研究雪崩裂纹扩展的起源和相关物理原理

本文要点：传播锯试验（PST）旨在评估积雪层破裂并可能导致的雪崩倾向。PST对积雪结构完整性进行评估，确定了可能在压力下失效的薄弱层。通过模拟可能导致雪崩的条件，PST有助于理解积雪稳定性的复杂动力学。然而，目前对PST的评估在很大程度上依赖于研究人员主观观察，鉴于人类感知的局限性，研究人员可能忽略了一些关键因素。这些因素可能会进一步帮助研究人员提升对破裂传播和层识别的理解。本文利用红外图像和基于事件的传感器进行了PST，以捕获积雪的详细图像。这种创新的方法能够使用SWIR成像仪获得可见光谱以外的信息，并使用基于事件的传感器检测雪中的微移动现象。SWIR成像为分析积雪层提供了一种突破性的方法，揭示了肉眼看不见的关键细节。通过捕捉雪表面反射的阳光，SWIR技术可以区分不同的层，识别水分含量，并揭示隐藏的结构特征。这种能力增强了积雪的信息，有助于研究者更好地识别薄弱层并了解其行为。基于事件的传感器能够有效地实现每秒10000帧的传输速度，这利于PST期间信息的传播。这些高速传感器捕捉到裂缝发展和推进时积雪内的动态变化，为雪崩引发前的快速过程和相互作用提供了详细的见解。本文对SWIR成像和基于事件的传感器的实验揭示了新的特征，可以更好地理解破裂传播。这种创新的方法为积雪和PST分析引入了新的参数。遵循这些新参数可以提高对软弱层和破裂传播的认识。

本研究探讨了短波红外（SWIR）成像和基于事件的传感器在PST和ECT测试中的应用。SWIR成像提供了一种不同的方法来分析积雪层，通过捕捉可见光谱以外的细节，如水分含量的变化和肉眼不可见的微妙结构特征[Hammonds等人（2023）]。同时，基于事件的传感器提供了一种动态方法来监测裂缝的快速传播，以每秒10000帧的速度记录积雪的高速变化。

图1：实验便携装置

SWIR光谱范围为0.9至2.5 μm，位于可见光和中波红外区域之间。与人眼可见的可见光谱不同，SWIR可以穿透雾、灰尘和其他遮蔽物，同时提供高对比度和清晰度。Reid等人（2014年）使用SWIR波长对冰进行分类（见图2.a），而C.Schlundt等人（2011年）则使用SWIR确定雪粒径（见图2.b）。

图2. a多光谱冰分类和b反射光谱

这些工作表明，在SWIR范围内，有一些参数可以帮助区分雪的类型。最近，Horton等人（2017）更关注雪崩风险，使用现场光谱仪研究了表面白霜晶体的光谱反射率（见图3），Hammonds等人（2023）证明，使用多光谱成像仪，他们可以检测雪中的液态水。

图3. 光谱半球反射率

研究者使用900-1375nm的滤光片捕获了这张SWIR图像（见图4），以聚焦光谱响应的最大差异。SWIR成像通过高度揭示不同的层界面来增强雪地层学。为了强调对比，本文使用图像后处理技术（对比度增强算法）来更好地显示这些不同的层。可以看到的曲线是由于用于切割雪以隔离雪测试柱的电线造成的。将这些图像与ROMAN的剖面图进行比较，明显突出了相似之处（见图4）：“经典”分析首先重新引入了一种经过批准的技术。

图4. SWIR图像和ROMANs的结果（2023）

然而，一些细节是肉眼看不见的，因此SWIR技术可以帮助研究者更好地理解和准确解释真实的雪剖面。为了证实这一初步观察结果，研究者在2024年重复了同样的测试，使用新的方法收集和后处理数据。

图5. SWIR图像和ROMANs结果（2024）

2024年，积雪情况和上年不同，如ROMANs剖面和SWIR图像所示（见图5），表明SWIR数据与ROMANs的结果一致。该积雪的可见图像显示了RO MANs结果中指示的砂层。在SWIR图像中，可以清楚地看到积雪的三个主要层。底部较暗的区域代表了积雪的深度灰白色区域，如之前研究所预期的那样，在ROMAN的结果中用红色表示。可以看到积雪中较暗的区域，这可能说明雪的不同物理性质（含水量、颗粒类型、大小等）。复杂性在于它可以是所有这些属性的混合。借助SWIR图像，能够通过可视化雪层来重建积雪的“雪历史”。

图6. SWIR 图片（2024）和轮廓分析

通过沿线执行概要分析（见图6），可以看到研究的两个主要界面。这两个界面的梯度不同，它们的水平也不同。也许SWIR中的梯度和水平是两个需要遵循的新参数。

SWIR波长绝对可以提供比人类肉眼更多的信息。然而，应该进行更多的测试来确定应该遵循哪些参数以及可以从中提取哪些信息。

图7. 根据事件数据重建的图像，具有不同的移动区域

本文使用了足够的累积时间来覆盖裂纹的开始和整个传播过程，以构建图像（见图7）。为了更好地理解本文的其余工作，研究者定义了两个区域：“锯后”，即锯已经损坏薄弱层的区域，以及“锯前”，即锯子尚未损坏薄弱层。使用之前重建的图像（见图7），可以观察到四个感兴趣的区域。为了分析这些不同区域随时间的变化，本文用较小的累积时间重建了图像，并创建了一个3D表示来整合时间变化（见图8）。

图8. 3D时间帧

在红色区域，可以看到锯后面的运动。同时，在T0的第二张图像中，可以看到左上角（黄色区域）的运动，表明弯曲。最后，在雪剖面右侧锯前的绿色区域，可以看到裂纹从左向右扩展的运动。

TSOR表示断裂开始的时间，即上板由于锯切的应变而弯曲，但此时没有传播。这些观察结果表明，锯后存在一种机械现象，产生应变和机械故障，这些应变和故障可以通过雪梁的其余部分传播。

图9. PST 1

图10. PST 2的切片

在研究者的测试中，使用CT识别出不同深度的两个薄弱层。在较高的弱层中进行了PST，并观察到没有滑动的坍塌和传播（见图9）。第二帧中发现的一些动作可能表明破裂的开始，但左上角是隐藏的，所以它不像第一次测试那么清楚。在执行了第一次PST后，研究者决定在积雪内确定的较低薄弱层进行另一次PST（见图10）

在第二帧上，可以看到左上角的板材弯曲，这可以确定为断裂的开始。与2023年的观测不同，观察到雪梁顶部的运动比锯更远。在下一帧中，运动较少，这可能表明传播不完整或存在漂移效应。最后，在第四帧中，研究者观察到了传播，其特征是板的坍塌。

图11. PST 1和2的切片

图11显示了这两个连续PST的完整可视化。有趣的是，观察到第一和第二PST的每个相似帧之间的时间延迟保持不变，这表明在这两个不同的弱层中传播的动力学是相同的。然而，应进行进一步的调查，以完善这些观察结果，并进行可靠的裂纹速度测量。有趣的是，观察到第一和第二PST的每个相似帧之间的时间延迟保持不变，这表明在这两个不同的弱层中传播的动力学是相同的。然而，应进行进一步的调查，以完善这些观察结果，并进行可靠的裂纹速度测量。

此外，值得强调的是，在2023年期间进行测试时，在PST期间，发生了初始传播，但没有导致孤立的雪测试柱滑动。然后在同一薄弱层进行第二次PST，在这次测试中，发生了第二次传播，导致整个雪测试柱滑动。如下图所示（见图17）。

图12. 表示同一弱层中的两次传播（第一次为红色，第二次为绿色）

在2024年的测试中，研究者决定从山腰进行PST，以获得不同的视角，而不会受到操作员的掩模效应。用足够的空间隔离了积雪，以便从后面进行PST。在这项测试中，研究者在雪梁滑动之前，在同一薄弱层中连续进行了6次PST。为了直观地展示这一点，本文在同一张图片中绘制6种传播（见图13）。从下到上的色阶显示了传播次数，第一次传播在色阶的底部，最后一次传播在顶部。对于每次传播，本文使用以传播事件为中心的1秒时间线。

图13. 多重传播展示

每个PST结果都是阳性的，即板的弯曲意味着裂纹扩展到薄弱层，随后是板的坍塌。雪束在每次传播后都会移动，最终导致板材滑动，这可能是因为锯切导致其整体角度增强（最初测量的坡度角为26°）。

这项研究的目的是使用新的传感器来克服人类感知的局限性，通过捕获可见光谱以外的信息，同时做到比人眼更快。研究者在两个单独的时间段中进行了测试，以比较不同冬季的数据，从而改进观测结果。使用SWIR成像仪，研究者可以看到可见光以外的信息，并能够拍摄到类似于树木年轮的积雪历史。通过剖面分析来分析这片积雪，揭示了两个值得遵循的参数（坡度和水平）。有了事件传感器，可以用体积较小的相机捕捉到非常高速的现象。这为高速事件的分析开辟了一个领域，例如裂纹扩展和不安全区域的板坯坍塌。使用这种类型的传感器，可以在不使用目标或加速计的情况下接近裂纹速度测量值。总之，采用这种创新方法跟踪CT和PST可以进一步理解，新的参数——高光照——可能是高活性的弱层。

参考文献

GOUJON C, DUCLOS A, PERILLAT C, et al. CAN WE SEE THE UNSEEN? TO BETTER UNDERSTAND CRACK PROPAGATION A THE ORIGIN OF AN AVALANCHE AND RELATED PHYSICAL PRINCIPLES[J].