1.地表温度数据

  美国国家航空航天局提供每日MODIS LST/发射率产品（MOD11A1和MYD11A1版本6）和NDVI产品（MOD13A2），下载于https://www.earthdata.nasa.gov/.

  2.DEM数据

  航天飞机雷达地形任务90m数字高程数据库（SRTM/DEM，第4版）下载于https://cgiarcsi.community/data/srtm-90m-digital-elevation-database-v4-1/.

  3.降水量数据

  中国1公里月降水量数据集 (Peng et al., 2019) ，获取于https://doi.org/10.5281/zenodo.3114194.

  4.积雪数据

  高亚洲500米日部分积雪数据集(Qiu et al., 2017)，获取于https://doi.org/10.11888/GlaciolGeocryol.tpe.0000016.file.

  5.土壤属性数据

  用于地表建模的中国土壤属性数据集(Shangguan et al., 2013) ，获取于http://globalchange.bnu.edu.cn/research/soil2.

  6.气象站数据

  中国国家地面气象站（3.0版）由中国国家气象信息中心提供，下载地址为https://data.tpdc.ac.cn/en/data/52c77e9c-df4a-4e27-8e97-d363fdfce10a/.

  7.钻孔数据

  青藏高原地区长期冻土检测钻孔地温数据(Zhao et al., 2021) ，获取于https://doi.org/10.11888/Geocry.tpdc.271107.

  1.获取地表冻融指数。

  基于中分辨率成像光谱仪（MODIS）的地表温度（LST）数据计算地表冻结指数与融化指数。我们采用我们发展的方法来解决LST的缺值问题。首先，采用一种贝叶斯方法对LST缺失值估计等效晴空LST（即假设无云的LST值）[1]。然后，使用了基于太阳-云-卫星几何（SCSG）的云下LST重建方法[2]，从等效晴空LST中消除消除云影响得到云下LST。剩余空缺数据不到10%。计算日均LST，对空缺的日均LST进行常用时空插值得到全年日均LST数据。

  2.热偏移校正。

  由于冻土0cm地面温度（GST）会受到季节性积雪或植被的影响，GST和遥感LST数据产品之间通常存在热偏移，因此需要对LST进行校正以获得GST，并据此计算地表冻融指数作为冻土赋存模拟的驱动数据。我们利用站点观测建立GST和LST、归一化植被指数（NDVI）、纬度之间的回归关系，实现从日均LST到日均GST的估计，并在此基础上计算得到地表冻结指数和融化指数。

  3.基于调查图的青藏高原多年冻土分布制图。

  FROSTNUM/COP多年冻土制图方法[3]利用多年冻土区域调查图为基准，使用空间聚类和参数优化来估计土壤参数，这些参数在改进的地表冻结数（FROSTNUM）模型中可以表征与冻土分布相关的土壤条件的空间异质性，从而考虑局地因子对多年冻土分布的影响，提高模拟精度。采用能够同时处理连续变量和类别变量的K-prototypes方法进行土壤的空间聚类，并使用效率较高的粒子群算法作为参数优化方法对土壤参数进行率定。更重要的是，针对FROSTNUM/COP方法在较大区域应用时易出现的异参同效的问题进行改进，在参数优化中引入更多的约束以保证参数优化的稳定性。最终以之前得到的地表冻融指数为驱动数据，利用2010年附近的区域冻土调查图为优化目标，模拟得到2010年青藏高原地区的冻土类型分布。

  4.验证

  与钻孔以及现有多年冻土分布图进行对比分析，以验证准确性。

  [1] Chen Y, Nan Z, Zhao S, et al. A Bayesian Approach for Interpolating Clear-Sky MODIS Land Surface Temperatures on Areas With Extensive Missing Data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 14: 515-528.

  [2] Chen Y, Nan Z, Cao Z, et al. A stepwise framework for interpolating land surface temperature under cloudy conditions based on the solar-cloud-satellite geometry. ISPRS Journal of Photogrammetry and Remote Sensing, 2023, 197: 292-308.

  [3] Hu J, Zhao S, Nan Z, et al. An effective approach for mapping permafrost in a large area using subregion maps and satellite data. Permafrost and Periglacial Processes, 2020, 31(4): 548-560.