MétaCan
Menu
Retour à la cohorte
Enregistrement W2913719481 · doi:10.1007/s10546-019-00470-3

Volume Averaging for Urban Canopies

2019· article· en· W2913719481 sur OpenAlexafffund
Manuel F. Schmid, Gregory A. Lawrence, M. B. Parlange, Marco G. Giometto

Notice bibliographique

RevueBoundary-Layer Meteorology · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesAustralian Research CouncilNatural Sciences and Engineering Research Council of CanadaMonash UniversityWestern Canada Research GridUniversity of California, DavisSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungAustralian GovernmentCompute CanadaNational Computational InfrastructureNational Cancer InstituteNational Science Foundation
Mots-clésVolume (thermodynamics)Environmental scienceGeographyPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

When canopy flows are horizontally averaged to obtain mean profiles, the averaging operation can be defined either as an intrinsic average, normalized by the variable fluid volume, or as a superficial average, normalized by the total volume including solid canopy elements. Properties of spatial averages have been explored extensively in the context of flow through plant canopies, albeit with the assumption that the solid volume fraction is negligible. Without this simplification, properties relevant for non-linear terms apply to intrinsic averages while properties of gradients apply to superficial averages. To avoid inconsistencies and inaccuracies the impact of a non-negligible solid volume fraction should be considered carefully when interpreting mean profiles, when deriving mathematical relations for averaged quantities, and when introducing modelling assumptions for such terms. On this basis, we review the definitions and properties of the method of volume averaging, as developed in the more general context of flow through porous media, and discuss its application to urban canopy flows. We illustrate the properties of intrinsic and superficial averages and their effect on mean profiles with example data from a simulation of flow over constant-height cubes.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,667
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0140,004

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 Opus0,012
Tête enseignante GPT0,244
Écart entre enseignants0,232 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBoundary-Layer MeteorologyMême sujetImpact of Light on Environment and HealthTravaux en français237 207