Near‐bed turbulence and bottom friction during SandyDuck97
Notice bibliographique
Résumé
Remote acoustic measurements of turbulence intensity profiles are investigated as a function of wave energy and bedstate, from low energy vortex ripples to high energy flat bed. Outside the wave boundary layer, velocity power spectral densities increase with increasing wave energy for all bedstates at frequencies across the wave and turbulence bands up to the Nyquist frequency of the measurements, 8 to 10 Hz. The power spectra of the horizontal and vertical velocity exhibit the −5/3 slope characteristic of inertial subrange turbulence. As the seafloor is approached, the slopes of the vertical velocity spectra in this subrange become progressively less steep, reaching values between −1.2 and −0.6 within the wave boundary layer where the spectral densities are independent of bedstate and incident wave energy. Consistent with laboratory turbulence spectra showing similarly reduced spectral roll‐off for the transverse velocity component at microscale Reynolds numbers below 1000 [ Sreenivasan, 1996 ], these field observations indicate that near‐bed turbulence generated by irregular waves above a mobile bed is probably anisotropic. Ensemble‐averaged vertical turbulence intensity profiles exhibit a peak within the wave boundary layer at heights of O(1 cm) above bottom for all bedstates. The peak is less pronounced for higher energy bedstates. Consistent with the observed spectral convergence within the boundary layer, these peak average turbulence intensities are relatively independent of bedstate, varying by no more than 50% despite a factor of 7 variation in average wave energy. This remarkable observation can be understood from the corresponding decrease in the physical roughness of the bed, associated with the different observed bedstates, as wave energy increases. Estimated wave friction factors are highest for low‐energy rippled beds and smallest for flat bed conditions, and within the uncertainty of the measurements, are generally consistent with predictions from the model by Tolman [1994] .
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».