Using high‐resolution distributed temperature sensing to quantify spatial and temporal variability in vertical hyporheic flux
Notice bibliographique
Résumé
Hyporheic flow can be extremely variable in space and time, and our understanding of complicated flow systems, such as exchange around small dams, has generally been limited to reach‐averaged parameters or discrete point measurements. Emerging techniques are starting to fill the void between these disparate scales, increasing the utility of hyporheic research. When ambient diurnal temperature patterns are collected at high spatial resolution across vertical profiles in the streambed, the data can be applied to one‐dimensional conduction‐advection‐dispersion models to quantitatively describe the vertical component of hyporheic flux at the same high spatial resolution. We have built on recent work by constructing custom fiber‐optic distributed temperature sensors with 0.014 m spatial resolution that are robust enough to be installed by hand into the streambed, maintain high signal strength, and permit several sensors to be run in series off a single distributed temperature sensing unit. Data were collected continuously for 1 month above two beaver dams in a Wyoming stream to determine the spatial and temporal nature of vertical flux induced by the dams. Flux was organized by streambed morphology with strong, variable gradients with depth indicating a transition to horizontal flow across a spectrum of hyporheic flow paths. Several profiles showed contrasting temporal trends as discharge decreased by 45%. The high‐resolution thermal sensors, combined with powerful analytical techniques, allowed a distributed quantitative description of the morphology‐driven hyporheic system not previously possible.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».