Channel Representation in Physically Based Models Coupling Groundwater and Surface Water: Pitfalls and How to Avoid Them
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recent models that couple three-dimensional subsurface flow with two-dimensional overland flow are valuable tools for quantifying complex groundwater/stream interactions and for evaluating their influence on watershed processes. For the modeler who is used to defining streams as a boundary condition, the representation of channels in integrated models raises a number of conceptual and technical issues. These models are far more sensitive to channel topography than conventional groundwater models. On all spatial scales, both the topography of a channel and its connection with the floodplain are important. For example, the geometry of river banks influences bank storage and overbank flooding; the slope of the river is a primary control on the behavior of a catchment; and at the finer scale bedform characteristics affect hyporheic exchange. Accurate data on streambed topography, however, are seldom available, and the spatial resolution of digital elevation models is typically too coarse in river environments, resulting in unrealistic or undulating streambeds. Modelers therefore perform some kind of manual yet often cumbersome correction to the available topography. In this context, the paper identifies some common pitfalls, and provides guidance to overcome these. Both aspects of topographic representation and mesh discretization are addressed. Additionally, two tutorials are provided to illustrate: (1) the interpolation of channel cross-sectional data and (2) the refinement of a mesh along a stream in areas of high topographic variability.
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.
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 | 0,000 |
| 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 découle