土壤表层温度（SST）是地气能量交换的重要变量，也是评估冻土状态变化的关键指标。遥感技术能够反演出大范围、长时序的陆表温度数据（LST），然而，陆表温度与土壤表层温度之间受到植被、积雪等因素影响存在偏差。本研究基于MODIS LST数据，结合植被、积雪、土壤组分、地形和太阳辐射五种环境因子，通过逐月建立这些数据与土壤表层温度之间随机森林模型的方法，生产了2003–2023年环北极（45°N以北）1 km空间分辨率的月平均SST数据集。使用站点观测数据进行精度验证发现，SST数据集均方根误差（RMSE）范围为1.14–2.09 °C，R²在0.7以上，优于现有的分季相建立多元线性回归模型方法生产的SST数据集，在低植被区域（如，稀树苔原、草地、湿地等）的冷季（9月至次年4月）和高植被区（如，森林）的暖季（5月至8月）精度优势明显。该数据集可为多年冻土分布制图、活动层厚度估算等研究提供基础支撑。
土壤表层（0-10cm）温度站点观测数据来自SoilTemp(https://doi.org/10.1111/gcb.15123)和Global Terrestrial Network for Permafrost (GTN-P)两个数据库（https://gtnp.arcticportal.org/）。
MODIS数据产品包括LST、归一化植被指数（NDVI）、叶面积指数（LAI）、归一化积雪指数（NDSI）、积雪覆盖度、太阳辐射，来自google earth engine(https://earthengine. google.com/)数据集。
土壤组分数据包括干容重、黏土含量、粉粒含量、有机碳含量、沙粒含量、含水量，来自SoilGrid250数据集（https://soilgrids. org/）。
地形数据来自CopernicusDEM数据集（https://registry.opendata.aws/copernicus-dem/）。
气候数据包括积雪厚度、积雪密度、降水，来自ERA5-Land数据集(https://earthengine. google.com/)。
（1）数据预处理。对所有数据取月平均值（剔除土壤表层温度站点观测数据中观测天数少于26天的月份）。
（2）建立逐月样本库。提取站点观测数据对应位置的MODIS LST数据和环境因子数据作为样本，将1–12月份的逐月样本分别随机选择70 %用于模型训练，30 %用于精度测试。
（3）对1–12月份逐月训练随机森林模型，并分别将这些模型用于对应月份的2003–2023年逐年的土壤表层温度预估，结果中存在缺失值的区域使用相邻月份的平均值进行填充。
采用均方根误差（RMSE）和决定系数（R²）作为指标，使用测试集站点观测数据对生产的数据集进行精度验证。验证结果表明，2003–2023年环北极土壤表层温度数据集整体RMSE为1.14–2.09 ℃，R²为0.79-0.93。森林区域整体精度较高，冷季RMSE为0.85–1.36 ℃，R²为0.81–0.94；暖季RMSE为0.85–1.42 ℃、R²为0.66–0.88。草地区域在冷季精度较高，而在暖季精度有所下降，RMSE最高为1.76 ℃、R²为0.44。湿地区域在冷季精度较高，RMSE为1.22–1.83 ℃、R²为0.52–0.73；暖季精度稍低，RMSE为1.71–1.83 ℃、R²为0.68–0.74。稀树草原和灌木区域，冷季RMSE为1.3–2.5 ℃、R²为0.63–0.85；暖季RMSE升至1.7–2.5 ℃、R²为0.44–0.85。裸地区域冷季精度较低，RMSE为2.18–2.88 ℃、R²为0.56–0.60，而暖季精度有所上升，RMSE为1.24–1.34 ℃、R²为0.78。
| # | 编号 | 名称 | 类型 |
| 1 | 2020YFA0608504 | 北极陆地环境变化对人类社会致利致害效应评估 | 国家重点研发计划 |
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.NCDC.ARCTIC-CHANGE.DB7158.2026
10.12072/ncdc.arctic-change.db7158.2026
