MétaCan
Menu
Retour à la cohorte
Enregistrement W2122586963 · doi:10.1111/j.1469-8137.2006.01661.x

Foliage influences forced convection heat transfer in conifer branches and buds

2006· article· en· W2122586963 sur OpenAlexafffund
Sean T. Michaletz, Edward A. Johnson

Notice bibliographique

RevueNew Phytologist · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Conservation Association
Mots-clésForced convectionNusselt numberConvectionBoundary layerHeat transferReynolds numberScalingLaminar flowConvective heat transferAtmospheric sciencesMechanicsGeometryMathematicsPhysicsTurbulence

Résumé

récupéré en direct d'OpenAlex

Conifer foliage structures affect branch and bud temperature by altering the development and convective resistance of the thermal boundary layer. This paper examines foliage effects on forced convection in branches and buds of Picea glauca (Moench) Voss and Pinus contorta Dougl. Ex. Loud., two species that represent the range of variation in foliage structure among conifers. Forced convection is characterized by a power law relating Nusselt (heat transfer) and Reynolds (boundary layer development) numbers. Data were collected in a laminar flow wind tunnel for free stream velocities of 0.16-6.95 m s(-1). Scaling parameters were compared against literature values for silver cast branch replicas, a bed of real foliage, cylinders, and tube banks. Foliage structures reduced Nusselt numbers (heat transfer) relative to cylinders, which are typically used to approximate leafless branches and buds. Significantly different scaling relationships were observed for all foliage structures considered. Forced convection scaling relationships varied with foliage structure. The scaling relationships reported here account for variation within populations of branches and buds and can be used to characterize forced convection in a forest canopy.

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 enseignants0,013
Score d'incertitude au seuil1,000

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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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

Citations47
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNew PhytologistMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207