MétaCan
Menu
Retour à la cohorte
Enregistrement W1488881958 · doi:10.1029/2010wr010228

Surface storage dynamics in large rivers: Comparing three‐dimensional particle transport, one‐dimensional fractional derivative, and multirate transient storage models

2011· article· en· W1488881958 sur OpenAlexaboutno aff
Eric J. Anderson, Mantha S. Phanikumar

Notice bibliographique

RevueWater Resources Research · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSediment transportHydrology (agriculture)Meander (mathematics)Environmental scienceSoil scienceMechanicsGeologySedimentMathematicsPhysicsGeotechnical engineeringGeometryGeomorphology

Résumé

récupéré en direct d'OpenAlex

Large rivers are major conduits for sediment and nutrient transport and play an important role in global biogeochemical cycles. While smaller rivers received attention in recent decades for hyporheic exchange and nutrient uptake, fewer studies have focused on the dynamics of surface storage zones in large rivers. We investigate transport dynamics in the St. Clair River, an international river straddling the U.S.–Canadian border, using a combination of modeling and dye tracer studies. We describe a calibrated three‐dimensional hydrodynamic model to generate (synthetic) breakthrough data to evaluate several classes of 1‐D solute transport models for their ability to describe surface storage dynamics. Breakthrough data from the 3‐D particle transport model exhibited multimodal behavior and complex dynamics that could not be described using a single first‐order exchange coefficient—an approach often used to describe surface storage in transient storage models for small rivers. The 1‐D models examined include multirate transient storage (MRTS) models in which storage zones were arranged either in series or parallel as well as 1‐D models based on fractional derivatives. Results indicate that for 1‐D models to describe data adequately, the timing of solute pulses that correspond to various in‐channel features such as sandbars, islands or meander bends should be taken into account. As a result, the MRTS model with storage zones arranged in series (i.e., exchange rates triggered sequentially) provided the best description of the data. In contrast, fractional derivative models that assume storage zones were arranged in parallel failed to capture the multimodal nature of the breakthrough curves.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,076
Tête enseignante GPT0,271
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207