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...