本数据集为大兴安岭东坡塔河地区卡马兰河流域多年冻土分布数据。结合实测钻孔和坑探数据，以地形因子、植被因子、气象因子和土壤与热状况因子数据为驱动，采用机器学习方法（随机森林）进行模型构建，总体准确率（Overall Accuracy）为0.89。可靠的精度使得此多年冻土分布数据可以作为全球变暖背景下卡马兰河流域多年冻土模拟的标定基准和历史参考。该数据格式为GeoTIFF，空间分辨率约30 m，投影为WGS_1984_Albers。
原始数据：实测钻孔和坑探数据；
环境变量数据：选取了地形、植被、气候及土壤四大类环境变量作为预测因子。
地形因子：基于数字高程模型（DEM）获取海拔、坡度、坡向及地形起伏度。
植被因子：利用MOD13A3遥感产品提取归一化植被指数（NDVI）；基于中国森林植被碳储量数据集获取地上及地下生物量数据。
气象因子：从ERA5-Land数据集提取春季降水；地表温度（GST）数据来源于HOBO监测站点的实地观测。
土壤与热状况因子：整合计算融化指数、冻结指数、腐殖质厚度及土壤含水率。
数据预处理：
对上述所有多源原始栅格数据进行空间配准与标准化处理。统一投影坐标系为 WGS_1984_Albers，将空间范围裁剪至研究区边界，并采用重采样技术将所有变量的空间分辨率统一为30 m，格式统一为GeoTIFF，确保多源数据在空间上的严格匹配。
提取每个样本点对应的环境变量数值，构建“样本-环境特征”高维数据集。构建的样本数据集包含目标变量（分类标签：1代表多年冻土，0代表季节冻土）及对应的特征向量。
对提取结果进行完整性检查，剔除含有缺失值（NoData）或异常值的样本，确保模型输入数据的质量。
随机森林模型构建：采用200次重复5折分层交叉验证（Stratified K-Fold Cross-Validation）策略评估模型性能。为降低单次数据划分带来的随机性，设置重复次数为200，折数为5，并保持多年冻土与季节冻土的类别比例一致。基于Python 环境下的scikit-learn机器学习库构建随机森林分类模型。针对样本不平衡问题，将class_weight参数设为'balanced'，启用袋外评分（oob_score=True）作为模型泛化能力的辅助评估，模型关键参数进行合理设置，其余超参数主要采用scikit-learn 默认配置。每次重复使用不同的随机种子，以保证重复实验的独立性；最终全区预测模型使用固定随机种子训练。将环境变量作为特征输入，冻土类型（多年冻土= 1，季节冻土= 0）作为标签进行模型训练。
本数据采用机器学习方法（随机森林）进行模型构建，总体准确率（Overall Accuracy）为0.89。
| # | 编号 | 名称 | 类型 |
| 1 | 2022FY100700 | 东北高纬度多年冻土本底及冻融灾害调查 | 基础资源调查项目 |
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.NIEER.DB7242.2026
10.12072/ncdc.nieer.db7242.2026
