海冰表面积雪深度是利用卫星测高技术反演海冰厚度的关键参数。基于ICESat-2和CryoSat-2测高卫星的协同观测数据（简称IS2CS），对比与评估卫星测高雪深估算的两种时空匹配方法（轨迹搜索法和格网搜索法），并对2018-2024年北极海冰生长期（10月至次年4月）积雪深度的时空分布特征进行分析。结果表明：（1）IS2CS轨迹法雪深与OIB实测数据具有较高的沿轨相关性，能够较好地捕获沿轨积雪深度的变化特征；（2）格网法雪深更适合表征大尺度积雪深度的空间分布和季节性变化特征，本文格网法雪深和GSFC雪深精度相当，在SIMBA数据的评估中本文格网法雪深性能优于GSFC雪深；（3）相比IS2CS雪深，MW99/AMSR2雪深相对偏厚，且在海冰生长期内季节性变化表征能力较弱；（4）海冰积雪深度呈现明显的时空差异，多年冰表面雪深普遍厚于一年冰表面雪深，春季雪深厚于秋冬季雪深。2018-2024年间，北极海冰表面积雪深度总体呈现减薄趋势，且多年冰区域的雪深减薄速率高于一年冰区域。研究成果为改进卫星测高雪深产品和优化海冰厚度反演算法提供了科学依据。

高时空分辨率雪深数据对水文建模和灾害预报至关重要。目前，高时间分辨率雪深通常源于被动微波数据，由于仅依据被动微波数据的空间分辨率较低，还无法满足区域水文和灾害研究的需求。本研究基于被动微波和光学等多源遥感数据，提出一种耦合深度学习模型FT-Transformer (Feature Tokenizer+Transformer)与积雪微波辐射传输模型SMRT (Snow Microwave Radiative Transfer)的降尺度雪深反演算法。使用深度学习映射AMSR 2亮温差TBD (Brightness Temperature Difference)、积雪覆盖日数SCD (Snow Cover Days)和积雪面积比例SCF (Snow Cover Fraction)等特征与雪深的复杂非线性关系，耦合SMRT拟合等效雪粒径ESG (Effective Snow Grain size)实现降尺度反演雪深，并以北疆39个站点数据进行模型训练和验证，获取北疆500 m降尺度雪深。验证结果表明：引入SCD独立验证RMSE优化了18%，有助于提高模型的空间泛化能力；ESG显著优化了深度学习...

利用天擎的小时BUFR中雪深数据，采用反距离权重法和折线图变化曲线，从横向的空间一致性、纵向的时间连续性对雪深数据的变化特征进行分析。结果表明，目前天擎中的雪深数据在应用过程中存在应急加密周期漏选导致小时BUFR缺测、无雪深时被编报为缺测、单站雪深数据不连续等问题，针对问题提出设置提醒、改进雪深编报规则、优化雪深编报设置等策略，并制定适合应急加密观测期间雪深编报规则的流程图，便于地面综合观测业务软件的改进和优化，旨在为获取完整准确的雪深数据提供支持。

利用威海地区3个国家基本气象站2020年12月-2021年2月雪深观测资料，从绝对误差和相对误差两个方面，以人工观测为参考标准，对雪深自动观测与人工观测误差进行定量分析。研究得出：雪深自动观测与人工观测总体趋势一致，在不同测站不同时段有所差异；自动观测与人工观测出现误差的主要原因包括风力、气温等气象要素，以及人为因素、观测环境及积雪观测规范等的影响。研究结果为提高雪深观测自动化程度提供了实践参考。

基于1961-2020年锡林郭勒盟15个国家气象观测站积雪日数和积雪深度数据，采用线性回归、Mann-kendall突变检验及小波分析等方法，对锡林郭勒地区的积雪初日、终日，积雪日数及积雪深度分布特征进行分析。结果表明：锡林郭勒盟积雪初、终日随经纬度变化不明显；积雪初日总体明显推迟，积雪终日总体明显提前；积雪日数呈东多西少分布，并以0.128天/年的速率减少；积雪日数1月份出现峰值；阿巴嘎旗、苏尼特左旗、镶黄旗积雪日数在20世纪60年代出现了突变现象；年均积雪深度由西到东增加，最大雪深出现在乌拉盖，最大积雪深度总体随时间明显增大；12个观测站最大积雪深度在20世纪60-80年代出现了突变；积雪日数存在准8～10年周期，最大积雪深度的主要周期区域间差异较大。

利用2018—2023年贵州高原北侧冬季降雪滴谱数据，采用统计方法对比分析雨滴谱和雪滴谱的粒子数目、粒子直径和下落速度的分布特征，研究降雪量、积雪深度与粒子相态、粒子数目、粒子尺度的变化趋势一致性，检验粒子体积反演降雪量、积雪深度算法的适用性。结果表明：（1）雪滴谱直径谱宽分布在5～15 mm之间，平均直径谱宽>8 mm,属于宽谱降水类型；雨滴谱直径谱宽分布在1～5 mm之间，平均直径谱宽小于3 mm,属于窄谱降水类型。（2）大多数雪粒子分布在速度谱宽<5 m·s-1以下的区域内，这是由雪粒子形状偏平、密度较小、尺度较大而导致。（3）降雪量反演结果与实测结果的一致性和相关性均优于积雪深度反演，这与环境温度作用下的降水相态转化、积雪融化速率有关。（4）把粒子数占比、粒子速度谱宽作为冬季降雪天气类型识别具有很好的指示作用，降雪粒子下落至地面的起止时间和粒子数目可以直观反映整个降雪天气过程的演变特征。

进入冬季，除了霜冻以外，雪灾给农业带来的影响也格外突出。在一定程度上，积雪融化时会从土壤中带走热量进而冻死害虫。但同时，强度较大的降雪也会演变为农业气象灾害，影响农作物生长。分析积雪深度与农业气象灾害的关系，在此基础上提出重度积雪灾害下的农业应对措施，比如加强农作物防寒保暖、强化农业设施安全防护以及畜禽养殖做好特殊应对等。

北极气候研究多学科漂流观测计划（Multidisciplinary drifting Observatory for the Study of Arctic Climate, MOSAiC）于2019年10月至2020年9月开展，期间获得了变量完整的大气、海洋、海冰厚度及积雪厚度观测，为海冰模式的发展提供了新的契机。本研究利用两个完整观测时段（2019年11月1日至2020年5月7日、2020年6月26日至7月27日）的大气和海洋强迫场，驱动一维海冰柱模式ICEPACK，模拟了MOSAiC期间海冰厚度的季节演变，同海冰厚度观测进行了对比，并诊断分析了海冰厚度模拟误差的原因。结果表明，在冬春季节，模式可以再现海冰厚度增长过程，但由于模式在春季高估了积雪向海冰的转化及对海冰物质平衡的贡献，模拟的春季海冰厚度偏厚。在夏季期间，2种热力学方案及3种融池方案的组合都表明模式高估了海冰表层的消融过程，导致模拟结束阶段的海冰厚度偏薄。我们的研究表明，使用变量完整的MOSAiC大气和海洋强迫场可以诊断目前海冰模式中的问题，为海冰模式的改进奠定基础。

采用地面气象观测站、多普勒天气雷达、闪电、积雪深度人工加密观测资料、常规观测及欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)第五代大气再分析(ECMWF Reanalysis v5,ERA5)资料，对2023年12月15—22日山东半岛特大海效应暴雪过程的降雪特征及极端性成因进行了分析。结果表明：(1)此次过程有4站积雪深度突破本站历史极值，有1站2 d的日降雪量为山东半岛海效应降雪有气象记录以来的最大值，文登积雪深度达74 cm,超过山东所有国家级地面气象观测站纪录，是一次极端海效应暴雪事件。(2)欧亚中高纬度阻塞形势下两次异常强冷空气持续影响渤海和山东半岛地区，850 hPa温度最低降至-21～-20℃,冷空气强度明显强于往年12月海效应暴雪过程，造成降雪持续时间长、累计降雪量大。异常强冷空气是此次极端暴雪过程产生的关键因素，渤海海面温度(简称“海温”)异常偏高是有利的海温背景。(3)冷空气强、海温偏高造成海气温差偏大，700 hPa以下产生对流不稳定，使得降雪强度大；强降雪发生在海气温差快...

利用常规观测、积雪深度逐时加密观测资料和欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts, ECMWF）第五代大气再分析（ECMWF Reanalysis v5,ERA5）资料，对2023年12月13—15日山东一次极端暴雪天气过程积雪特征及其成因进行分析，得到以下结论：（1）此次过程是一次江淮气旋暴雪天气过程，具有持续时间长、降水相态复杂、基础温度低、降温幅度大和积雪深度厚等特征。（2）最大小时新增积雪深度可达8 cm;过程平均雪水比为0.7 cm·mm-1,呈“西大东小”的分布特征。（3）有积雪的站近地面温度从开始降雪到地面产生积雪，气温和雪面温度均呈下降趋势，0 cm地温在降雪前期降温明显，积雪形成后地温不再明显变化。无积雪的站在整个降雪时段内近地面温度可分为4种情况。（4）雪水比随气温变化最明显；积雪形成之后地温对雪水比大小影响不大；当雪水比小于0.75 cm·mm-1时，雪水比随雪面温度降低而增大，当雪水比大于0.76 cm·mm-1后，...