空中积雪测绘

越来越多的人，航空工具和卫星图像被用来测量不同地点的积雪深度和覆盖率。 虽然以前测量降雪的方法包括局部传感器， 例如雪深传感器， 但遥感方法正在取代或补充这些方法， 以实现更广泛的覆盖并节省时间和金钱。

使用无人机绘制积雪地图

无人驾驶航空系统/飞行器(UAS/UAV)越来越多地被用于测量跨地区的积雪观测。 例如，多光谱、高光谱、微波、热/夜间成像、光探测和测距(LiDAR)、 而摄影测量立体是已经使用的平台和某些类型的图像。

在寒冷地区，南极洲，格陵兰岛和挪威是使用无人机最频繁的地理区域， 其次是加拿大、喜马拉雅山和阿尔卑斯山。

现场积雪测量可能需要挖掘深积雪坑来评估表面积雪密度。

最流行的方法是创建数字表面模型(DSM)， 并从积雪覆盖的DSM计算无雪DSM。 这提供了有关积雪深度的信息， 这可能是以雪为重点的研究中最常用的方法。

使用无人机绘制积雪分布图

此外，无人机/无人机平台也被用于绘制积雪分布图。 在这种情况下，积雪深度是重要的， 无雪和有雪的DSM之间的相对地理参考是关键的， 由于x和y坐标的微小移动可能潜在地在z(高程)上产生重大差异，特别是在陡峭的地区。

无人机可以用来更快地测量积雪深度和绘制积雪分布图。

在一项使用摄影测量和运动结构(SfM)的研究中， 无人机估计的积雪传感器与传统积雪探测传感器之间的平均差异显示， 差异在0.015到0.16m之间。为了减轻这种误差，这种误差尤其可能发生在存 在降雪的均匀地区， 可能需要图像预处理工作流。 这包括针对不同的图像质量和雪/光条件提高点云密度和图像精度。

然而，其他研究表明，无人机可能无法准确测量积雪深度， 尤其是30厘米以下的积雪，即使进行了修正。 因素，包括植被覆盖、低太阳角度、地形或云层阴影， 高风速可能会影响无人机的测量。

基于卫星的积雪测绘

虽然无人机/无人机平台正在成为获取降雪遥感数据的最常用方式之一， 对于跨越几十或数百公里的广域分析， 卫星遥感是研究积雪最常用的平台。

横跨美国大西洋中部地区的一大片积雪。

来自图像的最常用的长时间运行雪数据之一来自中等分辨率成像光谱仪（MODIS）， 其中标准化差异雪指数（NDSI）已免费提供， 来自国家冰雪数据中心， 该数据还可以估计不同地区的积雪和反照率效应。

人们感兴趣的一个研究领域是积雪覆盖持续时间(SCD)， 对时间序列卫星数据进行分析，并与春季径流数据进行比较， 以确定积雪融化及其时间对区域水流的影响。 在这种情况下，使用MODIS创建无云积雪地图， 根据图像计算SCD，结果与气温和洪水数据进行了比较。

利用卫星图像测量积雪深度，最常用的仪器之一是Sentinel-1。 研究表明，在0.25度至1公里的分辨率范围内， Sentinel-1与诸如SNOTEL网络的陆基措施有更好的匹配， 而在较低的分辨率下，图像就没那么有用。

SNOTEL是一个在阿拉斯加应用39个雪地遥测站点的网络， 它已被用于测试卫星仪器的精度。

Sentinel-2是欧空局的 Sentinel-1 更新版本， 其空间和时间分辨率比其前身更高，但数据不足 10 年， 这阻碍了对气候变化问题的长期评估。

2015年至2020年3月初，内华达山脉的雪水当量。 这些地图是使用MODIS积雪覆盖面积和颗粒大小(MODSCAG)绘制的， 利用NASA的Terra卫星的数据来评估积雪属性，如覆盖面积、颗粒大小和反照率。

除了国家冰雪数据中心，欧洲航天局(ESA)也通过GlobSnow提供了监测数据， 或气候研究项目的全球积雪监测， 使用基于卫星的微波辐射计和地面气象站数据的组合来估计积雪中的液态水。

这包括特殊传感器微波成像仪(SSM/I)和特殊传感器微波成像仪/探测仪(SSMIS)传感器数据。 分辨率仍然很粗糙， 约为25公里， 这意味着这种卫星数据主要用于大规模评估。

就目前而言， 最好的方法往往是那些利用地面站数据来修正和改进卫星平台的估计。

研究人员越来越多地使用无人机/无人机平台来测量积雪数据， 特别是积雪深度。 这使主要对区域或次区域类型的问题感兴趣的研究人员受益。 特别是，摄影测量方法极大地帮助了该领域的研究人员。

然而，由于大多数负担得起的无人机/无人机平台没有非常远距离的实用程序， 对于大陆或全球尺度的测量， 首选基于卫星的遥感。 来自国家冰雪数据中心和GlobSnow的数据集帮助了这一努力， 研究人员不得不在较小的空间尺度上妥协精度。