High‐frequency streamflow acquisition and bed level/flow angle estimates in a mountainous river using shallow‐water acoustic tomography
Notice bibliographique
Résumé
Abstract The acquisition of reliable discharge estimates is crucial in hydrological studies. This study demonstrates a promising acoustic method for measuring streamflow at high sampling rate for a long period using the fluvial acoustic tomography system (FATS). The FATS recently emerged as an innovative technique for continuous measurements of streamflow. In contrast to the traditional point/transect measurements of discharge, the FATS enables the depth‐averaged and range‐averaged flow velocity along the ray path to be measured in a fraction of a second. The field test was conducted in a shallow gravel‐bed river (0.9 m deep under low‐flow conditions, 115 m wide) for 1 month. The parameters (stream direction and bottom elevation) required for calculating the streamflow were deduced by a nonlinear regression to the discharge data from the well‐established rating curve. The cross‐sectional average velocities were automatically calculated from the acoustic data, which were collected on both riverbanks every 30 s. The FATS was connected to the internet so that the real‐time flow data could be obtained. The FATS captured discharge variations at a cut‐off frequency of approximately 70 day −1 . The stream exhibited temporal discharge changes at multiple time scales ranging from a few tens of minutes to days. 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».