Quantifying lateral and intratidal variability in water level and velocity in a tide‐dominated river using combined RTK GPS and ADCP measurements
Notice bibliographique
Résumé
Cross‐sectional gradients in water levels and velocities play a determining role in the circulation dynamics of tidal rivers and estuaries. Documenting and analyzing their variability throughout a tidal cycle require observations with high spatial and temporal resolution. A survey strategy and a data analysis procedure have been designed to obtain continuous and synoptic water level and velocity fields over a tidal cycle, along 13 cross‐sections of the St. Lawrence fluvial estuary dominated by large tidal ranges. The method combines both RTK GPS and ADCP technologies for the simultaneous measurement of water levels and velocities along repeated boat transects, allowing fast data acquisition over wide river sections and under rapidly changing conditions. The reconstruction of continuous and synoptic fields is made by interpolation. Simplifying assumptions about data stationarity and/or homogeneity are avoided by adapting the interpolation procedures to the shape and distribution of the underlying data in a space‐time reference frame, thus minimizing distortion in the reconstructed quantities. The capabilities and limitations of the method are assessed through error computations and comparisons with alternate data analysis methods and complementary data sets from tide gauges. With these latest observations, new insights into the tidal hydrodynamics of the St. Lawrence fluvial estuary are gained in regions of contrasting tidal and fluvial properties, specifically related to the effects of channel curvature and bathymetry on tidal propagation and cross‐channel flow properties at the intratidal scale.
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 | 0,004 | 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 | 0,000 |
| 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 ».