湖泊面积和水量的变化对干旱区生态环境有着重要的影响。本文以青海省格尔木河流域的东达布逊湖为例,基于GEE云计算平台和Landsat数据,构建多指标随机森林算法提取1987—2021年的湖泊面积;结合ICESat和Cryosat等激光雷达数据刻画湖泊水面—水位关系,估算湖泊水量变化;并利用ERA5-Land数据和钾盐开采量基于相关性分析和随机森林贡献率计算方法探讨自然因素和人类活动对湖泊的影响程度。结果表明:湖泊面积在时间上的变化划分为扩张期、萎缩期、恢复期、萎缩期和快速恢复期5个阶段;而在空间上表现出南部萎缩、向西北部扩张的特征;2003—2021年东达布逊湖水量呈现上升趋势。气温、冰川冻土融化和太阳辐射是影响湖泊面积的主要因素,其贡献率分别为31.0%、29.4%和15.5%。在人类活动影响方面,2010年后钾肥的开采是湖泊面积变化的重要诱因。基于ARIMA模型预测发现,湖泊面积将于2030年减小至302.78 km2。

青藏高原因其复杂的地形地势和和积雪分布使得多种雪深算法未达到理想的精度。基于新一代被动微波数据AMSR2(Advanced Microwave Scanning Radiometer2),应用随机森林算法(Random Forest,RF)将亮温(Brightness Temperature,BT)和亮温差(Brightness Temperature Difference,BTD)作为参数输入,并将高程和纬度参数引入雪深反演模型中,经过模拟退火算法进行有效反演因子筛选,构建了基于随机森林算法的青藏高原雪深反演模型。结果表明:与AMSR2全球雪深产品相比,随机森林算法的拟合优度(R2)由0.41提升至0.60,均方根误差(Root Mean Square Error,RMSE)由7.36cm降至4.88cm,偏差(BIAS)由3.24cm减小至-0.16cm,随机森林雪深反演模型在青藏高原的精度更高;青藏高原平均海拔超过4 000m,当海拔大于青藏高原平均海拔时,随机森林算法的反演效果最差,但RMSE仅为3.78cm,BIAS仅为-0.09cm;高原南部(25°～30°N)因其复杂的地...

基于2007-2016年青海海北站10年季节冻土和气象监测数据,采用随机森林分析方法,分析了青藏高原季节冻土的季节和年际变异,并定量评估了各气象因子对季节冻土的影响。结果表明:(1)季节尺度上,季节冻土总体表现为单峰曲线趋势,根据冻土的冻结与消融过程大致可划分为四个阶段:无冻土期、冻结发展期、冻结盛期和冻结融化期。冻土冻结始于10月初,结束于翌年的6月末,冻结持续时间约为9个月,其中,7-10月为无冻土时期,11-12月为冻土的发展时期,翌年1-3月为冻土的冻结盛期,且于翌年3月冻土深度达到最大,为(195.72±5.16)cm,翌年4-6月为冻土的融化期时期;(2)年尺度上,季节最大冻土深度呈显著增加趋势(P<0.05),而冻土持续天数呈显著减少趋势(P<0.05),这主要是由于平均0 cm地温<0℃的天数下降导致。(3)平均地温和2 cm土壤热通量是影响冻土深度季节变化最重要气象因素,然后依次是净辐射总量、平均气温和最小值气温,而风速、最高气温、日照时数和降水对冻土深度变化影响微弱;平均气温负积温和平均地温负积温是影响季节最大冻土深度的主要驱动因子,而冻结日数对季...