| 基于机器学习的第三极季节冻土最大冻结深度未来变化预测 |
| |
| 引用本文： | 王冰泉,冉有华.基于机器学习的第三极季节冻土最大冻结深度未来变化预测[J].冰川冻土,2023(2):798-807. |
| |
| 作者姓名： | 王冰泉 冉有华 |
| |
| 作者单位： | 1. 中国科学院西北生态环境资源研究院黑河遥感试验研究站/甘肃省遥感重点实验室;2. 中国地质大学(武汉)环境学院;3. 中国科学院大学 |
| |
| 基金项目： | 国家自然科学基金项目（42071421）资助； |
| |
| 摘 要： | 最大冻结深度是季节冻土的重要指标，预测第三极地区未来最大冻结深度的变化，对于理解该区域的环境变化，指导生态保护、农牧业生产、工程建设等都具有重要意义。本研究利用基准时期（2000s）良好训练的支持向量回归模型，使用集合模拟策略，预测了2050s和2090s第三极地区在4种SSP情景下最大冻结深度的变化。结果表明，在可持续路径（SSP126）、中间路径（SSP245）、区域竞争路径（SSP370）和化石燃料为主发展路径（SSP585）情景下，不包括多年冻土退化为季节冻土的区域，相对于基准期，季节冻土的最大冻结深度到21世纪末将分别减小10.41 cm(11.69%)、24.00 cm(26.95%)、37.71 cm(42.34%)和47.71 cm(53.57%)。最大冻结深度的减小具有海拔依赖性，随着海拔的升高，最大冻结深度减小的速率变大，但是海拔超过5 000 m后，最大冻结深度减小速率逐渐减小，这与升温的海拔依赖性较为一致。最大冻结深度的变化也与生物群区有关，在4种SSP情景下，山地草地和灌木区的最大冻结深度减小速率最快，到21世纪末平均每十年分别减小1.80 cm、3.77 c...
|
| 关 键 词： | 第三极 青藏高原 亚洲高山区 季节冻土 最大冻结深度 海拔依赖性 |
|
