PERMACLIM 2.0：山区多年冻土条件高分辨率制图的修正模型

《Journal of Geovisualization and Spatial Analysis》：PERMACLIM 2.0: a Revised Model for High-Resolution Mapping of Permafrost Conditions in Mountain Regions

　　

在当前气候变化情景下，高效快速地评估潜在风险的山区变得越来越重要。多年冻土（permafrost）是决定山区地表稳定性的主要因素之一。地面温度热敏电阻（ground surface thermistor）监测网络有限，且在多个案例中数据和元数据不易获取。因此，模型是预测地面温度（ground surface temperature, GST）的有效替代方案。本研究提出了基于物理的模型PERMACLIM的更新版本（PERMACLIM 2.0），用于计算年平均地面温度（mean annual ground surface temperature, MAGST）并制图多年冻土条件。PERMACLIM 2.0包含多项更新，主要涉及雪深（snow depth）图的实现、GST的计算以及MAGST的分类，以基于多年冻土增积（permafrost aggradation）的存在、概率、可能性和缺失来检测多年冻土条件。该模型在意大利中北部阿尔卑斯山脉的上瓦尔泰利纳（Upper Valtellina）整个区域，针对2020和2022水文年（hydrological years）进行了测试，结果以10 m的空间分辨率返回。MAGST的整体均方根误差（RMSE）介于0.6至0.8 °C之间。多年冻土条件不适宜（not favourable）的区域占67.8%，轻微适宜（slightly favourable）占8%，适宜（favourable）占17.9%，非常适宜（very favourable）占6.2%。所获得的良好结果和模型的新设计表明，PERMACLIM 2.0可作为确定多年冻土条件的新工具，有助于更新山区的脆弱性（vulnerability）和风险图。

**论文解读文章**

**研究背景、存在问题及研究意义**
在气候变暖背景下，北极、寒带和山区是最敏感和脆弱的区域。其中，欧洲阿尔卑斯山在1993至2022年间气温每十年上升0.45 °C。多年冻土退化加剧了山区的脆弱性，影响基础设施稳定性和景观演变。然而，多年冻土监测受限于有限的钻孔数量和空间覆盖，数据获取成本高且不易共享。因此，模型成为大面积多年冻土研究的重要替代手段。早期的PERMACLIM模型基于物理过程，使用气象站数据（空气温度Ta、雪深HS）和数字高程模型（DEM）计算年平均地面温度（MAGST）作为多年冻土存在的代理指标。但原始模型存在时间分辨率低、雪深模拟简化、辐射效应忽视等局限，且未考虑雪物理属性（密度、热导率）的时空变化。为此，研究人员开发了PERMACLIM 2.0，旨在以10 m分辨率高效快速更新多年冻土条件图，以支持灾害风险评估和防灾规划。该论文发表在《Journal of Geovisualization and Spatial Analysis》。

**关键技术与方法**
研究人员使用以下主要技术方法（样本数据来源：11个自动气象站（AWS）数据来自伦巴第大区环保局、博尔扎诺自治省、特伦托自治省及A2A集团，热敏电阻数据用于验证）：采用基于高程的线性回归模型建立周/月分辨率的气温（Ta）和雪深（HS）空间分布图；引入雪深校正因子，包括坡面累积因子（SAF）用于模拟雪崩堆积、曲率校正因子（CCF）模拟风蚀与沉积，以及基于Hock公式的雪融因子（M）校正消融期雪分布；利用Jonas等模型计算雪密度（ρ_snow），采用Sturm等模型计算雪热导率（k_eff）；在无雪期通过辐射校正因子（基于太阳辐射I_tot）修正GST，有雪期利用感热通量（Q_s）重算GST；最后基于MAGST阈值（并考虑±0.5 °C不确定性）将多年冻土条件分为非常适宜、适宜、轻微适宜和缺失四类，并与TTOP模型结果对比验证。

**研究结果**

**Air Temperature（气温）**
通过线性回归模型（自变量为高程）得到的决定系数（R²）为0.88~0.99，平均气温递减率（lapse rate）为-0.663 °C/100 m（第一水文年）和-0.649 °C/100 m（第二水文年）。年平均气温（MAAT）范围分别为-8.73~3.62 °C和-7.59~4.77 °C。验证显示，整体平均绝对误差（MAE）为0.64~0.65 °C，RMSE为0.79~0.83 °C。

**Snow Depth（雪深）**
雪深与高程呈强正相关（r=0.75~0.99），冬季决定系数相对较低。引入SAF、CCF和M校正后，雪深图验证显示MAE从31 cm降至21 cm（第一水文年），RMSE从38 cm降至27 cm；第二水文年MAE从15 cm降至11 cm，RMSE从22 cm降至18 cm。同时，雪深校正显著改善了雪密度和热导率的空间分布。

**Ground Surface Temperature（地面温度）**
无雪期GST估算中，辐射修正的相关系数均>0.7，决定系数（R²）在7~9月提高至0.9。基于13个热敏电阻的验证显示，第一水文年整体MAE为0.7 °C、RMSE为1.38 °C；第二水文年MAE为1.09 °C、RMSE为1.77 °C。在La Vallaccia站点的时序对比中，经过全部校正后GST的MAE降低35%~50%，RMSE降低17%~49%。

**Mean Annual Ground Surface Temperature（年平均地面温度）**
MAGST范围：第一水文年为-8.6~5.8 °C（均值2.1 °C），第二水文年为-7.4~6.7 °C（均值3.0 °C）。相比原始PERMACLIM，第一水文年MAGST的MAE和RMSE分别改善45%和34%，第二水文年改善50%和48%。

**Permafrost Conditions Map（多年冻土条件图）**
基于水文双年（2020-2022）的MAGST重分类，整个研究区中67.8%为不适宜条件，轻微适宜占8%，适宜占17.9%，非常适宜占6.2%。非常适宜条件仅出现于2400 m以上区域。在斯泰尔维奥山口（Stelvio Pass）等地，模型结果与地球物理调查（如Pavoni等2026）吻合度优于TTOP模型，能准确识别活动岩冰川（rock glacier）和残留岩冰川内的多年冻土存在。

**讨论与结论**
讨论部分指出：简单线性回归模型足以描述周/月尺度气温变异性；雪深模拟在冬季受克劳修斯-克拉珀龙效应和高海拔风再分配影响，线性模型结合地形校正因子可达到与Crocus雪模型类似的精度（RMSE 24~62 cm）；PERMACLIM 2.0的MAGST验证结果（RMSE 0.6~0.8 °C）与CryoGRID 1.0（1.2 °C）及瑞士阿尔卑斯类似研究（0.67~1.34 °C）相比性能优越；与TTOP模型对比显示，PERMACLIM 2.0在识别多年冻土存在区域方面更符合地球物理实测，尤其在活动岩冰川和PACE钻孔（实测MAGST -0.8~-0.5 °C）处模型预测为“适宜”条件，而TTOP预测为无多年冻土。利用与APIM（高山区多年冻土指数图）叠加生成的脆弱性图，可识别需要管理策略的区域，例如PACE钻孔处脆弱性最低，热岩溶区（thermokarst area）脆弱性高。

**研究结论翻译**：PERMACLIM 2.0是一个新工具，旨在以10 m空间分辨率在局部至区域尺度上计算MAGST。模拟结果表明，该模型仅使用简单的、易获取的输入数据即可高精度预测MAGST。模型还提供了每个时间间隔的空间化输出，包括平均气温、雪深、融雪、雪密度和雪热导率图。气温、雪深和地面温度的验证结果与已发表文献一致。这些发现表明，与之前的PERMACLIM版本相比，本版本的更新显著改善了MAGST计算，且性能优于其他地面温度模型（如TTOP）。所得的多年冻土条件图可识别非常适宜、适宜或轻微适宜的区域。这些信息可每1~2年用新数据轻松更新，为当前气候变化情景下的危险和风险评估提供动态工具。