Snötillverkning för skidindustrin och biltestverksamheten är ett växande område. Därför gör forskare i Luleå nu en klassificering av snösorter. Att vetenskapligt hitta förklaringar till varför snö och tillverkad snö har olika egenskaper, eller hur ett bildäck svarar på olika vinterväglag, sparar både miljö och pengar.
– Vi vill förstå mekaniken bakom snön, säger Johan Casselgren, biträdande professor i Experimentell mekanik vid Luleå tekniska universitet och en av ledarna bakom universitetets Snöakademi, vars mål är att vetenskapligt förstå snö bättre.
Inom skidindustrins snötillverkning är ”död snö” ett känt faktum. Plötsligt fäster inte snökornen i varandra. Samma fenomen har upplevts av företag som tillverkar snö för biltestverksamhet. Snön blir obrukbar, som strösocker. När snön blir äldre blir kristallerna större och rundare vilket gör att de får svårare att hålla ihop. Frågan är hur fenomenet sockersnö kan mätas, så att man slipper köra bildäcktester eller pista skidbackar i onödan med snö som plötsligt inte håller. Forskarna i Snöakademin vill också förstå vilka åtgärder som kan sättas in så att snön håller längre, för att kunna spara miljö, tid och pengar.
Flera parametrar påverkar snön
– Fukt fungerar som ett klister för snökorn och snökristaller. Vid tillverkning av snö är mängden vatten, trycket och temperaturen parametrar som påverkar snön. Genom att kunna mäta den tillverkade snön och hur den förändras när den används, kan vi hitta receptet på den perfekta snön för skidanläggningarnas pister och kunna förutse vinterväglaget vid till exempel bilkörning, säger Johan Casselgren.
Forskare vid Luleå tekniska universitet har nu lyckats utveckla ett nytt instrument som, på bara några sekunder, klarar att uppskatta både fuktighet och kornstorlek i snö. Förhoppningen hos forskarna är att utrustningen inom en snar framtid även ska klara av att mäta densiteten i snön. Då kan hållbarheten på snön beräknas. När snöns densitet, fuktighet och kornstorlek går att få fram, ja då går det också att ta fram en receptsamling för olika snösorter och syften. Det är Luleåforskarnas mål. Då är det lättare att både tillverka snön och att få bort oönskad snö. Det senare kan ha stor betydelse för vinterväghållning, avlägsnande av snö från sensorer på självkörande bilar och vindkraftverk.
Klassificerar snön
– Vi har redan nu börjat dokumentera och systematisera olika snösorter för att så småningom kunna göra mekanisk klassificering av snö. Kanske inte precis som Linné gjorde när det gäller växter, men åtminstone lite åt det håller, säger Johan Casselgren.
Undersöker snöns fysikaliska egenskaper
DOME är ett halvcirkelformat optiskt instrument som består av en belysningskälla och flera detektorer för korrekt och snabb karakterisering av en given yta, i detta fall snö. En stråle med NIR-ljus belyser en snöyta samtidigt som reflektionerna från ytan av en uppsättning av detektorer. Intensiteten av det reflekterande ljuset i det olika vinklarna lagras i en dator och analyseras ytterligare för att uppskatta ytegenskaper, såsom vattenhalt, kornstorlek och ytgrovhet. Dessa optiska och fysikaliska egenskaper kan undersökas ytterligare för att klassificera olika vinterytor, det vill säga färsk snö, åldrad snö, slask, is, vatten, torr snö med mera.
Mätutrustningen som forskarna använder, består av fotodetektorer som mäter hur ljuset från tre ljuskällor med olika våglängder reflekteras från snöytan. Mätningen bygger på att kunna mäta i flera vinklar och för olika våglängder. Snöns sammansättning bestämmer då hur de olika våglängderna absorberas relativt till varandra och hur ljuset sprids i olika riktningar. Genom att kunna mäta reflektionerna kan sedan snö karakteriseras. Med detta mätinstrument vill forskarna skapa en bättre bild av olika snötyper, och hur de uppstår. Den kunskapen ska sedan kopplas till de mekaniska egenskaperna. Kupolen är ett unikt instrument med avseende på fördelarna som rörlighet, datainsamling och noggrannhet. Vidare möjliggör kupolen repeterbart mätningar och har inriktats på applikationer som vinterväg och skidspår. Med ytterligare utveckling av maskininlärningsalgoritmer skulle det ge forskningsmöjligheter för fler tillämpningar inom snöforskning.
Kontakt:
Johan Casselgren, ställföreträdande professor i Experimentell mekanik, vid Luleå tekniska universitet, johan.casselgren@ltu.se
