Impacts of Hurricane Winds and Precipitation on Hydrodynamics in a Back‐Barrier Estuary
Notice bibliographique
Résumé
Abstract During extreme storms, both wind‐driven changes in water levels and intense precipitation can contribute to flooding. Particularly on low‐lying coastal plains, storm‐driven flooding can cover large areas, resulting in major damage. To investigate the roles of rainfall and storm surge on coastal flooding, a coupled flow‐wave model (Delft3D‐SWAN) that includes precipitation is used to simulate two major storm events. The modeling system is applied over a domain covering coastal North Carolina, USA, including the large Albemarle‐Pamlico estuarine system, and a long and narrow back‐barrier estuary (Currituck Sound [CS]) that experiences major water level variations is investigated in detail. A high‐resolution (50 m) grid with eight vertical layers is used to simulate the conditions during Tropical Storm Hermine and Hurricane Matthew in 2016. Hindcasts (winds, pressure, and precipitation) from eight different atmospheric models are used as atmospheric input conditions, and the results are compared with detailed observations of surface waves, currents, and water levels from sensors mounted on five monitoring platforms in CS. Results show that major differences exist between wind fields producing variations coastal conditions. Precipitation directly on the water surface had a large effect on water levels and produced a larger inundated area. These results help to understand the important contributions of each physical process (precipitation, wind‐driven surge, and waves) to circulation and water levels, and provide guidance on the impact of atmospheric forcing conditions on back‐barrier environments during hurricanes.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».