额尔齐斯河流域受地理条件的影响，流域内水文气象站点较少，基础资料匮乏，而融雪洪水在该流域的汛期及水资源管理上有着较大影响。本研究通过应用降水和气温的再分析产品及AVHRR积雪数据，利用K-means聚类法进行不同径流时期特点的划分，并在不同时期构建相应SRM+LSTM模型，并使用2009年数据及2023年实地观测的径流数据进行验证。结果表明：再分析产品CMFD能够较好地应用于额尔齐斯河流域，并能根据降水、温度、积雪及径流间的关系得到不同径流划分时期，即12月11日—次年4月10日为积雪退水期、4月11日—8月10日为融雪降水产流期、8月11日为降水产流期。SRM模型模拟效果较差，大部分径流纳什效率系数（NSE）<0；而SRM+LSTM模型能够较好地模拟该流域的不同时期的径流，决定系数R2均能达到0.5以上，纳什效率系数也能达到0.5以上，证明SRM+LSTM模型能够较好地应用于该地区，精度较高。

额尔齐斯河流域受地理条件的影响，流域内水文气象站点较少，基础资料匮乏，而融雪洪水在该流域的汛期及水资源管理上有着较大影响。本研究通过应用降水和气温的再分析产品及AVHRR积雪数据，利用K-means聚类法进行不同径流时期特点的划分，并在不同时期构建相应SRM+LSTM模型，并使用2009年数据及2023年实地观测的径流数据进行验证。结果表明：再分析产品CMFD能够较好地应用于额尔齐斯河流域，并能根据降水、温度、积雪及径流间的关系得到不同径流划分时期，即12月11日—次年4月10日为积雪退水期、4月11日—8月10日为融雪降水产流期、8月11日为降水产流期。SRM模型模拟效果较差，大部分径流纳什效率系数（NSE）<0；而SRM+LSTM模型能够较好地模拟该流域的不同时期的径流，决定系数R2均能达到0.5以上，纳什效率系数也能达到0.5以上，证明SRM+LSTM模型能够较好地应用于该地区，精度较高。

额尔齐斯河流域受地理条件的影响，流域内水文气象站点较少，基础资料匮乏，而融雪洪水在该流域的汛期及水资源管理上有着较大影响。本研究通过应用降水和气温的再分析产品及AVHRR积雪数据，利用K-means聚类法进行不同径流时期特点的划分，并在不同时期构建相应SRM+LSTM模型，并使用2009年数据及2023年实地观测的径流数据进行验证。结果表明：再分析产品CMFD能够较好地应用于额尔齐斯河流域，并能根据降水、温度、积雪及径流间的关系得到不同径流划分时期，即12月11日—次年4月10日为积雪退水期、4月11日—8月10日为融雪降水产流期、8月11日为降水产流期。SRM模型模拟效果较差，大部分径流纳什效率系数（NSE）<0；而SRM+LSTM模型能够较好地模拟该流域的不同时期的径流，决定系数R2均能达到0.5以上，纳什效率系数也能达到0.5以上，证明SRM+LSTM模型能够较好地应用于该地区，精度较高。

无资料地区雪灾防御参数常采用周边有资料的气象站参数替代，基于气候背景相似的降雪气候区划可以为代表站的选取提供科学依据。本文利用湖北省76个国家气象站1961—2020年的气象观测资料，选取了降雪初终日、雪日数、积雪日数、降雪量、最大积雪深度等12个多维时间序列指标，采用Hilbert-Schmidt Independence Criterion(HSIC)核函数的有偏估计公式计算12个指标的整体相似性，对湖北省降雪气候进行了聚类分析。结果表明：湖北省降雪气候可以划分为东南部、中部、西北部和西南部4个气候分区，分区的地带性分布特征与湖北省强降雪天气由北方冷空气南下产生的气候背景一致；初雪日从西北部向中部、西南部、东南部降雪区推迟，终雪日则正好相反，西北部的降雪日数和积雪日数最多；东南部代表站为黄石站，中部代表站有麻城、武汉、钟祥，西南部代表站有咸丰、巴东，西北部代表站郧西、老河口。HSIC核函数能很好处理较大年际波动的指标序列集之间的相似性，其聚类方法对湖北省降雪的气候区划较为合理，区划结果为湖北省精细化雪灾防御提供了技术依据。

无资料地区雪灾防御参数常采用周边有资料的气象站参数替代，基于气候背景相似的降雪气候区划可以为代表站的选取提供科学依据。本文利用湖北省76个国家气象站1961—2020年的气象观测资料，选取了降雪初终日、雪日数、积雪日数、降雪量、最大积雪深度等12个多维时间序列指标，采用Hilbert-Schmidt Independence Criterion(HSIC)核函数的有偏估计公式计算12个指标的整体相似性，对湖北省降雪气候进行了聚类分析。结果表明：湖北省降雪气候可以划分为东南部、中部、西北部和西南部4个气候分区，分区的地带性分布特征与湖北省强降雪天气由北方冷空气南下产生的气候背景一致；初雪日从西北部向中部、西南部、东南部降雪区推迟，终雪日则正好相反，西北部的降雪日数和积雪日数最多；东南部代表站为黄石站，中部代表站有麻城、武汉、钟祥，西南部代表站有咸丰、巴东，西北部代表站郧西、老河口。HSIC核函数能很好处理较大年际波动的指标序列集之间的相似性，其聚类方法对湖北省降雪的气候区划较为合理，区划结果为湖北省精细化雪灾防御提供了技术依据。

无资料地区雪灾防御参数常采用周边有资料的气象站参数替代，基于气候背景相似的降雪气候区划可以为代表站的选取提供科学依据。本文利用湖北省76个国家气象站1961—2020年的气象观测资料，选取了降雪初终日、雪日数、积雪日数、降雪量、最大积雪深度等12个多维时间序列指标，采用Hilbert-Schmidt Independence Criterion(HSIC)核函数的有偏估计公式计算12个指标的整体相似性，对湖北省降雪气候进行了聚类分析。结果表明：湖北省降雪气候可以划分为东南部、中部、西北部和西南部4个气候分区，分区的地带性分布特征与湖北省强降雪天气由北方冷空气南下产生的气候背景一致；初雪日从西北部向中部、西南部、东南部降雪区推迟，终雪日则正好相反，西北部的降雪日数和积雪日数最多；东南部代表站为黄石站，中部代表站有麻城、武汉、钟祥，西南部代表站有咸丰、巴东，西北部代表站郧西、老河口。HSIC核函数能很好处理较大年际波动的指标序列集之间的相似性，其聚类方法对湖北省降雪的气候区划较为合理，区划结果为湖北省精细化雪灾防御提供了技术依据。

南极海冰的生长消融与全球气候变化密切相关，而海冰上覆盖的积雪会对海冰的生长消融产生较大的影响。利用南极中山站附近海冰上的GPS数据，采用GNSS-IR(GNSS interferometric reflectometry)技术对海冰上覆积雪深度进行反演。首先，采用最小二乘谐波分析(least-squares harmonic estimation, LS-HE)方法提取反射信号的主波峰，计算反射面到天线相位中心的距离；其次，采用DBSCAN(density-based spatial clustering of applications with noise)聚类算法对反演结果进行质量控制；最后，利用现场实测雪深数据对反演结果进行了验证，平均偏差为-0.01 m,RMSE为0.012 m，表明GNSS-IR技术能够有效反演海冰表面积雪深度。

南极海冰的生长消融与全球气候变化密切相关，而海冰上覆盖的积雪会对海冰的生长消融产生较大的影响。利用南极中山站附近海冰上的GPS数据，采用GNSS-IR(GNSS interferometric reflectometry)技术对海冰上覆积雪深度进行反演。首先，采用最小二乘谐波分析(least-squares harmonic estimation, LS-HE)方法提取反射信号的主波峰，计算反射面到天线相位中心的距离；其次，采用DBSCAN(density-based spatial clustering of applications with noise)聚类算法对反演结果进行质量控制；最后，利用现场实测雪深数据对反演结果进行了验证，平均偏差为-0.01 m,RMSE为0.012 m，表明GNSS-IR技术能够有效反演海冰表面积雪深度。

南极海冰的生长消融与全球气候变化密切相关，而海冰上覆盖的积雪会对海冰的生长消融产生较大的影响。利用南极中山站附近海冰上的GPS数据，采用GNSS-IR(GNSS interferometric reflectometry)技术对海冰上覆积雪深度进行反演。首先，采用最小二乘谐波分析(least-squares harmonic estimation, LS-HE)方法提取反射信号的主波峰，计算反射面到天线相位中心的距离；其次，采用DBSCAN(density-based spatial clustering of applications with noise)聚类算法对反演结果进行质量控制；最后，利用现场实测雪深数据对反演结果进行了验证，平均偏差为-0.01 m,RMSE为0.012 m，表明GNSS-IR技术能够有效反演海冰表面积雪深度。

为准确判断融雪期起止时间，以大渡河融雪径流主要来源区的丹巴以上流域为例，基于2009～2020年的水文气象资料，分别采用集对分析法、系统聚类法和K-means聚类法对流域枯季(11月～次年5月)融雪期进行分期计算，并对分期结果进行合理性评估，确定流域最终融雪期划分方案。结果表明，大渡河丹巴以上流域的主融雪期为1月11日～5月10日，其前的11月1日～1月10日为退水期，其后的5月11日～5月31日为降雨径流开始期(仍有部分融雪径流)。研究结果可为高纬度地区的融雪期划分提供参考。