Mean and turbulent flow fields in a simulated ice‐covered channel with a gravel bed: some laboratory observations
Notice bibliographique
Résumé
ABSTRACT Northern rivers experience freeze‐up over the winter, creating asymmetric under‐ice flows. Field and laboratory measurements of under‐ice flows typically exhibit flow asymmetry and its characteristics depend on the presence of roughness elements on the ice cover underside. In this study, flume experiments of flows under a simulated ice cover are presented. Open water conditions and simulated rough ice‐covered flows are discussed. Mean flow and turbulent flow statistics were obtained from an Acoustic Doppler Velocimeter (ADV) above a gravel‐bed surface. A central region of faster flow develops in the middle portion of the flow with the addition of a rough cover. The turbulent flow characteristics are unambiguously different when simulated ice covered conditions are used. Two distinct boundary layers (near the bed and in the vicinity of the ice cover, near the water surface) are clearly identified, each being characterized by high turbulent intensity levels. Detailed profile measurements of Reynolds stresses and turbulent kinetic energy indicate that the turbulence structure is strongly influenced by the presence of an ice cover and its roughness characteristics. In general, for y / d > 0·4 (where y is height above bed and d is local flow depth), the addition of cover and its roughening tends to generate higher turbulent kinetic energy values in comparison to open water flows and Reynolds stresses become increasingly negative due to increased turbulence levels in the vicinity of the rough ice cover. The high negative Reynolds stresses not only indicate high turbulence levels created by the rough ice cover but also coherent flow structures where quadrants one and three dominate. Copyright © 2012 John Wiley & Sons, Ltd.
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 | 0,000 | 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 | 0,001 |
| 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 ».