海冰表面积雪深度是利用卫星测高技术反演海冰厚度的关键参数。基于ICESat-2和CryoSat-2测高卫星的协同观测数据（简称IS2CS），对比与评估卫星测高雪深估算的两种时空匹配方法（轨迹搜索法和格网搜索法），并对2018-2024年北极海冰生长期（10月至次年4月）积雪深度的时空分布特征进行分析。结果表明：（1）IS2CS轨迹法雪深与OIB实测数据具有较高的沿轨相关性，能够较好地捕获沿轨积雪深度的变化特征；（2）格网法雪深更适合表征大尺度积雪深度的空间分布和季节性变化特征，本文格网法雪深和GSFC雪深精度相当，在SIMBA数据的评估中本文格网法雪深性能优于GSFC雪深；（3）相比IS2CS雪深，MW99/AMSR2雪深相对偏厚，且在海冰生长期内季节性变化表征能力较弱；（4）海冰积雪深度呈现明显的时空差异，多年冰表面雪深普遍厚于一年冰表面雪深，春季雪深厚于秋冬季雪深。2018-2024年间，北极海冰表面积雪深度总体呈现减薄趋势，且多年冰区域的雪深减薄速率高于一年冰区域。研究成果为改进卫星测高雪深产品和优化海冰厚度反演算法提供了科学依据。

海冰表面积雪深度是利用卫星测高技术反演海冰厚度的关键参数。基于ICESat-2和CryoSat-2测高卫星的协同观测数据（简称IS2CS），对比与评估卫星测高雪深估算的两种时空匹配方法（轨迹搜索法和格网搜索法），并对2018-2024年北极海冰生长期（10月至次年4月）积雪深度的时空分布特征进行分析。结果表明：（1）IS2CS轨迹法雪深与OIB实测数据具有较高的沿轨相关性，能够较好地捕获沿轨积雪深度的变化特征；（2）格网法雪深更适合表征大尺度积雪深度的空间分布和季节性变化特征，本文格网法雪深和GSFC雪深精度相当，在SIMBA数据的评估中本文格网法雪深性能优于GSFC雪深；（3）相比IS2CS雪深，MW99/AMSR2雪深相对偏厚，且在海冰生长期内季节性变化表征能力较弱；（4）海冰积雪深度呈现明显的时空差异，多年冰表面雪深普遍厚于一年冰表面雪深，春季雪深厚于秋冬季雪深。2018-2024年间，北极海冰表面积雪深度总体呈现减薄趋势，且多年冰区域的雪深减薄速率高于一年冰区域。研究成果为改进卫星测高雪深产品和优化海冰厚度反演算法提供了科学依据。

海冰表面积雪深度是利用卫星测高技术反演海冰厚度的关键参数。基于ICESat-2和CryoSat-2测高卫星的协同观测数据（简称IS2CS），对比与评估卫星测高雪深估算的两种时空匹配方法（轨迹搜索法和格网搜索法），并对2018-2024年北极海冰生长期（10月至次年4月）积雪深度的时空分布特征进行分析。结果表明：（1）IS2CS轨迹法雪深与OIB实测数据具有较高的沿轨相关性，能够较好地捕获沿轨积雪深度的变化特征；（2）格网法雪深更适合表征大尺度积雪深度的空间分布和季节性变化特征，本文格网法雪深和GSFC雪深精度相当，在SIMBA数据的评估中本文格网法雪深性能优于GSFC雪深；（3）相比IS2CS雪深，MW99/AMSR2雪深相对偏厚，且在海冰生长期内季节性变化表征能力较弱；（4）海冰积雪深度呈现明显的时空差异，多年冰表面雪深普遍厚于一年冰表面雪深，春季雪深厚于秋冬季雪深。2018-2024年间，北极海冰表面积雪深度总体呈现减薄趋势，且多年冰区域的雪深减薄速率高于一年冰区域。研究成果为改进卫星测高雪深产品和优化海冰厚度反演算法提供了科学依据。

研究玉龙雪山冰尘的理化特征及其微观形貌，不仅可以揭示区域内冰尘的形成机理、来源和影响因素等，更为进一步理解影响冰川消融的机制提供了科学依据。以2023年8～9月在玉龙雪山冰川区消融冰表面采集的冰尘样品为研究载体，分析了冰尘的理化特征和形成机制，讨论了冰尘对冰川融化和冰川区碳循环的潜在影响。通过对冰尘样品进行粒度测试，对总有机碳和微观形貌进行分析，发现冰尘中矿物颗粒体积粒径分布众数介于2～28μm，分布结构较为单一，主要源于粉尘沉降和局地岩石风化；雪冰样品中冰尘的总有机碳含量相对较高，且冰尘总有机碳含量随海拔降低而增加（采样点海拔范围在4 500～4 700 m），表明夏季冰川强烈消融对溶解性有机物质的输送和空间分布存在显著影响；冰尘微观形貌主要表现为致密泥质结构，无机物质和有机物质外观特征明显，内部存在不均匀且形态复杂的孔隙，分形维数较高，介于1.600 8～1.845 6，同时冰尘能谱分析检出了丰富的C、Si、O和Al等元素，表明冰尘中富含碳酸盐、硅酸盐和有机质等物质，这与冰川消融密切相关。研究结果有利于与其他冰川相关研究进行对比分析，对研究其他冰川冰尘理化特征及微观形貌具有指导意义...

为了探究城际动车组永磁直驱转向架区域的积雪结冰问题，基于某城际动车组全尺寸三车模型，采用Realizable k-ε湍流模型的非定常雷诺时均方法（unsteady Reynoldsaveraged Navier-Stokes, URANS）和离散相模型（discrete phase model, DPM），在环境温度-30℃及动车运营速度160 km/h的仿真条件下，分别研究了永磁直驱转向架区域与普通转向架区域的风雪运动特性.研究结果表明：永磁直驱转向架与普通转向架相比，转向架区域流场结构复杂度低，气流流动较为顺畅，虽然转向架积雪较多，但去除电机部分积雪后，总的积雪质量减少了23.83%，制动夹钳总的积雪质量比普通转向架模型减少了78.368%.可见，在永磁直驱转向架中，大部分积雪附着在永磁直驱电机的表面，而其他部位，尤其是制动夹钳表面的积雪较少.考虑到电机在运行过程中会发热，这种热效应能够融化表面积雪，使得电机表面的积雪量减少.基于这些特点，采用直驱形式的城际动车组转向架在解决积雪和结冰问题上展现出明显的优势.

为了探究城际动车组永磁直驱转向架区域的积雪结冰问题，基于某城际动车组全尺寸三车模型，采用Realizable k-ε湍流模型的非定常雷诺时均方法（unsteady Reynoldsaveraged Navier-Stokes, URANS）和离散相模型（discrete phase model, DPM），在环境温度-30℃及动车运营速度160 km/h的仿真条件下，分别研究了永磁直驱转向架区域与普通转向架区域的风雪运动特性.研究结果表明：永磁直驱转向架与普通转向架相比，转向架区域流场结构复杂度低，气流流动较为顺畅，虽然转向架积雪较多，但去除电机部分积雪后，总的积雪质量减少了23.83%，制动夹钳总的积雪质量比普通转向架模型减少了78.368%.可见，在永磁直驱转向架中，大部分积雪附着在永磁直驱电机的表面，而其他部位，尤其是制动夹钳表面的积雪较少.考虑到电机在运行过程中会发热，这种热效应能够融化表面积雪，使得电机表面的积雪量减少.基于这些特点，采用直驱形式的城际动车组转向架在解决积雪和结冰问题上展现出明显的优势.

研究玉龙雪山冰尘的理化特征及其微观形貌，不仅可以揭示区域内冰尘的形成机理、来源和影响因素等，更为进一步理解影响冰川消融的机制提供了科学依据。以2023年8～9月在玉龙雪山冰川区消融冰表面采集的冰尘样品为研究载体，分析了冰尘的理化特征和形成机制，讨论了冰尘对冰川融化和冰川区碳循环的潜在影响。通过对冰尘样品进行粒度测试，对总有机碳和微观形貌进行分析，发现冰尘中矿物颗粒体积粒径分布众数介于2～28μm，分布结构较为单一，主要源于粉尘沉降和局地岩石风化；雪冰样品中冰尘的总有机碳含量相对较高，且冰尘总有机碳含量随海拔降低而增加（采样点海拔范围在4 500～4 700 m），表明夏季冰川强烈消融对溶解性有机物质的输送和空间分布存在显著影响；冰尘微观形貌主要表现为致密泥质结构，无机物质和有机物质外观特征明显，内部存在不均匀且形态复杂的孔隙，分形维数较高，介于1.600 8～1.845 6，同时冰尘能谱分析检出了丰富的C、Si、O和Al等元素，表明冰尘中富含碳酸盐、硅酸盐和有机质等物质，这与冰川消融密切相关。研究结果有利于与其他冰川相关研究进行对比分析，对研究其他冰川冰尘理化特征及微观形貌具有指导意义...

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...

为了探究城际动车组永磁直驱转向架区域的积雪结冰问题，基于某城际动车组全尺寸三车模型，采用Realizable k-ε湍流模型的非定常雷诺时均方法（unsteady Reynoldsaveraged Navier-Stokes, URANS）和离散相模型（discrete phase model, DPM），在环境温度-30℃及动车运营速度160 km/h的仿真条件下，分别研究了永磁直驱转向架区域与普通转向架区域的风雪运动特性.研究结果表明：永磁直驱转向架与普通转向架相比，转向架区域流场结构复杂度低，气流流动较为顺畅，虽然转向架积雪较多，但去除电机部分积雪后，总的积雪质量减少了23.83%，制动夹钳总的积雪质量比普通转向架模型减少了78.368%.可见，在永磁直驱转向架中，大部分积雪附着在永磁直驱电机的表面，而其他部位，尤其是制动夹钳表面的积雪较少.考虑到电机在运行过程中会发热，这种热效应能够融化表面积雪，使得电机表面的积雪量减少.基于这些特点，采用直驱形式的城际动车组转向架在解决积雪和结冰问题上展现出明显的优势.