利用高时空分辨率遥感数据监测积雪动态变化至关重要。然而，传统卫星难以同时提供高空间和时间分辨率的影像。本研究在谷歌地球引擎(GEE)上采用增强时空自适应反射融合模型(ESTARFM)有效地解决了这一局限性。以祁连山东部为例，结合Sentinel-2 NDSI和MODIS NDSI数据，生成了一个积雪季10 m的逐日NDSI影像。结果显示，融合后的NDSI影像与真实的Sentinel-2 NDSI影像非常接近，相关系数为0.76-0.92。进一步结合高分影像，得到10 m的二值积雪图。结果表明，MODIS和融合图像显示出相似的积雪面积变化特征，而且融合影像可以提供更详细、更可靠的积雪分布。总的来说，尽管融合的NDSI存在不确定性，但基于GEE的ESTARFM可以生成可靠、准确的NDSI长期时间序列影像，并且融合影像更适合描述区域尺度的积雪变化。
 

融合,积雪,Google Earth Engine（GEE）,Sentinel-2,MODIS