基于2000—2020年MODIS逐日无云积雪面积产品，分析了太白山积雪天数、积雪面积的年、季、月变化特征。结果表明：在水文年内，太白山积雪期为9月至次年5月，年平均积雪天数为170 d,年平均积雪面积约占太白山总面积的5%。冬季积雪较多，1月最多；秋季较少，9月最少。近20 a间，太白山积雪首日提前，积雪终日延后，全年积雪天数增加，秋季以5.8 d/10 a的趋势显著增加(P<0.05),11月增加最多；而年平均积雪面积减少，冬季减少最多，秋季次之，春季呈增加趋势，5月增加明显。太白山积雪天数的增加主要出现在中山区和高山区，积雪面积的减少主要出现在低山区和中山区。
基于2000—2020年MODIS逐日无云积雪面积产品，分析了太白山积雪天数、积雪面积的年、季、月变化特征。结果表明：在水文年内，太白山积雪期为9月至次年5月，年平均积雪天数为170 d,年平均积雪面积约占太白山总面积的5%。冬季积雪较多，1月最多；秋季较少，9月最少。近20 a间，太白山积雪首日提前，积雪终日延后，全年积雪天数增加，秋季以5.8 d/10 a的趋势显著增加(P<0.05),11月增加最多；而年平均积雪面积减少，冬季减少最多，秋季次之，春季呈增加趋势，5月增加明显。太白山积雪天数的增加主要出现在中山区和高山区，积雪面积的减少主要出现在低山区和中山区。
基于2000—2020年MODIS逐日无云积雪面积产品，分析了太白山积雪天数、积雪面积的年、季、月变化特征。结果表明：在水文年内，太白山积雪期为9月至次年5月，年平均积雪天数为170 d,年平均积雪面积约占太白山总面积的5%。冬季积雪较多，1月最多；秋季较少，9月最少。近20 a间，太白山积雪首日提前，积雪终日延后，全年积雪天数增加，秋季以5.8 d/10 a的趋势显著增加(P<0.05),11月增加最多；而年平均积雪面积减少，冬季减少最多，秋季次之，春季呈增加趋势，5月增加明显。太白山积雪天数的增加主要出现在中山区和高山区，积雪面积的减少主要出现在低山区和中山区。
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...
积雪是冰冻圈的重要组成部分，近年来气候变暖导致积雪面积正在减少，这一变化可能引发水资源分配不均以及生物多样性下降，进而影响当地的生活经济发展和生态环境。青海湖是我国最大的内陆湖泊，近年来其水位快速变化，入湖径流受流域内积雪及其变化的影响，但青海湖流域积雪特征、变化及其影响原因尚不清晰。基于中国MODIS逐日无云500 m积雪面积产品数据集以及中国区域地面气象要素驱动数据集（China Meteorological Forcing Dataset, CMFD）的气温和降水数据，本文对青海湖流域积雪时空变化特征及影响原因进行了研究。结果表明：（1）2000-2020年年均积雪频次分布与海拔之间存在较好的对应关系，随着海拔的降低，积雪频次也相应减少；同时受年均气温和年降水量的影响，其中，受年均气温显著偏相关影响的区域主要分布在青海湖北部和东部，受年降水量显著偏相关影响的区域主要分布在青海湖流域中部的布哈河中上游。（2）2001-2017年，青海湖流域和祁连山地区降水增加，但受两地区年均气温增长和年降雪量减少的影响，积雪面积减少。（3）青海湖流域和祁连山地区积雪面积年内变化较为相似，均呈双峰波...
积雪是冰冻圈的重要组成部分，近年来气候变暖导致积雪面积正在减少，这一变化可能引发水资源分配不均以及生物多样性下降，进而影响当地的生活经济发展和生态环境。青海湖是我国最大的内陆湖泊，近年来其水位快速变化，入湖径流受流域内积雪及其变化的影响，但青海湖流域积雪特征、变化及其影响原因尚不清晰。基于中国MODIS逐日无云500 m积雪面积产品数据集以及中国区域地面气象要素驱动数据集（China Meteorological Forcing Dataset, CMFD）的气温和降水数据，本文对青海湖流域积雪时空变化特征及影响原因进行了研究。结果表明：（1）2000-2020年年均积雪频次分布与海拔之间存在较好的对应关系，随着海拔的降低，积雪频次也相应减少；同时受年均气温和年降水量的影响，其中，受年均气温显著偏相关影响的区域主要分布在青海湖北部和东部，受年降水量显著偏相关影响的区域主要分布在青海湖流域中部的布哈河中上游。（2）2001-2017年，青海湖流域和祁连山地区降水增加，但受两地区年均气温增长和年降雪量减少的影响，积雪面积减少。（3）青海湖流域和祁连山地区积雪面积年内变化较为相似，均呈双峰波...
积雪是冰冻圈的重要组成部分，近年来气候变暖导致积雪面积正在减少，这一变化可能引发水资源分配不均以及生物多样性下降，进而影响当地的生活经济发展和生态环境。青海湖是我国最大的内陆湖泊，近年来其水位快速变化，入湖径流受流域内积雪及其变化的影响，但青海湖流域积雪特征、变化及其影响原因尚不清晰。基于中国MODIS逐日无云500 m积雪面积产品数据集以及中国区域地面气象要素驱动数据集（China Meteorological Forcing Dataset, CMFD）的气温和降水数据，本文对青海湖流域积雪时空变化特征及影响原因进行了研究。结果表明：（1）2000-2020年年均积雪频次分布与海拔之间存在较好的对应关系，随着海拔的降低，积雪频次也相应减少；同时受年均气温和年降水量的影响，其中，受年均气温显著偏相关影响的区域主要分布在青海湖北部和东部，受年降水量显著偏相关影响的区域主要分布在青海湖流域中部的布哈河中上游。（2）2001-2017年，青海湖流域和祁连山地区降水增加，但受两地区年均气温增长和年降雪量减少的影响，积雪面积减少。（3）青海湖流域和祁连山地区积雪面积年内变化较为相似，均呈双峰波...
以新疆昌吉回族自治州春季2010—2022年逐日MODIS积雪产品提取的积雪边缘线高度数据与气象站点观测的温度、降水以及坡度为主要数据源，利用积雪持续时间比率法、空间插值法、回归分析法等方法分析昌吉州春季积雪边缘线高度的空间分布规律及其影响因素。结果表明：近13年昌吉州春季积雪边缘线高度缓慢上升，平均积雪边缘线高度2010年最低(2 574.7 m),2012年最高(2 912.7 m)。在春季积雪边缘线高度场上，昌吉州南部山区积雪边缘线高度等值线分布密集，且变化梯度较大；北塔山区域分布较稀疏。温度、降水和坡度对昌吉州春季积雪边缘线高度的相对贡献率分别为32.2%、63.7%和4.1%,且在不同区域其相对贡献率存在差异。降水是影响昌吉州春季积雪边缘线高度的主要因素，昌吉州东部山区(阜康市至木垒县)最为明显，其次为西部山区(玛纳斯县至昌吉市),最后为北塔山区域，相对贡献率分别为73.3%、62.8%、57.5%。