MétaCan
Menu
Retour à la cohorte
Enregistrement W3017129813 · doi:10.1002/hyp.13783

Development of an inexpensive automated streamflow monitoring system

2020· article· en· W3017129813 sur OpenAlexafffund
Matthew C. L. LeGrand, James J. Luce, Robert A. Metcalfe, J. M. Buttle

Notice bibliographique

RevueHydrological Processes · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensMinistry of Natural Resources and ForestryTrent University
Organismes subventionnairesOntario Ministry of Natural Resources and Forestry
Mots-clésStreamflowRating curveComputer scienceParticle image velocimetryEnvironmental scienceField (mathematics)STREAMSRange (aeronautics)Flow (mathematics)Remote sensingHydrology (agriculture)MeteorologyGeologyGeographyPhysicsMathematicsCartographyGeomorphologyDrainage basin

Résumé

récupéré en direct d'OpenAlex

Abstract Estimating streamflow is time and labour intensive due to the necessity of developing a rating curve. The development of a rating curve involves acquiring in‐field measurements of streamflow across a wide range of flow levels, which can be costly and impractical in remote regions with limited seasonal access. Here we showcase an automated system which estimates streamflow multiple times each day, greatly facilitating the development of rating curves for remote or seasonally inaccessible sites. The system uses an emerging technique referred to as particle image velocimetry (PIV) to track the movement of objects and flow structure features on the mobile water surface to generate velocity vector grids. Velocity grids were used to calculate streamflow and facilitate the development of a rating curve. This work contributes to our field‐based knowledge for using automated PIV systems to estimate streamflow in small streams (<5 m wide) using automatically distributed particles.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,535
Score d'incertitude au seuil0,607

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 Opus0,029
Tête enseignante GPT0,245
Écart entre enseignants0,216 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHydrological ProcessesMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207