Snow wetness estimates are critical inputs in the understanding of snow hydrological processes. With early warming in winters in the Himalayas, snowpack shows early signs of melting in February with increased snow wetness. Typically, in February, the snowpack comprises a mix of dry and wet snow layers. In the literature, methods for quantitative analysis of snow wetness are mostly based on fully polarimetric synthetic aperture radar (SAR) data. Methods based on the hybrid polarimetric SAR (PolSAR) data for snow monitoring are virtually inexistent. This study proposes a novel methodology for the estimation of snow wetness utilizing the C-band hybrid polarimetric RISAT-1 SAR dataset. Using radar remote sensing to analyze the behavior of such a snowpack requires information on the surface and volume scattering characteristics. The modeled generalized surface and volume scattering parameters (α), and (γ), based on the X-Bragg’s reflection coefficients and Fresnel transmission coefficients, are used for the inversion of surface and volume snow permittivities, respectively. The investigations are carried out for February 2014 for a study area in the Manali region in Himachal Pradesh, India. The retrieved snow estimates showed a coefficient of determination of 0.86 and a root mean square error of 0.667 with respect to in-situ measurements. Further, it was observed that the snow wetness estimates derived from the proposed method using RISAT-1 dataset outperformed the estimates based on fully polarimetric RADARSAT-2 dataset using the conventional Shi and Dozier method.

雪湿度估计是了解雪水文过程的关键输入。随着喜马拉雅山脉冬季的早期变暖，积雪在 2 月显示出融化的早期迹象，积雪湿度增加。通常，在二月，积雪由干雪层和湿雪层混合而成。在文献中，雪湿度的定量分析方法大多基于全极化合成孔径雷达（SAR）数据。几乎不存在基于混合极化 SAR (PolSAR) 数据进行雪监测的方法。本研究提出了一种利用 C 波段混合极化 RISAT-1 SAR 数据集估计雪湿度的新方法。使用雷达遥感来分析这种积雪的行为需要有关表面和体积散射特性的信息。基于 X-布拉格反射系数和菲涅耳透射系数的建模广义表面和体积散射参数 (α) 和 (γ) 分别用于表面和体积雪介电常数的反演。调查于 2014 年 2 月在印度喜马偕尔邦马纳利地区的一个研究区进行。检索到的降雪估计显示，就现场测量而言，确定系数为 0.86，均方根误差为 0.667。此外，观察到，使用 RISAT-1 数据集的建议方法得出的雪湿度估计优于使用传统 Shi 和 Dozier 方法基于全极化 RADARSAT-2 数据集的估计。基于 X-Bragg 反射系数和菲涅耳透射系数，分别用于反演表面和体积雪介电常数。调查于 2014 年 2 月在印度喜马偕尔邦马纳利地区的一个研究区进行。检索到的降雪估计显示，就现场测量而言，确定系数为 0.86，均方根误差为 0.667。此外，观察到，使用 RISAT-1 数据集的建议方法得出的雪湿度估计优于使用传统 Shi 和 Dozier 方法基于全极化 RADARSAT-2 数据集的估计。基于 X-Bragg 反射系数和菲涅耳透射系数，分别用于反演表面和体积雪介电常数。调查于 2014 年 2 月在印度喜马偕尔邦马纳利地区的一个研究区进行。检索到的降雪估计显示，就现场测量而言，确定系数为 0.86，均方根误差为 0.667。此外，观察到，使用 RISAT-1 数据集的建议方法得出的雪湿度估计优于使用传统 Shi 和 Dozier 方法基于全极化 RADARSAT-2 数据集的估计。调查于 2014 年 2 月在印度喜马偕尔邦马纳利地区的一个研究区进行。检索到的降雪估计显示，就现场测量而言，确定系数为 0.86，均方根误差为 0.667。此外，观察到，使用 RISAT-1 数据集的建议方法得出的雪湿度估计优于使用传统 Shi 和 Dozier 方法基于全极化 RADARSAT-2 数据集的估计。调查于 2014 年 2 月在印度喜马偕尔邦马纳利地区的一个研究区进行。检索到的降雪估计显示，就现场测量而言，确定系数为 0.86，均方根误差为 0.667。此外，观察到，使用 RISAT-1 数据集的建议方法得出的雪湿度估计优于使用传统 Shi 和 Dozier 方法基于全极化 RADARSAT-2 数据集的估计。