A higher‐order method for determining quasi‐brittle tensile fracture parameters governing the release of slab avalanches and a new tool for in situ indexing
Notice bibliographique
Résumé
The tensile fracture of heterogeneous earth materials such as snow, ice, and rocks can be characterized by two fracture parameters—the fracture toughness and the fracture process zone length. The latter length scale characterizes the zone of microcracking surrounding a crack tip in a heterogeneous material. For alpine snow, these two fracture parameters influence the release dimensions and thus destructive potential of slab avalanches. In general, it is difficult to determine these parameters concurrently, and most experimental methods are based on first‐order scaling laws that have considerable errors unless very large test specimens are used. Here we introduce a simple experimental method based on a higher‐order quasi‐brittle scaling law that has never been applied to snow nor any other geophysical material. We conducted hundreds of beam bending experiments using natural cohesive snow samples to produce the most comprehensive measurements to date of the tensile fracture toughness and effective process zone length of snow. We also adopt a new penetration resistance gauge to index the fracture toughness data, addressing a longstanding need for better proxy measurements to characterize snow structure. The peak penetration resistance met by a thin blade proved better than the bulk snow density for predicting fracture toughness, a finding that will improve field predictions and facilitate comparisons of results across studies. The tensile fracture process zone, previously a highly uncertain length scale related to avalanche fractures, is shown to be about 5–10 times the snow grain size, implying nonlinear fracture scaling for the majority of avalanches.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».