积雪过程模型的验证是估计积雪参数的重要前期工作,雪粒径的增长是一个连续的累积过程,如果不与整个雪季的观测值进行比较,就无法正确估计。为了了解亚洲水塔区域（包括新疆、青海和西藏高原）的降雪特性,并改进使用的模型工具,设计了阿尔泰山脚下的扩展降雪实验,以验证和改进积雪过程模型（Snow Thermal Model,SNTHERM）和多层积雪微波辐射传输模型（Microwave Emission Model of Layered Snowpacks,MEMLS）的耦合结果。首先对模型进行了修正和改进,经模型改进验证后,用于计算了新疆、青海、西藏地区的雪深、雪粒径和亮温,在与站点雪深和卫星亮温数据进行对比后,发现当气象驱动数据较为准确时,SNTHERM能较好的模拟积雪深度,主要得出以下几个结论:（1）在SNTHERM模型框架中加入了土壤水分的运动过程。设置了三组对比实验（原始SNTHERM代码、粘土类型;新的SNTHERM代码、粘土类型;新的SNTHERM代码、特定土壤类型）,前两种方案模拟雪温比实测雪温偏低2-3K;而第三种方案模拟雪温与实测更匹配。在土壤参数的设定对亮温模拟的影响中发现土壤参数设置对积雪粒径影响的平均差异为0.1mm,在36.5GHz垂直极化下亮温的平均差异在1K范围内,这意味着无论土壤参数设置如何,SNTHERM模拟的积雪性质都是可信的。（2）更新了SNTHERM的粒径增长系数（2）1=1.044×10^-6m⁴/kg)。当使用的2)1为默认值,模拟后的₈（6）平均偏低0.55mm（RMSE=0.74mm）,模拟与测得的₈（6）之比为0.69±0.22;使用更新后的2)1计算的₈（6）与雪坑实测₈（6）的比较,修正后的平均偏差减少到-0.15mm（RMSE=0.47mm）,₈（6）的模拟与实测比值为0.97±0.33,因此改进后的2)1模拟的雪粒径精度更高。将粒径增长系数与积雪温度和温度梯度一起使用时,SNTHERM的粒径增长系数2)1降低了其对其他积雪参数的依赖性,并且修正后的2)1可以将雪季结束日的准确性提高3天。（3）在站点MEMLS模型的验证中,使用雪坑实测亮温与模拟亮温进行比较,亮温频率在18.7V,36.5V,18.7H和36.5H的均方根误差（RMSE）分别为2.56K,5.54K,8.07K和6.11K;平均偏差（MB）分别为1.86K,-3.16K,7.51K和-3.51K。（4）利用验证后的耦合模模拟了新疆、青海、西藏102个站点的雪深、雪粒径和亮温。对比102个气象站点模拟雪深与站点雪深对比后发现,新疆北部均方根摘要误差（RMSE）为4.03cm,新疆南部为2.57cm,青海为2cm,西藏为3.07cm。所有站点而言,模拟的季节性平均雪深均方根误差（RMSE）为1.27cm,相关性（R）为0.98。在亮温的模拟中考虑了亚像元效应,因此引入了积雪覆盖率产品。对比所有站点日模拟亮温数据与AMSR-E日亮温数据,大于10.65GHz频率的亮温,模拟与观测值的一致性较高。在18.7、23.8和36.5GHz的垂直极化下,均方根误差（RMSE）分别为6.91k、8.2k、13.34k。在10.65GHz,模拟亮温与观测亮温相关性较小,垂直极化和水平极化的均方根误差（RMSE）分别为6.46K和12.93K。89GHz模拟亮温的均方根误差（RMSE）最大（24.95K）。