在本研究中，利用一种全面考虑时空背景信息的时空自适应融合方法（STAR），生成了 中国近 20 年的无云 Terra-Aqua MODIS NDSI 数据集。STAR NDSI 数据一般具有以下优势 (1) 该数据集已连续 20 年，这是长期水文和气候数据集的最短周期。(2) 无云数据集可准确估 算积雪动态，与原地积雪深度和大地遥感卫星 NDSI 地图高度一致。具体来说，STAR NDSI 采集消除了云层污染，极大地提高了 TAC NDSI 数据集的整体性能。因此，该数据集可作为 水文和气候建模的基础数据集，用于探索各种关键的环境问题。
MOD10A1 和 MYD10A1 数 据 集 可 通 过 美 国 国 家 航 空 航 天 局 网 站 （NASA:ttps://search.earthdata.nasa.gov/）获取.
我们提出了一种先进的 STAR 方法，该方法综合利用了时空背景信息，可以彻底去除云层。该方法分为两步：时空自适应融合（STAF）和纠错（EC）。第一道工序包括生成新的 NDSI 地图，包括空间分区、自适应时空块确定和基于高斯核函数（GKF）的融合。考虑到积雪模式的空间异质性，首先将研究区域划分十个分区。这样，就可以在分区的基础上进行后续处理。此外，每个目标分区（T）的最佳查询分区（Q）是通过综合考虑雪变化的时间复杂性方 面的时间距离（t）、区域相关性（r）和无云分数（f）确定的。
对于积雪变化极快且起伏不定的地区，时间背景参考很可能会引入错误信息，放大迭代过程中的误差。本研究采用后处理方法来减少质量保证地图的 "无序 "现象。首先，人为确定相邻时间内积雪模式最一致的 NDSI 地图作为参考。随后应用上述 EC 技术来提高后处理区域与原始区域之间的空间一致性。最后，更新质量保证地图。
光学遥感图像受到严重的云污染，因此 MODIS NDSI 数据集无法准确地反映每日积雪和消融的情况。因此，我们提出了两阶段时空融合方法中的 STAR，以生成时空连续积雪采集，生成过程包括预处理 TAC 和关键处理 STAR。后提供一种质量评估（QA）方法，为用户提供数据可靠性文件。在此基础上，利用后处理进一步提高个别异常区域的数据质量。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.ZENODO.DB4016.2023
10.5281/zenodo.5644386
