Latest publication by Yue Qin

最新成果：基于历史气候数据的冻土深度估算贝叶斯模型

博士生秦越等人近日发表研究成果，基于贝叶斯理论，提出了一种利用历史降水和气温数据估算季节性冻土最大深度的随机方法。通过构建Stefan公式的物理参数化方案，引入了前期影响雨量的概念估算冻结季开始前的土壤平均含水量，借助于马尔科夫链—蒙特卡洛（MCMC）方法模拟得到了Stefan公式中土壤水分相关参数的后验概率分布，并对季节性冻土深度估算的不确定性进行了评价。研究论文近日在线发表于国际期刊《Water Resources Research》。

近年来受到气温升高的影响，部分高纬度和高海拔地区的冻土出现了加速退化。然而，由于冻土区严寒实验条件所限，长期的冻土钻孔等观测资料非常匮乏；传统的经验公式中的参数具有较高不确定性。因此，提出一种考虑不确定性的冻土变化的估算方法具有实际意义。本研究建立了一种基于历史气温和降水数据的估算季节性冻土最大深度的贝叶斯模型。基于Stefan公式，引入了前期影响雨量对冻结开始前的土壤含水量进行量化，并通过马尔科夫链-蒙特卡洛（MCMC）方法估算了参数的概率分布。将方法应用于黄河源区11个观测站点，采用1961–2016年的历史气候数据驱动模型，证明了这种随机方法可以较好地预测冻土变化（RMSE = 0.13–0.35 m）。与传统的确定性方法相比，本研究所用随机方法可对土壤水分波动对模拟结果的不确定性进行有效评价。

该研究课题得到国家自然科学基金资助，博士生秦越得到国家留学基金资助。

Qin, Y., Chen, J., Yang, D., Wang, T., 2018. Estimating seasonally frozen ground depth from historical climate data and site measurements using a Bayesian model. Water Resources Research. DOI:10.1029/2017WR022185

论文链接：https://doi.org/10.1029/2017WR022185