MétaCan
Menu
Retour à la cohorte
Enregistrement W1925345334 · doi:10.1029/2012wr011916

An extension of the capillary and thin film flow model for predicting the hydraulic conductivity of air‐free frozen porous media

2012· article· en· W1925345334 sur OpenAlexaff
Marc Lebeau, Jean‐Marie Konrad

Notice bibliographique

RevueWater Resources Research · 2012
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPorous mediumCapillary actionHydraulic conductivityMaterials scienceMechanicsThermal conductivityPorosityFlow (mathematics)ThermodynamicsGeotechnical engineeringComposite materialGeologySoil sciencePhysicsSoil water

Résumé

récupéré en direct d'OpenAlex

Hydraulic conductivity of frozen air‐free porous media is a rather elusive property that remains largely undefined in much of the literature. According to modern science, water transport in frozen porous media occurs mostly in ice‐free capillaries at temperatures close to the freezing point of pure water and through a thin liquid interlayer, between solid particle and ice, at lower temperatures. In accordance with this understanding, this paper extends the capabilities of an existing capillary and thin film flow model to include the prediction of hydraulic conductivity in frozen air‐free porous media. As such, hydraulic conductivity of the frozen porous media is predicted with a simple capillary bundle model as well as with a new hydrodynamic model of thin interlayer flow in which film thickness is controlled by both London‐van der Waals and ionic‐electrostatic forces. As with other predictive models of hydraulic conductivity, most model parameters are derived from more easily measured water content data in either ice‐free (water retention function) or air‐free (water freezing function) porous media. Model results showed very good agreement with observed values of hydraulic conductivity taken at thermal equilibrium, and illustrated the importance of thin interlayer flow at lower temperatures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,114
Tête enseignante GPT0,304
Écart entre enseignants0,191 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations53
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetClimate change and permafrostTravaux en français237 207