高质量、长序列、可实时更新的器测积雪深度观测数据是积雪深度模式产品和卫星遥感产品检验评估的基准数据。基于国家气象信息中心1951—2023年中国国家级地面站点观测的积雪深度数据，设置了包含元数据检查、界限值检查、时间一致性检查、气温-积雪深度协同检查、降水量-天气现象-气温-积雪深度协同检查和空间一致性检查的综合质量控制算法，识别出了约0.2%的错误数据，尤其能够识别积雪深度数据中的虚假“0”值以及148个站点错误的历史极值，保证了中国自1951年以来约2400个国家级地面观测站积雪深度数据的质量，研制形成一套中国地面器测积雪深度基础数据集。该数据集中各站点积雪深度数据完整性基本在80%—90%。基于该数据集，对中国积雪的季节分布特征、极值分布特征及长年代气候变化趋势特征进行了应用分析，结果显示东北地区、内蒙古东部、新疆北部和青藏高原积雪深度和积雪日数最高，冬季积雪深度15—20 cm，积雪日数在80 d以上，但是青藏高原积雪空间分布差异大。1951—2023年中国积雪深度和积雪日数气候趋势上升的区域集中在东北地区、内蒙古东部和新疆北部，下降的区域集中在华北平原和青藏高原。

高质量、长序列、可实时更新的器测积雪深度观测数据是积雪深度模式产品和卫星遥感产品检验评估的基准数据。基于国家气象信息中心1951—2023年中国国家级地面站点观测的积雪深度数据，设置了包含元数据检查、界限值检查、时间一致性检查、气温-积雪深度协同检查、降水量-天气现象-气温-积雪深度协同检查和空间一致性检查的综合质量控制算法，识别出了约0.2%的错误数据，尤其能够识别积雪深度数据中的虚假“0”值以及148个站点错误的历史极值，保证了中国自1951年以来约2400个国家级地面观测站积雪深度数据的质量，研制形成一套中国地面器测积雪深度基础数据集。该数据集中各站点积雪深度数据完整性基本在80%—90%。基于该数据集，对中国积雪的季节分布特征、极值分布特征及长年代气候变化趋势特征进行了应用分析，结果显示东北地区、内蒙古东部、新疆北部和青藏高原积雪深度和积雪日数最高，冬季积雪深度15—20 cm，积雪日数在80 d以上，但是青藏高原积雪空间分布差异大。1951—2023年中国积雪深度和积雪日数气候趋势上升的区域集中在东北地区、内蒙古东部和新疆北部，下降的区域集中在华北平原和青藏高原。

高质量、长序列、可实时更新的器测积雪深度观测数据是积雪深度模式产品和卫星遥感产品检验评估的基准数据。基于国家气象信息中心1951—2023年中国国家级地面站点观测的积雪深度数据，设置了包含元数据检查、界限值检查、时间一致性检查、气温-积雪深度协同检查、降水量-天气现象-气温-积雪深度协同检查和空间一致性检查的综合质量控制算法，识别出了约0.2%的错误数据，尤其能够识别积雪深度数据中的虚假“0”值以及148个站点错误的历史极值，保证了中国自1951年以来约2400个国家级地面观测站积雪深度数据的质量，研制形成一套中国地面器测积雪深度基础数据集。该数据集中各站点积雪深度数据完整性基本在80%—90%。基于该数据集，对中国积雪的季节分布特征、极值分布特征及长年代气候变化趋势特征进行了应用分析，结果显示东北地区、内蒙古东部、新疆北部和青藏高原积雪深度和积雪日数最高，冬季积雪深度15—20 cm，积雪日数在80 d以上，但是青藏高原积雪空间分布差异大。1951—2023年中国积雪深度和积雪日数气候趋势上升的区域集中在东北地区、内蒙古东部和新疆北部，下降的区域集中在华北平原和青藏高原。

积雪密度是表征积雪特性的一个重要参量，也是将积雪深度转换成雪水当量的重要指标，在山区雪水资源估算、融雪洪水等水资源管理、自然灾害预报以及气候研究等方面具有重要作用。以1960–2020年青藏高原132个逐日国家气象站资料、中国区域地面气象要素驱动数据集、卫星融合雪深数据集为主要数据源，分不同地表类型比较几种机器学习模型在积雪密度模拟中的性能，选取最优模型，综合地面、卫星和再分析资料，制作了青藏高原逐月积雪密度数据集。与132个青藏高原国家气象观测站的逐月多年平均积雪密度数据进行精度检验发现，逐月多年平均积雪密度的平均均方根误差为0.019 g/cm3，平均相对误差为11.88%，表明数据集具有较高精度。本数据集将为青藏高原水资源评估、水文过程模拟等提供数据支撑。

积雪密度是表征积雪特性的一个重要参量，也是将积雪深度转换成雪水当量的重要指标，在山区雪水资源估算、融雪洪水等水资源管理、自然灾害预报以及气候研究等方面具有重要作用。以1960–2020年青藏高原132个逐日国家气象站资料、中国区域地面气象要素驱动数据集、卫星融合雪深数据集为主要数据源，分不同地表类型比较几种机器学习模型在积雪密度模拟中的性能，选取最优模型，综合地面、卫星和再分析资料，制作了青藏高原逐月积雪密度数据集。与132个青藏高原国家气象观测站的逐月多年平均积雪密度数据进行精度检验发现，逐月多年平均积雪密度的平均均方根误差为0.019 g/cm3，平均相对误差为11.88%，表明数据集具有较高精度。本数据集将为青藏高原水资源评估、水文过程模拟等提供数据支撑。

积雪密度是表征积雪特性的一个重要参量，也是将积雪深度转换成雪水当量的重要指标，在山区雪水资源估算、融雪洪水等水资源管理、自然灾害预报以及气候研究等方面具有重要作用。以1960–2020年青藏高原132个逐日国家气象站资料、中国区域地面气象要素驱动数据集、卫星融合雪深数据集为主要数据源，分不同地表类型比较几种机器学习模型在积雪密度模拟中的性能，选取最优模型，综合地面、卫星和再分析资料，制作了青藏高原逐月积雪密度数据集。与132个青藏高原国家气象观测站的逐月多年平均积雪密度数据进行精度检验发现，逐月多年平均积雪密度的平均均方根误差为0.019 g/cm3，平均相对误差为11.88%，表明数据集具有较高精度。本数据集将为青藏高原水资源评估、水文过程模拟等提供数据支撑。

MODIS V6不再提供二值积雪分布及积雪面积比例产品，而是仅仅给出像元的归一化差值积雪指数NDSI。因此，基于MODIS V6进行积雪制图时，NDSI阈值的选取及相应的积雪制图精度有待研究。本文基于2013—2021年间250个地面气象站点逐日实测积雪深度数据，对中国三大典型积雪区内1 927景MOD10A1和1 936景MYD10A1影像中的NDSI＿Snow＿Cover波段进行评价，分别计算了逐站点像元在积雪产品制图中的最优精度及对应的最优NDSI阈值，并对影响精度的因素进行了分析。基于站点雪深的评价结果表明：（1）1 cm雪深阈值下，MOD10A1和MYD10A1的最优NDSI阈值均值±标准差分别为0.16±0.09和0.17±0.10，对应的总体精度OA、FS指数和CK指数的均值±标准差分别为0.96±0.05和0.94±0.05、0.84±0.19和0.75±0.24、0.81±0.20和0.71±0.24,MOD10A1的精度要优于MYD10A1。（2）MODIS积雪产品精度具有明显的空间异质性，青藏高原地区要远小于东北-内蒙古地区和北疆地区。（3）基于站点的积雪制图精度...

MODIS V6不再提供二值积雪分布及积雪面积比例产品，而是仅仅给出像元的归一化差值积雪指数NDSI。因此，基于MODIS V6进行积雪制图时，NDSI阈值的选取及相应的积雪制图精度有待研究。本文基于2013—2021年间250个地面气象站点逐日实测积雪深度数据，对中国三大典型积雪区内1 927景MOD10A1和1 936景MYD10A1影像中的NDSI＿Snow＿Cover波段进行评价，分别计算了逐站点像元在积雪产品制图中的最优精度及对应的最优NDSI阈值，并对影响精度的因素进行了分析。基于站点雪深的评价结果表明：（1）1 cm雪深阈值下，MOD10A1和MYD10A1的最优NDSI阈值均值±标准差分别为0.16±0.09和0.17±0.10，对应的总体精度OA、FS指数和CK指数的均值±标准差分别为0.96±0.05和0.94±0.05、0.84±0.19和0.75±0.24、0.81±0.20和0.71±0.24,MOD10A1的精度要优于MYD10A1。（2）MODIS积雪产品精度具有明显的空间异质性，青藏高原地区要远小于东北-内蒙古地区和北疆地区。（3）基于站点的积雪制图精度...

本文使用1979—2021年国家气候中心160站(R160)和国家级地面气象观测站2 314站(R2314)逐月降水观测资料，利用EOF（Empirical Orthogonal Function）分解和相关分析等方法，研究两类资料夏季降水时空变化特征及其与海气因素之间物理联系的表征水平差异，并分析了差异的可能原因。结果表明，R160在我国西北、青藏高原等地区站点极为稀疏，导致其各EOF模态对上述地区降水的时空变化特征描述失真，中东部地区偏低的空间分辨率会使局地强降水的变化特征信号损失，造成降水的年际变率降低。而R2314主模态能够更为真实地反映我国降水的时空演变特征，特别是在极端降水频发的江淮地区以及降水受局地地形影响较大的山区，其EOF主模态的空间分布和时间系数演变与ENSO（El Ni1o-Southern Oscillation）、西太平洋副热带高压、青藏高原雪盖等气候强迫信号之间的相关性更为显著。

本文使用1979—2021年国家气候中心160站(R160)和国家级地面气象观测站2 314站(R2314)逐月降水观测资料，利用EOF（Empirical Orthogonal Function）分解和相关分析等方法，研究两类资料夏季降水时空变化特征及其与海气因素之间物理联系的表征水平差异，并分析了差异的可能原因。结果表明，R160在我国西北、青藏高原等地区站点极为稀疏，导致其各EOF模态对上述地区降水的时空变化特征描述失真，中东部地区偏低的空间分辨率会使局地强降水的变化特征信号损失，造成降水的年际变率降低。而R2314主模态能够更为真实地反映我国降水的时空演变特征，特别是在极端降水频发的江淮地区以及降水受局地地形影响较大的山区，其EOF主模态的空间分布和时间系数演变与ENSO（El Ni1o-Southern Oscillation）、西太平洋副热带高压、青藏高原雪盖等气候强迫信号之间的相关性更为显著。