MétaCan
Menu
Retour à la cohorte
Enregistrement W2288150939 · doi:10.1175/jtech-d-15-0167.1

Rates of Dissipation of Turbulent Kinetic Energy in a High Reynolds Number Tidal Channel

2016· article· en· W2288150939 sur OpenAlexaffabout
Justine McMillan, Alex E. Hay, Rolf G. Lueck, Fabian Wolk

Notice bibliographique

RevueJournal of Atmospheric and Oceanic Technology · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésDissipationTurbulenceAcoustic Doppler current profilerTurbulence kinetic energyReynolds numberKinetic energyBuoyMechanicsChannel (broadcasting)MeteorologyGeologyPhysicsEnvironmental scienceAtmospheric sciencesCurrent (fluid)OceanographyClassical mechanicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract The ability to estimate the rate of dissipation ( ε ) of turbulent kinetic energy at middepth in a high-speed tidal channel using broadband acoustic Doppler current profilers (ADCPs) is assessed by making comparisons to direct measurements of ε obtained using shear probes mounted on a streamlined underwater buoy. The investigation was carried out in Grand Passage, Nova Scotia, Canada, where the depth-averaged flow speed reached 2 m s −1 and the Reynolds number was 8 × 10 7 . The speed bin–averaged dissipation rates estimated from the ADCP data agree with the shear probe data to within a factor of 2. Both the ADCP and the shear probe measurements indicate a linear dependence of ε on the cube of the flow speed during flood and much lower dissipation rates during ebb. The ebb–flood asymmetry and the small-scale intermittency in ε are also apparent in the lognormal distributions of the shear probe data. Possible sources of bias and error in the ε estimates are investigated, and the most likely causes of the discrepancy between the ADCP and shear probe estimates are the cross-channel separation of the instruments and the high degree of spatial variability that exists in the channel.

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 enseignants0,115
Score d'incertitude au seuil0,322

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,005
Tête enseignante GPT0,200
Écart entre enseignants0,195 · 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

Citations46
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Atmospheric and Oceanic TechnologyMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207