全面准确地认识积雪动态变化，对制定积雪变化应对措施，合理的进行持续变暖下区域水资源管理，加深全球气候变化科学认识等具有重要意义。作者基于MODIS最新版本的NDSI数据、IMS雪冰数据和192个SNOTEL站点地面积雪观测数据，依据美国西北部积雪特征确定了适于该区域的NDSI积雪判识阈值，针对各数据在不同时间段的积雪判识性能制定了不同的融合规则，提出了多源数据融合算法，得到多源数据融合计算积雪覆盖数据集——以美国西北部试验区(2000–2020)为例。验证结果表明，该融合算法得到的数据不仅较源数据精度有所改善、积雪判识综合性能提高。数据集包括：(1)试验区边界数据；(2)试验区2000–2020年每天的积雪覆盖数据(空间分辨率为500 m)。另附雪深验证点数据。数据集存储格式为.tif、.shp、.xlsx和.txt，共由7,688个数据文件组成，数据量为170 GB(压缩为1个文件，421 MB)。
全面准确地认识积雪动态变化，对制定积雪变化应对措施，合理的进行持续变暖下区域水资源管理，加深全球气候变化科学认识等具有重要意义。作者基于MODIS最新版本的NDSI数据、IMS雪冰数据和192个SNOTEL站点地面积雪观测数据，依据美国西北部积雪特征确定了适于该区域的NDSI积雪判识阈值，针对各数据在不同时间段的积雪判识性能制定了不同的融合规则，提出了多源数据融合算法，得到多源数据融合计算积雪覆盖数据集——以美国西北部试验区(2000–2020)为例。验证结果表明，该融合算法得到的数据不仅较源数据精度有所改善、积雪判识综合性能提高。数据集包括：(1)试验区边界数据；(2)试验区2000–2020年每天的积雪覆盖数据(空间分辨率为500 m)。另附雪深验证点数据。数据集存储格式为.tif、.shp、.xlsx和.txt，共由7,688个数据文件组成，数据量为170 GB(压缩为1个文件，421 MB)。