Notice bibliographique
Résumé
Abstract. Snow avalanches represent a natural hazard for infrastructures and backcountry recreationists. Risk assessment of avalanche danger is difficult due to the sparse nature of available observations informing on snowpack mechanical and geophysical properties and overall stability. The spatial variability of these properties also adds complexity to the decision-making and route finding in avalanche terrain for mountain users. Snow cover models simulate snow mechanical properties with good accuracy at fairly good spatial resolution (around 100 m). However, monitoring small-scale variability at the slope scale (5–50 m) remains critical given that slope stability and the possible size of an avalanche are governed by such scale. In order to better understand and predict the spatial variability at the slope scale, this work explores existing linkages between snow mechanical properties and microtopographic indicators. First, we compared covariance models and scaling properties. Then, we predicted snow mechanical properties, including point snow stability, using GAM spatial models (Generalized Additives Models) with microtopographic indicators as covariates. Snow mechanical properties such as snow density, elastic modulus, shear modulus and snow microstructural strength were measured at multiple locations over several studied slopes using a high-resolution snow penetrometer (SMP), in Rogers Pass, British-Columbia, and Mt Albert, Québec. Point snow stability such as the skier crack length, critical propagation crack length and a skier stability index were derived using the snow mechanical properties from SMP measurements. Microtopographic indicators such as the topographic position index (TPI), vegetation height and proximity, Up-wind slope index (wind exposed/sheltered area) and potential radiation index were derived from Unmanned Aerial Vehicles (UAV) surveys with sub-meter resolution. We computed the variogram and log-log variogram of snow mechanical properties. The comparison showed some similarities in correlation distances fractal dimensions between the slab depth and slab snow density and also between the weak layer microstructural strength and the stability metrics. GAM models suggested several significant covariates such as TPI, VRM, Winstral index, vegetation height and distance to vegetation. The point snow stability maps generated represents good teaching material in avalanche skill training and awareness course. The difference in spatial pattern between the slab and the weak layer should be considered in snow mechanical modeling.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,030 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,153 | 0,118 |
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 source (Gemma direct ou Codex distillé), 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 ».