Evaluation of aDcp processing options for secondary flow identification at river junctions
Notice bibliographique
Résumé
Abstract Secondary circulation in river confluences results in a spatial and temporal variation of fluid motion and a relatively high level of morphodynamic change. Acoustic Doppler current profiler (aDcp) vessel‐mounted flow measurements are now commonly used to quantify such circulation in shallow water fluvial environments. It is well established that such quantification using vessel‐mounted aDcps requires repeated survey of the same cross‐section. However, less attention has been given to how to process these data. Most aDcp data processing techniques make the assumption of homogeneity between the measured radial components of velocity. As acoustic beams diverge with distance from the aDcp probe, the volume of the flow that must be assumed to be homogeneous between the beams increases. In the presence of secondary circulation cells, and where there are strong rates of shear in the flow, the homogeneity assumption may not apply, especially deeper in the water column and close to the bed. To reduce dependence on this assumption, we apply a newly‐established method to aDcp data obtained for two medium‐sized (~60–80 m wide) gravel‐bed river confluences and compare the results with those from more conventional data processing approaches. The comparison confirms that in the presence of strong shear our method produces different results to more conventional approaches. In the absence of a third set of fully independent data, we cannot demonstrate conclusively which method is best, but our method involves less averaging and so in the presence of strong shear is likely to be more reliable. We conclude that it is wise to apply both our method and more conventional methods to identify where data analysis might be impacted upon by strong shear and where inferences of secondary circulation may need to be made more cautiously. © 2019 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 | 0,001 | 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 | 0,000 |
| 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 ».