Fluidization and snow cover effects in rock-ice-snow avalanches: Lessons from Piz Cengalo, Fluchthorn, and Piz Scerscen events
Notice bibliographique
Résumé
This study investigates the frictional dynamics of geophysical granular flows by analyzing three significant rock-ice avalanches: 2017 Piz Cengalo, 2023 Fluchthorn and the 2024 Piz Scerscen. These events, characterized by varying terrain features, material compositions, entrainment material and flow regimes, provide a comprehensive basis for examining the influence of snow cover and fluidization on avalanche behavior. We developed a Voellmy-type rheological model that incorporates snowpack-induced friction variations, the physical properties of sliding materials, and fluidization effects. Our findings indicate that the presence of snowpack decreases Coulomb friction and reduces momentum loss due to ground roughness, necessitating adjustments in rheological parameters to accurately represent the friction of dense granular mixtures on snow-covered terrains. By quantifying the relationship between fluctuation energy and fluidization-induced lubrication, we validated our model against recorded avalanche cases. This approach effectively captures the fluidization process, where shear-induced fluctuation energy disrupts particle bonds and offsets granular potential energy, leading to transitions in flow regimes. These macroscopic flow states significantly influence avalanche characteristics, including deposit patterns, runout distances, powder avalanche formation, and impact pressures. Our work enhances the theoretical foundation of geophysical granular flow modeling and offers promising perspectives for assessing risks associated with rock-ice-snow avalanches in high-altitude regions.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».