Résultats publiés en 2014 dans Granular Matter
En associant observations expérimentales et modélisation mécanique, les chercheurs d’IRSTEA Grenoble ont mis au point une méthode de calcul pour simplifier l’identification des grains de neige dans le réseau de cristaux de glace constituant la neige.
La neige est constituée de cristaux de glace soudés les uns aux autres formant un squelette complexe. A l’échelle microscopique, ce réseau de glace présente des zones de faiblesses qui délimitent des particules individuelles appelées grains de neige. Les déformations rapides de la neige sont principalement pilotées par la dynamique de ces grains, leur réarrangement spatial et les interactions de contact. Ainsi, lorsqu’il s’agit de comprendre le comportement mécanique de la neige lors du déclenchement des avalanches par exemple, l’identification fine des grains est une étape capitale.
Des indices géométriques de faiblesse
En comparant la répartition des contraintes mécaniques dans un échantillon de neige et sa microstructure 3D, les chercheurs d'IRSTEA ont mis au point un algorithme qui utilise des indices morphologiques pour déterminer les zones de potentielle faiblesse dans la matrice de glace et ainsi simplifier l’identification des grains de neige.
Par rapport aux méthodes d’identification basées sur le calcul des contraintes mécaniques en tout point de la matrice, ce nouvel algorithme permet une réduction des temps de calcul d’un facteur 20. Un tel résultat autorise une meilleure prise en compte de la nature granulaire de la neige dans les simulations numériques, en particulier dans le cas de phénomènes de déformations rapides où les réarrangements massifs de la microstructure rendent les calculs directs particulièrement lourds.
Reference
P. Hagenmuller, G. Chambon, F. Flin, S. Morin and M. Naaim, 2014: Snow as a granular material: assessment of a new grain segmentation algorithm. Granular Matter 16: 421-432.