తరేంద్ర లఖంకర్, అమీర్ ఇ అజార్, నర్గేస్ షహరౌది, ఆల్ఫ్రెడ్ పావెల్ మరియు రెజా ఖాన్బిల్వార్ది
స్నోప్యాక్ లక్షణాల యొక్క ప్రాదేశిక వైవిధ్యాలు వరద అంచనాలు మరియు నీటి వనరుల నిర్వహణలో ముఖ్యమైన భాగం. ఉపగ్రహ మైక్రోవేవ్ రిమోట్ సెన్సింగ్ స్నోప్యాక్ లక్షణాలను తిరిగి పొందడంలో గొప్ప సామర్థ్యాన్ని చూపింది: మంచు లోతు, మంచు ధాన్యం పరిమాణం మరియు మంచు సాంద్రత. ఈ పరిశోధనలో, స్నోప్యాక్ లక్షణాల ద్వారా ఎక్కువగా ప్రభావితమయ్యే మైక్రోవేవ్ ఎమిసివిటీ యొక్క సంభావ్యతను మేము పరిశీలిస్తాము. HUT (హెల్సింకి యూనివర్శిటీ ఆఫ్ టెక్నాలజీ) నుండి ఉత్పత్తి చేయబడిన ప్రకాశం ఉష్ణోగ్రత మరియు ఎమిసివిటీ డేటా స్నో మోడల్ యొక్క మైక్రోవేవ్ ఉద్గారాల ఉపగ్రహ మైక్రోవేవ్ కొలతలతో మూల్యాంకనం చేయబడింది. మోడల్ చేసిన ఫలితాలతో వాస్తవ కొలతల (ఇన్-సిటు మరియు శాటిలైట్) పోలిక, స్కాటరింగ్ సిగ్నేచర్ (19GHz-37GHz మరియు 19GHz-85GHz) ప్రకాశం ఉష్ణోగ్రత డేటా కంటే ఉద్గారాలలో మెరుగైన ఫలితాలను చూపుతుందని చూపిస్తుంది. ఇంకా, లోతైన మంచు (>30 సెం.మీ.), (19GHz- 37GHz) యొక్క ఉద్గార స్కాటరింగ్ సంతకం ఉత్తమ పనితీరును కలిగి ఉంది, అయితే నిస్సార మంచు (<30cm) (19GHz- 85GHz) యొక్క ఉద్గారాల విక్షేపణ సంతకం అత్యుత్తమ పనితీరును కనబరుస్తుంది. ఫలితాలు కొంత వరకు ధాన్యం పెరుగుదల ఊహ యొక్క చెల్లుబాటును సూచిస్తాయి కానీ అది సమయం యొక్క విధిగా పరిమాణాత్మకంగా పరిష్కరించడంలో విఫలమవుతుంది.