利用1990—2024年间的Landsat遥感影像与气象数据，文章通过多时相影像计算归一化水体指数NDWI，结合K-means聚类方法计算羊卓雍措面积，并用一元线性拟合分析其变化趋势。羊湖在1996—2004年间显著扩张，受降水和融水补给增加，输入量超过输出量；2004—2014年间则经历了明显的缩减，归因于气温升高加剧蒸发，且融水和降水输入未显著变化，导致输入量小于输出量。利用傅里叶变换分析湖泊面积时序特征，发现其变化具有低频特性。在不同时间尺度上，羊湖面积的变化受降水、气温和积雪影响的具体过程各不相同。在超过15年周期（0.03 Hz,0.06 Hz）的低频变化中，羊湖面积与降水呈弱相关性，主要受到气温升高和积雪融化的影响，涉及蒸发量的增减以及积雪融化的促进或抑制。在10～15年周期（0.09 Hz,0.12 Hz）范围内，湖泊面积变化由降水和气温共同调控，影响湖泊水量的收支平衡。气候变暖是驱动羊湖面积年代尺度上变化的主要因素。

利用1990—2024年间的Landsat遥感影像与气象数据，文章通过多时相影像计算归一化水体指数NDWI，结合K-means聚类方法计算羊卓雍措面积，并用一元线性拟合分析其变化趋势。羊湖在1996—2004年间显著扩张，受降水和融水补给增加，输入量超过输出量；2004—2014年间则经历了明显的缩减，归因于气温升高加剧蒸发，且融水和降水输入未显著变化，导致输入量小于输出量。利用傅里叶变换分析湖泊面积时序特征，发现其变化具有低频特性。在不同时间尺度上，羊湖面积的变化受降水、气温和积雪影响的具体过程各不相同。在超过15年周期（0.03 Hz,0.06 Hz）的低频变化中，羊湖面积与降水呈弱相关性，主要受到气温升高和积雪融化的影响，涉及蒸发量的增减以及积雪融化的促进或抑制。在10～15年周期（0.09 Hz,0.12 Hz）范围内，湖泊面积变化由降水和气温共同调控，影响湖泊水量的收支平衡。气候变暖是驱动羊湖面积年代尺度上变化的主要因素。

利用1990—2024年间的Landsat遥感影像与气象数据，文章通过多时相影像计算归一化水体指数NDWI，结合K-means聚类方法计算羊卓雍措面积，并用一元线性拟合分析其变化趋势。羊湖在1996—2004年间显著扩张，受降水和融水补给增加，输入量超过输出量；2004—2014年间则经历了明显的缩减，归因于气温升高加剧蒸发，且融水和降水输入未显著变化，导致输入量小于输出量。利用傅里叶变换分析湖泊面积时序特征，发现其变化具有低频特性。在不同时间尺度上，羊湖面积的变化受降水、气温和积雪影响的具体过程各不相同。在超过15年周期（0.03 Hz,0.06 Hz）的低频变化中，羊湖面积与降水呈弱相关性，主要受到气温升高和积雪融化的影响，涉及蒸发量的增减以及积雪融化的促进或抑制。在10～15年周期（0.09 Hz,0.12 Hz）范围内，湖泊面积变化由降水和气温共同调控，影响湖泊水量的收支平衡。气候变暖是驱动羊湖面积年代尺度上变化的主要因素。

利用1990—2024年间的Landsat遥感影像与气象数据，文章通过多时相影像计算归一化水体指数NDWI，结合K-means聚类方法计算羊卓雍措面积，并用一元线性拟合分析其变化趋势。羊湖在1996—2004年间显著扩张，受降水和融水补给增加，输入量超过输出量；2004—2014年间则经历了明显的缩减，归因于气温升高加剧蒸发，且融水和降水输入未显著变化，导致输入量小于输出量。利用傅里叶变换分析湖泊面积时序特征，发现其变化具有低频特性。在不同时间尺度上，羊湖面积的变化受降水、气温和积雪影响的具体过程各不相同。在超过15年周期（0.03 Hz,0.06 Hz）的低频变化中，羊湖面积与降水呈弱相关性，主要受到气温升高和积雪融化的影响，涉及蒸发量的增减以及积雪融化的促进或抑制。在10～15年周期（0.09 Hz,0.12 Hz）范围内，湖泊面积变化由降水和气温共同调控，影响湖泊水量的收支平衡。气候变暖是驱动羊湖面积年代尺度上变化的主要因素。

利用1990—2024年间的Landsat遥感影像与气象数据，文章通过多时相影像计算归一化水体指数NDWI，结合K-means聚类方法计算羊卓雍措面积，并用一元线性拟合分析其变化趋势。羊湖在1996—2004年间显著扩张，受降水和融水补给增加，输入量超过输出量；2004—2014年间则经历了明显的缩减，归因于气温升高加剧蒸发，且融水和降水输入未显著变化，导致输入量小于输出量。利用傅里叶变换分析湖泊面积时序特征，发现其变化具有低频特性。在不同时间尺度上，羊湖面积的变化受降水、气温和积雪影响的具体过程各不相同。在超过15年周期（0.03 Hz,0.06 Hz）的低频变化中，羊湖面积与降水呈弱相关性，主要受到气温升高和积雪融化的影响，涉及蒸发量的增减以及积雪融化的促进或抑制。在10～15年周期（0.09 Hz,0.12 Hz）范围内，湖泊面积变化由降水和气温共同调控，影响湖泊水量的收支平衡。气候变暖是驱动羊湖面积年代尺度上变化的主要因素。

明确山区季节性积雪的时空变化对山区水资源管理、水文过程和生态保护至关重要。高时空分辨率的积雪面积数据是监测山区积雪变化的重要手段，然而，由于现有积雪面积遥感产品受传感器性能的限制，短时间和高空间分辨率无法兼得，难以准确捕捉高度异质的山区斑状积雪的细微变化。为监测积雪面积的时空动态变化，本研究选取祁连山北麓山区为研究对象，利用MODIS和Landsat 8两种卫星数据，构建了基于U-Net++网络多源数据融合获取高时空分辨积雪面积的方法，并使用高分辨率的Landsat数据和Sentinel数据对新发展的方法进行验证，与融合高时空反射率数据间接重建积雪面积的STARFM和DMNet时空融合算法从不同角度进行对比验证。结果表明：（1）基于U-Net++网络的30 m空间分辨率积雪面积重建算法有效恢复了山区积雪的细节特征。算法精度较高，总体精度为90.4%，制图精度为89.9%，用户精度为88.4%,Kappa系数为0.80。重建结果鲁棒性较好，在不同积雪覆盖度、不同地表下垫面和不同云量的条件下，总体精度相差<3%，且均高于88%。（2）相较于STARFM和DMNet时空融合间接重建积雪...

明确山区季节性积雪的时空变化对山区水资源管理、水文过程和生态保护至关重要。高时空分辨率的积雪面积数据是监测山区积雪变化的重要手段，然而，由于现有积雪面积遥感产品受传感器性能的限制，短时间和高空间分辨率无法兼得，难以准确捕捉高度异质的山区斑状积雪的细微变化。为监测积雪面积的时空动态变化，本研究选取祁连山北麓山区为研究对象，利用MODIS和Landsat 8两种卫星数据，构建了基于U-Net++网络多源数据融合获取高时空分辨积雪面积的方法，并使用高分辨率的Landsat数据和Sentinel数据对新发展的方法进行验证，与融合高时空反射率数据间接重建积雪面积的STARFM和DMNet时空融合算法从不同角度进行对比验证。结果表明：（1）基于U-Net++网络的30 m空间分辨率积雪面积重建算法有效恢复了山区积雪的细节特征。算法精度较高，总体精度为90.4%，制图精度为89.9%，用户精度为88.4%,Kappa系数为0.80。重建结果鲁棒性较好，在不同积雪覆盖度、不同地表下垫面和不同云量的条件下，总体精度相差<3%，且均高于88%。（2）相较于STARFM和DMNet时空融合间接重建积雪...

明确山区季节性积雪的时空变化对山区水资源管理、水文过程和生态保护至关重要。高时空分辨率的积雪面积数据是监测山区积雪变化的重要手段，然而，由于现有积雪面积遥感产品受传感器性能的限制，短时间和高空间分辨率无法兼得，难以准确捕捉高度异质的山区斑状积雪的细微变化。为监测积雪面积的时空动态变化，本研究选取祁连山北麓山区为研究对象，利用MODIS和Landsat 8两种卫星数据，构建了基于U-Net++网络多源数据融合获取高时空分辨积雪面积的方法，并使用高分辨率的Landsat数据和Sentinel数据对新发展的方法进行验证，与融合高时空反射率数据间接重建积雪面积的STARFM和DMNet时空融合算法从不同角度进行对比验证。结果表明：（1）基于U-Net++网络的30 m空间分辨率积雪面积重建算法有效恢复了山区积雪的细节特征。算法精度较高，总体精度为90.4%，制图精度为89.9%，用户精度为88.4%,Kappa系数为0.80。重建结果鲁棒性较好，在不同积雪覆盖度、不同地表下垫面和不同云量的条件下，总体精度相差<3%，且均高于88%。（2）相较于STARFM和DMNet时空融合间接重建积雪...

明确山区季节性积雪的时空变化对山区水资源管理、水文过程和生态保护至关重要。高时空分辨率的积雪面积数据是监测山区积雪变化的重要手段，然而，由于现有积雪面积遥感产品受传感器性能的限制，短时间和高空间分辨率无法兼得，难以准确捕捉高度异质的山区斑状积雪的细微变化。为监测积雪面积的时空动态变化，本研究选取祁连山北麓山区为研究对象，利用MODIS和Landsat 8两种卫星数据，构建了基于U-Net++网络多源数据融合获取高时空分辨积雪面积的方法，并使用高分辨率的Landsat数据和Sentinel数据对新发展的方法进行验证，与融合高时空反射率数据间接重建积雪面积的STARFM和DMNet时空融合算法从不同角度进行对比验证。结果表明：（1）基于U-Net++网络的30 m空间分辨率积雪面积重建算法有效恢复了山区积雪的细节特征。算法精度较高，总体精度为90.4%，制图精度为89.9%，用户精度为88.4%,Kappa系数为0.80。重建结果鲁棒性较好，在不同积雪覆盖度、不同地表下垫面和不同云量的条件下，总体精度相差<3%，且均高于88%。（2）相较于STARFM和DMNet时空融合间接重建积雪...

明确山区季节性积雪的时空变化对山区水资源管理、水文过程和生态保护至关重要。高时空分辨率的积雪面积数据是监测山区积雪变化的重要手段，然而，由于现有积雪面积遥感产品受传感器性能的限制，短时间和高空间分辨率无法兼得，难以准确捕捉高度异质的山区斑状积雪的细微变化。为监测积雪面积的时空动态变化，本研究选取祁连山北麓山区为研究对象，利用MODIS和Landsat 8两种卫星数据，构建了基于U-Net++网络多源数据融合获取高时空分辨积雪面积的方法，并使用高分辨率的Landsat数据和Sentinel数据对新发展的方法进行验证，与融合高时空反射率数据间接重建积雪面积的STARFM和DMNet时空融合算法从不同角度进行对比验证。结果表明：（1）基于U-Net++网络的30 m空间分辨率积雪面积重建算法有效恢复了山区积雪的细节特征。算法精度较高，总体精度为90.4%，制图精度为89.9%，用户精度为88.4%,Kappa系数为0.80。重建结果鲁棒性较好，在不同积雪覆盖度、不同地表下垫面和不同云量的条件下，总体精度相差<3%，且均高于88%。（2）相较于STARFM和DMNet时空融合间接重建积雪...