利用1985—2021年呼伦贝尔市15个国家气象站各层地温、第一冻土层下限、最大冻土深度资料，研究呼伦贝尔市冻土气候演变特征，同时采用重标极差（R/S）和非周期循环分析，统计最大冻土深度等气象要素时间序列的Hurst指数、分维数和非周期循环的平均循环长度，分析最大冻土深度等气象要素变化趋势和记忆周期。研究表明：（1）0 cm地温、40 cm地温和80 cm地温都呈增加趋势，且0 cm地温增加趋势最显著，特别是0 cm地温最小值增大更加明显。（2）冻结持续日数呈缓慢减小趋势，其中中部偏北海拔超过600 m山区持续时间最长，西南部和东南部地区持续时间最短。（3）7月中旬冻土从北部地区开始，9月—10月下旬向西南和东南地区扩展，次年5月上旬—6月下旬自西南和东南地区向北部地区逐渐消失。（4）最大冻土深度呈现逐年减小趋势，突变年份出现在1988年，最大冻土深度在7—9月最浅，次年2—4月最深，10月—次年1月是最大冻土深度不断加深的过程，5—6月是最大冻土深度显著减小的时段，最大冻土深度最大值出现在西部偏南地区。（5）冻结持续日数和最大冻土深度未来减小趋势仍将持续，持续时间分别为10、8 a;...
利用1985—2021年呼伦贝尔市15个国家气象站各层地温、第一冻土层下限、最大冻土深度资料，研究呼伦贝尔市冻土气候演变特征，同时采用重标极差（R/S）和非周期循环分析，统计最大冻土深度等气象要素时间序列的Hurst指数、分维数和非周期循环的平均循环长度，分析最大冻土深度等气象要素变化趋势和记忆周期。研究表明：（1）0 cm地温、40 cm地温和80 cm地温都呈增加趋势，且0 cm地温增加趋势最显著，特别是0 cm地温最小值增大更加明显。（2）冻结持续日数呈缓慢减小趋势，其中中部偏北海拔超过600 m山区持续时间最长，西南部和东南部地区持续时间最短。（3）7月中旬冻土从北部地区开始，9月—10月下旬向西南和东南地区扩展，次年5月上旬—6月下旬自西南和东南地区向北部地区逐渐消失。（4）最大冻土深度呈现逐年减小趋势，突变年份出现在1988年，最大冻土深度在7—9月最浅，次年2—4月最深，10月—次年1月是最大冻土深度不断加深的过程，5—6月是最大冻土深度显著减小的时段，最大冻土深度最大值出现在西部偏南地区。（5）冻结持续日数和最大冻土深度未来减小趋势仍将持续，持续时间分别为10、8 a;...
利用1985—2021年呼伦贝尔市15个国家气象站各层地温、第一冻土层下限、最大冻土深度资料，研究呼伦贝尔市冻土气候演变特征，同时采用重标极差（R/S）和非周期循环分析，统计最大冻土深度等气象要素时间序列的Hurst指数、分维数和非周期循环的平均循环长度，分析最大冻土深度等气象要素变化趋势和记忆周期。研究表明：（1）0 cm地温、40 cm地温和80 cm地温都呈增加趋势，且0 cm地温增加趋势最显著，特别是0 cm地温最小值增大更加明显。（2）冻结持续日数呈缓慢减小趋势，其中中部偏北海拔超过600 m山区持续时间最长，西南部和东南部地区持续时间最短。（3）7月中旬冻土从北部地区开始，9月—10月下旬向西南和东南地区扩展，次年5月上旬—6月下旬自西南和东南地区向北部地区逐渐消失。（4）最大冻土深度呈现逐年减小趋势，突变年份出现在1988年，最大冻土深度在7—9月最浅，次年2—4月最深，10月—次年1月是最大冻土深度不断加深的过程，5—6月是最大冻土深度显著减小的时段，最大冻土深度最大值出现在西部偏南地区。（5）冻结持续日数和最大冻土深度未来减小趋势仍将持续，持续时间分别为10、8 a;...
基于1981—2019年间滨州地区7个国家气象观测站资料，利用最小二乘法和R/S分析法分析了最大冻土深度时空变化特征和未来的持续性，并引入BP神经网络建立冻土深度预测模型。结果表明：(1)滨州市年最大冻土深度呈逐年减小趋势，其中减小趋势最大为滨州南部邹平县，最小为滨州北部无棣和沾化；(2)滨州各站最大冻土深度年际变化趋势有3种类型，分别为无棣的“L”型，惠民、沾化、滨州、博兴的震荡型和邹平的下降型；(3)冻土深度与气温、地温、5～40 cm地温等11个气象要素之间均呈一致性负相关，其中20 cm地温对冻土深度影响最为明显；(4)引入BP神经网络建立的冻土深度预测模型总体拟合程度较好，达到了业务化的水平。
基于1981—2019年间滨州地区7个国家气象观测站资料，利用最小二乘法和R/S分析法分析了最大冻土深度时空变化特征和未来的持续性，并引入BP神经网络建立冻土深度预测模型。结果表明：(1)滨州市年最大冻土深度呈逐年减小趋势，其中减小趋势最大为滨州南部邹平县，最小为滨州北部无棣和沾化；(2)滨州各站最大冻土深度年际变化趋势有3种类型，分别为无棣的“L”型，惠民、沾化、滨州、博兴的震荡型和邹平的下降型；(3)冻土深度与气温、地温、5～40 cm地温等11个气象要素之间均呈一致性负相关，其中20 cm地温对冻土深度影响最为明显；(4)引入BP神经网络建立的冻土深度预测模型总体拟合程度较好，达到了业务化的水平。
基于1981—2019年间滨州地区7个国家气象观测站资料，利用最小二乘法和R/S分析法分析了最大冻土深度时空变化特征和未来的持续性，并引入BP神经网络建立冻土深度预测模型。结果表明：(1)滨州市年最大冻土深度呈逐年减小趋势，其中减小趋势最大为滨州南部邹平县，最小为滨州北部无棣和沾化；(2)滨州各站最大冻土深度年际变化趋势有3种类型，分别为无棣的“L”型，惠民、沾化、滨州、博兴的震荡型和邹平的下降型；(3)冻土深度与气温、地温、5～40 cm地温等11个气象要素之间均呈一致性负相关，其中20 cm地温对冻土深度影响最为明显；(4)引入BP神经网络建立的冻土深度预测模型总体拟合程度较好，达到了业务化的水平。