积雪深度是表征陆地水资源储量与评估雪-水文过程的关键参数，而年度最大积雪深度作为其极值指标，不仅反映区域积雪累积能力与峰值水储量状态，也是融雪径流模拟、极端雪灾风险评估的重要基础数据，对冻土稳定性及生态系统过程具有重要影响。然而，受限于现有雪深产品空间分辨率较低且反演不确定性较大，难以刻画复杂地形与多样下垫面条件下积雪分布的空间异质性。
本研究基于 AlphaEarth Foundations（AEF）地理空间基础模型，结合地面气象站实测雪深数据，采用梯度提升树(Gradient Boosted Decision Trees , GBDT) 机器学习算法，构建高分辨率年度最大积雪深度反演模型，并首次生成了2017—2023年中国典型积雪区10 m分辨率年度最大积雪深度数据集，数据格式为 GeoTIFF。基于独立站点验证结果表明，该数据集具有良好的精度与空间一致性，相关系数（R）为0.71，均方根误差（RMSE）为6.71 cm，平均绝对误差（MAE）为4.51 cm。该数据集可为区域水资源评估、雪灾评估和气候变化等提供高精度基础数据支撑。
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.ncdc.snow.db7725.2026
10.12072/ncdc.snow.db7725.2026
