青藏高原与北极多年冻土区土壤热导率特征对比及其对气候模型的启示

针对高海拔(青藏高原QTP)与高纬度(北极)多年冻土区土壤热导率(STC)参数化方案缺失问题，研究人员基于XGBoost算法构建区域尺度STC数据集，首次系统对比两地5-60cm活动层STC时空特征。发现QTP冻融期STC差异显著且呈下降趋势，北极则相对稳定；揭示水分与土壤质地是主导区域差异的核心因子，为改进陆面模型(LSMs)中STC参数化提供关键依据。

　　

在全球气候变化背景下，多年冻土区的热力学过程对地表能量平衡产生深远影响。作为评估土壤传热能力的基础物理指标，土壤热导率(Soil Thermal Conductivity, STC)在农业、气候科学和多年冻土研究中具有广泛应用。然而，当前陆面模型(LSMs)如CLM5.0和Noah中，STC参数化方案存在显著缺陷：既无法准确反映青藏高原(QTP)与北极这两大典型冻土区在冻融周期的区域差异，也难以捕捉多年冻土快速变化下的STC动态特征。更严峻的是，高精度区域尺度STC数据产品的匮乏，严重制约着多年冻土模拟研究的深度。

针对这一科学难题，中国科学院西北生态环境资源研究院的研究团队在《Geoderma》发表了开创性研究。他们基于自主构建的全球2972组STC实测数据集，采用XGBoost机器学习方法，首次系统比较了QTP与北极多年冻土区活动层(5-60cm)的STC时空特征及其驱动机制。研究团队通过整合土壤质地(Clay%/Silt%/Sand%)、石英含量(Q_tz)、容重(R_b)、孔隙度(n)、体积含水量(θ_w)和饱和度(S_r)等10个关键参数，构建了1980-2020年0.1°分辨率的区域STC数据产品，并采用Spearman相关系数(S_cc)量化了各因素对STC的影响强度。

在技术方法上，研究主要包含四个关键环节：首先基于文献调研建立全球STC实测数据库；其次通过九种机器学习模型与传统参数化方案的对比，筛选出最优的XGBoost方法(SMAPE=4.76%，R²=0.93)；随后整合土壤质地、水分和冻土分布等多源数据生成区域STC产品；最后通过深度剖面分析和相关性研究揭示驱动机制。特别值得注意的是，研究使用的QTP土壤数据来自中国国家土壤信息网格，而北极数据则采用SoilGrids 2.0数据集。

研究结果展现出三大重要发现：

1. STC年际变化特征：通过"3.1冻融期STC均值年际差异"分析发现，QTP多年冻土区STC均值(0.7-0.9 Wm^-1 K^-1)普遍高于北极，且QTP融化期STC显著高于冻结期。1980-2020年间，QTP的STC呈现下降趋势，而北极则保持相对稳定。

2. 深度剖面变化规律：如"3.2不同深度STC特征比较"所示，北极STC随深度以约0.005 Wm^-1 K^-1/cm的速率稳定增加；而QTP在5-30cm深度呈现波动下降，30cm以下冻结期STC逐渐回升，融化期则持续降低。

3. 驱动因子差异："3.3关键影响因素分析"揭示QTP的STC主要受水分因素(θ_w和S_r)主导，且敏感性随深度增加；北极则受土壤饱和度(S_r)、容重(R_b)和孔隙度(n)联合控制，其中孔隙度在15cm深度表现出最强负相关(S_cc≈-0.8)。

在讨论部分，作者指出QTP独特的"融化期STC高于冻结期"现象与土壤初始含水量密切关联——当含水量低于0.230 m³m^-3临界值时，冻结过程会因空气截留和冰裂隙形成导致STC降低。相比之下，北极地区因高含水量和有机质缓冲作用，STC变化更为平稳。这些发现不仅解释了现有LSMs在模拟多年冻土区地表温度时产生"冷偏差"的原因，更为改进模型参数化提供了直接依据。

该研究的创新价值体现在三方面：首次建立覆盖QTP与北极的长时间序列STC数据集；揭示高海拔与高纬度冻土STC的差异化驱动机制；提出的"物理机制-数据驱动"融合框架为发展新一代STC参数化方案指明方向。正如作者在"3.4展望"部分强调的，未来需要整合更多环境因子(如土壤有机碳SOC、盐分等)，构建面向不同下垫面的参数化方案群，这将显著提升多年冻土模拟的准确性，为预测气候变化下的冻土演化提供更可靠的工具。

值得注意的是，研究也坦诚存在三方面局限：一是受基础数据限制，未考虑温度、SOC等关键因子；二是XGBoost方法在动态过程模拟中存在固有局限；三是北极冻融期数据不足导致阶段性分析缺失。这些不足为后续研究留下了重要改进空间，也凸显了冻土STC研究的复杂性。总体而言，这项研究为理解全球两大典型冻土区的热力学过程差异树立了重要里程碑。