Когда снег легче ломается, снежные лавины гораздо чаще обрушиваются на более легкие и чувствительные триггеры.
Чтобы смоделировать лавину, мы вставляем металлический каркас внутри верхнего слоя снега, чтобы нам было на что надавить, и изолируем колонну, чтобы мы точно знали, с каким количеством снега мы имеем дело. Затем мы нажимаем на снег до тех пор, пока он не сломается. Это говорит нам об эффективных механических свойствах как слоя плиты, так и слабого слоя.
Затем я сижу перед своим столом слишком много часов, глядя на микро КТ-сканирование или трехмерные снимки микроструктуры. Мы используем различные модели, чтобы попытаться понять, как и почему мы получили эффективные свойства, которые мы сделали.
Почему важны связи между зернами снега?
Облигации это то, что объединить два или более отдельных снежинки или зерна снега вместе. Если у нас есть два зерна снега по полмиллиметра в диаметре каждое, я могу назвать область, которая соединяет эти два зерна вместе, может быть, четверть миллиметра в диаметре, своего рода мост или связь. Это все один сплошной кусок льда, но есть это ограничение или сужение, которое является связующим звеном. Округлые зерна, как правило, образуют связующий снежный пакет, и обычно ассоциируются с плитами. Ориентация связей в этом случае случайна, без предпочтительной ориентации. Когда мы попадаем в фасетированные слои снега, облигации могут начать организовываться по определенному шаблону. Мы думаем, что когда связи между зернами снега ориентированы случайным образом, трудно распространять трещины через снег - нет четкого, очевидного пути внутри микроструктуры. Однако, в слабом, фасетированном слое снега, узорчатое выравнивание связей может обеспечить быстрый, прямой и легкий путь для распространения переломов, что приводит к полному разрушению слоя с гораздо меньшими затратами энергии. Когда снег легче поддается разрушению, снежные лавины гораздо более вероятны при использовании более легких и чувствительных триггеров.
Какое влияние окажет ваша работа на прогнозирование?
Если мы можем предсказать механические свойства снега, а также то, насколько слабее или насколько сильнее снег вышел из своего первоначального состояния, это может помочь в прогнозировании. Одна из моих коллег, аспирантка по машиностроению Патрисия Керли, работает над очень прохладной моделью, которая берет цифровую карту местности, например, Google Earth, и погодные условия, чтобы смоделировать снежный пакет. В этой модели мы можем отслеживать движение солнца по небу, видеть, как тени влияют на определенные склоны, и знать температуру, как на поверхности снежного пакета, так и под поверхностью. Ее модель может нанести на карту места, где мы получаем эти критические температуры, или температурные градиенты, которые образуют слабые слои. Затем мы можем начать прогнозировать слабые слои для конкретных гор - не только гадать, насколько слабы эти слои, но и уметь нанести на них число. Это может быть 50 лет вниз по дороге, или 100 лет, но я думаю, что мы можем добраться туда. Мы можем сказать: "Помните тот слабый слой, который образовался неделю назад, а потом наступил шторм? Ну, эта буря нагрузила этот слабый слой в пределах 50 процентов от его прочности". Так что, возможно, вес лыжника может не спровоцировать лавину, а снегоходника.
Надеемся что вам понравились серии статей. Напишите свое мнение в комментариях
