%0 Dataset
%T 1980-2020年三江源逐日雪深数据集
%J 国家冰川冻土沙漠科学数据中心
%I 国家冰川冻土沙漠科学数据中心(www.ncdc.ac.cn)
%U http://www.ncdc.ac.cn/portal/metadata/8095027c-03a7-4c6c-9a46-21e024e45374
%W NCDC
%R 10.12072/ncdc.nieer-snow.db6816.2025
%A 赵子胜
%A 郝晓华
%A 李杭璇
%A 钟歆玥
%A 吴晓东
%K 深度学习;被动微波;雪深;长时序
%X 高空间分辨率雪深对水文、生态和灾害研究至关重要。然而，被动微波雪深产品（10/25 km）因其空间分辨率较粗已无法满足现代高精度高分辨率的需求。本研究融合了最新校准的增强分辨率亮度温度与光学积雪面积比例和积雪覆盖日数等数据，基于深度学习FT-Transformer模型反演了三江源积雪期内（当年10月至次年4月）5 km空间分辨率的逐日雪深数据。与中国长时间序列的雪深数据（25 km）相比，反演的5 km雪深具有更优的精度，RMSE通常在8.5 cm以下。为三江源的积雪资源监测提供了可靠的数据基础。