光学遥感数据容易受到云层的强烈影响,无法获取云下的积雪覆盖信息,研究去云算法重构云下积雪状况对积雪监测具有重要作用。同时,中国北疆地区积雪分布广泛,是我国的三大积雪区之一,精确制图积雪覆盖状况的时空变化对了解北疆水循环、气候变化、畜牧业的发展、水资源调查及雪灾的预防预测具有现实的研究意义。因此本研究提出新的MODIS积雪产品去云算法并对北疆地区积雪时空变化进行研究。本研究针对云层遮蔽造成NDSI和二值积雪范围产品时空不连续的问题,提出新的去云方法以生成时空连续的无云积雪产品。时空自适应去云方法通过建立加权的无云相似像元函数来预测云下像元NDSI值。首先结合使用上下午星合成,邻近日合成去除部分云像元,然后利用长时间间隔数据实现时空自适应去云以完全恢复云下NDSI间隙。基于时空立方体的条件概率插值方法用于二值积雪产品去云,在对上下午星的二值积雪产品进行合成后,采用该方法能够完全恢复剩余云像元的积雪信息。基于时空立方体的条件概率插值方法首先计算时空立方体中相同积雪状况下的中心像元和邻域像元的条件概率,然后基于时空立方体计算云像元重分类为积雪的概率,最后利用积雪概率重构云像元的积雪状况。最后,本论文采用基于时空立方体的条件概率插值方法生成中国北疆地区2001-2018年的MODIS无云二值积雪产品,并在此基础上分析了中国北疆地区积雪分布时空变化趋势。主要结论如下:（1）本论文所提出的时空自适应去云方法能够完全去除云间隙,并具有较高的精度。采用云假设的方法对去云结果进行评估,结果表明恢复的云下NDSI与真值的平均相关系数（r）、平均绝对误差（MAE）和均方根误差（RMSE）分别达到0.95、0.06和0.08;（2）基于时空立方体的条件概率插值方法能够有效地去除云的污染,生成逐日无云二值积雪范围产品,可以更好地用于积雪监测研究。该去云方法可以完全去除不同比例的云层,总体精度达到97.44%。所生成的无云MODIS积雪范围产品与Landsat 8 OLI积雪分类结果具有很高的一致性,总体准确率为90.34%;（3）在中国北疆地区,积雪覆盖呈现明显的季节性特征并且与海拔密切相关。从冬季到夏季,积雪覆盖范围逐步减少,并且在积雪消融期和累积期积雪覆盖率波动较大。在不同海拔地区,随着海拔高度的增加,积雪覆盖率逐渐增大,融雪期后移和积雪累积期前移趋势明显。在海拔大于3000m的区域,夏季的最低积雪覆盖率仍能达到23.88%。另外,我国北疆69.70%的地区海拔小于1500m,在冬季其积雪覆盖率大于80%,夏季积雪覆盖率接近0;（4）2001-2018年间,中国北疆地区平均积雪覆盖天数在空间分布上与海拔存在明显的正相关关系,在时间变化上积雪覆盖天数增加的面积大于减少的面积。积雪覆盖天数随海拔的增加而逐渐增大,相关系数达到0.76,其最大积雪覆盖天数地区主要分布在阿尔泰山和天山。基于Mann-Kendall和Theil-Sen中值方法,在像元尺度上分析了2001-2018年中国北疆积雪覆盖天数的变化趋势,34.39%的区域积雪覆盖天数呈下降趋势,主要分布在准噶尔盆地,明显减少面积占总面积的0.86%。积雪覆盖天数增加的面积占总面积的59.96%,其中3.80%的部分呈显著增加趋势,主要分布在阿尔泰山脉和天山山脉。