数据集采用基于自动端元提取的多端元谱混合分析算法（MESMA-AGE）和多步时空插值算法（MSTI）对AWT区域（AWT MODIS FSC）的MODIS日云隙填充分数积雪产品进行了研究。AWT MODIS FSC 产品的空间分辨率为 0.005°，跨度从 2000 年到 2022 年。Landsat-8 影像的 2745 个场景用于区域尺度精度评估。分数积雪精度指标，包括决定系数 （R2）、均方根误差 （RMSE） 和平均绝对误差 （MAE） 分别为 0.80、0.16 和 0.10。二元化识别准确率指标，包括总体准确率（OA）、生产者准确率（PA）和用户准确率（UA），分别为95.17%、97.34%和97.59%。在175个气象站观测到的雪深数据用于评估点尺度的精度，得出以下精度指标：OA为93.26%，PA为84.41%，UA为82.14%，Cohen kappa（CK）值为0.79。气象台站的积雪深度观测也用于评估不同天气条件下的积雪分数，MODIS晴空观测（基于MSTI算法的时空重建）的OA为95.36 %（88.96 %），PA为87.75 %（82.26 %），UA为86.86 %（78.86 %），CK为0.84 （0.72）。AWT MODIS FSC 产品可为亚洲水塔地区的山地水文模型、地表模型和数值天气预报提供积雪的定量空间分布信息。
MODIS表面反射率数据：使用了 2000 年至 2022 年系列 6 中MOD09GA和 MYD09GA的 MODIS 表面反射率产品。
Landsat-8数据：使用谷歌地球引擎（GEE）云平台，选取2013—2021年共2745张云覆盖率小于10%、积雪覆盖率大于30%的Landsat-8影像作为“地面实况”，验证我部分积雪覆盖产品。
地面积雪深度数据：使用了中国气象局于2000年2月26日至2019年4月30日在亚洲水塔地区提供的175个原位站数据。
辅助数据：亚洲水塔地区的高程和土地覆盖类型。GEE云平台提供了MCD12Q1 V6.1年度国际地圈-生物圈计划（IGBP）分类数据（Sulla-Menashe等人，2019）。利用GEE云平台获取航天飞机雷达地形测量任务（STRM）数字高程模型（DEM）数据。
根据青藏高原地区MOD10A1、MODSCAG和MODAG部分积雪产品的精度评价，MODAG产品的精度最高。因此，选择MODAAGE部分积雪反演算法（MESMA-AGE算法）对亚洲水塔地区的Terra和Aqua MODIS表面反射率版本6数据进行部分积雪反演。其次，基于Terra/MODIS分数积雪反演结果，利用Aqua/MODIS分数积雪反演结果填补了由于云和缺失观测而导致的数据空白。第三，使用地理空间数据抽象库 （GDAL） 重新投影和镶嵌 12 个 MODIS 瓦片的分数积雪恢复结果。第四，开发了MSTI算法，对具有云量或缺失数据的像素进行时空插值，从而能够生成每日云隙填充的分数积雪产品。最后，利用气象站积雪深度数据和Landsat-8影像，对MESMA-AGE算法和AWT MODIS FSC 产品进行了精度评估和算法优化。
根据青藏高原地区MOD10A1、MODSCAG和MODAG部分积雪产品的精度评价，MODAG产品的精度最高。因此，选择MODAAGE部分积雪反演算法（MESMA-AGE算法）对亚洲水塔地区的Terra和Aqua MODIS表面反射率版本6数据进行部分积雪反演。其次，基于Terra/MODIS分数积雪反演结果，利用Aqua/MODIS分数积雪反演结果填补了由于云和缺失观测而导致的数据空白。第三，使用地理空间数据抽象库 （GDAL） 重新投影和镶嵌 12 个 MODIS 瓦片的分数积雪恢复结果。第四，开发了MSTI算法，对具有云量或缺失数据的像素进行时空插值，从而能够生成每日云隙填充的分数积雪产品。最后，利用气象站积雪深度数据和Landsat-8影像，对MESMA-AGE算法和AWT MODIS FSC 产品进行了精度评估和算法优化。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
