El monitoreo de las variaciones en la extensión de la nieve húmeda a lo largo del espacio y el tiempo es esencial para muchas aplicaciones, como la hidrología, los ecosistemas montañosos, la meteorología y la previsión de avalanchas. Las mediciones del Radar de Apertura Sintética (SAR) del satélite Sentinel-1 ayudan a detectar nieve húmeda en casi todas las condiciones climáticas. La mayoría de los métodos de detección utilizan un umbral fijo en una relación de imágenes invernales con una o dos imágenes de referencia (sin nieve o con nieve seca). Este estudio tuvo como objetivo explorar el potencial de los métodos de segmentación de imágenes de diferentes familias aplicados a las imágenes SAR del Sentinel-1 para mejorar la detección de nieve húmeda en los Alpes franceses. Se seleccionaron y probaron varios métodos de segmentación en una gran área alpina de 100 x 100 km. Los métodos de segmentación se evaluaron durante una temporada utilizando máscaras de nieve total de mediciones ópticas del Sentinel-2 y resultados de boletines de pronosticadores que combinan observaciones de modelos y en situ. Se utilizaron diferentes métricas (como la probabilidad de nieve, correlaciones, distancia de Hamming y puntuaciones de similitud estructural). Las puntuaciones estándar ilustraron que el filtrado global mejoró los resultados de segmentación. El uso de una puntuación probabilística en función de la altitud resalta el interés en algunos métodos de segmentación, y mostramos que estas puntuaciones podrían ser relevantes para calibrar mejor los parámetros de estos métodos.