锡林郭勒地区属于我国北部边疆重要的生态屏障,同时也是我国三大积雪高值区之一。研究区地貌广阔,积雪分布差异较大。本文利用锡林郭勒地区15个气象观测站1971～2015年的逐日积雪资料,重点分析了研究区降雪量、积雪深度及积雪日数三大积雪指标的时空变化规律、时空变异特征及周期性特征,揭示了积雪日数与气象因子的相关性,并对积雪日数的未来变化趋势进行了预测分析。主要研究结果如下:1.锡林郭勒地区各站点降雪量、积雪深度和积雪日数随时间波动幅度较为剧烈,且各站点波动规律基本一致,整体无显著的增减趋势。从年内变化上看,降雪量呈现的是"双峰型"的波动特征,其中11月份的峰值最大,1月份最少,积雪深度和积雪日数则呈现的是"单峰型"的波动特征,最大值分别在2月份和1月份,最小值都出现在刚入冬的10月份。2.锡林郭勒地区降雪量、积雪深度及积雪日数空间分布差异性显著,基本呈现的是东多西少、南多北少的分布格局,高值区主要分布在乌拉盖、西乌旗、正镶白旗及太卜寺旗周围,少雪区主要出现在西部区。降雪量、积雪深度的极差将近4倍,积雪日数相差2倍以上。依据区划原则,将研究区划分为4种类型:一致偏高区、中值区、一少两多区、一致偏少区。在此基础上利用EOF分别对三个积雪指标做了进一步的空间异常分型。3.利用小波分析对锡林郭勒地区近45a的积雪周期进行分析,可知降雪量存在7a、11a和18a三个震荡周期,积雪日数存在7a,11a和22a三个周期变化,积雪深度存在5a和11a两个震荡周期。其中降雪量和积雪日数的主周期均为7a,积雪深度主周期为5a。通过突变检验分析可知,降雪量和积雪深度没有突变产生,而积雪日数在1996a附近发生了一次由多到少的突变。4.锡林郭勒积雪日数受多种气象因子共同作用,通过相关性分析得出降雪量、积雪深度、气温及湿度分别与积雪日数有较高的相关性。BP神经网络模型预测,未来十年间积雪日数呈逐渐减少的趋势。