得意・不得意がある。 大陸規模では、可視・近赤外で有無の情報を得て、 マイクロ波で質量の情報を得ることができる(ただし乾いた雪の場合)。 地方規模では、可視・近赤外で有無の情報を得て、 質量が必要ならば質量収支式または経験式から求めるのがふつうである。
代表的な文献を引き続きさがす予定。 これまでに見つけた例をあげると、 小野ほか(1994)の図2.4 (p. 23)に、近赤外、可視それぞれの波長帯の 波長別反射率の測定例のグラフが引用されている。 また、斎藤・山崎(1999)には、 地上に人工的に木を配置して実験的な観測を行なって得られた 波長別反射率のグラフがある。
植生のあるときの積雪のリモートセンシングはむずかしい。 可視・近赤外による場合、植生がじゅうぶん密で、 積雪によって反射された太陽光が必ず植生にさえぎられてしまう場合には、 積雪の検出は不可能である。 しかし、多少とも光を通すすきまがあるならば検出の可能性がある。 葉は可視光よりも近赤外線をよく反射する。 積雪は近赤外線よりも可視光をよく反射する。 このように単純に表現してしまうと、 ある基準状態に対して積雪がふえることと葉が減ることの区別ができない。 しかし、波長帯を分ければ判別の望みがある。 波長が長くなるにつれての形で述べれば、 葉による反射がふえるほうが先であり、積雪による反射が減るほうがあとである。 そこで、近赤外線を2つにわけて、可視に近いほうを近赤1、 遠いほうを近赤2とすれば、 どちらかといえば、可視と近赤1の差は植生の情報、 近赤1と近赤2の差は積雪の情報を反映する。 ただし、入射する光が弱ければ当然どの波長帯の反射も弱くなるので、 差を、入射光の強さを反映すると思われる量(たとえば3波長帯の反射の和)で 割って規格化した指標を使うことが多い。
斎藤・山崎(1999)は、波長帯を細かく分けた分光放射計で、 地上に人工的に木を配置して実験的な観測を行ない、 その結果を説明する半経験式を作った。 また、ADEOS-II (みどり2号)のGLIセンサーを想定し、 可視に1つ、近赤外に2つの波長帯をもつ放射計の観測値から 積雪と植生の情報を得るための指標を提案した。
宇宙開発事業団(NASDA, 現・宇宙航空研究開発機構=JAXA)は、ADEOS-IIの準備と して、GLIと類似の放射計を飛行機に積んで実験観測を行なった。 この実験観測では現場観測も同時に行なわれた。 本谷ほか(2001), 本谷(2003)は、この実験観測の結果を使って、 斎藤・山崎(1999)の指標がどの程度に有効であるかを検討したものである。
一方、Landsat衛星のTMセンサーも、 斎藤・山崎(1999)が想定したのと比較的近い波長帯を観測する。 島村ほか(2003, 2005)は、TMデータに斎藤・山崎(1999)の指標を適用して 積雪の判別をした。
積雪は赤外線に対してほとんど不透明であり、 可視光に対しても吸収と散乱を含めた減衰は非常に大きい。 したがって、可視・赤外のリモートセンシングでは、 積雪の有無はわかっても、その深さあるいは質量の情報は得られない。
島村ほか(2003, 2005)の論文では、 積雪の(面積あたりの)質量(「水当量」と呼んでいる)を推定しているが、 これは、あらかじめ地上観測をもとに積雪の質量を標高の関数として表わす 経験式を求めておき、衛星で積雪があると判定されたところに適用したものである。 2003年の論文の事例では、現場に行くことができなかったので、 経験式はそれ以前の他の地域での経験にもとづいたものである。 2005年の論文の事例では対象地域の現地調査でより確かな経験式を求めている。 なお、推定された積雪の質量から求めた融雪量と、 独立な観測値である河川流量から推定された融雪量の比較も行なって、 推定に矛盾がないかを確かめている。