最新成果：基于统计与机器学习算法的青藏高原冻土分布及未来变化模拟

       博士生王泰华等人近日发表研究成果，基于统计与机器模型算法，模拟了青藏高原多年冻土及季节性冻土最大冻结深度空间分布，并预测了在未来气候变化情景下的青藏高原冻土退化情况。研究论文近日在线发表于国际期刊《Science of the Total Environment》。

       青藏高原的冻土退化会显著影响区域内及下游地区的水文循环、生态环境与社会经济，而目前还很少有研究利用机器学习算法对青藏高原的冻土分布及未来变化进行模拟。本研究选择逻辑回归、支持向量机与随机森林模拟多年冻土分布，综合利用气象、遥感、实地调研等多种数据集训练模型，并利用青藏高原钻孔数据对不同模型得到的多年冻土空间分布图进行验证与比较。结果表明，三种算法均可以得到较好的模拟精度，而三种算法的集合结果认为，在基准期(2003-2010)，青藏高原45.9%的面积存在多年冻土，而基于RCP4.5情景的预测结果认为，现存的多年冻土将有25.9%和43.9%到2040s与2090s退化为季节性冻土。本研究同时比较了支持向量机与随机森林在模拟季节性冻土最大冻结深度空间分布时的表现，认为支持向量机相比随机森林具有更好的模拟效果，得到了基准期及RCP4.5情景下未来时期的季节性冻土最大冻结深度的空间分布图，并发现在海拔更高的区域，冻结深度的退化幅度将高于海拔较低的区域。

Wang, T., Yang, D., Fang, B., Yang, W., Qin, Y., and Wang, Y., 2019. Data-driven mapping of the spatial distribution and potential changes of frozen ground over the Tibetan Plateau. Science of the Total Environment, 649: 515-525. DOI: 10.1016/j.scitotenv.2018.08.369

论文链接：https://doi.org/10.1016/j.scitotenv.2018.08.369