Use of ADCPs for suspended sediment transport monitoring: An empirical approach
Notice bibliographique
Résumé
Abstract A horizontally mounted 300 kHz acoustic Doppler current profiler was deployed in Fraser River at Mission, British Columbia, to test its capability to detect size‐classified concentration of suspended sediment. Bottle samples in‐beam provide a direct calibration of the hADCP signals. We also deployed a 600 kHz vertically mounted ADCP from a boat in combination with bottle samples. Fraser River at Mission is 525 m wide with moderate suspended sediment concentration (up to 350 mg L −1 in our measurements, mostly silt), and a modest sand load only at high flows. We use an entirely empirical approach to calculate the sediment load using ADCPs to test the reliability of acoustic methods when assumptions embedded in the sonar equation about the relation between suspended sediment size and concentration, and acoustic signals are violated. vADCP calibration using matched individual bottle samples and acoustic backscatter departed from the expected theoretical relation. Calibration using depth‐averaged sediment concentration and acoustic backscatter more closely matched theoretical expectations, but varied through the season. hADCP calibrations conformed with theoretical expectations and did not exhibit seasonal variation. Silt and sand were successfully discriminated; however, silt dominates the correlations. We found no coherent relation between acoustic attenuation and silt concentration. In‐beam results are extended by correlation to estimate mean sediment concentration and total suspended flux in the entire channel: this auxiliary correlation cancels any calibration bias and permits monitoring of size‐classified suspended sediment in absence of detailed information of sediment grain‐size distribution.
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 | 0,001 |
| 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 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 ».