高质量、长序列、可实时更新的器测积雪深度观测数据是积雪深度模式产品和卫星遥感产品检验评估的基准数据。基于国家气象信息中心1951—2023年中国国家级地面站点观测的积雪深度数据，设置了包含元数据检查、界限值检查、时间一致性检查、气温-积雪深度协同检查、降水量-天气现象-气温-积雪深度协同检查和空间一致性检查的综合质量控制算法，识别出了约0.2%的错误数据，尤其能够识别积雪深度数据中的虚假“0”值以及148个站点错误的历史极值，保证了中国自1951年以来约2400个国家级地面观测站积雪深度数据的质量，研制形成一套中国地面器测积雪深度基础数据集。该数据集中各站点积雪深度数据完整性基本在80%—90%。基于该数据集，对中国积雪的季节分布特征、极值分布特征及长年代气候变化趋势特征进行了应用分析，结果显示东北地区、内蒙古东部、新疆北部和青藏高原积雪深度和积雪日数最高，冬季积雪深度15—20 cm，积雪日数在80 d以上，但是青藏高原积雪空间分布差异大。1951—2023年中国积雪深度和积雪日数气候趋势上升的区域集中在东北地区、内蒙古东部和新疆北部，下降的区域集中在华北平原和青藏高原。
高质量、长序列、可实时更新的器测积雪深度观测数据是积雪深度模式产品和卫星遥感产品检验评估的基准数据。基于国家气象信息中心1951—2023年中国国家级地面站点观测的积雪深度数据，设置了包含元数据检查、界限值检查、时间一致性检查、气温-积雪深度协同检查、降水量-天气现象-气温-积雪深度协同检查和空间一致性检查的综合质量控制算法，识别出了约0.2%的错误数据，尤其能够识别积雪深度数据中的虚假“0”值以及148个站点错误的历史极值，保证了中国自1951年以来约2400个国家级地面观测站积雪深度数据的质量，研制形成一套中国地面器测积雪深度基础数据集。该数据集中各站点积雪深度数据完整性基本在80%—90%。基于该数据集，对中国积雪的季节分布特征、极值分布特征及长年代气候变化趋势特征进行了应用分析，结果显示东北地区、内蒙古东部、新疆北部和青藏高原积雪深度和积雪日数最高，冬季积雪深度15—20 cm，积雪日数在80 d以上，但是青藏高原积雪空间分布差异大。1951—2023年中国积雪深度和积雪日数气候趋势上升的区域集中在东北地区、内蒙古东部和新疆北部，下降的区域集中在华北平原和青藏高原。
高质量、长序列、可实时更新的器测积雪深度观测数据是积雪深度模式产品和卫星遥感产品检验评估的基准数据。基于国家气象信息中心1951—2023年中国国家级地面站点观测的积雪深度数据，设置了包含元数据检查、界限值检查、时间一致性检查、气温-积雪深度协同检查、降水量-天气现象-气温-积雪深度协同检查和空间一致性检查的综合质量控制算法，识别出了约0.2%的错误数据，尤其能够识别积雪深度数据中的虚假“0”值以及148个站点错误的历史极值，保证了中国自1951年以来约2400个国家级地面观测站积雪深度数据的质量，研制形成一套中国地面器测积雪深度基础数据集。该数据集中各站点积雪深度数据完整性基本在80%—90%。基于该数据集，对中国积雪的季节分布特征、极值分布特征及长年代气候变化趋势特征进行了应用分析，结果显示东北地区、内蒙古东部、新疆北部和青藏高原积雪深度和积雪日数最高，冬季积雪深度15—20 cm，积雪日数在80 d以上，但是青藏高原积雪空间分布差异大。1951—2023年中国积雪深度和积雪日数气候趋势上升的区域集中在东北地区、内蒙古东部和新疆北部，下降的区域集中在华北平原和青藏高原。
高质量、长序列、可实时更新的器测积雪深度观测数据是积雪深度模式产品和卫星遥感产品检验评估的基准数据。基于国家气象信息中心1951—2023年中国国家级地面站点观测的积雪深度数据，设置了包含元数据检查、界限值检查、时间一致性检查、气温-积雪深度协同检查、降水量-天气现象-气温-积雪深度协同检查和空间一致性检查的综合质量控制算法，识别出了约0.2%的错误数据，尤其能够识别积雪深度数据中的虚假“0”值以及148个站点错误的历史极值，保证了中国自1951年以来约2400个国家级地面观测站积雪深度数据的质量，研制形成一套中国地面器测积雪深度基础数据集。该数据集中各站点积雪深度数据完整性基本在80%—90%。基于该数据集，对中国积雪的季节分布特征、极值分布特征及长年代气候变化趋势特征进行了应用分析，结果显示东北地区、内蒙古东部、新疆北部和青藏高原积雪深度和积雪日数最高，冬季积雪深度15—20 cm，积雪日数在80 d以上，但是青藏高原积雪空间分布差异大。1951—2023年中国积雪深度和积雪日数气候趋势上升的区域集中在东北地区、内蒙古东部和新疆北部，下降的区域集中在华北平原和青藏高原。
高质量、长序列、可实时更新的器测积雪深度观测数据是积雪深度模式产品和卫星遥感产品检验评估的基准数据。基于国家气象信息中心1951—2023年中国国家级地面站点观测的积雪深度数据，设置了包含元数据检查、界限值检查、时间一致性检查、气温-积雪深度协同检查、降水量-天气现象-气温-积雪深度协同检查和空间一致性检查的综合质量控制算法，识别出了约0.2%的错误数据，尤其能够识别积雪深度数据中的虚假“0”值以及148个站点错误的历史极值，保证了中国自1951年以来约2400个国家级地面观测站积雪深度数据的质量，研制形成一套中国地面器测积雪深度基础数据集。该数据集中各站点积雪深度数据完整性基本在80%—90%。基于该数据集，对中国积雪的季节分布特征、极值分布特征及长年代气候变化趋势特征进行了应用分析，结果显示东北地区、内蒙古东部、新疆北部和青藏高原积雪深度和积雪日数最高，冬季积雪深度15—20 cm，积雪日数在80 d以上，但是青藏高原积雪空间分布差异大。1951—2023年中国积雪深度和积雪日数气候趋势上升的区域集中在东北地区、内蒙古东部和新疆北部，下降的区域集中在华北平原和青藏高原。
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。
