MétaCan
Menu
Retour à la cohorte
Enregistrement W2995488379 · doi:10.5194/esurf-8-485-2020

Entrainment and suspension of sand and gravel

2020· article· en· W2995488379 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEarth Surface Dynamics · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésFroude numberFlumeSettlingEntrainment (biomusicology)SedimentGeologyBed loadSuspended loadBedformDimensionless quantityTurbulenceSuspension (topology)Geotechnical engineeringSoil scienceHydrology (agriculture)Environmental scienceSediment transportFlow (mathematics)MechanicsGeomorphologyMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Abstract. The entrainment and suspension of sand and gravel are important for the evolution of rivers, deltas, coastal areas, and submarine fans. The prediction of a vertical profile of suspended sediment concentration typically consists of assessing (1) the concentration near the bed using an entrainment relation and (2) the upward vertical distribution of sediment in the water column. Considerable uncertainty exists in regard to both of these steps, especially the near-bed concentration. Most entrainment relations have been tested against limited grain-size-specific data, and no relations have been evaluated for gravel suspension, which can be important in bedrock and mountain rivers. To address these issues, we compiled a database with suspended sediment data from natural rivers and flume experiments, taking advantage of the increasing availability of high-resolution grain size measurements. We evaluated 12 dimensionless parameters that may determine entrainment and suspension relations and applied multivariate regression analysis. A best-fit two-parameter equation (r2=0.79) shows that near-bed entrainment, evaluated at 10 % of the flow depth, decreases with the ratio of settling velocity to skin-friction shear velocity (wsi/u∗skin), as in previous relations, and increases with Froude number (Fr), possibly due to its role in determining bedload-layer concentrations. We used the Rouse equation to predict concentration upward from the reference level and evaluated the coefficient βi, which accounts for differences in the turbulent diffusivity of sediment from the parabolic eddy viscosity model used in the Rouse derivation. The best-fit relation for βi (r2=0.40) indicates greater relative sediment diffusivities for rivers with greater flow resistance, possibly due to bedform-induced turbulence, and larger wsi/u∗skin; the latter dependence is nonlinear and therefore different from standard Rouse theory. In addition, we used empirical relations for gravel saltation to show that our relation for near-bed concentration also provides good predictions for coarse-grained sediment. The new relations extend the calibrated parameter space over a wider range in sediment sizes and flow conditions compared to previous work and result in 95 % of concentration data throughout the water column predicted within a factor of 9.

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.

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 enseignants0,238
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,187
Écart entre enseignants0,180 · 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