Università degli studi di TorinoFacoltà di Scienze M.F.NDipartimento di Fisica Generale,Dipartimento Scienze della Terra

Rilevamento ed analisi della copertura nevosa da satellite sulle Alpi Occidentali

Arpa PiemonteSistemi Previsionali

Silvia Terzago

Istituto di Scienze dell'Atmosfera e del Clima, CNR Torino - s.terzago@isac.cnr.it

Roberto Cremonini

ARPA Piemonte – Dipartimento Sistemi Previsionali, Torino

2

Sommario

Introduzione

Satelliti meteorologici: geostazionari e polari

Il rilevamento della copertura nevosa da satellite

Copertura nevosa MODIS: analisi su Alpi Occidentali nell'ultimo decennio

L'algoritmo MSG/SEVIRI

Valutazione dell'algoritmo

Conclusioni

3

Il monitoraggio della copertura nevosaLa presenza di neve al suolo influenza:

− Il bilancio della radiazione superficiale

− Il bilancio energetico

− Il bilancio idrologico

Se ne deve tener conto nei modelli di run-off e nelle previsioni meteorologiche, negli studi sul cambiamento climatico

Il rilevamento della neve al suolo può avvenire attraverso:• rilevamenti nivometrici al suolo (misure dirette, numero limitato,

distribuzione non uniforme sul territorio)

• rilevamenti radiometrici da satellite (misure indirette, copertura continua del territorio)

adatti per rilevare la copertura nevosa su grande scala

Osservazioni al suolo e satelliti danno informazioni complementari per il monitoraggio della neve

4

Satelliti meteorologici

Satelliti geostazionariOrbita “stazionaria” rispetto ad un osservatore sulla terra

Periodo rivoluzione: 1 giornoPosizione: Lat = 0°Quota ~ 36000 Km

Satelliti polariOrbita quasi-polare

Periodo rivoluzione: 99 minQuota ~ 700 Km

5

Satelliti meteorologici

Satelliti geostazionari Area Visuale: max 81°, 60-70° rispetto a

nadir del satellite● Elevata risoluzione temporale● Bassa risoluzione spaziale

Satelliti polariArea visuale: striscia ~ 2300 km

● Alta risoluzione spaziale● Scarsa risoluzione temporale

6

Satelliti meteorologici per il rilevamento della copertura nevosa

METEOSAT Second Generation (MSG)Geostationary Operational Environmental Satellites (GOES)Feng Yun (FY-2)

National Oceanic and Atmospheric Administration (NOAA)Earth Observing System (EOS) Terra e AquaMetOpNational Polar-orbiting Environmental Satellite System (NPOESS) Preparatory Program (NPP)Joint Polar Satellite System (JPSS)

I satelliti MSG e EOS rappresentano lo “stato dell'arte” dei satelliti rispettivamente geostazionari e polari attualmente in orbita.

7

• Geostazionario• Quota ~ 36000 km• Posizione:Lat=0°,Lon=0°• Lancio: 21 Dicembre 2005

SENSORE:SEVIRI (Spinning Enhanced Visibile and Infra Red Imager) :

• 12 Bande Spettrali

• Risoluzione temporale: 15 minuti

• Risoluzione Spaziale: 3km (1km HRV)

• Risoluzione radiometrica: 10 bit

MSG 2 - Meteosat Second GenerationMSG 2 - Meteosat Second Generation

•CH 01: VIS 0.6 µm

•CH 02: VIS 0.8 µm

•CH 03: NIR 1.6 µm

•CH 04: MIR 3.9 µm

•CH 05: WV 6.2 µm

•CH 06: WV 7.3 µm

•CH 07: IR 8.7 µm

•CH 08: IR 9.7 µm

•CH 09: IR 10.8 µm

•CH 10: IR 12.0 µm

•CH 11: IR 13.4 µm

•CH 12: HRV

8

EOS TERRA / EOS AQUA

Sensore:MODIS Sensore:MODIS (MODerate (MODerate resolution Imaging Spectrometer):resolution Imaging Spectrometer):•36 Bande Spettrali •Risoluzione temporale: 5 min

•Risoluzione spaziale: 500 m •Risoluzione radiometrica: 12 bit

•Orbita polare•Quota ~ 705 km•Inclinazione: 98,2°•Periodo : 99min

Canali per il rilevamento della neve

•CH 01: VIS 0.6 µm

•CH 02: VIS 0.8 µm

•CH 04: VIS 0.5 µm

•CH 06: NIR 1.6 µm

•CH 31: IR 10.8 µm

•CH 32: IR 12.0 µm

9

SEVIRI - MSG La risoluzione spaziale è

bassa e diminuisce al crescere della latitudine: sulle Alpi è circa 5000 m

Alta frequenza temporale

MODIS Alta risoluzione spaziale Solo 2 scansioni al giorno

10

Radiazione solare e radiazione terrestre

La radiazione solare incidente al top dell’atmosfera e' concentrata nel VIS e NIR

Riflessione, assorbimento, emissione da parte di costituenti atmosferici/superficie terrestre

Riemissione della radiazione terrestre nel IR

Rilevamenti da satellite nel visibile e vicino infrarosso a lunghezze d’onda di assorbimento minimo.

11

Radiazione solare e radiazione terrestre

Q=Energia radiante da Terra/Atmosfera

P=dQ/dt flusso radiante che arriva su una data superficie A nell'unita' di tempo

Lλ=d 2PdA p dΩ

Ap=A cosϑ

Rilevamenti radiometrici di radianza spettrale Lλ [Wm-2sr-1]

riflettanza spettrale Rλ (VIS e NIR)temperatura di radianza Tλ(IR)

12

In caso di neve al suolo:1) T10.8≤273,15 K

2) α=albedo, 0.40 < α < 0.95 elevata rispetto alle altre superfici simile a quella delle nubi

Un criterio di rilevamento basato sull'albedo permetterebbe di distinguere la neve dal suolo ma non dalle nubi con elevata riflettanza

Criteri per il rilevamento della neve al suolo - 1

13

.

La riflettanza della neve è elevata nel visibile, ma al contrario di quella delle nubi, decade rapidamente nel vicino infrarosso

3)

R0 . 8neve R≃ 0 .8 nubiR1 . 6neve <<R1. 6 nubi

Criteri per il rilevamento della neve al suolo - 2

Valovcin (1978), Kyle et al. (1978), Crane and Anderson (1984)

NDSI=R0. 8−R1. 6

R0. 8+R1.6

Normalized Difference Snow Index (NDSI)

14

Algoritmo di copertura nevosa MODIS

15

Algoritmo di copertura nevosa MODISSviluppato da Hall et al., 2001,

Rappresenta lo “stato dell'arte” nel rilevamento della copertura nevosa da satellite polare.

Applicato a pixel di terra, liberi da nubi, scene diurne

INPUT:● MODIS 1-km resolution geolocation

and land/water mask

● MODIS bands 1, 2, 4, 6, 31 & 32

● MODIS cloud mask

Test di soglia su VIS, criterio su NDSI e Normalized Difference Vegetation Index (NDVI)

NDVI=R0. 8−R0.6

R0 . 8+R0 .6

Poligono NDSI/NDVI per la scelta NEVE/NO NEVE

16

Algoritmo testato in molteplici condizioni, anche sulle Alpi (Hall et a., 2007, Parajka et al., 2006)

Dataset di copertura nevosa giornaliera MOD10A1 (MODIS Terra), MYD10A1 (MODIS Aqua).

Dataset di copertura nevosa massima su 8 giorni MOD10A2 (MODIS Terra), MYD10A2 (MODIS Aqua), minimizzato l'oscuramento da nubi

MODIS Aqua ha avuto problemi al canale 6 (1.6 µm), dunque per il rilevamento della neve è da preferirsi MODIS Terra.

MOD10A1 - MOD10A2

Risoluzione spaziale 500 m

Sistema di riferimento Griglia Sinusoidale

Disponibilità dati Febbraio 2000-oggi

17

Analisi della copertura nevosa MODIS sulle Alpi Occidentali nel periodo 2000-2010

18

Analisi

Prodotti MOD10A2 riproiettati in sistema di coordinate UTM e ritagliati sulle Alpi Occidentali

I pixel oscurati da nubi durante tutti gli 8 giorni risultano non classificati

→ aggregazioni mensili

→ massima copertura nevosa mensile (pixel innevati in almeno un prodotto MOD10A2)

→ copertura nevosa media mensile (pixel innevati in almeno 2 prodotti MOD10A2)

Analisi del dataset sul periodo 2000-2010

19

Estensione della copertura nevosaSerie temporale dell'estensione della copertura nevosa sulle Alpi Occidentali:• 2006-07 e 2007-08 copertura nevosa scarsa• 2008-2009 coperura nevosa massima sui 10 anni

20

Distribuzione stagionale

Northern Hemisphere snowcover extension. Averaged data for the 1966–2010 observation period.

Ciclo stagionale della copertura nevosa sulle Alpi Occidentali nel periodo 2000-2010:

• Valore massimo a Gennaio (>70% del territorio innevato)

Rutgers University data

21

Valori estremiValori medi ed estremi di copertura

nevosa mensile sul periodo 2000-2011

Stagioni con valori massimi di copertura nevosa:

• 2008-2009• 2009-2010• 2004-2005

Stagioni con valori minimi di copertura nevosa:

• 2006-07• 2001-02

Terzago et al., 2010

22

Relazione tra copertura nevosa e temperatura

Tre stazioni termo-nivometriche rappresentative delle Alpi Piemontesi:

Calcolo dell'anomalia di Temperatura massima (Tx) e minima (Tn) invernale (Dicembre-Febbraio) nel periodo 2001-2010

Analisi della relazione tra anomalia di temperatura in quota ed estensione della copertura nevosa derivata da MODIS

Stazione Quota [m] Settore

Lago Vannino 2177 Nord

Malciaussia 1800 Centro

Acceglio Saretto 1540 Sud

23

Caratterizzatione dei singoli inverni:

2007, 2008: caldi, SNCanom < 0

2006, 2009, 2010: freddi, SNCanom > 0

2004: caldi, SNCanom > 0

2001: T nella media, SNCanom < 0

2003, 2005: freddi, SNC nella media.

24

Mappe di probabilita' di copertura nevosa

A partire dalle mappe di copertura nevosa relative al mese i, (i=1,2,...12):

Per ogni pixel e' stata determinata la frequenza di occorrenza della copertura nevosa nei 10 anni di osservazione

Probabilita' di osservare copertura nevosa nel mese i in quel pixel

Mappe regionali di probabilita' di Mappe regionali di probabilita' di copertura nevosacopertura nevosa

25

Mappe di probabilita' di copertura nevosa

A partire dalle mappe di copertura nevosa relative al mese i, (i=1,2,...12):

Per ogni pixel e' stata determinata la frequenza di occorrenza della copertura nevosa nei 10 anni di osservazione

Probabilita' di osservare copertura nevosa nel mese i in quel pixel

Mappe regionali di probabilita' di Mappe regionali di probabilita' di copertura nevosacopertura nevosa

Terzago, 2012

26

Quota neveDigital Elevation Model (DEM)

+copertura nevosa mensile

MODIS

determinazione della quota neve per i singoli Settori Alpini

27

Integrazione dati nivometrici al suolo e satellitari

Rete nivometrica ARPA Piemonte:

111 siti di osservazione tra stazioni automatiche e manuali sparse su tutto l'Arco Alpino Piemontese

misure di spessore del manto nevoso ed altezza di neve fresca a livello giornaliero

Estensione della copertura nevosa MODIS

Derivazione di Derivazione di campi di spessore campi di spessore del manto nevosodel manto nevoso

C'e' un valore aggiunto dovuto all'utilizzo dei dati satellitari?

28

Campi di spessore del manto nevoso

Interpolazione dei dati di spessore del manto nevoso (HS) su griglia a 2.5 km

HS dipende dalla quota → Kriging con Deriva Esterna (KED)

2 approcci:

− Interpolazione solo dei dati delle stazioni

− Interpolazione dati al suolo + satellitari (stazioni “virtuali”)

L'uso dei dati satellitari migliora la stima L'uso dei dati satellitari migliora la stima dello spessore della neve al suolodello spessore della neve al suolo

Terzago et al., 2012

29

Precipitazione nevosa media stagionaleA partire dai dati giornalieri di precipitazione nevosa delle stazioni e' stata:(i) calcolata la precipitazione cumulata stagionale in ogni punto di misura(ii) mediata sul periodo 2001-2010→ interpolazione dei valori medi con il metodo di Kriging

Terzago et al., 2012

30

Giorni con precipitazione nevosaA partire dai dati giornalieri di precipitazione nevosa delle stazioni e' stato:(i) calcolato il numero di giorni con HN>0 a livello stagionale in ogni punto di misura(ii) mediato sul periodo 2001-2010→ interpolazione dei valori medi con il metodo di Kriging

Terzago et al., 2012

31

Considerazioni

●Il dataset di MODIS permette di sviluppare una vasta gamma di prodotti per l'analisi della copertura nevosa

●Più di 12 anni di dati completi ed omogenei → evoluzione temporale e caratteristiche medie della copertura nevosa

●MODIS è adatto per indagini a livello mensile o settimanale, a livello giornaliero diventa importante l'effetto dell'oscuramento delle nubi

●Per la copertura nevosa giornaliera si ricorre ai satelliti geostazionari, come MSG

32

L'algoritmo di copertura nevosa di MSG

Arpa Piemonte ha sviluppato un algoritmo che a partire dai rilevamenti radiometrici di SEVIRI rileva la neve al suolo

Dati di input all’algoritmo: Canali spettrali 1:4, 6:7, 9:10

di SEVIRI Cloud mask analisi ECMWF

Test applicati ai pixel di terra liberi da nubi, ore diurne

Mappa con risoluzione 3200m

255<T 10 . 8<285K

∧ R0. 8>0 . 2 ∧ NDSI>0 .2

NEVE

NO NEVE

SI

NO

33

Viene così generata una mappa di copertura nevosa con risoluzione 1600m

Utilizzando i dati di più scansioni successive è possibile creare un prodotto prodotto giornalierogiornaliero

La neve viene rilevata nonostante la visuale dal satellite sia momentaneamente oscurata dal passaggio delle nubi

I pixel in cui è stata rilevata la neve vengono processati nuovamente, filtrandoli con i dati del canale HRV (High Resolution Visible), che alle nostre latitudini ha una risoluzione di 1600m :

A ogni pixel con risoluzione 3200m corrispondono esattamente 4 valori di riflettanza HRV (RHRV)

Se RHRV

> 0.2 il pixel verrà classificato come coperto di neve

34

VALUTAZIONE DELL’ALGORITMO

CONFRONTO DIRETTO

della mappa di copertura nevosa con i dati dei nivometri al suoloVANTAGGI:

elevata affidabilità delle misure

SVANTAGGI: sono in numero limitato forniscono misure puntuali sono distribuiti sul territorio in modo non omogeneo e sono presenti soprattutto in montagna

CONFRONTO INDIRETTO

della mappa di copertura nevosa con una mappa analoga che:

utilizza i dati di MODIS ad alta risoluzione spaziale

è prodotta da un algoritmo già validato

VANTAGGI:

confronto a grande scala

SVANTAGGI: misure indirette

35

Metodo di valutazione Le mappe di stima dell’estensione della copertura nevosa di MSG e i dati

osservati (rilevamenti a terra, MODIS) sono stati “filtrati” a tre valori: NEVE, NO NEVE, NON CLASSIFICATO

Confronto mappa MSG e il corrispondente valore osservato per calcolare le tabelle di contingenza e gli indici statistici

Tabella di contingenza

SEVIRI

OSSERVAZIONE NO NEVE NEVE

NO NEVE assenza di copertura nevosa(NN) sovrastima della copertura nevosa (FP)

NEVE sottostima della copertura nevosa (FN) neve correttamente rilevata (PP)

POD=PPPP+FP

CSI=PPPP+FP+FN

FAR=FPPP+FP

FBIAS=PP+FPPP+FN

Probabilità di rilevare correttamente la neve

Stima perfetta: POD=1

Affidabilità dell’algoritmo

Stima perfetta: CSI=1

Probabilità di avere un falso allarme

Stima perfetta: FAR=0

Misura del rapporto tra sovrastima e sottostima

Stima perfetta: FBIAS=1

36

Casi di studio

Zona di indagine: Italia Centro-Settentrionale

19 casi di studio tra gennaio 2007 e luglio 2008 selezionati in base a tre criteri:

Disponibilità dati MODIS:

- scansioni centrate sulla zona di indagine

- scansioni diurne

Cielo sereno

Diverse condizioni diinnevamento

Data Ora UTC Note13/01/2007 12.10 Neve in Val d'Aosta,versanti francese e svizzero27/01/2007 12.20 Abbondante neve su Alpi Occidentali e Appennino14/03/2007 12.35 Manto nevoso abbondante, assenza di neve fresca17/04/2007 12.20 Neve in Val d'Aosta e versante francese25/08/2007 12.10 Solo ghiacciai15/10/2007 12.40 Prima dell'innevamento 18/11/2007 12.25 Abbondante neve oltreconfine27/11/2007 12.20 Neve su cuneese e versante austriaco13/12/2007 12.20 Abbondante copertura nevosa20/12/2007 12.25 Neve in pianura; copertura nevosa molto abbondante17/01/2008 12.50 Dopo una nevicata abbondante su Alpi Occidentali23/01/2008 12.15 Foehn, ottima visibilità22/02/2008 12.30 Neve sull'Arco Alpino Occidentale25/03/2008 12.25 Neve su versante francese, Corsica01/04/2008 12.35 Neve fresca sul Piemonte05/04/2008 12.10 Neve oltreconfine03/05/2008 12.35 Neve fresca sul Piemonte20/06/2008 12.35 Neve solo ad alta quota08/07/2008 12.20 Solo ghiacciai

37

Valutazione dell'algoritmo tramite osservazioni nivometriche al suolo

Rete utilizzata: 111 rilevamenti tra Piemonte, Valle d’Aosta, Canton Ticino, Liguria, Lombardia

Grandezze misurate

- Altezza del manto nevoso

- Altezza della neve fresca

Tipo di rilevamento:

- manuale (asta nivometrica fissa)

- automatico (nivometro a ultrasuoni)

Errore di misura: σ = 2.5 cm

38

SEVIRI POD=0.87

NIVOMETRI NO NEVE NEVE CSI=0.74

NO NEVE 413 110 FAR=0.17

NEVE 85 550 BIAS=1.04

Risultati con i rilevamenti nivometrici a terra 95% è la probabilità di rilevare correttamente la presenza di neve fresca

La probabilità di individuare la neve al suolo per differenti spessori del manto nevoso è:

P(2≤h<10 cm)=0 .56P(10≤h<30cm)=0 .76P(h≥30 cm )=0 . 95

Tabella di contingenza relativa a tutti i casi di studio:

In generale la presenza di neve al suolo leggermente sovrastimata; viene invece sottostimata quando il manto nevoso è sottile

39

Sarebbe interessante studiare la qualità della stima dell’estensione della copertura nevosa in base a:

− Stagione

− Uso del suolo

− Esposizione dei versanti

− Inclinazione dei versanti

N.ro totale di rilevamenti al suolo ~103 => uno studio per classi ridurrebbe il campione di risultati statisticamente poco significativi

COPERTURA NEVOSA DI MODIS

Mappa con risoluzione 500m

Filtrata 3 valori:

NEVE, NO NEVE, NON CLASSIFICATO

Ricampionata alla risoluzione della mappa di SEVIRI (1600m)

106 rilevamenti disponibili

40

L'algoritmo sovrastima leggermente la neve sulle Alpi

L'algoritmo sottostima la neve in corrispondenza dei bordi delle nubi, in pianura ai margini delle zone innevate, sugli appennini e sulle zone pedemontane francesi

MSGno neve neve

MODIS no neve 86232 3535neve 7126 27491

POD = 0.79T S = 0.72FAR = 0.11BIAS = 0.90

Valutazione dell'algoritmo tramite MODIS:20 Dicembre 2007

SOTTOSTIMASOTTOSTIMASOVRASTIMASOVRASTIMAACCORDOACCORDONUBINUBI

41

Sovrastima della neve nella zona alpina, soprattutto nelle valli;Sottostima nella zona pedemontana francese, svizzera e italiana nell'arco orientale

SOTTOSTIMASOTTOSTIMASOVRASTIMASOVRASTIMAACCORDOACCORDONUBINUBI

MSGno neve neve

MODIS no neve 101707 4335neve 5049 24521

POD = 0.83T S = 0.72FAR = 0.15BIAS = 0.98

Valutazione dell'algoritmo tramite MODIS:23 Gennaio 2008

42

L'agoritmo sovrastima la neve sulle Alpi

La sottostima è soprattutto sulle Alpi svizzere, ma diventa trascurabile rispetto a quando si ha neve anche a basse quote

SOTTOSTIMASOTTOSTIMASOVRASTIMASOVRASTIMAACCORDOACCORDONUBINUBI

MSGno neve neve

MODIS no neve 123380 5118neve 1327 12725

PODy = 0.91T S = 0.66FAR = 0.29BIAS = 1.28

Valutazione dell'algoritmo tramite MODIS:14 Marzo 2007

43

Risultati stagionali dal confronto con MODIS

In inverno l’algoritmo tende a sottostimare l’estensione della copertura nevosa

In primavera tende a sovrastimarla

44

Rilevamento della neve in base all’uso del suolo

Dal database ECOCLIMAP è stata derivata una mappa di uso prevalente del suolo con risoluzione 1600 m a tre classi: suolo nudo, vegetazione bassa, aree boschive

Per ognuna delle tre classi è stata determinata la qualità della stima della copertura nevosa:

Suolo nudo: proprietà radiative uniformi, dunque stima più accurata

Aree boschive: la chioma degli alberi rende difficile il rilevamento della neve al suolo

SUOLO NUDOSUOLO NUDOVEGETAZIONE VEGETAZIONE BASSABASSA

ZONE ZONE BOSCHIVEBOSCHIVE

45

A partire dal Modello di Elevazione Digitale (DEM) è stato calcolato

(∇ h)N−S=∂h∂ y

|∇h|NS → pendenza

Segno dà l'esposizione del versante

La diversa risposta dell’algoritmo viene spiegata dalle diverse condizioni di illuminazione in base alla stagione e all’esposizione dei versanti

SOVRASTIMA DELLA COPERTURA NEVOSA IN PRIMAVERA Soglie dei test di

riflettanza troppo basse

(∇ h)N−S>0 .1 (∇ h)N−S>0 . 2 (∇ h)N−S>0 .3

Rilevamento della neve al suolo in base all’esposizione e all’inclinazione dei versanti

46

…riassumendo

95% è la probabilità che l’algoritmo rilevi correttamente la neve fresca 95% è la probababilità che venga rilevata correttamente la neve se

h≥30 cm; 56% se 1<h<10cm Analisi complessiva di tutti i casi di studio: elevata accuratezza, CSI

%=74% maggiore tra novembre e febbraio minore tra marzo e giugno

Forte dipendenza della qualità della stima da uso del suolo inclinazione dei versanti esposizione dei versanti

Sottostima localizzata dove il manto nevoso è sottile (zone pedemontane) e nelle aree boschive

Sovrastima localizzata nelle valli e diffusa in primavera

47

ConclusioniE' stata effettuata un'analisi dell'innevamento sulle Alpi Occidentali nell'ultimo decennio attraverso il dataset MODIS

Son stati sviluppati prodotti di interesse nivologico per la Regione Piemonte, quali mappe mensili di quota neve, curve di deplezione nivale per ogni settore alpino, mappe di probabilita' di occorrenza della neve al suolo.

Integrando dati nivometeorologici superficiali e satellitari e' stato possibile stimare con maggiore accuratezza la variabilita' spaziale di diversi parametri nivologici e produrre dei campi medi di precipitazione nevosa/numero di giorni nevosi sul Piemonte.

Questo studio ha permesso di valutare e determinare l'accuratezza di un nuovo algoritmo di copertura nevosa di MSG/SEVIRI sia con i dati al suolo che con mappe MODIS

L'algoritmo si rivela un metodo efficace per il rilevamento della neve al suolo anche perche' minimizza l'oscuramento da nubi → monitoraggio a livello giornaliero

I satelliti MSG e EOS costituiscono un'importante risorsa per il monitoraggio della copertura nevosa sia in tempo reale che a livello di “proprietà medie climatiche”.

48

ReferenzeTERZAGO S., CREMONINI R., CASSARDO C., FRATIANNI S., 2012: Analysis of snow precipitation and evaluation of

snow cover algorithm over SW Italian Alps - Geografia fisica e dinamica quaternaria, Vol 35 (1) pp 91-99.

TERZAGO S., 2012: Climatic change in Western Italian Alps: analysis of snow precipitation variability during the period 1925-2010 using historical and satellite series – PLINIUS, 38.

TERZAGO S., CREMONINI R., FRATIANNI S., 2012: ”Modelisation de la variabilité spatiale de la neige au sol sur les Alpes Occidentales Italiennes: la valeur ajoutée de l’utilisation de données satellitaires MODIS” - Act du XXV colloque de l’Association Internationale de Climatologie, 5-8 September 2012, Grenoble (France), pp 739-744.

TERZAGO S., PROLA M.C., FRATIANNI S., CREMONINI R., BARBERO S. 2012: ”Validazione di misure nivometriche automatiche: implementazione di un algoritmo per l’identificazione e la correzione dei dati anomali.” - Neve e Valanghe, 75, 36-43.

GODONE D., GARNERO G., FILIPPA G., FREPPAZ M., TERZAGO S., RIVELLA E., SALANDIN A., BARBERO S., 2011: “Snow Cover Extent and Duration in MODIS Time Series: A Comparison with in-situ Measurements (Provincia Verbano Cusio Ossola, NW Italy)" - The International Journal of Environmental Protection, Vol. 1(4).

TERZAGO S., CASSARDO C., CREMONINI R., FRATIANNI S., 2010: Snow Precipitation and Snow Cover Climatic Variability for the Period 19712009 in the Southwestern Italian Alps: The 2008-2009 Snow Season Case Study Water 2010, Vol 2(4), pp 773-787; doi:10.3390/w2040773.

TERZAGO S., CREMONINI R., FRATIANNI S., 2010: Variabilité de la précipitation neigeuse dans l'Ouest des Alpes pendant la période 2000-2009 par données satellitaires de MODIS et stations météorologiques. Risques et changement climatique, Act du XXIII colloque de l'association internationale de climatologie, 1-4 September 2010, Rennes (France), pp 607-612.