博伊西州立大学副教授汉斯·彼得·马歇尔（Hans-Peter Marshall）和贝克·雪诺参议员安全主任安迪·格里森（Andy Gleason）在SnowEx 2017期间在它们之间装有一个调频连续波（FMCW）雷达，将其推向贝克盆地的上游。
这是一年中最美好的时光-NASA的SnowEx广告系列袭击了世界上多雪的地方的天空和地面，测量雪的性质以了解每个冬天的降雪中包含多少水。
在美国西部和世界其他地区，雪是饮用水，农业和电力的重要水源。要知道第二年春季将有多少水可用，水资源管理者和水文学家需要知道降雪量，降雪量以及融化时特性如何变化。测量雪水当量或SWE可以告诉他们积雪中包含多少水。
NASA目前没有全球卫星任务来跟踪和研究SWE。SnowEx的机载测量，地面测量和计算机建模正在为全球雪地卫星任务的未来发展铺平道路。他们将在2020年竞选中注意以下几点。
在空中…
雪的测量具有挑战性，因为雪的特性会根据其所处的地形，深度和融化程度而变化。研究小组说，没有一种工具或测量可以一直测量所有类型的积雪。
美国国家航空航天局戈达德太空飞行中心的研究科学家Carrie Vuyovich表示：“雪遥感的研究差距可以按照雪气候类别（苔原雪，森林中的雪，海域中的雪）以及雪如何随时间演变而进行分组。”马里兰州格林贝尔特市和SnowEx 2020年现任副项目科学家。“不同的积雪特征对测量的影响不同。”
SnowEx的机载测量，地面测量和计算机建模正在为全球雪地卫星任务的未来发展铺平道路。
跟踪整个季节的雪水当量（SWE）可帮助水文学家和水资源管理者了解春季融化后将能提供的水，并为可能的洪灾或干旱做好计划。
Goddard和SnowEx的前项目科学家研究人员埃德·金（Ed Kim）表示：“降雪的深度不大，这是大多数人可能熟悉的度量标准。”“您知道，在冬天，如果下雪并且必须铲车道，您想知道必须铲多少厘米的雪。但是我们追求的是水当量：雪代表多少水，这对洪水和干旱意味着什么。”
SnowEx机载战役将飞行雷达和激光雷达（光检测和测距）以测量雪深，微波雷达和辐射计测量SWE，光学相机测量表面，红外辐射计测量表面温度，高光谱成像仪记录雪盖和作品。这些仪器中的某些仪器在不同类型的地形，植被和积雪条件下工作得比其他仪器更好，并且查看每种仪器在何时何地表现最佳将有助于雪科学家确定不同的仪器组合如何为潜在的卫星任务提供有用的测量结果。
SnowEx 2020将首先在科罗拉多州大梅萨附近测试仪器，其中包括平坦的积雪和森林。今年的竞选活动还将包括在春季，春季融雪期间穿越科罗拉多州，犹他州，爱达荷州和加利福尼亚州的一系列时间飞行记录，记录地点和季节之间的变化。该团队于2019年12月开始飞行，并将于2020年5月结束。
为了知道仪器是否进行了准确的测量，该小组还收集了地面数据。2020年，地面小组将测量积雪深度，密度，积聚层，温度，湿度和颗粒大小-典型颗粒的大小。
Vuyovich说：“最后的竞选活动是及时的快照。”“在2017年的三周期间，我们没有看到大雪状况的大量变化，并且我们对使用变化检测方法感兴趣的某些技术感兴趣。”
时间序列活动将使用L波段干涉式合成孔径雷达（InSAR）测试和验证SWE测量方法，该方法是由NASA喷气推进实验室的UAVSAR仪器测量的。
美国爱达荷州博伊西州立大学副教授，美国陆军寒冷地区研究员HP Marshall表示：“ UAVSAR仪器非常可靠-经常用于非雪景应用，例如地震或火山后的地表变形。”研究和工程实验室，以及SnowEx 2020的项目科学家。“在2017年的初步测试中，我们获得了与雪深和SWE相关的非常有希望的结果，但是变化不大，因此我们无法在广泛的条件下进行测试。在2020年之前，我们将在一个时间序列实验中从无雪状态到过渡到湿润的春季积雪，每周至每两周进行一次InSAR测量。”
SnowEx还将测试雪水当量合成孔径雷达和辐射计（SWESARR）。SWESARR是由NASA Goddard开发的，它的主动和被动微波测量相结合，使它能够测量可能影响微波信号的雪以及下面土壤的特性。
SnowEx包括来自大学，私人机构和其他政府机构的合作伙伴，他们带来了更多的专业知识和仪器，例如美国国家海洋与大气管理局的机载伽马仪器和阿拉巴马大学的FMCW雷达。这些仪器无法在太空中使用，但它们将帮助雪科学界在各种条件下增进对雪的了解。
该小组还将把他们的数据与NASA的ICESat-2和欧洲航天局的Sentinel 1A和1B卫星，以及NASA WorldView和私人成像公司提供的高分辨率光学图像进行比较。
… 并在地面上
为了知道他们的算法是否准确，该小组还收集了地面数据。SnowEx 2020的地面小组将测量积雪的深度，密度，积聚层，温度，湿度和雪粒大小（典型颗粒的大小）。通过测量这些特征，他们可以查看不同位置和地面特征如何影响机载数据。
今年，实时计算机建模也将集成到该活动中。
Vuyovich说：“我们的积雪建模小组一直在努力了解在SWE的模型仿真中我们看到最大不确定性的地方。”在此，“不确定性”是指许多模拟得出的估计范围。该小组组建了一个由十二名成员组成的集合，这些集合包含不同的模型和大气数据，以模拟整个北美地区长达九年的雪季，从而确定不确定性最高的地区。
“实时评估数据将帮助我们了解导致不确定性的因素。”武约维奇说。“接下来，我们将开始研究如何吸收不同的遥感观测结果，以帮助改善我们的估计。”
