MétaCan
Menu
Retour à la cohorte
Enregistrement W3125173686 · doi:10.1038/s41598-021-81464-5

On the generation of internal waves by river plumes in subcritical initial conditions

2021· article· en· W3125173686 sur OpenAlexaff
Renato Mendes, J. C. B. da Silva, J. M. Magalhaes, B. St-Denis, Daniel Bourgault, José Pinto, João Miguel Días

Notice bibliographique

RevueScientific Reports · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesEuropean Regional Development FundCenters for Disease Control and PreventionFundação para a Ciência e a TecnologiaMinistério da Ciência, Tecnologia e Ensino SuperiorDeutsches Zentrum für Luft- und Raumfahrt
Mots-clésInternal wavePlumeGeologyShoreFront (military)TurbulenceRange (aeronautics)UnderwaterMixing (physics)AmplitudeOceanographyFlow (mathematics)MeteorologyMechanicsGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Internal waves (IWs) in the ocean span across a wide range of time and spatial scales and are now acknowledged as important sources of turbulence and mixing, with the largest observations having 200 m in amplitude and vertical velocities close to 0.5 m s −1 . Their origin is mostly tidal, but an increasing number of non-tidal generation mechanisms have also been observed. For instance, river plumes provide horizontally propagating density fronts, which were observed to generate IWs when transitioning from supercritical to subcritical flow. In this study, satellite imagery and autonomous underwater measurements are combined with numerical modeling to investigate IW generation from an initial subcritical density front originating at the Douro River plume (western Iberian coast). These unprecedented results may have important implications in near-shore dynamics since that suggest that rivers of moderate flow may play an important role in IW generation between fresh riverine and coastal waters.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,481
Score d'incertitude au seuil0,998

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)0,0030,000

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 Opus0,018
Tête enseignante GPT0,239
Écart entre enseignants0,221 · 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.

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

Citations32
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207