郝晓华研究团队基于被动微波和光学遥感数据，提出了一种耦合深度学习与积雪微波辐射传输模型的降尺度雪深反演算法，获取了2012-2020年北疆500 m空间分辨率的逐日雪深产品。现有的高时间分辨率雪深通常源于被动微波数据，而其较粗的空间分辨率还无法满足区域水文和灾害研究的需求。该研究使用深度学习映射AMSR 2亮温差、积雪覆盖日数和积雪面积比例等特征与雪深的复杂非线性关系，耦合积雪微波辐射传输模型拟合等效雪粒径实现降尺度雪深反演，同时结合积雪衰退曲线方法获取了北疆500 m的降尺度雪深。该雪深产品总体RMSE和MAE分别为6.51 cm和4.64 cm，较现有的雪深产品：AMSR 2（RMSE为26.14 cm，MAE为19.06 cm）、ERA5-Land（RMSE为17.67 cm，MAE为13.76 cm）和空间动态降尺度雪深SSDDsd（RMSE为16.59 cm，MAE为12.20 cm）具有明显的精度优势，同时也具有更为精细的雪深空间分布，尤其能够展现复杂山区的积雪异质性。
图1是研究区与气象站点空间分布图；图2是该算法反演的雪深FSSDsd与AMSR 2、ERA5-Land和SSDDsd的精度验证对比；放大北疆南部的部分天山和部分准噶尔盆地区域，图3是AMSR 2、ERA5-Land、SSDDsd和FSSDsd于2017年12月1日以及2018年1月1日的空间分布图。
图1 研究区与气象站点空间分布
图2 AMSR 2、ERA5-land雪深产品、SDDsd和FSSDsd雪深验证精度对比
