基于机器学习构建北半球永冻土区后退性融化滑坡易发性时空数据集

《Scientific Data》：A multi-period dataset of retrogressive thaw slump susceptibility for Northern Hemisphere permafrost regions

　　

摘要

永冻土融化加速了后退性融化滑坡（RTSs）的起始和扩展，这对陆地碳循环和地表能量收支具有关键意义。然而，描述北半球永冻土区域 RTS 易发性时空变化的长期数据集仍然缺乏。在此，我们整合了 55,673 条地理配准的 RTS 发生记录与机器学习模型，生成了 2000 年至 2100 年在多种气候变化情景下 1 公里分辨率的 RTS 易发性时空数据集。RTS 易发性定义为在特定环境条件下 RTS 的相对发生概率。我们独立建模了北极和青藏高原的 RTS 易发性，并合并了各自的输出结果，构建了北半球的的空间协调数据集。模型性能使用标准分类指标进行评估，得出的受试者工作特征曲线下面积（AUC）平均值为 0.96?±?0.005。该数据集包括整个北半球永冻土域的地理配准 RTS 清单和网格化易发性地图，涵盖基准期和多种未来气候情景。这些产品为量化气候变暖下的永冻土灾害风险、基础设施暴露度和碳 - 气候反馈提供了基础资源。