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...

本文基于中国雪深长时间序列数据集，分析1979—2020水文年东北黑土区年均、各月以及各季主要积雪参数的时空变化特征。结果表明：（1）1979—2020水文年东北黑土区年均积雪深度2.70 cm，年均稳定积雪面积为1.07×10～6 km2，积雪初日为12月1日，积雪终日为3月22日，稳定积雪期112.0 d。年内各季、各月平均积雪深度与稳定积雪面积均呈现出单峰分布的特征，2月均为峰值最高月份。（2）各积雪参数空间分布几乎呈现出一致的空间差异性，均表现为以黑土区腹地为中心的马蹄形空间分布方式。（3）研究发现，除积雪面积未发生显著变化外，积雪深度以及积雪物候均发生了显著的变化。年均、各季以及各月积雪深度均呈现出一致的下降趋势，相比于1979—1988年，近10年年均积雪深度减少了29.48%。积雪初日以1.4 d·（10a）-1的速率显著推后，积雪终日以-1.6 d·（10a）-1的速率显著提前，从而导致稳定积雪期以3.0 d·（10a）-1的速率显著缩短。（4）各积雪参数空间变化特征略有差异。年均积...

本文基于中国雪深长时间序列数据集，分析1979—2020水文年东北黑土区年均、各月以及各季主要积雪参数的时空变化特征。结果表明：（1）1979—2020水文年东北黑土区年均积雪深度2.70 cm，年均稳定积雪面积为1.07×10～6 km2，积雪初日为12月1日，积雪终日为3月22日，稳定积雪期112.0 d。年内各季、各月平均积雪深度与稳定积雪面积均呈现出单峰分布的特征，2月均为峰值最高月份。（2）各积雪参数空间分布几乎呈现出一致的空间差异性，均表现为以黑土区腹地为中心的马蹄形空间分布方式。（3）研究发现，除积雪面积未发生显著变化外，积雪深度以及积雪物候均发生了显著的变化。年均、各季以及各月积雪深度均呈现出一致的下降趋势，相比于1979—1988年，近10年年均积雪深度减少了29.48%。积雪初日以1.4 d·（10a）-1的速率显著推后，积雪终日以-1.6 d·（10a）-1的速率显著提前，从而导致稳定积雪期以3.0 d·（10a）-1的速率显著缩短。（4）各积雪参数空间变化特征略有差异。年均积...

本文基于中国雪深长时间序列数据集，分析1979—2020水文年东北黑土区年均、各月以及各季主要积雪参数的时空变化特征。结果表明：（1）1979—2020水文年东北黑土区年均积雪深度2.70 cm，年均稳定积雪面积为1.07×10～6 km2，积雪初日为12月1日，积雪终日为3月22日，稳定积雪期112.0 d。年内各季、各月平均积雪深度与稳定积雪面积均呈现出单峰分布的特征，2月均为峰值最高月份。（2）各积雪参数空间分布几乎呈现出一致的空间差异性，均表现为以黑土区腹地为中心的马蹄形空间分布方式。（3）研究发现，除积雪面积未发生显著变化外，积雪深度以及积雪物候均发生了显著的变化。年均、各季以及各月积雪深度均呈现出一致的下降趋势，相比于1979—1988年，近10年年均积雪深度减少了29.48%。积雪初日以1.4 d·（10a）-1的速率显著推后，积雪终日以-1.6 d·（10a）-1的速率显著提前，从而导致稳定积雪期以3.0 d·（10a）-1的速率显著缩短。（4）各积雪参数空间变化特征略有差异。年均积...

本文基于中国雪深长时间序列数据集，分析1979—2020水文年东北黑土区年均、各月以及各季主要积雪参数的时空变化特征。结果表明：（1）1979—2020水文年东北黑土区年均积雪深度2.70 cm，年均稳定积雪面积为1.07×10～6 km2，积雪初日为12月1日，积雪终日为3月22日，稳定积雪期112.0 d。年内各季、各月平均积雪深度与稳定积雪面积均呈现出单峰分布的特征，2月均为峰值最高月份。（2）各积雪参数空间分布几乎呈现出一致的空间差异性，均表现为以黑土区腹地为中心的马蹄形空间分布方式。（3）研究发现，除积雪面积未发生显著变化外，积雪深度以及积雪物候均发生了显著的变化。年均、各季以及各月积雪深度均呈现出一致的下降趋势，相比于1979—1988年，近10年年均积雪深度减少了29.48%。积雪初日以1.4 d·（10a）-1的速率显著推后，积雪终日以-1.6 d·（10a）-1的速率显著提前，从而导致稳定积雪期以3.0 d·（10a）-1的速率显著缩短。（4）各积雪参数空间变化特征略有差异。年均积...

积雪面积比例FSC(Fractional Snow Cover)能在亚像元尺度上定量描述积雪的覆盖程度，相比二值积雪更适合反映复杂山区积雪的分布情况，是山区融雪径流模拟，气候变化预测的重要输入参数。本研究在亚洲高山区HMA(High Mountain Asia)基于分地类特征选择的多元自适应回归样条MARS(Multivariate Adaptive Regression Splines)模型LC-MARS发展了MODIS FSC反演算法，并制备了亚洲高山区FSC产品。以Landsat 8提取的FSC为参考真值验证LC-MARS模型反演FSC精度，对比相同训练样本下LC-MARS模型与线性回归模型反演FSC精度，比较LC-MARS模型制备的FSC与MOD10A1、SnowCCI在亚洲高山区的精度表现。结果表明：（1） LC-MARS模型反演的FSC总Accuracy、Recall分别为93.4%、97.1%，总体RMSE为0.148,MAE为0.093，总体精度较高。（2）相同训练样本下LC-MARS模型在林区、植被和裸地反演FSC精度均高于线性回归模型，表明LC-MARS模型更适用于...