눈사태는 산악 지형과 관련이 있으며 사람, 도로 인프라, 교량 및 건물에 심각한 위험을 초래합니다.


등산가와 산악 휴양을 좋아하는 사람들은 종종 이러한 자연 현상에 직면하게 되며, 모든 예방 조치에도 불구하고 눈사태는 실질적으로 탈출구가 없고 생존의 희망도 없는 요소입니다. 그것은 어디에서 왔으며 어떤 위험을 초래합니까?

눈사태란 무엇입니까?

에 따르면 설명 사전, 용어 "눈사태"라틴어 단어에서 유래 라비나, 즉 "산사태" . 이 현상은 산 경사면을 따라 떨어지거나 미끄러져 인근 계곡이나 움푹 패인 곳으로 돌진하는 거대한 눈 덩어리입니다.

어느 정도 눈사태는 세계의 모든 고산 지역에서 흔히 발생합니다. 따뜻한 위도에서는 일반적으로 다음에서 발생합니다. 겨울철, 그리고 일년 내내 산이 눈으로 덮인 곳에서는 어느 계절에도 녹을 수 있습니다.


눈사태의 눈은 수백만 입방 미터에 달하며 하강하는 동안 경로에 있는 모든 것을 휩쓸어 버립니다.

눈사태는 왜 발생하는가?

산에 내리는 강수량은 마찰로 인해 경사면에 그대로 유지됩니다. 이 힘의 크기는 경사도와 같은 여러 요인의 영향을 받습니다. 산 정상, 눈 덩어리의 수분 함량. 눈이 쌓이면 눈의 무게가 마찰력을 초과하기 시작하여 커다란 눈덩이가 산 아래로 미끄러져 내려와 눈의 측면을 따라 무너지게 됩니다.

가장 흔히 눈사태는 경사각이 약 25~45도인 봉우리에서 발생합니다. 가파른 산에서는 눈이 녹는 현상이 특정 조건에서만 발생합니다. 예를 들어 눈이 빙상에 떨어질 때입니다. 더 평평한 측면에서는 큰 눈 덩어리가 쌓일 수 없기 때문에 일반적으로 눈사태가 발생하지 않습니다.

눈사태의 주요 원인은 현재 기후 조건지역. 대부분 해동이나 비가 오는 동안 발생합니다.

때로는 지진이나 낙석이 눈을 녹이는 경우도 있고, 어떤 경우에는 큰 소리나 사람의 무게 같은 작은 압력만으로도 재앙이 일어날 수 있다.

눈사태에는 어떤 유형이 있나요?

눈사태에는 양, 경로, 눈의 일관성 및 기타 특성이 다른 상당히 광범위한 분류가 있습니다. 특히 움직임의 성격에 따라 산 전체 표면에 내려오는 말벌 눈사태, 움푹 들어간 곳을 따라 미끄러지는 수로 눈사태, 장애물에 부딪힌 후 일부가 날아가는 점핑 눈사태 등이 있습니다.


일관성에 따라 자연 현상은 낮은 마찰력으로 인해 낮은 기온에서 발생하는 건식과 눈 아래에 물층이 형성되어 해동 중에 형성되는 습식으로 구분됩니다.

눈사태 위험은 어떻게 계산되나요?

눈사태 가능성을 식별하기 위해 1993년 유럽에서 위험 분류 시스템이 만들어졌으며 각 수준은 특정 형식의 플래그로 표시됩니다. 그러한 깃발은 모든 사람에게 걸려 있습니다 스키 리조트휴가객들이 비극의 가능성을 평가할 수 있도록 허용합니다.

시스템에는 눈의 안정성에 따라 5가지 위험 수준이 포함되어 있습니다. 통계에 따르면 스위스 산악 지역에서는 이미 대부분의 사망자가 레벨 2와 3에 기록된 반면, 프랑스 산지에서는 재해로 인해 레벨 3과 4에서 사망이 발생했습니다.

눈사태는 얼마나 위험합니까?

눈사태는 질량이 크기 때문에 사람들에게 위험을 초래합니다. 사람이 두꺼운 눈 아래에 있으면 질식사하거나 뼈가 부러져 쇼크로 사망합니다. 눈은 소리 전도성이 낮기 때문에 구조 대원은 피해자의 비명을 듣고 눈 덩어리 아래에서 그를 찾을 수 없습니다.


눈사태는 산에 발이 묶인 사람들뿐만 아니라 인근 인구 밀집 지역에도 위협이 될 수 있습니다. 때때로 눈이 녹으면 재앙적인 결과를 초래하고 마을 기반시설을 완전히 파괴하기도 합니다. 그래서 1999년에 눈사태가 오스트리아의 갈투르(Galtür) 마을을 파괴하고 주민 30명이 사망했습니다.

눈사태- 자연적인 것 중 하나 자연 현상, 인명 손실과 심각한 파괴를 일으킬 수 있습니다. 다른 위험 중에서도 눈사태는 인간 활동으로 인해 붕괴가 발생할 수 있다는 점에서 구별됩니다. 산간 지역의 부주의한 환경 관리(경사면의 삼림 벌채, 눈사태가 발생하기 쉬운 개방된 지역에 물체 배치), 사람들의 눈 덮인 경사면 접근, 장비의 눈 기둥 흔들림은 눈사태 활동을 증가시키고 다음을 동반합니다. 인명피해 및 물적 피해.

눈사태로 인해 사람들이 죽는다는 사실은 고대부터 알려져 왔습니다. Strabo와 그의 동시대 Livy의 작품은 알프스와 코카서스에서 발생한 사고를 묘사합니다. 가장 큰 눈사태 재해는 산에서의 군사 작전, 즉 알프스를 통과하는 한니발과 수보 로프 군대의 교차, 1915-1918 년 이탈리아와 오스트리아 간의 전쟁과 관련이 있습니다. 평시에는 1920년과 1945년에 자연재해와 유사한 눈사태가 발생했습니다. 타지키스탄, 1951년 스위스, 1954년 스위스와 오스트리아, 1987년 소련(조지아), 1999년 알파인 국가에서. 1999년 스위스에서만 눈사태로 인한 피해가 6억 스위스 프랑을 초과했습니다. 영토에서 러시아 연방눈사태로 인한 대량 사망 사례와 심각한 파괴 사례가 반복적으로 언급되었습니다. 가장 유명한 사건은 1936년 12월 5일 Khibiny 산맥에서 발생한 비극적인 사건으로, Kukisvumchorr 마을이 두 번의 눈사태로 연속 파괴되었습니다. 치명적인 눈사태에 대한 제한된 정보는 소련 눈사태 대지(Avalanche Cadastre)에 포함되어 있습니다. .

일회성 대량 사망 사례는 인구 밀집 지역, 개별 구조물 및 차량의 눈사태에 국한됩니다. 대규모 눈사태가 형성되는 기간 동안 심각한 파괴가 가장 자주 발생합니다. 즉, 짧은 시간 내에 넓은 지역에 걸쳐 많은 수의 눈사태 원인이 발생합니다.

40~60년대에는 눈사태가 건물과 도로에서 피해자를 덮치는 경우가 가장 많았습니다. 눈사태로 인한 사망 통계에 대한 현대 연구에 따르면 사망자의 대부분은 눈사태가 발생하기 쉬운 지역 내에서 자유롭게 이동하는 사람들, 즉 "인적이 드문 길"을 좋아하는 사람들이라는 사실이 밝혀졌습니다. 미국에서는 스노모빌(35%), 스키어(25%), 등산가(23%)가 이에 속합니다. 캐나다에서는 스키어(43%), 스노모빌러(20%), 등산객(14%), 스위스에서는 스키어 및 등산객(88%)입니다. 더욱이 대부분의 비극은 피해자 자신에 의해 유발됩니다. 그리고 1998-1999년 겨울에만 말이죠. 균형이 바뀌었습니다. 전 세계에서 눈사태 재해로 사망한 사람은 122명(전체 희생자 수의 63%)이 눈사태 붕괴 당시 실내와 도로에 있었습니다. 러시아에서는 지난 몇 년사고는 눈사태가 발생하기 쉬운 지역을 통과하는 이동과 관련이 있습니다 - 등산가(북코카서스), 관광객(북코카서스, 키비니), 스키어(북코카서스), 국경 수비대(북코카서스), 승객의 사망 차량(백인 횡단 교통 고속도로). 주변 지역의 학생들은 비극적으로 정기적으로 눈사태에 휩싸입니다. 정착지. 눈사태의 규모는 발생할 수 있는 피해에 결정적인 영향을 미치지 않습니다. 피해자 통계에 따르면 그들 중 거의 절반이 200미터도 채 되지 않는 작은 눈사태로 사망했다고 합니다.

동시에 달리는 열차에 눈사태가 발생했습니다.

철도에서 눈사태가 미치는 영향

따라서 눈사태 통제 조치의 주요 임무는 특정 경제 시설을 위협하는 개별 눈사태 소스로부터 보호하고 경제적으로 개발되지 않은 지역에서 이동하는 사람들이 산 경사면이 위협이 될 수 있는 눈사태에 빠지는 것을 방지하는 것입니다.

52도(처마 아래 경사). 경사가 45도 이상이면 눈사태 위험이 줄어듭니다. 눈사태 가파른 정도 – 30도에서 45도까지. 대부분의 눈사태는 38도 경사면에서 발생합니다. 경사가 26도 미만이면 눈사태 가능성이 줄어들고, 길이가 같은 두 개의 얼음 축을 사용하면 45도 각도를 쉽게 결정할 수 있습니다. 또한 26도는 약 1:0.5의 비율입니다.

경고문은 다음과 같습니다: 눈사태를 조심하세요!

눈사태 보호 조직의 필요성은 현상의 규모에 따라 결정됩니다. 러시아 연방에서 눈사태가 발생하기 쉬운 지역의 면적은 3077.8천 평방 킬로미터입니다. (국가 전체 면적의 18%), 또 다른 829.4천 평방킬로미터. 잠재적인 눈사태 위험 범주에 속합니다. 전체적으로 지구상에서 눈사태가 발생하기 쉬운 지역은 육지 면적의 약 6%(9253,000 평방 킬로미터)를 차지합니다. .

예측 눈사태 위험이는 눈사태로부터 산악 지역의 인구와 경제 시설을 보호하기 위한 일련의 조치의 일부입니다. 빙하학에서 인정되는 "눈사태 예보"(눈사태 위험 예측)의 정의는 눈사태 위험 기간, 눈사태의 시간 및 규모에 대한 예측을 의미합니다. . 생명 안전을 보장하기 위한 예측의 사용에는 특정 조건이 적용되며 정보 및 방법론적 기반의 생성이 필요합니다.

눈사태 통제 조치의 조직

눈사태로 인한 피해를 방지하기 위한 근본적인 해결책은 눈사태 취약 지역에 사람들의 건축과 숙박을 금지하는 것입니다. 특정 이유로 인해 이 옵션이 항상 허용되는 것은 아닙니다. 다양한 범위의 눈사태 통제 조치가 개발되어 다양한 성공률로 적용되었습니다. 눈사태 발생 가능성이 있는 지역 식별 및 현상 매개변수 결정, 눈사태 시간 예측 서비스 구성, 보호 구조물 건설, 눈사태 예방 해제 등 이러한 조치는 눈사태로 인한 피해를 방지하는 것을 목표로 합니다. 눈사태 형성 과정에 미치는 영향의 성격은 다릅니다. 엔지니어링 구조 다양한 방식눈사태의 형성을 방지한다; 예방 하강 및 일부 유형의 보호 구조물은 통제된 산사태(붕괴 시간, 크기, 이동 방향 및 방출 범위)를 제공합니다. 조사 작업 및 눈사태 시간 예측은 조직에 기여합니다. 경제 활동눈사태가 발생하기 쉬운 지역에 사람들이 특정 시점에 위험한 지역에 들어가는 것을 방지합니다. 일반적으로 다양한 눈사태 제어 조치를 결합하면 가장 큰 효과를 얻을 수 있습니다.

보호 장비를 선택할 때 비용이 중요한 역할을 합니다. 높은 신뢰성을 보장하는 엔지니어링 구조에는 상당한 재료비가 필요합니다. 예를 들어, 스위스에서는 1952년부터 1998년까지 약 12억 스위스 프랑이 눈사태 제어 구조물 건설에 투자되었습니다. 측량 작업 비용과 하강 시간 예측 비용이 크게 절감됩니다. 따라서 1998/99 시즌 Gallatin (미국 Gallatin National Forest Avalanche Center)의 눈사태 센터 예산입니다. $89,600 였습니다 , La Sal(미국 La Sal 눈사태 예보 센터)에 있는 유사한 장치의 유지 관리 비용은 훨씬 저렴합니다(약 $17,000).

80년대 소련에서 수행된 눈사태 통제 조치 비용을 비교한 결과는 다음과 같습니다.

— 눈사태 예측 및 예방 방출, 연간 눈사태 활성 경사면 1km 2 — 10-20,000 루블;

- 철근 콘크리트 패널이 있는 경사면 건설, 눈사태 활성 경사면 1km 2 - 15,000-45,000,000 루블;

— 다양한 규모의 눈사태 위험 지도 편집, 눈사태 활성 경사면 1km2당 비용 - 0.00015 -0.03,000 루블.

소련에서 눈사태 연구의 최대 개화기인 80년대에 러시아 영토의 눈사태 정보 수집 및 처리는 수문기상학 국가위원회의 약 40개 부서에서 수행되었습니다. 눈사태 연구에 종사하는 러시아에서 가장 오래된 조직인 Apatit p/o(현재 센터)의 눈사태 보호 워크숍 눈사태 안전) Khibiny 산맥 영토에서 눈사태 지원을 수행했습니다. 눈사태 센터의 적설 분포, 눈의 물리적 및 기계적 특성, 눈사태 모니터링에 대한 연구는 집중적인 경제 개발 지역(고속도로 및 도로를 따라)에서 수행되었습니다. 철도, 산악 리조트, 광산 기업에서. 정보를 수집하기 위해 눈과 기상 상황을 지속적으로 관찰하는 관측소를 구성했습니다. 특정 빈도로 눈사태 순찰 경로, 눈사태가 발생하기 쉬운 지역의 비행, 눈사태가 발생하기 쉬운 지역으로의 탐험은 차량을 사용하여 수행되었습니다.

(눈사태 서클) – 눈사태 위험 – 낮음, 보통, 심각함, 높음, 매우 높음

(지형 + 눈사태 원) – 지도에 눈사태 위험이 높은 지역이 표시되어 있습니다. 협곡의 일부 지역은 눈사태 위험이 높지 않지만 위쪽 경사면에는 눈이 쌓여 스트레스를 받고 있습니다. 모든 눈사태는 계곡 아래로 내려갈 것입니다. 따라서 발을 횡단하는 것은 최선의 아이디어가 아닙니다. 또한, 귀하의 경로가 눈사태 위험을 초래하지 않더라도 하강은 어떻습니까? 마찬가지로 안전합니까?

눈사태 부대의 임무는 눈사태에 노출된 지역의 주민, 통치 기관, 조직 및 기업에 눈사태 위험 예측을 제공하는 것이었습니다. 예측을 생성하기 위해 수문 기상 서비스 영토 부서의 기상 및 항공 관측소 네트워크의 관측 데이터가 사용되었습니다. 눈사태 예보 서비스의 업무는 전체 수문기상 서비스와 마찬가지로 영토 행정 원칙에 따라 구축되었습니다. 눈사태 제어 작업 조직의 예인 그림 1은 Kolyma 영토 수문 기상 관리국 단위로 마가 단 지역 중부 지역에 대한 눈사태 서비스 다이어그램을 보여줍니다. 자연 환 ​​경 80년대.

눈사태 관찰을 수행하고 소련 영토에서 눈사태 위험에 대한 임시 예측 서비스를 조직하는 방법론적 센터는 이름을 딴 중앙아시아 연구소였습니다. 타슈켄트의 V.A.Bugaev(SANIGMI). 전국 각지의 다양한 눈사태 정보가 이곳으로 유입되고, 눈사태 관측소로부터 연례 보고서도 접수되었습니다. SANIGMI는 눈사태 위험 예측을 위한 이론적 기초를 개발하고 소련의 다양한 눈사태 취약 지역에 대한 예측 방법을 적용했습니다(종종 지역 눈사태 부서의 직원과 함께). 모스크바의 눈사태 및 이류 문제 실험실 주립대학교눈사태 위험과 그 매핑을 평가하는 방법 개발을 위한 방법론적 센터 역할을 했습니다. 모스크바 주립 대학의 전문가들은 눈사태 위험을 평가하고 눈사태가 발생하기 쉬운 국경 산악 지역에서 봉사하기 위한 권장 사항을 평가하고 눈사태 관찰을 조직화하기 위한 전문적인 방법론을 개발했습니다. 눈사태 연구는 철도부, Gosstroy 및 기타 부서의 과학 및 생산 조직에서도 수행되었습니다.

눈사태 작업을 수행하는 조직의 활동은 다양한 관리 문서에 의해 규제되었습니다. .

눈사태 연구는 전 세계 여러 나라에서 수행됩니다. 그 중 일부에서는 데이터 수집이 네트워크 기반으로 수행됩니다. 스위스 국립 눈사태 게시판(National Snow Avalanche Bulletin of Switzerland) 출판 조직은 80명의 관찰자와 61개의 자동 스테이션에서 매일 데이터 수집을 제공합니다(그림 2). . 미국에만 산림청 시스템 내에 눈사태 센터가 12개 있습니다(그림 3).

해외에서 눈사태 운영을 조직하기 위한 가장 인기 있는 매뉴얼은 눈사태 핸드북의 다양한 버전이며 전문 매뉴얼이 개발되었습니다.

눈사태 형성 요인

눈사태 연구에 대한 다년간의 경험을 통해 눈사태 형성 과정에서 특정 패턴을 식별하고, 눈사태 붕괴의 주요 요인을 식별하고, 현상의 매개변수를 평가하는 것이 가능해졌습니다. 눈사태 붕괴는 외부 요인의 영향과 외부 요인의 영향으로 발생하는 눈 기둥 내부 과정으로 인해 경사면의 눈층의 안정성이 붕괴될 때 발생합니다. 눈사태는 경사각 15°, 적설 두께 15cm의 경사면에서 발생할 수 있지만 이러한 경우는 극히 드뭅니다. 소련에서는 눈사태가 발생할 수 있는 지역을 식별하기 위해 중축척과 소축척의 지도를 작성할 때 눈 덮힌 두께 등고선을 30cm로 경계를 그었고, 눈사태가 자주 발생하여 심각한 위험을 초래할 수 있는 지역을 70cm 등고선으로 제한했습니다. 경사각이 25-40도인 경사면이 눈사태 형성에 가장 유리한 것으로 간주됩니다. 현장 관찰과 계산을 활용한 상세한 대규모 연구, 다양한 지역의 지형학적, 지구 식물학적, 토양 및 수문학적 특성을 연구하면 눈사태의 형성, 이동 및 중지가 발생하는 영역을 식별할 수 있습니다.

눈사태 붕괴를 연구하는 과정에서 서로 다른 산악 지역에 공통적인 주요 요인이 확인되었고 눈사태 형성에 미치는 영향의 성격이 결정되었습니다(표 1).

1 번 테이블

눈사태 형성 요인의 분류:

요인	눈사태 형성에 미치는 영향
A. 상수 요인
1. 기초 표면의 조건
1.1. 상대 높이, 일반적인 지형 상황:	해당 장소의 위도와 능선의 절대 높이 및 방향에 따라 해부 깊이(눈사태 낙하 높이)와 적설량을 결정합니다.
능선과 고지대	눈 분포, 눈 처마 장식, 스노우 보드의 지역 눈사태에 대한 바람의 강한 영향
능선과 숲의 위쪽 경계 사이의 영역	블리자드 눈 축적, 스노우 보드에서 눈사태가 형성되는 광대한 지역
숲의 상한선 아래 구역	눈 재분배에 대한 바람의 영향 감소, 하드 보드의 눈사태 수 감소, 소프트 보드의 눈사태 우세
1.2. 경사 급경사	임계 적설 높이를 결정합니다.
> 35시	눈사태가 자주 발생함
> 25시	눈사태는 종종 스노우보드에서 발생합니다.
> 15시	눈의 흐름, 눈사태 형성의 하한
< 20 o	눈의 흐름, 눈사태 눈의 퇴적. 경사가 매우 낮은 경사면에서 물에 흠뻑 젖은 눈으로 인해 눈사태가 발생할 가능성이 있음
1.3. 경사 방향:	눈 함량, 눈사태 유형에 영향을 미칩니다.
태양과 관련하여	그늘진 경사면에서는 스노우 보드로 인한 눈사태가 증가하고, 햇볕이 잘 드는 경사면에서는 젖은 눈사태 수가 증가합니다(눈 보유량이 동일함).
바람과 관련하여	바람이 불어오는 쪽 경사면에서는 눈 쌓임이 증가하고 스노우 보드에서 눈사태 수가 증가하며, 바람이 불어오는 쪽 경사면에서는 반대 효과가 나타납니다.
1.4. 표면 구성	눈 함량, 눈사태 유형, 임계 눈 높이에 영향을 미칩니다.
부드러운 경사	스노우보드와 느슨한 눈으로 인해 형성되지 않은 눈사태(눈사태)
쟁반, 깔때기, 상자	눈이 집중되는 장소, 주로 스노보드로 인한 눈사태
종단면에 따른 경사 경사도의 변화	볼록한 경사면에는 눈사태와 스노우 보드의 분리 선이 있는 경우가 많고, 가파른 경사면에는 눈의 임계 높이에 큰 영향을 미치는 느슨한 눈사태 발생 지점이 있으며, 눈사태가 뛰어오르는 경우가 있습니다.
구호의 선반	눈사태가 자주 발생합니다.
1.5. 표면 거칠기	중요한 눈 두께에 영향을 미칩니다
부드러운 표면	작은 임계 두께, 표면층 눈사태
돌출된 장애물(바위, 가로 능선)	큰 임계 두께, 전체 깊이 눈사태
초목	잔디 – 눈이 부서지고 깊이가 눈사태가 발생하는 데 기여합니다. 덤불-눈으로 완전히 덮일 때까지 눈사태를 방지합니다. 숲 – 밀도가 높으면 눈사태가 발생하는 것을 방지합니다.
나. 변수
2. 현재 날씨(5일전까지)
2.1. 눈이 내려요:	부하가 증가합니다. 불안정한 물질의 질량이 증가합니다.
새로운 눈의 종류	푹신한 눈 - 느슨한 눈사태 응집력 있는 눈 - 스노우보드에서 발생한 눈사태
일일 눈 증가	적설 두께가 증가함에 따라 눈의 불안정성이 증가합니다. 새 눈과 오래된 눈 모두 이탈이 가능합니다.
강설강도	더 높은 강도에서 점진적인 불안정성, 갓 내린 눈으로 인한 눈사태 횟수 증가, 완만한 경사면에서 눈사태 위험 증가
2.2. 비	습하고 느슨하거나 부드러운 지형 눈사태의 하강을 촉진합니다. 눈-물 흐름 및 눈-토양 산사태 발생 가능성
2.3. 바람	그들은 경사면에 국부적으로 눈이 많이 쌓여 스노우 보드와 불안정한 층위를 형성합니다.
방향	바람이 불어오는 경사면에 눈사태가 형성될 위험이 증가합니다. 처마 장식의 형성
속도와 지속시간	증가함에 따라 저수지 눈사태의 국지적 붕괴 확률이 증가합니다.
2.4. 열적 조건	눈의 강도와 눈 기둥 내부의 응력에 대한 모호한 영향. 온도 감소 및 증가 모두 불안정성을 초래할 수 있습니다.
눈 온도 및 자유수분 함량	녹는점까지 온도가 상승하면 눈에 유리수가 나타나 눈이 불안정해질 수 있습니다.
기온	효과는 모든 노출의 경사면에서 동일합니다. 강한 냉각은 경사 변성작용으로 인한 불안정성의 발달에 기여합니다.
태양 복사	태양 노출이 있는 경사면에서는 복사 해동으로 인한 불안정성이 발생합니다.
열복사	밤과 그늘에서 눈 표면을 냉각시키는 것은 구름 없는 하늘에서 중요한 역할을 하며 표면과 깊은 서리 형성에 기여합니다.
3. 오래된 적설 상태 (이전 기상 조건과 전체 겨울철 날씨의 통합 영향)
3.1. 총 눈 깊이	눈사태의 주요 위험 요소는 아닙니다. 경사면의 거칠기를 부드럽게 합니다. 땅을 따라 내려가는 눈사태의 질량에 영향을 미칩니다. 경사 변성 과정에 영향을 미칩니다.
3.2. 층서학	경사면의 두께 안정성은 응력을 고려하여 약화된 층의 존재에 의해 제어됩니다.
오래된 표면층	상태 – 느슨함(표면 서리), 취약성, 거칠기 – 후속 강설에 중요
적설 내부구조	복잡한 구조, 약화된 층, 얼음 껍질로 인해 불안정성이 발생합니다.

눈사태 형성 과정은 위의 요인들 자체뿐만 아니라 이들의 조합에 의해서도 영향을 받는다는 점에 유의해야 합니다. 이미 눈이 쌓이는 동안 많은 과정이 지구 표면에 영향을 미칩니다. 눈 결정의 모양과 크기, 발생 특성, 표면층의 밀도는 기온, 풍향, 속도, 밑에 있는 표면의 모양과 매개변수에 따라 결정됩니다. 눈 층의 하나 또는 다른 유형의 변성 작용의 우세와 그 진화의 성격은 다양한 요인의 작용에 따라 결정됩니다.

장기간의 관측을 바탕으로 눈사태의 기상학적 요인(강수강도, 적설량 증가, 풍속 등)에 대한 정량적 지표와 개별 산지별 눈사태 체제의 특성을 파악하여 어느 정도 확률을 가정할 수 있다. 눈사태 가능성, 안도감 평가는 눈사태 요인으로 제공되었습니다. 가장 간단한 예측 방법은 눈과 기상 특성의 현재 값과 예측 값을 임계 값과 비교하는 것입니다. .

눈사태 붕괴의 요인을 분석함으로써 눈사태의 유전적 유형을 파악하고 분류할 수 있게 되었습니다. 눈사태 예측을 위한 유전적 분류의 필요성은 예측자가 정확히 무엇을 예측할 것인지, 그리고 어떤 요소에 먼저 주의를 기울여야 하는지를 명확하게 이해해야 한다는 사실로 설명됩니다. 이는 추가 하중 발생과 적설에 습기가 있는지를 결정하는 외부 요인을 고려할 수 있습니다. , 적설의 외부 및 내부 프로세스의 작용에 의한 분리 , 눈이 내리는 구조의 유형과 분리의 성격 , 경사면에 놓인 눈 덮개의 힘 균형에 대한 외부 요인의 영향.

스키장 눈사태의 개략도 사진

눈사태는 여러 요인의 조합으로 인해 발생할 수 있다는 사실로 인해 독특한 유전적 분류의 개발이 복잡해졌습니다. 예를 들어, 러시아의 많은 지역에서 갓 내린 눈의 눈사태 또는 눈보라로 조건부 분류되는 눈사태의 붕괴는 눈 덮개의 깊은 층이 파괴되어 발생하며 오랫동안 풀리는 과정이 진행되었습니다. 눈이 내리거나 눈보라가 오기 전의 시간, 즉 일부 징후에 따르면 장기적인 눈사태로 분류될 수 있습니다. 사용 가능한 방법을 분석한 결과 예상되는 눈사태 유형의 수가 대부분의 연구자가 제안한 것보다 적다는 것을 알 수 있습니다. “의 창시자는 단순화된 눈사태 차별화 계획을 제안했습니다. 방법론적 권장 사항소련의 눈사태 예측에 따르면":

• 갓 내린 눈;
• 눈보라;
• 오래된 눈;
• 다른 사람.

불확실성 마지막 그룹많은 눈사태의 혼합 발생으로 설명됩니다. 앞으로 눈사태의 유전적 유형을 지정할 때 예측 방법론 개발자가 지정한 정의가 사용될 것입니다.

많은 외국 연구자들이 이에 관심을 기울이지 않는다는 점에 유의해야 합니다. 특별한 관심눈사태의 발생에 따른 분류, 붕괴되는 눈층의 구조 연구를 중심으로. 예를 들어, 소프트 보드 또는 하드 보드 정의가 널리 사용됩니다. .

눈사태 위험 예측

눈사태 위험 예보 일반적인 견해눈사태의 위치와 시간에 대한 표시가 포함됩니다.

~에 첫 단계특정 지역의 눈사태를 연구하려면 눈사태 가능성이 있는 장소를 식별하고 해당 매개변수를 계산하며 눈사태 체제를 결정해야 합니다. 이러한 목적을 위해 눈사태 관찰 자료, 눈사태 위험의 간접적 징후, 통계적 종속성, 수학적 모델이 사용되며 기록 보관소가 연구되고 설문 조사가 수행됩니다. 지역 주민. 수신 및 계산된 데이터를 기반으로 눈사태 위험 지도가 작성됩니다. 연구 결과는 다음과 같이 정의된다. 공간 예측눈사태 위험 – 눈사태 “기후” 예측. 영토 적용 범위 측면에서 이는 지역적(개별 눈사태 발생원 또는 그 그룹의 경우) 및 배경(산지 지역 또는 이들의 조합)일 수 있습니다. 따라서 국지예보를 제시하기 위해서는 대축척도를 사용하고, 배경예보를 위해서는 중축척도와 소축척도를 사용한다.

대규모 지도에는 눈사태 방출 장소 및 이동 구역을 나타내는 눈 수집의 윤곽선, 다양한 수준의 눈사태 확산 경계, 동적 특성의 등치선, 전파 전파 경계, 눈사태의 빈도.

서유럽에서는 대규모 지도에 표시되는 정보의 형식이 적용되는 경우가 많습니다. 서로 다른 색상 음영은 눈사태 영향의 빈도와 힘을 특징으로 하며 특정 지역의 가능한 사용을 결정합니다. 지상 건설의 완전한 금지부터 보호 구조물을 사용한 건축 허가 및 제한 사항 없음.

주목해야 할 점은 겨울 기간 1998/99 알파인 지역에서는 많은 눈사태가 화이트존(안전지대로 계산)에 진입해 큰 피해를 입혔다. 2월 23일 갈투르(Galtür)에서 발생한 전후 오스트리아 최대 규모의 눈사태 재해가 그 예입니다. 안전하다고 여겨졌던 경사면에서 내려온 눈사태로 인해 31명이 사망했습니다. 안전에 대한 결론은 역사적 기록에서 이 경사면의 눈사태에 대한 정보가 부족하다는 점에 근거한 것입니다. 이러한 사건은 눈사태 위험(공간 예측)을 평가하는 방법이 불완전함을 나타냅니다.

중간 규모에서는 눈사태의 빈도, 양, 유전적 유형 등 눈사태 경사면의 특성이 제공됩니다. 소규모 지도는 건축 구조물 설계 및 기타 측량 작업 시 특별 측량이 필요한 영역을 식별하는 데 사용됩니다. 여기에는 눈사태 활동 정도에 대한 평가가 포함되어 있습니다. ( 탭. 2 ).

표 2

눈사태 활동의 등급:

지도에는 눈사태로 인한 피해 가능성 평가, 효과 평가와 함께 눈사태 통제 조치 선택에 대한 권장 사항이 표시될 수 있습니다.

일시적인눈사태 위험 예측의 측면에는 특정 기간 내에 특정 지역에서 눈사태 가능성을 결정하는 것이 포함됩니다. 해당 지역에 따라 세 가지 유형의 눈사태 예보가 있습니다.

1. 배경 소규모, 컴파일됨 산악 시스템또는 최소 250km 2 면적의 개별 강 유역;
2. 일반적으로 25-30km 2의 면적 또는 큰 눈사태 집수지를 갖는 산 유역의 영토에 대한 대규모 배경;
3. 별도의 눈사태 집수 지역 또는 눈사태가 발생하기 쉬운 경사면을 위해 편집된 상세한 대규모

과학 문헌에서 예측을 단기, 중기, 장기로 분류할 때 고정된 시간 간격을 사용하여 구분하지 않습니다. 눈사태 위험 예측에 대한 작업 분석에 따르면 실제로 겨울철에는 하루, 48시간, 72시간 동안 장기간 예측할 수 있습니다.

눈사태 위험 예측은 눈사태 위험을 식별하기 위한 알고리즘을 결정하는 지역 또는 별도의 소스를 위해 특별히 개발된 방법을 사용하여 생성됩니다. 눈사태 기간(눈사태 요인의 영향이 지속되는 기간)을 예측하는 방법에는 여러 가지가 있습니다. 일반적으로 이 접근 방식은 폭설과 눈보라가 치는 동안 눈사태를 예측할 때 사용됩니다. 눈사태는 위험 상황에 도달한 순간부터 눈보라가 끝날 때까지 그리고 눈 덮힌 후 1~2일 동안 예측되며 눈 덮힌 상태는 불안정합니다. 눈사태 기간에 대한 예측은 협의 성격을 띤다. 왜냐하면 예측자는 “온난화 강도가 며칠 동안 지속될 경우” 등과 같은 가정을 바탕으로 예측해야 하기 때문이다. 동시에 정기 예측은 일일 예측보다 훨씬 더 정확합니다. 그러나 이러한 유형의 예측에 수반되는 눈사태 시기의 불확실성으로 인해 소비자는 이 예측을 사용하기가 불편합니다.

여러 예측 센터에서는 며칠 동안의 위험 정도를 나타내는 예측을 내립니다.

눈사태 통제 조치를 조직하는 데 드는 피해나 불필요한 비용을 방지하기 위해 유효 기간 동안 예측이 명확해질 수 있습니다. 예를 들어, 스위스 전국 눈사태 게시판은 매일 17:00에 게시되며, 눈과 기상 조건에 큰 변화가 있을 경우 새 게시판 텍스트가 오전 10시에 게시됩니다.

많은 예측 방법에 내재된 예측 리드타임(예측 준비부터 조치 시작까지의 시간)은 0입니다. 실제로 이는 눈사태에 중요한 조건에 도달했다는 사실을 명시하는 것을 의미합니다. 이 상황의 주된 이유는 눈사태 상황 발생의 일시적인 현상(몇 시간에서 하루까지), 기상 조건의 지속적인 변화, 필요한 정보를 지속적이고 광범위하게 수집할 수 없다는 점입니다. 예측의 품질과 리드 타임을 결정하는 매우 중요한 점은 적설의 구조와 특성의 독특한 시공간적 가변성입니다. 계산에서 기상 요소의 관성 예측을 사용할 때 진단 체계는 예측 체계로 변환됩니다. 기상 예보 사용을 위한 방법론을 목표로 삼을 때 리드 타임의 한계는 강수량의 정량적 예측을 위한 정확한 방법의 부족과 여러 기상 요소 예측의 간격 형태로 보완됩니다. 리드 타임을 늘리고 예측 품질을 향상시키기 위해 눈사태 전문가는 작업에 필요한 기상 특성을 예측하는 자체 방법을 만드는 경우가 많습니다. 예를 들어 Trans-Ili Alatau의 일일 강수량은 15mm 이상일 것으로 예상됩니다.

특정 예측 방법에서는 , 눈사태 지역의 적설 상태에 대한 정보를 사용하여 눈사태 붕괴 시간을 계산합니다.

새로운 눈과 기상 정보가 나오면 예보가 업데이트될 수 있습니다.

여러 방법의 예측 주제는 눈사태의 정량적 특성(볼륨, 방출 범위, 눈사태 횟수)입니다. . 배경 예측의 경우 특정 눈사태 원인, 눈사태 활동의 고도 간격 및 특정 노출 경사 등 눈사태 위치가 지정됩니다.

예측 대상 지역의 눈사태 중심의 1/3 이상에서 눈사태가 발생하는 경우, 예측 대상은 대규모 눈사태일 수 있습니다.

기법 장기 예측눈사태 위험은 가능한 기후 변화를 고려합니다. 예측 대상은 눈사태 기간, 눈사태 위험 강설이 내리는 일수 및 눈사태 지표 특성의 수(적설 두께, 일일 평균 기온이 음수인 일수)입니다.

눈사태 위험 예측은 대안적이고 확률적일 수 있습니다. 대체 예측을 사용하면 "눈사태 위험"과 "눈사태 위험 없음"이라는 두 가지 공식이 가능합니다. 소련에서는 눈사태 위험을 평가하는 이러한 접근 방식이 대부분의 경우에 사용되었습니다. 이러한 예측의 약점은 인구와 경제 시설을 위협하지 않는 눈사태의 발생입니다. . 동시에 눈사태가 아닌 위험 상황에 따라 눈사태가 없거나 최대 10m 3의 눈이 약간 이동하여 사람과 경제적 대상에 위험을 초래하지 않는 상황이 고려됩니다. . 대안적인 예측에서는 자발적인 눈사태가 발생할 것을 요구합니다. 눈사태가 1회 이상 발생하면 해당 예측은 타당하다고 간주됩니다(대량 눈사태 예측의 경우는 제외). 인공 눈사태의 가능성은 별도로 논의될 수 있습니다.

눈사태의 확률은 백분율로 평가할 수 있으며, 이는 사용자의 예측 해석의 불편함과 특정 규모로 인해 극히 드물게 사용됩니다. 유럽 ​​눈사태 위험 규모의 개념은 1985년에 개발되었습니다. . 1993년 광범위한 논의 끝에 서비스에서 실제로 사용할 수 있도록 척도가 채택되었습니다. 눈사태 예보다수의 서유럽 국가(표 3). 위험 정도는 점차 증가하는 5단계로 평가되며, 이는 산 경사면의 적설 안정성, 눈사태 발생 가능성 및 규모, 산에서의 생명에 미치는 영향의 특성을 통해 설명됩니다. 눈의 상태(안정성)는 가능한 추가 하중과 관련하여 평가됩니다.

표 3

유럽의 눈사태 위험 규모:

	눈사태 위험 수준	눈의 안정성	눈사태 가능성	지상에 대한 권장 사항 운송 경로그리고 정착지	눈사태 보호 구역 외부의 사람들을 위한 권장 사항
1	미성년자	적설은 산 경사면에 잘 고정되어 안정적입니다.	붕괴는 매우 가파른 개별 경사면에 매우 중요한 추가 하중이 있는 경우에만 가능합니다. 눈의 움직임만 자발적으로 발생할 수 있습니다.	위협 없음	안전한 조건
2	보통의	가파른 경사면의 적설은 적당히 굳어지고, 다른 경사면에서는 잘 굳어집니다.	주로 표시된 경사면에 상당한 추가 하중이 가해지면 붕괴가 가능하며 눈사태로 인한 자연 붕괴 가능성은 낮습니다.	일반적으로 유리한 조건	특히 지정된 노출 및 고도 수준의 지정된 가파른 경사면에서 이동 경로를 신중하게 선택하십시오.
3	중요한	가파른 경사면의 적설은 적당히 또는 약하게 굳어집니다.	이 경사면에 약간의 추가 하중이 가해지면 눈사태가 발생할 수 있습니다. 개별적인 중간 규모 및 드물게는 대규모 눈사태가 붕괴되어 붕괴될 가능성이 있습니다.	보호되지 않은 지역은 위험합니다. 예방조치를 취해야 합니다	상대적으로 불리한 조건입니다. 이러한 경사면에서는 움직임을 피해야 합니다.
4	큰	대부분의 경사면에서 눈 덮음이 약함	추가 하중이 거의 없이 대부분의 경사면에서 붕괴가 가능합니다.	대부분의 보호되지 않은 지역은 위험합니다. 예방 조치를 취하는 것이 좋습니다	불리한 조건. 이동하려면 광범위한 경험이 필요합니다. 경사면에서의 이동 제한.
5	매우 크다(예외)	적설량이 불안정하다	모든 경사면에서 자연발생적인 눈사태가 많이 발생할 것으로 예상됩니다.	큰 위협. 주의사항	매우 불리한 조건. 이동을 거부하는 것이 좋습니다

유럽 ​​눈사태 위험 등급(European Avalanche Hazard Scale)에 따라 개발된 예측에는 눈사태 위험도가 낮은 경우에도 항상 인공 눈사태 가능성이 포함됩니다. 미국과 캐나다에서는 눈사태 위험을 예측할 때 자체 개발이 사용됩니다. 미국 눈사태 위험 등급에는 4단계, 캐나다에는 5단계가 있습니다. 수락됨 미국 전문가이 규모는 자연적인 눈사태만 형성될 가능성을 고려합니다. 모든 접근법의 의심할 여지 없는 장점은 눈사태가 발생하기 쉬운 지역의 인구에 대한 권장 사항이 있다는 것입니다(프랑스와 이탈리아 예측 서비스는 예측 공식화에 이러한 권장 사항을 포함하지 않습니다).

눈사태 위험을 평가하는 확률론적 접근 방식에서 해결되지 않은 문제는 예측의 정확성을 정확하게 확인할 수 없다는 것입니다. 이는 눈사태 수와 그 양을 평가할 때 정성적 지표로 인해 방해를 받습니다.

별도로, 대부분의 다른 위험한 것과는 달리 기상 현상, 충족되지 않은 눈사태 위험 예측이 나중에 눈사태가 발생하지 않는다는 의미는 아닙니다!

눈사태 위험 예측을 제시하는 데 일반적으로 받아들여지는 형식은 눈사태 게시판입니다(그림 4). 대규모 눈사태를 예상하여 소련의 예보 센터에서는 긴급 상황에서 소비자에게 전달되는 폭풍 경보를 편집했습니다. 여러 국가에서는 눈사태 게시판에 해당 지역의 눈사태 위험 지도가 추가되었습니다. 지도와 전문가 의견(보고서)은 장기간에 걸친 눈사태 위험 예측을 제시합니다(그림 5).

후지산에 큰 눈사태가 발생했습니다. 팀파노고스, 와사치 산맥, 유타

예측의 정확성은 개별 시민 및 조직의 보고서와 눈사태 인구 조사 결과를 바탕으로 영토의 항공 비행 중 도로 및 철도 경로를 따라 고정된 지점에서 관찰하여 확인됩니다. 발생하기 쉬운 지역.

눈사태 위험 예측을 위한 방법론적 지원

과학적 근거를 바탕으로 눈사태에 대한 정기적인 관찰이 소련(키비니 산맥)과 스위스에서 30년대 초반에 시작되었습니다. 축적된 경험과 데이터를 통해 몇 년 내에 지역의 눈사태 위험을 예측할 수 있었습니다. 처음에는 연구자들의 직관을 바탕으로 예측이 이루어졌습니다. 눈사태 가능성을 평가하는 직관적인 접근 방식은 꽤 오랫동안 지속되었습니다. 예를 들어, 귀납적 논리의 관점에서 볼 때 미국과 캐나다에서는 눈사태 예측 시스템이 구축되었습니다. 1930년대 말에 최초의 예측 방법이 등장했습니다. I.K. Zelenoy는 눈보라가 치는 동안 눈사태를 예측하는 방법론을 만들고 실행했습니다. 그 후 눈사태 관측이 많은 산간 지역을 덮었을 때 다양한 나라전 세계적으로 눈사태 위험을 판단하기 위한 다양한 방법을 사용하여 눈사태 예보관을 돕기 위한 수많은 기술이 개발되었습니다. 이러한 방법은 전국의 많은 산악 지역에서 만들어졌습니다. 그러나 80년대 말까지 언급된 63가지 예측 방법 중 절반 미만이 프로덕션 테스트를 거쳐 실제로 사용되었습니다. 현재 수문기상청의 사할린, 이르쿠츠크, 콜리마 부서와 Apatit 공장의 눈사태 보호 워크샵만이 예측 모델을 생산에 도입했습니다. 그 이후로 전문 문헌의 출판물에 따르면 상황은 크게 개선되지 않았습니다.

이 상태의 원인은 산업 및 과학 조직의 활동과 상호 작용의 다양한 측면에 있습니다. 눈사태 연구에 관한 문헌에서는 생산 테스트 후 실제 적용을 받은 수문 기상 서비스의 산업 및 과학 생산 조직에서 생성된 눈사태 위험을 예측하는 방법과 가장 자주 발생하지 않는 과학 조직의 이론적 연구를 발표했습니다. 예측에 사용됩니다.

눈사태 위험을 결정하는 방법은 소련 국경 지역에 대해 별도로 만들어졌습니다. 그들은 국가의 국경군에 의해 사용되었습니다.

많은 전문가들은 별도의 산지 지역을 위해 개발된 방법론을 다른 지역에서 사용할 가능성에 대해 회의적이라는 점에 유의해야 합니다. 이는 기후, 일반적인 기상 조건, 지형 및 경사면의 기본 표면 특성의 차이로 인해 방해를 받습니다. 이러한 경우 기술 적용 범위 결정, 새로운 선도 요인 식별 등을 목표로 추가 연구가 수행됩니다.

수문기상학 서비스에서 허용되는 관행에 따르면 새로 개발된 방법은 독립적인 재료에 대해 테스트하고 생산 테스트를 거친 다음 다음 용도로 권장됩니다(권장하지 않음). 실용적인 응용 프로그램. 정보 수집, 처리, 생산 테스트를 포함한 방법론의 개발 기간은 수년입니다. 그들의 평가에는 예측의 정당성, 예측 현상의 예방 및 A.M. Obukhov 및 N.A. Bagrov의 잘 알려진 기준이 포함됩니다.

예측 품질에 대한 주요 요구 사항: 현상 존재에 대한 전반적인 정당화 및 예방의 합계(%)는 현상이 있는 사례의 자연적 반복성의 합계(100%)보다 커야 합니다.

소비자에게 제시된 예측의 최종 버전은 전문가가 방법 외에도 자신의 경험, 직관 및 방법에서 고려하지 않은 추가 데이터를 사용하여 편집합니다.

눈사태 위험을 예측하기 위한 기본 방법론적 원칙은 다음과 같이 공식화됩니다.

• - 예보가 적용되는 지역과 소요 시간 사이의 비례 원칙(예: 배경 예보의 소요 시간은 눈사태 통제 조치를 구성하기 위한 실제 기간 이상이어야 함)
• - 상황 변화에 대한 지속적인 모니터링
• — 새로운 예측 방법을 개발할 때 시간이 지남에 따라 눈의 발달 이력과 기상 조건을 고려합니다.
• — 눈사태 위험에 대한 자세한 경고는 배경 데이터 외에 각 눈사태 소스에서 개별 정보를 수집하는 기능을 통해 보장되는 한계가 있습니다.

눈사태 위험을 예측하는 데 사용될 방법론을 만드는 데는 여러 단계가 포함됩니다.

• 훈련 샘플을 생성하고,
• 예측 변수 선택,
• 그들의 변신,
• 예측 방법을 선택하고,
• 예측의 인식(정당성) 신뢰성 평가.

예측 변수 선택

예측의 품질은 특정 지역과 고정된 시점에서 눈사태의 형성을 결정하는 지표인 세트와 최적의 예측 변수 수를 선택하여 보장됩니다. 여기에는 적설 특성(표 1), 대기 과정 지수, 기상 및 공기학적 요소 값, 구호 매개변수가 포함될 수 있습니다. 눈사태 위험 예측에는 측정, 정규화(정규 분포와 다른 경우) 및 계산된 값(강수 강도, 기온 변화 등)이 사용되며 여러 초기 사항을 고려한 일반 지표도 사용됩니다. 변수를 지정하고 특정 과정을 설명합니다(풍속과 작용 지속 시간의 곱, 쓸어낸 눈의 양을 특징으로 함).

따라서 예측 기술 개발의 초기 단계에서 임무는 다양한 기능 중에서 기술에 필요한 통계적 신뢰성과 예측 정확도를 보장하는 가장 유익한 기능을 선택하는 것입니다. 개별 기능의 정보 ​​내용은 다른 기능과 관련하여 해당 기능에 포함된 정보의 양을 측정한 것으로 이해됩니다. 동시에 많은 연구자에 따르면 대부분의 눈사태 상황에 대한 분석(특히 통계 분석)을 위해 대용량 데이터 세트를 생성할 필요가 없습니다. 큰 수눈사태 형성 징후. 일반적으로 데이터 양을 늘려도 리드 타임과 예측 정확도는 향상되지 않습니다.

특징(예측자)의 선택은 물리적 고려 사항과 수학적 통계 방법을 기반으로 수행될 수 있습니다. 예측 방법에 대한 예측 변수를 선택할 때는 예측이 이루어지는 영역의 영역과 해당 값의 한계 내 변동성을 고려해야 합니다.

눈사태 위험 예측에 사용되는 예측 변수의 정보 내용을 나타내는 지표로 다음이 사용됩니다.

• - 더블 티– 학생 시험;
• — 마할라노비스 거리;
• 피셔 분리성 지수입니다.

쌍별 독립 예측 변수의 상관 분석을 사용하면 상호 의존적인 값을 제거하여 예측 변수의 수를 줄일 수 있습니다. 연구에서 상관계수가 절대값으로 0.6 미만인 경우 기호는 독립된 것으로 간주됩니다. 요인 감소 방법으로 사용되는 주성분 분석을 통해 상호의존적 예측 변수를 사용할 수 있습니다. 가장 일반적으로 사용되는 회전은 varimax 방법(원래 변수 공간의 분산을 최대화하는 방법)입니다.

정보 내용의 정도에 따른 특징의 순서는 "선별(sifting)" 절차를 사용하여 결정됩니다. » . 대체 예보를 작성할 때 눈사태가 있는 등급과 눈사태가 없는 등급의 두 가지 등급으로 분류됩니다. 처음에 일반 예측 변수 벡터에는 고려 중인 현상의 물리적 모델을 결정하고 해당 기능을 고려하는 모든 기능이 포함됩니다. Fisher 분리성 지수의 최대값을 제공하는 예측변수는 전체 예측변수 수 중에서 선택되며, 이 예측변수의 값은 나머지 예측변수 각각과 쌍을 이루어 계산됩니다. 각 다음 예측 변수를 추가하면 분리성 지수 증가가 중지될 때까지 절차가 계속됩니다. 이러한 방식으로 눈사태 형성 조건을 가장 완벽하게 설명하는 예측 변수 그룹이 결정됩니다.

각 특성의 영향 특성에 대한 평가는 두 클래스의 평균값을 비교하여 개별적으로 이루어집니다. 피처의 정보 내용 정도를 서로 비교하기 위해 마할라노비스 거리(Mahalanobis distance)를 계산합니다. 그리고 각 클래스의 평균 매개변수 값 차이의 유의성을 확인하기 위해 이중 티-학생의 t-테스트. 차이의 중요성은 클래스의 분리와 좋은 분류의 가능성을 나타냅니다.

예를 들어, 판별 분석을 사용하여 예측을 할 때 현상이 있는 클래스의 부호 수와 일련의 관찰 길이 사이의 최적 비율은 1/10을 넘지 않아야 한다는 것이 확립되었습니다. 일반적으로 그 수는 5-10 범위입니다.

예측 변수를 선택할 때 주성분 방법을 사용하여 작업에서 공식화된 규칙을 따를 수 있습니다.

• 첫 번째 주성분은 눈 층에 가해지는 “힘”(하중)으로 정의(표현)될 수 있습니다.
• 두 번째 - 눈사태의 "온도 배경"으로;
• 세 번째는 "눈 덩어리가 녹을 준비가 되어 있는 상태"입니다.

눈사태 형성의 주요 요인을 식별하기 위한 장기간의 연구 및 분석을 통해 다양한 유전 유형의 눈사태에 대한 가장 중요한 예측 변수를 식별할 수 있었습니다(표 4).

표 4

다양한 유전적 유형의 눈사태에 대한 가장 중요한 예측변수 세트:

정보의 종류	눈사태의 발생
(옵션)	신선한 눈에서	눈보라 속에서	열적 풀림	승화 풀림
기온	+	+	+	—
눈 두께	+	(+)	+	(+)
눈과 같은 물	(+)	—	(+)	(+)
눈 밀도	(+)	(+)	(+)	(+)
눈 수분	—	—	+	—
눈 온도	—	—	+	(+)
공기 습도	(+)	—	—	—
블리자드 전송	—	+	—	—
햇빛의 지속 시간	—	—	(+)	—
눈의 음향 방출	+	+	(+)	(+)
바람 속도	(+)	+	—	—
눈사태 시간	+	+	+	(+)
느슨한 지평선의 힘	(+)	—	—	(+)
결정 크기	—	—	(+)	(+)
대기압	—	+	—	—

+ - 표시는 정보를 제공합니다.

(+) - 조건부 정보 제공

- 유익하지 않음

갓 내린 눈의 높이 증가 및/또는 강수량의 양과 같은 예측 변수는 잘 인식되어 있으며 갓 내린 눈으로 인한 눈사태를 예측할 때 많은 산악 지역에 보편적일 수 있다는 것이 확립되었습니다. 제한된 예측 변수 그룹을 사용하여 다양한 지역의 눈사태를 예측할 수도 있습니다. 동시에, 같은 산악 지역 내에서도 습한 눈사태는 상당히 다른 예측 변수를 가질 수 있습니다.

세부 예측 방법은 주로 특정 위치의 적설 데이터를 기반으로 하는 반면, 배경 예측 방법은 항공관측 및 기상 정보를 기반으로 하는 경우가 가장 많습니다.

눈사태 조건의 구별

많은 저자의 의견에 따르면 소련 개발에 전통적인 예측 절차 이전의 눈사태 조건 분류는 품질을 향상시키는 데 도움이 됩니다. 특정 유전적 유형의 눈사태에 대해 눈사태 위험을 예측하는 많은 방법이 만들어졌기 때문에 이 프로세스를 통해 현재 상황을 일반적인 상황과 비교하고 특정 클래스로 분류하고 주요 요인과 특정 방법의 적용에 집중할 수 있습니다.

눈사태 조건을 분류하기 위한 예측 변수 선택은 예측 방법 선택과 유사하게 수행됩니다. 눈사태 조건을 구별하기 위해 다음이 사용됩니다.

• - 회귀 분석;
• - 판별 분석;
• - 주요 구성 요소 분석.
• - 패턴 인식 방법

건조하거나 습한 눈사태의 발생에 대한 상황을 설명하는 메커니즘이 작업에 설명되어 있습니다. 첫 번째 단계에서는 눈사태 관측소에서 설정한 발생에 따라 건식 및 습윤 눈사태의 훈련 샘플이 형성되었습니다. 다음으로 예측변수의 정보성을 결정하고 판별함수를 구성하며 특정 클래스에 속하는 각 사건의 확률을 결정하는 절차를 수행했습니다.

작업에서 계산된 주성분을 통해 갓 내린 눈의 눈사태를 건식 눈사태와 습윤 눈사태로 구분하는 판별 함수 방정식을 90% 이상의 정확도로 얻을 수 있었습니다. 동시에 선을 따라 분리된 습한 눈사태의 동일성과 점에서 분리된 습한 눈사태의 동일성은 각각 84%와 63%의 정확한 식별을 나타냈지만 건식 눈사태의 분리는 높은 신뢰도(91~95%)로 인식되었습니다.

눈사태 위험을 예측하는 여러 가지 방법에는 적용이 시작되는 순간부터의 조건이 포함됩니다. 따라서 눈사태 시즌이 시작되는 날짜는 기상 현장의 적설 두께가 30cm가 되는 시점으로 볼 수 있으며, Tom River 유역의 경우 제안된 방법을 사용하여 작성된 첫 번째 눈사태 위험 예측이 선행되어야 합니다. 안정된 적설이 형성된 날부터 100mm의 고형 강수량이 축적되는 경우 등 현재 상황을 평가할 때 매개변수 중 하나가 임계값에 도달하는 순간부터 기술이 작동하기 시작할 수 있습니다. 예를 들어 강 유역의 경우입니다. Kunerma 반일 강수량은 1mm에 도달해야합니다.

눈사태 위험을 판단하기 위한 직접(현장) 방법

정기적인 눈사태 관찰에는 눈 층의 층위 연구, 눈 덮개의 두께 측정, 눈의 물리적 및 기계적 특성 결정(밀도, 임시 전단 및 인장 강도, 경도, 인장 강도 등)이 포함됩니다. 측정은 다음에서 수행됩니다. 가능한 한 눈사태가 발생하기 쉬운 경사면(가파름, 노출)과 유사한 매개변수를 갖는 안전한 지역의 눈사태 초점 바로 근처.

관측 데이터의 가장 간단한 통계 처리를 통해 측정 결과를 사용하여 눈사태 붕괴 가능성을 판단할 수 있는 경험적 종속성을 설정할 수 있습니다(표 5). 재료가 축적됨에 따라 전형적인 결합된 층위학적 기둥과 수직 프로파일을 따른 강도 특성 분포의 다이어그램이 구성되며 이를 비교하여 눈사태 위험 정도를 평가하고 예상되는 눈사태 유형이 결정됩니다.

표 5

콘 프로브를 사용한 사운드 데이터를 기반으로 눈사태 위험을 예측하기 위한 경험적 종속성:

눈사태 위험	프로브 저항 R, kg	클러치 와 함께»1.4R kg/dm 2	인접한 층의 강도 비율
심각(곧 눈사태가 발생할 수 있음)	1.5 미만	2개 미만	4개 이상
중간(적설의 기계적 교란으로 인해 눈사태가 발생할 수 있음)	1,5-5	2-7	2,5-4
낮음(눈사태 위험이 거의 없음)	5-21	7-30	2,5-1,5
결석한	21세 이상	30세 이상	1.5 미만

많은 국가의 눈사태 서비스는 눈층의 안정성을 테스트하기 위한 시스템을 개발했습니다. 테스트 중에 약화된 층이 식별되고 특정 산 경사면(눈사태 발생원에서)에 있는 눈 층의 이동 및 침강에 필요한 힘이 평가됩니다. 이 경우 평가에는 정량적 정의와 정성적 정의가 모두 사용됩니다. 사용 가능한 도구(삽, 스키)를 사용하는 가장 간단한 조치를 통해 전문가뿐만 아니라 산에서 일하고 휴식을 취하는 모든 사람이 산 경사면의 눈사태 위험 정도를 확인할 수 있습니다. 많은 국가에서는 스키 및 등산 강사를 위한 필수 교육 프로그램에 마스터링 테스트가 포함되어 있습니다. 이러한 테스트에 대한 관심이 높아지는 것은 눈사태 재해의 피해자 대부분을 구성하는 사람들의 안전을 보장하는 데 중점을 두기 때문입니다.

도로에 눈사태

산의 눈사태

소위 "삽 시험"(삽 절단 시험)은 눈에서 잘라낸 눈 블록에 대해 수행됩니다(그림 6). 질적으로 평가된 절단된 눈 블록을 떼어내는 데 필요한 힘은 눈의 안정성을 나타내는 주관적인 지표입니다. 관찰을 바탕으로 경사면의 눈사태 위험 정도에 대한 결론이 도출됩니다. 눈이 매우 불안정한 경우에는 블록의 네 면이 모두 절단되자마자 약한 층이 벗겨집니다. 리프트 오프가 발생하지 않는 경우 삽으로 블록을 경사면 아래로 밀어서 발생할 수 있습니다.

최근에는 스위스 눈사태 연구소의 전문가들이 개발한 "슬라이딩 블록 테스트"(Rutschblock 테스트)와 그 변형이 눈 테스트에 사용되었습니다. 경사면의 눈 덮힘을 확인하는 것은 스키어가 눈에서 잘라낸 블록에서 수행합니다 (그림 7). 스키어는 7가지 특정 동작을 수행합니다. 눈 블록 위에 자신을 배치하고 따라 이동하면서 부하를 연속적으로 증가시킵니다. 블록이 파괴될 때까지 테스트가 수행됩니다. 얻은 결과의 해석(눈사태 위험 정도 결정)은 여러 국가에서 개발된 표준에 따라 수행됩니다. 가장 간단한 형태로 1~3번의 동작으로 파괴하는 것은 경사면에 있는 눈 층의 불안정한 상태를 의미하며 이는 스키어의 동작으로 인해 중단됩니다. 4-5에서는 안정적인 상태가 가정되지만 개인 스키어가 눈사태를 일으킬 수 있습니다. 6-7 – 스키어에 의한 눈사태 붕괴 가능성은 거의 없습니다. 테스트된 블록의 중요한 치수(경사면의 실제 눈 층에 더 가까운 크기)는 이 테스트를 대부분의 다른 테스트와 구별합니다.

테스트는 다양한 (노출, 가파른) 경사면에서 특정 빈도로 수행되므로 눈 덩어리에서 발생하는 변화를 식별하고 변성 과정의 방향을 결정할 수 있습니다.

그러한 테스트는 종종 상당히 좋은 결과, 단일 테스트로 전체 경사면의 안정성을 결정할 수 없다는 점을 이해하는 것이 중요합니다. 결과는 경사면에서 테스트가 수행된 위치에 따라 크게 달라질 수 있습니다. 눈사태 위험을 평가하기 위해 테스트를 사용하는 데 어려움이 있는 이유는 테스트 스키어의 체중과 적용되는 노력에 대한 주관적인 결정을 고려하지 않기 때문입니다.

단순성과 상당히 높은 신뢰성으로 인해 적설 안정성 테스트는 눈사태 위험 정도를 결정하기 위해 실제로 널리 사용됩니다. 테스트 결과는 다양한 방법을 사용하여 지역 및 배경 눈사태 예측에 모두 고려됩니다.

현장 관찰이 가장 효과적인 방법장기적인 눈사태의 가능성을 결정합니다.

결정론적 방법

측정된 눈 특성은 경사면에서의 눈 안정성을 계산하는 데 사용됩니다.

가장 간단한 형태로 전단 눈사태 메커니즘을 사용하는 느슨한 눈의 안정성 계수는 ​​다음과 같이 계산할 수 있습니다.

에프 – 내부 마찰 계수 또는 기본 표면의 눈 마찰 계수,

ㅏ — 경사면의 경사각(가파름).

이 비율이 1보다 훨씬 크면 눈사태 위험이 없습니다. 그 값이 1과 같을 때 적설은 평형을 제한하는 상태에 있습니다. 하중이 약간 증가하거나 구속력이 감소하면 경사면 아래로 미끄러질 수 있습니다. 안정성 계수가 1보다 작으면 이는 경사면에 눈이 불안정한 상태를 나타냅니다.

현장 측정 데이터를 사용하여 위에 놓인 눈 층의 두께, 층의 하단 경계에서의 접착력에 대한 각 층의 임계값을 식별하고 최대값을 결정하는 것을 가능하게 하는 여러 방정식을 경험적으로 얻었습니다. 주어진 조건에 대한 경사각. 계산에 기상 특성을 포함하면 눈사태 위험이 시작되는 시간을 결정할 수 있습니다(현재 기상 상황이 계속된다고 가정).

임계값 계산 속도를 높이고 예측을 수행하기 위해 현장 조건에서 적설 상태를 평가할 수 있는 노모그램이 구성되었습니다(그림 8).

적설의 안정성은 기계적 응력 분포를 계산하여 평가할 수 있습니다. 임의 구성의 산 경사면에 놓여 있고 경사면에 대한 눈의 변위에 비선형적으로 의존하는 마찰력에 의해 유지되고 다양한 두께와 매개변수의 상당한 공간적 변화를 갖는 눈 덮개에 대한 이러한 계산은 세 가지입니다. 차원적이고 상당히 비선형적인 문제이며 많은 양의 계산이 필요합니다. 특정 조건을 도입하면 문제가 2차원 솔루션으로 축소되는 경우가 많습니다. 눈의 응력 상태 분석을 기반으로 경사면에서 눈의 안정성을 계산하기 위한 수학적 모델은 눈사태 위험을 예측하는 데 사용할 수 있지만 실제로는 극히 드물게 사용됩니다. 그 이유는 눈사태 발생원의 눈 상태 특성을 얻는 것이 어렵고, 측정 시 심각한 오류가 있을 뿐만 아니라, 구조의 상당한 가변성으로 인해 한 지점에서 얻은 데이터를 눈사태 발생원의 전체 표면에 대해 추정하는 것이 불가능하기 때문입니다. 그리고 눈의 성질.

현재 이 예측 방향은 Khibiny에 있는 JSC Apatit의 눈사태 안전 센터에서 개발되고 있습니다. 개발된 모델을 기반으로 한 계산은 눈사태 발생원의 적설에서 응력 텐서의 임계값을 초과할 확률을 결정합니다(그림 9).

특정 눈사태 소스로부터 눈사태를 예측하기 위해 결정론적 접근 방식이 사용됩니다.

눈사태 지역의 적설 특성을 직접 측정하는 것이 불가능하다는 연구 결과가 나왔습니다. 물리적 과정적설 및 구조와 진화에 대한 건물 모델. 첫 번째 모델은 통계적 관계를 사용했으며 강설 중 눈 축적, 눈 이동 및 풍속, 깊은 서리층 형성 등 개별 요인만 고려했습니다. 1983년 프랑스의 눈 연구 센터(CEN)는 눈 덮음 현상을 연구하기 위한 새로운 프로그램을 개발하기 시작했습니다. 결정론적 모델은 눈 기둥의 에너지와 형태학적 체계를 평가합니다. 모델링할 때 눈의 열전도율, 수분 침투, 눈 녹는 것이 계산되고, 눈 층 내의 상 변형과 눈 결정의 가장 중요한 변성 과정이 고려됩니다. 적설 표면에 도달하는 복사 및 난류와 지하 토양으로부터의 지열 흐름이 고려됩니다. 모델의 결과는 온도와 밀도 값이 분포되어 있는 눈 층의 계산된 프로파일입니다. 불안정한 레이어가 드러납니다. 프랑스 알프스의 여러 지역에서 모델을 테스트한 결과 바람의 영향이 과소평가되었지만 만족스러운 결과를 얻었습니다. . 이 모델은 눈층 표면의 표면 서리 및 얼음 껍질 형성을 계산하지 않습니다. 이는 눈사태 위험 발생의 중요한 요소입니다.

복잡한 층 구조를 고려하여 눈층의 열 및 물질 전달 과정에 대한 수학적 모델링이 우리나라에서도 개발되었습니다. . 현재 이론적으로 개발된 모델을 다양한 산악 지역의 현장 조건에서 테스트할 계획입니다.

눈사태 위험의 원격 모니터링 방법

눈사태 위험 예측을 위한 적설 원격 모니터링 방법은 산 경사면에서 제대로 테스트되지 않았으며 주로 이론적 개발 형태로 존재합니다. 그러한 방법 중 하나는 적설에 음향 방출 신호를 등록하는 것입니다. 음향 방출의 평균 활동의 증가는 눈사태 지역의 적설 안정성 감소에 해당하는 것으로 확인되었습니다.

특수 센서를 통해 제공되는 눈의 느린 미끄러짐에 대한 정보를 사용하여 눈 덮음의 안정성을 평가하는 방법이 고산 지구물리학 연구소에서 개발되었습니다.

패턴 인식 방법

패턴인식 방법의 본질은 다음과 같다. 이미지는 해당 이미지 클래스를 대표하는 모든 요소에 대한 설명이며, 이는 모든 요소에 공통된 여러 속성을 갖는 특정 카테고리로 정의됩니다. 눈사태와 관련하여 이미지는 유한수의 값 집합으로 이해되어야 합니다. N눈 기상 상황을 특징짓는 매개변수. 안에 N— 차원 공간에서 이미지는 벡터 x=( 엑스 1 , 엑스 2 ,…, xn), 어디 x 나는– 매개변수 값. 눈사태 위험을 예측하기 위해 눈사태 위험 상황과 눈사태 위험이 없는 상황이라는 두 가지 이미지 클래스가 분명히 구분됩니다. 다음으로, 알려지지 않은 벡터 x를 식별하기 위해서는 해당 클래스의 일부 표준과 비교하는 것이 필요합니다.

패턴 인식 그룹에는 수학적 통계를 사용하는 여러 가지 방법이 포함됩니다.

공관(표준) 방법

종관 방법을 사용하여 눈사태 위험에 대한 배경 예측 방법은 눈사태에 대한 통계 정보를 종관 상황 및 관련 기상 조건과 비교하는 것을 기반으로 합니다. 사이클론 과정, 침입 기단눈사태 형성의 주요 요인인 강수량, 풍향 및 풍속의 변화, 기온의 변화를 유발합니다. 이동 방향, 사이클론의 깊이 및 작용 기간에 따라 연구 영역의 여러 영역에 미치는 영향의 성격은 다릅니다. 즉, 지형의 높이, 경사면의 노출 및 경사도, 방향 및 산 계곡의 폭은 적설의 다양한 반응을 제공합니다. 동시에 특정 프로세스의 작용은 눈사태 형성에 기여하지 않으며 경사면의 눈 덮음이 안정화됩니다.

눈사태 위험을 예측하기 위한 대기 과정의 입력은 이동 방향에 따라 가장 자주 수행됩니다(그림 10 - 이동 궤적에 따라 마가단 지역 중앙 지역에서 눈사태 발생으로 이어지는 사이클론의 유형). 대기 과정을 분류할 때 다음이 제공됩니다. 복잡한 특성 기상 현상영향력이 있는 기간 동안.

다양한 유형의 대기 과정을 감지하고 식별하기 위해 종관 상황을 매일 분석하면 상당한 리드 타임(24시간 이상)으로 눈사태 위험에 대한 소규모 배경 예측을 생성할 수 있습니다.

현재 눈사태 정보를 갖고 있고 이전 상황을 알고 있는 전문가가 예보 준비에 참여하면 예보가 상세하게(가능한 눈사태 위치 표시) 가능하고 배경 지역 예보에 대해 만족스러운 결과를 얻을 수 있습니다. 시놉틱 방법을 사용한 예측 정확도는 65~70%에 이릅니다. . 눈사태 위험 기간을 예측하면 80~90%로 증가합니다. 이러한 방법에는 눈 상태 결정과 관련된 눈사태 상황 식별 오류 외에도 항공시각 정보 자체에 내재된 오류도 포함되어 있다는 사실로 인해 예측 품질이 영향을 받습니다.

Khibiny 산맥, Magadan 지역의 중부 지역, Elbrus 지역 및 Chukotka 반도에 대해 종관법을 기반으로 한 예측 방법이 가능합니다. 러시아 국경 지역의 눈사태 위험 발생에 대한 개요 조건이 결정되었습니다.

거시적 과정, 사이클론 활동, 종관적 상황, 특히 대규모(저빈도) 눈사태의 기상 조건을 고려하여 패턴을 일반화하고 형성 조건의 유사점을 식별할 수 있었습니다. 국가의 다양한 기후 및 지리적 지역에서 특히 큰 눈사태가 발생합니다.

— 저기압 활동이 높은 지역(Khibiny, Byrranga, Sikhote-Alin, Sakhalin, Kamchatka)에서 대규모 집회는 사이클론이 깊은 일수를 특징으로 하는 저기압 활동의 강도와 관련이 있습니다.

— 평균 사이클론 활동이 있는 지역(코카서스)에서는 사이클론 활동 일수가 증가하는 겨울과 정상보다 깊은 사이클론 수가 많은 겨울에 대규모 집합이 관찰됩니다.

— 내륙 지역에서 대규모 집회는 단순히 추운 기간 동안 사이클론 활동이 있는 일수의 증가와 관련이 있습니다.

게다가 저기압 활동이 높거나 낮은 지역에서는 대규모 집회가 정상적인 종관 상황과 연관되어 있으며, 평균적인 저기압 활동이 있는 지역에서는 종관 조건이 변칙적인 발달과 지속 기간을 특징으로 합니다.

강설량 분석에 따르면 이러한 현상은 눈 깊이가 10% 미만일 확률로 겨울에 발생하는 것으로 나타났습니다.

그래픽 방식

눈 기상 특성에 대한 일련의 관찰은 특정 이미지에 해당하는 공간의 특정 수의 지점을 제공합니다. 두 가지 특징을 사용하는 경우 이미지 공간이 평면에 명확하게 표시됩니다. 2개 이상의 특징을 고려할 때 점을 평면에 투영하는 방법이 사용됩니다. 눈사태가 있는 경우와 없는 경우를 구분하는 곡선이 구성됩니다. 그래픽 회귀는 변수 간 관계의 수학적 형식을 지정하지 않고 사용할 수 있습니다. 패턴 식별은 곡선을 기준으로 예측 그래프에서 현재 눈사태 상황에 해당하는 지점의 위치를 ​​설정하는 것으로 귀결됩니다. 이 경우 이미지 공간에 확률 필드가 지정되는 확률론적 접근 방식이 허용됩니다(그림 11 - 비행기의 눈사태 확률 등치선: 강설에 대한 총 강수량 - 춥고 따뜻한 날씨의 날). . 눈사태가 있는 그래프 영역과 눈사태가 없는 그래프 영역을 나누는 선은 눈사태 확률이 0인 등치선으로 해석됩니다. 다양한 눈사태 빈도에 대한 등고선을 그릴 때 눈사태 형성 확률이 결정됩니다.

포인트는 공간 내 다른 모든 포인트의 위치가 고려되는 근접성을 기준으로 특정 유통 센터를 중심으로 그룹화될 수 있습니다. 따라서 여러 종류의 상황을 구별할 수 있습니다. 인식(유사성 정도 결정)은 점 사이의 거리, 벡터 사이의 각도 또는 영역 내부에 이미지가 포함되는 방식으로 이루어질 수 있습니다.

대부분의 경우 기상 특성은 그래픽 솔루션에 사용됩니다. 현재의 날씨임계 값에 도달하는 순간이 결정됩니다 (그림 12 - 강설 (i) 및 기온 중 평균 강수 강도와 눈사태 형성의 관계. Western Tien Shan. 1, 2, 3 - 다양한 SLS의 데이터 ).

다양한 예측 방법에서는 적설량과 경사면의 하중(눈보라 이동의 강도, 갓 내린 눈의 밀도)을 직접적으로 설명하는 전문 관측 데이터를 사용합니다. 그래프는 다양한 유전적 유형의 눈사태 조건을 반영할 수 있습니다.

긴 일련의 관측이 있으면 예상되는 눈사태의 양을 추정하기 위한 그래픽 종속성을 얻을 수 있습니다(그림 13 - 눈사태의 양(지점의 수)과 기온 및 Dukant 강의 강수 강도 사이의 관계 분지).

Khibiny 산맥의 눈보라 이동으로 인한 눈사태 예측을 위해 그래픽 연결을 얻었습니다. , 눈이 내리는 동안의 눈사태(마가단 지역의 특정 지역, 톰 강 유역), 습한 눈사태(톰 강 유역), 눈이 내리는 동안의 건조한 눈사태 및 눈보라(안가라칸 강 유역).

그래픽 방법은 동일한 샘플에 대한 수치 계산보다 더 나은 결과를 제공할 수 있습니다. 손으로 그린 ​​선은 눈사태 상황과 눈사태가 아닌 상황을 선형 함수보다 더 정확하게 구분합니다. 생산 테스트 데이터를 기반으로 한 그래픽 방식을 사용한 예측 정확도와 현상 예방은 90%를 초과할 수 있습니다.

눈사태 형성 과정의 장기적인 개발 사례에 대한 그래픽 경험적 종속성도 얻어졌습니다. 구덩이를 정기적으로 관찰하면 눈 층의 층위학 및 구조를 연구한 결과를 바탕으로 결정의 평균 직경과 눈 밀도를 층별로 결정하여 기계적인 특성을 간접적으로 특성화하는 직선 계열을 구성할 수 있습니다. 힘. 이는 서로 다른 크기의 눈사태를 형성하는 스노우 보드 두께의 임계값 간격을 특징으로 하는 5개의 구조 밀도 영역으로 나뉩니다. 이 접근법은 눈사태의 예방적 방출에 사용되어 적설에 가장 효과적인 영향을 미치는 시간을 계산합니다.

회귀 분석

회귀 방정식을 사용하여 눈사태 발생 시점을 예측할 때 현재 상태나 변화 방향이 한동안 지속될 것으로 가정합니다. 정기적인 업데이트를 통해 예측을 조정할 수 있습니다. 주요 코카서스 산맥에 대해 다양한 유전적 유형의 눈사태에 대한 경험적 공식이 얻어졌습니다.

다중 선형 회귀 방법은 예측이 "눈사태 위험"일 때 해당 지역에서 가능한 눈사태 수를 계산하고, 도로를 막고 있는 눈사태 수를 결정하고(예: 방출 범위 추정) 최대 눈사태 수를 추정하는 데에도 사용됩니다. 눈사태의.

독립적인 자료에 대한 눈사태 시간 예측을 위한 테스트 방법은 이를 운영 실제에 사용할 가능성을 보여주었습니다. 예측의 평균 정확도는 80~87%입니다.

판별분석

배경 눈사태 예측은 다변량 관측의 분류 문제로 간주될 수 있습니다. 눈사태 위험 상황과 눈사태 위험 없음 상황을 구분할 때 선형 판별 함수 알고리즘을 기반으로 한 인식 방법이 사용됩니다. 예측 중에 현재 이미지가 두 그룹 중 하나에 속하는지 결정됩니다. 예측에 대한 결정적인 규칙은 판별 함수 D를 임계값 R과 비교하는 것입니다. Dі R 눈사태가 예상됩니다.

이 방법은 눈사태 위험에 대한 대체 예측을 생성하는 데 편리합니다. 따라서 눈사태 위험을 예측하기 위한 선형 판별 함수의 사용은 소련의 운영 실무에서 널리 보급되었습니다.

대부분의 경우 선형 판별 분석은 강설 및 눈보라가 치는 동안 상황을 눈사태 위험 상황과 눈사태 위험이 없는 상황으로 구분하는 데 사용됩니다. 눈의 현재 값과 기상 특성이 예측 변수로 사용됩니다.

판별 분석은 종관 과정을 연구하고 광대한 산악 지역의 눈사태 위험에 미치는 영향을 확인하는 데 사용할 수 있습니다. 통계 자료를 바탕으로 특정 지역에서 눈사태를 일으키는 종관 프로세스 유형이 설정됩니다 ( "종관 방법"섹션에 설명되어 있음). 선형 판별 함수를 사용하여 위험한 프로세스의 전개를 예상(예측)할 때 상황은 눈사태 위험 또는 비눈사태 위험으로 식별됩니다. 기단의 온습도 특성은 예측 예측변수로 사용됩니다. 눈사태 위험 예측은 각 종관 상황 유형에 대해 얻은 방정식을 사용하여 제공됩니다.

최근에는 배경 대규모 눈사태 예보에 판별분석을 이용한 눈사태 위험예측 기술이 개발되고 있다.

판별 분석을 사용하는 방법을 기반으로 한 예측의 리드 타임은 대부분의 경우 0입니다. 계산에 기상 요소의 예측 값을 사용하면 예측 리드 타임이 늘어나는 동시에 타당성이 줄어 듭니다. 방법 오류 외에도 기상 예측 오류가 추가됩니다. 발표된 자료를 분석한 결과, 눈과 기상 요인의 영향을 평가하는 예보의 최대 소요 시간은 6시간에 달하는 것으로 나타났습니다. 개요 정보를 사용한 예측 방법은 리드 타임이 최대 12~20시간까지 깁니다.

판별 분석을 기반으로 한 눈사태 위험 예측의 정확도는 65~85%입니다. 현상 예방 정도는 80~100%이다. 정당성을 크게 높이는 것은 불가능하다는 점에 유의하십시오.

선형 판별 분석을 기반으로 한 방법이 만들어졌습니다. Khibiny 산맥의 눈보라 유형 눈사태, Tenkinsky 고속도로(마가단 지역)의 여러 구간에 대한 눈사태 중 눈사태, Kunerma 유역의 갓 내린 눈사태 및 눈보라 눈사태를 예측하기 위해, Goudzhekit 및 Angarakan 강(바이칼 및 North Muisky 능선), SLS Pereval 지역의 젖은 눈사태. 판별 분석 방법은 현재의 기상 및 종관 상황과 관련이 없는 붕괴의 장기 눈사태를 예측하는 데 사용되지 않습니다. 일반적으로 요인의 영향에 대한 신뢰할 수 있는 통계적 추정치를 얻는 것은 그러한 눈사태에 대한 제한된 수의 데이터로 인해 방해를 받습니다.

최근접 이웃 방법

눈사태에 대한 정보와 눈 값 및 기상 특성을 포함하는 데이터베이스가 있으면 예측 목적으로 과거에 현재와 유사한 상황을 검색하는 기능을 활용할 수 있습니다.

이 방법의 이론적 개발은 70년대 초반 소련에서 이루어졌습니다. 데이터베이스에는 누적된 배열 "Meteo"(눈사태 기간의 각 날짜에 대한 날씨 유형 및 기상 데이터 분류자), "Avalanche"(눈사태 여권) 및 배열 "Slope"(눈사태 초점 매개변수)의 고정 데이터가 포함되어 있습니다. 새로 도착한 눈사태 및 기상 데이터는 데이터베이스의 기록과 비교됩니다. 눈사태가 발생하기 전 며칠 동안 사건 이전의 기상 조건에 대한 연구가 수행되어 예측에 특정 리드 타임을 제공할 수 있습니다. 가장 가까운 이웃(Nearest Neighbors) - 해외에서 채택된 용어 - 유사한 기상 조건, 눈 상태 및 눈사태 발생 여부가 유사한 날. 날씨 유형의 자동 분류 및 눈사태 상황 인식은 다양한 소스에 대한 주요 눈사태 형성 요인의 값을 기반으로 수행됩니다. 별도의 눈사태 소스에서 발생할 수 있는 눈사태의 징후는 값이 각 매개변수의 변동 계수에 따라 결정된 임계 임계값을 초과한다는 것입니다. 하강 시간 외에도 운영 정보가 축적됨에 따라 미끄러지는 표면, 눈의 유형, 경로 유형, 눈사태 이륙 높이 등 눈사태의 다른 특성도 예측할 수 있다고 가정했습니다.

가장 가까운 이웃 방법은 상당한 컴퓨팅 리소스를 필요로 하므로 소련에서는 사용되지 않았지만 해외에서는 눈사태 위험을 예측하는 데 널리 사용됩니다(그림 14는 비슷한 기상 특성을 갖는 날짜에 대해 데이터베이스에서 검색하는 예입니다). 주요 적용 분야는 배경 예측입니다. 동시에 특정 발병이 아닌 지역에 대한 예측 방법이 만들어졌습니다. 이 방법의 단점은 외국의 눈사태 서비스에서 관례적인 것처럼 눈사태 위험 정도를 결정할 수 없다는 것입니다. 눈사태의 수와 크기를 추정하는 것은 불가능합니다. 이 방법은 눈사태 형성으로 이어지는 모든 원인을 다루지는 않으며 갓 내린 눈으로 인한 눈사태와 같은 특정 유전 유형의 눈사태 예측에만 적용 가능합니다.

포인트 제도

눈사태 위험을 예측하기 위해 특정 요인과 그 조합이 눈사태 확률에 미치는 영향을 고려합니다. 분석은 다음 방법 중 하나로 수행할 수 있습니다.

각 요인에는 주어진 시간에 눈사태 형성에 미치는 영향의 방향에 따라 "+", "-" 또는 "0" 기호가 지정됩니다. 부정적인 징후가 너무 많으면 눈사태 위험이 없거나 낮은 수준임을 의미하고, 긍정적인 징후가 많으면 눈사태 위험이 존재함을 나타내며 눈사태 위험이 클수록 발생률도 더 높아진다는 것을 의미합니다. 눈사태 형성에 있어 각 요소의 비중을 고려하지 않는 이 기술은 일련의 눈사태 관측이 충분하지 않은 경우 예측에 사용하는 것이 좋습니다.

1. 예측변수는 양자화되어 있습니다. 즉, 각 요인에는 발생하는 위험 정도에 따라 특정 개수의 포인트가 할당됩니다. 이 경우 두 가지 옵션을 사용할 수 있습니다.

1) 예측 변수의 값은 동일한 간격으로 양자화되고 각 간격에는 일정한 단계로 점점 더 많은 수의 포인트가 할당됩니다.

2) 고르지 않은 양자화 - 예측 값을 간격으로 고르지 않게 나누거나 점을 사용하여 간격을 고르지 않게 평가합니다.

이러한 양자화는 전문가가 자신의 경험을 바탕으로 수행하며 그 품질은 전문가의 자격에 따라 크게 달라집니다.

포인트를 합산한 결과는 상황을 눈사태 위험과 비 눈사태 위험(대체 예측) 또는 여러 가지로 나누는 하나의 임계값과 비교할 수 있으며 눈사태 위험 정도가 결정됩니다.

점수를 올바르게 결정하면 방정식을 사용하는 것과 동일한 정확도로 예측(배경 및 로컬)을 수행할 수 있습니다.

포인트 시스템은 눈사태 위험의 공간적 분포를 평가하는 데 효과적일 수 있습니다. GIS 기술을 사용하는 이 접근 방식(Lawiprogmodel)은 Swiss Snow Avalanche Bulletin을 작성하기 위해 제안되었습니다. 오버레이 기능(여러 레이어를 서로 겹쳐서 겹침)을 사용하면 지구 표면의 여러 부분에 대한 눈사태 위험에 대한 요약 추정치를 얻을 수 있습니다. 해당 지역의 눈사태 위험 정도는 운영 요소에 할당된 점수를 곱하여 평가됩니다. 여기에는 테스트 결과(Rutschblock)에 의해 결정된 적설의 안정성(2~10점), 산 경사면의 노출, 장소의 절대 높이 및 경사의 가파른 정도(각각 1~5점)가 포함됩니다. . 처음 두 요소의 가중치는 눈 기상 상황에 따라 변경되며, 이 방법에서 다른 요소의 영향을 평가하기 위한 값은 변경되지 않습니다(그림 15 - 경사 경사도 및 고도 수준의 가중치 요소).

유럽 ​​눈사태 위험 척도의 위험 정도는 포인트 곱의 특정 값에 해당합니다.

5 – 1250, 4 — 1000, 3 -750, 2 — 500, 1 – 250

시뮬레이션 결과로 눈사태 위험 예측 지도가 생성됩니다.

Lawiprog 모델의 요소 가중치는 전문가에 의해 설정되지만 저자가 지적한 것처럼 값을 명확히 하기 위해서는 추가 생산 검증이 필요합니다.

전문가 시스템

다양한 방법을 사용할 수 있으므로 눈사태 위험 예측 공식화에 대한 최종 결정은 전문가의 몫입니다. 교육, 경험, 직관, 예측 기술에서 고려되지 않은 요소를 평가하고 현재 최고의 요소를 식별하는 능력을 통해 전문가는 빠르고 정확한 결정을 내릴 수 있습니다. 지난 10년간 눈사태 위험 예측 실무에서 널리 보급된 자동화된 전문가 시스템은 전문가의 의사결정 프로세스 모델링을 기반으로 합니다.

전문가 시스템의 운영은 전문가가 정한 규칙에 따라 이루어지며, 요인의 영향을 평가하기 위해 포인트 시스템을 사용합니다. 전문가 시스템은 종종 다른 방법과 결합하여 사용됩니다(통계 및 결정론적 모델이 사용됨). 다양한 방법을 병렬 및 순차적으로 사용하면 눈사태 위험 예측을 위한 최적의 결과를 얻을 수 있습니다.

그러나 전문가는 항상 자신의 행동을 명확한 규칙으로 설명할 수 있는 것은 아닙니다. 이 경우 인간 두뇌의 기능(인간 연관 기억)을 모방하는 인공 신경망을 사용하는 것이 제안됩니다. 예를 들어, 자기 조직화 코호넨 특징 맵(SOM)은 "비지도" 학습 알고리즘과 함께 사용됩니다. 이 알고리즘에서는 뉴런이 입력 신호 벡터와 가중치 벡터가 가장 가까운 뉴런과 가장 잘 결합할 권리를 두고 서로 경쟁합니다. 입력 신호 벡터가 승리합니다. 승리한 뉴런과 그 이웃 뉴런의 가중치는 입력 벡터를 고려하여 조정됩니다. 즉, 눈사태 형성 요인에 대한 포인트 할당은 컴퓨터에 의해 수행되며 해당 값은 새로운 정보가 도착할 때 수정됩니다.

신경망 접근 방식은 컴퓨터의 숫자 처리 능력과 뇌의 일반화 및 인식 능력을 결합하기 때문에 전문가 판단 작업에 특히 효과적입니다.

전문가 시스템의 기능 다이어그램은 다음 블록으로 구성됩니다.

1. 데이터와 공식화된 규칙을 포함하는 지식 기반;
2. 실제 데이터를 규칙으로 대체하고 필요한 결과가 포함된 기계 출력을 얻기 위한 블록;
3. 결과 해석 블록;
4. 대화 관리자, 방송 또는 결과 제시
5. 성공적인 결과를 시스템에 통합하여 추가 운영을 개선하는 데이터 수집 단위입니다.

현재 여러 전문가 시스템이 만들어져 실용화되거나 다양한 산지에서 생산 테스트를 거쳐 개선되고 있다.

눈사태

눈사태 위험 예측에 대한 전문가의 경험을 공식화하려는 첫 번째 시도는 Elbrus 지역의 강설과 관련된 눈사태에 대해 수행되었습니다. 연구 분야에서 다년간의 경험을 가진 전문가를 인터뷰하는 과정에서 "진단 게임"기법을 사용하여 전문가가 예측에 사용하는 징후를 식별하고 (최종 숫자는 6) 그 등급을 결정했으며, 규칙(평가 순서, 특정 상황에서 요인의 중요성 및 영향 정도)이 결정되어 공식적인 예후 체계를 작성할 수 있게 되었습니다. 예측 중에 눈사태 위험의 유무, 눈사태의 위치 및 크기가 결정되었습니다. 다양한 강도의 강설량에 대해 독립적인 자료를 기반으로 한 방법의 타당성은 55~93% 범위였습니다.

현대적인 전문가 예측 시스템을 컴파일하고 운영하는 메커니즘은 스위스 눈사태 연구소에서 만든 DAVOS 및 MODUL 모델의 예를 사용하여 명확하게 설명됩니다.

두 모델 모두 COGENSYS™ 표준 귀납적 의사결정 소프트웨어를 사용합니다.

초기 단계에서 전문가는 사례를 소개하고 사례로 인해 발생하는 상황을 해석하여 프로그램을 "훈련"합니다. 프로그램은 멘토의 결정 관찰을 기반으로 각 입력 매개변수의 논리값을 계산합니다. 이 경우 논리값은 모델 성능 품질에 대한 매개변수의 영향을 측정한 것으로, 매개변수를 고려 대상에서 제외할 경우 구별할 수 없는 상황이 얼마나 되는지를 고려하여 계산됩니다. 영향 정도에 따라 매개변수에 1부터 100까지의 값이 할당됩니다. 이 값은 새로운 정보가 제공될 때마다 지속적으로 수정됩니다. 설명되지 않은 새로운 상황에 직면하면 프로그램은 데이터베이스에서 유사한 상황을 검색합니다.

현재 눈-기상 상황에 해당하는 각 데이터 세트는 눈사태 위험 정도에 따라 결정됩니다. 출력에서 프로그램은 유럽 눈사태 위험 척도에 따라 눈사태 위험 정도에 대한 판단을 내립니다.

또한 예측의 중요성 수준이 결정됩니다. 이는 결과의 정확성에 대한 프로그램의 신뢰도를 나타내는 지표입니다.

모델 간의 차이점은 DAVOS는 측정된 값(최대 13개의 매개변수)만 사용하는 반면, MODUL은 11개의 하위 작업에서 프로그램에 의해 계산된 30개의 매개변수를 순차적으로(단계별) 평가한다는 점입니다. 여기에는 Rutschblock 테스트의 해석이 포함됩니다.

DAVOS 모델의 최신 수정에 대한 예측 정확도 및 사건 예방은 60%를 초과했습니다. MODUL 모델의 타당성은 75%에 달했습니다.

NivoLog 전문가 예측 시스템 데이터베이스에는 날씨, 적설량, 경사 지형, 지리적 특징 및 관측된 눈사태에 관한 수치 정보가 포함되어 있습니다. 이 정보는 관계형 데이터 모델에 따라 구조화됩니다. NivoLog는 수치 정보 외에도 지도, 사진, 정사사진 등의 이미지를 처리할 수 있습니다. 전문가 시스템과 최근접 방법을 결합하면 적설 안정성 지표를 평가하고 해당 눈사태 위험 정도를 결정할 수 있습니다.

프랑스 전문가가 개발한 SAFRAN-CROCUS-MEPRA 모델 패키지는 매우 유명해졌습니다. 일일 기상 관측 데이터만 패키지에 입력됩니다. 이 경우 주요 가정은 패키지의 운영 규모를 결정하는 데이터 배열의 공간적 동질성입니다.

가장 가까운 이웃 방법(기단의 열습도 특성이 요인으로 사용됨)을 사용하여 작업하는 첫 번째 SAFRAN 블록의 출력은 가장 중요한 기상 특성(표면 값), 흐림, 태양 복사 분야의 모델입니다. 다양한 높이와 경사에서의 평균 적설 두께, 시간별 노출에 따른 다양한 노출. 모델은 분석 모드 또는 예측 모드(1일 및 2일 범위)에서 작동합니다.

그런 다음 SAFRAN의 출력은 결정론적 진화 모델 CROCUS에서 Snowpack 구조를 계산하는 데 사용됩니다. 세 번째 단계에서 MEPRA 전문가 시스템은 CROCUS 블록에서 모델링된 내부 상태를 고려하여 다양한 노출의 다양한 고도와 경사면에서 눈층의 안정성을 진단합니다. 모델의 최종 출력은 리드 타임이 최대 2일인 개별(최대 면적 400km 2) 산맥에 대한 눈사태 위험 정도에 대한 예측입니다.

장기 눈사태 위험 예측

기후 변화에 대한 수치 모델이 생성되면서 장기 예측 개발 가능성이 나타났습니다. 문제는 모델에 의해 예측된 기후 특성을 눈사태 지표 특성으로 전환함으로써 해결됩니다. 그 기초는 모델에 의해 계산된 기후 특성(기온, 강수량)과 눈사태 지표(눈 덮음의 두께, 발생 기간, 강수량, 강설 및 해동 일수) 사이의 분석적으로 확립된 연결입니다. 다음으로 특정 종속성을 사용하여 눈사태가 발생하기 쉬운 지역의 경계 변경을 식별하고 눈사태 기간 및 눈사태 상황 수를 계산합니다. 향후 해당 지역의 눈사태 활동에 대한 결론이 내려집니다.

이 접근법은 기후변화 GFDL의 지구 순환 모델을 사용한 작업에 사용되었습니다.

눈사태 활동의 장기 예측에 사용되는 또 다른 방법은 예측된 기후 변화와 유사한 공간 또는 시간 상황을 찾는 것입니다. 이 경우, 아날로그 상황의 데이터는 눈사태 지표 특성으로 사용되며 설정된 연결을 사용하여 연구 지역의 눈사태 활동 매개변수가 예측 기간 동안 계산됩니다.

결론

국가수문기상위원회의 눈사태 단위의 실제 활동에 대한 전문가의 경험을 고려한 수치적 방법의 조합을 통해 최소 90-95%의 정확도로 눈사태 예측이 가능해졌습니다. 동시에 극단적인 상황(대량 눈사태, 인구 활동 영역의 눈사태, 물체에 대한 직접적인 위협)은 거의 100% 정확도로 직관적인 사고를 바탕으로 예측되었습니다. 그러나 특정 유전 유형에 대한 눈사태 예측에 대해서만 유효하고 검증된 방법이 존재했습니다.

다양한 요인으로 인한 눈사태 발생을 예측할 수 있는 전문가 시스템의 점진적인 개발은 아직 눈사태 예측의 품질을 향상시키는 데 기여하지 못했습니다. 또한 눈사태 지역에서 데이터를 얻을 수 없기 때문에 사용이 제한된 결정론적 모델은 예측 품질에 큰 이점을 제공하지 못했습니다. 최근 몇 년 동안에만 산 경사면의 적설 상태 변화에 대한 모델이 실행되었습니다.

동일한 소스 자료에 대해 여러 방법을 병렬 테스트하는 것이 수행되지 않기 때문에 한 방법의 장점을 다른 방법에 비해 평가하는 것이 불가능한 경우가 많습니다.

눈사태의 동적 특성을 계산하고 지형의 눈사태 위험을 평가하는 데 이미 적극적으로 사용되는 GIS 기술을 도입하면 예측 품질을 향상시킬 수 있습니다. 최신 GIS의 기능을 사용하면 지속적으로 데이터를 축적하고, 다양한 계산을 수행하고, 결과를 지리참조할 수 있습니다. 개발 중인 GIS의 가장 중요한 응용과제는 눈사태 발생 시점을 예측하는 것이다.

문학

1.	Abdushelishvili K.L., Kartashova M.P., Salukvadze M.E. 다양한 유전적 유형의 눈사태를 예측하는 방법. Tr. 2차 올 유니온. 올빼미 눈사태에 대하여, L.: Gidrometeoizdat, 1987. p. 83-87.
2.	Akifeva K.V. 유럽의 눈사태 매핑. Tr. 2위 올 유니온 회의 눈사태로. L., Gidrometeoizdat, 1987, pp. 214-219.
3.	Akkuratov V.N. 눈이 날리는 정도와 눈의 온도 압축 정도를 기반으로 눈사태 위험의 시작을 예측합니다. 책 내용: 눈 사용 문제와 눈보라 및 눈사태와의 싸움. M., 소련 과학 아카데미 출판사, 1956, pp. 167-183.
4.	베리 B.L. 파괴의 초기 단계와 눈의 이동에 관한 정보의 사용을 기반으로 한 눈사태의 운영 예측 방법. Tr. 3 올 유니온 회의 눈사태로. L., Gidrometeoizdat, 1989, pp. 94-99.
5.	Blagoveshchensky V.P. 눈사태 부하 결정. 알마아타. "길림." 1991. 116p.
6.	Bozhinsky A.N., Losev K.S. 눈사태 과학의 기초. L.: Gidrometeoizdat, 1987, 280p.
7.	볼로프 V.R. 강설, 눈보라, 눈의 승화 재결정화로 인한 눈사태의 형성, 예측 및 인공 붕괴. 저자의 초록. 디스. 취업 지원을 위해 어. 단계. 박사. 지리학. 과학. 날치크, 1981, 26p.
8.	Vetrov N.A., Grakovich V.F., Trutko T.V. Elbrus 지역의 눈사태 상황에 대한 개요-기후 분석. Tr. VGI, 1984년, 52호, 16-32페이지.
9.	Gelfand I.M., Rosenfeld B.I., Urumbaev N.A. 전문가의 경험을 공식화하는 규칙을 사용하여 눈사태를 예측합니다. M., "사이버네틱스"의 복잡한 문제에 관한 과학위원회. 1985. 사전 인쇄.
10.	눈사태의 지리. 에드. Myagkova S.M., Kanaeva L.A. 모스크바 주립 대학 출판사, 1992, 331 p.
11.	Glazovskaya T.G. 세계의 눈사태 취약 지역 평가: 방법론 및 결과. 저자의 초록. 취업 지원을 위해 어. 단계. 박사. 지리학. 과학. M., 1987, 24p.
12.	Glazyrin G.E., Kondrashov I.V. 눈사태 예측의 방법론적 기반. Tr. 3위 올 유니온. 올빼미 눈사태에 대하여, L.: Gidrometeoizdat, 1989. p. 155-164.
13.	빙하학 사전. L .: Gidrometeoizdat, 1984. 526 p.
14.	그라코비치 V.F. 눈사태 경보 서비스 구성을 위한 정보 시스템입니다. 저자의 초록. 디스. 취업 지원을 위해 어. 박사 학위 지리학. 과학. 모스크바. 1975.
15.	그리쉬첸코 V.F. 우크라이나 카르파티아 산맥의 눈 축적 및 눈사태 형성에 대한 생리학적 조건. 저자의 초록. 디스. 취업 지원을 위해 어. 박사 학위 지리학. 과학. 트빌리시. 1981.
16.	Grishchenko V.F., Dushkin V.S., Zyuzin V.A., Kanaev L.A., Khristoev Yu.V., Chernous P.A. 소련의 눈사태 예측. 눈사태에 관한 제2차 전체 연합 회의의 진행. L.: Gidrometeoizdat, 1987. p.46-57.
17.	Dzyuba V.V. 연구가 거의 이루어지지 않은 지역의 눈사태 위험 기간을 예측하는 방법을 개발하기 위한 지리적 원리. 저자의 초록. 디스. 취업 지원을 위해 어. 단계. 박사. 지리학. 과학.
18.	Dzyuba V.V., Sokolov V.M., Shnyparkov A.L. Chukotka 반도 해안 지역의 눈사태 위험 기상 현상의 개요 조건. Tr. 2 올 유니온 회의 눈사태로. L., Gidrometeoizdat, 1987, pp. 94-99.
19.	Drozdovskaya N.F., Kharitonov G.G. 눈사태 예측의 새로운 방법. Tr. 3 올 유니온 회의 눈사태로. L., Gidrometeoizdat, 1989, pp. 164-171.
20.	Epifanov V.P., Kuzmenko V.P. 음향 방법을 이용한 눈사태 조건 연구. Tr. 3 올 유니온 회의 눈사태로. L., Gidrometeoizdat, 1989, pp. 94-99.
21.	이즈볼디나 V.A. 콜라 반도에서 눈보라 눈사태의 형성 및 하강을 위한 공기시관 조건. 앉았다. Khibiny 산맥의 눈과 눈사태에 대한 연구. L., Gidrometeoizdat, 1975, pp. 51-63.
22.	Isaev A.A. Kamchik Pass에 대한 전문적인 눈사태 위험 예측을 자세히 설명한 경험이 있습니다. Tr. SANIGMI, 1998년, 157호(238), 14-19페이지.
23.	소련의 눈사태 지적. 1-20권. – L.: Gidrometeoizdat, 1984-1991.
24.	카나예프 L.A. 눈사태 안전을 보장하기 위한 과학적, 방법론적 기반. 저자의 초록. 디스. 취업 지원을 위해 어. 지리학 박사 학위. 과학. 타슈켄트. 1992.
25.	카나예프 L.A. 적설 특성의 다양성. Tr. SANIGMI, 1969년호. 44(59). p.25-42.
26.	카나예프 L.A. 소련의 눈사태 위험 예측에 관한 연구의 주요 결과 및 목적(검토). Tr. 2차 올 유니온. 올빼미 눈사태에 대하여, L.: Gidrometeoizdat, 1987. p. 28-36.
27.	Kanaev L.A., Sezin V.M., Tsarev B.K. 소련의 눈사태 위험 예측 원칙. 눈사태에 관한 제2차 전체 연합 회의의 진행. L.: Gidrometeoizdat, 1987. pp. 37-46.
28.	Kanaev L.A., Tupaeva N.K. 기단의 찬 침입과 사이클론 과정 동안 서부 Tien Shan에서 눈사태에 대한 배경 예측. Tr. 2차 올 유니온. 올빼미 눈사태에 대하여, L.: Gidrometeoizdat, 1987. p. 69-77.
29.	Kanaev L.A., Kharitonov G.G. 눈사태 형성 요인의 정보 내용 평가. 눈사태에 관한 제3차 전체 연합 회의의 진행. L.: Gidrometeoizdat, 1989. pp. 135-145.
30.	콘드라쇼프 I.V. 카자흐스탄 산의 눈사태 형성 조건, 눈사태 예측 방법 및 이에 대한 보호. 저자의 초록. 디스. 취업 지원을 위해 학업 단계 d.지오그르. 과학, 알마티, 1995, 40p.
31.	소련의 눈사태가 발생하기 쉬운 지역. 에드. 모스크바 주립대학교, 1970. 200p.
32.	BAM 고속도로 지역의 눈사태. M.: Gidrometeoizdat, 1984, 174p.
33.	Losev K.S. 눈사태 예측 방법에 대해. Tr. SANIGMI, 1970년호. 51 (66), p. 100-104.
34.	Losev K.S. 눈사태 발생 원리의 기초와 눈사태 과학의 응용 문제를 해결하기 위한 적용. 저자의 초록. 디스. 취업 지원을 위해 어. 단계. d.지오그르. 과학. 엠., 1982. 44p.
35.	Masyagin G.P. 사할린의 일부 수문기상학적 요소와 특히 위험한 기상 현상을 예측하기 위한 계산 방법. Tr. DVNIGMI, 97호. 1981.
36.	소련의 눈사태 예측을 위한 방법론적 권장 사항. M. Gidrometeoizdat. 1990. 128p.
37.	국민경제를 위한 눈사태 지원 지침. 타슈켄트. 1987. 48p.
38.	Moskalev Yu.D. 눈사태 및 눈사태 부하. Tr. SANII, 109호(190). 1986. 156p.
39.	Okolov V.F., Myagkov S.M. 기후 관련 위험 현상의 장기 예측을 위한 방법론(눈사태의 예 사용) 책 내용: 산의 성질 변화에 대한 평가 및 장기 예측. 남: 출판사예요. 모스크바 주립대학교, 1987. pp. 104-120.
40.	Otwater M. 눈사태 사냥꾼. M .: Mir, 1972. 269 p.
41.	눈사태 위험 예측을 위한 실제 가이드입니다. L .: Gidrometeoizdat, 1979. 200p.
42.	눈사태 보호의 효율성 문제. 에드. Bozhinsky A.N., Myagkova S.M. 출발 VINITI N 3967-B91에서. 엠., 1991. 285p.
43.	KS-19 포병 시스템을 이용한 눈사태 예방 지침. M .: Gidrometeoizdat, 1984. 108 p.
44.	눈사태 대응 지침(임시) L .: Gidrometeoizdat, 1965. 397 p.
45.	Seversky I.V., Blagoveshchensky V.P. 산악 지역의 눈사태 위험 평가. 알마아타. 1983. 220p.
46.	세진 V.M. 남부 저기압이 중앙아시아에 진입할 때 상황을 눈사태 위험과 눈사태 위험이 없는 상황으로 분류합니다. Tr. SANII, 1983년, 99호(180), 112-118페이지.
47.	셀리베르스토프 Yu.G. 도로 눈사태로 인한 경제적 피해를 계산하는 방법론(키르기스스탄의 예 사용) 책 내용: 자연 재해 및 자연 재해에 대한 조사 매핑. M .: MSU, 1992. P.233-242. 출발 VINITI에서 1992년 4월 24일. 1389.V.92.
48.	Khibiny 산맥에 눈사태가 발생했습니다. M., L.: Gidrometeoizdat, 1938, 100p.
49.	Sokolov V.M., Troshkina E.S., Shnyparkov A.L. 소련 국경 지역의 눈사태 예측 매뉴얼. M.: GU PV KGB 소련, PLSLS MSU, 1991, 129 p.
50.	Troshkina E.S. 소련 산악 지역의 눈사태 정권. M., 출판사 VINITI, 1992, 196 p.
51.	Troshkina E.S., Voitkovsky K.F. 눈사태 통제 조치의 효율성에 대한 예측 평가. 책 내용: 산에 눈이 덮이고 눈사태가 납니다. M.: Nauka, 1987. pp. 137-143.
52.	투신스키 G.K. 빙하, 설원, 소련의 눈사태. 엠., 1963. 312p.
53.	구조물 설계 시 눈사태 하중 계산 지침 VSN 02-73. M. Gidrometeoizdat, 1973. 20p.
54.	Kharitonov G.G. 하천 유역의 눈사태를 예측하는 방법. 쿠네르마(바이칼 능선). Tr. 2차 올 유니온. 올빼미 눈사태에 대하여, L.: Gidrometeoizdat, 1987. p. 87-94.
55.	Chernous P.A., Fedorenko Yu.V. 경사면에서의 스노우보드 안정성에 대한 확률적 평가. 매트. 광택 iss. 2000년 88호. 87-91페이지.
56.	Shnyparkov A.L. 특히 큰 눈사태와 대량 수집 조건. 저자의 초록. 디스. 취업 지원을 위해 어. 박사 학위 지리학. 과학. 모스크바. 1990.
57.	슈빈 V.S. Dondychan 눈사태 지점 지역의 Tenkinskaya 고속도로를 따라 눈사태 위험이 예측됩니다. Tr. 2차 올 유니온. 올빼미 눈사태에 대하여, L.: Gidrometeoizdat, 1987. p. 100-107.
58.	슈빈 V.S. 마가단 지역 내륙 지역에 대한 눈사태 위험 예보. 정보 마가단 주립 의료 센터에서 온 편지. 마가단, 1987.
59.	Ammann W., Buser O., Vollenwyder U. Lawinen. 바젤: Birkhauser V., 1997, 170 S.
60.	눈사태 분류. 수 문학 게시판. 1973, 1b, N 4, p.391-402.
61.	버클랜드, 칼 W.; 존슨, 론; 허즈버그, 다이앤. 1996. 스터프블록 눈 안정성 테스트. 기술. 대표. 9623-2836-MTDC. 미줄라, MT: 미국 농무부, 산림청, 미줄라 기술 개발 센터. 오후 20시
62.	Bolognesi R. NivoLog: 눈사태 예측 지원 시스템. ISWW'98. URL: http://www.issw.noaa.gov/hourly%20agenda.htm
63.	Bolognesi R., Buser O., Good W. 스위스의 지역 눈사태 예측: 전략 및 도구. 새로운 접근 방식… ISWW'98. URL: h
64.	볼로네시 R., 데뉴엘 M., 덱스터 L. 눈사태 예측 ~와 함께 GIS. URL: http://www.avalanche.org/~issw/96
65.	Brun E., Martin E., Simon V., Gendre C., Coleou C. 운영 및 눈사태 예측에 적합한 적설의 에너지 및 질량 모델. J. Glaciol., 35(121), 1989, 333-342.
66.	Buser O., Föhn, P., Gubler W., Salm B. 눈사태 위험 평가를 위한 다양한 방법. 추운. 등록. 과학. 기술., 1985, 10(3), 199-218.
67.	Buser, O., Butler, M. 및 Good, W. 1987. 가장 가까운 이웃 방법으로 눈사태를 예측합니다. IAHS 출판. 162.557-569.
68.	Durand Y., Brun E., Merindol L., Guyomarc'h, Lesaffre B., Martin E. 눈 모델에 대한 관련 매개변수의 기상학적 추정. 앤. Glaciol.,18, 1993, 65-71.
69.	Föhn P., Haechler P. Prevision de Grosses avalanches au moyen d'un modele deterministe-statistique. Deuxieme Rencontre Internationale sur La Neige et les Avalanches에 있습니다. 1978. Rendus와 경쟁. 그르노블, Assotiation Nationale pour l'Etude de la neige et les Avalanches, 151-165.
70.	Föhn, P. 1987. 경사 안정성 평가를 위한 실용적인 도구인 Rutschblock. IAHS 간행물, 162, 223-228.
71.	Ftshn P. 눈사태 예측 모델 및 방법의 개요. 오슬로, NGI, Pub.N 203, 1998, 19-27.
72.	Giraud O., Brun E., Durand Y., Martin E. Safran/Crocus/Mepra 모델은 눈사태 예측자를 위한 지원 도구입니다. 오슬로, NGI, Pub.N 203, 1998, 108-112.
73.	Glazovskaya T. 눈사태의 전 세계적 분포와 기후 변화로 인한 북반구 눈사태 활동의 변화 가능성. 빙하학 연대기. 영국 케임브리지, 1998. Vol. 26, p. 337-342.
74.	Houdek J., Vrba M. Zimni nebezpeči v horbch. 프라하: Statni Tĕlovеchovni Nakladatelstvi, 1956. 205 p.
75.	저드슨 A., 리프 C.F., 브링크 G.E. 눈사태 위험을 시뮬레이션하기 위한 프로세스 중심 모델입니다. J. Glaciol., 26(94), 53-63.
76.	Klinkenberg P. GIS를 사용한 눈사태 위험 모델링. URL: http://www.csac.org
77.	LaChapelle E. 눈사태 예측 – 현대적인 종합. 출판. 협회 인턴. 하이드로. Sci., 1966, N 69, p.350-356.
78.	루트홀드 H., Allgöwer B., 마이스터 R. 시각화 그리고 분석 ~의 그만큼 스위스 눈사태 게시판 사용하여 GIS. ISWW'98. URL: h
79.	Leuthold, H., Allgower, B. 및 R. 마이스터. 1997. GIS를 사용한 스위스 눈사태 게시판의 시각화 및 분석. 1996년 국제 눈 과학 워크숍 간행물, 캐나다 밴프. 35-40.
80.	맥클렁, D.M. 그리고 P. Schaerer. 1993. 눈사태 핸드북. The Mountaineers, 미국 워싱턴주 시애틀, 271쪽.
81.	Meister R. 스위스 전역의 눈사태 경고. ISWW'98. URL: h ttp://www.issw.noaa.gov/hourly%20agenda.htm.
82.	캐나다 눈사태 협회(Canadian Avalanche Association)가 작성한 날씨, 적설 ​​및 눈사태에 대한 관측 지침 및 기록 표준. 1995, ISBN 0-9699758-0-5
83.	페를라 R.I. 눈사태 위험 평가의 기여 요인. Can.Geotech.J., 7(4), 1970, 414-419.
84.	Schweizer J., Föhn P. 눈사태 위험을 예측하는 두 가지 전문가 시스템 특정 지역에 대해. ISWW'98. URL: http://www.issw.noaa.gov/hourly%20agenda.htm.
85.	Schweizer J., Jamieson J.B., Skjonsberg D. Glacier National Park의 교통 통로 및 오지에 대한 눈사태 예측(BC, 캐나다). 오슬로, NGI, Pub.N 203, 1998, 238-244.
86.	슈바이처, M., 폰, P.M.B. 및 Schweizer, J. 1994. 눈사태 예측 시스템을 구축하기 위해 신경망과 규칙 기반 시스템을 통합합니다. 진행 IASTED 국제 컨퍼런스: 인공 지능, 전문가 시스템 및 신경망, 1994년 7월 4~6일, 스위스 취리히.
87.	Seliverstov Yu., Glazovskaya T. 유라시아 북동부의 대륙 내 지역에 대한 눈사태 위험 예측. 오슬로, NGI, Pub.N 203, 1998, 245-248.
88.	Stephens J., Adams E., Huo X., Dent J., Hicks J., McCarty D. 눈사태 위험 예측에 신경망 사용. ISWW'98. URL: h ttp://www.issw.noaa.gov/hourly%20agenda.htm.
89.	Tschirky F. Lawinenunfallstatistik der Schweiz 1985 – 1998. URL: http://www.slf.ch.
90.	URL: http://www.avalanche.org.
91.	URL: http://www.neuroproject.ru.
93.	URL: http://www.csac.org
94	워드 R.G.W. 스코틀랜드의 눈사태 예측. 응용지리학, 1984, vol.4, p.91-133.

이 자료를 다른 리소스에 사용하는 것은 금지되어 있습니다!

이 섹션에서는 눈사태 위험 예측에 대한 과학적 접근 방식을 설명합니다.

예측 유형

현재 눈사태 위험 예측에는 세 가지 유형이 사용됩니다. 즉, 산악 지역에 대한 소규모 배경, 산간 분지 또는 눈사태 집수지 그룹에 대한 대규모 배경, 특정 눈사태 집수지 또는 눈사태가 발생하기 쉬운 경사면에 대한 세부 정보(지역 예보)입니다. ).

눈사태 예보에는 눈이 쌓이고 변성 과정이 눈 덮음의 안정성을 방해하고 눈사태가 형성될 수 있는 특정 시간 간격을 사전에 결정하는 작업이 포함됩니다. 강수량의 종류, 강수량, 강수량, 눈보라의 적설량, 기온 및 습도 등 기상 조건의 기타 특성이 적설 상태 및 안정성에 직접적인 영향을 미치기 때문에 이는 기상 조건 예측과 밀접한 관련이 있습니다.

배경 예보는 해당 산악 지역의 눈사태 위험 평가로 구성되며 "눈사태 위험" 또는 "눈사태 위험 없음"으로 발행됩니다. 눈사태 예측의 리드타임은 강수 강도, 해빙 강도 및 기간, 기타 산지의 기상 지표에 대한 장기 예측을 위한 정량적 방법이 부족하기 때문에 제한됩니다. 일반적으로 몇 시간 단위로 측정되며 예측은 리드 타임이 "0"인 경우가 많습니다. 즉, 눈사태 위험에 대한 현재 평가만 제공됩니다.

지역 예보에는 특정 눈사태 수집의 눈사태 구역 내 적설 안정성과 예상되는 눈사태의 자발적 방출 전 시간 결정, 눈사태 방출의 예상 부피 및 범위 평가, 눈사태 위험 제거를 위한 최적 조건 선택 등이 포함됩니다. 인위적으로 눈사태를 방출합니다.

눈사태 예측 방법은 소련에서 30년대부터 처음에는 Khibiny 산맥에서, 그다음에는 코카서스에서 개발되어 폭넓게 실용적으로 적용되었습니다. 전후 몇 년 동안 중앙아시아, 카자흐스탄, 남부 사할린의 산지에서도 눈사태 위험 예측에 상당한 진전이 이루어졌습니다.

가장 발전된 배경 예측은 폭설과 눈보라로 인한 눈사태에 대한 것입니다. 주로 눈과 기상 상황에 대한 분석과 눈사태 위험 발생 시간과 눈사태를 결정하는 요인의 변화 사이의 확립된 통계적 관계를 기반으로 젖은 눈 눈사태에 대한 배경 예측을 개발하는 데에도 약간의 진전이 있었습니다. 동시에 눈 덮음의 구조, 밀도 및 온도 범위와 안정성의 지역적 특성에 대해 사용 가능한 모든 정보를 사용합니다.

눈사태 지역의 적설 상태와 특성에 대한 신뢰할 수 있는 정보를 얻기 위한 방법과 장비가 부족하고 눈의 강도 특성과 안정성 지표를 결정하는 기존 방법의 정확성이 부족하여 지역 예측 방법이 아직 제대로 개발되지 않았습니다. 커버가 낮습니다.

폭설과 눈보라로 인한 눈사태 예보.

눈보라와 눈보라는 적설의 안정성에 직접적인 영향을 미치므로 이로 인해 발생하는 눈사태를 "직접 작용" 눈사태라고 합니다. 그러나 눈사태 형성 과정은 다른 요인들에 의해서도 크게 영향을 받습니다. 눈사태 확률을 정성적으로 평가하기 위해 10가지 주요 눈사태 형성 요인을 평가합니다(Snow Avalanches, 1965).

— 오래된 눈의 높이.첫 번째 눈은 일반적으로 눈사태를 동반하지 않습니다. 먼저 눈이 경사면의 울퉁불퉁한 부분을 채우고 그 후에야 평평하고 매끄러운 표면이 나타나 새로운 눈 층이 아래로 미끄러질 수 있습니다. 따라서 눈이 내리기 전 오래된 눈의 높이가 높을수록 눈사태의 가능성이 커집니다. 이 경우 오래된 눈의 높이와 경사면의 불규칙한 특성 크기의 비율이 매우 중요합니다. 따라서 부드러운 잔디 경사면에서는 눈 덮음 높이가 15-20cm이고 큰 바위 노두 또는 덤불이있는 경사면에서는 오래된 눈 높이가 1-2m 일 때만 눈사태 위험이 발생할 수 있습니다.

— 오래된 눈과 그 표면의 상태.눈 표면의 특성은 갓 내린 눈과 오래된 눈의 접착에 영향을 미칩니다. 바람에 의해 움직이는 눈판이나 얼음 껍질의 매끄러운 표면은 눈사태를 선호합니다. 표면이 얇은 가루 눈으로 덮여 있으면 신선한 눈이 안정성을 잃을 가능성이 높아집니다. 반대로, 거친 표면, 바람에 의한 사스트루기, 해면질 비 표면은 눈사태 형성 가능성을 줄입니다. 오래된 눈의 특성에 따라 무너지지 않고 견딜 수 있는 새로 떨어지거나 날리는 눈의 양과 새 눈이 그 위로 미끄러질 때 눈사태에 연루되지 않고 경사면에 머무를 수 있는 능력이 결정됩니다. 특히 눈사태 형성에 취약한 것은 깊은 서리 층과 중간층의 존재이며, 그 형성은 경사면의 유형과 적설 재결정 과정의 열역학적 조건에 따라 결정됩니다.

— 갓 내린 눈이나 눈보라로 쌓인 눈의 높이.적설 깊이의 증가는 눈사태 형성의 가장 중요한 요인 중 하나입니다. 강설량은 잠재적인 눈사태 위험을 나타내는 지표로 자주 사용됩니다. 각 지역마다 신선한 눈이 내리는 특정 임계 높이가 있으며, 그 이상에서는 눈사태 위험이 있습니다. 그러나 눈사태 위험의 지표로서 눈 깊이는 다른 눈사태 요인과 함께 사용해야 한다는 점을 항상 기억해야 합니다.

— 갓 내린 눈의 광경.떨어지는 고체 강수량의 유형은 눈 덮개의 기계적 특성과 오래된 눈과의 접착력에 영향을 미칩니다. 따라서 차가운 프리즘과 바늘 모양의 결정이 떨어지면 접착력이 낮은 느슨한 눈 덮개가 형성됩니다. 또한 바람이 불고 서리가 내린 날씨에 별 모양의 결정이 떨어져 나갈 때도 형성됩니다. 기온이 약 0°이면 눈송이가 떨어져 큰 조각 형태로 떨어지면서 서로 합쳐질 수 있습니다. 이러한 입자의 눈 덮개는 빠르게 압축됩니다. 눈사태가 발생할 가능성이 가장 높은 때는 막 떨어진 푹신하고 건조한 미세한 눈으로 덮여 있을 때입니다. 눈사태는 종종 건조하고 압축된 눈에서 형성되는 반면, 젖고 젖은 눈이 쌓일 때는 눈사태가 거의 발생하지 않습니다.

— 갓 내린 눈의 밀도.눈사태가 발생할 확률은 100kg/m 3 미만의 저밀도 눈 덮개가 형성될 때 관찰됩니다. 눈이 내리는 동안 새로운 눈의 밀도가 높을수록 눈사태가 발생할 가능성은 줄어듭니다. 눈의 밀도를 높이면 눈사태 가능성이 줄어들지만, 이 규칙은 눈보라 중에 형성되는 눈판에는 적용되지 않습니다.

— 강설 강도(눈이 쌓이는 비율).강설 강도가 낮을 ​​때 전단력 증가로 인한 경사면의 적설 안정성 지수 감소는 눈 압축 중 접착력 증가 및 마찰 계수 증가로 인한 안정성 증가로 보상됩니다. 눈이 쌓이는 속도가 증가함에 따라 질량 증가의 영향이 압축의 영향보다 우세하며 눈 덮개의 안정성이 감소하고 눈사태가 발생하는 조건이 생성됩니다. 예를 들어, Tien Shan 지역에서는 강설 강도가 0.15cm/h까지는 눈사태가 관찰되지 않지만, 0.8cm/h로 증가하면 45~75%에서 눈사태가 관찰됩니다.

— 강수량과 강도- 본질적으로 이전 요소에 해당하는 요소입니다. 액체 강수량과 눈보라를 고려하여 경사면의 수평 투영의 단위 면적당 눈 질량의 증가를보다 정확하게 특성화합니다.

- 눈이 내리는 중.떨어지는 눈이 압축되고 침전되는 과정은 접착력과 내부 마찰 계수를 증가시켜 적설의 안정성을 높이는 데 기여합니다. 저밀도 눈은 초기 강도가 낮지만 빠르게 압축됩니다. 초기 강도가 높은 빽빽한 눈이 천천히 쌓입니다. 눈이 내리거나 눈보라가 치는 동안과 눈이 내린 직후에는 눈을 내리는 것이 중요합니다. 눈사태 형성은 때로 오래된 눈의 침전에 의해 영향을 받습니다(예를 들어, 단단한 눈 슬래브 아래에 고르지 않은 눈이 내리면 슬래브가 파손되고 안정성이 저하될 수 있습니다).

- 바람.바람의 전달은 눈 덮개의 재분배와 단단한 껍질, 눈판 및 타격의 형성으로 이어집니다. 바람은 눈 처마 장식을 형성하고 그 아래에는 눈이 쌓여 있습니다. 강한 바람은 눈층에서 공기 흡입을 생성하여 수증기가 이동하고 눈의 하층이 느슨해지는 데 기여합니다. 바람은 눈사태 형성 과정에서 중요한 역할을 하며, 특히 눈보라로 인한 눈 이동 및 축적의 요인으로 작용합니다.

- 온도.눈사태 형성에 대한 온도의 영향은 다면적입니다. 기온은 떨어지는 고체 강수 입자의 유형, 눈 덮음의 형성, 압축 및 온도 체제에 영향을 미칩니다. 깊이에 따른 눈 덮인 온도의 차이는 변성 과정의 속도와 성격을 결정합니다. 눈의 온도는 점성 강도 특성에 큰 영향을 미칩니다. 기온이 급격히 감소하면 눈층이 파열되어 온도 균열이 형성되고 눈사태가 발생할 수 있습니다.

미국에서는 눈사태 위험을 신속하게 평가하고 예측하기 위해 눈사태 형성 요인에 대한 정보를 사용하려는 시도가 있었습니다. 이를 위해 나열된 각 요인을 눈사태 형성 경향에 따라 10점 시스템으로 평가한 다음 이러한 점을 요약했습니다. 가능한 점수는 0부터 100까지입니다. 점수가 높을수록 눈사태 가능성이 높으며, 0은 눈사태 위험이 없음을 의미하고, 100은 눈사태 가능성이 가장 높은 것을 의미합니다.

눈사태 위험에 대한 배경 예측을 위해 눈사태 형성 요인을 평가하는 유사한 방법이 러시아의 일부 눈사태 취약 지역에서도 사용됩니다. 눈사태를 예측하려면, 북부 Tien Shan 지역의 강설 시기, 나열된 10가지 요소 외에도 종관 과정의 특성 및 눈층의 안정성도 사용됩니다. 강설 및 눈사태로 이어지는 전체 과정을 분석할 때 가장 일반적인 상황을 식별하고 이에 대한 정량적 평가를 포인트로 제공했습니다. 눈 층의 안정성은 실험 현장에서 눈의 전단 저항을 측정하고 눈사태 지역의 적설 안정성 지수를 결정하여 평가합니다. 눈사태 관측자료와 이에 수반되는 기상조건의 분석 및 통계처리를 바탕으로 눈사태 발생요인에 따라 눈사태 발생 확률을 포인트 단위로 추정하였다.

총점은 눈사태 위험 정도를 나타내며, 점수가 높을수록 눈사태가 발생할 확률이 높습니다. 눈사태 형성 요인의 점수는 눈사태 관측소 관측소에 7~8cm의 새로운 눈이 쌓일 때 시작됩니다. 그런 다음 주기적으로 특정 간격으로 계산이 반복됩니다. 눈 두께의 증가율이 알려진 경우, 눈사태 위험이 시작되기 전의 시간은 임계 눈 높이에 도달하는 시간으로 결정됩니다.

눈사태를 예측하기 위해 눈사태와 강설 강도, 강설 중 기온, 풍속 및 기타 요인 간의 관계에 대한 경험적 그래프가 사용되는 경우가 많습니다.

눈사태 형성과 풍속 및 기온의 조합, 기온의 증가에 따른 특정 방향의 풍속, 총 눈보라 이동 및 시간 등의 관계를 식별하기 위해 유사한 경험적 그래프가 구성됩니다. 콜라 반도에서는 그래프 눈사태의 시작과 끝의 시간은 눈보라 이동의 강도에 따라 눈보라 위험으로 인한 눈사태를 예측하는 데 사용됩니다(실용 매뉴얼..., 1979). 예측은 기상 관측 데이터를 기반으로 하며 동시에 눈층의 온도 분포와 기온을 관찰합니다.

경험적 의존성에 기초한 예측의 타당성은 주로 사용된 기상 정보의 양과 신뢰성, 그리고 이러한 의존성이 눈사태 활동의 특징을 얼마나 명확하게 나타내는지에 따라 결정됩니다. 예측의 신뢰성을 높이려면 기상 관측소를 눈사태 빈도가 가장 높은 고도에 위치해야 합니다. 특정 지역에서 눈사태 형성에 가장 큰 영향을 미치는 요인을 식별하는 데 특별한 주의를 기울여야 하며, 눈사태 상황에 대한 확률적, 통계적 평가를 위해 이를 종합적으로 사용해야 합니다. 갓 내린 눈과 날리는 눈으로 인한 눈사태 이전의 대기 순환 과정을 적시에 분석하는 것도 중요합니다. 이를 통해 예측 리드타임을 늘릴 수 있습니다.

적설 변성으로 인한 눈사태 예측.

눈사태를 예측하려면 현재의 기상 조건뿐만 아니라 이전 겨울 전체의 특성도 고려해야 합니다. 눈사태 지역의 눈의 온도 체계, 층위 구조, 밀도 및 강도 특성을 아는 것이 특히 중요합니다. 이 지역의 적설을 직접 관찰하는 것은 위험하므로 그 특성은 원격 관찰, 실험 현장에서의 측정 및 눈사태 발생 지역 근처의 눈사태 안전 지역에서의 눈 측정 작업 경로를 기반으로 결정됩니다.

가장 위험한 곳은 비교적 얕지만 눈이 많이 재결정된 경사면입니다.

어느 시점에서 깊은 서리층은 눈판의 하중을 견딜 수 없어 갑자기 가라 앉습니다. 침하의 이질성으로 인해 슬래브에 균열이 발생하여 안정성이 손상될 수 있습니다. 특히 폭설이 내리는 동안 또는 눈이 날리는 동안 불리한 조건이 발생하여 잠재적으로 불안정한 깊은 서리층에 추가적인 스트레스를 가합니다.

상대적으로 높은 기온의 눈이 푹신한 덮개를 형성하고 그 위에 눈보라가 날아와 눈판을 형성하여 푹신한 눈이 빠르게 재결정되면 위험합니다.

눈 덩어리의 이질성, 특히 눈 덩어리 또는 약한 층의 존재로 인해 눈 덮인 발달의 거의 모든 단계에서 눈사태가 발생할 가능성이 있습니다. 따라서 그러한 징후에 특별한주의를 기울여야합니다.

눈 재결정화로 인한 눈사태는 일반적으로 경사면에 잠재적으로 불안정한 단층 또는 다층 눈판이 있을 때 발생합니다. 일부 지역에서는 국지적으로 불안정한 상태에 있으며 모서리 힘으로 인해 경사면에 고정되어 있습니다. 이러한 슬래브의 안정성 위반은 예상치 못한 다양한 이유(눈 처마 장식 붕괴, 돌 낙하, 스키어-스노보더의 통과 또는 통과, 슬래브 아래 고르지 않은 눈 정착 등)에 의해 발생할 수 있습니다. 눈사태의 시기를 예측하는 것은 거의 불가능합니다. 따라서 눈사태 가능성을 평가하고 눈사태가 발생하기 쉬운 경사면에서 눈을 인위적으로 붕괴시키는 것이 가장 바람직한 시간을 결정하는 것으로 제한됩니다.

눈사태가 발생하기 쉬운 경사면에서 국지적 안정성을 계산하기 위한 적설의 정량적 특성을 얻기 위해 미리 선택된 지역에서 10일 간격으로 눈 덩어리를 파냅니다. 이때 눈층의 성층화, 층별 밀도, 층 접촉 시 눈 전단강도 및 인장강도의 한계 등이 결정된다. 안정성 여유가 작은 적설판 영역이 있는 경우 추가 재결정 과정으로 인해 적설의 국부적 안정성이 감소할 가능성을 고려할 필요가 있습니다. 국부적으로 플레이트가 불안정한 영역이 식별되면 이는 눈사태 위험을 나타냅니다.

적설 조사 간격의 국지적 안정성 지수 변화를 계산하기 위해 기상 조건 및 적설 온도에 대한 정보를 사용하여 재결정 강도와 눈 강도 특성의 예상 변화를 계산합니다. 같은 방식으로 적설 안정성의 감소 가능성에 대한 예측 추정치는 기상 조건 예측과 눈층의 온도 체계를 기반으로 결정됩니다.

기온이 급격하게 하락하고 눈이 내릴 것으로 예상되는 눈사태 예보에 특히 주의가 필요합니다. 온도가 감소하면 꼬임이 있는 곳의 스노우 슬래브에 추가 인장 응력이 발생하여 분리 균열이 형성되고 슬래브의 안정성이 침해될 수 있습니다. 작은 눈이라도 깊은 서리의 부서지기 쉬운 파괴, 눈판의 연속성 붕괴 및 눈사태 형성에 충분한 추가 하중을 생성할 수 있습니다.

젖은 눈사태 예보.

일반적으로 눈이 녹기 시작하는 봄에 젖은 눈사태가 대량으로 발생합니다. 이러한 눈사태는 해빙과 눈 덮개에 내리는 비의 결과로 겨울에도 가능합니다. 이러한 눈사태에 대한 예측은 적설의 온도, 열 전달 및 습도 관찰 분석을 기반으로 합니다. 예측 문제는 눈사태 형성 요인과 그 임계값 분석을 기반으로 해결됩니다.

서부 Tien Shan 지역의 젖은 눈으로 인해 눈사태가 발생하는 기간 동안의 기상 상황 분석을 바탕으로 다음과 같은 조항이 개발되었으며, 이는 예측 개발 시 사용하도록 권장됩니다(Practical manual..., 1979).

— 갓 내린 젖은 눈사태는 기온이 0을 통과하는 극심한 온난화의 결과로 형성됩니다. 눈사태는 온난화 전 강설 기간 동안 고체 강수량이 10mm 이상일 때 발생합니다.

— 갓 내린 눈으로 인한 눈사태에 대한 일일 예보는 눈사태 형성과 기온 사이의 관계에 대한 경험적 그래프를 사용하여 "눈사태 위험"과 "눈사태 위험하지 않음"의 두 가지 유형으로 정리됩니다. 이 그래프의 곡선은 눈사태 위험의 시작을 결정하는 주간 기온의 임계 값을 결정합니다. 예보는 사전에(12시간) 준비되며 실제 기온을 기준으로 업데이트됩니다.

— 오래된 젖은 눈으로 인한 눈사태에 필요한 조건은 기온이 양의 값으로 안정적으로(24시간 이상) 전환되는 것입니다. 눈사태 위험 기간의 시작은 막 떨어진 젖은 눈으로 인한 눈사태 예측과 유사한 경험적 일정에 의해 결정됩니다.

— 강우 기간 동안 눈사태 예측은 적설 표면에 비가 내리는 날 밤 및 최대 기온과 눈사태 형성의 관계를 특성화하는 그래프에 따라 수행됩니다.

Inner Tien Shan의 조건에서 가장 가까운 관계는 기온이 0°를 통과하여 양의 값으로 변할 때 적설의 수분 함량과 일일 최대 값의 합 사이인 것으로 나타났습니다. 0°에서 눈사태까지의 전환 기간입니다. 예측에는 눈사태 발생 시간과 태양 복사 강도 간의 관계 그래프도 사용됩니다.

일부 지역에서는 습한 눈사태의 시작 시간과 기온 상승 강도 사이의 관계에 대한 경험적 그래프가 사용됩니다. 눈의 유착, 적설량, 양의 기온 및 기타 경험적 의존성의 합으로 인한 눈사태 형성. 젖은 눈사태를 예측하는 방법은 추가적인 개선이 필요합니다.

재료 기반 - 눈사태 과학 / K.F. Voitkovsky - M., 모스크바 주립 대학 출판사, 1989

눈사태: 눈덩이; 자연적인 과정. 교육 전제 조건: 눈이 쌓임; 중력; 마찰력; 경사 경사도 25 – 60°(그러나 때로는 15°); 눈의 속성.

눈 덮음.

1. 눈의 종류 및 형성 조건: 신선한 눈(갓 내린 눈(푹신하고 느슨함), 갓 쌓인 눈, 눈보라 눈), 오래된 눈, 전나무.

2. 바람과 태양 복사, 온도, 깊은 서리의 영향으로 눈의 구조 변화.

3. 경사면에 쌓인 눈 덮개의 힘 분포: 안정된 상태, 불안정한 상태, 긴장된 평형.

눈사태 요소: 개시 구역, 분리선(점), 통과 구역, 눈사태 몸체, 충적추, 퇴적 구역.

눈사태의 종류.

1. 눈 유형별 : 눈 (바람) 보드의 눈사태, 갓 떨어진 (푹신하고 느슨한) 눈사태 및 갓 쌓인 눈 (먼지 눈사태), 젖은 눈사태 (습하고 축축하고 축축한 눈).

2. 환승 구역의 눈 이동 형태에 따라: 눈 산사태, 수로, 눈사태.

눈사태가 발생하기 쉬운 형태의 산악 구호: 개방형 가파른 경사면, 완만하게 볼록한 경사면, 오목한 경사면 및 빈 공간의 사전 통과 부분, 처마 장식, 쿨와르, 권곡, 함몰된 경사면. 계곡: 골짜기 모양, V자 모양, 협곡.

탈선 상황: 체중 증가(강설); 마찰 감소(온난화, 경사면 절단); 진동(큰 소리, 뇌우, 떨림); 눈에 대한 영향(처마 장식, 돌의 붕괴, 사람의 움직임, 바람); 따뜻한 날씨 이후 급격한 냉각으로 인해 "깊은 서리"가 형성됩니다.

눈사태 예측. 적설 두께(30cm 이상). 경사의 가파른 정도. 경사면에 장애물이 있습니다(바위 선반, 테라스, 숲). 날씨(강설, 비, 온난화, 온도 변화, 바람). 하루 중 시간과 태양의 위치. 눈의 종류와 밀도. 충적 원뿔의 존재, 인접한 경사면의 눈사태. 예상치 못한 눈사태(눈 특성의 점진적인 변화). 비수기에는 산악 지역을 폐쇄하고 눈사태(폭발)를 인공적으로 방출합니다.

눈사태 장비: 눈사태 코드, 스키 폴 프로브, 후크가 있는 프로브, 무선 신호 장치, 눈사태 삽(얼음 도끼에 부착). 냄비 뚜껑은 핀치로 사용할 수 있습니다.

눈사태 코드 표시: (테이프) 15 – 25m, 밝고 내구성이 있으며 미끄럽고 사람의 방향과 거리가 표시되어 있습니다.

눈사태가 발생하기 쉬운 지역에서 운전할 때는 다음 규칙을 준수해야 합니다.

1. 어떤 상황에서도 악천후, 갑작스러운 따뜻함, 기압 강하, 안개, 눈이 내린 직후 또는 폭설이 내린 후 눈사태가 발생하기 쉬운 구간으로 이동해서는 안 됩니다.

2. 15°보다 가파른 모든 경사면에서는 눈사태 위험이 발생할 수 있다는 점을 기억하십시오. 갓 내린 눈이나 오래된 눈의 깊이가 30cm를 초과하는 경우 15°의 경사는 눈사태로 인해 위험할 수 있습니다. 동시에 눈사태가 여러 번 연속으로 발생할 수 있으므로 하나의 눈사태가 발생하더라도 동일한 경사면에 대한 위험이 제거되지 않습니다.

3. 눈사태 위험을 줄이려면 능선, 바위 선반, 나무 그룹을 따라 이동하고 안정적인 지형을 따라 또는 가능한 분리선 위로 위험한 지역을 우회하는 것이 좋습니다.

4. 폭설이나 눈보라가 닥친 후에도 맨 꼭대기에서도 가파른 풍하측 경사면을 건너지 말고, 눈 처마 장식과 눈이 쌓인 처마 장식 아래로 나가지 마십시오.

5. 눈사태 위험 지역을 즉시 떠나고 더 이상 이동을 중지하십시오. a) 폭설이 내리고 시야가 좋지 않은 경우; b) 비가 오는 동안 경사면에 눈이 30cm 이상 덮힌 경우; c) 강한 바람과 눈보라가 치는 동안; d) 온도가 급격히 떨어집니다.

6. 봄철, 구름 한 점 없는 밤, 헤어드라이어가 없는 경우 아침 시간에는 4~12시간 동안 이동이 허용됩니다.

7. 이동을 시작하기 전에 경사면의 눈 안정성을 확인하고 경로와 그 위 경사면에 눈이 쌓이는 특성을 확인하십시오. 눈사태 구역 내에서 이동하는 경우 관찰자를 식별하고 눈사태 경사면을 건너기 전에 미리 탈출 경로를 결정하고 미리 지정된 눈사태 대피소로 대피해야 합니다.

8. 눈사태가 의심되는 경사면을 따라 이동할 때는 가능한 모든 방법으로 경사면을 가로지르거나 지그재그로 이동하는 것을 피하고 경사선을 따라 "정면"으로 직진하거나 아래로 이동하여 절단되지 않도록 하십시오. 눈이 쌓이고 눈사태가 발생합니다. 던진 자갈이나 눈덩이가 떨어지는 선을 따라 이동 방향을 확인하십시오. 교차로는 안전한 경사면이나 적어도 불안정한 층 위에서만 허용되며, 바닥이나 중간에는 어떤 경우에도 허용되지 않습니다. 쿨와르의 가장 좁은 위치, 바람직하게는 구성 홈통의 합류점 위를 선택해야 합니다. 횡단하기 전에 눈 덮개의 윗부분이 잘리지 않도록 스키를 벗고 스키 폴 고리에서 손을 떼고 눈사태 코드를 벨트에 묶고 옷의 모든 단추를 잠그고 안전 벨트를 유지하십시오. 코와 입을 가릴 수 있는 스카프가 준비되어 있습니다.

9. 눈사태 경사면을 흔들 수 있는 행동(점프, 낙하, 스키의 급격한 회전, 비명, 돌 및 처마 붕괴)을 가능한 모든 방법으로 피하십시오.

10. 눈층에 과부하가 걸리고 동시에 눈사태가 발생하지 않도록 경사면의 한 곳에 두 명 이상 모이지 마십시오. 이 계산을 바탕으로 빌레이 및 이동 기술을 적용합니다.

11. 눈사태 원뿔 영역에서 경사면과 그 아래에 있는 사람들 사이의 최대 거리를 유지하십시오. 동시에, 위험 지역을 통과하는 동료를 지속적으로 감시하고, 마지막 참가자가 위험한 경사면이나 지역을 통과했다는 확고한 확신이 있을 때까지 전체 그룹의 추가 이동을 허용하지 마십시오.

12. 오목한 지형, 눈 깔때기 및 낙하산을 피하십시오. 항상 눈 더미 아래가 아니라 위에 있을 것이라는 기대를 갖고 길을 닦으십시오.

13. 눈사태가 자주 발생하는 협곡에서는 추운 날씨에 남쪽 경사면에 붙어 있고, 따뜻하고 화창한 날씨에는 북쪽의 그늘진 경사면 기슭에 붙어 있습니다.

14. 눈사태 원뿔 및 눈사태 낙하산 위에서 정지하거나 일시 정지하지 마십시오.

15. 눈사태가 발생하기 쉬운 경사면을 강제로 내려가기 전에 돌, 부서진 처마 장식 또는 다른 방법으로 눈사태를 풀어주는 것이 좋습니다.

눈사태가 발생하기 쉬운 경사면을 강제로 건너야 할 경우 다음 예방 조치를 취해야 합니다.

1. 눈사태 코드를 풀고 스키 고정 장치를 풀고 폴이나 얼음 도끼의 끈에서 손을 떼고 배낭과 기타 물건을 버릴 준비를 하십시오.

2. 눈사태가 발생하기 쉬운 경사면을 빠르고 조심스럽게 통과하고 건너십시오. 눈 속의 각 단계를 조심스럽게 형성하고 눈 층의 움직임에 세심한 주의를 기울이고 때때로 테스트하십시오.

3. 위험한 경사면이나 계곡의 폭에 따라 항상 100~200m의 거리를 유지하십시오. 눈사태가 발생하기 쉬운 지역은 경사면을 감시하고 "눈사태"라고 외쳐 눈사태 시작을 경고하는 친구의 감독 하에 혼자 건너야 합니다. 경사면을 횡단한 후에는 역할이 변경됩니다.

4. 눈사태 지역에서는 가능한 한 눈 표면을 덜 교란하고 넘어져 눈사태를 일으키지 않도록 조심스럽게, 덜 자주, 더 넓게 걸어야 합니다. 보행 시 안정성을 유지하기 위해 먼저 발에 가벼운 압력을 가한 후 최종적으로 발을 올려 눈을 압축합니다.

5. 멀리서 총소리가 들리는 둔탁한 소리, 딱딱거리는 소리, 특유의 쉭쉭 소리와 함께 스노우보드가 안정되는 소리 등의 둔한 소리가 들리면 즉시 이 구역을 떠나야 합니다.

6. 주의력이 약화되지 않도록 침묵을 유지하고, 부득이한 소리를 내지 마십시오.

7. 구급 상자, 눈사태 삽 및 탐침은 그룹의 마지막 구성원에게 있습니다.

눈 처마 장식은 붕괴 시점을 예측할 수 없기 때문에 큰 위험을 초래합니다.

눈 덮인 처마 장식을 따라 걷다 보면:

1. 바람이 불어오는 쪽과 바람이 불어가는 쪽의 경사면이 교차하는 선 아래의 처마 장식 능선을 따라 걷고, 어떤 경우에도 처마 장식 가장자리에 5-6m 이상 접근하지 마십시오.

2. 눈 표면을 조사하고 검사하여 경로의 안전을 확인합니다.

3. 서로 묶어서 자신을 보호하십시오.

4. 특히 폭설이나 눈보라가 닥친 후 의심스러운 처마 장식에서는 그룹의 각 구성원이 자신의 흔적을 남겨야 합니다(첫 번째 - 가장 높은 것, 마지막 - 바람이 불어오는 방향의 경사면에서 가장 낮은 것).

5. 조심스럽게 빌레이하면서 가장 좁은 부분을 가로질러 처마 장식 능선을 지나가고 능선 부분을 빽빽한 전나무 바닥으로 접습니다. 바람이 불어오는 쪽 경사면에서 건널 때 처마 장식에 폭 0.5~0.6m 정도의 깊은 도랑을 만들고 빌레이를 사용하여 한 번에 하나씩 아래로 내려갑니다.

눈사태에 휩싸인 경우, 다음 조치를 취해야 합니다.:

1. 평정심을 잃지 마십시오. 먼지사태가 발생하면 우선 입과 코를 스카프로 덮거나 모자와 장갑을 씌워 눈먼지로 인한 질식을 예방하세요. 눈사태에 빠지지 않도록 불필요한 물건 (스키, 배낭, 스키 폴 등 버리기)을 즉시 제거하십시오.

2. 발 아래에 안정적인 지지대가 있고 눈사태의 속도가 아직 빨라지지 않은 경우 눈사태가 꼬리에 닿을 수 있도록 지나가도록 눈덩이의 타격을 받아보십시오.

4. 눈사태의 표면에 몸을 유지하기 위해 팔과 다리로 수영 동작을 하고, 눈 흐름의 가장자리에 더 가까이 다가가려고 노력하고 제동하기 전에 표면으로 수영하십시오.

5. 눈사태에 빠졌을 때는 멈추기 전에 손으로 얼굴을 가리고 엎드린 자세를 취해야 급격하게 얼어붙는 것을 방지할 수 있습니다.

6. 정지 후 즉시 얼굴 앞의 눈에 최대한 큰 구멍을 만드십시오.

7. 잠들지 말고 비명을 지르지 마십시오. 눈 속에서 비명 소리가 아직 들리지 않아 피해자가 지칠 것입니다.

8. 공기 접근을 위한 구멍을 뚫었지만 눈덩이에서 벗어날 수 없다면 손을 표면에 대고 구조대의 주의를 끌도록 하십시오.

9. 타액을 방출하여 공간에서의 위치를 ​​확인할 수 있습니다.

10. 치명적인 부상을 입지 않은 사람도 경우에 따라 최대 이틀 동안 눈 아래 누워 있을 수 있으므로 구조의 희망을 잃지 마십시오.

관찰자는 눈사태의 "사라짐 지점"을 기록하고 눈사태가 멈출 때까지 움직이는 눈 덩어리를 따라 "정지 지점"을 기록합니다.

눈사태에 휩싸인 사람에 대한 수색은 동일한 장소에 대한 반복 조사를 배제하고 다른 지역은 조사되지 않는 엄격한 시스템에 따라 수행되어야 합니다. 수색 작업을 시작하기 전에 반복되는 눈사태에 대해 경고하기 위해 관찰자를 게시해야 합니다. 다음 규칙에 따라 검색이 시작됩니다.

1. 눈사태가 위에서 사람을 덮치면 눈사태 원뿔 주변에서 그를 찾아야 합니다.

2. 피해자의 발 아래에서 눈사태가 발생하면 눈사태의 위쪽 가장자리를 따라 피해자를 찾아야 합니다.

3. 사람이 눈사태 표면에 한동안 머물렀다가 사라진다면 이 장소 아래 상당한 깊이에서 그를 찾아야 합니다.

4. 눈사태의 경로에 다양한 장애물(바위, 갈라진 벽, 그루터기, 함몰 등)이 있는 경우 검색은 주로 이러한 장애물 근처에서 수행됩니다.

5. 경사면 표면의 마찰로 인해 눈사태가 멈춘 경우 눈사태 원뿔이 끝나기 5~10m 전에 검색을 시작해야 합니다.

6. 눈사태가 장애물(예: 측면 빙퇴석)을 넘어섰다면 대부분의 경우 피해자는 장애물 앞에 있습니다.

또 다른 눈사태 가능성이 있는 경우 구조대원은 경사면 뒤에 관찰자를 배치하고 눈사태 라인을 해제해야 합니다.

피해자의 동료가 실종 장소를 표시한 경우 먼저 눈사태 표면을 따라 랜드마크에서 아래로 일렬로 이동하여 튀어나온 신체 부위, 의복, 눈사태 끈 또는 장비. 눈사태 끈이 발견되면 파손되지 않도록 신속하고 조심스럽게 파내고, 매설된 끈의 위치를 ​​파악해야 합니다.

눈사태를 조사한 후에도 긍정적인 결과가 나오지 않으면 링을 제거한 스키 폴, 특수 프로브, 얼음 도끼를 사용하여 고속 탐색을 수행해야 합니다. 이를 위해 프로버는 경사면을 바라보고 서서 명령에 따라 프로브를 전체 길이에 걸쳐 눈에 담급니다. 선을 따라 소리가 나는 지점 사이의 거리는 75cm를 초과해서는 안 되며 경사면을 70cm 위로 이동하고 작업을 반복하십시오. 앞으로 나아갈 때 간격을 주의 깊게 유지해야 합니다.

이중 고속 프로빙으로 긍정적인 결과가 나오지 않으면 25~30cm 간격으로 세부 프로빙을 진행합니다. 이를 위해 프로버는 엄격하게 직선으로 위로 이동하여 거의 어깨에서 어깨로 움직이며 다리를 바닥에 놓습니다. 발이 드러났습니다. 리더의 명령에 따라 라인이 멈추고 모두가 먼저 왼발 발가락, 다음 발 사이, 오른쪽 발가락을 탐색합니다. 모든 참가자가 소리를 내면 리더의 명령에 따라 선이 25-30cm 이동하고 (오른쪽 측면이 정렬을 모니터링함) 작업을 반복합니다.

탐색 중에는 탐색자가 다양한 물체에 대한 탐색의 영향과 피해자가 낼 수 있는 소리를 느낄 수 있을 뿐만 아니라 들을 수 있도록 완전한 침묵이 유지되어야 합니다. 프로브는 눈 속에 수직으로 완전히 담가야 합니다. (장갑 없이) 한 손으로 프로브를 눈 속에 삽입하고 천천히 180° 돌려서 빼내는 것이 좋습니다. 팁을 조사함으로써 직면한 장애물의 성격이 확립됩니다.

프로브가 눈사태에 묻혀 있을 때 부상을 초래할 수 있으므로 프로브를 매우 조심스럽게 수행해야 한다는 점을 기억해야 합니다.

탐사선이 땅에 닿지 않으면 첫 번째 소리를 낸 후 도랑을 파야 합니다. 도랑은 되메움 재료의 가능한 위치 약간 아래에서 시작하여 아래에서 위로 경사면의 낙하선을 따라 굴착됩니다. 인접한 트렌치의 벽 사이의 거리는 4m를 초과해서는 안 되며, 트렌치의 너비는 1-1.2m여야 합니다. 트렌치의 깊이는 트렌치 바로 아래뿐만 아니라 트렌치 사이에서도 비스듬히 바닥에서 프로브를 사용하여 토양에 도달할 수 있도록 충분해야 합니다. 트렌치 바닥과 트렌치 사이의 공간을 조사하는 작업은 굴착 작업 후에 시작해야 하지만 굴착 작업을 방해하지 않아야 합니다.

피해자의 위치가 확인되면 이를 표시하고 발굴을 시작해야 합니다. 빨리 땅을 파야 하지만 피해자에게 접근할 때는 조심하세요.

묻힌 사람에게 다가가는 것이 가능해졌을 때 그는 즉시 응급 처치를 제공해야 했습니다. 가능한 한 빨리 손으로 얼굴을 풀고 동시에 눈과 흙에서 입과 코를 떼려고 노력했습니다. 입과 코의 눈을 치운 후에는 "입 대 입"또는 "입 대 코"방식으로 인공 호흡을 시작하고 눈 아래에서 피해자를 신속하게 파낸 다음 이동시켜 부상 가능성이 있는 경우 추가 지원을 받을 수 있는 장소로 이동하십시오. 이 경우 피해자를 두껍고 촘촘한 침구 위에 눕히고 따뜻하게 덮고 등, 배 및 옆구리 아래에 따뜻한 압축 또는 가열 패드를 놓고 인공 호흡을 계속하고 피해자가 의식을 회복하면 음료와 액체 영양을 제공해야합니다.

피해자를 소생시키려는 시도는 명확한 죽음의 징후가 나타나는 경우에만 중단될 수 있습니다.

눈사태 분류 체계를 개발하는 주요 목적은 재해, 안전 및 통제 조치에 대한 정보를 전달하는 데 사용할 수 있는 통일된 설명 용어를 설정하는 것입니다. 또 다른 목표는 통계 분석을 위해 눈사태 이벤트를 그룹화하는 것입니다. 예를 들어 눈사태와 그 기여 요인(지형, 기상 조건, 적설 특성) 간의 관계를 식별합니다. 이는 보호 조치의 계획 및 실행에 대한 결정을 개발하는 데에도 필요합니다.

현재 눈사태의 특성을 기술하고 체계화하고 눈사태 위험을 예측하기 위해 국제적인 형태적, 유전적 분류가 사용되고 있습니다.

눈사태의 국제 형태학적 분류는 눈사태에 대한 정보가 인코딩된 형식으로 전송되도록 허용하며, 여기서 기준 기호는 대문자(A, B, C, D, E, F, G, H) 및 기호 형식으로 제공됩니다. 특성은 숫자의 형태로 제공됩니다. 숫자(1~5) 외에 숫자를 사용하는 것이 좋습니다. 특성에 대한 정보가 없는 경우 0, 혼합 특성인 경우 7 또는 8, 특별 참고 사항을 나타내는 경우 9입니다. 예를 들어, 코드 AZ B2 C1 D9 E1 F4 G1 H4는 새로운 눈 덮개가 분리되어 부드러운 눈판으로 눈사태가 형성되었으며 마른 눈의 눈사태가 트레이를 따라 이동하여 공기 파를 형성했음을 나타냅니다 (9 눈사태 이동 경로의 특성을 명확히 하는 특별 참고 사항을 나타냅니다. 눈사태 퇴적물은 나뭇가지를 포함하는 미세한 덩어리로 건조되어 있습니다.

유전적 분류

유전적 분류는 눈사태 현상을 경사면의 모양, 날씨, 적설 ​​특성 등 형성 조건과 연관시킵니다. 여러 가지 유전적 분류가 제안되었지만, 눈사태 형성 과정이 너무 복잡해서 형성 원인을 한두 가지 요인으로 돌릴 수 없기 때문에 모두 만족스럽지 않습니다.

크기별 분류

눈사태는 크기(움직이는 눈의 질량 또는 양) 또는 파괴력에 따라 분류될 수 있습니다. 다음은 눈사태의 파괴적 영향을 5단계로 나누는 기존의 분류 체계입니다(이 체계는 캐나다 서부에서 널리 사용됩니다).

1) 사람에게 해를 끼칠 수 없는 소량의 눈;

2) 사람에게 해를 끼칠 수 있습니다.

3) 건물, 자동차에 손상을 입히고 여러 나무를 부러뜨릴 수 있습니다.

4) 최대 4,000km2의 면적에 걸쳐 대형 차량과 숲을 파괴할 수 있습니다.

5) 특이하고 재앙적인 현상 - 인구 밀집 지역의 파괴 가능성과 광대한 지역의 숲 파괴.

눈사태 위험 결정

도로, 건물, 스키 슬로프의 안전한 위치와 눈사태 제어 방법에 대한 결정을 내리는 데 사용되는 정보는 눈사태 저수지의 위치와 크기, 눈사태 빈도 및 잠재적 피해 평가를 통해 얻습니다. 눈사태 컬렉션은 구호의 특징(경사, 낙하산, 특징적인 발생 지점), 식생 등으로 인식할 수 있습니다. 눈사태로 인해 쌓인 눈 위에서도 마찬가지입니다. 브리티시 컬럼비아 남부와 앨버타의 숲이 우거진 산에서 눈사태 놀이터는 다양한 경사지에서 나무의 나이와 종을 연구하여 식별할 수 있습니다. 기복 및 식생의 특징은 항공사진을 통해 확인할 수 있으나, 이를 명확히 하기 위해서는 지상조사가 필요하다. 나무의 높이를 정확하게 평가해야 하며 가능한 눈사태 패턴을 고려해야 합니다. 눈사태는 나무 성장뿐만 아니라 화재, 이류, 벌목, 토양, 태양 복사 및 바람에도 영향을 미친다는 점을 명심해야 합니다. 눈사태의 빈도, 유형, 크기를 추정하는 것은 매우 어렵습니다. 가장 신뢰할 수 있는 방법은 장기 데이터를 사용하는 것입니다. 데이터에 따르면 평균 12~20년마다 겨울이 한 번 또는 여러 차례 연속해서 치명적인 눈사태가 발생하는 것으로 나타났습니다. 관측 기간이 충분히 길지 않을 수도 있고 최대 강설량이 있는 겨울이 포함되지 않을 수도 있습니다. 이 경우 과거 데이터는 나무의 나이와 피해에 대한 데이터는 물론 기후 데이터 분석을 통해 뒷받침되어야 합니다. 눈사태의 범위 밖에 구조물을 배치할 계획을 세울 때 가장 중요한 요소는 눈사태 물질의 최대 방출입니다. 숲이 우거진 지역에서는 다양한 연령과 다양한 종의 나무 사이에 명확한 경계가 존재하기 때문에 매우 큰 눈사태의 퇴적 지역이 종종 해독됩니다. 이러한 경계는 오래된 항공사진과 새로운 항공사진을 비교 분석함으로써 가장 잘 식별됩니다. 퇴적 위치, 빈도 및 눈사태의 최대 범위를 평가하는 방법론에 대한 역사적 접근 방식이 작업에서 고려됩니다.