NASA系列算法(Chang，NASA96和Foster算法)是被动微波遥感反演雪深、雪水当量的简单、实用的经验算法，并经过了很多学者大范围的算法验证和改进。作为经验算法，NASA系列算法也不可避免地具有区域适用性，为了进一步评价NASA系列算法在东北地区的时空适用性，发展适应于东北地区的本地化算法，本论文在对NASA系列算法进行时空验证的基础上，重点对Foster算法进行了本地化改进。首先，在长春净月潭区域选定了一个以农田和森林为主的10km×10km被动微波遥感混合像元，在时间上连续观测整个干雪期（2014年12月至次年2月）的积雪参数和气象数据，结合FY3B卫星搭载的微波成像仪（MWRI）亮温数据，对NASA系列算法精度进行了评价分析。其次，在黑龙江地区选择71个气象站点，利用二叉树的方法针对三种气象条件进行季节性积雪的分类，并利用分类结果于该区域在整个积雪季内进行NASA系列算法的时空验证，对Foster算法进行改进。验证结果表明:在时间序列上，对于雪深的反演，Chang算法和NASA96算法前期反演效果较好，后期随着时间的推进高估雪深的趋势愈加明显。由于考虑了森林覆盖率的影响，NASA96算法的反演精度更高。两种算法最大高估值分别是24.46cm和14.62cm，这是因为期间雪性质不断变化，尤其是雪粒径不断增大的缘故。Foster算法也严重高估了雪水当量，可能是由于积雪类型的分类系统未必适合于东北地区的积雪特征。为了进一步改进Foster算法，对黑龙江省的积雪类型进行了重新划分通过回归得到了各种类型的本地化动态系数，得到了适用于东北地区的反演算法，大大提高了反演的精度。本文的积雪连续观测数据为认识东北地区的积雪特性奠定了基础，对算法的时空序列验证、分析与初步改进为雪参数反演算法精度的进一步提高提供了可靠依据。