高時空解像度の積雪深データは水文モデリングや災害予測にとって重要です。現在、高時空分解能の積雪深は主に受動マイクロ波データに基づいており、受動マイクロ波データの空間解像度が低いため、地域の水文および災害研究の要求を満たすことができません。本研究では、受動マイクロ波および光学の複数のセンサーリモートセンシングデータに基づき、FT-Transformer（Feature Tokenizer + Transformer）モデルと積雪マイクロ波放射転送モデルSMRT（Snow Microwave Radiative Transfer）を組み合わせたダウンスケーリングアルゴリズムを提案します。 AMSR 2の明るさ温度差TBD（Brightness Temperature Difference）、積雪カバー日数SCD（Snow Cover Days）、積雪被覆割合SCF（Snow Cover Fraction）などの特徴と積雪深の複雑な非線形関係をディープラーニングによってマッピングし、SMRTとの結合により等価雪粒径ESG（Effective Snow Grain size）を調整してダウンスケーリングに成功します。北疆の39か所のデータを使用してモデルをトレーニングおよび検証し、北疆500 mのダウンスケーリング積雪深を取得します。検証結果は、SCDの独立検証が18%の最適化をもたらし、モデルの空間汎化能力を高めるのに役立ちます。ESGはディープラーニングによる積雪深の精度を著しく最適化し、RMSは6.82 cmで、ESGを追加しなかったモデルより15%向上し、深い雪を大幅に改善します。時間系列分析によると、ESGは実測積雪深の変化傾向に一致し、モデル反転積雪深の安定性を制約し、最後に、既存のAMSR 2、ERA5-Land、およびSDDsd積雪深の製品と比較して、本研究のダウンスケーリング積雪深の精度が最適で、RMSEが6.51 cmで、積雪深の空間分布もより細かく、山岳地帯の複雑な積雪深異質性を反映しています。この研究は水文モデリングや災害予測に信頼性のある高時空解像度の積雪深反転手法を提供できます。

リモートセンシング;積雪深;ダウンスケーリングアルゴリズム;ディープラーニング;SMRT;AMSR 2;積雪カバー日数