MétaCan
Menu
Retour à la cohorte
Enregistrement W2032611465 · doi:10.3390/s101211512

Characterization of Buoyant Fluorescent Particles for Field Observations of Water Flows

2010· article· en· W2032611465 sur OpenAlexfundno aff
Flavia Tauro, Matteo Aureli, Maurizio Porfiri, Salvatore Grimaldi

Notice bibliographique

RevueSensors · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Civil, Mechanical and Manufacturing InnovationUniversity of WaterlooYork UniversityNational Science Foundation
Mots-clésEnvironmental scienceTurbidityParticle (ecology)FluorescenceMaterials scienceDrainageGeologyOptics

Résumé

récupéré en direct d'OpenAlex

In this paper, the feasibility of off-the-shelf buoyant fluorescent microspheres as particle tracers in turbid water flows is investigated. Microspheres' fluorescence intensity is experimentally measured and detected in placid aqueous suspensions of increasing concentrations of clay to simulate typical conditions occurring in natural drainage networks. Experiments are conducted in a broad range of clay concentrations and particle immersion depths by using photoconductive cells and image-based sensing technologies. Results obtained with both methodologies exhibit comparable trends and show that the considered particles are fairly detectable in critically turbid water flows. Further information on performance and integration of the studied microspheres in low-cost measurement instrumentation for field observations is obtained through experiments conducted in a custom built miniature water channel. This experimental characterization provides a first assessment of the feasibility of commercially available buoyant fluorescent beads in the analysis of high turbidity surface water flows. The proposed technology may serve as a minimally invasive sensing system for hazardous events, such as pollutant diffusion in natural streams and flash flooding due to extreme rainfall.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,441

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 Opus0,019
Tête enseignante GPT0,211
Écart entre enseignants0,193 · 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'étudeExpérimental (laboratoire)
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

Citations26
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetUrban Stormwater Management SolutionsTravaux en français237 207