Estimating hydrodynamic roughness in a wave‐dominated environment with a high‐resolution acoustic Doppler profiler
Notice bibliographique
Résumé
Hydrodynamic roughness is a critical parameter for characterizing bottom drag in boundary layers, and it varies both spatially and temporally due to variation in grain size, bedforms, and saltating sediment. In this paper we investigate temporal variability in hydrodynamic roughness using velocity profiles in the bottom boundary layer measured with a high‐resolution acoustic Doppler profiler (PCADP). The data were collected on the ebb‐tidal delta off Grays Harbor, Washington, in a mean water depth of 9 m. Significant wave height ranged from 0.5 to 3 m. Bottom roughness has rarely been determined from hydrodynamic measurements under conditions such as these, where energetic waves and medium‐to‐fine sand produce small bedforms. Friction velocity due to current u * c and apparent bottom roughness z 0 a were determined from the PCADP burst mean velocity profiles using the law of the wall. Bottom roughness k B was estimated by applying the Grant‐Madsen model for wave‐current interaction iteratively until the model u * c converged with values determined from the data. The resulting k B values ranged over 3 orders of magnitude (10 −1 to 10 −4 m) and varied inversely with wave orbital diameter. This range of k B influences predicted bottom shear stress considerably, suggesting that the use of time‐varying bottom roughness could significantly improve the accuracy of sediment transport models. Bedform height was estimated from k B and is consistent with both ripple heights predicted by empirical models and bedforms in sonar images collected during the experiment.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».