青藏高原（TP）广泛的积雪覆盖对气候和下游十多亿居民的供水有重大影响。然而，目前尚未对多个全球再分析数据集的青藏高原积雪覆盖率（SCF）模拟情况进行充分评估。在这项研究中，我们利用 2001-2017 年间的遥感雪属性反演（SPIReS）SCF数据，对八个全球再分析 SCF 数据集进行了检验。结果表明，HMASR 由于其出色的时空精度，生成了最佳的 SCF 模拟。GLDAS 和 CFSR 在SCF空间变化方面表现出了尚可接受的精度，但在再现年度趋势时却很吃力。ERA5、ERA5L 和 JRA55 明显高估 SCF，MERRA2 低估了SCF，而CRAL 生成的空间模式很差。SCF 的总体偏差与降水和温度气象强迫因子、雪数据同化和 SCF 参数化方法的综合影响有关，但主导因素在不同数据集之间不同。在ERA5和ERA5L中，温度和降雪偏差与SCF偏差在TP大部分地区有显著相关性，因此对SCF的空间变率和时间演变的准确性模拟影响很大大。另一方面，在 MERRA2 和 CRAL 中，雪同化的影响可能更为明显。虽然SCF参数化方法可以提高 JRA55 SCF 的模拟精度，但对其他数据集的影响弱于其他因素。为了进一步提高 SCF 模拟的精度，本研究开发了一种集合平均方法。HMASR和 GLDAS 集合不出意料的生成了更加准确的 SCF 空间分布，而包含 HMASR、ERA5L和JRA55集合则被证明是捕捉年度趋势的最佳数据组合。
 

青藏高原积雪覆盖；再分析数据集；气象强迫因子；参数化方法