政府间气候变化专门委员会（Intergovernmental Panel on Climate Change,IPCC）第五次评估报告表明,近年来全球出现加速升温趋势毋庸置疑。积雪作为地球表面最为活跃的自然要素之一,对气候变化具有最为敏感的反馈。中国疆域辽阔,积雪覆盖范围广,在全球逐年升温的大背景下,深入研究中国区域积雪时空变化以及积雪对气候变化的动态响应,对于我国雪水资源可持续利用、生态环境保护、区域气候变化以及自然灾害预测等具有重要的研究意义。结合光学遥感具有较高的时间和空间分辨率,且被动微波遥感可穿透云层、不受不良天气的影响等特点,本研究基于多源遥感数据,利用MODIS逐日积雪标准产品、AMSR-E雪水当量产品以及IMS雪冰产品,发展了一套逐日无云积雪制图算法,生成了2000-2018年中国区域逐日无云积雪范围产品。同时,基于被动微波AMSR2亮度温度数据和光学Landsat数据,分别提出了多因素雪深降尺度算法和林区积雪制图算法。在此基础上,基于中国区域气象台站的气候数据,生成了2000-2018年间中国区域气温和降水栅格数据集,并系统分析了2000-2018年不同时空尺度下中国区域的积雪、气温和降水的时空分布特征,以及年际和各季节的动态变化趋势,最后采用Person相关分析法研究了积雪对气温和降水变化的动态响应关系。本研究结果表明:（1）MODIS逐日积雪标准产品受到云的影响较为严重,无法直接使用该产品进行积雪监测,利用本研究去云算法可以达到了完全去除云像素的目的。但不同的地表覆盖类型条件对本研究合成的逐日无云积雪产品的精度影响不同。整体上,本研究得到的中国区逐日无云积雪产品整体精度较高,Kappa均值达到0.570,接近高度一致性,在完全去除云干扰的条件下有效提高了大尺度准确监测积雪覆盖范围的能力。（2）我国青藏高原地区积雪深度受到多种因素的影响,包括地理位置,积雪覆盖日数,地形和地表亮度温度因素。通过输入多个变量,雪深降尺度模型的精度得到了极大的改善,其中表现最好的雪深降尺度模型是乘幂模型。整体上,本研究提出的降尺度雪深数据集的均方根误差和平均绝对误差分别为2.00 cm和0.25 cm,均优于其他已存在的青藏高原雪深数据集。在雪深小于3 cm的浅雪区,本研究降尺度雪深数据集精度较高,均方根误差仅为0.58 cm,这是非常有意义的,总体上达到了理想的雪深降尺度效果。（3）利用NDVI和NDFSI指数对森林地区的积雪有很好的探测潜力,设置NDFSI和NDVI的阈值分别为0.35和0.25。与landsat8 OLI二值积雪图像相比,改进后的林区积雪制图算法的平均偏差为1.24,虚警率为14.34%,分别降低了2.09和33.72%。整体平均精度达到80.67%,提高了22.89%。基于MODIS数据的积雪分类方案综合了NDFSI,NDVI和NDSI多种指数,算法简单有效,在改善我国东北典型森林地区的积雪自动化监测方面作用显著。（4）2000-2018年中国区域平均年积雪覆盖日数和年均积雪深度的分布具有一定的纬度和海拔地带性特征,即年积雪覆盖日数和积雪深度较大的区域则纬度和海拔相对较高。在2000-2018年间,中国在春季和夏季平均积雪覆盖日数呈减少趋势,而秋季和冬季平均积雪覆盖日数呈增加趋势。积雪深度年际变化略有不同,中国在春季、秋季和冬季平均积雪深度呈增加趋势。整体而言,在多数季节性积雪区的年积雪日数和积雪深度逐年增加,而分布在高纬度地区和高海拔山区的多年积雪区的年积雪日数和积雪深度逐年减少。2000-2018年中国区域平均气温在空间分布上具有明显的海拔地带性,即海拔越高的区域偏向于越低的气温。而中国区域的年降水量在我国南、北方分布差异较大,整体呈现出由东南沿海向西北内陆递减的分布格局。2000-2018年间,中国区气温和降水均呈波动上升趋势,趋势倾向率分别为-0.024℃/year和4.065 mm/year。（5）2000-2018年间,中国范围内积雪变化对气温和降水变化的响应存在明显的区域差异。整体而言,在中国东北地区,降水量是该地区积雪增多的主导性因子。在中国南方部分地区,气温是该地区积雪增多的主导性因子,结合气温的季节变化特征可知,是因为中国南方地区在冬季和春季气温的逐年降低趋势造成了积雪呈现增加趋势的主要原因。在中国新疆北部地区,逐年减少的降水量是积雪表现减少趋势的主导性因子。在青藏高原东部地区,逐年增加的降水量是积雪表现增加趋势的主导性因子,青藏高原东部气候朝暖湿化趋势发展。而在青藏高原南部地区,积雪减少是气温升高和降水量减少的综合作用结果,降水量的减少造成水汽来源不足、积雪累积量减少,逐年的升温导致积雪消融的进一步加快,进而造成积雪的逐年减少趋势,使得该地区气候朝着暖干化趋势发展。