Measuring the mechanical properties of snow relevant for dry-snow slab avalanche release using particle tracking velocimetry
Notice bibliographique
Résumé
Particle tracking velocimetry (PTV) is a measurement technique widely used to determine\ndisplacement and velocity fields from video recordings. It is largely nonintrusive and capable of simultaneously\nmeasuring the state of deformation over an entire cross section of a sample. PTV has been used\nin field and laboratory experiments since the mid-1990s to study snow deformation and fracture. Initial\nstudies focused primarily on documenting weak layer collapse and crack propagation velocities. However,\nrecent technological and computational advances allow researchers to determine essential mechanical\nproperties relevant to the processes involved in snow slab avalanche release. Indeed, PTV has been\nused to estimate the effective elastic modulus of the slab, weak layer specific fracture energy, crack\npropagation distance and speed, and the friction between the slab and the bed surface after fracture. In\nthis contribution, we will give an overview of over 500 field experiments performed in Canada, USA, and\nSwitzerland over the last 15 years, with an emphasis on relating derived snow mechanical properties to\ncommonly observed snow cover characteristics. For instance, our results suggest that crack propagation\nspeed, which increases with slab density, strongly correlates with crack propagation distance. Furthermore,\ncrack face friction, which determines the critical slope angle at which an avalanche releases, is affected\nby the hardness differences across the weak layer. While PTV has improved our understanding of\nthe fundamental processes involved in snow fracture, we will also highlight topics that have received little\nattention to date.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».