Drag reduction in wave‐swept macroalgae: Alternative strategies and new predictions
Notice bibliographique
Résumé
PREMISE OF THE STUDY: Intertidal macroalgae must resist extreme hydrodynamic forces imposed by crashing waves. How does frond flexibility mitigate drag, and how does flexibility affect predictions of drag and dislodgement in the field? METHODS: We characterized flexible reconfiguration of six seaweed species in a recirculating water flume, documenting both shape change and area reduction as fronds reorient. We then used a high-speed gravity-accelerated water flume to test our ability to predict drag under waves based on extrapolations of drag recorded at slower speeds. We compared dislodgement forces to drag forces predicted from slow- and high-speed data to generate new predictions of survivorship and maximum sustainable frond size along wave-swept shores. KEY RESULTS: Bladed algae were generally "shape changers", limiting drag by reducing drag coefficients, whereas the branched alga Calliarthron was an "area reducer", limiting drag by reducing projected area in flow. Drag predictions often underestimated actual drag measurements at high speeds, suggesting that slow-speed data may not reflect the performance of flexible seaweeds under breaking waves. Several seaweeds were predicted to dislodge at similar combinations of velocity and frond size, suggesting common scaling factors of dislodgement strength and drag. CONCLUSIONS: Changing shape and reducing projected area in flow are two distinct strategies employed by flexible seaweeds to resist drag. Flexible reconfiguration contributes to the uncertainty of drag extrapolation, and researchers should use caution when predicting drag and dislodgement of seaweeds in the field.
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 ».