雪线是气候变化的敏感指示器。在气候变暖背景下,开展区域雪线高度的遥感监测与模拟研究有利于深入探讨高山区冰冻圈变化趋势及其机制。本研究以叶尔羌河流域为研究区,基于MODIS积雪产品提取的雪线高度数据和ERA5气象再分析数据,采用梯度提升决策树（GBDT）、自适应提升（AdaBoost）、轻量梯度提升（LightGBM）、随机森林（RF）、极端梯度提升（XGBoost）,构建多种算法的雪线高度模拟模型。精度验证结果表明,5种学习算法的拟合优度（R2）均达到0.8以上,其模拟精度由高到低分别为:GBDT、AdaBoost、LightGBM、XGBoost、RF。依据模拟精度和最大相异性从中筛选AdaBoost、XGBoost、RF算法作为基学习器,GBDT算法作为元学习器,共同组合为Staking集成学习框架下的雪线高度模拟模型,其精度优于任意单个学习器（RMSE=88.73 m,MAE=57.99 m,R2=0.93）。该算法相较于其他模型消除了过拟合现象与奇异值的影响,鲁棒性和泛化能力更强,预测结果更加稳定。之后,构建多时间尺度的雪线高度模型并...

雪线是气候变化的敏感指示器。在气候变暖背景下,开展区域雪线高度的遥感监测与模拟研究有利于深入探讨高山区冰冻圈变化趋势及其机制。本研究以叶尔羌河流域为研究区,基于MODIS积雪产品提取的雪线高度数据和ERA5气象再分析数据,采用梯度提升决策树（GBDT）、自适应提升（AdaBoost）、轻量梯度提升（LightGBM）、随机森林（RF）、极端梯度提升（XGBoost）,构建多种算法的雪线高度模拟模型。精度验证结果表明,5种学习算法的拟合优度（R2）均达到0.8以上,其模拟精度由高到低分别为:GBDT、AdaBoost、LightGBM、XGBoost、RF。依据模拟精度和最大相异性从中筛选AdaBoost、XGBoost、RF算法作为基学习器,GBDT算法作为元学习器,共同组合为Staking集成学习框架下的雪线高度模拟模型,其精度优于任意单个学习器（RMSE=88.73 m,MAE=57.99 m,R2=0.93）。该算法相较于其他模型消除了过拟合现象与奇异值的影响,鲁棒性和泛化能力更强,预测结果更加稳定。之后,构建多时间尺度的雪线高度模型并...

雪线是气候变化的敏感指示器。在气候变暖背景下,开展区域雪线高度的遥感监测与模拟研究有利于深入探讨高山区冰冻圈变化趋势及其机制。本研究以叶尔羌河流域为研究区,基于MODIS积雪产品提取的雪线高度数据和ERA5气象再分析数据,采用梯度提升决策树（GBDT）、自适应提升（AdaBoost）、轻量梯度提升（LightGBM）、随机森林（RF）、极端梯度提升（XGBoost）,构建多种算法的雪线高度模拟模型。精度验证结果表明,5种学习算法的拟合优度（R2）均达到0.8以上,其模拟精度由高到低分别为:GBDT、AdaBoost、LightGBM、XGBoost、RF。依据模拟精度和最大相异性从中筛选AdaBoost、XGBoost、RF算法作为基学习器,GBDT算法作为元学习器,共同组合为Staking集成学习框架下的雪线高度模拟模型,其精度优于任意单个学习器（RMSE=88.73 m,MAE=57.99 m,R2=0.93）。该算法相较于其他模型消除了过拟合现象与奇异值的影响,鲁棒性和泛化能力更强,预测结果更加稳定。之后,构建多时间尺度的雪线高度模型并...

雪线是气候变化的敏感指示器。在气候变暖背景下,开展区域雪线高度的遥感监测与模拟研究有利于深入探讨高山区冰冻圈变化趋势及其机制。本研究以叶尔羌河流域为研究区,基于MODIS积雪产品提取的雪线高度数据和ERA5气象再分析数据,采用梯度提升决策树（GBDT）、自适应提升（AdaBoost）、轻量梯度提升（LightGBM）、随机森林（RF）、极端梯度提升（XGBoost）,构建多种算法的雪线高度模拟模型。精度验证结果表明,5种学习算法的拟合优度（R2）均达到0.8以上,其模拟精度由高到低分别为:GBDT、AdaBoost、LightGBM、XGBoost、RF。依据模拟精度和最大相异性从中筛选AdaBoost、XGBoost、RF算法作为基学习器,GBDT算法作为元学习器,共同组合为Staking集成学习框架下的雪线高度模拟模型,其精度优于任意单个学习器（RMSE=88.73 m,MAE=57.99 m,R2=0.93）。该算法相较于其他模型消除了过拟合现象与奇异值的影响,鲁棒性和泛化能力更强,预测结果更加稳定。之后,构建多时间尺度的雪线高度模型并...

雪线是气候变化的敏感指示器。在气候变暖背景下,开展区域雪线高度的遥感监测与模拟研究有利于深入探讨高山区冰冻圈变化趋势及其机制。本研究以叶尔羌河流域为研究区,基于MODIS积雪产品提取的雪线高度数据和ERA5气象再分析数据,采用梯度提升决策树（GBDT）、自适应提升（AdaBoost）、轻量梯度提升（LightGBM）、随机森林（RF）、极端梯度提升（XGBoost）,构建多种算法的雪线高度模拟模型。精度验证结果表明,5种学习算法的拟合优度（R2）均达到0.8以上,其模拟精度由高到低分别为:GBDT、AdaBoost、LightGBM、XGBoost、RF。依据模拟精度和最大相异性从中筛选AdaBoost、XGBoost、RF算法作为基学习器,GBDT算法作为元学习器,共同组合为Staking集成学习框架下的雪线高度模拟模型,其精度优于任意单个学习器（RMSE=88.73 m,MAE=57.99 m,R2=0.93）。该算法相较于其他模型消除了过拟合现象与奇异值的影响,鲁棒性和泛化能力更强,预测结果更加稳定。之后,构建多时间尺度的雪线高度模型并...

土壤热状态是指示多年冻土存在及其热稳定性的最关键指标。为探究黄河源头区冻土热状态的较长期变化，首先构建了土壤热传导数学模型并基于HYDRUS-1D模型求解，经参数率定验证，表明该模型具有较好的可靠性和适用性，然后利用中国区域地面气象要素驱动数据集（CMFD）驱动模拟了黄河源头区6个钻孔1979—2018年冻土地温的变化。结果表明，黄河源头区冻土热状态在1999年发生转变：1999年前温度变化速率为-0.037～0.026°C/a,1999年后升温速率为0.006～0.120°C/a。分析表明1998年的气候变暖突变及1999年的极端气候灾害突变是黄河源头区冻土地温在1999年发生突变的主要原因；冻土地温升高，冻土热稳定性下降，将深刻影响冻土水源涵养功能。该研究可厘清高原冻土对气候变化的响应规律，为加强黄河源头区生态环境分区管控提供科技支撑。

土壤热状态是指示多年冻土存在及其热稳定性的最关键指标。为探究黄河源头区冻土热状态的较长期变化，首先构建了土壤热传导数学模型并基于HYDRUS-1D模型求解，经参数率定验证，表明该模型具有较好的可靠性和适用性，然后利用中国区域地面气象要素驱动数据集（CMFD）驱动模拟了黄河源头区6个钻孔1979—2018年冻土地温的变化。结果表明，黄河源头区冻土热状态在1999年发生转变：1999年前温度变化速率为-0.037～0.026°C/a,1999年后升温速率为0.006～0.120°C/a。分析表明1998年的气候变暖突变及1999年的极端气候灾害突变是黄河源头区冻土地温在1999年发生突变的主要原因；冻土地温升高，冻土热稳定性下降，将深刻影响冻土水源涵养功能。该研究可厘清高原冻土对气候变化的响应规律，为加强黄河源头区生态环境分区管控提供科技支撑。

土壤热状态是指示多年冻土存在及其热稳定性的最关键指标。为探究黄河源头区冻土热状态的较长期变化，首先构建了土壤热传导数学模型并基于HYDRUS-1D模型求解，经参数率定验证，表明该模型具有较好的可靠性和适用性，然后利用中国区域地面气象要素驱动数据集（CMFD）驱动模拟了黄河源头区6个钻孔1979—2018年冻土地温的变化。结果表明，黄河源头区冻土热状态在1999年发生转变：1999年前温度变化速率为-0.037～0.026°C/a,1999年后升温速率为0.006～0.120°C/a。分析表明1998年的气候变暖突变及1999年的极端气候灾害突变是黄河源头区冻土地温在1999年发生突变的主要原因；冻土地温升高，冻土热稳定性下降，将深刻影响冻土水源涵养功能。该研究可厘清高原冻土对气候变化的响应规律，为加强黄河源头区生态环境分区管控提供科技支撑。

土壤热状态是指示多年冻土存在及其热稳定性的最关键指标。为探究黄河源头区冻土热状态的较长期变化，首先构建了土壤热传导数学模型并基于HYDRUS-1D模型求解，经参数率定验证，表明该模型具有较好的可靠性和适用性，然后利用中国区域地面气象要素驱动数据集（CMFD）驱动模拟了黄河源头区6个钻孔1979—2018年冻土地温的变化。结果表明，黄河源头区冻土热状态在1999年发生转变：1999年前温度变化速率为-0.037～0.026°C/a,1999年后升温速率为0.006～0.120°C/a。分析表明1998年的气候变暖突变及1999年的极端气候灾害突变是黄河源头区冻土地温在1999年发生突变的主要原因；冻土地温升高，冻土热稳定性下降，将深刻影响冻土水源涵养功能。该研究可厘清高原冻土对气候变化的响应规律，为加强黄河源头区生态环境分区管控提供科技支撑。

土壤热状态是指示多年冻土存在及其热稳定性的最关键指标。为探究黄河源头区冻土热状态的较长期变化，首先构建了土壤热传导数学模型并基于HYDRUS-1D模型求解，经参数率定验证，表明该模型具有较好的可靠性和适用性，然后利用中国区域地面气象要素驱动数据集（CMFD）驱动模拟了黄河源头区6个钻孔1979—2018年冻土地温的变化。结果表明，黄河源头区冻土热状态在1999年发生转变：1999年前温度变化速率为-0.037～0.026°C/a,1999年后升温速率为0.006～0.120°C/a。分析表明1998年的气候变暖突变及1999年的极端气候灾害突变是黄河源头区冻土地温在1999年发生突变的主要原因；冻土地温升高，冻土热稳定性下降，将深刻影响冻土水源涵养功能。该研究可厘清高原冻土对气候变化的响应规律，为加强黄河源头区生态环境分区管控提供科技支撑。