青藏高原作为中低纬度地区最大的高山冻土区，多年冻土和季节冻土广泛分布。高精度的地表冻融监测结果对研究该区域的水热交换、碳氮循环和土壤冻融侵蚀非常重要。本文基于4个青藏高原典型地区的土壤温湿度观测网数据，开展利用LightGBM算法和随机森林算法进行土壤冻融循环监测的研究。在构建土壤冻融监测模型的过程中，发现土壤湿度是影响冻融判别的一个关键因子。使用AMSR2亮温数据和ERA5-Land土壤湿度数据，基于两种机器学习算法判别地表冻融状态，将结果与传统冻融判别式算法进行对比分析。结果表明：相比冻融判别式算法，LightGBM算法在白天和夜间的总体判对率提高了12.09%;14.45%，随机森林算法在白天和夜间的总体判对率提高了13.23%和14.96%。近80%的错分样本分布在-4.0℃～4.0℃之间，说明2个机器学习算法能够识别出稳定的土壤冻结状态和融化状态。另外，LightGBM算法和随机森林算法得到的日冻融转换天数的平均RMSE降低了112.82和117.00；冻结天数的平均RMSE降低了47.87和53.96；融化天数的平均RMSE降低了37.10和39.80。同时，基于随机森林算法计算了2014年7月—2015年6月青藏高原冻结天数、融化天数、日冻融转换天数。得到的青藏高原冻结天数图，以中国冻土区划图为参考进行精度评价，总体分类精度为96.78%。