编辑推荐：
为解决现有模型和再分析数据在土壤温度（ST）模拟中因物理过程和参数化方案限制存在较大偏差的问题，研究人员利用随机森林（RF）方法开展三江源地区多层 ST 数据集构建研究，结果表明 RFST 数据集精度优于 ERA5 和 CRA40，为冻土区相关研究提供更准确数据支撑。
在全球气候变暖的大背景下，青藏高原作为 “亚洲水塔” 和气候变化的敏感区，其土壤温度（Soil Temperature, ST）的变化深刻影响着区域气候、生态和水文过程。然而，传统数值模型和再分析数据（如 ERA5、CRA40）由于物理过程简化和参数化方案的局限，在模拟青藏高原核心区域 —— 三江源地区的土壤温度时存在显著偏差，尤其是对土壤低温的低估问题突出，这直接导致冻土分布评估、碳循环模拟等研究的准确性受损。例如，已有研究表明，传统模型对三江源地区土壤温度的均方根误差（RMSE）高达 4-8°C，且无法准确刻画土壤冻融周期和冻结深度的变化趋势，这对于理解冻土退化、碳释放等关键科学问题形成了阻碍。
为填补这一研究空白，中国科学院西北生态环境资源研究院（State Key Laboratory of Cryospheric Science and Frozen Soil Engineering, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences）联合中国科学院大学等机构的研究人员，开展了基于机器学习的高精度土壤温度数据集构建研究。研究团队以三江源地区 23 个气象站的 0-320 cm 分层土壤温度观测数据为基础，融合气象变量（气温、降水、风速）、地表覆盖（归一化植被指数 NDVI、积雪日数 SCD）、土壤物理性质（容重、砂粒 / 粉粒 / 黏粒含量等）及地形数据（DEM），利用随机森林算法（Random Forest, RF）开发了新型土壤温度数据集 RFST。该研究成果发表在《Scientific Data》，为冻土区地球系统建模提供了关键基础数据。
研究采用的核心技术方法包括：
- 随机森林建模：利用 RF 算法的非线性拟合能力，构建土壤温度与多源影响因子的映射关系，通过 4 折交叉验证优化模型参数，避免过拟合。
- 多源数据融合：整合 CMFD 气象强迫数据（0.1°×0.1° 分辨率）、GIMMS NDVI 植被数据、AVHRR 积雪产品及土壤物理性质数据集，形成多维度特征变量。
- 分层验证与对比：基于玛曲和那曲土壤观测网络、6 个独立气象站，采用 Nash-Sutcliffe 效率系数（NSE）、Kling-Gupta 效率系数（KGE）、RMSE 和偏差（Bias）等指标，对比 RFST 与 ERA5、CRA40 的模拟性能。
研究结果
1. 数据集基本特征与精度验证
RFST 提供了 1982-2015 年三江源地区 0.01°×0.01° 空间分辨率的 9 层（0、5、10、15、20、40、80、160、320 cm）月尺度土壤温度数据。验证结果显示，RFST 在所有深度的 NSE 均超过 0.7，其中表层（0-20 cm）NSE 达 0.85 以上，RMSE 仅 1-2°C，显著优于 ERA5（RMSE 4-8°C）和 CRA40。在冻土敏感区域（如玉树、曲麻莱），RFST 对深层土壤温度（160-320 cm）的模拟误差较传统模型降低 60%-80%。
2. 对土壤冻融过程的刻画能力
与再分析数据相比，RFST 更准确地捕捉了土壤冻结起始时间、融化周期和冻结深度的变化。例如，RFST 计算的地表冻结指数（Freezing Index）和融化指数（Thawing Index）与观测值的偏差仅为 ±200 °C?d，而 ERA5 和 CRA40 的偏差超过 ±1000 °C?d。此外，RFST 揭示三江源地区季节性冻土最大冻结深度呈显著减小趋势，冻结周期缩短，与近年来冻土退化的观测结论一致。
3. 与再分析数据的对比优势
ERA5 和 CRA40 普遍存在 “冷偏差”，对土壤温度的低估导致冻土范围模拟偏大。RFST 通过机器学习修正了这一偏差，其表层土壤温度趋势与观测值一致（0.83°C / 十年），而 CRA40 仅为 0.43°C / 十年。在深层土壤（如 320 cm），RFST 的温度模拟更依赖地形（DEM）和土壤属性（SC），其解释度超过 50%，反映了物理过程在深层土壤中的主导作用。
研究结论与意义
本研究构建的 RFST 数据集突破了传统数值模型的局限性，为三江源地区冻土退化监测、碳循环模拟和气候预测提供了高精度基础数据。其核心意义体现在：
- 冻土研究：修正了传统模型对冻土分布和退化速率的高估，为评估冻土区碳释放风险提供可靠依据。
- 气候模拟：提高了陆 - 气耦合模型中土壤热通量的计算精度，可优化区域气候模型对降水、地表温度的预测。
- 生态与水文应用：准确刻画土壤水热过程，为植被分布模型、径流预测和水资源管理提供支撑。
该研究首次将随机森林算法应用于青藏高原多层土壤温度建模，展示了机器学习在复杂地理环境中的强大适应性，为地球系统科学研究提供了新的数据范式。未来，RFST 数据集可进一步整合卫星遥感和无人机观测，提升时空分辨率，推动冻土区气候变化研究的精细化发展。
