在多年冻土广泛退化的背景下，寒区流域根区土壤水分的空间分布对认识水文过程演变至关重要。然而，卫星遥感通常仅能反演地表几厘米（0–5 cm），且野外实测剖面极其稀疏，导致流域尺度上具有垂直结构的高分辨率水分数据匮乏。

针对这一难题，我站科研人员以大兴安岭根河流域为研究区，利用90个采样点的704条分层观测记录及29个对地观测与环境因子，构建了一种融合对地观测大数据与可解释机器学习方法的制图方法，实现了对多年冻土区根区不同深度分层水分的精细化刻画。

该研究研发了全流域0–1 m深度、10 cm间隔、30 m分辨率的土壤水分系列数据集。模型表现优异（R2 = 0.85, RMSE = 0.08 L/L）。结果揭示了流域根区水分受“多年冻土-湿地-地形”耦合驱动的空间特征，有效弥补了现有遥感产品无法精细刻画根区及微地形尺度异质性的缺陷，为寒区水文模拟与水资源管理提供了普适性的制图方案及高精度基础数据。

该研究成果以 “Earth observation and machine-learning–based mapping of 0–1 m soil moisture at 10-cm intervals in a permafrost-affected basin” 为题，发表在地球科学国际权威期刊 International Journal of Applied Earth Observation and Geoinformation (JAG)上。我站肖瑶助理研究员为论文第一作者，胡国杰研究员为通讯作者。本研究得到科技部基础资源调查专项，国家自然科学基金、中国科学院青年创新促进会及冰冻圈科学与冻土工程国家重点实验室自主部署项目联合资助。

文章链接：https://doi.org/10.1016/j.jag.2026.105147

图1 流域样点与海拔底图

图2 分层制图成果展示

图3 模型精度与解释性分析

图4 不同环境带的分层水分对比

图文：肖瑶，胡国杰；审核：吴通华