内蒙古是我国重要的季节性积雪区之一，积雪判识和雪深反演对农业生产、生态评估以及研究春汛、积雪灾害等有重要意义。为了提高本地积雪判识精度，本文提出一种基于归一化差分雪指数（Normalized Difference Snow Index,NDSI）的直接比较积雪判识方法，即应用葵花8号卫星的待判识积雪图和当年秋季无雪底图的NDSI做差运算进行积雪判识，并与日常业务使用的积雪判识方法进行比较。结果表明：日常使用的积雪决策树算法（Snow Mapping,SNOMAP）存在漏判部分薄雪像元现象，积雪分数（Fractional Snow Cover,FSC）算法在积雪判识时会受到水体影响最终影响精度。内蒙古地区的非林区，NDSI直接比较判识法相较SNOMAP和FSC算法判识精度分别提升3.88%、0.52%,NDSI直接比较法和FSC算法在非林区的判识精度相差很小；林区，NDSI直接比较法相较FSC算法判识精度明显提升，同时错判误差降低，说明NDSI直接比较法更适用于内蒙古地区林区的积雪判识。

内蒙古是我国重要的季节性积雪区之一，积雪判识和雪深反演对农业生产、生态评估以及研究春汛、积雪灾害等有重要意义。为了提高本地积雪判识精度，本文提出一种基于归一化差分雪指数（Normalized Difference Snow Index,NDSI）的直接比较积雪判识方法，即应用葵花8号卫星的待判识积雪图和当年秋季无雪底图的NDSI做差运算进行积雪判识，并与日常业务使用的积雪判识方法进行比较。结果表明：日常使用的积雪决策树算法（Snow Mapping,SNOMAP）存在漏判部分薄雪像元现象，积雪分数（Fractional Snow Cover,FSC）算法在积雪判识时会受到水体影响最终影响精度。内蒙古地区的非林区，NDSI直接比较判识法相较SNOMAP和FSC算法判识精度分别提升3.88%、0.52%,NDSI直接比较法和FSC算法在非林区的判识精度相差很小；林区，NDSI直接比较法相较FSC算法判识精度明显提升，同时错判误差降低，说明NDSI直接比较法更适用于内蒙古地区林区的积雪判识。

内蒙古是我国重要的季节性积雪区之一，积雪判识和雪深反演对农业生产、生态评估以及研究春汛、积雪灾害等有重要意义。为了提高本地积雪判识精度，本文提出一种基于归一化差分雪指数（Normalized Difference Snow Index,NDSI）的直接比较积雪判识方法，即应用葵花8号卫星的待判识积雪图和当年秋季无雪底图的NDSI做差运算进行积雪判识，并与日常业务使用的积雪判识方法进行比较。结果表明：日常使用的积雪决策树算法（Snow Mapping,SNOMAP）存在漏判部分薄雪像元现象，积雪分数（Fractional Snow Cover,FSC）算法在积雪判识时会受到水体影响最终影响精度。内蒙古地区的非林区，NDSI直接比较判识法相较SNOMAP和FSC算法判识精度分别提升3.88%、0.52%,NDSI直接比较法和FSC算法在非林区的判识精度相差很小；林区，NDSI直接比较法相较FSC算法判识精度明显提升，同时错判误差降低，说明NDSI直接比较法更适用于内蒙古地区林区的积雪判识。

内蒙古是我国重要的季节性积雪区之一，积雪判识和雪深反演对农业生产、生态评估以及研究春汛、积雪灾害等有重要意义。为了提高本地积雪判识精度，本文提出一种基于归一化差分雪指数（Normalized Difference Snow Index,NDSI）的直接比较积雪判识方法，即应用葵花8号卫星的待判识积雪图和当年秋季无雪底图的NDSI做差运算进行积雪判识，并与日常业务使用的积雪判识方法进行比较。结果表明：日常使用的积雪决策树算法（Snow Mapping,SNOMAP）存在漏判部分薄雪像元现象，积雪分数（Fractional Snow Cover,FSC）算法在积雪判识时会受到水体影响最终影响精度。内蒙古地区的非林区，NDSI直接比较判识法相较SNOMAP和FSC算法判识精度分别提升3.88%、0.52%,NDSI直接比较法和FSC算法在非林区的判识精度相差很小；林区，NDSI直接比较法相较FSC算法判识精度明显提升，同时错判误差降低，说明NDSI直接比较法更适用于内蒙古地区林区的积雪判识。

内蒙古是我国重要的季节性积雪区之一，积雪判识和雪深反演对农业生产、生态评估以及研究春汛、积雪灾害等有重要意义。为了提高本地积雪判识精度，本文提出一种基于归一化差分雪指数（Normalized Difference Snow Index,NDSI）的直接比较积雪判识方法，即应用葵花8号卫星的待判识积雪图和当年秋季无雪底图的NDSI做差运算进行积雪判识，并与日常业务使用的积雪判识方法进行比较。结果表明：日常使用的积雪决策树算法（Snow Mapping,SNOMAP）存在漏判部分薄雪像元现象，积雪分数（Fractional Snow Cover,FSC）算法在积雪判识时会受到水体影响最终影响精度。内蒙古地区的非林区，NDSI直接比较判识法相较SNOMAP和FSC算法判识精度分别提升3.88%、0.52%,NDSI直接比较法和FSC算法在非林区的判识精度相差很小；林区，NDSI直接比较法相较FSC算法判识精度明显提升，同时错判误差降低，说明NDSI直接比较法更适用于内蒙古地区林区的积雪判识。

NDSI（归一化差异积雪指数）是一种评估地表积雪覆盖程度的指数，对研究山区积雪变化有重要作用。本研究基于2001—2022年遥感数据和再分析数据，采用趋势分析法、多元线性回归法等，分析了近20 a来塔里木河流域山区NDSI时空变化及其归因。结果表明：塔里木河流域山区2001—2022年NDSI均呈下降趋势，具有显著的空间异质性。北部和西部山区，NDSI值的季节变化相同，NDSI平均值从高到低为：冬季>春季>秋季>夏季，而南部山区的NDSI平均值夏季高于秋季。塔里木河流域山区年均实际蒸散发均呈上升趋势。北部山区的降水呈略微下降的趋势，而西部和南部山区表现为上升趋势。所有山区的饱和水汽压差均呈上升趋势。下行地表太阳辐射呈下降趋势。北部和西部山区的最低气温呈上升趋势，南部山区略呈下降趋势，而所有区域最高气温均呈上升趋势。众多变量中，气温和饱和水汽压对NDSI的影响较大。本研究可为政策决策提供科学依据。

NDSI（归一化差异积雪指数）是一种评估地表积雪覆盖程度的指数，对研究山区积雪变化有重要作用。本研究基于2001—2022年遥感数据和再分析数据，采用趋势分析法、多元线性回归法等，分析了近20 a来塔里木河流域山区NDSI时空变化及其归因。结果表明：塔里木河流域山区2001—2022年NDSI均呈下降趋势，具有显著的空间异质性。北部和西部山区，NDSI值的季节变化相同，NDSI平均值从高到低为：冬季>春季>秋季>夏季，而南部山区的NDSI平均值夏季高于秋季。塔里木河流域山区年均实际蒸散发均呈上升趋势。北部山区的降水呈略微下降的趋势，而西部和南部山区表现为上升趋势。所有山区的饱和水汽压差均呈上升趋势。下行地表太阳辐射呈下降趋势。北部和西部山区的最低气温呈上升趋势，南部山区略呈下降趋势，而所有区域最高气温均呈上升趋势。众多变量中，气温和饱和水汽压对NDSI的影响较大。本研究可为政策决策提供科学依据。

NDSI（归一化差异积雪指数）是一种评估地表积雪覆盖程度的指数，对研究山区积雪变化有重要作用。本研究基于2001—2022年遥感数据和再分析数据，采用趋势分析法、多元线性回归法等，分析了近20 a来塔里木河流域山区NDSI时空变化及其归因。结果表明：塔里木河流域山区2001—2022年NDSI均呈下降趋势，具有显著的空间异质性。北部和西部山区，NDSI值的季节变化相同，NDSI平均值从高到低为：冬季>春季>秋季>夏季，而南部山区的NDSI平均值夏季高于秋季。塔里木河流域山区年均实际蒸散发均呈上升趋势。北部山区的降水呈略微下降的趋势，而西部和南部山区表现为上升趋势。所有山区的饱和水汽压差均呈上升趋势。下行地表太阳辐射呈下降趋势。北部和西部山区的最低气温呈上升趋势，南部山区略呈下降趋势，而所有区域最高气温均呈上升趋势。众多变量中，气温和饱和水汽压对NDSI的影响较大。本研究可为政策决策提供科学依据。

黄河流域特殊的地理位置和环境因素造就了其复杂的凌情特征，及时准确掌握凌汛期间冰凌变化规律与特点是凌汛监测防治的关键任务。卫星遥感可实现黄河冰凌的大范围快速提取，目前常用的方法有遥感指数与深度学习两类，为验证和对比不同方法对黄河冰凌遥感监测识别的有效性，基于Sentinel-2遥感数据，利用归一化积雪指数及其改进形式和U2-Net等三种方法对2023年黄河宁蒙段冰凌进行遥感提取。结果表明：NDSI、MNDSI、U2-Net三种方法的结果分类精度分别为83.42%、87.98%和92.01%;Kappa系数分别为0.88、0.90和0.97;三种方法均对冰凌有较好的提取效果，但指数法对于流凌、清沟等其他类型的识别效果较差，浅滩处提取的边界较为杂乱，U2-Net可以精确区分出清沟，提取冰凌边界的效果更好。

黄河流域特殊的地理位置和环境因素造就了其复杂的凌情特征，及时准确掌握凌汛期间冰凌变化规律与特点是凌汛监测防治的关键任务。卫星遥感可实现黄河冰凌的大范围快速提取，目前常用的方法有遥感指数与深度学习两类，为验证和对比不同方法对黄河冰凌遥感监测识别的有效性，基于Sentinel-2遥感数据，利用归一化积雪指数及其改进形式和U2-Net等三种方法对2023年黄河宁蒙段冰凌进行遥感提取。结果表明：NDSI、MNDSI、U2-Net三种方法的结果分类精度分别为83.42%、87.98%和92.01%;Kappa系数分别为0.88、0.90和0.97;三种方法均对冰凌有较好的提取效果，但指数法对于流凌、清沟等其他类型的识别效果较差，浅滩处提取的边界较为杂乱，U2-Net可以精确区分出清沟，提取冰凌边界的效果更好。