Experimental determination of the coefficient of viscosity of the dry snow

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Snow compaction is a natural process in the evolution of any snow cover, and this obviously changes the physical and mechanical properties of a snow thickness. The quantitative estimate of this process is a coefficient of the snow viscosity, which is linearly related to the rate of the snow cover deformation The technique for preparation and testing of samples with the fine-grain snow under condition of uniaxial compression at negative temperatures is described. It was determined that values of the snow viscosity coefficient fall within the range from 0.10 to 0.30 g/cm³ for three temperature intervals. The viscosity coefficient of the fine-grain snow varies from 10⁸ до 10¹⁰ Па. The data obtained made possible to find the limits of variability of this coefficient for winter conditions on the Russian plain. A dependence of the viscosity coefficient on the snow density and temperature is proposed, and it describes the series of the above shown experimental data. It is shown that influence of changes in the viscosity coefficient of fine-grain snow on the snow properties depending on its density are comparable in scale to the influence of the temperature. The result may be useful for modeling the evolution of snow cover.

Full Text

Restricted Access

About the authors

R. A. Chernov

Institute of Geography, Russian Academy of Sciences

Author for correspondence.
Email: chernov@igras.ru
Russian Federation, Moscow

References

  1. Voitkovsky K. F. Mekhanicheskie svojstva snega. Mechanical properties of snow. Moscow: Nauka, 1977: 126 p. [In Russian].
  2. Yoshida Z. Fizicheskie svojstva snega. Lyod i sneg. Svojstva, processy, ispol’zovanie. Physical properties of snow. Ice and snow. Properties, processes, applying. Moscow: Publishing house MIR, 1966: 377–423. [In Russian].
  3. Kolomyts E. G. Teoriya evolyucii v strukturnom snegovedenii. Atlas-monografiya. Theory of evolution in structural snow science. Atlas-monograph. Moscow: GEOS, 2013: 482 p. [In Russian].
  4. Komarov A. Yu. The structure of snow cover in the northeast of the Moscow region. Led i Sneg. Ice and Snow. 2021, 61 (3): 391–403. [In Russian]. https://doi.org/10.31857/S2076673421030096
  5. Kotlyakov V. M. Izbrannye sochineniya. Kniga 1. Glyaciologiya Antarktidy. Selected works. Book 1. Glaciology of Antarctica. Moscow: Nauka, 2000: 432 p. [In Russian].
  6. International classification for seasonally snow on the ground. Russian edition. Materialy Glyatsiologicheskikh Issledovaniy. Data of Glaciological Studies. 2012, (2): 81 p. [In Russian].
  7. Samoilov R. S., Ushakov A. I. Field snow penetration tests. Materialy Glyatsiologicheskikh Issledovaniy. Data of Glaciological Studies. 1983, 43: 209–217. [In Russian].
  8. Chernov R. A. Metamorphism and thermal properties of fresh snow (study in the Moscow region) Led i Sneg. Ice and Snow. 2016, 56 (2): 199–206. [In Russian]. https://doi.org/10.15356/2076-6734-2016-2-199-206.
  9. Chernov R. A. Experimental determination of the effective thermal conductivity of deep hoar. Led i Sneg. Ice and Snow. 2013, 53 (3): 71–77. [In Russian]. https://doi.org/ 10.15356/2076-6734-2013-3-71-77
  10. Shmakin A. B., Turkov D. V., Mikhailov A. Yu. Model of snow cover taking into account the layered structure and its seasonal evolution. Kriosfera Zemli. Earth’s Cryosphere. 2009, XIII (4): 69–79. [In Russian].
  11. Meteo Publications. Retrieved from: http://rp5.ru Last access: 15 December 2023.
  12. Mellor M. Engineering Properties of Snow. Journ. of Glaciology. 1977, 19 (81): 15–66.
  13. Kominami Y., Endo Y., Niwano S., Ushioda S. Viscous compression model for estimating the depth of new snow. Annals of Glaciology. 1998, 26: 77–82.
  14. Kojima K. Densification of Seasonal Snow Cover. Phis. Snow and Ice. 1967, 1 (2): 929–952.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Testing a sample of fine-grained snow to measure compression viscosity: a – tests of a snow sample; б – macro photography of crystals; в – experimental design; 1 – sample; 2 – load; 3 – measuring bar

Download (17KB)
Indexing metadata
3. Fig. 2. The average size of crystals in snow layers depends on its density. 1 – deep hoar, 2 – granular snow

Download (18KB)
Indexing metadata
4. Fig. 3. Experimental values of the compression viscosity of fine-grained snow depending on the density and temperature of the snow: 1 – from –1 to –4 °С; 2 – from –4 to –8 °С; 3 – from –8 to –18 °С; 4 – formula (3)

Download (35KB)
Indexing metadata

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».