积雪密度是表征积雪特性的一个重要参量，也是将积雪深度转换成雪水当量的重要指标，在山区雪水资源估算、融雪洪水等水资源管理、自然灾害预报以及气候研究等方面具有重要作用。以1960–2020年青藏高原132个逐日国家气象站资料、中国区域地面气象要素驱动数据集、卫星融合雪深数据集为主要数据源，分不同地表类型比较几种机器学习模型在积雪密度模拟中的性能，选取最优模型，综合地面、卫星和再分析资料，制作了青藏高原逐月积雪密度数据集。与132个青藏高原国家气象观测站的逐月多年平均积雪密度数据进行精度检验发现，逐月多年平均积雪密度的平均均方根误差为0.019 g/cm3，平均相对误差为11.88%，表明数据集具有较高精度。本数据集将为青藏高原水资源评估、水文过程模拟等提供数据支撑。

积雪密度是表征积雪特性的一个重要参量，也是将积雪深度转换成雪水当量的重要指标，在山区雪水资源估算、融雪洪水等水资源管理、自然灾害预报以及气候研究等方面具有重要作用。以1960–2020年青藏高原132个逐日国家气象站资料、中国区域地面气象要素驱动数据集、卫星融合雪深数据集为主要数据源，分不同地表类型比较几种机器学习模型在积雪密度模拟中的性能，选取最优模型，综合地面、卫星和再分析资料，制作了青藏高原逐月积雪密度数据集。与132个青藏高原国家气象观测站的逐月多年平均积雪密度数据进行精度检验发现，逐月多年平均积雪密度的平均均方根误差为0.019 g/cm3，平均相对误差为11.88%，表明数据集具有较高精度。本数据集将为青藏高原水资源评估、水文过程模拟等提供数据支撑。

积雪密度是表征积雪特性的一个重要参量，也是将积雪深度转换成雪水当量的重要指标，在山区雪水资源估算、融雪洪水等水资源管理、自然灾害预报以及气候研究等方面具有重要作用。以1960–2020年青藏高原132个逐日国家气象站资料、中国区域地面气象要素驱动数据集、卫星融合雪深数据集为主要数据源，分不同地表类型比较几种机器学习模型在积雪密度模拟中的性能，选取最优模型，综合地面、卫星和再分析资料，制作了青藏高原逐月积雪密度数据集。与132个青藏高原国家气象观测站的逐月多年平均积雪密度数据进行精度检验发现，逐月多年平均积雪密度的平均均方根误差为0.019 g/cm3，平均相对误差为11.88%，表明数据集具有较高精度。本数据集将为青藏高原水资源评估、水文过程模拟等提供数据支撑。

积雪密度是表征积雪特性的一个重要参量，也是将积雪深度转换成雪水当量的重要指标，在山区雪水资源估算、融雪洪水等水资源管理、自然灾害预报以及气候研究等方面具有重要作用。以1960–2020年青藏高原132个逐日国家气象站资料、中国区域地面气象要素驱动数据集、卫星融合雪深数据集为主要数据源，分不同地表类型比较几种机器学习模型在积雪密度模拟中的性能，选取最优模型，综合地面、卫星和再分析资料，制作了青藏高原逐月积雪密度数据集。与132个青藏高原国家气象观测站的逐月多年平均积雪密度数据进行精度检验发现，逐月多年平均积雪密度的平均均方根误差为0.019 g/cm3，平均相对误差为11.88%，表明数据集具有较高精度。本数据集将为青藏高原水资源评估、水文过程模拟等提供数据支撑。

积雪密度是表征积雪特性的一个重要参量，也是将积雪深度转换成雪水当量的重要指标，在山区雪水资源估算、融雪洪水等水资源管理、自然灾害预报以及气候研究等方面具有重要作用。以1960–2020年青藏高原132个逐日国家气象站资料、中国区域地面气象要素驱动数据集、卫星融合雪深数据集为主要数据源，分不同地表类型比较几种机器学习模型在积雪密度模拟中的性能，选取最优模型，综合地面、卫星和再分析资料，制作了青藏高原逐月积雪密度数据集。与132个青藏高原国家气象观测站的逐月多年平均积雪密度数据进行精度检验发现，逐月多年平均积雪密度的平均均方根误差为0.019 g/cm3，平均相对误差为11.88%，表明数据集具有较高精度。本数据集将为青藏高原水资源评估、水文过程模拟等提供数据支撑。

MODIS V6不再提供二值积雪分布及积雪面积比例产品，而是仅仅给出像元的归一化差值积雪指数NDSI。因此，基于MODIS V6进行积雪制图时，NDSI阈值的选取及相应的积雪制图精度有待研究。本文基于2013—2021年间250个地面气象站点逐日实测积雪深度数据，对中国三大典型积雪区内1 927景MOD10A1和1 936景MYD10A1影像中的NDSI＿Snow＿Cover波段进行评价，分别计算了逐站点像元在积雪产品制图中的最优精度及对应的最优NDSI阈值，并对影响精度的因素进行了分析。基于站点雪深的评价结果表明：（1）1 cm雪深阈值下，MOD10A1和MYD10A1的最优NDSI阈值均值±标准差分别为0.16±0.09和0.17±0.10，对应的总体精度OA、FS指数和CK指数的均值±标准差分别为0.96±0.05和0.94±0.05、0.84±0.19和0.75±0.24、0.81±0.20和0.71±0.24,MOD10A1的精度要优于MYD10A1。（2）MODIS积雪产品精度具有明显的空间异质性，青藏高原地区要远小于东北-内蒙古地区和北疆地区。（3）基于站点的积雪制图精度...

MODIS V6不再提供二值积雪分布及积雪面积比例产品，而是仅仅给出像元的归一化差值积雪指数NDSI。因此，基于MODIS V6进行积雪制图时，NDSI阈值的选取及相应的积雪制图精度有待研究。本文基于2013—2021年间250个地面气象站点逐日实测积雪深度数据，对中国三大典型积雪区内1 927景MOD10A1和1 936景MYD10A1影像中的NDSI＿Snow＿Cover波段进行评价，分别计算了逐站点像元在积雪产品制图中的最优精度及对应的最优NDSI阈值，并对影响精度的因素进行了分析。基于站点雪深的评价结果表明：（1）1 cm雪深阈值下，MOD10A1和MYD10A1的最优NDSI阈值均值±标准差分别为0.16±0.09和0.17±0.10，对应的总体精度OA、FS指数和CK指数的均值±标准差分别为0.96±0.05和0.94±0.05、0.84±0.19和0.75±0.24、0.81±0.20和0.71±0.24,MOD10A1的精度要优于MYD10A1。（2）MODIS积雪产品精度具有明显的空间异质性，青藏高原地区要远小于东北-内蒙古地区和北疆地区。（3）基于站点的积雪制图精度...

MODIS V6不再提供二值积雪分布及积雪面积比例产品，而是仅仅给出像元的归一化差值积雪指数NDSI。因此，基于MODIS V6进行积雪制图时，NDSI阈值的选取及相应的积雪制图精度有待研究。本文基于2013—2021年间250个地面气象站点逐日实测积雪深度数据，对中国三大典型积雪区内1 927景MOD10A1和1 936景MYD10A1影像中的NDSI＿Snow＿Cover波段进行评价，分别计算了逐站点像元在积雪产品制图中的最优精度及对应的最优NDSI阈值，并对影响精度的因素进行了分析。基于站点雪深的评价结果表明：（1）1 cm雪深阈值下，MOD10A1和MYD10A1的最优NDSI阈值均值±标准差分别为0.16±0.09和0.17±0.10，对应的总体精度OA、FS指数和CK指数的均值±标准差分别为0.96±0.05和0.94±0.05、0.84±0.19和0.75±0.24、0.81±0.20和0.71±0.24,MOD10A1的精度要优于MYD10A1。（2）MODIS积雪产品精度具有明显的空间异质性，青藏高原地区要远小于东北-内蒙古地区和北疆地区。（3）基于站点的积雪制图精度...

基于21世纪以来发生在衡水市的多次晚霜冻害实况，结合国家气象站、区域气象站和农田（果园）小气候站的气象数据，按照桃的发育时段和降温类型，初步确定了适用于平原地区的桃露红-现蕾期、开花期和幼果期晚霜冻害发生的部分气象指标以及启动/升级相应发育时段晚霜冻害预报预警的部分服务指标。在确定桃晚霜冻害预报预警服务指标时，充分考虑了最低气温、地表最低温度、积雪、降水和降温类型的影响；基于生产实际和春季果园内近地面夜间普遍存在的逆温现象，在表征冻害发生程度时引入了冻害发生高度的概念。

基于21世纪以来发生在衡水市的多次晚霜冻害实况，结合国家气象站、区域气象站和农田（果园）小气候站的气象数据，按照桃的发育时段和降温类型，初步确定了适用于平原地区的桃露红-现蕾期、开花期和幼果期晚霜冻害发生的部分气象指标以及启动/升级相应发育时段晚霜冻害预报预警的部分服务指标。在确定桃晚霜冻害预报预警服务指标时，充分考虑了最低气温、地表最低温度、积雪、降水和降温类型的影响；基于生产实际和春季果园内近地面夜间普遍存在的逆温现象，在表征冻害发生程度时引入了冻害发生高度的概念。