Comprendre les variations spatio-temporelles de l'enneigement saisonnier en montagne est essentiel pour la gestion des ressources en eau, les processus hydrologiques et la protection écologique des zones montagneuses. Les données de surface d'enneigement à haute résolution spatio-temporelle sont un moyen important pour surveiller les changements d'enneigement en montagne. Cependant, en raison des limitations des capteurs des produits existants de télédétection de la superficie enneigée, il est difficile d'obtenir simultanément une haute résolution temporelle et spatiale, ce qui complique la capture précise des variations fines de l'enneigement tacheté très hétérogène en altitude. Pour surveiller la dynamique spatio-temporelle de la surface d'enneigement, cette étude a sélectionné la région du versant nord des montagnes Qilian comme zone d'étude. En utilisant les données de satellites MODIS et Landsat 8, une méthode de fusion de données multi-sources basée sur le réseau U-Net++ a été développée pour obtenir une surface d'enneigement à haute résolution spatio-temporelle. La nouvelle méthode a été vérifiée à l'aide de données Landsat et Sentinel à haute résolution, et comparée aux algorithmes de fusion spatio-temporelle STARFM et DMNet qui reconstruisent indirectement la surface enneigée à partir de données de réflectance à haute résolution spatio-temporelle. Les résultats montrent que : (1) L'algorithme de reconstruction de la surface enneigée à une résolution spatiale de 30 m basé sur le réseau U-Net++ restitue efficacement les détails de l'enneigement en montagne. L'algorithme présente une précision élevée avec une précision globale de 90,4 %, une précision cartographique de 89,9 %, une précision utilisateur de 88,4 % et un coefficient Kappa de 0,80. La robustesse des résultats de reconstruction est bonne, avec une variation de la précision globale inférieure à 3 % sous différentes conditions de couverture neigeuse, de surface sous-jacente et de couverture nuageuse, et toutes les précisions dépassent 88 %. (2) Par rapport aux méthodes de reconstruction indirecte de la surface enneigée par fusion spatio-temporelle STARFM et DMNet, la précision globale de cet algorithme s'améliore de 8,7 % et 5,2 %, la précision cartographique de 24,1 % et 18,4 %, et le coefficient Kappa de 0,20 et 0,12. En résumé, l'algorithme développé dans cette étude de reconstruction quotidienne de la surface enneigée à une résolution spatiale de 30 m basée sur le réseau U-Net++ permet de reconstruire efficacement des données de surface enneigée à haute précision et haute résolution spatio-temporelle, ce qui est d'une grande importance pour la modélisation des écoulements en montagne, l'estimation des réserves d'eau de neige et la prévention des catastrophes.

surface enneigée; apprentissage profond; fusion multisource; MODIS; Landsat