Snow mechanical property variability at the slope scale – implication for snow mechanical modelling
Notice bibliographique
Résumé
Snow avalanches represent a natural hazard to infrastructure and backcountry recreationists. Risk assessment of avalanche hazard 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 decision-making and route finding in avalanche terrain for mountain users. Snow cover models can 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, since slope stability and the possible size of an avalanche are governed by that scale. To better understand and estimate the spatial variability at the slope scale, this work explores links between snow mechanical properties and microtopographic indicators. Six spatial snow surveys were conducted in two study areas across Canada. Snow mechanical properties, such as snow density, elastic modulus and shear strength, were estimated from high-resolution snow penetrometer (SMP) profiles at multiple locations over several studied slopes, in Rogers Pass, British Columbia, and Mt. Albert, Québec. Point snow stability metrics, 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, wind-exposed slope index, and potential radiation index, were derived from unoccupied aerial vehicle (UAV) surveys with sub-metre resolution. We computed the variogram and the fractal dimension of the snow mechanical properties and stability metrics and compared them. The comparison showed some similarities in the correlation distances and fractal dimensions between the slab thickness and the slab snow density and also between the weak layer strength and the stability metrics. We then spatially modelled snow mechanical properties, including point snow stability, using spatial generalized additive models (GAMs) with microtopographic indicators as covariates. The use of covariates in GAMs suggested that microtopographic indicators can be used to adequately estimate the variation in the snow mechanical properties but not the stability metrics. We observed a difference in the spatial pattern between the slab and the weak layer that should be considered in snow mechanical modelling.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».