1 

Non‐catchment type instruments for snowfall measurement: General considerations and 

issues encountered during the WMO CIMO SPICE experiment, and derived 

recommendations 

Authors : Yves‐Alain Roulet(1), Audrey Reverdin(1), Samuel Buisan(2), Rodica Nitu(3) 

(1) MeteoSwiss, Payerne, Switzerland, yves‐alain.roulet@meteoswiss.ch 

 (2) Spanish State Meteorology Agency (AEMET) Aragon Regional Office, Zaragoza, Spain 

(3) Environment and Climate Change Canada, Toronto, Canada 

1 Introduction 

One  objective  of  the WMO  CIMO  SPICE  (Solid  Precipitation  Intercomparison  Experiment) was  to 

investigate  the  ability  of  emerging  technologies  to measure  solid precipitation  (accumulation  and 

intensity) as an alternative to the traditional tipping‐bucket and weighing gauges, and to assess their 

operational  capabilities  under  winter  conditions.  This  category  of  instruments,  also  called  non‐

catchment  type  instruments  (among  them  disdrometers  and  present  weather  sensors)  provides 

information  on  precipitation  amount  and  intensity,  and  are  also  used  for  the  discrimination  of 

precipitation and/or weather type (SYNOP, METAR codes for real time applications such as airports). 

For disdrometers,  these  reported  information are based on  the measurement of hydrometeor size 

and fall speed velocity distributions, which can be retrieved as raw data from the sensor and be used 

for detailed event‐based analysis. 

The  important number of non‐catchment type  instruments tested along during the SPICE campaign  

under  various winter  climate  conditions provides basics  for  the assessment of  the ability  for  such 

instruments to measure and report snow, and increases the know‐how on this type of instrument. 

This  paper  will  summarize  the  issues  encountered  with  the  operation  of  non‐catchment  type 

instruments tested during the SPICE campaign, and will give preliminary statement on the ability of 

these instruments to report precipitation accumulation under winter conditions. 

2 Methodology 

SPICE was a multisite experiment, ran over two winter seasons (2013/14 and 2014/15), involving 20 

sites  in 15 different countries (Figure 1). More than 30 different instrument types were provided by 

manufacturers and evaluated against reference measurements. 

Figure 1

In order 

Working

from  th

automat

Alter shi

mounted

real  pre

descript

automat

publicat

The  dat

conduct

non‐catc

‐

c

‐

g

: Location of

 to guarante

g Reference 

e  previous 

tic weighing 

ield and a DF

d on the  inn

ecipitation  e

ion  of  the  S

tic measurem

ion, coming 

a  resolution

ed using 30 

chment type

Reference re

catching  0.2

precipitation

Reference  r

gauge catchi

f sites partici

ee the tracea

System  (FW

solid  precip

gauge (OTT 

FIR (Double 

ner fence of 

events  from 

SPICE metho

ment within 

soon). See a

n  was  typica

min events.

 instruments

eporting pre

25  mm  or 

n. 

eporting  no

ing 0.1 mm o

ipating to the

ability and c

WRS) has bee

pitation  inter

Pluvio2 or G

Fence Interc

the DFIR wa

noise  repo

odology  and 

a DFIR)  can

lso the SPICE

ally  1  min  (

. Criteria  for

s were as fol

ecipitation  (‘Y

more  AND 

o  precipitatio

or less AND p

e SPICE field

comparability

en defined, 

rcomparison

GEONOR T‐20

comparison R

as also added

orted  by  the

the  differen

n be  found  i

E keynote pa

(down  to  6 

 the 30 min 

low: 

Yes’ case, de

precipitatio

on  (‘No’  cas

precipitation

 experiment

y of results a

based on  th

n  (Goodison 

00B3 gauge 

Reference, F

d to the FW

e  reference

nt  level  of  r

in  the  final  r

aper from TE

sec  in  som

event selec

enoted Y be

on  detector 

se,  denoted 

n detector re

t. 

across the s

he  results  an

et  al.,  199

with 3 trans

igure 2). A p

WRS,  in order

  weighing  g

eferences  (f

report of  th

ECO 2016 (Ni

me  cases),  b

ction (i.e. pre

elow)  : refere

recording  1

N  below)  :

cording 0 m

ites, a comm

nd  recomme

8).  It  consis

sducers) with

precipitation 

r to help disc

gauge.  An  e

from  bush  g

e experimen

itu et al., 201

but  the  ana

ecipitation e

ence weighin

18  min  or 

  reference 

in of precipit

2 

 

mon Field 

endations 

sts  in  an 

h a Single 

detector 

criminate 

extensive 

gauges  to 

nt  (WMO 

16). 

lysis  was 

event) for 

ng gauge 

more  of 

weighing 

tation. 

‐

d

‐

Figure 2

The eval

question

‐

t

‐

w

‐

‐ A

‐ T

For  this

accumul

were als

 

Instrument 

reporting m

defined  for 

level than a 

Instrument u

reporting 0 m

: Field Work

luation of th

ns: 

Reliability  in

the same tim

Performance

without prec

Performance

ratio,  for  rai

measuremen

Assessment 

Threshold  se

instrument u

s  purpose, 

ation), or ca

so used, base

under  test 

more  than  0 

non‐catchm

weighing gau

under test re

mm of precip

ing Referenc

he sensors u

n detecting p

me (YY cases)

e of  SUT du

cipitation (N

e  during  pre

in, mixed an

nt quality (w

of YN, NY ev

election:  Ac

under test to

plots  were 

atch  ratio  (C

ed on followi

 

reporting  pr

mm  of  pre

ment  instrum

uge. 

eporting no 

pitation. 

ce System (FW

nder test (SU

precipitation

)? 

ring no prec

N cases)? 

ecipitation  e

nd snow,  res

wind speed, w

vents: When 

cording  to  t

o allow reliab

created,  su

CR) as a  func

ing continge

recipitation

ecipitation  (a

ment,  since  t

precipitatio

WRS), as con

UT) provided

: Do both  in

cipitation ev

events  (YY  c

spectively. A

wind directio

do both inst

the  analysis,

ble reporting

uch  as  scat

ction of win

ncy table (Ta

(‘Yes’  case, 

accumulation

they  have m

n (‘No’ case

nfigured on t

d by the ma

nstruments r

vents: Do bo

ases): Quan

Assessment o

on). 

truments dis

, what  shou

g of precipita

ter  plots  (r

d speed and

able 1). 

denoted  Y 

n).  A  lower 

much  lower 

, denoted N

the Sodanky

nufacturers,

report precip

oth  instrume

titative  asse

of external  f

sagree? 

uld  be  the  t

ation event (3

reference  ac

d precipitatio

below)  :  ins

threshold  h

sensitivity  a

 below)  :  ins

 

lä SPICE site,

 addressed f

pitation  (any

ents  agree o

essment,  usi

actor  influen

hreshold  set

30 min interv

ccumulation

on  type. Skil

3 

strument 

has  been 

nd  noise 

strument 

, Finland. 

following 

y type) at 

on period 

ing  catch 

ncing  the 

t  for  the 

val)? 

  vs  SUT 

lls scores 

4 

 

 Reference 

SUT  Precipitation  No‐Precipitation  Total 

Precipitation  x (hits) z (false alarms) x + z 

No‐Precipitation  y (misses) w (correct negatives) y + w 

Total  x + y  z + w  N = x + y + z + w 

Table 1: Contingency table for precipitation detection. 

In this paper, the Probability of Detection (POD) and the False Alarm Rate (FAR) are used. They are 

defined as: 

% 100 

The POD gives the fraction of events, out of all the precipitation events as indicated by the reference, 

which will also be reported as precipitation events by the SUT. In other words it gives the probability 

of  the  SUT  agreeing  on  the  occurrence  of  precipitation  given  that  the  reference  detected 

precipitation. Ideally, POD would have a value of 100%. 

% 100 

The  FAR  is  the  fraction of precipitation events  as  reported by  the  SUT which were  judged by  the 

reference as not meeting the precipitation event criteria. FAR gives an indication of how likely is that 

the sensor is not reliable when it reports the occurrence of precipitation. A larger percentage for FAR 

would  imply that there  is a high probability that the SUT fails to recognize precipitation events  in a 

similar manner as judged by the reference. Ideally, the FAR would be zero. 

The Root Mean Square Error  (RMSE) has also been calculated  for each SUT and precipitation type. 

This value gives an indication of the variability of the SUT against the reference. It is defined as: 

1/  

Where Xai is the reference accumulation over the ith 30 min interval, Xbi the accumulation of the SUT 

over  that  same  interval  and  n  is  the  number  of  30  min  intervals  over  which  the  analysis  was 

performed. 

The results, using metrics and plots described here above, are shown in Chapter 4. 

   

5 

3 Instruments under test 

The instruments submitted by manufacturers, and accepted as SUT within SPICE, are listed in Table 2, 

together with the corresponding SPICE host site. 

Instrument Model  Measuring principle Host SPICE sites 

Thies Laser Precipitation Monitor LPM  Disdrometer Marshall, Weissfluhjoch 

OTT Parsivel2 disdrometer  Disdrometer Sodankylä

Campbell Scientific PWS100  Present Weather Sensor Haukeliseter, Marshall 

Vaisala FS11P (FS11/PWD32 combination) Present Weather Sensor Sodankylä

Vaisala PWD 33 EPI  Present Weather Sensor Sodankylä

Vaisala PWD 52  Present Weather Sensor Sodankylä

Yankee TPS3100 Hotplate  Evaporative Plate Marshall, Haukeliseter, Sodankylä

Table 2: Emerging technology instruments submitted by manufacturers (11 instruments in total). 

In total, 11 instruments, covering three different measuring principles (disdrometer, present weather 

sensor  and  evaporative  plate),  and  allocated  to  four  SPICE  sites,  representing  various  climate 

conditions, have been evaluated. They were installed according to manufacturer’s requirements. It is 

to be noted that the Thies LPM was provided with a shield, both in Marshall and Weissfluhjoch. 

All  instruments have been operated during two winter seasons  (2013/14 and 2014/15), except the 

Hotplate in Haukeliseter, which was installed for the second season only. Operational considerations 

(e.g.  installation,  configuration,  maintenance  issues,  etc.)  have  also  been  collected  from  the 

respective site managers, and were used for the assessment of the performance of each SUT. 

4 Results 

A  standardized  Instrument  Performance  Report  (IPR)  has  been  produced  for  each  of  the  seven 

different  instrument type (according to Table 2), and will be available as an annex to the SPICE Final 

Report (soon to be published). It contains the evaluation of one SUT against the site reference. This 

chapter will give a summary of the main outcomes, instrument specific, and as an overall assessment 

for non‐catchment type instruments. 

4.1 Reliability in detecting precipitation 

The reliability of SUT in detecting precipitation is assessed using skill scores, as defined in Chapter 2 

above. A summary for all SUT is presented in Table 3. 

   

6 

 

  POD [%]  FAR [%] 

Thies LPM (Weissfluhjoch)  99.1  0.2 

Thies LPM (Marshall) 100.0 43.2

Parsivel2 (Sodankylä) 100.0 52.3

PWS100 (Haukeliseter)  87.2  0.0 

PWS100 (Marshall)  97.3  4.1 

FS11P (Sodankylä)  100.0  53.3 

PWD52 (Sodankylä)  100.0  57.4 

PWD33 (Sodankylä)  100.0  62.4 

TPS Hotplate (Haukeliseter) 75.3 0.8

TPS Hotplate (Sodankylä) 100.0 82.9

TPS Hotplate (Marshall) 99.6 5.1

Table 3: Summary of skills scores for each SUT. POD: Probability Of Detection, FAR: False Alarm Rate. In bracket: SPICE host site. 

The  POD  ranges  from  75  to  100%,  which  indicates  fairly  high  reliability  of  the  non‐catchment 

instruments  in  general  to  detect  precipitation  (independent  from  type  and  quantity).  These 

instruments are usually more sensitive than traditional gauges (weighing and tipping bucket gauges), 

with  lower detection  threshold. The  FAR  varies  from 0  (no  false event  reported) up  to 82%  (high 

probability that the SUT fails to recognize precipitation events according to the reference). The large 

differences in FAR among the SUT is to be underlined. It may be related to specific climate conditions 

from each site (e.g. all sensors tested in Sodankylä, except the TPS Hotplate, show the same order of 

FAR, around 50%), but   the performance of the  instrument has the most  impact   (e.g. the PWS100 

show small FAR in both sites, Marshall and Haukeliseter). 

4.2 Performance of SUT during no precipitation events 

The output signal of non‐catchment  instruments during no precipitation events  is usually a stable, 

noise‐free signal indicating 0 mm. This is an intrinsic feature of these instruments, where the output 

has already been processed  internally. The consequence  is  that  the  threshold needed  to be set  to 

report precipitation adequately over an aggregated time step (typically 30 min) remains very low (0 

to 0.1 mm/30 min if we want to reach the 3 STD). 

4.3 Performance during precipitation events 

The assessment of the SUT in terms of reporting the correct accumulation during precipitation events 

can be summarized using RMSE calculation. The RMSE numbers for all SUT are presented in Table 4. 

   

7 

 

  All [mm]  Rain [mm]  Mixed [mm]  Snow [mm] 

Thies LPM (Weissfluhjoch)  0.483  0.248  0.505  0.486 

Thies LPM (Marshall)  0.488  0.767  0.526  0.305 

Parsivel2 (Sodankylä)  0.208  0.075  0.192  0.241 

PWS100 (Haukeliseter)  0.740 0.314 0.691 0.817 

PWS100 (Marshall)  0.558  0.688  0.697  0.343 

FS11P (Sodankylä)  0.146  0.137  0.157  0.133 

PWD52 (Sodankylä)  0.138  0.133  0.149  0.124 

PWD33 (Sodankylä)  0.363  0.176  0.485  0.143 

TPS Hotplate (Haukeliseter)  0.333 0.409 0.360 0.306 

TPS Hotplate (Sodankylä)  0.129  0.094  0.142  0.114 

TPS Hotplate (Marshall)  0.232 0.344 0.283 0.121 

Pluvio2 (all four sites)  0.1‐0.45  0.0‐0.2  0.05‐0.4  0.1‐0.5 

Table 4: RMSE (Root Mean Square Error) in mm of precipitation related to the reference, for all non‐catchment SUT, for all, rain, mixed, and snow events respectively. As a comparison, RMSE range for the Pluvio2 weighing gauge from the four sites hosting non‐catchment type instruments (Haukeliseter, Marshall, Sodankylä and Weissfluhjoch) is indicated. 

The results show a large scatter across all instruments, and for each precipitation type, with no clear 

tendency. It was expected that the RMSE would generally be lower for rain than for snow, but some 

SUT show different behavior across different sites. As an example, the Thies LPM has a  lower RMSE 

for snow than for rain at Marshall (0.305 mm and 0.767 mm, respectively), and the opposite is true in 

Weissfluhjoch  (0.486 mm and 0.248 mm,  respectively). The PWS100,  the other SUT  tested at  two 

different  sites,  show  the  same pattern, with a higher RMSE  for  snow  than  for  rain  in Haukeliseter 

(0.817 mm  and 0.314 mm,  respectively)  and  the opposite  in Marshall  (0.343 mm  and  0.688 mm, 

respectively). It is to be noticed that the number of rain events is generally low, and prevent for some 

sites to draw robust conclusions. 

Scatter in the 30 min events data may be a function of either site characteristics, or the SUT itself, or 

a combination of the two. Table 4 shows that all SUT located in Sodankylä (low wind conditions) have 

low RMSE,  independently  from the technology  (three PWD Vaisala sensors, one Hotplate, and one 

Parsivel2). An assessment of these sensors under high wind conditions, especially in terms of scatter, 

is necessary. The PWS100 and the Hotplate were both tested in Marshall and Haukeliseter. The RMSE 

ratio between  these  two  sensors  is of  the  same order  for both  sites,  the Hotplate  showing  lower 

RMSE.  This  difference  relates  directly  to  the  performance  of  the  instrument.  In  order  to  fairly 

compare  all  RMSE,  it  should  be  calculated  for  wind  speed  up  to  4 m/s  (representing  the  wind 

maximum at Sodankylä). Higher RMSE for sites with higher winds  is expected. This has to be taken 

into account when comparing RMSE from SUT located at different sites. 

8 

As a comparison, RMSE for unshielded and shielded (Single Alter) Pluvio2 evaluated against the site 

reference (Pluvio2 or Geonor) for the four sites hosting non‐catchment type instruments ranges from 

0.0 to 0.2 mm for rain, 0.05 to 0.4 mm for mixed, and 0.1 to 0.5 mm for snow. As an example, the 

RMSE for Sodankylä, which hosted most of the non‐catchment type instruments, remains between 0 

and 0.1 for all precipitation type. 

The catch  ratio of SUT with  respect  to the  reference has also been assessed as a  function of wind 

speed. Unlike  for weighing  and  tipping bucket gauges, where  the  catch  ratio  for  snow  and mixed 

precipitation decreases drastically with  increasing wind speed, wind  is expected not to have such a 

strong  impact on non‐catchment type  instruments. Some cases are presented below  in Figure 3, as 

example, and a comprehensive results overview will be given during the oral presentation at TECO. 

   

 

Figure 3(CE)  of  Sdiscriminin  Sodan(bottomblack linsite. 

 

: Boxplots baSUT with  renated by prenkylä,  (cente, left) the PWe at CE = 1 r

ased on 30 mespect  to  thecipitation tyer,  left)  the WD52 in Sodrepresents t

 

min YY evente  corresponypes for (topPWS100  in

dankylä, and he ideal case

s from the twnding  site  re, left) the Thn  Haukelisete(bottom, rige. Note: X‐ax

wo seasons, eference  (SUhies LPM in Mer,  (center, ght) the Hotpxis is identic

representinUT/Ref),  agaiMarshall, (toright)  the  Pplate in Haukcal for all 6 p

g the catch einst wind  spp, right) the PWS100  in Mkeliseter. Thplots, Y‐axis v

9 

efficiency peed  and Parsivel2 Marshall, e dashed vary with 

10 

Figure 3 shows that not all non‐catchment type instruments have similar behavior with respect to the 

influence of wind speed. 

The  two  box  plots  on  the  top  represent  the  catch  ratio  as  a  function  of  wind  speed  for  two 

disdrometers  (Thies  LPM  in  Marshall  on  the  left,  Parsivel2  in  Sodankylä  on  the  right),  showing 

opposite  trends.  The  Thies  LPM  indicates  a  decrease  of  the  catch  ratio  for  snow  and  mixed 

precipitation with  increasing wind speed. The mean catch ratio drops to 0.5 by winds at 4 m/s. The 

Parsivel2 shows an increase of the catch ratio for snow and mixed precipitation with increasing wind 

speed (above 2 m/s), resulting  in a clear overcatch from the SUT (mean CR around 2 by winds at 4 

m/s). Note  that  the horizontal axis  is not  the  same  for both SUT,  since Sodankylä has  lower wind 

speed, with maximum around 4 m/s (10 m/s for Marshall). 

The two box plots  in the center represent the catch ratio as a function of wind speed for the same 

instrument, PWS100,  installed  in Haukeliseter  (left) and Marshall  (right). A  lot of  snow and mixed 

events at Haukeliseter occurring under high winds (more than 6 m/s) resulted  in a  large overcatch, 

with CR  for  single events of 3 and more. For wind  speed up  to 6 m/s,  the behavior of  the SUT  is 

similar for the two sites, showing a very large scatter below and above the ideal case of a CR equal to 

1,  with  CR  varying  randomly  between  0  and  2.  There  seems  to  be  no  relation  with  specific 

environmental conditions. Nevertheless, the mean CR is close to 1, indicating that this sensor seems 

to  be  a  reliable  instrument  to  account  for  the  total  accumulation  over  a  longer  period  (e.g.  one 

season). 

The two box plots on the bottom represent the catch ratio as a function of wind speed for two other 

non‐catchment  type  instruments,  the  Vaisala  PWD52  in  Sodankylä  (left)  and  the  TPS Hotplate  in 

Haukeliseter (right). The mean catch ratio for snow events for the PWD52 is characterized by almost 

no  trend with  increasing wind speed  (up  to 4 m/s), staying around 1, and with a generally smaller 

scatter  than  for  the other  instruments above. The same  trend  is  true  for  the Hotplate, up  to wind 

speed at 14 m/s, but the scatter  increasing at wind speed of 8 m/s and above. The scatter for wind 

speed up to 4 m/s is very similar for both instruments. 

4.4 Assessment of YN, NY events 

The  native  resolution  and  sensitivity  of  present weather  sensors  and  disdrometers  are  generally 

higher  than  for  catchment  instruments  (traditional precipitation gauges). The non‐catchment  type 

instruments are  therefore suitable  to detect  light  (or  trace) precipitation events. As a  result  in  the 

evaluation of the sensor, the number of YN cases are very  low,  i.e. cases where the non‐catchment 

type  instrument  would  miss  a  precipitation  event  recorded  as  such  by  the  reference.  This  is 

confirmed, with a number of YN cases for almost all the SUT ranging from 0 % (of the total Y cases 

from  the  reference)  to 3 %. Only  the PWS100 and  the Hotplate, both  in Haukelister,  show higher 

percentage  (12.8 % and 24.7 %,  respectively). Haukeliseter being  a windy  site,  these  “miss”  cases 

might be related to high wind speed conditions. 

The NY cases, i.e. when the reference is not reporting any precipitation and the SUT does (according 

to the thresholds defined in Chapter 2 above), vary from 0 % (of the total N cases from the reference) 

to 18 %, with most of the SUT being around 5 %. Due to the higher sensitivity of the non‐catchment 

type  instruments already mentioned above,  it might be possible that a certain number of NY cases 

are actually more a “miss” from the reference than a “false alarm” from the SUT. These cases need 

further in depth analysis. 

11 

5 Conclusion 

One  objective  of  SPICE  was  to  evaluate  the  ability  for  alternative  technologies  (i.e.  other  than 

traditional  tipping  bucket  and weighing  gauges)  to  be  used  operationally  for  snow measurement 

(accumulation).  Several  non‐catchment  type  instruments  have  been  tested  during  two  winter 

seasons within the SPICE field campaign. In total, 11 instruments from 7 different types were tested 

in 4 different SPICE sites. 

A  standardized  Instrument  Performance  Report  (IPR)  has  been  produced  for  each  instrument, 

assessing  its performance against  the  site  reference. The ability of  the SUT  to detect precipitation 

according to the reference was assessed using metrics (contingency table, POD and FAR). The results 

showed  a  high  POD  for  all  SUT  (100%  for most  of  them),  which  confirms  the  generally  higher 

sensitivity  of  disdrometers  and  present  weather  sensors  than  traditional  precipitation  gauges 

(weighing and tipping bucket gauges). 

The ability of the SUT to measure the correct amount of precipitation was also assessed, calculating 

the catch  ratio of  the SUT  related  to  the site  reference. The  results, assessed with  the RMSE, vary 

from  one  SUT  to  another,  and  from  one  site  to  another,  making  it  difficult  to  give  a  general 

statement. Generally, RMSE tends to be higher  for snow and mixed precipitation than  for rain, but 

this is not always the case. The catch ratio was also calculated as function of wind speed, in order to 

understand  the  impact of winds on  the quality of the SUT measurement. For weighing and  tipping 

bucket gauges, a decrease of the catch ratio with increasing wind speed is expected. This relationship 

has not been fully analyzed for disdrometers or present weather sensors yet. The results showed all 

three  tendencies, depending on  the SUT, with decrease,  increase or no changes  in  the catch  ratio 

with  increasing wind  speed. This  tends  to  show  that  the  shape of  the  sensor  (not  identical  for all 

SUT),  but  also  their  internal  proprietary  algorithm  to  convert  the  raw  information  into  water 

quantity, is affecting this relationship in various manners. 

The generally  large scatter showed when using the 30 min events tends to demonstrate that these 

sensors are usually not appropriate to measure snow accumulation over short  interval (typically 30 

min). But  for  some of  them,  the mean  catch  ratio was  found  to be  acceptable  (around 1), which 

indicates  that  these  sensors might  be  used  to measure  precipitation  accumulation  over  a  longer 

period (e.g. one season). 

Further analysis  is needed  to better understand  the behavior of  these  sensors, especially working 

with  the  raw  data  (drop  size  and  fall  speed  distribution),  and  exploiting  the  full  capacity  of  such 

sensors, which provide much more  information  than  the precipitation  accumulation  (precipitation 

type, SYNOP and METAR code, etc.). Field tests on SPICE reference sites have been continued in that 

sense after the official end of the project, and will enhance the knowledge on the operational use of 

non‐catchment  type  instruments  in  winter  conditions.  Among  others,  data  from  disdrometers 

installed within a DFIR (the precipitation detectors that served as part of the FWRS, see Chapter 2) 

are being analyzed. Preliminary results have shown good agreement with the site reference (shielded 

weighing gauge  in the DFIR)  in terms of accumulated solid precipitation. This tends to confirm that 

the impact of wind speed on non‐catchment type instruments is relevant. 

12 

6 References 

Goodison  B.,  Louie  P.Y.T.  and  Yang  D.,  1998:  WMO  Solid  Precipitation  Measurement 

Intercomparison, Final Report, WMO IOM Report No. 67, WMO/TD – No. 872. 

Nitu et al., 2016: WMO SPICE: Intercomparison of Instruments and methods for the measurement of 

Solid  Precipitation  and  Snow  on  the  Ground, Overall  results  and  recommendations,  Keynote  3A, 

TECO 2016, Madrid, Spain.