Large‐Scale Particle Image Velocimetry Reveals Pulsing of Incoming Flow at a Stream Confluence
Notice bibliographique
Résumé
Abstract Despite widespread recognition that confluences are characterized by complex hydrodynamic conditions, few studies have mapped in detail spatial patterns of flow at confluences and variation in these patterns over time. Recent developments in large‐scale particle image velocimetry (LSPIV) have created novel opportunities to explore the spatial and temporal dynamics of flow patterns at confluences. This study uses LSPIV to map two‐dimensional flow structure at the water surface at a confluence and to examine variation in this structure over time. Results show that flow within the confluence is characterized by a large region of flow stagnation at the junction apex, a region of low velocities at the downstream junction corner, and a region of merging of the two flows along a mixing interface within the center of the confluence. Interaction between the incoming flows varies over time in the form of episodic pulsing in which one of the two tributary flows first decelerates and then subsequently accelerates into the confluence. The cause of this pulsing remains uncertain, but it may reflect unsteadiness in the water‐surface pressure‐gradient field as the two flows compete for space within the confluence. No large‐scale vortices are evident within the mixing interface for the particular flow conditions documented in this study, but such vortices do occur along the margins of the stagnation zone where shearing action between fast‐moving and slow‐moving fluid is strong. The results of the study provide insight into the time‐dependent dynamics of the spatial structure of flow at stream confluences.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».