此,本研究有两个主要目标:1)将现有冻土预测与前述CPCRW内的观测冻土范围地图进行比较;2)利用该地图在CPCRW内开发一个输入特征数量精简的机器学习模型,并在邻近的切纳河流域进行检验,该模型可应用于其他地理环境相似的流域。通过关注简洁性和可迁移性,本研究弥补了大规模冻土产品与小型流域应用之间的重要差距。
在第2节中,我们描述了本研究中使用的两个流域(CPCRW和切纳河流域)、用于验证的观测冻土范围地图,以及在CPCRW中比较和创建冻土预测的方法论。在第3节中,我们比较了CPCRW内的冻土预测,并将新的机器学习模型应用于切纳河流域。在第4节中,我们讨论了这些结果的重要性和局限性。在第5节中,我们提供了结论和未来研究的方向。
**章节片段**
**CPCRW和切纳河流域的特征**
CPCRW位于阿拉斯加内陆,在费尔班克斯市以北约48公里处,地理坐标约为北纬65.17°、西经147.50°(Haugen等人,1982),距离北极圈以南不到2°纬度(Morrissey等人,1986)(图1)。它是美国境内唯一位于不连续冻土区域内的研究流域(https://www.lter.uaf.edu/research/study-sites-cpcrw),该区域内50%至90%的地区预计下方存在冻土。CPCRW由邦扎纳溪长期生态研究项目(LTER)管理,该项目是阿拉斯加大学费尔班克斯分校与美国林务署之间的合作项目。
**CPCRW中预测结果的比较**
基于观测冻土范围地图的二元有/无分类,CPCRW中有31%的区域下方存在冻土(图3a)。相比之下,使用Panda等人(2010)的方法预测,CPCRW中有63%的区域被预测为存在冻土(图3b);而使用Pastick等人(2015)的数据则预测为33%(图3c)。这意味着Pastick等人(2015)的方法所得的冻土百分比总体上比Panda等人(2010)的方法更接近观测地图的结果。
虽然
**讨论**
与最初于1970年代开发的观测冻土范围地图相比,上述结果表明,本研究开发的机器学习模型在CPCRW中的冻土预测准确率高于其他方法,即使考虑了空间自相关性也是如此。切纳河流域的冻土预测结果则更为复杂:在CPCRW中模型输入范围内的预测似乎具有部分现
**结论**
本研究将CPCRW内基于观测的冻土范围地图(最初于1970年代开发)与来自Morrissey等人(1986)、Panda等人(2010)和Pastick等人(2015)的现有预测框架进行了比较。我们发现,虽然这些预测捕捉到了CPCRW内的主要冻土区域,但存在一些显著差异,表明有必要进行改进。为此,我们利用CPCRW内的输入数据开发了一个新的机器学习模型,该模型达到了
**生成式AI及AI辅助技术在论文撰写过程中的声明**
在本文的撰写过程中,作者使用了美国战争部版本的Google Gemini Enterprise、OpenAI GPT-5.1、Claude Sonnet 4.5、Perplexity Pro for Government以及Google的AI模式来综合复杂文献、概述某些领域和研究问题、生成创意以及编写计算机代码。这些类型的工具也被用于辅助撰写本文非常有限的部分语言,但未被用于论文核心技术内容的编写。
**作者贡献声明(CRediT)**
Ross E. Alter:撰写——审阅与编辑、撰写——初稿、可视化、验证、软件、方法论、调查研究、形式化分析、数据管理。Nawa Raj Pradhan:撰写——审阅与编辑、监督、项目管理、方法论、调查研究、经费获取、形式化分析、数据管理、概念化。Anna M. Wagner:撰写——审阅与编辑、可视化、方法论、调查研究、形式化分析、数据管理。
**未引用的参考文献**
Alter等人,2026;Caswell等人,2020;Chapin等人,2010;Esri,2025;Matplotlib开发团队,2025;Python软件基金会,2021;Python软件基金会,2025;美国地质调查局,2024;Uieda,2018
**利益冲突声明**
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系:A. Wagner自2021年起在美国冻土协会(USPA)担任董事会成员。作者报告称,与USPA的这一长期参与不存在利益冲突。如果有其他作者,他们声明不存在已知的可能影响本文内容的竞争性财务利益或个人关系。
**致谢**
我们感谢本稿件的技术审稿人提供的洞察力和建设性反馈。我们感谢阿拉斯加大学费尔班克斯分校与美国林务署合作的邦扎纳溪长期生态研究(LTER)项目提供了本研究所使用的观测冻土地图数据。该数据收集的重要资金由美国国家科学基金会长期生态研究项目提供(NSF资助编号)
Ross E. Alter | Nawa Raj Pradhan | Anna M. Wagner
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号