多年冻土是全球变化背景下最敏感的地圈要素之一，其热状况变化直接影响地表能量与水分平衡、生态系统过程及碳循环反馈。准确刻画多年冻土的空间分布、年平均地温（Mean Annual Ground Temperature, MAGT）及活动层厚度（Active Layer Thickness, ALT）的长期演变，对于理解高纬度地区对气候变暖的响应机制和预测未来环境风险具有重要意义。本数据集基于GTN-P（Global Terrestrial Network for Permafrost）和CALM（Circumpolar Active Layer Monitoring）提供的多年冻土监测数据，选取MAGT与ALT作为核心指标，结合地形、气候、土壤和植被等多源环境因子，利用多种机器学习算法构建预测模型，并通过交叉验证筛选出最佳模型进行空间制图。数据集覆盖北纬45°以北的泛北极地区，时间跨度为1980–2019年，按5年为一个平均周期（1980–1984、1985–1989、1990–1994、1995–1999、2000–2004、2005–2009、2010–2014、2015–2019）进行重建，空间分辨率为1 km。
本数据集基于GTN-P（Global Terrestrial Network for Permafrost）和CALM（Circumpolar Active Layer Monitoring）提供的多年冻土和活动层厚度监测数据，同时整合多源环境因子用于建模。地形因子来自美国地质调查局（USGS）提供的空间分辨率为1 km × 1 km 的SRTM DEM数据，并利用SAGA GIS软件提取了11项与地形相关的指标，包括：海拔（H）、坡度（Slope）、平面曲率（PlanC）、剖面曲率（ProC）、地形湿度指数（TWI）、汇水面积（TCA）、相对坡位（RSP）、坡长指数（LS）、地形收敛指数（CI）、谷深（VD）和封闭洼地（CD）。气候因子数据来自WorldClim v2.1全球气候数据库，植被因子采用NASA MOD13A3产品提供的归一化植被指数（NDVI）。土壤因子则包括不同土层深度的砂粒（Sand）、粉粒（Silt）和粘粒（Clay）含量，数据来源于SoilGrids全球土壤数据库。
本数据集以GTN-P和CALM的多年冻土和活动层厚度监测数据为基础，提取并匹配了相应的环境因子信息，涵盖地形（海拔、坡度、坡向）、气候（气温、降水、冻融指数）、土壤属性（砂粒、粉粒和粘粒含量）以及植被（NDVI）等多类指标。在模型构建与评估过程中，选取多种常见机器学习分类算法并采用10折交叉验证进行性能对比，结果表明随机森林模型在预测精度和稳定性方面表现最佳，因此被确定为最终建模方案。进一步基于模型的特征重要性排序和特征组合测试，筛选出最优特征组合，并利用全部监测站点数据进行训练构建最终模型。最终数据产品覆盖1980–2019年，按5年为一个时间段（1980–1984、1985–1989、1990–1994、1995–1999、2000–2004、2005–2009、2010–2014、2015–2019）进行重建，每一期均生成对应的GeoTIFF格式1 km分辨率栅格文件。
模型精度评估结果表明，MAGT的预测RMSE为1.23 ℃，R²为0.85；ALT的RMSE为55.6 cm，R²为0.84，能够较好地反映多年冻土热态的时空差异及演变趋势。
| # | 编号 | 名称 | 类型 |
| 1 | 2020YFA0608501 | 北极陆地环境变化及其效应研究 | 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.DB7133.2026
10.12072/ncdc.arctic-change.db7133.2026
