高时空分辨率雪深数据对水文建模和灾害预报至关重要。目前，高时间分辨率雪深通常源于被动微波数据，由于仅依据被动微波数据的空间分辨率较低，还无法满足区域水文和灾害研究的需求。本研究基于被动微波和光学等多源遥感数据，提出一种耦合深度学习模型FT-Transformer (Feature Tokenizer+Transformer)与积雪微波辐射传输模型SMRT (Snow Microwave Radiative Transfer)的降尺度雪深反演算法。使用深度学习映射AMSR 2亮温差TBD (Brightness Temperature Difference)、积雪覆盖日数SCD (Snow Cover Days)和积雪面积比例SCF (Snow Cover Fraction)等特征与雪深的复杂非线性关系，耦合SMRT拟合等效雪粒径ESG (Effective Snow Grain size)实现降尺度反演雪深，并以北疆39个站点数据进行模型训练和验证，获取北疆500 m降尺度雪深。验证结果表明：引入SCD独立验证RMSE优化了18%，有助于提高模型的空间泛化能力；ESG显著优化了深度学习...
高时空分辨率雪深数据对水文建模和灾害预报至关重要。目前，高时间分辨率雪深通常源于被动微波数据，由于仅依据被动微波数据的空间分辨率较低，还无法满足区域水文和灾害研究的需求。本研究基于被动微波和光学等多源遥感数据，提出一种耦合深度学习模型FT-Transformer (Feature Tokenizer+Transformer)与积雪微波辐射传输模型SMRT (Snow Microwave Radiative Transfer)的降尺度雪深反演算法。使用深度学习映射AMSR 2亮温差TBD (Brightness Temperature Difference)、积雪覆盖日数SCD (Snow Cover Days)和积雪面积比例SCF (Snow Cover Fraction)等特征与雪深的复杂非线性关系，耦合SMRT拟合等效雪粒径ESG (Effective Snow Grain size)实现降尺度反演雪深，并以北疆39个站点数据进行模型训练和验证，获取北疆500 m降尺度雪深。验证结果表明：引入SCD独立验证RMSE优化了18%，有助于提高模型的空间泛化能力；ESG显著优化了深度学习...
高时空分辨率雪深数据对水文建模和灾害预报至关重要。目前，高时间分辨率雪深通常源于被动微波数据，由于仅依据被动微波数据的空间分辨率较低，还无法满足区域水文和灾害研究的需求。本研究基于被动微波和光学等多源遥感数据，提出一种耦合深度学习模型FT-Transformer (Feature Tokenizer+Transformer)与积雪微波辐射传输模型SMRT (Snow Microwave Radiative Transfer)的降尺度雪深反演算法。使用深度学习映射AMSR 2亮温差TBD (Brightness Temperature Difference)、积雪覆盖日数SCD (Snow Cover Days)和积雪面积比例SCF (Snow Cover Fraction)等特征与雪深的复杂非线性关系，耦合SMRT拟合等效雪粒径ESG (Effective Snow Grain size)实现降尺度反演雪深，并以北疆39个站点数据进行模型训练和验证，获取北疆500 m降尺度雪深。验证结果表明：引入SCD独立验证RMSE优化了18%，有助于提高模型的空间泛化能力；ESG显著优化了深度学习...
东北松嫩平原玉米种植区春旱问题频发，积雪覆盖作为重要的自然水源补给方式，其对缓解春旱具有重要意义。研究基于2010—2023年松嫩平原冬季积雪深度及春季土壤墒情等数据，从理论与实证结合角度分析了积雪覆盖缓解春旱的作用机理，构建了理论模型，对比了积雪覆盖与其他保墒技术，为区域春旱缓解提供参考。
东北松嫩平原玉米种植区春旱问题频发，积雪覆盖作为重要的自然水源补给方式，其对缓解春旱具有重要意义。研究基于2010—2023年松嫩平原冬季积雪深度及春季土壤墒情等数据，从理论与实证结合角度分析了积雪覆盖缓解春旱的作用机理，构建了理论模型，对比了积雪覆盖与其他保墒技术，为区域春旱缓解提供参考。
东北松嫩平原玉米种植区春旱问题频发，积雪覆盖作为重要的自然水源补给方式，其对缓解春旱具有重要意义。研究基于2010—2023年松嫩平原冬季积雪深度及春季土壤墒情等数据，从理论与实证结合角度分析了积雪覆盖缓解春旱的作用机理，构建了理论模型，对比了积雪覆盖与其他保墒技术，为区域春旱缓解提供参考。
东北松嫩平原玉米种植区春旱问题频发，积雪覆盖作为重要的自然水源补给方式，其对缓解春旱具有重要意义。研究基于2010—2023年松嫩平原冬季积雪深度及春季土壤墒情等数据，从理论与实证结合角度分析了积雪覆盖缓解春旱的作用机理，构建了理论模型，对比了积雪覆盖与其他保墒技术，为区域春旱缓解提供参考。
东北松嫩平原玉米种植区春旱问题频发，积雪覆盖作为重要的自然水源补给方式，其对缓解春旱具有重要意义。研究基于2010—2023年松嫩平原冬季积雪深度及春季土壤墒情等数据，从理论与实证结合角度分析了积雪覆盖缓解春旱的作用机理，构建了理论模型，对比了积雪覆盖与其他保墒技术，为区域春旱缓解提供参考。
冰川是干旱区重要的淡水资源，表碛覆盖区冰川边界的精准识别对水资源评估至关重要。传统冰川编目数据因光谱混淆与地形复杂性，难以辨识活动冰体与石冰川的过渡区域，导致冰川范围难以准确定位，冰川水资源评估存在很大不确定性。以帕米尔高原西部昆吉尔苏冰川为研究区，采用融合合成孔径雷达（SAR）与光学遥感的识别方法，利用Sentinel-1A数据的偏移量追踪技术与TanDEM数据的大地测量法，获取冰川表面速度场和高程变化情况，结合Landsat-8光学影像目视解译冰川边界，并分析气候因素的影响。结果表明：昆吉尔苏冰川中段（距末端3.8～5.8 km区域）呈现持续活动性，冬季流速峰值达0.2 m·d?1，物质交换显著；2013—2020年距末端3.8～5.8 km区域呈消融状态，而2020年后，中段累积增厚7.06±6.05 m，验证其仍为活跃冰流区。据此校正兰道夫冰川编目数据（RGI），发现原编目低估昆吉尔苏冰川面积约2.8 km2。本文提出的多源遥感协同识别方法可为表碛覆盖冰川的活动性识别与边界更新提供理论依据，对干旱区冰川水资源动态评估及全球冰川数据库更新具有重要参考意义。
冰川是干旱区重要的淡水资源，表碛覆盖区冰川边界的精准识别对水资源评估至关重要。传统冰川编目数据因光谱混淆与地形复杂性，难以辨识活动冰体与石冰川的过渡区域，导致冰川范围难以准确定位，冰川水资源评估存在很大不确定性。以帕米尔高原西部昆吉尔苏冰川为研究区，采用融合合成孔径雷达（SAR）与光学遥感的识别方法，利用Sentinel-1A数据的偏移量追踪技术与TanDEM数据的大地测量法，获取冰川表面速度场和高程变化情况，结合Landsat-8光学影像目视解译冰川边界，并分析气候因素的影响。结果表明：昆吉尔苏冰川中段（距末端3.8～5.8 km区域）呈现持续活动性，冬季流速峰值达0.2 m·d?1，物质交换显著；2013—2020年距末端3.8～5.8 km区域呈消融状态，而2020年后，中段累积增厚7.06±6.05 m，验证其仍为活跃冰流区。据此校正兰道夫冰川编目数据（RGI），发现原编目低估昆吉尔苏冰川面积约2.8 km2。本文提出的多源遥感协同识别方法可为表碛覆盖冰川的活动性识别与边界更新提供理论依据，对干旱区冰川水资源动态评估及全球冰川数据库更新具有重要参考意义。