MétaCan
Menu
Retour à la cohorte
Enregistrement W1996479166 · doi:10.5539/jgg.v4n4p1

Rill Hydraulics - An Experimental Study on Gully Basin in Lateritic Upland of Paschim Medinipur, West Bengal, India

2012· article· en· W1996479166 sur OpenAlexvenueno aff
Pravat Kumar Shit, Ramkrishna Maiti

Notice bibliographique

RevueJournal of Geography and Geology · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil erosion and sediment transport
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFroude numberRillHydrology (agriculture)Surface runoffStructural basinGeologyWest bengalHydraulicsHydraulic roughnessGeomorphologyFlow (mathematics)Environmental scienceSurface finishGeotechnical engineeringGeometryErosionMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

This paper reports the results of field investigations aimed to establish relationship between morphologic and hydraulic characteristics of rills. A rill network within a small Rangamati Gully Basin, on the bank of Kansai at Paschim Medinipur, in West Bengal, India of 256 m2 was mapped. Experimental basin is exposed to natural rainfall of varying intensity and characterised with an average of 25-35% slope gradient. The depth, length, gradient, width, runoff contributing areas of all the 33 rills within the basin were recorded and thoroughly mapped. Present study incorporates close monitoring of runoff and velocity along the channels during a storm on 31.08.2010 at 15 minutes interval using dye tracer technique. The velocity along each rill was linked with gradient, width-depth ratio and Manning’s roughness coefficient. Analysis shows that flow velocity is not directly controlled by rill gradient (R2=0.15), but is influenced by hydraulic roughness coefficient (R2=0.53). Finally, the relationship between Reynolds number and Froude number reveals that sub-critical turbulent flow is responsible for rilling process. No significant relationship between W/D ratio and channel roughness (n) can be established (R2=0.083) by the present study.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,270

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,246
Écart entre enseignants0,228 · 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

Citations30
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geography and GeologyMême sujetSoil erosion and sediment transportTravaux en français237 207