MétaCan
Menu
Retour à la cohorte
Enregistrement W3185909964 · doi:10.3390/w13152067

Effect of Salinity on Evaporation from Water Surface in Bench-Scale Testing

2021· article· en· W3185909964 sur OpenAlexafffundabout
Jared Suchan, Shahid Azam

Notice bibliographique

RevueWater · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Regina
Mots-clésAridBrineSalinityEnvironmental scienceHydrology (agriculture)EvaporationDistilled waterSurface waterAtmospheric sciencesMeteorologyEnvironmental engineeringGeologyChemistryGeographyOceanographyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Freshwater and hypersaline lakes in arid and semi-arid environments are crucial from agricultural, industrial, and ecological perspectives. The purpose of this paper was to investigate the effect of salinity on evaporation from water surfaces. The main achievement of this research is the successful capture of simulated climate–surface interactions prevalent in the Canadian Prairies using a custom-built bench-scale atmospheric simulator. Test results indicated that the evaporative flux has a large variation during spring (water/brine: 1452/764 10−4 g·s−1·m−2 and 613/230 × 10−4 g·s−1·m−2 night) and summer (1856/1187 × 10−4 g·s−1·m−2 day and 1059/394 × 10−4g·s−1·m−2 night), and small variation in the fall (1591/915 × 10−4 g·s−1·m−2 and 1790/1048 × 10−4 g·s−1·m−2 night). The primary theoretical contribution of this research is that the evaporation rate from distilled water is twice that of saturated brine. The measured data for water correlated well with mathematical estimates; data scatter was evenly distributed and within one standard deviation of the equality line, whereas the brine data mostly plotted above the equality line. The newly developed 2:1 water–brine correlation for evaporation was found to follow the combination equations with the Monteith model best matching the measurements.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,654
Score d'incertitude au seuil1,000

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)0,0010,001

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 Opus0,011
Tête enseignante GPT0,227
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.

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

Citations10
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetHydrology and Watershed Management StudiesTravaux en français237 207