基于机器学习模型的中国东北季节性冻土最大冻结深度50年时空演变研究及其气候响应机制

这篇研究运用机器学习模型（MLM）结合气象站监测与遥感再分析数据，系统揭示了1975-2024年中国东北季节性冻土（SFG）最大冻结深度（MFD）的时空演变规律。研究发现：50年间区域MFD以-8.54 cm/10a的速率显著减小，其中1995-2014年为退化最剧烈阶段；空间上冻结深度<160 cm的区域面积持续扩张，而>160 cm区域显著萎缩。研究创新性采用支持向量机回归（SVMR）模型（R2>0.86），通过特征重要性分析锁定冻结指数、太阳辐射和融化指数为关键驱动因子，为冻土区工程建设和生态管理提供了科学依据。

　　

引言

在全球变暖背景下，季节性冻土（SFG）的冻结状态与范围正发生显著改变。中国东北作为典型气候敏感区和重要粮仓，其冻土深度变化直接影响区域基础设施稳定性与农业生态系统。传统经验模型（如Stefan方程）受限于参数获取难度和地理适应性，而机器学习模型（MLM）能有效整合多源数据并捕捉气候-土壤非线性相互作用，为长期冻土模拟提供了新范式。

研究方法与数据

研究区涵盖东北三省（38°43’N-53°33’N），采用123个气象站50年MFD观测数据，结合ERA5-Land再分析气候数据（0.1°分辨率）和全球土壤数据集（GSDE）。通过排列重要性评估筛选出冻结指数、太阳辐射、融化指数、海拔、雪深、降水、容重和砾石含量8个核心预测因子。采用时空交叉验证对比随机森林（RF）、支持向量机回归（SVMR）、K近邻（KNN）和集成平均（EM）四种算法，最终选定训练100次的SVMR模型（NSE=0.75±0.07）为最优解。

关键发现

特征机制解析：SHAP值分析显示，冻结指数（SHAP=0.32）对MFD呈正向驱动，而太阳辐射（SHAP=-0.28）通过地表增温抑制冻结；雪深的双重效应（绝缘保温vs.高反照率）使其贡献呈现复杂非线性。

时空演变规律：

• 时间维度：近50年MFD从136.71 cm（1975-1984）降至104.58 cm（2015-2024），其中1995-2014年降幅达12.25 cm/10a，近年减速至6.24 cm/10a。

• 空间格局：冻结深度<160 cm区域面积扩张显著（140-160 cm区间增加6.32万km²），而>200 cm区域萎缩5.62万km²，退化热点集中在嫩江流域和富锦周边。

工程启示：根据《冻土工程地质勘察规范》（GB50324-2014），MFD减少可能弱化冻胀力（3%冻胀率对应6 cm变形），但需警惕融沉对建筑基础的长期累积损伤。

讨论与展望

研究创新点在于融合机器学习与多源遥感数据，突破寒区观测站点稀疏的限制。局限性体现在土壤数据分辨率（10 km）未能捕捉农田-森林交错带的小尺度异质性，且未量化城市热岛效应的影响。未来可引入物理约束深度学习框架，提升对"气候临界阈值"附近冻土退化过程的预测精度。

结论

该研究证实中国东北SFG正处于加速退化阶段，其空间异质性受气候-地形-土壤多因素耦合控制。SVMR模型为寒区基础设施适应性规划和农业风险管理提供了可靠工具，建议后续研究重点关注冻土-水文-生态耦合反馈机制。