青藏高原多年冻土区地表土壤水分是该区地表各圈层之间物质和能量迁移转化的重要媒介，准确的地表土壤水分时空信息有助于分析该区土壤冻融循环过程、多年冻土退化特征以及在探讨地表土壤水分对气候变化的响应等方面具有重要科学意义。现阶段，青藏高原多年冻土发生着不同程度的退化，对区域土壤水分产生了显著影响。受限于该区高寒、缺氧以及恶劣天气的影响，青藏高原多年冻土区大范围的高分辨率土壤水分信息相对缺乏。为此，以青藏工程走廊沿线区域为研究区，以土壤水分的相关地表变量（地表温度、归一化植被指数、增强植被指数、坡度、坡向、高程、土壤质地、经纬度）为输入变量，以实测地表土壤水分为目标变量，基于随机森林回归方法分别建立了白天和夜间的土壤水分反演模型，得到了研究区2015～2018年5～9月地表土壤水分含量数据。结果表明：两个土壤水分反演模型均具有较好的反演精度，模型训练结果和验证结果与实测土壤水分含量的相关性均大于0.97，误差较小（RMSE=0.03 m3/m3），偏差接近于0 m3/m3，对各站点模拟结果较优，反演得到的地表土壤水分空间分布特征与植被分布特征一致，自东南向西北呈递减趋势。

土壤碳库作为全球碳循环中最为重要的组成部分，是陆地生态系统中最大的碳库。冻土区土壤碳库是对气候变化反应最为敏感的碳库，气候的微弱变化都会对其浅层土壤有机碳产成巨大的影响，进而影响着区域景观和生态。氧化稳定性作为反映土壤有机碳抗氧化能力的指标，影响着土壤有机碳的数量与质量，受制于气候因素影响，其变异在高寒冻土区具有一定的规律性。为探究冻土的土壤有机碳及其氧化稳定性分布特征，基于实验数据与2011—2019年的气候资料，采用随机森林模型对土壤有机碳含量、不同氧化难易程度土壤有机碳组分和土壤有机碳氧化稳定性系数，以及环境变量（年均降水量、年均日照时数、年平均气温、海拔）进行多要素数字化制图并分析其控制性因素。结果表明：模型对三江源冻土区浅层土壤有机碳的解释度在54%以上，数字化制图能较好地反映土壤有机碳的分布情况；土壤有机碳主要受降水和日照时数的影响，温度次之；不同氧化难易程度组分空间分布各异，但氧化稳定性具有北高南低的分布特征；冷、干利于冻土区浅层土壤有机碳氧化稳定性的提升。

净初级生产力（NPP）的估算还存在很大的不确定性。本文利用机器学习算法（RF和RBF-ANN）估算了2002—2018年青藏高原多年冻土区草地NPP,分析了青藏高原多年冻土区草地NPP的时空格局、变化特征及其对气候因子的响应。结果表明:（1）机器学习估算结果可靠,简单易行。（2）青藏高原多年冻土区草地NPP表现为东南向西北逐渐递减的趋势;NPP总量为175.39 Tg C·a-1,单位面积均值为164.10 g C·m-2·a-1,呈波动上升的趋势。（3）青藏高原多年冻土区草地NPP增加的面积占20.49%;各草地类型的NPP增长幅度不一致表现为高寒沼泽草甸>高寒草甸>高寒草原>高寒荒漠草原。（4）温度是青藏高原多年冻土区草地NPP变化的主导因子,降水的影响沿东南向西北逐渐减弱。

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...