Sensitivity of simulated flow fields and bathymetries in meandering channels to the choice of a morphodynamic model
Notice bibliographique
Résumé
Abstract Morphodynamic models are used by river practitioners and scientists to simulate geomorphic change in natural and artificial river channels. It has long been recognized that these models are sensitive to the choice of parameter values, and proper calibration is now common practice. This paper investigates the less recognized impact of the choice of the model itself. All morphodynamic models purport to simulate the same flow and sediment dynamics, often relying on the same governing equations. Yet in solving these equations, the models have different underlying assumptions, for example regarding spatial discretization, turbulence, sediment inflow, lateral friction, and bed load transport. These differences are not always considered by the average model user, who might expect similar predictions from calibrated models. Here, a series of numerical simulations in meandering channels was undertaken to test whether six morphodynamic codes (BASEMENT, CCHE‐2D, NAYS, SSIIM‐1, TELEMAC‐2D and TELEMAC‐3D) would yield significantly different equilibrium bathymetries if subjected to identical, initial flow conditions. We found that, despite producing moderately similar velocity patterns on a fixed‐flat bed (regression coefficient r of 0.77 ± 0.20), the codes disagree substantially with respect to simulated bathymetries ( r = 0.49 ± 0.31). We relate these discrepancies to differences in the codes' assumptions. Results were configuration specific, i.e. codes that perform well for a given channel configuration do not necessarily perform well with higher or lower sinuosity configurations. Finally, limited correlation is found between accuracy and code complexity; the inclusion of algorithms that explicitly account for the effects of local bed slope and channel curvature effects on transport magnitude and direction does not guarantee accuracy. The range of solutions obtained from the evaluated codes emphasizes the need for carefully considering the choice of code. We recommend the creation of a central repository providing universal validation cases and documentation of recognized fluvial codes in commonly studied fluvial settings. Copyright © 2016 John Wiley & Sons, Ltd.
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 | 0,000 | 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) | 0,000 | 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 ».