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 - [email protected]
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)
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
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.